欢迎光临!每天精品奉献国内主流优秀的传世私服开机信息包括变态版本与仿官方版.
传世ＣＳＣＬ系统中的学习效果评估与个性化设计 |
作者:传世小子 时间:2010-10-07 |
| 本文作者： 王真星， 吕腾， Wang Zhenxing， Lü Teng 口王真星吕腾【摘要】本文介绍了计算机支持的协同学习的基本理论及模型，并在此基础上构建了教学评估系统。通过将GSPT概念引入CSCL领域，有效地解决了网络教学效果的评估问题，通过构建双闭环学习评估系统，将学生个体学习效果和整体课程教学效果有机地结合了起来，用PCE和模糊评估法解决评估系统的关键问题。 另外，本文还介绍了有关个性化设计的两个模型。【关键词】CSCL模糊评估个性化设计GSPT文本数据挖掘【中图分类号】G40057【文献标识码】A【文章编号】l009_一458x(2003)01004806一、引言CSCL定义为在计算机环境中学习小组为共同的目的而协同学习(Ellis1991)[11]。它起源于CSCW的深入研究及有关协同学习研究的进展，是一门交叉学科，综合了计算机技术、教育心理学、认知理论、教育哲学等方面的知识。 CSCL的目标是提供可靠的环境和多种方法，将学生们获得的知识紧密地结合起来，使处于不同年龄、时间、地点的人们开展共同学习成为可能。在网络协同教学过程中，评估是一项重要但又困难的工作，它对学生学习方法及学习效果有很大影响[31[41。许多CSCL研究课题的最终目标是关注学习效果。 很明显，当前大家都逐渐意识到教学效果和治病的疗效一样，是很重要的[5]。 然而，当前教学基本处于开环状态，来自学生的反馈信息很少，并且太迟。另外，如何评估学生将所学知识融合为一体的问题基本上还未解决。本文将GSPT概念引入教学评估系统，以PCE为主要指标，在此基础上构建了双闭环评估模型，详细介绍了其中教学效果分析器的模糊评估法。另外，本文还介绍了在整个协同学习系统中比较重要的个性化设计部分，并给出了前台和后台两个工作模型。二、CSCL理论基础有许多理论对我们理解CSCL是有用的。包括：PBL基于问题的学习，维果斯基(Vygotsky)的社会文化理论，构建主义，自规范学习(技能，愿望及执行控制)，导向认知(suitedcognition)，认新开传奇知学习，基于问题的学习，认知灵活性理论，分布式认知等等。所有这些理论都是基于一个假设：个体是活跃的因素，他们在一个有意义的上下文环境中主动地寻找与构建知识。计算机支持的系统是认知的工具，通过相关的技术将个体组合以形成智慧的联合，共享讨论成果，解决人类活动记忆容量的限制(7+2规则)[6]，CSCL可以作为一个构件工具提供资源并且提高个体的认知能力。以下我们介绍两个对本文有关键作用的理论。1．PBL基于问题的学习PBL是以学生为主体的前后相关的学习方法。该方法认为学习是因解决问题而产生的，而不是仅仅因为要掌握内容。它主张将教学从被动的知识传授转移到主动的、较少依赖于教师的方式。PBL的目标包括：1．通过真实的案例，产生科学的知识。2．产生合理的策略。3．形成自我导向的学习策略。当学生通过PBL方法理清知识内容后，便形成了对问题空间一致的理解。 PBL有利于终生学习，其中的自我导向特别重要，它能在技术飞速发展的形势下，方便地提供有关终生学习的策略。2．构建理论构建主义者认为，知识不是一个固定不变的对象，而是由个体通过本身对该对象的经验来构建的。 构建主义者强调可靠的、有挑战性的主题。学生、教师及专家都包含于学习环境中。其目标是形成一个学习团体，使之与现实世界的合作行为更贴近。在对自己学习负责的前提下，学生必须发展自己的元认知能力，以监督和引导他们自己的学习与表现。 当学生协同学习的时候，他们有各自的行为规范和观点，从不同方面观察问题，通过协商达成一致的看法，得出结果。 构建主义承认个体是主动的因素，通过将其学习模式与新的信息结合或关联达到自身的知识构建。构建主义认为，让教师作所有的决定，将知识输送给学生而排除学生在这个过程中的主动性角色与知识构建能力是不现实的。有指导的教学方法是将学生放在学习过程的中心位置，教师在必要时提供指导和关注。这对知识结构比较杂乱的领域或者高层次的学习比较适合。三、协同学习模式CSCL模型包括四个不同的角色：?教师。教师负责在学生学习过程中提供必要的指导，可通过共享白板向学生提供咨询，可在网上提供学生讨论的主题，控制学生的讨论过程。?学生。