基于序列遗忘行为的动态键值记忆网络

知识追踪过程中动态键值记忆网络(dynamic key-value memory networks,DKVMN)未考虑答题序列对学生学习和遗忘行为的影响,导致DKVMN预测性能仍有一定的提升空间.针对该问题,提出一种基于序列中遗忘行为的动态键值记忆网络(dynamic key-value memory networks-forget,DKVMN-F).将重复时间间隔视为遗忘因素,过去答题次数视为学习因素,利用门控机制在DKVMN的预测层整合遗忘因素和学习因素.仿真结果表明,相较于同类模型,DKVMN-F模型的曲线下面积(area under curve,AUC)和准确率(accuracy,ACC)分数更高,更加适用于知识追踪任务.

大数据背景下大学生学习状态研究的方法探析

任何"教"的变革、"学"的创新,都必然始于对学生学习状态的了解、分析和评估。在计算机技术飞速发展的时代背景下,课堂教学改革、教与学的研究一定离不开大数据和信息技术的参与。文章深入分析了大学生学习状态的研究成果、现有研究方法及其局限性,介绍了近十年来兴起的、在教育领域中应用越来越广泛的学习分析技术,提出研究者可以利用视频监控、图像处理、机器学习等先进技术手段,将课堂内与课堂外学习数据有机结合、更多采用多模态技术、现代信息技术和传统方法交互贯通,以进一步丰富和深化该领域的研究成果,最终实现数据驱动的个性化学习指导和教育评价。

基于GBrowse的多源长非编码RNA数据可视化系统

针对长非编码RNA(long non-coding RNA,lnc RNA)数据类型多样带来的有用信息提取困难的问题,提出基于基因组浏览器GBrowse(Generic Genome Browser)的多源lnc RNA数据可视化系统.该系统主要包括网页服务器和lnc RNA数据存储.其中,网页服务器主要由HTTP服务和GBrowse网页组件构成,支持纯文本、My SQL、SQLite等多种数据存储方式.系统实现流程包括GBrowse安装与配置、多源lnc RNA数据的收集、数据预处理、数据存储、数据访问及可视化配置.原型系统收集了六种人类lnc RNA数据,包括人类基因注释、基因组序列、组蛋白修饰H3K4me3信号及其位点、转录因子CTCF绑定位点信号及其位点的数据,并对数据进行了预处理.通过My SQL、SQLite等建立了lnc RNA数据库,对数据的访问方式和可视化参数进行配置.实验结果表明,多源lnc RNA数据在GBrowse框架下能够得到整合与可视化,并在基因组空间同时呈现,这使得研究者能够以更加直观的方式观测数据,进而建立新的科学假说.

课堂学习状态智能分析系统的构建及其应用

学习状态是以学习者为中心的课堂教学的重要因素。实时识别学生在课堂中的学习状态,可以为教师、学习者和学校管理者提供可靠有效的数据支持。利用视频监控技术、Java编程技术、图像处理技术、统计分析技术,构建学生课堂视频采集、传输、存储、挖掘、分析为一体的课堂学习状态智能分析系统,核心在于以视频的帧图像为数据,智能识别出学生某一时刻的学习状态,分析其课堂听课质量。