基于Java的教学数据图形展示的实现

本文阐述了基于Java技术的课程成绩统计分析系统,以解决课程教学效果分析的困难.在构建课程成绩统计分析数据库的基础上,对教学效果进行多角度分析统计,并以图形方式给出统计结果.讨论了系统的体系结构和具体的实现技术,并给出了大学物理教学数据统计分析的一个实例.     

基于JADE的学习网络构建系统研究与实现

针对远程教育环境中,学习者分散、缺乏个性化学习指导等问题,构建了一个基于JADE的学习网络与个性化学习系统.系统为每个学习者创建一个JADE代理,用以动态监控学习行为并实现感兴趣资源的共享、推荐和评估,同时基于其他学习者代理对不同资源的感兴趣程度,通过发现相似性、更新信任权值和调整潜在邻居等方法,动态调整学习者之间的信任关系,构建学习网络,为远程学习者提供更准确地学习资源推荐.实验结果表明系统可以非常迅速的将具有相同兴趣的学习者聚合在一起,并很好的满足他们的查询、推荐需求.     

混合学习模式在C语言程序设计移动课堂中的应用研究

针对移动互联技术生态已形成并日趋成熟,学生普遍感觉C语言程序设计课时少、难理解和普遍眼高手低的现实学情,分析移动课堂客户端的功能构成及交互设计技术,提出将混合学习模式融入C语言程序设计移动课堂的设计开发中,尝试解决移动互联技术生态下混合学习模式的构建问题,指出混合式学习不是简单地将信息技术与教学结合,而是重新思考和设计教与学之间的关系,完善学习效果评估机制,实现1+1>2的教学效果。     

PPO强化学习的多智能体对话策略学习方法

对话策略是面向任务的对话系统中的关键组件,给定当前对话状态输出下一个系统动作.近年来,对话策略学习已被广泛地描述为强化学习问题.一种常见的方法是让对话智能体与用户模拟器互动学习.然而,构建一个可靠的用户模拟器并不是一件容易的事,通常与构建一个好的对话代理一样困难.为了避免显式地构建一个用户模拟器,提出了一种PPO强化学习的多智能体对话策略学习方法,将系统端和用户端都构建为智能体.该方法主要通过两个阶段进行策略学习：1)阶段1是模仿学习,采用模仿学习中的行为克隆的方式,对系统策略和用户策略进行预训练;2)阶段2是多智能体强化学习,采用一种数据样本利用率更高以及鲁棒性更好的近端策略优化(PPO)算法,对系统端和用户端的对话策略进行学习.最后,在公开的多域多意图的面向任务的对话语料MultiWOZ上进行了实验,验证了方法的有效性,还分析了在复杂任务中的可伸缩性.此外,将学到的对话策略集成到ConvLab-2平台上进行整体效果评估.     

E-Learning中情绪认知个性化学生模型的研究*

为了提高E-Learning情绪教学的适应性和教学效果,针对传统学生模型的不足,引入人格、学习情绪及学习风格。通过OCC三维情绪空间描述学习情绪和丹尼尔·沙博人格划分理论进行情绪调节,通过美国心理学家布鲁姆的认知理论描述学生的认知能力,通过Felder-Silverman学习风格并结合支持向量机技术描述学习偏好的个性化特征。将情绪、认知、学习风格相结合构建一个完善的适合E-Learning教学的学生模型。通过将此学生模型应用到E-Learning教学中,不仅可以解决网络教学系统的情感缺失,而且大大提高了实     

基于案例的E-Learner档案描述模型及系统实现

针对E-Learning学习者学习对象多样、学习行为复杂等特点,提出了一种新颖的基于学习经验案例的E-Learner档案描述模型.该模型引入学习者Agent监控学习者的隐式和显式学习数据,通过对不同学习行为的分析及量化来合理评估学习者的学习特征.对E-Learner档案的描述和构建机制进行了详细阐述,并且给出了相应的符合XML标准的框架定义(Schema),最后构建了一个基于学习经验案例的E-Learner档案构建系统,为E-Learning环境中的用户档案共享和利用提供了一种有效的方式.     

卫星通信网评估本体

将本体应用到卫星通信网评估系统(SCNES)中,可以有效提高卫星通信网评估系统的可重用性.对卫星通信网评估系统进行分解,对其构成要素进行分析;构建了卫星通信网评估本体(SCNEO),对其主要概念以及公理进行了设计;对SCNEO在卫星通信网评估系统中的应用流程进行了介绍,通过实例说明基于SCNEO的评估系统具有自适应能力.     

深度学习在游戏中的应用

综述了近年来发展迅速的深度学习技术及其在游戏(或博弈)中的应用. 深度学习通过多层神经网络来构建端对端的从输入到输出的非线性映射, 相比传统的机器学习模型有显见的优势. 最近, 深度学习被成功地用于解决强化学习中的策略评估和策略优化的问题, 并于多种游戏的人工智能取得了突破性的提高. 本文详述了深度学习在常见游戏中的应用.     

一个协作式虚拟学习环境的设计与实现

当今网络技术以及虚拟现实技术将会把计算机辅助学习带入一个新的领域--协作式虚拟学习环境.文中根据建构主义和认知科学理论提出了一个基于Web的协作式虚拟学习系统的设计方法,并以一种工业产品作为学习对象开发了一个原型系统,旨在通过先进的学习理念和计算机技术提高学习者的认知效率.通过实践测试和评估,证明效果良好.     

C4.5算法在在线学习行为评估系统中的应用

基于数据挖掘技术构建了在线学习行为评估系统。利用C4．5算法挖掘学生在线学习行为与学习效果的历史数据，建立“学习行为——效果”模型。用此模型评估未来学生的在线学习状况，给出形成性评估的成绩。通过测试，评估结果较准确，教师和学生的认可度达90％以上。系统的应用为在远程教学环境下客观、公正、合理的评估学生在线学习提供了有效方法和手段。