May, 2022

运用人工智能与语义技术提高学生学术表现

PDF
TL;DR本研究基于巴西大学的 248730 条记录，探讨了通过遗传算法与 LSTM 模型来预测学生表现、通过 BERT 模型进行课程相似度计算、并利用 TextRazor/SemRefD 工具对必修课程进行先修关系鉴定。研究结果表明：在学生辍学预测中，本文的方法比 Manrique 的方法准确率提高了 2.5%；通过课程描述可以揭示课程之间的相似度；对澳大利亚国立大学的三门必修课程进行了先修关系的确定。
artificial intelligencesemantic technologieseducationperformance predictionprerequisite identification
发现论文，激发创造
  • 自然语言和本体分析的语义相似性

    本书主要介绍语义相似度估计及其它语义度量学科的两种最先进的方法：自然语言处理技术和语义模型以及基于语义网络、词库或本体论的计算机可读的知识形式。它的目的是为初学者和研究人员提供更好地理解语义相似度估计和更一般的语义度量。

    Apr, 2017

  • 利用生成人工智能模拟学生学习行为

    利用大型语言模型模拟学生学习行为，揭示学习行为与测试问题、课程材料、参与度和理解水平之间的关联，加深我们对大型语言模型的理解，展示其对学生模拟的可行性，从而为更具适应性的课程设计提供支持，增强包容性和教育效果。

    Oct, 2023

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 利用句子嵌入和语义相似度在评估可信 AI 时寻求共识

    本研究使用自然语言处理中的句子嵌入和语义文本相似度，以支持利用卫生保健中使用的人工智能系统的可靠性评估的跨学科专家团队之间的沟通，并解决了不同领域之间描述同一问题但使用不同术语的通信障碍。

    Aug, 2022

  • 基于机器学习的学生成绩预测：案例研究

    本研究采用机器学习的技术，运用协作过滤、矩阵分解和受限玻尔兹曼机等方法，对伊斯兰堡信息技术大学电气工程学院的学生进行预测某一门课程的成绩表现，并发现受限玻尔兹曼机的方法比其他方法更为准确。

    Aug, 2017

  • 基于 Transformer 的大语料库语义相似度分析的认知研究

    本文利用传统技术和转换器技术对美国专利短语进行语义相似性分析和建模，并对 Decoding Enhanced BERT（DeBERTa）的四种不同变体进行实验，在此基础上通过 K 次交叉验证提高性能，实验结果表明我们的方法比传统技术更具有优越性，平均 Pearson 相关系数为 0.79。

    Jul, 2022

  • 依赖项：为信息检索形式化语义链

    本论文在语义处理方面做出重大贡献，提出了多种数学模型以及解决研究范式中存在问题的建议，从而大大提升了机器自动进行语义推理的复杂性和粒度。

    Sep, 2017

  • 透过语义匹配了解教育话题的进展

    使用 Bidirectional Encoder Representations from Transformers (BERT) 主题建模从课程中提取主题，并用于识别学科之间的关系、跟踪它们的进展和识别概念上的差距，研究发现按共同主题对学习成果进行分组有助于减少冗余并在课程中引入新概念。最后，使用主题专家对方法的有效性进行了测试。

    Feb, 2024

  • 语义排序：个性化语义相关性的监督学习方法

    本文提出了一种基于主观注释的新型监督学习方法来学习统计句子相关性模型，该模型由大规模背景知识语料库中的文本单位关联的参数化共现统计信息组成，并提出了一种高效的算法来从相关性偏好的训练样本中学习语义模型，方法独立于语料库、适用于任何足够大的（非结构化）文本集合，并且可以为特定用户或用户组拟合语义模型。通过广泛的小到大规模实验结果表明，这种方法是有效的，竞争力强。

    Nov, 2013

  • 智能接口：通过教学活动总结提高课堂参与度

    使用机器学习方法，为教育人员开发了一种新工具，可以自动化、概括并及时反馈进行讲座的过程，通过识别讲座视频录像中的教学和行为特征，提供交互式图表和表格的概述，并支持基于教学内容的讲座比较。

    Jun, 2024