Sep, 2019

MOOCs 中基于外部知识和互动游戏的课程概念扩展

PDF
TL;DR本研究提出了一种基于外部知识库的新概念搜索边界，通过异构特征验证高质量结果，并设计了一个基于游戏的交互式优化机制来提高 MOOC 用户学习效果，实验证明此方法优于现有方法。
发现论文，激发创造
  • 大规模在线课程的参与

    研究了海量在线课程的学习者交互轨迹，构建了行为分类法，比较了高、低成就的学生的不同行为模式，并研究了论坛参与与课程其他部分之间的关系，还探讨了徽章对 MOOCs 用户参与的影响。

    Mar, 2014

  • 在 MOOC 中建模平衡的显性和隐性关系，利用对比学习进行知识概念推荐

    基于对比学习的 MOOC 知识概念推荐框架 (CL-KCRec) 能有效地表示和平衡 MOOC 中显式和隐式关系，提高知识概念推荐的性能，并满足用户的个性化需求。

    Feb, 2024

  • 利用外部知识改进问答

    本研究旨在探索使用 Wikipedia 的文本信息和添加更多的训练数据来解决在科学等学科领域中的多项选择题答题任务，实验表明，我们的方法在准确性上相较于先前的最先进技术获得了显著的提升。

    Feb, 2019

  • 为高校课程构建和融合多源教育知识图谱

    本论文提出了一种针对电子信息专业的自动化知识提取，可视化知识图谱构建和图形融合的框架，旨在通过探索学科交叉的热门知识概念，增强学习效率，提高学生对其专业各个概念和课程之间关系的全面理解，探索由人工智能实现的新教育范式。

    May, 2023

  • 寻找可解释的 MOOC 推荐路径：学习者角度

    一个使用图形推理的可解释推荐系统应用于在线学习领域的研究。

    Dec, 2023

  • 异构视角下的 MOOC 知识概念推荐 - 注意力图卷积网络

    本篇研究提出了一种基于 Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) 的方法来解决 MOOC 中的知识概念推荐问题，并使用元路径指导学生偏好的传播，并且使用注意力机制来自适应性地融合不同学生的上下文信息，以有效地推荐 MOOC 在线学习中的知识概念。

    Jun, 2020

  • 面向探索式学习环境中对抗次优用户行为的框架：以 MOOC 为例

    本文介绍了使用数据驱动的用户建模框架来设计用户自适应支持，在学习模拟器和 MOOCs 中提供自适应支持的实验，旨在研究该框架的应用价值。

    Jun, 2021

  • 支持学生选课的开放式 MOOC 评论的大规模分析

    通过分析不同平台上的 240 万个 MOOC 评论，研究结果表明，数值评分存在偏见，而文本评论的 NLP 驱动情感分析和主题发现技术反映了课程广告、实际应用性和难度等主题，为在线教育评论提供更透明的方法。

    Jan, 2022

  • 利用图表示学习提升 MOOC 自动等级预测性能

    利用大规模在线开放课程（MOOC）数据集构建独特的知识图谱，并运用图嵌入技术提取实体间相互作用中潜在结构信息，结合实体特征、行为特征和结构特征，改进了对学生成绩的预测模型的性能。

    Oct, 2023

  • 你的点击决定你的命运”：利用 MOOC 视频的点击记录推断学生的信息处理与退学行为

    本研究旨在探讨如何定量分析学生观看 MOOC 视频时的行为，并建立信息处理指标，通过预测学生在视频中退出的参与轨迹，帮助教师更好地了解 MOOC 学习中的问题，并提高学生的参与度和留存率。

    Jul, 2014