学生模型

摘要： 网络课程C语言编程学习中,师生互动性差、教学效率低,学生难以凭借自身能力解决编程中常见的代码缺陷问题.为了更好帮助学生解决学习中的难题,辅助老师达到教学目的,研究一款代码缺陷检测辅助学生编程实践系统.该系统首先对易犯的代码缺陷分类,分析编译器不易检测的语法、词法和语义缺陷;然后构建智能分析器,集成多种检测工具,在系统中存储知识规则集合并扩展常见代码缺陷抽象模式;最后检测代码并给出错误报告和修改意见,通过配合学生模型辅助学生编程学习.实验结果表明:该系统能成功检测出常见代码缺陷并辅助学生编程实践.

摘要： 新冠肺炎以来,肺部疾病引起了人们更大的关注.肺音的特征与诊断是肺病理学中重要的组成部分.现有的肺音分析工作主要是对肺音的类型进行分类,分类肺病的研究较少.另外,单个分类模型无法在保护隐私的前提下融合多方数据,复杂的模型也难以保证分类的实时性.针对这些问题,本文提出集成知识蒸馏的肺疾病分类模型.首先从肺音音频中提取梅尔频谱特征,然后建立多个二分类卷积神经网络模型作为教师模型,最后通过集成知识蒸馏技术,将多个教师模型的知识集成到一个精简的多分类学生模型上.实验表明,该模型能够在预测准确率达95％的情况下,参数量比教师模型减少79％,预测速度提升20％.在同等条件下,时耗仅有MobileNet–v3–small模型的6％,实现实时性肺疾病分析.

摘要： 为提高学生学习积极性,对《自动控制原理》游戏化学习进行研究,基于现代信息技术自主研发《自动控制原理》闯关游戏软件并将其应用于课程学习中.在闯关游戏软件中把专业术语与基础理论知识在内的各部分内容按课程知识点与难度系数由低至高分别设置不同关卡,学生通过人脸识别进行身份验证,待验证通过后可根据自己目前闯关与排行榜情况,自主选择继续闯关或者重新闯关,实现游戏化学习和挑战度由低至高的阶梯化学习路线,有利于帮助授课教师及时、科学、合理地更新学生模型.

摘要： 智能导学系统是借助人工智能技术让计算机扮演虚拟导师向学习者传授知识,提供学习指导的适应性学习支持系统,已经广泛应用于美国的教育领域,在促进学生个性化学习方面发挥了重要的作用.本文首先分析了智能导学系统的定义与发展历程,进而从脚本知识库、学生模型、教师模型、交互模块4个方面分析了智能导学系统的组成,最后从情感感知、诊断控制、语义分析、动态交互4个方面分析了智能教学系统的未来发展方向.

摘要： 为提高学生学习积极性,对《自动控制原理》游戏化学习进行研究,基于现代信息技术自主研发《自动控制原理》闯关游戏软件并将其应用于课程学习中。在闯关游戏软件中把专业术语与基础理论知识在内的各部分内容按课程知识点与难度系数由低至高分别设置不同关卡,学生通过人脸识别进行身份验证,待验证通过后可根据自己目前闯关与排行榜情况,自主选择继续闯关或者重新闯关,实现游戏化学习和挑战度由低至高的阶梯化学习路线,有利于帮助授课教师及时、科学、合理地更新学生模型。

摘要： 新一代人工智能技术的突破性进展为教育领域带来深刻变革.智能导师系统是人工智能技术在教育教学实践活动中的典型应用.面对席卷全球的新冠疫情,智能导师系统为在线教学提供了个性化的学习支持服务,成为维持教育体系正常秩序的技术保障,是当前教育领域研究热点之一.阐述了智能导师系统的体系结构,结合当前ITS的研究进展与典型应用系统,深入分析了领域模型、学生模型和教师模型所使用的理论、方法与技术,研究三者之间关系的本质,指出以AI技术为基础的自动化测评研究可能是未来智能导师系统的突破口.

