HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

习题的关联分析及其向量化表示方法

作者:郭娜; 路梅; 赵向军题向量题向量化模型知识推动教育智能

摘要:随着互联网+教育的深度融合以及移动终端上电子习题的推广使用,学生的学习过程数据可以被实时获取,充分利用这些过程数据,及时定位学生的知识病灶,开具有针对性的辅导处方,实现知识的按需推送,对于减轻学生的简单重复劳动,提高学习效率将会产生积极影响。试图通过分析在线习题系统的答题数据,发现学生的知识掌握规律,根据错题的伴生状况捕获习题的相关性。为此,构建了题向量化模型,提出了题向量表示的新方法,设计了负采样训练算法,并用程序实现了上述算法。经过实际在线系统的相关数据训练,获得了相应题向量,而后利用题向量的向量运算,可方便查找相同习题、相同知识点习题以及相近知识点习题等,可根据学生错题个案,推断其知识掌握的其他薄弱环节。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

计算机工程与科学

《计算机工程与科学》(CN:43-1258/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《计算机工程与科学》的办刊宗旨是为计算机界同行发表有创见的学术论文,介绍有特色的科研成果,探讨有新意的学术观点提供理想园地;活跃计算机界学术气氛,扩大国内外交流,为发展中国的计算机事业尽一点微薄之力。本刊强调学术性、及时性和普及性。

杂志详情