文献

J-GLOBAL ID：201902271029784243   整理番号：19A0216135

オンライン学習行為分析に基づく個別化学習推薦【JST・京大機械翻訳】

Personal Learning Recommendation Based on Online Learning Behavior Analysis

著者 (6件)： Chen Jinyin (浙江工業大学信息工程学院 杭州 310000) ,  Fang Hang (浙江工業大学信息工程学院 杭州 310000) ,  Lin Xiang (浙江工業大学信息工程学院 杭州 310000) ,  Zheng Haibin (浙江工業大学信息工程学院 杭州 310000) ,  Yang Dongyong (浙江工業大学信息工程学院 杭州 310000) ,  Zhou Xiao (浙江工業大学信息工程学院 杭州 310000)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 45  号： z2  ページ： 422-426,452  発行年： 2018年 
JST資料番号： C2530A  ISSN： 1002-137X  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： オンライン学習とオンライン学習の普及により,大量のオンライン学習挙動データが蓄積される。データマイニング技術を利用して蓄積した大量のデータを分析し、それによって教学の意思決定と学習の最適化にサービスを提供し、新しい研究重点になった。本論文では,オンライン学習の行動特性を分析し,学習者の性格特性と学習効率の関係をマイニングし,個人化学習の推薦を実現する。まず第一に,オンライン学習行動特性を抽出して,BPニューラルネットワークに基づく学習成績予測法を提案して,オンライン学習行動特性を分析することによって,対応する線下学習成績を予測した。次に,学習者のオンライン学習行動と成績との関係をさらに分析するために,実際のエントロピーに基づくオンライン学習挙動の規則性分析を提案し,学習者のオンライン学習挙動を分析することによって,対応する実際のエントロピー値を定義し,計算して,個人の学習行動規則性を評価した。その結果,規則性と最終成績との関係を分析した。再び,Felder-Sil-verman性格分類法に基づいて学習者の性格特徴を得て,K-meansに基づくクラスタ分析を学習者のクラスを得るために実行した。学習成績が優れている学習者のオンライン学習習慣を,同じカテゴリの他の学習者に推薦し,学習者のオンライン学習効率を向上させる。最終的に,オンライン学習行動特徴抽出,線下成績予測,学習規則性分析,および個人化学習推薦を,オンライン学習プラットフォームの実際のデータによって実現して,提案方法の有効性と応用価値を確証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  有効性 ,  クラスタ分析 ,  特徴抽出 ,  意思決定 ,  予測技法 ,  最適化 ,  規則度 ,  エントロピー ,  *学習
準シソーラス用語： 分類法 ,  学習行動 ,  逆伝播ニューラルネットワーク ,  学習者 ,  *オンライン学習 , 【Automatic Indexing@JST】

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 (5件)： オンライン学習 ,  行為 ,  分析 ,  学習 ,  推薦