摘要： 新一代人工智能技术的突破性进展为教育领域带来深刻变革。智能导师系统是人工智能技术在教育教学实践活动中的典型应用。面对席卷全球的新冠疫情,智能导师系统为在线教学提供了个性化的学习支持服务,成为维持教育体系正常秩序的技术保障,是当前教育领域研究热点之一。阐述了智能导师系统的体系结构,结合当前ITS的研究进展与典型应用系统,深入分析了领域模型、学生模型和教师模型所使用的理论、方法与技术,研究三者之间关系的本质,指出以AI技术为基础的自动化测评研究可能是未来智能导师系统的突破口。

摘要： 教育信息化的不断推进和在线教育的蓬勃发展产生了海量的教育数据,如何挖掘和分析教育大数据成为了教育领域和大数据知识工程领域亟待解决的问题.认知跟踪模型通过获取学生作答习题的得分表现,追踪学生随时间变化的认知状态,从而预测学生在未来时间的作答表现.对教育大数据中认知跟踪模型进行了回顾、分析和展望.首先从模型的原理、步骤和方法等维度详细介绍了认知跟踪模型,包括基于贝叶斯方法和深度学习方法2类认知跟踪模型.同时,从学生作答表现预测、认知状态评估、心理因素分析、习题序列分析和编程练习5个方面阐述认知跟踪模型的应用情景.最后,以经典的贝叶斯认知跟踪模型和深度认知跟踪模型为例分析了2类模型的优缺点,并探讨和展望认知跟踪模型未来可能的研究方向.

摘要： 小学数学课程教学中对学生数学模型思想的培养,在具体教学过程中也取得很好的效果,对小学数学课程教学目标和完成和教学内容的优化产生了有利的影响。作者在本文中就当前小学数学课程教学中,如何培养学生的数学模型思想提出了自己的想法,希望能在以后的小学数学课程教学中更好地培养学生具有数学模型思想,为打造高质量的小学数学课堂教学奠定良好的基础。

摘要： 自适应学习技术在2015年的地平线报告中被认为将在未来3-5年广泛应用于教育领域.目前,自适应学习系统已显露出其个性化的优势.学生模型是自适应学习系统中最为重要的部分.本文对常见的学生模型进行梳理、分析.最后对大数据背景下的学生模型的构建提出几点期许.

摘要： 本文依据认知型学生模型，构建了一个的智能导师系统的学生模型，自动诊断学生认知能力，使不同层次的学生得到深度不同的答案、水平合适的知识与技能训练，激发学习兴趣、从而实现个性化的教学评价。

摘要： 本文依据认知型学生模型,构建了一个智能导师系统的学生模型,自动诊断学生认知能力,使不同层次的学生得到深度不同的答案、水平合适的知识与技能训练,激发学习兴趣、从而实现个性化的教学评价.

摘要： 学生模型的构建方式是基于Web智能教学系统中个性化教学策略的主要研究内容之一,在整个研究过程中起到决定性的作用,只有构建出科学合理的学生模型,才能全面细致地分析学生的学习特点和自身特性,才能制定科学合理的教学策略,才能够有的放矢地实施因材施教,达到个性化教学的目的。

摘要： 学生模型的构建是网络教学系统实现个性化教学的重要前提。初学者的个性化学习如果得不到有力支持，将对教学系统失去信心，甚至放弃使用系统。因此，对初学者建模尤为重要。本文阐述了利用学习者之间的相似性构建初学者学生模型的方法。对学生模型的表示，距离函数的改进，实例库建设，初学者学习状况的预测进行了研究，并给出了实际教学中的实验结果。

摘要： 本文从知识管理的角度出发,利用知识表达工具概念网络(Connet)为智能教学系统OMT(01ympic Math Tutoring)构造知识模型,以"知识树"的形式呈现领域知识的层次和逻辑关系.同时使用覆盖知识树的概率网络建立学生模型,结合习题参数的设计达到解释学生学习行为,为学生提供个性化教学的目的.

摘要： 给出了智能维修训练系统的题库结构,介绍了用于对受训者(学生)的实际操作进行评估的指标体系及方法,并以此为基础建立了相应的学生模型和训练策略.使得此系统具有了类似于人的智能,避免了武断性,提高了训练的科学性和可行度.

