Personalized Learning Behavior Evaluation Method Based on Deep Neural Network

Abstract

In recent years, the research on personalized learning under the background of “Internet +” mainly focuses on the theory, design, and application and there is less research on learning evaluation. As an important means to measure the learning process and results, learning assessment plays an important role in supporting the effectiveness of personalized learning. From the perspective of educational services, how to realize learning evaluation that meets the needs of personalized learning is an important issue to be studied in the field of personalized learning. In this paper, the big data generated by learners on the online learning platform are used as the research target, and according to the level of learners’ learning ability, a deep neural network is established to cluster and group them according to the cognitive thinking method. In order to reduce data redundancy and improve processing efficiency, a deep neural network with five hidden layers is used to extract typical features, so as to obtain more accurate evaluation results. Finally, the neural network model is used to obtain the clustering results of different groups of learning behaviors and the evaluation curves of the five-course knowledge points of learners at different levels. From the experimental results, the proposed personalized evaluation method can effectively analyze the learning differences between learners with different ability levels, and it is basically consistent with the evaluation standards of artificial experts.

Implementasi Personalized Learning Menggunakan Litercy Ict Digital : Sebuah Systematic Literatur Review

“…Dari perspektif layanan pendidikan, bagaimana mewujudkan evaluasi pembelajaran yang memenuhi kebutuhan personalisasi pembelajaran merupakan isu penting untuk dikaji dalam bidang personalisasi pembelajaran. Big data yang dihasilkan oleh peserta didik pada platform pembelajaran online dijadikan target dan sesuai dengan tingkat kemampuan belajar peserta didik, dibangunlah deep neural network untuk mengelompokkan dan mengelompokkannya sesuai dengan metode berpikir kognitif (Tang et al, 2022). Sumber daya digital yang disesuaikan dengan kebutuhan pelajar, atau umpan balik individu terhadap tugas siswa yang dinilai.…”

Adaptive learning System Architecture with Academic Performance Tracking

“…Однако современные подходы к внедрению методов индивидуализации обучения не позволяют выполнять эти работы быстро из-за растянутого во времени этапа сбора данных перед разработкой и длительного периода проверки эффективности внедряемых методов до начала широкомасштабного распространения новой технологии. На практике при реализации систем адаптивного обучения исследователи или выбирают решения, не требующие большого объема накопленных данных, например, как в исследовании Кречетова [4,5], или используются данные тысяч студентов для реализации более сложных алгоритмов с использованием глубокого обучения [6]. Современным развитием преобладающей технологии адаптивного обучения «отслеживание знаний» (knowledge tracing) является «глубокое отслеживание знаний» (deep knowledge tracing) [7], использующее нейронные сети при оценке уровня подготовки обучаемого.…”

“…Результаты частой проверки знаний и данные о характере работы студента в процессе обучения вместе образуют детальный цифровой след обучения [2], который при использовании применительно к отдельному студенту дает возможность повышать эффективность его обучения за счет применения адаптивных технологий [1], а при накоплении данных большого количества студентов служит для обобщения и дальнейшего совершенствования учебных курсов [3]. Наблюдаемое преимущественно экспериментальное распространение адаптивных технологий и ограниченный выбор применяемых технологий вызваны несколькими факторами: большой трудоемкостью разработки учебных материалов [4], высокой сложностью реализации технологии [5,6], длительностью проверки эффективности и организационной сложностью масштабирования использования адаптивных технологий.…”

Risk Assessment of Green Intelligent Building Based on Artificial Intelligence

“…Neural network learning [13][14][15][16][17] is divided into supervised (with a teacher) learning and unsupervised (without a teacher) learning. In this paper, the neural network model is trained by a supervised learning method characterized by the training sample's expected output (one-to-one correspondence with the input) [18][19][20][21].…”