基于多模态数据的精准在线测试模型

随着“互联网+”时代的到来,在线测试开始受到广泛的关注,并逐渐被应用于学习系统中。然而,目前常见的在线测试系统多以学习者的做题成绩、做题时间等单模态数据为依据计算测试成绩,对测试过程的感知和反馈很少,导致在线测试成绩的客观性和真实性不足。为此,文章结合多模态数据的分析特点,提出了一种基于多模态数据的精准在线测试模型,重点研究了眼动和键鼠行为数据作为评价数据源的应用方法及其有效性。实验结果表明:眼动和键鼠等多模态数据的融入有助于客观、真实地反映学习者的测试过程;模型能够有效提高在线测试结果的准确性,多级融合方法也使多模态数据具有较好的可解释性;同时,非侵入性的数据获取使模型具有较高的实用性。文章对多模态学习行为数据获取、挖掘、融合与应用的研究,旨在为在线学习评价提供参考,并为学习平台客观、全面把握学习者学习成效和实现个性化学习服务提供有效支撑。