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。
ビッグデータとモバイルインターネットの時代の出現によって,大学と大学の従来の教育モデルは,前例のないようにヒットした。現在の大データおよび人工知能ネットワーク環境において,新しい教育概念,特性,およびモデル応用を分析し,そして,大きいデータ環境の下の人工知能適応制御および負のフィードバック調整機構に基づく教育モデルを,調査しなければならない。このモデルの研究は,将来の教育情報技術の応用,普及,および革新のための実用的経験と参照値を提供できる。大きいデータゲームの特性を結合して,本論文は,離散的動的モデルビッグデータゲームに基づく大学学生教育モデルを提案した。大学生のスコアは,大きなデータ大学教育,歴史的記録の信用,および信頼できるデータ伝送の程度を提供するそれらの資格のような包括的情報を示す。適応学習システムの一般モデルに基づいて,著者らはドメインベースの特殊主題システムの全体の構造において各々のモジュールの機能を完成して,システムの全体のワークフローを設計した。コンピュータ化評価を学習者モジュールに導入して,認知診断理論に基づく適応評価システム構造を設計して,種々の学習者のための個人化された主題選択モデルを達成して,より詳細で専門化した評価結果を通して学習者の経験を豊かにした。モデルは適応コース経路推薦の基礎を築く。本論文は,離散的リアルタイム特性とすべての規則的特性を表現することができる離散的リアルタイム線形動的論理を提案した。それは,いくつかの複雑なリアルタイムシステムの挙動を容易に記述できる。実験は,離散的動的モデルビッグデータゲーム効率が35.71%改善され,大学生の教育モデルをより良く最適化できることを示した。さらに,大データの時代における大学生教育の有効性に関する研究が,大学と大学の学界分野の安全性を決定するだけでなく,大学生の思考方向にも影響すると結論づけることができる。Copyright 2022 Yan Liang and Wei Zhang. Translated from English into Japanese by JST.【JST・京大機械翻訳】