您现在的位置是：武汉思睿博途教育服务有限公司 > 公司新闻

.摘要:随着教育大数据时代的到来,学习路径推送作为教育大数据助力个性化学习的重要内容,引起研究人员的广泛关注.现有研究普遍存在情感缺失和学习迷航等问题,主要原因是学习路径推送的理论与应用尚未满足学习者的个性化需求.为此,将个性化学习理念融入在线教育,从教育学,信息科学,人工智能,心理学等多学科,跨学科视角出发,综合定性,定量,结构化系统开发等多种研究方法,着力探讨教育大数据背景下融入情感分析的生成性学习路径推送策略.在情感词典和情境知识库的基础上,建立学习者情感挖掘模型,并对影……基于"知识图谱+人工智能(AI)"的"智能制造生产线"课程设计与实践

武汉思睿博途教育服务有限公司26-05-16【公司新闻】0人已围观

简介

很赞哦!（43）

上一篇： .

随着计算机科学的进步,越来越多的研究人员试图将人工智能和计算机网络技术用于计算机辅助教学(Computer-aided Instruction,CAI)系统。同时,有些研究者还开发了一些高效的程序来测试和提高学生的学习能力,例如,Hopper的计算机辅助教师和考试系统(Computer-aidedtutoring and testing system)。1999年,Giraffa证明了怎样用多agent技术构建交互式智能导师系统(Intelligent Tutoring System)。2000年,Ozdemir和Alpaslan提出了一种用于指导学生网上学习的智能agent。这种agent可以根据学生的知识掌握程度智能地推荐合适的学习站点。从2003年到2004年,Hwang提出一种能向学生提供指导意见的概念模型和评估教育站点的群决策(group-decision)方法。2005年,Chih-Ming提出一种基于项目反映理论的个性化网上学习系统。很明显,开发智能教学系统(Intelligent Tutor System)和学习环境已成为计算机科学和教育领域中一个重要的问题,同时,网上考试系统的开发也吸引着大批的学者。例如IBM一直致力于网上考试系统的开发,GRE(GraduateRecord Examinations)从1999年起就完全采用无纸化的计算机考试形式等。但是,广播电视大学多数现有网上考试系统只能根据教师预先输入的要求按一定的组卷策略从题库中抽取满足要求的试卷,这些传统的组卷算法并不能实现根据学生特定的学习情况抽取适合每位学生的试卷。传统的阅卷算法也只是简单地给出学生在某次考试的总分数。我们知道分数有时并不能全面地反映一个学生整体能力,学生对某知识点的掌握不能用简单地知道或不知道来判断,更重要的是他对该知识点的学习是处于识记、理解还是应用等水平,所以传统的阅卷算法不能很好地反映学生的这种认知能力。另外,随着在线考试的人数逐渐增加,网络信息流量会急剧上升,从而导致数据传输速度慢并加重服务器负担。为了降低网络流量,提高系统的响应速度,本文利用智能Agent技术提出一种新的自适应网络考试系统体系结构。为了达到自适应考试的目的,本文提出一种新的学生模型SM。在学生模型SM的基础上,本文又提出基于SM的个性化智能组卷算法和阅卷算法,实验证明,在试题库设计合理的情况下,这些算法是可行的、正确的。

教育大数据背景下融入情感分析的生成性学习路径推送策略研究*

下一篇： .

深化落实现代职业教育体系建设改革,课程改革是基础和关键."智能制造生产线"是一门专业属性很强的综合型课程,知识点冗杂且分散.以知识点为基础灌输式教学的传统教学方式,学生学习积极性不高,综合应用能力较差.随着信息技术与教育技术的深度融合,新型在线教育通过学习平台为学生提供了丰富的课程学习资源,也为学生开展个性化学习提供了可能.知识图谱通过将冗杂分散的知识点进行梳理,让课程知识点可视化,学生学习路径,学习情况和学习效果可视化.人工智能(AI)技术能根据知识图谱的知识点,学习路径和学习情况智能推送课程资源,智能评估和反馈学习情况.研究利用"知识图谱+人工智能(AI)"开展课程设计,对满足个性化学习需求具有重要的意义.该文以"智能制造生产线"课程建设为例,从课程教学三大痛点出发,描述构建基于"知识图谱+人工智能(AI)"混合教学模式的具体步骤和实施情况.

面向个性化学习的学情分析与最优路径生成技术

相关文章

热门文章

站长推荐

分城市

友情链接