移動情景學(xué)習(xí)環(huán)境下的專家預(yù)約排隊策略研究.pdf

1、移動設(shè)備已經(jīng)改變并將持續(xù)改變?nèi)藗兊纳?，全世界?0億用戶使用手機(jī)上網(wǎng)、聊天、學(xué)習(xí)，隨著云計算技術(shù)、人工智能、虛擬現(xiàn)實、信息高速公路等各種科技創(chuàng)新，人們將逐步進(jìn)入移動時代，開始享受無處不在的，如呼吸一般自然的情境化網(wǎng)絡(luò)體驗。隨著科技的發(fā)展、教育理念的進(jìn)步與創(chuàng)新，大量專家、學(xué)者們開始考慮如何利用移動設(shè)備給學(xué)習(xí)者創(chuàng)造更好的學(xué)習(xí)環(huán)境，使學(xué)習(xí)融入人們生活的點點滴滴之中。
　　移動情景學(xué)習(xí)模式融合了移動學(xué)習(xí)與情境化學(xué)習(xí)的優(yōu)勢，使人們可以不受

2、時間、地域的限制進(jìn)行情景化學(xué)習(xí)，并能快速實現(xiàn)多情境之間的切換，使學(xué)習(xí)者充分享受學(xué)習(xí)的樂趣。1對1視頻學(xué)習(xí)是移動情景學(xué)習(xí)的方式之一，在該種移動情景學(xué)習(xí)環(huán)境下，學(xué)習(xí)者學(xué)習(xí)需要進(jìn)行排隊，有序的完成學(xué)習(xí)體驗。合理的排隊策略能夠優(yōu)化教學(xué)服務(wù)流程，更有效的利用學(xué)習(xí)者、專家的時間，預(yù)約排隊的方式還可以加強(qiáng)專家、學(xué)習(xí)者的聯(lián)系，使學(xué)習(xí)長久化、社交化、終身化。
　　在對排隊過程進(jìn)行研究時，涉及到學(xué)習(xí)者、專家以及平臺的學(xué)習(xí)成本因素，需要同時考慮到學(xué)習(xí)者

3、、專家雙方面的時間效益。為了避免空談理論，脫離實際，本文以移動情景學(xué)習(xí)平臺作為實驗環(huán)境，從移動情景學(xué)習(xí)過程入手，對專家預(yù)約排隊過程與排隊規(guī)律進(jìn)行了細(xì)致的研究、分析，并在此基礎(chǔ)上建立論文所使用的排隊模型，確定模型的相關(guān)參數(shù)。按照學(xué)習(xí)者進(jìn)行移動情景學(xué)習(xí)的順序，移動情景學(xué)習(xí)過程共分為學(xué)習(xí)觸發(fā)階段、專家推薦階段、專家預(yù)約排隊階段、情景學(xué)習(xí)階段、學(xué)生反饋階段這五個階段，本文主要闡述專家預(yù)約排隊階段的內(nèi)容。
　　對移動情景學(xué)習(xí)平臺而言，學(xué)習(xí)者

4、的到達(dá)、等待、學(xué)習(xí)和離開可以看作一個排隊服務(wù)系統(tǒng)，學(xué)習(xí)者是移動情景學(xué)習(xí)的主體，是學(xué)習(xí)過程的主動實施者，只有充分了解學(xué)習(xí)者的學(xué)習(xí)規(guī)律，滿足學(xué)習(xí)者的需求，才能更好的進(jìn)行排隊策略的研究，建立適用的專家預(yù)約排隊模型。本文通過對移動情景學(xué)習(xí)平臺中學(xué)習(xí)者的排隊樣本數(shù)據(jù)進(jìn)行統(tǒng)計、分析，得出學(xué)習(xí)者到達(dá)時間平臺時間符合泊松分布，專家服務(wù)的效率符合負(fù)指數(shù)分布的結(jié)論，并在此基礎(chǔ)上建立了基于M/M/C排隊服務(wù)模型的專家預(yù)約排隊模型體系。移動情景學(xué)習(xí)下的專家預(yù)約

5、排隊模型包括輸入?yún)?shù)和輸出參數(shù)，為了確認(rèn)模型實施過程中所使用的數(shù)據(jù)，論文采用問卷調(diào)查的方式，對課程費用、學(xué)習(xí)者排隊容忍度等模型參數(shù)進(jìn)行調(diào)查，并以此為基礎(chǔ)進(jìn)行了專家預(yù)約排隊模型的構(gòu)造。
　　為了在已有的專家預(yù)約排隊模型基礎(chǔ)上完成對專家預(yù)約排隊策略實施效果的分析，本文進(jìn)行了預(yù)約排隊模型實施，實施的目的有兩個，一是對專家預(yù)約排隊策略的實施效果進(jìn)行評價，為了驗證專家預(yù)約排隊策略的使用效果，論文獲取移動情境學(xué)習(xí)平臺中的排隊數(shù)據(jù)，使用預(yù)約排隊

6、模型進(jìn)行模型實施，以普通排隊模型作為參照，對比專家預(yù)約排隊模型的實施效果;二是對移動情境學(xué)習(xí)平臺的專家資源進(jìn)行優(yōu)化配置，給出精細(xì)化的配置方案，并驗證專家資源優(yōu)化方案的實施效果，更好的對移動情景學(xué)習(xí)平臺的專家資源進(jìn)行配置，對排隊模型實施過程中各個時間段內(nèi)最優(yōu)專家人數(shù)進(jìn)行求解。
　　最后的模型仿真與實施階段，本文使用移動情景學(xué)習(xí)平臺的實驗數(shù)據(jù)進(jìn)行模型實施，并對專家預(yù)約策略實施效果進(jìn)行評價，實驗證明，專家預(yù)約排隊策略降低了移動情境學(xué)習(xí)平