大数据视域下思政课教育教学过程中的深度学习知识追踪研究  

作　　者：王全蕊[1] 任建京 韩菲 谢鹏超 钦佳燕 

机构地区：[1]河南科技学院计算机科学与技术学院

出　　处：《互联网周刊》2023年第20期27-29,共3页China Internet Week

基　　金：2023年河南省科技攻关项目:教育大数据视域下基于学习反馈自适应的知识图谱构建(编号:232102211083);河南科技学院2023年教师教育课程改革研究项目:基于智慧教育理念的中学线上线下混合式校本课程开发与实践研究(编号:2023JSJY10);河南科技学院2023年第一批教育教学改革研究与实践项目:智慧教育趋向下的融合式教学实践研究——以《操作系统》课程为例(编号:2023YG04)。

摘　　要：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。

关 键 词：大数据 思政教育 深度学习 知识追踪 

分 类 号：G63[文化科学—教育学]