基于学习诊断模型的知识点推荐算法研究及应用
发布时间：2021-08-13 16:17
在教育信息化高速发展的情况下,面对大量的教学冗余信息,如何及时向学习者反馈学习情况是互联网教育研究的一个重要目标。在进行习题的测试时,学习者很难做出决定如何学习,特别是无法根据所做习题的结果进行相关性、针对性知识点的复习巩固。对此,本文以《C语言程序设计》课程为研究对象,鉴于学习者的学习行为、习题诊断结果及知识点本身重要程度展开研究工作。本文的主要工作包括:1)针对现有研究尚未充分考虑学习者的学习行为属性对知识点推荐结果的影响,本之应用模糊聚类算法根据学习者的学习行为将学习者表示为学习积极性不同的3类,即学习积极性高、中、低。实验表明,这三类学习者划分较为明显,并且通过对学习者习题答题结果的统计分析,验证了具有不同学习积极性的学习者对知识点有不同的出错偏好,从而验证了模糊聚类算法应用的有效性。2)由于传统的认知诊断模型中知识点掌握程度不能概率化,只有掌握和非掌握两种情况。因此,本文提出了基于学习诊断的知识点推荐模型,其中综合考虑具有相同学习积极性的学习者习题测试情况和知识点本身的特点。最后,通过对352名学习者的学习数据进行实验,实验结果验证了本文提出的基于学习诊断的知识点推荐模型的有...
【文章来源】：西安理工大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
聚类分析的基本步骤Fig.2-1Basicstepsofclusteranalysis
itiiiimv vvv R'12( ,,...,)来表示。ikd 为学习者样本kx 与第 i 类的聚类中心iv 间的欧氏距离，如公式(2-8)：ikikd v x(2-8当以上条件满足时，可建立如公式(2-9)的目标函数。为使目标函数达到最小值，计算聚类中心及隶属度矩阵，进行迭代。 ciiknkmikJUVud121(,)(2-92.3.2 算法实现本节基于上述的基础知识，描述了模糊均值聚类算法对学习行为的分析。如图 2-2 所示，首先，根据学习者的学习行为表现及各个分区的比重的不同，将学习者行为数值化且收集处理后的数据集，作为用于模糊均值聚类算法分析的输入数据集，进行模糊均值聚类算法实现。根据模糊均值聚类算法，计算出隶属度矩阵及聚类中心矩阵，最后得到学习积极性等级不同的学习者聚类结果。
专项测试 综合测试专项 1 专项 2 专项 3 专项 4 ... 专项 7 ... F1 100 80 60 0 ... 0 ... 22 100 60 60 80 ... 60 ... 54... ... ... ...350 100 60 20 30 ... 0 ... 48351 100 80 0 0 ... 0 ... 74... ... ... ...(2) 学习者视频观看情况分析经过数据挖掘技术可得到学习者的讨论区活跃度及视频观看情况，图 2-3 为随机抽取某两个学习者的具体视频观看详情，可看出每个学习者对于每个知识点视频观看情况各不相同。因此，学习者的视频观看情况也是一个影响学习者积极性等级的重要因素，根据学习者知识点整体视频的观看情况，将每个学习者的视频观看时长根据下面的式(2-10)数值化为视频观看成绩。学习者序号测试项
【参考文献】：
期刊论文
[1]基于认知诊断的协同过滤试题推荐[J]. 单瑞婷,罗益承,孙翼. 计算机系统应用. 2018(03)
[2]基于知识点层次图的个性化习题推荐算法[J]. 蒋昌猛,冯筠,孙霞,陈静,张蕾,冯宏伟. 计算机工程与应用. 2018(10)
[3]基于Spark的BIRCH算法并行化的设计与实现[J]. 李帅,吴斌,杜修明,陈玉峰. 计算机工程与科学. 2017(01)
[4]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[5]基于MOOC数据的学习行为分析与预测[J]. 蒋卓轩,张岩,李晓明. 计算机研究与发展. 2015(03)
[6]协作学习中基于协同过滤的学习资源推荐研究[J]. 叶树鑫,何聚厚. 计算机技术与发展. 2014(10)
[7]聚类分析及其应用研究[J]. 杨森. 计算机安全. 2014(01)
[8]一种结合主动学习的半监督文档聚类算法[J]. 赵卫中,马慧芳,李志清,史忠植. 软件学报. 2012(06)
[9]基于网格结构的CLARANS改进算法[J]. 张书春,孙秀英. 计算机工程. 2012(06)
[10]网格聚类算法[J]. 赵慧,刘希玉,崔海青. 计算机技术与发展. 2010(09)
博士论文
[1]教育资源推荐服务中若干关键技术的研究[D]. 王龙.吉林大学 2013
硕士论文
