抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Covid-19流行は,世界中の大学の訓練活動を含む生命の全地域に影響を与える。したがって,オンライン学習方法は,現在の時間において効果的方法であり,多くの大学によって使用される。しかし,すべての訓練機関は,特に資源不足開発途上国で,オンライン学習を行うための十分条件,資源,および経験を持っている。したがって,学生のニーズを満たす限られた条件における伝統的コース(顔の面),eラーニング,または混合学習の構築は,今日多くの大学が直面する問題である。この問題を解決するために,eラーニングシステムに及ぼすこれらの因子の影響を評価する方法を提案した。そこから,このシステムに参加している学生のデータを使用して,K平均クラスタリングアルゴリズムに基づく各因子に対する重要性と優先順位付け建設投資を明確化する事項である。同時に,学生を支援するためのモデルを提案して,伝統的,eラーニングまたは混合学習のような学習方法の1つを選択し,それはそれらのスキルと能力に適している。アルゴリズム多層パーセプトロン(MP),ランダムフォレスト(RF),K最近傍(KNN),サポートベクターマシン(SVM),およびnave bay(NB)によるデータ分類法を,モデル適合を見つけるために適用した。実験は,ベトナムのジャーナルとコミュニケーション(AJC)のアカデミーで研究している303人の学生から収集した679のデータサンプルについて行われた。提案手法により,結果は,これらの因子の特徴として,インフラストラクチャ,教師およびコースの異なる効果に対する実験から得られた。同時に,学生が適切な学習法を選択するのを助ける予測結果の精度は,最大81.52%である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】