【摘 要】
：
近年来,在线教育的热度日益上升,越来越多的学习者选择通过在线教育平台来随时随地地学习自己需要的知识,同时越来越多的教师也倾向于选择线上线下相结合的方式来进行教学活动。市面上的在线教育平台虽层出不穷,但也存在诸多问题:平台定位不明确,生硬照搬线下的学习资源到线上,而真正对学习者有用的信息少之又少;平台业务功能冗余,且可扩展性较差,在线学习体验不佳;只关注业务而忽略数据,对于用户在在线教育平台上累积的
论文部分内容阅读
近年来,在线教育的热度日益上升,越来越多的学习者选择通过在线教育平台来随时随地地学习自己需要的知识,同时越来越多的教师也倾向于选择线上线下相结合的方式来进行教学活动。市面上的在线教育平台虽层出不穷,但也存在诸多问题:平台定位不明确,生硬照搬线下的学习资源到线上,而真正对学习者有用的信息少之又少;平台业务功能冗余,且可扩展性较差,在线学习体验不佳;只关注业务而忽略数据,对于用户在在线教育平台上累积的大量有价值的学习行为数据,没有采集和充分利用;在线学习资源过多,学习者往往需要花费大量时间和精力来寻找自己需要的在线学习资源,学习效率不高,学习效果不佳。针对上述问题,本文的主要工作和贡献如下:·提出了一套可扩展在线教育平台的设计与实现方法。首先明确本文的研究对象是面向计算机学科的全链路可扩展在线教育平台,然后分析了此类在线教育平台的核心功能性需求与非功能性需求,最后说明了这些核心需求与关键问题的实现与解决方法。对于在线教育平台而言,其可扩展性可以分为以下两个方面来理解:第一,业务系统的可扩展性。这方面的可扩展性主要依赖于单系统微服务架构和多子系统单点登录的实现,以及各子系统业务以在线学习资源的形式构成一门课程有机整体的设计理念;第二,物理资源的可扩展性。这方面的可扩展性主要依赖于应用的完全容器化部署与Kubernetes集群的弹性伸缩机制。·提出了一套优化的在线学习行为数据采集与存储方法。与传统在线教育平台只关注业务而忽略数据不同,本文提出了一套优化的基于xAPI技术的学习行为数据采集与存储方法。相对于传统的xAPI数据采集方法,本文在数据采集层与数据存储层之间创新性地增加了数据服务层,并说明了这套优化的数据采集与存储方法的设计与实现细节。数据服务层提升了数据采集的稳定性与高可用性,实验证明这套优化的学习行为数据采集与存储方法在高并发场景下依然能保持较高的可用性与较低的接口时延,综合表现优于传统的xAPI数据采集与存储方法。·提出了一种数据驱动的高效在线学习资源推荐方法。基于采集与存储的学习行为数据,尤其是学生与在线学习资源的交互数据,本文构建了关于学生-在线学习资源-教师的异质信息网络,并创新性地提出了一种高效的邻域交互增强的在线学习资源推荐方法——NIRec-for-ELR,用以提升学习者的学习效率与体验。通过实验论证了该方法能有效表征异质信息网络中的邻域交互信息,且性能表现优于众多现有方法。另外,本文以华东师范大学数据科学与工程学院自研的在线教育平台——“水杉在线”为实际应用场景,验证了上述可扩展在线教育平台设计与实现方法的可行性,而优化的在线学习行为数据采集与存储方法具有一定的创新性和通用性,在线学习资源推荐方法NIRec-for-ELR性能优秀并可以有效帮助学习者提升学习效率与体验。
其他文献
2018年初《普通高中生物学课程标准（2017年版）》正式公布,新一轮的基础教育课程改革在借鉴国外成功经验的基础上,研制了我国高中生物学课程设计的宗旨——生物学学科核心素养。这样的教育目标体现了国家意志和社会发展对生物学科培育人才的价值需求,也是学生在学习生物学的过程中需要逐步形成的生物学观点、思维方式和解决人类生活问题的技能。如何在将核心素养渗透到课堂教学中,实现新课标的要求和学科的育人价值,是
