文献

J-GLOBAL ID：201702272693208308   整理番号：17A1657824

大規模データの下で,遠隔教育の品質を向上させるために,有効な資源シミュレーションを抽出する。【JST・京大機械翻訳】

To Improve the Quality of Distance Education and the Simulation of Effective Resources under the Big Data

著者 (2件)： Yang Kehan (塔里木大学教務処,新疆塔里木,843300) ,  Ma Qiong (塔里木大学経済与管理学院,新疆塔里木,843300)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 34  号： 4  ページ： 212-215,334  発行年： 2017年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大規模なデータの下で,遠隔教育の品質を向上させて,有効な資源を抽出することによって,遠隔教育のネットワーク教育効果を効果的に向上させることができた。遠隔教育の有効な資源の抽出は、作業ユニットと知識の分科の組織形態を抽出することによって完成させる必要がある。従来の方法では,主観的重みづけモデルを構築することにより,各属性の重みを決定し,作業ユニットの組織形態を得るが,知識の分級形態の抽出を無視し,抽出効果が悪くなる。大規模データ解析に基づく遠隔教育品質の有効な資源抽出モデルを提案した。遠隔教育の有効な資源の抽出意識形態を獲得し、課程の段階的な教学任務目標を計算し、学習の進行と思考の制限点の間の影響に基づいてその教育指導を構成し、学習者が構造化の教育目標を完成する確率を計算した。最初に,多属性意思決定理論に基づいて,最初の遠隔教育課程の決定マトリックスを構築し,作業ユニットの組織形態と遠隔教育知識の分類の組織形態を獲得し,そして,遠隔教育品質の有効資源の抽出モデルを構築した。実験結果は,提案したモデルが効果的に遠隔教育課程の教育品質を向上させることができて,より強い拡張性を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  分級 ,  *品質 ,  重みづけ ,  *シミュレーション ,  *遠隔教育 ,  構造形成 ,  多基準意思決定 ,  教育効果 ,  *教育
準シソーラス用語： 教育目標 ,  学習者 ,  *大規模データ , 【Automatic Indexing@JST】

著者キーワード (3件)： Big data ,  Quality of remote education ,  Extraction of effective resource

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 大規模データ ,  遠隔教育 ,  資源 ,  シミュレーション