沙特国王大学学报阅读障碍者e-learning环境下基于学习对象的字母学习个性化评价模型马里兰州巴什·斯里瓦斯塔瓦坦维尔·乌丁·海德尔印度巴特那国立技术学院计算机科学与工程系阿提奇莱因福奥文章历史记录：2017年7月11日收到2017年11月11日修订2017年11月21日接受2017年11月22日在线发布关键词：阅读障碍认知语义网A B S T R A C T几十年来，互联网一直是知识的来源。如果没有网络之网，信息库就无法维持。因特网在商业、社会和教育领域有许多有用的应用。在今天的情况下，e-learning也是互联网世界中有用的应用之一。电子学习的媒介已经在各个领域取得了进步，例如自适应电子学习系统。计算机科学与心理语言学的分支在为学习者提供技术解决方案方面做了大量工作。然而，网络学习平台上的学习障碍仍然需要大量的研究。因此，本研究提出一个针对阅读障碍儿童的具有学习对象的字母学习个性化评价模型采用评估模型确定了学习困难者的认知倾向。本研究旨在探讨阅读障碍学习者的认知潜能，并建立一个个人化的数位学习平台，以减轻他们的字母问题。©2017作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍通过网络获取知识的媒介多年来一直是学习的基本机制，但现在它已被指定为重要的信息来源。电子学习不仅有助于克服地理界限，而且有助于最大限度地缩小语言界限。个性化的电子学习变得更加有利。当系统根据学习者偏好呈现学习内容时，则个性化已被添加到电子学习平台。例如，对于相同的内容，根据学习者的选择，有视频讲座和音频讲座。一个学生通过视频学习，另一个通过音频学习。机器有各种可能的方式学习者喜欢什么样的知识。这些是：a) 学习风格：有各种各样的学习风格模型，如Felder-Silverman学习 风 格 模 型 （ FDSM ） ， Dunn 和 Dunn 模 型 ， Honey 和Mumford模型等。这些模型*通讯作者。电 子 邮 件 地 址 ： bhaetz.srivastava.research@ outlook.com （ B.Srivastava ） ，tanwir@nitp.ac.in（Md. T.联合Haider）。沙特国王大学负责同行审查描述了不同的学习方式，如视觉，语言等。著名的学习风格模型是FDSM，其中学习者被分为四个维度，即，主动-反射、视觉-言语、感觉-直觉和顺序-全局（Graf等人， 2009年）。b) 认知特征：这些认知特征描述了学习者如何这些因素包括学习者的推理能力、决策方法和学习技能（Graff，2003）。1.1. 基于语义的教育系统教育系统为学习者提供学习内容，使其获得知识。最近的一个趋势，在电子学习系统是个性化。利用语义网可以使基于网络的学习系统“语义”这个词的意思是“意思”。基于语义网络的教育系统由本体、规则和软件代理组成（Bittencourt等人， 2009年）。a) 本体：它被定义为这个概念是一个真实世界的“东西”。它可以是一个人，或对象或任何理论，存在于现实世界中（编辑等，2007年）。本体包含类、属性和存在于不同资源之间的关系本体由以下定义组成：https://doi.org/10.1016/j.jksuci.2017.11.0051319-1578/©2017作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com810B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University1)域：特定本体所代表的世界观。本文考虑了两种本体，dys-学习者本体和学习资源本体。学习障碍者本体论的域是小学阶段面临阅读障碍的人，学习资源本体论的域是阅读障碍的学习内容。2)资源：它们是存在于现实世界中的实体。它可以是任何代表特 定 领 域 知 识 的 东 西 。 dyslearner 类 和 Learning- ingResource类分别是描述有阅读障碍的学习者和有阅读障碍的学习者的学习内容的资源。3)对象属性：它显示了两个不同资源之间存在的关系。4)数据属性：它将资源与一些文字值相关联。b) 语义规则：使用描述逻辑（DL）和HORN逻辑开发语义Web规则语言（SWRL）（Bittencourt等人，2009年）。