文献

J-GLOBAL ID：202202236816043639   整理番号：22A0498436

LEVY飛行分布ベースCNNモデルを用いたeラーニング環境における適応学習スタイル予測【JST・京大機械翻訳】

Adaptive learning style prediction in e-learning environment using levy flight distribution based CNN model

著者 (1件)： Alshmrany Sami (Faculty of Computer and Information Systems, Islamic University of Madinah, Madinah, Saudi Arabia)
資料名： Cluster Computing  (Cluster Computing)
巻： 25  号： 1  ページ： 523-536  発行年： 2022年 
JST資料番号： W4172A  ISSN： 1386-7857  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 個々の学習に焦点を当てた学習スタイルは,任意の学習環境の最も重要な側面の1つである。各学習者は,学習スタイルに基づく新情報の理解,保持,処理,解釈のユニークな方法を持っている。学生の学習スタイルを自動的に決定するeラーニングシステムの能力は,より不可欠になった。学習事象のために,eラーニングプラットフォームの進化は,オンラインでより高い機会を有する学生を提供する。本論文では,学習スタイル予測のための畳込みニューラルネットワークベースLevy Flight Distrition(CNN-LFD)アルゴリズムを提案した。適応eラーニングシステムを2つのセクションに分割した:学習スタイルの数に基づく自動学習スタイル予測と分類。最初に,ユーザIDの学生ログとデータをデータベースに保存した。アンケートスコア,ログインクリメンタル(セッションID,学習者ID,コースID),ログイン時間(位置,セッションID)などの特徴をユーザの学習行動のシーケンスと共に抽出した。その後,CNN-LFDアルゴリズムは,学習者の学習スタイル,すなわち,抽出特徴に基づくアクティブ/反射,センシング/直感的,視覚/言語,逐次/グローバルを予測する。データセット情報を大規模オープンオンラインコース(MOOC)から収集し,提案モデルをJAVAソフトウェアで構築した。実験結果は,学習スタイル予測の間,より高い分類精度を示した。提案したCNN-LFDアルゴリズムは,97.09%の精度,94.76%の特異性,92.12%の感度,および97.56%,他の方法よりも精度値を達成した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  *学習 ,  言語 ,  データベース ,  ソフトウェア ,  アンケート ,  *飛翔 ,  Java ,  *eラーニング
準シソーラス用語： 適応学習 ,  学習環境 ,  学習者 ,  特異性 ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： Eラーニング ,  学習スタイル予測 ,  Felder-Silverman学習スタイルモデル ,  畳込みニューラルネットワーク ,  Levy飛行分布アルゴリズム

分類 (1件)： CAI  (JE09000G)

タイトルに関連する用語 (9件)： 飛行 ,  分布 ,  CNN ,  モデル ,  eラーニング ,  環境 ,  適応学習 ,  スタイル ,  予測