学生可在网上访问共享的课件资源，可向教师提问，并获得解答。可通过共享白板共同讨论问题。可通过知识导航系统查到所要的内容。?专家。专家可以是外聘的，从工业或教育领域中推选。?管理员。管理员负责管理新生登记入册，管理有关人员的信息，设置课件，增减知识点，建立讨论组等。CSCL的参与结构组成：个体，成对，小组，大组。?个体。每个学生都对整个组起一定作用。?成对最新传奇。通过成对工作，学生能够与合作者一起参与小组工作，同时对大组有所贡献。?小组。 大量的协作与协同学习是以学生学习小组为基础的。这些行为能在组间协调，小组的成果可被大组共享。?大组。大组活动为小组及个体提供协调，这对把握其它活动的方向、同步一系列的工作极为有效。协同学习有三种方式：即双向协作，在问题域中协作，基于群体的学习[9]。 以下图中T表示教师，s表示学生，P表示问题，L表示学习个体。?双向协作广]广]T}S教师与一个学生可通过同步或异步方式讨论问题，可通过采用诸如Netmeeting之类的视频会议软件加强交互质量。?在问题域中协作T匡p一忪／群体学习概念在教学术语中用得越来越多。其创始人Palloff与Pratt认为：学习过程的关键是学生相互之间的交互，学院与学生之间的交互，以及通过这些交互而形成的协作学习。 换言之，知识的分解与重组为产生成功的学习结果奠定了基础。在这种方式中，学生围绕一个问题相互讨论，发表不同观点，通过协商取得一致意见。由于引入竞争机制，使学生的参与性与主动性得到进一步提高。 在群体共同构建知识的过程中，有许多不同的处理方法。主要有：交流(共享传奇文章信息，得出统一的结论及共享知识)，合作(为共同的目标而一起工作，一般是构建统一的共享知识或成果)，协作(是建立新知识的过程，包括通过共享对象交流以建立在孤立情况下所不具有的新的知识)。群体学习随着时间的变化存在活动的变迁行为，包括分解、联合、循环、重组【10]。分解：一个大组分为几个小组(包括个体及成对形式)，这种变迁使学生有机会为大的工作组承担工作，通过将工作分解，学生可以深入研究其主题域，揭示相关问题。 联合：个体或小组结合成一个大组，对大组作出积极的贡献。循环：采用这种方式，两个活动的参与结构不变。通过在群体中工作，学生们轮流在同一活动上工作，一个学生所研究的主题建立在另一个学生的研究之上，并提供给下一个学生，依次循环，使同一主题获得深入研究。重结合：每个小组抽出一人，这些人重新组成一个新的组，使学生将各自的经验贡献给新的组。重组织：从一种参与结构变迁到另一种结构。这种变迁提供学生探索新的学习方法的机会。参与结构的变迁在不同的环境下有不同的方式，这称为项目模式。我们可以依此来有重点地设计项目的某个部分。例如，群组支持及活动流，这对实施有指导意义。 鬣醋咽刨刨倒必须能够根据不同的项目模式由软件自动或人工实施相应的学习活动。四、学习效果评估传统的教学评估，大部分只考虑教学内容是否完整，而没有抓住关键的“过程”，比如吸收能力和元认知[7][8】。目前的教学正从以教师为中心转向以学生为中心的模式[91[10]。而计算机支持的协同学习正是以这种模式为主。 在协同学习时，学生在教师的指导下讨论或完成某一问题。必须指出的是，有关研究表明，影响吸收力的原因部分是环境因素部分是个人因素[11】。其中个人因素包括学习积极性、以往的经验、自尊心等，学习环境则涉及教师、授课情况、硬件设施、学习氛围等。在学习过程中，计算机的用户日志文档记录了大量的有关学习活动的细节。这些信息可被用来帮助评估及监控学习效果[12]。教学效果是一个多方面的问题，包括学生、教师及教学安排、参考资料等。而目前还没有一个通用的评估方法。在此，我们采用GSPT的概念及方法。GSPT(GeneralSystemsPerformanceTheory)是由Kondraske建立的理论，提供了相对比较新的模型结构，主要作用是对系统建模并且评估系统各个方面的效果，描述任务的特征，帮助理解系统对任务的接口。GSPT最初出现于建立有关人类工作成效及工作任务的ERM(Ele-mentalResourceModel)模型上，后来逐渐形成一个独立的分支。GS网友可以进服的PT的主要思想就是唯一地采用“资源”来构建系统的各个方面(如速度，功率，精度等)的模型。系统的各种工作能力形成了一个能力空间。 它是一个多维空间(MDOP)。 