SWRL是来自DARPA代理标记语言和RuleML的工作的组合（Rani等人，2015年）。规则表示if-then子句。它由身体和头部组成。主体是原子的结合，其中原子是语义陈述，并且头部是取决于原子的真值的结果（Bittencourt等人，2009年）。c) 软件代理：个性化电子学习系统中的“智能”一词软件代理是代表其他人对决策采取行动的智能程序（Bittencourt等人， 2009年）。 智能物理代理的基础（FIPA）为基于代理的系统提供了标准。代理可以根据系统要求执行不同的行为。这些行为是循环的、一次性的或连续的。1.2. 相关作品根据印度诵读困难协会的说法，诵读困难是一种神经系统疾病，会影响儿童的阅读、写作和拼写能力。诵读困难者发现很难正确地想象字母表。字母在他们看来是一种扭曲或扭曲的格式（戴维斯，北卡罗来纳州）。）.因此，他们很难正确地想象字母。Nganji等人（2016）给出了一种基于本体的电子学习架构，用于各种残疾，包括学习障碍。多媒体模型已经被定义为在计算机科学的帮助下教授诵读困难症（Gross和Voegeli，2007）。针对阅读障碍的自适应网络学习系统有两种框架。第一个框架使用各种维度和属性。该框架已经使用经验方法进行了验证（Alsobhi等人，2015a）阅读障碍者可以使用使用辅助技术的电子学习系统（Alsobhi等人，2015年b）。第二个框架是一个开放的基于Agent的框架，它基于多种模型，如教学模型、情境化模型、创作模型和认知模型。它使用了重用策略（Ivanova等人，2010年）。已经使用了诸如音频、视频和语音识别的辅助技术来辅助诵读困难学习（Alsobhi等人，2014年）。可以使用硬件和软件制作用于诵读困难的课程材料（Alsobhi等人，2015年c）。基于语义网络的教育系统包括软件代理、本体和学习对象（Rani等人，2015年）。此外，研究已经证明，由于IT基础设施等决定因素，电子学习系统具有高质量的资源以及高质量的学习方法（Younis等人，2016年）。协作电子学习系统可以在两个机构之间共享资源，以提供更好的学习设施（Masud，2016）。诵读困难症的网络动力学已经证明，诵读困难症的补救措施不应该集中在相反，它应该是动态的（Kershner，2016）。使用云计算制作了使用用于诵读困难症的定制多模型方法的移动学习工具（Alghabban等人， 2017年）。根据马来西亚阅读障碍协会的研究此外，结果表明，用于教授阅读障碍的颜色和字体是重要的参数（Suhaila等人，2017年）。本文根据阅读障碍者的认知特点，提出了一种帮助阅读障碍者识别英文字母的认知方法。第二节介绍了针对阅读障碍的电子学习环境的开发方法，其中第2.1节定义了针对阅读障碍的评估模型第三部分给出了结果和结论。2. 方法一种用于开发针对阅读障碍的个性化电子学习系统的方法，包括：a）阅读障碍的评估模型评价采用多项选择题的形式，确定学习者在当前状态下对某一认知的倾向该评估已被定制，以处理模糊的性质，阅读障碍的认知。网络学习系统中的本体已经被用来对教学环境和学习环境进行建模.它们是自动化和信息检索所必需的。它们充当使用语义Web的系统的构建块。在线学习系统中的知识库是学习对象（LO）和语义规则的存储库LO是一个小的可重用的内容组，为学习者提供教程。2.1. 阅读障碍评估模型有三种不同的认知维度的睡眠障碍（Srivastava和Haider，2017）：a) 多维b) 推理c) 分层多维认知的特点是倾向于复杂的结构和设计。推理认知的技巧包括确定相似性，Fig. 1. 阅读障碍的个性化评估模型B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University811不同领域概念之间的差异。层次特征包括模式理解和模式识别。图1示出了在电子学习环境中用于阅读障碍的个性化评估模型。该模型认为，为了获得阅读障碍者的认知倾向，可以使用图像、彩色背景和个性化模式中的文本字体变化来创建评估。阅读障碍的评估模型使用树状结构，基于三个认知维度显示三个不同的对象。评估对象是评估中的问题，可以是基于图像或基于文本或基于计数的。我们使用图像作为评估对象。图2示出了确定学习者对三个认知维度M、H和I中的一个的最高倾向的个性化评估过程，这三个认知维度M、H和I分别是多维、层次和推理的缩写。在每个级别，在M、H和I的位置处存在三个不同的图像。