[1]基于蚁群信息素优化算法的微学习路径推荐研究[D]. 赵琴.太原理工大学 2017
[2]基于学习分析的适应性学习路径推荐系统设计与开发[D]. 陈智慧.华中师范大学 2016
[3]基于大数据的教育资源个性推荐系统设计与实现[D]. 金志福.中国科学院大学(工程管理与信息技术学院) 2015
[4]推荐系统中一种改进的协同过滤推荐算法的研究[D]. 方卫华.西安电子科技大学 2013
[5]基于关联规则的知识点智能导航的研究[D]. 刘伟.华中师范大学 2009
本文编号：3340748
【文章来源】：西安理工大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
聚类分析的基本步骤Fig.2-1Basicstepsofclusteranalysis
itiiiimv vvv R'12( ,,...,)来表示。ikd 为学习者样本kx 与第 i 类的聚类中心iv 间的欧氏距离，如公式(2-8)：ikikd v x(2-8当以上条件满足时，可建立如公式(2-9)的目标函数。为使目标函数达到最小值，计算聚类中心及隶属度矩阵，进行迭代。 ciiknkmikJUVud121(,)(2-92.3.2 算法实现本节基于上述的基础知识，描述了模糊均值聚类算法对学习行为的分析。如图 2-2 所示，首先，根据学习者的学习行为表现及各个分区的比重的不同，将学习者行为数值化且收集处理后的数据集，作为用于模糊均值聚类算法分析的输入数据集，进行模糊均值聚类算法实现。根据模糊均值聚类算法，计算出隶属度矩阵及聚类中心矩阵，最后得到学习积极性等级不同的学习者聚类结果。
专项测试 综合测试专项 1 专项 2 专项 3 专项 4 ... 专项 7 ... F1 100 80 60 0 ... 0 ... 22 100 60 60 80 ... 60 ... 54... ... ... ...350 100 60 20 30 ... 0 ... 48351 100 80 0 0 ... 0 ... 74... ... ... ...(2) 学习者视频观看情况分析经过数据挖掘技术可得到学习者的讨论区活跃度及视频观看情况，图 2-3 为随机抽取某两个学习者的具体视频观看详情，可看出每个学习者对于每个知识点视频观看情况各不相同。因此，学习者的视频观看情况也是一个影响学习者积极性等级的重要因素，根据学习者知识点整体视频的观看情况，将每个学习者的视频观看时长根据下面的式(2-10)数值化为视频观看成绩。学习者序号测试项
【参考文献】：
期刊论文
[1]基于认知诊断的协同过滤试题推荐[J]. 单瑞婷,罗益承,孙翼. 计算机系统应用. 2018(03)
[2]基于知识点层次图的个性化习题推荐算法[J]. 蒋昌猛,冯筠,孙霞,陈静,张蕾,冯宏伟. 计算机工程与应用. 2018(10)
[3]基于Spark的BIRCH算法并行化的设计与实现[J]. 李帅,吴斌,杜修明,陈玉峰. 计算机工程与科学. 2017(01)
[4]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[5]基于MOOC数据的学习行为分析与预测[J]. 蒋卓轩,张岩,李晓明. 计算机研究与发展. 2015(03)
[6]协作学习中基于协同过滤的学习资源推荐研究[J]. 叶树鑫,何聚厚. 计算机技术与发展. 2014(10)
[7]聚类分析及其应用研究[J]. 杨森. 计算机安全. 2014(01)
[8]一种结合主动学习的半监督文档聚类算法[J]. 赵卫中,马慧芳,李志清,史忠植. 软件学报. 2012(06)
[9]基于网格结构的CLARANS改进算法[J]. 张书春,孙秀英. 计算机工程. 2012(06)
[10]网格聚类算法[J]. 赵慧,刘希玉,崔海青. 计算机技术与发展. 2010(09)
博士论文
[1]教育资源推荐服务中若干关键技术的研究[D]. 王龙.吉林大学 2013
硕士论文
[1]基于蚁群信息素优化算法的微学习路径推荐研究[D]. 赵琴.太原理工大学 2017
[2]基于学习分析的适应性学习路径推荐系统设计与开发[D]. 陈智慧.华中师范大学 2016
[3]基于大数据的教育资源个性推荐系统设计与实现[D]. 金志福.中国科学院大学(工程管理与信息技术学院) 2015
[4]推荐系统中一种改进的协同过滤推荐算法的研究[D]. 方卫华.西安电子科技大学 2013
[5]基于关联规则的知识点智能导航的研究[D]. 刘伟.华中师范大学 2009
本文编号：3340748
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3340748.html
