發(fā)布時間：2025-01-14 02:23

　　 將認知診斷和自適應學習相結合,利用認知診斷方法先診斷學習者對知識的掌握情況,然后依據(jù)遺傳算法和多島遺傳算法為每個學習者智能化提供合適的學習材料,提出了基于認知診斷框架下的自適應學習材料智能推送算法.通過Monte Carlo模擬實驗考察了新算法的科學性及其效果,研究結果表明:(i)基于認知診斷框架下的自適應學習材料智能推送算法具有較理想的效果;(ii)遺傳算法和多島遺傳算法選取的學習材料具有低懲罰函數(shù)值和高學習材料匹配的正確率;(iii)遺傳算法和多島遺傳算法選取的材料比隨機算法更加適合學習者.

【文章頁數(shù)】：8 頁

【部分圖文】：

圖6 第5組的平均懲罰函數(shù)值的變化曲線

圖5第4組的平均懲罰函數(shù)值的變化曲線圖7第6組的平均懲罰函數(shù)值的變化曲線

圖7 第6組的平均懲罰函數(shù)值的變化曲線

圖6第5組的平均懲罰函數(shù)值的變化曲線3結論與討論

圖2 第1組的平均懲罰函數(shù)值的變化曲線

在圖2～圖7中,橫軸是迭代的次數(shù),縱軸是平均懲罰函數(shù)值.由圖2～圖7可知:(i)在設置迭代次數(shù)最高為100時,遺傳算法和多島遺傳算法在6種情況下均會收斂,這說明2種算法是可行的.(ii)無論在迭代次數(shù)為多少時,隨機算法的平均懲罰函數(shù)值均高于遺傳算法和多島遺傳算法.這說明使用遺傳算....

圖5 第4組的平均懲罰函數(shù)值的變化曲線

圖4第3組的平均懲罰函數(shù)值的變化曲線圖6第5組的平均懲罰函數(shù)值的變化曲線

本文編號：4026264