系统的目标就是决定每一个子系统的PCE(per-formancecapacityenvelop)oPCE是一个区域，有n维，将任务T在各个DOP(Dimensionofperformance)能力维上投影，如果T包含于PCE中，则投影后各个Ti(i代表某一维)均小于PCE在该维上的投影，所以T一定是可以完成的。如果T在PCE外，则至少有一个维是不能胜任此任务的，故系统不能完成此任务。 PCE越大，完成任务能力就越强。 假设有一个2维的PCE空间，其PCE用粗线表示(如图4．1)。现有两个任务：A落在PCE内，B在PCE外，则A分解为RDAl和RDA2，由于RDAl 从特定的层次及抽象的角度看，它包括课程章节子系统及教学指导子系统。教学效果可以用学生的PCE来衡量[13]。我们设计的单科学习评估系统是个双闭环系统。如图4．2所示。其中的控制变量PCEi内环具有快速响应特性。 学生每上完一章节，便由测试子系统测试，PCE生成器求出该章节学生相应的PCEi(i代表第i章)。学生通过反馈知道该章节学得如何，如果没有达到预定效果，则进行学习调整，直到PCEi达到或超过规定的值。内环n个学生的PCEi值均存入学生PCE数据库。另外，指导教师数据库中存放有教师对学生指导的频率、认真程度及指导水平。 目前，我们只实现了前面两项。它们均通过文本数据挖掘由日志记录提取。日志中教师行为的记录形式是：(教师名：指导内容：时间：地点：重复次数)。教师指导频率以某教师名键入记录出现的次数衡量，而认真程度是通过计算指导内容的字符个数来衡量。 重复次数记录同一条信息的重发次数。教学效果分析器对整个协同学习组的PCE值和指导教师的数据进行处理，求出课程效果值，教师得知这些关键指标后对教学方式作相应的调整，再次作用于学生。每个学生一门课程的PCE由各章的PCE之积组成。即PCE=I-IPCEi女Ki，其中Ki代表某一章的权重，由该章在整门课的相对重要和难易程度决定。俐42烈川外教。j’+汁flti懊’业由于在协同学习过程中，学生是在虚拟课堂进行问题的讨论，所以每一条学生发言信息都有记录，记录形式是：(用户名：记录内容：时间：地址：重复次数)。为了知道每一个学生对协同讨论的贡献和积极性，这里要用到文本数据挖掘。传统的数据挖掘是处理经过过滤的、结构化的、静态的数据库(如数据仓库和数据集市)，从大量的历史数据中发现蕴涵的规则和信息。 而文本数据挖掘也称为文档信息挖掘，文本挖掘或文本数据库中的知识发现，是近年来出现的技术。它用来分析大量的半结构化数据和非结构化文档，提取感兴趣的重要的模式或知识。 存在文本数据库中的数据大部分是半结构化的【14]。 协同学习过程中对学生积极性的评估建立在多种数据分析基础上。假设个人学习的积极程度和其发言的次数成正比，那么其发言次数与所有学生发言次数的比值反映了该学生的活跃度。这种统计方式的更新形式是将无关发言经分析器分析后去除。另外，根据其每条发言的长短进行加权。为了对学生的发言进行分析，我们这里有必要介绍一下个体行为的分类。 Simoff与Maher提出了一种开放体系编码模式，用以处理细节问题，并且可以利用上一层的结论。 这种技术是以行作单位处理，将行分解为任务相关及不相关，并加上标记，使个体的行为统计只以相关的内容为基础。 我们定义消息种类如下[17]：消息例子任务无关的无效的答案不知道任务相关的有效答案两球落地时间相同，因为加速度恒定各种困难两球落地时间相同。因为没有阻力错误的概念两球落地时间相同，因为大小不同有效答案E：对问题或任务给出正确的应答并且基于相关的科学模型之上。各种困难D：学生表现出错误的概念或虽然回答结果正确，但没有任何根据或根据不完整。错误的概念M：学生在上下文中表现出错误，与任务无关。无效的答案I：学生不给出结论或给出完全和主题无关的东西。为了规范学生的发言记录，使其满足我们处理的要求，我们用到了文本数据挖掘技术。 文本数据挖掘的目的是考察数据源，从中发现合乎用户需求的信息。 数据挖掘包括从数据源中提取合适的数据，进行数据清理与转换，然后再进行挖掘与重新解释，最后形成提供给用户的结论(包括用户交流方式，词汇，本体)。我们首先用到的是预处理和转换脚本，它们可以被认为是活动序列。 其形式化描述如下图：活动序列预处理及转换脚本过程包括：1．去除头部，服务信息及拼写错误。2．格式化每一脚本行，使其对应单一的活动。3．每行分解为两部分：主语，谓语及宾语。4．将结构规范化，尽可能将上图右边部分变为谓语+宾语的形式。例如：(主语)小李(谓语)告诉(宾语)大家(内容)这要用小波变换解决。