zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Luận Văn - Báo Cáo

» Báo cáo khoa học

Báo cáo "Phân loại đối tượng học để cải tiến chất lượng hco tập trong đào tạo điện tử "

Chia sẻ: Phạm Huy | Ngày: | Loại File: PDF | Số trang:3

Báo xấu

98
lượt xem 6
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tổng quan về phân loại đối tượng học tập trong đào tạo điện tử. Trình bày những lý thuyết cơ bản về logic mờ, mạng nơ ron nhân tạo, cung cấp cách nhìn tổng quát nhất về quá trình làm mờ hóa, suy diễn, giải mờ và quá trình huấn luyện mạng nơ ron nhân tạo. Áp dụng lý thuyết về logic mờ và mạng nơ ron cho bài toán phân loại đối tượng học tập, các bước thực hiện. Giới thiệu về chương trình cài đặt và tập trung thử nghiệm việc phân loại cho bộ dữ liệu gồm...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Báo cáo "Phân loại đối tượng học để cải tiến chất lượng hco tập trong đào tạo điện tử "

Phân loại đối tượng học để cải tiến chất lượng hco tập trong đào tạo điện tử Nguyễn Ánh Nguyệt Trường Đại học Công nghệ Luận văn Thạc sĩ ngành: Công nghệ phần mềm; Mã số: 60 48 10 Người hướng dẫn: TS. Nguyễn Văn Vinh Năm bảo vệ: 2011 Abstract: Tổng quan về phân loại đối tượng học tập trong đào tạo điện tử. Trình bày những lý thuyết cơ bản về logic mờ, mạng nơ ron nhân tạo, cung cấp cách nhìn tổng quát nhất về quá trình làm mờ hóa, suy diễn, giải mờ và quá trình huấn luyện mạng nơ ron nhân tạo. Áp dụng lý thuyết về logic mờ và mạng nơ ron cho bài toán phân loại đối tượng học tập, các bước thực hiện. Giới thiệu về chương trình cài đặt và tập trung thử nghiệm việc phân loại cho bộ dữ liệu gồm 200 mẫu, từ đó đánh giá được khả năng ứng dụng của phương pháp kết hợp logic mờ - mạng nơ ron cho việc phân loại đối tượng người học. Keywords: Công nghệ phần mềm; Chất lượng học tập; Đào tạo điện tử; Công nghệ thông tin Content Với sự phát triển vượt bậc của ngành công nghệ thông tin, học tập điện tử đóng vai trò quan trọng trong giáo dục trong thế giới ngày nay. Việc dạy học hiện nay đặt người học làm trung tâm, ví dụ như đào tạo tín chỉ [4]. Chỉ cần có máy tính và mạng Internet, người học giờ đây có thể theo học ở các khóa học trực tuyến ở bất kì đâu, và bất kì thời điểm nào. Làm sao việc học tập trên mạng có thể tối ưu nhất, gần gũi với khóa học thực tế nhất và giúp cho người học tiếp thu kiến thức hiệu quả nhất, đó cũng là một trong những vấn đề mà hiện nay đang được quan tâm, nghiên cứu. Mặc khác, mỗi học sinh có phong cách học tập riêng của mình, và hiệu suất học tập của mỗi học sinh không thể chỉ đánh giá đơn giản qua việc xem xét số lượng câu trả lời đúng và sai. Vì vậy, các chiến lược giảng dạy được phát triển bằng cách nghiên cứu vấn đề này. Hơn nữa, quan sát việc giảng dạy của giáo viên, chúng ta có thể thấy, mỗi giáo viên đều có chiến lược giảng dạy của riêng mình và áp dụng cách thức dạy học cho từng học sinh trong lớp khác nhau. Ví dụ, với học sinh giỏi, và có ý thức học tập tốt, giáo viên không cần phải giải thích nhiều về những phần lý thuyết cơ bản mà để những học sinh này tự nghiên cứu, sau đó trình bày lại trên lớp, và đưa ra nhiều bài tập nâng cao nhằm giúp học sinh có thể phát huy được khả năng của mình, nâng cao kiến thức. Còn với học sinh có trình độ học kém, giáo viên lại phải có cách thức tiếp cận khác như trình bày kĩ hơn về lý thuyết, đưa ra từng bước giải thích chi tiết.
