基于深度神经网络的个性化学习行为评价方法

• 作者: 樊一娜 郎波
• 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
• 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

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.