基于认知诊断的自适应学习材料智能推送算法研究

发布时间：2025-01-14 02:23

　　 将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.

【文章页数】：8 页

【部分图文】：

图6 第5组的平均惩罚函数值的变化曲线

图5第4组的平均惩罚函数值的变化曲线图7第6组的平均惩罚函数值的变化曲线

图7 第6组的平均惩罚函数值的变化曲线

图6第5组的平均惩罚函数值的变化曲线3结论与讨论

图2 第1组的平均惩罚函数值的变化曲线

在图2～图7中,横轴是迭代的次数,纵轴是平均惩罚函数值.由图2～图7可知:(i)在设置迭代次数最高为100时,遗传算法和多岛遗传算法在6种情况下均会收敛,这说明2种算法是可行的.(ii)无论在迭代次数为多少时,随机算法的平均惩罚函数值均高于遗传算法和多岛遗传算法.这说明使用遗传算....

图5 第4组的平均惩罚函数值的变化曲线

图4第3组的平均惩罚函数值的变化曲线图6第5组的平均惩罚函数值的变化曲线

本文编号：4026264