在每一个层次上，学习者都要做出选择，并计算出相应的认知倾向。此外，显示的下一个评估将具有属于认知维度的最近选择的最大对象。当CI值达到阈值时，检索对应的学习对象。阈值表示在所有三个选择的对象，代表三个认知维度。CI值等于或大于阈值4的维度可能的阈值为4、5和6。然而，评估程序已经形成的方式，只有一个认知层面将达到阈值。该系统需要找到对一个认知维度的最大倾向，因为这些领域是可能具有智力差异的诵读困难儿童（Cornoldi等人， 2014年）。认知维度的当前值增加了学习者在评估模型中选择一个图像后评估模型的算法为：1. 瞬时的倾斜度（Ij）=认知j的Ij + 1，其中初始Ij = 0，j = {M，H，I}。2. 下一个子树=认知j的最近选择3. 下一级= Ij + 1下一子树。4. 阈值= 42.2. 架构图3示出了用于诵读困难的个性化电子学习系统的架构。它由表示模型、智能服务模型和反馈模型组成这些模式讨论如下。1) 演示模块：负责评估和显示学习内容。首先，阅读障碍学习者给出呈现模式的评估，计算x = {M，H，I}的CIx值。当达到阈值时，呈现模型显示所需的学习内容。2) 智能服务模型：负责在系统中提供个性化服务。它包括2.2.1节讨论的本体论，2.2.2节讨论的知识库和2.2.3节讨论的智能代理。3) 反馈：是一个监控学习者认知特征变化的过程。当通过反馈获得认知的变化时，再将呈现模型再次显示评估给学习者。2.2.1. 本体本体论的个性化电子学习系统的阅读障碍有领域的儿童谁面临阅读障碍。该系统包含学习者本体和教学本体，如图4所示。dyslearner类有子类name和cognitive。 认知亚类进一步分为多维亚类、推理亚类和层次亚类。学习资源类也被分为multiLO、HierLO和InfiLO，分别用于多维、分层和基于推理认知的学习对象。a) Dyslearner类：图9显示了Dyslearner类的类图。这门课模拟了面临阅读障碍的儿童的概念。dyslearner class的name子类用于保存有阅读障碍的学习者的个人细节的实例b) Learning_Resource类：图10示出了Learning_Resource类的类图。这个类是用来建模的概念，学习对象的个性化电子学习系统的阅读障碍。子类multiLO，HierLO和InfiLO分别表示多维认知，层次认知和推理认知的学习对象的概念。MultiLO子类进一步分为multityro、multimediate和multivirtuoso，表示学习者在各自学习内容中的初学者、中级和专家水平。类似地，HierLO 和 InfiLO 分 别 被 进 一 步 分 类 为 Hiertyro 、Hiermeridine 、 HierVirtuoso 和 infityro 、 infideridine 和infirvirtuoso的子类。c) 对象属性和数据属性：对象属性定义两个资源之间存在的关系。图5示出了对象属性，即，有，CogTreeX和倾斜。“has”属性将学习者和认知者联系起来。“inclines”属性将类名与多维、层次和推理联系起来。CogTreeX（其中X = {M，H，I}）属性显示了学习者和学习者在认知路径中所需的评估页面之间的关系。CogTreeX属性还将学习者与认知路径最后一级的learning_resource相关联。图6显示了数据图二. 电子学习环境中的个性化评估程序。812B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University图三. 阅读障碍之个人化数位学习系统架构见图4。 使用protégé 4.3绘制建议的本体图。图五. 对象属性。见图6。 数据属性。基于语义的电子学习系统的特性。数据属性“age”的范围类型为整数值。数据属性MultiValue、HierValue和Infi-Value以图7示出了类“name”的关系，其与类“cognitive”和对象属性“has”相关。图8示出了类“名称”和类认知的子类之间的关系即多维、层次和推理，对象属性2.2.2. 知识库知识库是一个软件组件，它表示在语义Web应用程序中进行本体描述，处理和访问的信息集合（Lau和Tsui，2009）。语义规则用于推断资源之间的属性。在该系统中使用了HermiT推理机来确定见图7。 对象属性“has”的关系图见图8。 