“5G+无人机”技术的教与学:场景、路径与未来应用展望

随着信息科技的迅猛发展,无人机教育已成为培养孵化未来创新人才的重要阵地。无人机技术的教育应用,可以进一步深化和推动当前教育领域中的跨学科教学,培养学习者的跨学科学习能力,推动创新教育的发展进程。同时,5G通信技术能够实现教育场景的重构,进而推动教育教学进入跨界融合、创新教育的新阶段。无人机及其关键技术,结合5G通讯技术特有优势,形成了“5G+无人机”技术与教育融合的典型应用案例,这些应用案例展现了"5G+无人机"的教育教学应用场景及未来发展远景,以及"5G+无人机"在重构学习空间、赋能创新教育层面的优势与潜力。面向未来,“5G+无人机”教与学应用将发展形成四条路径:(1)“5G+无人机”辅助教育信息获取;(2)"5G+无人机"构建VR/AR沉浸式教学场景;(3)"5G+无人机"支持教育大数据评测;(4)"5G+无人机"强化校园智能化管理。可见,无人机是人工智能在教育领域应用的重要载体,其充分发挥了智能属性特征,而无人机技术集合5G技术所形成的诸多优势,可更好地服务于面向未来的创新人才培养。

基于近似子图的规则空间压缩算法

规则空间模型是一种高效的知识结构诊断模型,但较高的规则空间构造代价阻碍了在小规模、实时认知诊断中的应用.为了提高规则空间模型的可扩展性,提出使用近似子图生成理想属性模式集进而压缩规则空间的方法.近似子图能够通过忽略和测试项目无关的属性降低子图规模量级,从而有效缩减理想属性模式集规模,达到压缩规则空间的目的;同时通过构建顶点间的虚拟边模拟领域知识图上的传递依赖关系,使近似子图在不引入额外属性的前提下保持领域知识图上的依赖关系,实现对不合理属性模式的有效过滤.在此基础上,给出了构造规则空间所需的近似子图构造算法以及由近似子图生成理想属性模式集的方法.最后在标准测试集上开展了近似子图与依赖保持子图和顶点导出子图两种方法的性能对比实验,并将近似子图应用于实际教学认知诊断中验证其诊断准确率,实验结果表明近似子图能够在不损失诊断结果准确率的前提下显著压缩规则空间,降低规则空间模型应用于小规模、实时诊断的门槛.