摘要： 介绍了工程图学基础智能导师系统GITS学生模型建模方法.此方法利用贝叶斯网络进行长期知识评估,意图识别并进行活动预测.网络模型利用随机采样算法进行实时更新,在学生需要帮助时,GITS的帮助系统利用学生模型定制相应的帮助支持.另外讨论了贝叶斯网络评估模块的实现.

摘要： 学生模型是教学系统对教学对象(即学生)的知识状态的一个抽象刻画,它是智能教学系统中的关键部件之一,直接决定了教学系统能否真正地进行因材施孝.然而人们对在学生模型中究竟应该存放什么信息并没有完整的认识.本文在分析了若干著名的学生模型后提出学生的信念系统这一概念,认为它应该是学生模型中重要的组成部份.本文也将分析学生的信念系统在智能教学中的意义.

摘要： 本文主要研究了智能教学系统中的教学策略,深入探讨了教学策略模型、知识表示和推理机制.教学策略的研究将对智能教学系统的研究起到极大的推动作用.

摘要： 本发明公开了一种基于学生行为分析模型的智慧校园系统和实现方法，所述系统包括若干子系统，通过对所述子系统进行数据收集，将与学生亲密相关的系统数据进行收集，对所收集的数据进行整合处理，形成若干学生信息模块，根据不同的学生信息模块按权重比例进行设置，利用数据挖掘技术对学生行为进行建模，依托模型建立学生行为安全预警系统。本发明通过对大数据的挖掘，分析学生行为特征：知识结构和学习风格组成，找到影响学生成绩的原因，消费习惯、行为习惯突变，管理人员及时干预。同时，通过对学生行为的分析和预测，为老师的教学和管理提供强有力的支持，做到对学生关心到点、育人到位。

摘要： 本发明实施例涉及一种学生绩效评价模型构建方法、评价方法、装置及电子设备。该学生绩效评价模型构建方法包括：获取第一调节指标和调节量表；基于所述第一调节指标和所述调节量表，对预构建的第一预测模型进行训练，获得第二预测模型；根据所述第二预测模型，对所述第一调节指标进行筛选，获取符合预设标准的第二调节指标；根据所述第二调节指标、所述调节量表和预配置的绩效，对预构建的第一绩效评价模型进行训练，获得第二绩效评价模型。通过该方法，提高了训练模型的鲁棒性，且后续有利于对学习者的学习过程进行干预。

摘要： 本发明的目的在于提供一种基于多层次灰色系统评价法的高职学生就业质量评价模型，以解决上述背景技术中提出的问题，其结合层次分析法和灰色评价法对高职学生就业质量作出客观、精准的评价，其特征在于：所述模型包括大学生就业质量评价指标体系，所述体系利用层次分析法确定指标权重、得出评价样本矩阵，再利用灰色评价法确定评价灰类、计算灰色评价系数、计算灰色评价权向量及灰色评价权矩阵、对项目指标作综合评价、对综合指标作综合评价、对大学生就业质量作综合评价。

摘要： 本发明公开了一种混合式教学环境下多模型融合的学生成绩预测方法，包括以下步骤：获取学生的学习行为数据和学生的学习成绩数据；将不同班级学生的基本学习特征数据进行分箱处理；通过皮尔斯相关性系数计算基本学习特征数据与目标特征期末考试成绩之间的线性相关性；将学生特征数据集切分训练集和测试集；选取多项式朴素贝叶斯、AdaBoost和Gradient boosting三个分类模型作为融合模型的第一层初级分类模型，采用逻辑斯蒂回归模型作为融合模型的第二层次级分类模型。本发明提供的一种混合式教学环境下多模型融合的学生成绩预测方法，能够充分利用平台产生的数据对学习行为特征多维度的分析和选择有效特征，准确及时地分析学生的学习状态并进行干预。

