通过借助深度学习技术对思政课教学过程中学习者进行建模分析，达到知识追踪的目的。考虑到每个学习者的能力和其他外力因素的影响会导致学习者的思政知识水平不一致、输入数据中存在差异性，在深度知识追踪中使用自然聚类算法对学习者的思政知识水平进行动态捕捉和聚类操作，并且在贝叶斯知识追踪模型中引入学习者学习情况分类标签，使得模型在学习过程中重点关注以往特定时间段内的信息，而不是只依靠上一时刻的输出状态，由此提高对学习者思政课知识点掌握程度的预测结果。
科研之友
微信
新浪微博
Facebook
分享链接