对象属性“倾斜”的关系图B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University813见图9。 资源Dyslearner的类图。本体的一致性以及获得推断的断言。在认知路径的最后一级确定学习者对认知的最高倾向的规则是：HierLO（？.xsl）、层次（？h），has（？x，？c），HierValue（？x，5）-> CogTreeH（？x，？_middle.xsl）、inclines（？x，？h）InfiLO（？infi_beginner.xsl）、推理（？i），has（？x，？c），infiValue（？x，5）-> CogTreeI（？x，？infi_middle.xsl）、inclines（？x，？i）多维（？m），has（？x，？c），MultiValue（？x，5）-> Cog TreeM（？x，？multi_middle.xsl）、inclines（？x，？米）的第一条规则指出，如果学习者x具有认知维度c，则学习者x的HierValue数据属性具有值5，并且h是分层认知的独立，则x倾向于认知h，并且x的CogtreeH是中间层的分层学习对象。因此，提出了所需的学习对象（LO）。 第二和第三条规则与第一条规则相似，不同之处在于它们分别决定了推理和等级认知的倾向。图11显示了使用protégé 4.3中的HermiT推理器推断出的个体x的属性。带有彩色背景的块是推理结果。学习者得到三个图像作为认知树中三 个 对 象 的 一 部 分的 显 示 。 学 习 者 选 择 第 二 幅 图 像 ，该 图 像 为HierValue Data属性提供值5，这导致分层认知的推断，并基于分层认知特征获取学习对象。2.2.3. 智能代理智能代理是根据FIPA规范的软件程序（Miao等人，2007年）。图12示出了多代理系统的架构。更新代理负责监测评估期间学习者认知值的任何变化。嗅探代理嗅探更新代理和认知代理之间的消息交换。认知主体类包括多维主体、层次主体和推理主体。它负责根据学习者的认知特征检索所需的学习对象。图 13、Java Agent开发框架（JADE）图形用户界面（GUI）已被用于开发个性化e-learning系统的智能多Agent系统。ping Agent属于JadeGateway Agent的一个类，JadeGateway Agent在servlet或JSP中使用，允许它们与基于JADE的多代理系统进行交互容器-1包含多维、层次、推理的类认知主体。图14示出了在更新代理和认知代理之间交换消息的过程。更新代理监视CI值的更改。当CIx值达到阈值时，它向x个认知代理发送消息，其中x = {M，I，H}。2.3. 学习对象学习对象（Learning Objects，LO）是网络学习环境图10个。资源Learning_Resources的类图814B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University见图11。 使用protégé 4.3和HermiT 1.3.8 reasoner进行推理对象属性断言。见图12。阅读障碍儿童个体化评估之多代理系统架构根 据SCORM 。 存在 用于 开发 LO的 各种 规范 和标 准， 诸如 IEEELOM、IMS学习资源和IMS CP。学习对象元数据（LOM）用于描述学习对象。LOM的目的是提供互操作性、可重用性和可扩展性。在线学习环境中的LO是一个不可或缺的工具，为学习者准备电子和可重复使用的格式教程。阅读障碍的学习内容是运用心理语言学理论开发的。所提出的系统的学习对象（LO）是多维LO，层次LO和推理LO。根据学习者的水平，这些LO进一步分为初学者，中级和专家类别图 15示出了用于多维认知维度的学习对象的XSL代码。图16示出了基于教学、可重用性和复杂性的用于阅读障碍的电子学习环境中这种双向关系表明学习者可以从一个认知维度转换到另一个认知维度。每个学习对象已被进一步分类为初学者，中间和专家级连接在一个双向的关系，表明学习内容可能会根据学习者的表现而变化图17（a）示出了初学者水平的多维认知中字母“I”的字母结构。 图17（b）示出了在中间水平的多维齿轮中的字母表“I”的字母结构。这些结构是k维图，其中k的值随着学习者的表现水平的增加而减小。这些学习对象具有学习者认知的特征。