摘要： 本实用新型属于航船模型领域，公开了一种中学生用航海船舶综合体模型，包括船壳，船壳内设有起居甲板、货运甲板和船底板，起居甲板连接有首楼甲板、储货架、组合式克令吊、克令吊操作室和客运楼，首楼甲板卡接有指挥台和船锚，客运楼连接有驾驶台甲板，驾驶台甲板连接有驾驶室和阳台护栏，驾驶室连接有顶甲板，顶甲板卡接有观测塔、风向检测仪和带信号灯的信号塔，起居甲板与货运甲板之间设置有第一货舱、集装舱、第二货舱、日用舱和开有窗户的餐厅，船壳外连接有救生船，船壳外连接有逃生舱，货运甲板与船底板之间连接有柴油机组和转动桨。本实用新型解决了现有技术中中学生用航海船舶综合体功能不全面的问题，适用于中学生航海船舶教学。

摘要： 公开了一种基于预训练语言模型的学生模型训练方法和文本分类系统。所述方法包括：构造提示训练样本；使用提示训练样本调整预训练语言模型，得到经提示调整的教师模型；以及使用所述经处理的训练样本训练学生模型，并且在训练过程中所述学生模型同时学习经提示调整的教师模型和原始教师模型输出的分类概率向量。本发明要求学生模型同时从两个教师模型中学习，由此通过增加以无监督数据从原始PLM教师学习的蒸馏途径，缓解小样本场景下学生模型的过拟合问题。进一步，通过知识探针迁移PLM的中间层表示，通过对比学习稳定知识蒸馏的性能，使得学生模型能够从教师模型的中间层表示中学习高阶依赖关系，提升知识蒸馏的准确性和效率。

摘要： 本发明公开了一种基于教师‑学生模型的双步领域自适应的跨用户肌电模式识别方法，包括：1、构建带标签的源域数据集，包括信号采集、滑窗分割、活动段提取、肌电特征图像构建以及动作类别标注；2、构建基于教师‑学生模型的双步领域自适应网络DSDAN；3、新用户接入，构建无标签的目标域数据集；4、对目标特征图像进行动作分类决策；5、对DSDAN网络模型进行双步领域自适应训练和更新。本发明将表面肌电信号转变成肌电特征图像，采用独特的双步训练模式训练双分类器结构的领域自适应网络模型实现跨用户的动作识别，在降低新用户使用负担的同时能快速适应新用户，不断提高动作识别精确度，推动肌电控制技术的推广应用。

摘要： 本发明公开了一种学生模型训练方法、装置、设备及存储介质。该方法包括：在一次迭代周期中，将样本图像分别输入至学生网络和相应的教师网络；其中，学生网络和所述教师网络用于对样本图像进行目标检测；根据样本图像的标签数据和学生网络的预测结果，确定第一损失值，以及根据样本图像的标签数据和教师网络的预测结果，确定第二损失值；根据第一损失值和第二损失值，确定知识蒸馏对学生网络的第一蒸馏作用程度；基于第一蒸馏作用程度，确定学生网络对应的目标学生损失值；根据目标学生损失值调整所述学生网络的网络参数。本发明实施例提高了训练得到的学生模型的检测准确度。

摘要： 一种自动选择学生模型结构的图像识别知识蒸馏方法，涉及知识蒸馏领域。本发明是为了解决现有的图像识别知识蒸馏方法中学生模型结构固定且复杂以及灵活性差，导致了图像识别精度低的问题。本发明包括：将待预测图片数据集输入分类网络中获得图片类别；分类网络获得方式为：利用图片训练集训练深度卷积神经网络，获得训练好的深度卷积神经网络；建立包含多条可选路径的子模型空间：在深度卷积神经网络的每个阶段中，预设深度、卷积通道形式、卷积通道数都不同的“路径”；根据训练好的卷积神经网络与全局目标函数和分阶段目标函数对子模型空间自动选择获得分类网络。本发明用于深度学习模型的压缩。

摘要： 本发明公开了一种基于教师‑学生模型的低剂量SPECT图像去噪方法，其去噪方法采用半监督学习的教师‑学生模型，利用重建算法将SPECT投影数据转换为SPECT图像，由该模型将低剂量SPECT图像去噪，生成接近正常剂量的SPECT图像。该模型利用一致性损失函数，并指导训练该模型，总损失函数收敛后得到去噪后的SPECT图像。在医学图像上通过该模型，能够利用大量无标签数据进行训练。本发明利用大部分的医学图像无标签特性，在低剂量的情况下，利用大量无标签数据，依然能够达到高质量的SPECT图像。