摘要：为促进学生个性化学习的潜力,如何对学生个性化学习进行全面的评价并发现问题,从而制定出符合学生个性特点的教学方案,是研究个性化学习过程中必须解决的问题。传统的网络教育平台虽然打破了学生学习的时空限制,使学生能够充分利用网络资源。但是在实践中发现,传统的教育平台并没有真正实现学生的个性化学习。

摘要：本研究基于联通主义学习理论,从词汇网络的视角出发,抽取教材语料信息,搭建词语共现网络,并运用复杂网络理论,综合语义距离和共现频率等参数,考察并量化词语节点在词汇网络中的重要性;在此基础上,参照《国际中文教育中文水平等级标准》词汇表,构建出适用于国际中文智慧教育的词汇知识图谱;最后建立了包含词汇释义图谱检索、词汇共现图谱检索、例句检索三大功能模块的词汇自适应学习平台。

摘要：自适应学习是联合机器学习算法与大数据分析,将人工智能与教育充分融合的教学模式。在高职教育中,自适应学习模式能够为学生弥补基础的不足、疏导学习情绪,为教师提供分层教学依据和科学测评手段,教学前景广阔。因此当前高职院校教师应做好知识内容的精细分解,记录学生有效的认知数据,设计高质量的教学方案,持续积累有效的数据和信息,为自适应学习系统的开发做好充分准备。

摘要：美国俄亥俄州立大学数学教授吉姆·福勒及其同事、资深教学设计师托马斯·埃文斯创建了一门微积分大规模开放在线课程（MOOC）。他们预期在线课程中带有自适应学习引擎，为学生提供大量解决数学问题的实践，因为这些数学问题与学生技能水平匹配。已有的Coursera平台机制是为每一位学生提供相同数目的问题，如能根据学生学习情况提供问题，这是对学生时间的尊重。

摘要：随着互联网在现代生活中的广泛应用,网络环境下的自适应学习已成为各高校学生学习的重要方式。结合互联网+背景下的学生自适应学习平台优势及存在的问题进行分析,以工商管理专业为例,从基于互联网+的学生自适应学习教学模式、学习模式和考评模式等方面提出学习平台的建设设计,并提出完善应用型高校学生自适应学习平台的建设的建议,从而有效提高应用型高校学生的自适应学习效率。

摘要：随着互联网资源总量的增长,其传输渠道也在不断拓宽。在此过程中,受到渠道组织多元化的影响,海量资源安全的威胁信息识别准确性与全面性均会出现一定程度的下降,威胁海量资源安全性与应用效果。为解决上述问题,设计基于个性化自适应学习的海量资源安全威胁信息定向识别模型。根据识别序列生成标准,测定威胁信息的个性化学习风格,再通过选择近似学习者的处理方法,完成基于个性化自适应学习的海量资源传输路径分析,分析关键的资源信息,并从中提取必要的文件参量,按照敏感序列标注原则,完善现有的定向分级策略,实现海量资源安全威胁信息定向识别模型的顺利应用。实验结果表明,该模型可将召回率指标控制在既定数值标准之下,能够适当提升威胁信息的识别准确性与全面性,避免了海量资源传输过程信息安全问题的干扰。

摘要：个性化学习是近年来教育领域研究的热点问题。如何对学生进行全面的评价并发现问题,从而制定出符合学生个性特点的教学方案,是研究个性化学习过程中必须解决的问题。传统的网络教育平台虽然打破了学生学习的时空限制,使学生能够充分利用网络资源。但是在实践中发现,传统的教育平台并没有真正实现学生的个性化学习。本文通过分析自适应学习系统通用参考模型,了解各部分之间的特点,并探究如何将自适应学习系统应用于传统的网络教学中,以实现学生的个性化学习,为我们的教学应用提供理论参考。

摘要：大数据技术的影响下,针对现在已有个性化学习评价模型的问题,通过面向大数据的学习行为教育建设的理论分析与设计,在实际网络教育活动中数据分析的学习评价体系的建设中,实现准确高效的学习绩效评价模型。

摘要：个性化和自适应学习系统是教育大数据应用服务的主要阵地,自适应学习系统能够采集学习过程中的行为数据,并对学生的学习兴趣、知识水平、学习风格、学习进度等做出分析和预测,以提供个性化的学习服务。近年来被学术界和企业界所广泛认可的典型自适应学习平台——牛顿平台(Knewton Platform)正逐步兴起,文章从自适应原理、核心技术、自适应服务三个方面对牛顿平台进行了剖析,以期能够为教育大数据分析研究人员和自适应学习平台设计者提供理论参考和技术借鉴。

摘要：针对运动场景拍摄的图像出现不均匀模糊现象,导致工业环境下的机器视觉任务处理效率低下的问题,提出一种基于多权自适应交互的运动模糊图像复原算法.首先,采用多策略特征提取模块,从模糊图像中提取出浅层和关键的纹理信息并平滑噪声,同时构建残差语义块,深入挖掘图像的深层语义信息.然后,提出双通道自适应权重提取模块,从退化图像中捕获空间及像素的权重信息,并逐步将这些信息补偿到网络中.最后,设计出一种权重特征融合模块,融合网络所提取的多空间权重特征,并结合多项损失函数,进一步改善图像质量.所提算法在标准数据集下的主客观及消融实验结果显示,在标准数据集下的SSIM(结构相似性)和PSNR(峰值信噪比)指标分别达到0.93和31.89,各模块可以较好协调,在复原运动场景下的非均匀模糊图像方面具有显著优势.