5．引用规范化。 每个参与者只有一个唯一的名字标识。 6．角色封装。每个参与者本身的内容(包括动作等)都和其角色封装在一起。文本分析中为进一步细分，去除无用的东西，还要用到停止列表。其中包括介词、代词、连接词及一些特殊词等等。特殊词包括一些经常用到的词，它根据词频的阈值来定义。阈值一般由实验确定。通过文本数据挖掘，将每一条发言记录重新记录为规范化结构的形式，存人另一文档。在开放学习此基础上，学习积极性评估器收集每个学生每条发言的句子，分析出E，D，M，I四种类型所对应的句子，然后加权和，结果为学生有效发言次数mi。再对所有学生求平均，最后将其影射为【0，100]之间。 由于我们目前没有将自然语言理解模块加入，所以只能简单地将学生的所有发言都作有效发言。 因而结果有比较大的误差。以下详细介绍教学效果分析器的工作过程：模糊集理论在解决评估方面的问题上有广泛的应用[2][15]，它对于表达不确定的和模糊的词汇比较有效。对学习效果分析的流程如下：1．由教师和专家产生基本评估项，并从大到小排序。2．从经过排序的基本评估项中选出排在最前面的几个准则(≤7±2)。3．确定相应的评估准则的权重。4．对照各项进行模糊打分。其中1，3两项在缺乏智能决策模块的情况下暂由人工完成。?从经过排序的基本评估项中选出排在最前面的几个准则假设有K个人进行评估准则的建立。其中包括教师及专家。记为：P={pp：，p。)，它们对各个评估项的重要性用【0，1】之间的模糊值打分。这样，第Pi人对各项的记分表示为Vi=(V。 V。V0，Vi是第J项的分数值，Vi∈[0，1】，当K个人在m个项分别完成打分后，便形成了一矩阵V=Mat(Vii)，i=l，2kj-1，2-m。有研究表明，专家在评分时的作用较显著，所以其权重相对大些。设K个评估准则建立人员的权重为qi，i=1，2，k，且∑。kqi=1。这样，最终的平均评估准则表示为V7=Q0V--(V。’，V27，V。 ，)。其中Vi7=(ql?V。)o(qz?V由(qt?V0，Q=(qq2，qk)。o表示：a(Db=min{1,a+b)。将该评估准则的各项根据Vi’的大小排序，选出排在前面的n个作为关键评估项。 我们在这里取n=3。即学生积极性、学生PCE、指导教师的综合水准。?确定相应的评估准则的权重我们还必须对选出的项确定其相对重要性。根据文献[16]，我们采用专家和教师创建的两两对比矩阵来计算各项的权重w=(wl，w2，wj)。即每个人对被选项集合中的每两项逐个打分，形成一个对比矩阵，K个专家和教师生成K个对比矩阵。该对比矩阵具有特性C，=I／Cj。元素c“表示C和c的相对重要程度。?对照各项进行模糊打分从学生PCE数据库中取出各学生的PCE，然后取平均值，取指导教师的综合水准数值，取学生积极性值，将这三个数投影到统一的记分空间[0，100]。 将各数据通过隶属函数变换成模糊值。f．Cr(G)。 r(G)表示G上的所有模糊集。这里我们定义四个隶属函数斗E，txG，斗s，IxP。其中E，G，S，P分别表示优秀，良好，一般，较差。 根据相关统计数据，经过仔细研究，我们定义各函数如下：f0h)={(斗一85)／5【1f1h )={(65一斗)／5【0fol(“～60)／5‰。，士l80一斗／5。tofol(斗一75)／5‰㈨士l90～斗／5。LoO≤斗兰85185 最终的教学效果值表示为：Y=w。E=cw?，w：w。，。eI．：i：’：．：：i：]=(弘)，i=l，2d其中yi=(w。oen)o(w20eooowooe。 )根据文献[2]中提到的模糊分类法，最终yi=max(y。 ，Y2，蚰。许多CSCW系统都有个性化界面，然而其自动化程度并不理想。 将个性化服务加入CSCL系统是非常必要的。它对提高学生学习兴趣有很大的作用。 我们设计的个性化服务包括：传递给用户的WEB页面的个性化组织及个人书架服务。1．个性化页面服务我们设计的个性化页面服务包括前台和后台分析两部分。前台部分用于实时处理与构建用户的个性化元素，而后台部分则用于更改前台实时处理所用到的模型结构，使其根据变化加以调整，以适合个性的动态变化。?前台个性化在线服务。它包括分析服务器、分析数据库、WEB服务器，如图5．1所示。其工作过程如下：hfIj?tff|_{等1．客户访问你的站点，个性化服务分析器截取页面请求。2a．个性化服务分析器进行个性化数据收集交流，更新用户描述文件，此文件存于分析数据库中，包括用户的兴趣及偏爱。