Vì vậy, tạo ra các khóa học thích nghi để làm sao có thể thích ứng với nhu cầu học tập của từng người học là vấn đề đang được quan tâm nghiên cứu hiện nay. Với khuôn khổ của luận văn này, chúng tôi tập trung vào việc tìm hiểu cách thức phân loại đối tượng học tập nhằm mục tiêu đưa ra dự đoán về đặc điểm học tập của người học dựa trên việc bắt chước kinh nghiệm của giáo viên để đưa ra các quyết định sư phạm thích ứng cho từng người học. . Hiện nay có nhiều phương pháp phân loại tự động, như mạng Bayes, khai phá dữ liệu, …mô hình mờ dựa trên mạng nơron được trình bày trong luận văn này là một phương pháp nhằm mục đích bắt chước thủ tục thu được kiến thức của giáo viên trong việc đánh giá các đặc điểm học tập của người học, chẳng hạn như khả năng, thái độ, trình độ kiến thức, động lực và phong cách học tập. Logic mờ được sử dụng để cung cấp một cách thức suy luận chất lượng, gần gũi hơn với quyết định của giáo viên vì nó xử lý không chính xác và sự mơ hồ bằng cách kết hợp các mối quan hệ mờ và các thực tế mờ, trong khi mạng nơ ron cung cấp một cách thuận tiện để đạt được khả năng thích nghi của quá trình chẩn đoán cho lập luận và đánh giá chủ quan của giáo viên. Như vậy, kết hợp logic mờ và mạng nơ ron giúp hệ thống mã hóa cả kiến thức có cấu trúc và không có cấu trúc, ví dụ như các luật mờ và việc học tập từ các ví dụ tương ứng. Nội dung chính của luận văn được tổ chức thành 4 chương có nội dung được mô tả như dưới đây. Chương 1: Trình bày tổng quan về phân loại đối tượng học tập trong đào tạo điện tử. Chương này nêu ra các phương pháp phân loại đối tượng, ưu, nhược điểm của từng phương pháp. Chương 2: Tổng quan về logic mờ, mạng nơ ron. Chương này trình bày những lý thuyết cơ bản về logic mờ, mạng nơ ron nhân tạo, cung cấp cách nhìn tổng quát nhất về quá trình làm mờ hóa, suy diễn, giải mờ và quá trình huấn luyện mạng nơ ron nhân tạo. Chương 3: Áp dụng mạng nơ ron và logic mờ cho việc phân loại người học. Chương này tập trung vào việc áp dụng lý thuyết về logic mờ và mạng nơ ron cho bài toán phân loại đối tượng học tập, các bước thực hiện. Chương 4: Cài đặt chương trình và thử nghiệm. Chương này giới thiệu về chương trình cài đặt và tập trung thử nghiệm việc phân loại cho bộ dữ liệu gồm 200 mẫu, từ đó đánh giá được khả năng ứng dụng của phương pháp kết hợp logic mờ - mạng nơ ron cho việc phân loại đối tượng người học. Phần kết luận tổng kết những kết quả đã đạt được của luận văn và hướng phát triển nghiên cứu tiếp theo. References Tiếng việt [1] Nguyễn Việt Anh (2009), Một mô hình tạo khóa học thích nghi trong đào tạo điện tử, luận án tiến sỹ, Đại học Công Nghệ, ĐH Quốc Gia Hà Nội. 2
[2] Nguyễn Cát Hồ, Lý thuyết tập mờ và công nghệ tính toán mềm, Hệ mờ, mạng nơron và ứng dụng, NXB khoa học kỹ thuật 2001. Tiếng Anh [3] Stathacopoulou, Regina; Magoulas, George D.; Neuro-Grigoriadou, Maria and Smarakou, Maria (2005). Fuzzy knowledge processing in intelligent learning environments for improved student diagnosis. Information Sciences [4] Stathacopoulou, Regina; Magoulas, George D.; Grigoriadou, Maria and Samarakou, Maria (2005) Neuro-fuzzy knowledge processing in intelligent learning environments for improved student diagnosis, Information Sciences [5] A. B. Arons, A guide to introductory physics teaching. Washington, John Wiley and Sons Inc, 1990. [6] J[26]A. Jameson, Numerical Uncertainty Management in User and Student Modeling: An Overview of Systems and Issues, User Modeling and User-Adapted Interaction 5 (1996) 193- 251, available on-line: http://www.w5.cs.uni-sb.de/amp/home-page.html, accessed at 20/01/2001. [7] J. J. Beshuizen, E. T. Stoutjesdijk, Study strategies in a computer assisted study environment, Learning and Instruction (1999). [8] J. Biggs, The Study Process Questionnaire (SPQ) Manual, Australian Council for Educational Research, Melbourne, 1987. [9] J. Biggs, Student approaches to learning and studying, Australian Council for Educational Research, Hawthorn Victoria, 1987. [10] J. S. Brown, A. Collins, P. Duguid, Situated cognition and the culture of learning, Educational researcher (1989). 3

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.26: Bộ 320 Luận Văn Thạc Sĩ Y Học

320 tài liệu

1247 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.