反馈式个性化试题推荐方法

面向学生的试题推荐是个性化在线教育领域重要的研究课题,现有的试题推荐方法忽视了难度和认知层次的区分。通过从难度、认知层次、题型和考核的知识点对试题属性进行标准化,以及定义难度能力矩阵和认知能力矩阵来评价学生的能力,提出基于内容的试题推荐算法和基于反馈的自适应的难度调整策略。个性化的试题推荐系统框架以及应用表明,该方法能够客观评价学生的能力和试题特性,能根据学生个体差异进行推荐的同时避免教师在试题属性初始设置中的偏差。

融合气象参数及污染物浓度的空气质量预测方法

传统空气质量指数预测方法在考虑相关影响因子时,忽略了气象参数和污染物浓度之间的相关性,而且预测模型的结构比较单一。提出一种面向短期的基于神经网络模型的预测方法,通过分析5个气象参数以及6个污染物浓度数据,获取数据之间的相关性;在构建预测模型时针对不同污染物采用不同的气象参数和时序污染物浓度数据进行预测,训练模型时为不同污染物预测学习不同的权值。实验结果表明,气象参数对污染物浓度的变化具有较大的影响,与传统方法相比,该方法对短期内的空气质量指数预测准确度更高。