基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
人工智能技术和大数据的发展催生了各种形式和内容的在线课程,为个性化学习的普及提供了可能.与传统的教学方式不同,个性化学习需要解决如何根据不同类型的学习者的特点对其学习行为进行准确个性化评价的问题.文中首先利用学习者在在线学习平台上产生的大数据作为研究目标,根据学习者的学习能力层次,按照认知思维的方式建立深度神经网络对其进行聚类分组.为降低数据冗余度,提高处理效率,采用了具有五个隐层的深度神经网络进行典型性特征的提取,从而得到更为准确的评价结果.最后利用神经网络模型得到不同组别的学习行为聚类结果和不同层次的学习者学习五门课程知识点的评估曲线.从实验结果来看,提出的个性化评价方法能够有效地分析出不同能力等级的学习者之间的学习差异,而且与人工专家评价的标准基本一致.
推荐文章
基于网络个性化学习系统的设计与实现
个性化学习
模糊评价
数据挖掘
基于深度神经网络的少样本学习综述
少样本学习
数据增强
迁移学习
度量学习
元学习
数学个性化学习评价浅谈
数学
个性化
学习
评价
基于神经网络的Agent个性化行为选择
智能体
行为选择
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度神经网络的个性化学习行为评价方法
来源期刊 计算机技术与发展 学科 工学
关键词 个性化学习 深度神经网络 特征聚类 行为评价
年,卷(期) 2019,(7) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 6-10
页数 5页 分类号 TP391.1
字数 3255字 语种 中文
DOI 10.3969/j.issn.1673-629X.2019.07.002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (146)
共引文献  (305)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (9)
二级引证文献  (4)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(0)
  • 二级参考文献(3)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(12)
  • 参考文献(0)
  • 二级参考文献(12)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(14)
  • 参考文献(2)
  • 二级参考文献(12)
2013(13)
  • 参考文献(0)
  • 二级参考文献(13)
2014(21)
  • 参考文献(2)
  • 二级参考文献(19)
2015(14)
  • 参考文献(0)
  • 二级参考文献(14)
2016(14)
  • 参考文献(5)
  • 二级参考文献(9)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(7)
  • 参考文献(6)
  • 二级参考文献(1)
2019(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
个性化学习
深度神经网络
特征聚类
行为评价
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导