期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
大学生日常行为习惯的可发现、可计算与可干预研究框架 被引量：4
1
作者 周东波 徐雯慧 +3 位作者 喻宏伟 王小梅 余雅滢 涂悦 《现代远距离教育》 CSSCI 2021年第6期77-84,共8页
习惯常指规律性周期重复的行为方式,是个性化教育研究的重要内容。当前大学生不恰当、多变的日常行为活动,使原本的好习惯负向发展,因而,如何挖掘分析大学生的校园日常行为活动,发现导致其学业失败、成才受阻的习惯并进行相应干预,意义... 习惯常指规律性周期重复的行为方式,是个性化教育研究的重要内容。当前大学生不恰当、多变的日常行为活动,使原本的好习惯负向发展,因而,如何挖掘分析大学生的校园日常行为活动,发现导致其学业失败、成才受阻的习惯并进行相应干预,意义重大且十分迫切。基于校园大数据,提出数据驱动的大学生日常行为习惯可发现、可计算和可干预研究框架。首先,定义“活动-行为-习惯”的层次化表达结构,构建活动的时空语义约束模型,从校园大数据中提取日常活动数据,构建双层条件随机场模型,对活动数据进行自监督分类,从而得到行为信息,进一步构建多片段语义时空图卷积神经网络模型,通过行为的时空卷积预测来发现习惯;其次,提出习惯强度量化计算方法,构建习惯强度与评价要素的多元关联模型来评价习惯好坏,并建立习惯变化的时空演化分析方法;最后,对导致习惯负向变化的行为进行预警并实施多层次干预,形成基于“活动数据-行为信息-习惯知识-活动数据”思路的习惯“可发现-可计算-可干预”研究闭环。 展开更多
关键词 校园大数据 行为习惯 数据驱动 可发现 可计算 可干预
下载PDF
融合注意力机制的深度混合推荐算法 被引量：3
2
作者 段超 张婧 +1 位作者 何彬 陈增照 《计算机应用研究》 CSCD 北大核心 2021年第9期2624-2627,2634,共5页
大量研究利用用户或项目的边信息来缓解视频推荐中的数据稀疏和冷启动问题,取得了一定的效果,但是没有关注辅助信息中的关键信息。针对此问题进行了研究,提出了一种融合双注意力机制的深度混合推荐模型。该模型通过融合自注意力机制的... 大量研究利用用户或项目的边信息来缓解视频推荐中的数据稀疏和冷启动问题,取得了一定的效果,但是没有关注辅助信息中的关键信息。针对此问题进行了研究,提出了一种融合双注意力机制的深度混合推荐模型。该模型通过融合自注意力机制的卷积神经网络挖掘项目端隐藏因子,同时融合自注意力机制的堆栈去噪自编码器提取用户端隐藏因子,深度挖掘项目端和用户端的重要信息。最后,通过结合概率矩阵分解实现视频评分预测。在两个公开数据集上的大量实验结果表明,提出的方法结果在已有ConvMF+、PHD、DUPIA等基线模型基础上有一定提升。 展开更多
关键词 双注意力机制 协同过滤 卷积神经网络 自编码器
下载PDF
教学视频中前嵌问题与反馈对学习的影响研究 被引量：2
3
作者 谢耀辉 杨九民 +2 位作者 皮忠玲 戴晨艳 刘彩霞 《中国远程教育》 CSSCI 2021年第12期63-71,77,共10页
采用眼动实验方法考察教学视频中前嵌问题与反馈设计对注意分配和学习成绩的影响,以及是否存在经验反转效应。49名高先前知识经验学习者与45名低先前知识经验学习者同时学习了含有无前嵌问题、前嵌问题无反馈与前嵌问题有反馈的教学视... 采用眼动实验方法考察教学视频中前嵌问题与反馈设计对注意分配和学习成绩的影响,以及是否存在经验反转效应。49名高先前知识经验学习者与45名低先前知识经验学习者同时学习了含有无前嵌问题、前嵌问题无反馈与前嵌问题有反馈的教学视频。研究发现,前嵌问题无反馈不仅能提高学习者对教学内容的注意程度,还能提高学习成绩。此外,教学视频中前嵌问题与无反馈设计对学习成绩的影响中发生了经验反转效应,即前嵌问题无反馈的教学视频只提高了低知识经验学习者的学习成绩,但没有提高高知识经验学习者的学习成绩。研究发现为教学视频的设计策略提供了有益的参考。 展开更多
关键词 教学视频 前嵌问题 反馈 先前知识经验 学习成绩 视觉注意 经验反转效应 眼动追踪
原文传递
面向课堂教学评价的形式化建模与智能计算 被引量：19
4
作者 张立山 冯硕 李亭亭 《现代远程教育研究》 CSSCI 北大核心 2021年第1期13-25,共13页
随着课堂教学从固化单一的教师传授,向强调小组协作参与的教学转变,如何面向以协作学习为基本特征的课堂实施形成性评价已成为教学评价改革亟需解决的问题。在智能技术支持下,形式化建模可以将复杂多变的课堂教学过程解构,形成数理模型... 随着课堂教学从固化单一的教师传授,向强调小组协作参与的教学转变,如何面向以协作学习为基本特征的课堂实施形成性评价已成为教学评价改革亟需解决的问题。在智能技术支持下,形式化建模可以将复杂多变的课堂教学过程解构,形成数理模型;智能计算可以通过算法评估学生学习状态,并根据教学原则生成教学辅助信息。二者的结合可以促进人类智能与机器智能的有效融合,形成人机协同的课堂评价机制。面向课堂教学评价的形式化建模与智能计算通用架构,自下而上包含教与学行为的感知和存储、教与学行为评估模型的构建、教与学状态的智能计算和教学辅助信息的生成四个部分。前两部分着重对教育情境和问题的表征,是形式化建模的关键步骤;后两部分着重具体技术路线的实现,是智能计算的具体过程和功能体现。整个系统以教与学行为的感知和存储为基础,通过构建评估模型,确定模型的输出;然后引入智能算法对模型进行计算,达成对教与学状态的评估;最后根据相应教学原则,自动生成辅助教师进行课堂教学评价的信息。该通用架构以及人机协同教学、评价机制的进一步完善需要研究者携手教师进行"共同设计",协同教育学、计算机科学、心理学等多学科进行交叉研究。 展开更多
关键词 课堂教学 智能教育 智能计算 形式化建模 形成性评价
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部