基于数据分析的在线自适应教学系统
发布时间：2021-04-08 20:24
伴随着互联网的流行,在线教育网站越来越受到学习者的欢迎,在此过程中积累了大量有价值的教育数据。自适应教学系统是计算机技术与在线教育结合的产物,通过挖掘教育数据来为教师动态地提供教学参考,已经在许多教育网站得到应用。本文主要探究在线自适应教学系统的两个功能模块——学生自动分组和主观答题自动评分。学生自动分组功能基于不同时期学生的行为序列,挖掘序列中隐含的行为模式,对每个时期生成一次分组结果,使得同组学生具有相似的行为模式,用来为教师制定每组教学计划提供参考。主观答题自动评分功能为学生在作业或测验中的主观回答提供机器评分,该评分学习的是同业互评平均分的给分方式,基于的是答题的用词和与问题的关联性,旨在提供可靠的评分体系以及帮助教师减少重复性工作。在学生自动分组功能中,本文使用演化式分组算法,使不同时刻的分组之间保持相对一致性,在实验中得到了优于传统聚类算法的结果。对于主观答题自动评分功能,本文提出答题特征向量作为输入的长短期记忆网络模型,得到了最高54%的四分类准确率。该结果虽好于25%的随机猜测正确率,但仍有很大的提升空间。
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
skip-gram模型的架构
图 2-2 CBOW 模型的架构[25]Fig.2-2 Architecture of continuous-bag-of-words model[25]量模型直接用向量表示文档的方法是词袋模型（Bag-of-word向量，它用语料库中的所有词作为向量的索引，每个个词在一篇文章中的出现次数填充到向量中的对应位文章的向量表示。尽管该模型被证明十分有效，但它就是它无法保留词语在文章中的位置信息。词袋模型型（Bag of n-grams Model）缓解了这一问题，该模型将体来看待，部分保留了词语的局部顺序，但却遗留了问题。]提出的段落向量模型（Paragraph Vector Model）能很好的语义信息，在某些场合的性能甚至超过了直接求文直接把一个段落或一篇文章看成是类似于词向量的向找文章在高维空间中的映射向量。段落向量能够像 n-
图 2-3 PV-DM 模型的架构[27]Fig.2-3 Architecture of PV-DM model[27]图 2-4 PV-DBOW 模型的架构[27]Fig.2-4 Architecture of PV-DBOW model[27]PV-DM 模型类似于词向量的 CBOW 模型，也就是通过上下文词语来预，如图 2-3 所示。不同的是，一个词的上下文除了它的邻近词以外，还
本文编号：3126212
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
skip-gram模型的架构
图 2-2 CBOW 模型的架构[25]Fig.2-2 Architecture of continuous-bag-of-words model[25]量模型直接用向量表示文档的方法是词袋模型（Bag-of-word向量，它用语料库中的所有词作为向量的索引，每个个词在一篇文章中的出现次数填充到向量中的对应位文章的向量表示。尽管该模型被证明十分有效，但它就是它无法保留词语在文章中的位置信息。词袋模型型（Bag of n-grams Model）缓解了这一问题，该模型将体来看待，部分保留了词语的局部顺序，但却遗留了问题。]提出的段落向量模型（Paragraph Vector Model）能很好的语义信息，在某些场合的性能甚至超过了直接求文直接把一个段落或一篇文章看成是类似于词向量的向找文章在高维空间中的映射向量。段落向量能够像 n-
图 2-3 PV-DM 模型的架构[27]Fig.2-3 Architecture of PV-DM model[27]图 2-4 PV-DBOW 模型的架构[27]Fig.2-4 Architecture of PV-DBOW model[27]PV-DM 模型类似于词向量的 CBOW 模型，也就是通过上下文词语来预，如图 2-3 所示。不同的是，一个词的上下文除了它的邻近词以外，还
本文编号：3126212
本文链接：https://www.wllwen.com/jiaoyulunwen/jykj/3126212.html
