学习态势在试题智能推荐中的研究

摘要：

在试题智能推荐的研究中定义了知识点Kpu矩阵、知识点的得分分配Skp模型、学习个体对知识点吸收数量等级kpL、学习个体潜在的学习特征向量MSA等有效模型,针对试题推荐中精准率不够高和学习个体学习效果不够好的状况,基于经典DINA模型,改进建立了学习个体的学习态势SA situation模型,完善个体学习态势组成元组,对DINA-学习态势模型进行了评估,利用数据对学习态势准确计算,大大提高试题推荐的精度,并设计试题智能推荐的整体框架,通过对近几年的数据实验,验证得出试题智能推荐精准率、答卷准确率、召回率等变量之间的关系和规律,证明了基于学习态势的推荐方法有助于提高推荐效果,对个体的学习效果有明显提高,对大数据背景下的智能学习有实际的应用价值和科学意义.

关键词：试题、智能推荐、态势、诊断、准确率、模型

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目51305212;南通市市级科技计划项目JCZ18021;南通大学杏林学院自然科学项目2016K109.2018K124;南通大学杏林学院教改课题2018J28,2018J20

在线出版日期：2019-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：126-132