學(xué)習(xí)測評是教學(xué)環(huán)節(jié)中的重要活動模塊,對基于學(xué)生測評所產(chǎn)生的數(shù)據(jù)進行收集分析有助于挖掘?qū)W生真實的學(xué)習(xí)狀態(tài),明晰學(xué)生對知識點的掌握情況。以測評大數(shù)據(jù)為基礎(chǔ),以學(xué)生知識點綜合掌握情況為研究內(nèi)容,以貝葉斯網(wǎng)絡(luò)為分析方法,通過節(jié)點權(quán)重分析及因果關(guān)系分析形成預(yù)警模型網(wǎng)絡(luò)結(jié)構(gòu),在參數(shù)學(xué)習(xí)和條件概率分析的基礎(chǔ)上形成面向知識點的學(xué)習(xí)預(yù)警模型。以某學(xué)校高一數(shù)學(xué)三次考試中的500條測評數(shù)據(jù)作為樣本數(shù)據(jù),采用5折交叉驗證法對模型的有效性進行驗證,采用因果推理和診斷推理對知識點預(yù)測結(jié)果進行仿真驗證分析。研究結(jié)果表明,所構(gòu)建的預(yù)警模型涵蓋1個總目標層節(jié)點、5個指標層節(jié)點和20個數(shù)據(jù)層節(jié)點,通過調(diào)整模型中的節(jié)點能夠有效觀測不同條件下指標層和目標層知識點的掌握情況,并進行準確預(yù)警;通過靈敏度分析得出學(xué)習(xí)預(yù)警需要關(guān)注的核心節(jié)點,其影響程度從大到小依次為:核心知識點掌握情況>相關(guān)知識點掌握情況>各難度題目掌握情況;交叉使用主次指標排隊分類法和專家打分法確定節(jié)點不同預(yù)警狀態(tài)概率間的權(quán)重并以此計算判別值,按需調(diào)整其閾值以對學(xué)習(xí)者進行個性化類別劃分與狀態(tài)識別。

【文章頁數(shù)】：10 頁

【文章目錄】：
一、研究緣起
二、測評大數(shù)據(jù)源與學(xué)習(xí)預(yù)警流程分析
    (一) 測評大數(shù)據(jù)概念界定與數(shù)據(jù)源分析
        1. 測評大數(shù)據(jù)概念界定
        2. 測評大數(shù)據(jù)源分析
    (二) 學(xué)習(xí)預(yù)警相關(guān)算法述評
    (三) 貝葉斯網(wǎng)絡(luò)算法介紹
    (四) 學(xué)習(xí)預(yù)警模型操作流程
三、貝葉斯網(wǎng)絡(luò)支持下面向知識點的學(xué)習(xí)預(yù)警建模
    (一) 學(xué)習(xí)預(yù)警模型結(jié)構(gòu)分析
        1. 知識點掌握情況評價體系構(gòu)建及節(jié)點權(quán)重計算
        2. 學(xué)習(xí)預(yù)警模型數(shù)據(jù)預(yù)處理
        3. 預(yù)警模型結(jié)構(gòu)分析
    (二) 學(xué)習(xí)預(yù)警參數(shù)生成及建模
    (三) 學(xué)習(xí)預(yù)警類別劃分與狀態(tài)識別
四、基于測評大數(shù)據(jù)的學(xué)習(xí)預(yù)警模型驗證與仿真
    (一) 預(yù)警模型有效性驗證與敏感度分析
        1. 預(yù)警模型有效性驗證
        2. 預(yù)警模型目標層節(jié)點敏感度分析
    (二) 知識點綜合掌握情況預(yù)測仿真分析
        1. 因果推理分析
        2. 診斷推理分析
五、研究結(jié)論
六、不足與展望



本文編號：3857077