它将帮助学习者理解字母“I”的线条构成图13岁JADE代理GUI由认知代理、更新代理和Ping代理组成。B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University815见图14。 图表显示更新和认知代理之间的交互过程。图15.初学者级别的多维学习对象的XSL代码。图十六岁阅读障碍数位学习环境中学习物件之分类图17. a）字母“I”设计在多维LO初级水平。b）在多维LO中设计的字母3.结果与结论该系统适用于小学阶段主要是6-9岁年龄组的阅读障碍儿童在访问系统的评估部分时，需要父母的此电子学习系统提供学习内容，以提高阅读障碍者对字母结构的理解。为了进行评估，我们访问了印度巴特那的特殊教育学校，并采访了他们的老师。本研究通过相关领域专家的研究和观察，得到了积极的评价。然而，它需要准备更多的学习对象和反馈系统，这将有助于进行大规模的816B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University表1阅读障碍学生数位学习方法与传统教学方法之比较参数E-learning方法传统教学方法时间学生学习的时间比传统方法更短，与传统方法相比，电子学习教学方法每个学生根据自己的认知能力特性潜在的诵读困难的大脑父母了解他们的孩子的创造力，通过认知评估这将有助于他们为孩子塑造最好的未来，特别是当阅读障碍者失去信心和感到尴尬的社会兴趣学生更关注，因为与手工教学方法每个学生都得到类似的学习内容由于所有学生的学习内容和教学方法都是相同的，因此，阅读障碍者大脑中隐藏的潜能无法被发现有些学生可能对课程内容不感兴趣图18. 与早期针对阅读障碍的个性化电子学习系统的比较图。实验该系统侧重于阅读障碍儿童的潜力，并将有助于克服阅读障碍与残疾有关的神话。表1显示了电子学习方法和手工方法在时间参数、教学方法、潜在的大脑障碍和学生兴趣方面电子学习系统包括开发学习内容的各种方法运用学习者认知理论开发的教学模式将有助于以可持续的方式获得知识。它允许家长和教师在训练孩子们画和理解字母结构，也在认识到他们隐藏的潜力。个性化评估在开发针对阅读障碍等学习障碍的网络学习系统中起着至关重要的作用。图18示出了先前开发的用于阅读障碍的电子学习系统与我们提出的系统之间的比较图。引用Alghabban，W.G.，萨拉马，R.M.，Altalhi，A.H.，2017.移动云计算：一个有效的多模式界面工具，为有阅读障碍的学生。Comput. Hum. 行为举止。75，160-166。Alsobhi，A.Y.，Khan，N.，Rahanu，H.，2014.将阅读障碍的类型和症状与可用的辅助技 术 联 系 起 来 。 In ： Proc. - IEEE 14th Int. Conf. Adv. Learn. Technol. ICALT2014，pp. 597-598. https://doi.org/10.1109/ICALT的网站。2014.174Alsobhi，A.，Khan，N.，Rahanu，H.，2015.一种实证方法来验证诵读困难适应性电子学习（DAEL ）框架。在：10th Int.Conf. Comput. Sci. Educ. ICCSE 2015，pp.253-258. https://doi.org/10.1109/ICCSE.2015.7250252Alsobhi，A.Y.，Khan，N.，Rahanu，H.，2015年b。DAEL框架：一种新的针对阅读障碍 学 生 的 自 适 应 电 子 学 习 框 架 。 Procedia 计 算 Sci. 51 ， 1947- 1956 年 。https://doi.org/10.1016/j.procs.2015.05.459网站。Alsobhi，A.Y.，Khan，N.，Rahanu，H.，2015年c 基于阅读障碍类型的个性化学习材料Procedia计算Sci. 60，113-121. https://doi.org/10.1016/j.procs.2015.08.110网站。比滕古岛Costa，E.，席尔瓦，M.，Soares，E.，2009.开发语意网路教育系统之计算模式。Knowledge-BasedSystem.22，302-315.https://doi.org/10.1016/j.knosys.2009.02.012网站。