2b．个性化服务分析器将页面请求发送给WEB服务器。3a．个性化服务分析器从分析数据库中取出当前的用户描述文件及相关的资源。 3b．个性化服务分析器从WEB服务器中取得页面，采用数据挖掘模型(DMM)处理用户及资源描述。4．基于以上分析，个性化内容从WEB服务器上取出，它可能包括额外的超链接、醒目的标题、个性化的内容及其他一些重要的内容。5．个性化服务分析器将此页面传给用户。?个性化离线服务。它包括分析服务器、分析数据库、知识库服务器和WEB服务器，如图5．2所示。其工作过程如下：、二{、¨1匕『lIi州|{眷1．当WEB站点更新的时候，知识库服务程序采用语义文本分析法分析站点。站点上的各个资源都被加以描述，并按照一定的原则进行分类。2．知识库服务程序分析用户描述数据库，采用DM算法分析预测用户的行为特征，发现一些关联规则。对某一用户而言，哪些资源最重要由用户在该资源及相关的超链接导航的情况决定。2a．由于我们的数据接口采用ODBC，所以可以方便地和外部数据源连接。3．经过数据挖掘处理，用户描述及资源描述被加入新的内容，将其存人数据库，代替原来的信息，以利于下次被在线分析服务器使用。4．知识库服务器向在线分析服务器发送更新过的模型(更新间隔可设定)。此模型包括了规则及模式，分析服务器可以用它来发现用户最感兴趣的资源。 由于分析工作由知识库服务器处理，从而减轻了分析服务器的负担，处理速度不会因推理分析而降低。 上面提到的数据库、WEB服务器、分析服务器可以放在同一台机上，但考虑到性能问题，不主张如此。2．个人书架服务数字图书馆允许资源和服务能紧密地集成[18]，因而，我们设计了个人书架，它从数字图书馆中取出资源帮助教师备课和学生学习，教师或学生在数字图书馆中搜索所需要的资料，这样在线分析服务器将用户感兴趣的资料(包括文本，多媒体等)的URL地址及相应的用户描述保存在分析数据库中。以后将以页面的形式呈现给教师。当然，教师可以根据实际情况自己在页面中删除已登记的项，或者自行添加一项。这都将引起分析数据库的更新。为保证安全，教师必须有相应的密码才可以进入此服务。六、结论／、皇百F匕教学评估和个性化设计是计算机支持的协同学习系统中的关键问题，目前对它的研究比较少，通过PCE及模糊评估机制，学生和教师能随时掌握学习效果的好坏，对及时更改学习方法和教学策略有很大的帮助。另外，通过页面的个性化，使学生始终处于其自身喜爱的教学环境中，避免了单调和兴趣度降低。 这些对网络教学都是至关重要的。本文的大部分工作已在我们设计的“二军大远程多媒体教学系统”中实现，取得了比较显著的效果。我们下一步将完善并细化整个系统，以期早日投入商业运行。 [参考文献】[1]Ellis，C．A．，Gibbs，S．J．，&Rein，G．LGroup?ware：Someissuesandexperiences．CommunicationsoftheACM，1991，34，(1)，38-58．【2]G．J．KlirmandB．Yuan，FuzzysetsandFuzzylogic：TheoryandApplications．Englewoodeliffs．NJ：PrenticeHall，1995．[31J．Heywood．AssessmentinHJisherEduca?tion，2nded．NewYork：Wiley，1989．[4】L．Dahlgrn．OutcomesofLearningintheExperienceofLearning，F．Marton，D．J．HousellandN．J．Entwistle．Eds．Edinburgh，U．K．ScottishAcademic，1984，PP．1-18【5】Willi锄E．D．，KondraskeV，KEverettL．J．,VolzR．A．“PerformanceTheoryBasedOutcomeMeasurementinEngineeringEducationandTraining”IEEETrans．Educ．，May2000．v01．43，No．2．【6】G．A．Miller,“Themagicalnumberseven，plusorminustwo：somelimitsonourcapacityforprocessinginformation”，Psych01．Rev．，1956．v01．63，pp．8197．