E-Learning背景下基于深度学习CNN算法的“导学激趣”ACT-R模式研究

摘要

＂ACT-R＂是一种类似OAR架构的网状结构认知模式,又叫做推理思维的自适应控制模型,它能在储存知识时按照情境的＂模块＂进行组装。模块化方式能帮助学习者快速分析问题,增加知识的数量,评价核心问题,提升认知深度,创新问题结构,促进知识迁移。在＂导学激趣＂ACT-R模式上运用深度学习CNN算法,使教者苦教与受教者苦学的状况得以改变。目前,深度学习算法运用比较成功的是CNN卷积神经网络算法,在＂导学激趣＂ACT-R模式过程中引入CNN,能在激发学习者学习兴趣的同时,增强学习的自信心,有助于促进学习的深入,学习者的思维也能得到启迪,潜能得到开发,有助于学习者发展自身的个性品质。本项目基于E-Learning时代背景,从深度学习的角度出发,探索研究＂导学激趣＂ACT-R模式的基本思路,帮助学习者捕获感知、行为和思想,组织生活语言情景产生智能行为,用以仿真并理解人的认知。