System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于在线学习,具体涉及一种学生在线视频课程退课行为预测方法。
技术介绍
1、线上课程已经逐渐成为大学教育重要的一种课堂组成形式,目前不少学生采用线上课程的选修课进行自主学习。然而,目前绝大部分线上培训课程主要以“一刀切”形式为主,即所有学生或学员需要观看完全相同的教学视频。对于交叉学科的专业培养计划,由于学科本身的交叉性和多样性,现有所开设的线下课程仍然难以满足兴趣面广的拔尖学生,但对于部分进度相对较慢的学生则已经存在学习负担。当前对于在线选修课,学生对于线上视频课程的退课行为是耽误学生的课程学习进度的主要因素之一。鉴于学生因为学习进度不同而造成退课进度点的差异性,若能对学生的学习行为进行精准监测,进而实施精准教学个性化辅导,则可在很大程度上对退课行为进行早期预防。
2、线上教学由于缺乏面对面引导,大部分同学只能面对屏幕视频和简单的文字互动,因而存在学习缺乏动力和个性化导学问题。因此,通过智能化技术改善线上课程的精准教学实施,是在线课程学习的必然发展趋势。
3、针对精准教学的智能化实施,目前已经存在智能推荐系统在线课堂引导、监控情感状态的学习情境分析、线上教育的数据分析与学生成就预测等方面的研究,甚至催生出一门名为在线学习科学研究的新兴学科。其中,在智能推荐系统在线课堂引导方面,智能推荐系统可以根据学生的学习历史、学科能力和兴趣等进行数据挖掘和分析,从而为学生提供个性化的教学建议和推荐资源。“artificial intelligence in education.appliedartifici
4、目前,国内外相关研究一直在探索如何基于学生互动数据挖掘其学科学习的需求、兴趣和能力,从而实现精准化的智能个性化学习管理。除此之外,监控情感状态的学习情境分析也逐渐兴起。“abhirami k,devi m k.student behavior modeling for an e-learning system offering personalized learning experiences.comput syst scieng,2022,40(3):1127-44.”,除了对线上学生的行为数据进行智能分析外,国内外的相关研究还在探索如何基于情感状态对学生的学习进行智能化的引导,帮助学生更好地控制情绪、保持积极态度,提高学习效率,如“fan j,jiang y,liu y,et al.interpretable moocrecommendation:a multi-attention network for personalized learning behavioranalysis.internet research,2022,32(2):588-605.”。例如,一些国外研究团队利用情感分析技术判断学生在学习过程中的情感状态,通过个性化引导帮助学生保持良好的学习心态,如“iyer l s,bharadwaj s,shetty s h,et al.advancing equity in digitalclassrooms:a personalized learning framework for higher educationinstitutions.socioeconomic inclusion during an era of online education.igiglobal.2022:225-45.”。鉴于国内外对于在线学习机理研究的爆发式增长,为更好地理解和解决线上学习学生退课等问题,一系列名为在线学习科学(online learning science)的研究涌现而出,如“skulmowski a,xu k m.understanding cognitive load in digitaland online learning:a new perspective on extraneous cognitiveload.educational psychology review,2022.”。基于在线学习科学研究的框架,研究人员试图通过实验和科学研究方法,了解线上学生学习行为、心理特征等方面的规律和知识,并通过对这些知识的使用,实现更加科学精准的智能化教学引导,如“greenhow c,graham cr,koehler m j.foundations of online learning:challenges andopportunities.educational psychologist,2022,57(3):131-47.”。
5、目前,国内外都有很多研究成果探索如何通过知识图谱对在线课程进行精准教学预测措施。在基于知识图谱的在线教育学习路径推荐研究方面,主要通过构建学习知识图谱,对学习路径进行建模,通过学习路径推荐提升学习效果,“shid,wang t,xing h,etal.a learning path recommendation model based on a multidimensional knowledgegraph framework for e-learning.knowledge-based systems,2020,195:105618.”,具体主要采用了知识图谱构建、路径推荐算法等方式。“chen h,yin c,fan x,et al.learningpath recommendation for mooc platforms based on a knowledge graph;proceedingsof the knowledge science,engineering and management:14th internationalconference,ksem 2021,tokyo,japan,august 14–16,2021,proceedings,part ii 14,2021.springer.”,在基于知识图谱的在线教育学习资源推荐研究方面,主要通过构建学习知识图谱,对学习资源进行建模并实现学习资源推荐。“zhu y,lu h,qiu p,etal.heterogeneous teaching evaluat本文档来自技高网...
【技术保护点】
1.一种知识图谱嵌入的学生在线视频课程退课行为预测方法,其特征在于,包括以下步骤:
【技术特征摘要】
1.一种知识图谱嵌入的学生在线视频课程退课...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。