Uz lietotāja modeli balstīta personalizēta adaptīva e-studiju sistēma
Author
Vagale, Vija
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Niedrīte, Laila
Date
2017Metadata
Show full item recordAbstract
Promocijas darbs ir veltīts uz lietotāja modeli balstītas personalizētas adaptīvas e-studiju sistēmas izveides metožu izstrādei, lai veicinātu un uzlabotu e-studiju izmantošanu apmācības procesā. Darbā apskatīti adaptīvajās sistēmās iekļaujamie pamatmodeļi, īpašu uzmanību veltot lietotāja modelim un eksistējošajām adaptācijas metodēm. Balstoties uz esošo risinājumu analīzi, ir izstrādāts uz datu dzīves ilgumu bāzēts lietotāja modelis un piedāvātas trīs jaunas adaptācijā izmantojamās metodes: apmācāmo grupu veidošanas metode, kursa optimālās tēmu secības izveides metode un tēmu secības organizēšanas metode. Izstrādātais lietotāja modelis un adaptācijas metodes nodrošina iespēju katram sistēmas lietotājam saņemt viņa vēlmēm un vajadzībām atbilstošu mācību saturu balstoties uz mācīšanās stilu, apgūstamās vielas priekšzināšanām, izdarītajām izvēlēm un iepriekšējo apmācāmo mācību procesa datiem. Atslēgas vārdi: adaptīva sistēma, e-studiju sistēma, apmācāmā modelis, satura modelis, adaptācijas modelis, adaptācijas metode. The thesis outlines is dedicated to the creation of method of personalized adaptive user model based e-learning system in order to promote and improve e-learning utilization in the learning process. Basic models included in the adaptive systems are viewed in the thesis, paying special attention to the user model and existing adaptation methods. Data life cycle based user model is developed and three new methods used in adaptation are offered, based on existing solution analysis: learner group creation method, course optimal topic sequence creation method and topic sequence organization method. The developed user model and adaptation methods provide opportunity to receive learning content that fits each system user desires and needs based on learning style, prior knowledge of the topic, preference selection and learning process data of previous learners. Keywords: adaptive system, e-learning, learner model, content model, adaptation model, adaptation method.