【7】7Rowe，ALCooke，NTHall，E．P．，&Halgren，T．L．Towardanonlineassessmentmethodology：buildingontherelationshipbetweenknowinganddoing．JournalofExperimentalPsychology：Applied1996．2，31。 47．[8】Winne，P．，Gwpta，L．，&Nesbit，J．Exploringindividualdifferencesinstudyingstrategiesusinggraphtheoreticstatistics．TheAlbertaJournalofEdueationalResearch，1994，40(2)，177193．[919Y．W．Leung,“LeastSquareelTorestimateofindividualcontributioningrouppmjeet”IEEETrans．Edue．，Nov．1998，v01．41，PP．282-285．【10]D．A．NormanandJ．C．Spohrer,“Learnercenterededucation．”commun，ACM，开放学习1996，v01．39，no．4，PP．24-27．【11】LeeKLodewijks，H．G．L．C．Theadap-tationofinternationalstudents’learningstyletodifferentlearningcontexts．CollegeStudentJournal．1995．29．319332．【12】Simoff,s．j．MonitoringandEvaluationinCollaborativeLearningEnviroments，DesignStudies(1999)．[13】WilliamE．Dillon，GeorgeV．Kondraske，LouisJ．EverettandRichardA．Volz．“PerformanceTheoryBasedOutcomeMeasurementinEngineeringEducationandTraining”IEEETranscationEducation，may2000，v01．43，no．2．[14】JiaWeiHartandMiehelineKamber“DATAMining：ConceptsandTechniques”SimonFrasterUniversityPress．2000．pp285289．[15】S．FengandL．D．Xu．“Decisionsupportforfuzzycomprehensiveevalutionofurbandevelopment”Fuzzysetssyst．，1999．v01．105，PP．1-12．【16】T．L．Saaty，FundamentalsofDecisionMakingandPriorityTheorywiththeAnalyticHierarchyProcess．RWS，1994．【17】J．W．Strijbos＆R．L．Martens．GroupbasedLearning：Dynamicinteractioningroups．EURO．CSCLConference2001．【18】Cousin，S．B．，Paepke。AWinograd，T．，Bier，E．A．，andPierKThedigitallibraryintergratedtaskenviroment(DLITE)．InACMDigitalLibraries，Philadelphia，1997，】42-15】．收稿日期：20029作者简介：王真星，博士，高工，复旦大学计算机与信息技术系(200433)。 吕腾，博士，复旦大学计算机与信息技术系(200433)。责任编辑石子。 本文《ＣＳＣＬ系统中的学习效果评估与个性化设计》 --- 作者： 王真星， 吕腾， Wang Zhenxing， Lü Teng-此篇魔兽世界私服文章来自我站原创编辑！ |
Copyright 2009-2012 By Www.qddehao.com All Right Reserved 本站版权所有.精品传世私服发布基地.
本站发布所有传世私服全部是本站自行收集免费公布,无任何收费行为.
请适度游戏.切勿沉迷.青岛得豪为每一位WOOOL玩家忠心服务.