摘要：复杂教学交互环境下,针对学习者画像模型所面临的维数灾难和更新高数据成本问题,提出了一种新的模型——大规模数据下低成本自进化学习者画像,该方法改进了传统的深度非负矩阵分解算法,以此来对原始数据从双空间进行特征结构保留并有效降维,抑制维数灾难;以图神经网络为信息捕获媒介,结合深度神经网络对元属性状态值进行量化,引导设计了一种自适应的特征抽取与动态更新策略来辅助学习者画像模型不断自进化;在斯坦福EDX平台数据集上设计了四项实验以验证该模型的性能。实验结果表明,该模型在93.13%的下游教学推荐任务精度下,可减少45%的更新数据成本。

摘要：常规物理学习模式中,教师理应从学生实际需求出发,多元化授教,引导学生构建有效的认知网络,并在此基础上促进学生知识内化.经远程问卷“物理课程学生知识内化”调查,梳理学习中存在的问题,提出“促知识内化的学习活动模式设计”,并进行实证研究.以此提出促知识内化的学习活动设计对策与策略.一是巧设演示实验进行情景导入,激发学生兴趣;二是依托知识图谱技术,帮助学生完成新旧知识的连接,促进其知识结构的补齐;三是布置“进化型”作业,以跨界、多元、有趣和思维表达为特点,辅以多元评价、精准反馈、持续激励为手段.

摘要：针对传统体育素质测试和锻炼方式单一、测试设备和精度有限、缺乏有效的训练指导等固有弊端,该文提出了一种简易体育素质测试设备。首先测试者按照各端点指示灯触摸传感模块,然后协调器接收传感模块的测试数据并传输至服务器,之后服务器端存储处理数据,最后通过App界面对数据以及测试结果的分析进行展示,运用推荐算法为测试者推荐相应的训练指导和教程。经试验测试表明,该设备可实现多模式精准测试,通过记录分析历史数据,提供有针对性的教程,且设备简便易携,可在任何场景下使用,具有广阔的发展前景。