智适应学习平台的研发及分类算法的应用与验证

发布时间：2021-02-04 16:19

　　随着深度学习技术的飞速发展,互联网+教育和人工智能+教育的理念受到越来越多人们的关注,大量成熟的机器学习与深度学习算法被应用到教育领域。线下教育很难真正做到因材施教,教育大数据及人工智能智适应学习引擎应运而生,这类新技术可以模拟特级教师给学员一对一量身定做教育方案,一对一实施教育过程,大幅提升学习效率,实现教育教学的“私人订制”化。本论文为搭建智适应教育教学平台开发了一套软件系统,该系统能获取学员的学习数据,分析学员的学习水平,生成学习报告,初步实现了针对不同水平的学员,推送不同程度的学习素材,规划不同的学习轨迹,进而为后期教育教学大数据和智能推荐算法的研发提供了依据。论文的主要工作如下:1.详细分析了现有的学习平台的特点,结合实际的应用对象和场景,设计了智适应学习系统软件的功能模块和架构。2.以阿里云Centos系统为开发平台,结合多线程技术、线程池技术,采用MySQL数据库存储数据,利用python和javascript实现前后端的连接,平台以在线网站的形式呈现给用户。3.平台以React框架为基础,结合Javascript、CSS、HTML等技术,采用组件的核心编程思想简化了代码... 

【文章来源】：北京邮电大学北京市 211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】：

图３－??１所示是系统的功能需求分析

图３－２荚语科目学习流程图??数学科目的学习流程设计见图３－３

３．２．２平台总体架构设计??根据平台的需求分析以及各个科目的学习流程设计，对平台的功能结构进行??分层，结构如图３－４所示，平台设计分层６层：??１．

【参考文献】：
期刊论文
[1]推荐系统中的算法[J]. 黄茂洲.  科技风. 2019(01)
[2]基于智能推荐的图书馆管理系统设计[J]. 乔秀珍.  微型电脑应用. 2018(12)
[3]基于Django框架的智能图书推荐系统[J]. 周君,贾昆霖,蓝机满,宋艳.  电子科技. 2018(12)
[4]以微博为例浅析社交网站中的视频推荐算法[J]. 闫子琪.  科技传播. 2018(23)
[5]基于互信息的推荐系统方法研究[J]. 郑诚,徐启南,章金平.  微电子学与计算机. 2018(12)
[6]基于协同过滤的景区旅游智能推荐系统设计[J]. 郭嘉,代耀宗,沈建京.  现代电子技术. 2018(23)
[7]基于改进TF-PDF算法的地震微博热门主题词提取研究[J]. 苏晓慧,张晓东,胡春蕾,邹再超,邱晓康.  地理与地理信息科学. 2018(04)
[8]图书馆海量学术资源自动分类模型研究[J]. 杨亚,易远弘.  知识管理论坛. 2018(03)
[9]基于“互联网+”的校本在线学习平台建设[J]. 陈春,康芸英.  江苏工程职业技术学院学报. 2018(02)
[10]基于TF-IDF算法的P2P贷款违约预测模型[J]. 章宁,陈钦.  计算机应用. 2018(10)

博士论文
[1]基于大数据的初中数学智慧学习系统模型研究[D]. 马相春.东北师范大学 2017

硕士论文
[1]个性化信息服务视角下的在线学习系统设计与实现[D]. 韩永昊.华中师范大学 2018
[2]基于LSTM的个性化学习推荐系统的研究与设计[D]. 张永付.宁夏大学 2018
[3]VDES可视化仿真平台中AIS模块的设计与开发[D]. 朱亚亭.北京邮电大学 2018
[4]基于TF-IDF改进算法和喜好度的视频用户分类[D]. 李芳芳.天津工业大学 2018
[5]大数据环境下基于并行化TF-IDF算法增强语义角色挖掘的研究[D]. 孙希鹏.西南交通大学 2017
[6]基于Web日志挖掘的个性化学习平台的设计与实现[D]. 侯东秀.山东师范大学 2017
[7]在线工作—学习系统设计与实现[D]. 刘振源.天津师范大学 2017
[8]对TF-IDF算法的改进及实验研究[D]. 何晓静.吉林大学 2017
[9]基于知识结构的课程学习管理系统的设计与实现[D]. 刘洪波.华南理工大学 2016
[10]面向自主学习的在线学习平台设计与开发[D]. 沈劲松.苏州大学 2016



本文编号：3018592