混合教學是混合了傳統(tǒng)教學與在線教學兩種教學模式的一種新型教學方法,教學過程中會產生大量的數(shù)據(jù),如何快速準確的在當前教學過程產生的海量數(shù)據(jù)中抽象出與學生學習特征有關的關鍵信息,并勾勒出學生畫像,是當前混合教育應用中的一大難點。DNN(深度神經網絡)擁有從大量原始數(shù)據(jù)中提取高級特征值的能力,在已建立某基礎在線課程中產生的學生學習行為數(shù)據(jù)存儲分析平臺基礎上,對數(shù)據(jù)進行有效地收集、清理,并和傳統(tǒng)課堂產生教學數(shù)據(jù)進行有機整合。然后對所獲取數(shù)據(jù)進行分析與挖掘,找出有價值數(shù)據(jù),構建基于DNN的分析評價模型,從而快速準確的形成學生畫像模型。這些結果可以讓教師更深入全面的了解學生當前學習效果狀態(tài),通過AI的手段服務教學,提高教師與學生對當前學習效果的認知,為混合教學提供更嚴謹,準確的技術支持。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 混合教學與深度神經網絡
2 混合教學數(shù)據(jù)分析
    2.1 傳統(tǒng)教學數(shù)據(jù)
    2.2 在線教學數(shù)據(jù)
3 數(shù)據(jù)處理
    3.1 空缺值處理
    3.2 統(tǒng)計分析
    3.3 數(shù)據(jù)離散化
4 基于深度神經網絡的學生畫像模型
    4.1 畫像模型實施過程
    4.2 算法實現(xiàn)
    4.3 算法應用
5 結論



本文編號：3742067