近年来,闪存存储设备凭借其高性能和低功耗等诸多优势,被广泛应用于个人电脑、服务器、数据中心、移动设备中,是一种非常有前景的存储设备。然而,闪存存储设备拆解和开发难度大、成本高,想要通过真实设备进行学习和研究都非常困难。仿真是一种经济便捷的替代方式,目前学术界已经有多款功能强大的闪存存储设备仿真软件。然而这些仿真软件都是为专业人员设计的,主要用于研究,软件的使用需要建立在熟悉闪存存储设备的基础上,学
环境感知是工程车辆智能化的基础,检测路面的障碍并进行尺寸估计有助于规避潜在的危险,降低事故的风险。基于激光雷达的三维目标检测技术已日渐成熟,然而激光雷达昂贵的价格限制了相关技术在实际工业生产、生活中的落地。针对此问题,论文提出使用常见的单目摄像机替代昂贵的激光雷达。首先通过构建自监督的单目深度估计模型预测深度图,然后将其转换为伪点云,最后基于伪点云实现道路障碍的检测与尺寸估计。针对深度估计和伪点云
伴随着互联网的快速发展,非结构化的文本数据快速增长,如何高效精准地定位关键词,成为了我们探索的一个重要科研方向。作为信息抽取的主要研究方向,关系抽取正在知识图谱、网页搜索等方面发挥着巨大的作用。得益于启发式的远程监督方法,远程监督关系抽取可以在无需人工帮助的情况下自动识别实体对关系。随着机器学习和深度学习的快速发展,关系抽取利用卷积神经网络提高了预测的准确率。尽管如此,现有的模型依然存在以下问题:
近年来,机器翻译技术的快速发展为不同国家人民之间的交流带来了极大的便利。机器翻译指将一种模态的语言表示转化为另一种语言表示,常见的机器翻译技术将源语言的文本或者语音信号翻译成目标语言的文本。但是,由于语言的多样性和语义表达的歧义现象,仅仅依靠单源信息作为输入的神经机器翻译模型常常发生错误翻译。随着多模态学习和相关交叉领域的发展,不仅文本可以和图像信息或者词性信息等知识相结合,不同模态之间的信息互补
在对外汉语教学中,留学生的语言技能培养包括听、说、读、写、译等各方面,最终的教学目的是培养和提高留学生的汉语运用和交际能力,因此,口语教学在对外汉语教学中始终占据着无可替代的地位,尤其进入高级阶段后,对留学生的语篇表达能力提出更高要求。因此,如何有效提高高级口语课堂中留学生的参与度、学习积极性和语篇表达能力成为了目前需要解决的问题。国内已有一些学者借鉴国内外语言课堂的模式,将合作学习引入对外汉语教
神经网络模型通过构造非线性网络结构去捕捉文本中的情感特征,在文本情感分类任务有着不错的表现。但是该类方法有着诸多值得改进的地方。（1）每个模型凭借自身的特点抽取不同的特征,如何设计一个模型去利用这些特点去尽可能多的捕捉情感特征,避免文本信息的浪费值得研究。（2）用户评论往往并非长篇大论,而是简短有力的短文本,如何在较短的文本量下提高情感分析的准确率。（3）如何针对文本中不同的对象进行情感分析,而非
航天航空,医疗机构,汽车电力,化工工厂,银行金融等领域都离不开实时系统的运作,并且这些系统大多为安全攸关系统,它们需要经过严格的建模、分析和验证才能保证系统的正常工作。对嵌入式实时系统来说,其会受到外界条件的影响从而发生不确定的行为,例如任务执行时间发生改变以及周期任务会产生偏移和抖动。因此对这些系统进行建模与验证时是需要考虑这些因素的。本文提出一种基于任务的对实时系统中不确定行为进行建模与验证的
随着进入新的学习阶段,学习任务数量和难度增加,越来越多的中小学生学习适应不良,严重者成绩下滑,甚至产生厌学心理。对学习适应性的测量是一项重要工作,它能科学评估学生在学习各方面的适应情况,进而发挥学生的学习潜力、提升学习效果。本研究目标是编制一个学习适应针对性强、契合学习适应定义、测查内容全面的中小学生学习适应量表。研究主要包括四方面内容:第一,学习适应相关概念、工具和研究的梳理。这将为本研究的问题