基于短文本情感增强的在线学习者成绩预测方法

当前利用短文本情感信息进行在线学习成绩预测的研究存在以下问题:1)当前情感分类模型无法有效适应在线学习社区的短文本特征,分类效果较差;2)利用短文本情感信息定量预测在线学习成绩的研究在准确性上还有较大的提升空间.针对以上问题,本文提出了一种短文本情感增强的成绩预测方法.首先,从单词和句子层面建模短文本语义,并提出基于学习者特征的注意力机制以识别不同学习者的语言表达特点,得到情感概率分布向量;其次,将情感信息与统计、学习行为信息相融合,并基于长短时记忆网络建模学习者的学习状态;最后,基于学习状态预测学习者成绩.在三种不同类别课程组成的真实数据集上进行了实验,结果表明本文方法能有效对学习社区短文本进行情感分类,且能够提升在线学习者成绩预测的准确性.同时,结合实例分析说明了情感信息、学习状态与成绩之间的关联.

基于个体学习者模型构建的学习效果评估研究

在教育大数据和学习分析受到广泛重视和研究的背景下,文章以数字化学习环境下的个体学习者特征为研究对象,采用模型构建方法、统计分析方法、实证方法、归纳法与演绎法,对基于个体学习者模型建模方法进行了深入研究,并提出了基于个体学习者模型的学习效果评估框架。研究发现:(1)从概念模型、架构模型和实现模型的多视图视角构建学习者模型是确保学习效果评估的前提和必要途径;(2)针对个体学习者模型研究了学习效果评估框架,归纳出学习效果评估模型及各子模型的评估指标体系;(3)基于上述学习效果评估框架进行了实证研究,相关实证内容涉及个体学习者学习效果评估模型的相关性和准确性,通过与学习者实际学习效果相比较,对实证模型的准确性进行了客观评价。

基于层次化修正框架的文本纠错模型

文本中存在的表达冗余、词汇误用和内容缺失等错误会显著影响文本语义的理解,当前解决上述文本错误的纠错模型存在两个主要的问题:当前的文本纠错模型主要基于编码器-解码器框架,解码速度较慢;许多工作将错误检测和修正分离成两个任务,没有形成统一的整体.为此,提出了一种基于层次化修正框架的文本纠错模型.首先,基于预训练模型建模得到文本的多种语义表示;其次,利用文本的语义表示识别出文本中错误的位置;最后,利用层次化修正框架计算精化的修正操作并完成对错误的修正.针对公开文本纠错数据集CONLL-14进行了相关实验,结果表明本文模型比所选取的对比模型有更快的解码速度和更高的召回率.

一种基于HIN的学习资源推荐算法研究

如何提高学习资源的推荐准确度是自适应学习研究中的核心问题.为此,本文提出了一种基于异构信息网络的学习资源推荐算法.该算法以基于元路径的相似性度量为基础,结合知识转化概率和学习反馈信息,计算学习者与所有学习资源之间的语义相似度,并依据该相似度进行排名,将排名top-K的学习资源推荐给学习者.相关的实验表明,本文方法有效实现了自适应学习中学习资源的准确推荐.

语义增强的在线学习行为预测研究

当前学习者的在线学习行为预测研究未充分利用短文本中的语义数据,导致对学习者的学习状态刻画不够全面,严重影响了行为预测的准确性.针对此问题,本文提出了语义增强的在线学习行为预测方法.首先,利用双向长短时记忆网络得到到短文本的语义向量表示;其次,基于学习者的统计、行为和短文本数据得到学习者的特征表征,并利用长短时记忆网络模型构建其学习状态表征;最后,利用学习状态表征预测学习者的学习行为.在11门真实在线课程数据集上的实验表明,本文方法能过有效提升在线学习行为预测的精确度.

一种中文真词错误检测与修复方法

在线学习社区中的中文真词错误会给中文文本语义的理解带来困难,从而影响基于在线学习社区文本的学习分析效果。为此,提出一种针对在线学习社区短文本的真词错误检测与修复方法。构建混淆词集和混淆词对应的固定搭配知识库,基于n-gram概率统计模型、上下文语境模型和固定搭配知识库,分别计算每一个混淆词的 n-gram得分、上下文语境得分和固定搭配得分,对其加权求和作为判断原文是否出错的依据,并将最高得分的混淆词作为修复意见。实验结果表明,该方法召回率、准确率与修复率分别为85.6 %、86.3 %、92.9 %,能准确有效检测与修复学习社区中的中文真词错误。

ARPDF:基于对话流的学习者成绩等级预测算法

对话流所隐含的信息包括了学习者对所学课程内容的掌握程度和关注点,分析这些对话流对预测学习者的成绩,以支持教师提前对潜在成绩不良的学生进行及时干预有着重要意义.提出了一种基于对话流的学习者成绩等级预测算法ARPDF(Achievement Rank Prediction based on Dialogue Flow),首先采集对话流,通过对话流划分、对话状态矩阵生成实现了对该对话流的分析以获取到学习小组的对话状态矩阵;在此基础上,通过基于LSTM的预测模型获得学习小组学习者的成绩等级.在本文所提方法的基础上进行了实验,其结果表明了该算法是有效的.

基于隐性行为的问题解决者推荐算法研究

从事软件开发工作的开发者经常会通过技术交流社区提出问题,给问题推荐合适的解决者是解决开发者遇到困难问题时的可行途径.目前的解决方案主要是基于开发者的显性行为(如:回复行为)而极少关注开发者的隐性行为(如:收藏行为),使得方案不能有效地发现潜在的问题解决者.为此,本文提出了一种基于隐性行为的问题解决者推荐算法,通过计算开发者的基于标签的隐性行为变量、解决问题的倾向性变量,并结合能力变量使用贝叶斯多变量回归得到开发者得分,排序后推荐问题解决者.实验过程基于互联网问答社区StackOverflow的数据,实验结果证明本文的方法具有良好的效果.

基于学习者求助行为的论坛回答者推荐研究

在在线学习环境中,依据学习者的行为为其推荐合适的问题回答者,可有效提高其学习效果.目前许多的问题回答者推荐研究考虑到了问答数据,但没有考虑行为因素对推荐问题回答者的影响.本文结合问答数据与学生行为数据,提出了一种论坛问题回答者的推荐方法.该方法的基本思路是:获取学习者求助行为类别;根据学习者求助行为类别为其推荐论坛问题回答者.为此,采用聚类算法处理学习者的求助行为数据并得到该学习者求助行为类别标签;采用此学习者求助行为数据和求助行为类别标签作为训练数据,训练朴素贝叶斯模型,从而自动识别新的学习者求助行为的类别;在此基础上,提出使用卷积神经网络方法构建论坛回答者推荐模型.通过对采集到的在线学习求助行为数据进行实验,说明了该方法能为学习者有效推荐合适的论坛回答者.

《几何原本》前三卷校本批校者质疑

上海博物馆所藏徐光启译《几何原本》前三卷书中有很多修改的字迹，该文对这些笔迹、用词规律、标点符号、数学符号等细节进行考辨，认为不是徐光启所写，因而该书并非徐氏家藏的“三校本”。