Cornoldi，C.，Giofrè，D.，Orsini，A.，佩祖蒂湖2014.智力障碍儿童与学习障碍儿童的智力特征差异。残留量差禁用。35，2224-2230。https://doi.org/10.1016/j.ridd.2014.05.013网站。戴维斯，R. D.，n.d. 阅读障碍的礼物为什么一些最聪明的人。编辑，S.，Bernus，P.，Shaw，M.J.，2007.在：国际手册信息系统，决策支持系统。https://doi.org/10.1007/978-3-642-00416-2.Graf，S.，Liu，T.C.，Kinshuk，Chen，N.S.，杨，S.J.H.，2009.学习风格和认知特征：它们的关系及其在基于网络的教育系统中的益处。Comput. Hum.行为举止。25，1280-1289. https://doi.org/10.1016/j的网站。chb.2009.06.005网站。格拉夫，M.，2003.认知风格和使用在线学习和评估方法的态度。电子学杂志1，21-28。https://doi.org/10.1207/s15389286ajde1801_3.格罗斯，M.，Voegeli，C.，2007.一个有效的语言培训的多媒体框架。Comput. Graph.31，761-777。 https://doi.org/10.1016/j的网站。cag.2007.09.001网站。伊万诺娃，T.，安德烈耶夫河，Terzieva，V.，2010.整合本体论与发展的个人化电子学习设施为阅读障碍。Lect. Notes计算Sci.（包括Subser。Lect. Notes Artif.内特尔Lect.NotesBioinformatics）6304LNAI，265-266.https://doi.org/10.1007/978-3-642-15431-7_29.Kershner，J.R.，2016.阅读障碍的网络动力学：评论和补救的意义。残留量差禁用。59，24-34。B. 马里兰州斯利瓦斯塔瓦T. 联合Haider/ Journal of King Saud University817Lau，A.，Tsui，E.，2009.从知识管理角度看电子学习的有效性。Knowledge-BasedSystem. 22，324-325. https://doi.org/10.1016/j.knosys.2009.02.014.Masud，M.，2016.使用语意资料互操作性之合作式数位学习系统。Comput. Hum.行为举止。61，127-135。Miao，C.，杨昆，Fang，H.，中国农业科学院农业科学研究所，Goh，A.，2007.基于主体的个性化推荐的认知方法。Knowledge-Based System. 20，397-405. 网址：http：//doi.org/10.1016/j.knosys.2006.06.006Nganji，J.T.，Brayshaw，M.，Tompsett，B.，Nganji，J.T.，Brayshaw，M.，基于本体论的B.T. Nganji，J.T.，Brayshaw，M.，Tompsett，B.，2016.基于本体论的电子学习个性化为残疾学生在高等教育7507.Rani，M.，纳亚克河Vyas，O.P.，2015.一个以本体论为基础，并辅以软体代理于云端储存 之 适 应 性 个 人 化 数 位 学 习 系 统 。Knowledge-Based System. 知 识 系 统 90 ，33https://doi.org/10.1016/j.knosys.2015.10.002网站。Srivastava，B.，海德尔，密歇根大学，2017年。基于知识的个性化E- 4-8框架Suhaila ，S. ，Hamid，A.， Admodisastro，N. ，Kamaruddin，A.，Manshor，N.，2017.在：信息设计的自适应学习模式的学生阅读障碍：初步研究，页。 六七比七十五Younis，A.，卡特钢，A. ，Soar，J.，2016.电子学习系统感知有用性的决定因素。Comput. Hum. 行 为 举 止 。 64 ， 843-858 。 https://doi.org/10.1016/j 的 网 站 。chb.2016.07.065网站。
我的内容管理
展开
