發(fā)布時(shí)間：2024-06-05 23:39

　　隨著學(xué)習(xí)云空間應(yīng)用的不斷深入,海量過(guò)程性數(shù)據(jù)與富媒體資源使其呈現(xiàn)為典型大數(shù)據(jù)特征環(huán)境。文章對(duì)學(xué)習(xí)云空間的大數(shù)據(jù)特征、分析方法及其帶來(lái)的機(jī)遇進(jìn)行了深入的分析,并依據(jù)學(xué)習(xí)云空間傳統(tǒng)數(shù)據(jù)及其過(guò)程性數(shù)據(jù)提出一種學(xué)情預(yù)測(cè)模型及其實(shí)現(xiàn)方法。在模型構(gòu)建過(guò)程中,通過(guò)計(jì)算各學(xué)情因素的Gini增益,實(shí)現(xiàn)學(xué)習(xí)效果影響程度的判別,并提出改進(jìn)的并行隨機(jī)森林算法,以世界大學(xué)城系統(tǒng)平臺(tái)為支撐進(jìn)行學(xué)習(xí)預(yù)測(cè)與效果檢驗(yàn)。結(jié)果表明,該方法較為有效地實(shí)現(xiàn)了大數(shù)據(jù)環(huán)境下學(xué)習(xí)云空間的學(xué)情預(yù)測(cè),并為學(xué)習(xí)云空間中基于大數(shù)據(jù)技術(shù)的智能服務(wù)提供了一種可行的參考方案。

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
一、引言
二、學(xué)習(xí)云空間中的教育大數(shù)據(jù)概況
    (一) 學(xué)習(xí)云空間形態(tài)及其大數(shù)據(jù)特征
        1. 傳統(tǒng)B/S架構(gòu)或?qū)Ｓ密浖螒B(tài)
        2. 基于App或移動(dòng)網(wǎng)頁(yè)形態(tài)
    (二) 面向?qū)W習(xí)云空間的大數(shù)據(jù)分析方法
    (三) 教育大數(shù)據(jù)分析對(duì)學(xué)習(xí)云空間帶來(lái)的機(jī)遇
三、網(wǎng)絡(luò)學(xué)習(xí)空間中的學(xué)情因素量化與影響程度判別
    (一) 相關(guān)假設(shè)與空間學(xué)情因素選擇
    (二) 學(xué)習(xí)云空間學(xué)情因素量化
    (三) 基于Gini指數(shù)的學(xué)習(xí)云空間學(xué)習(xí)效果影響因素識(shí)別
四、基于大數(shù)據(jù)技術(shù)的學(xué)習(xí)云空間學(xué)情預(yù)測(cè)模型及其實(shí)現(xiàn)方法
    (一) 基于大數(shù)據(jù)技術(shù)的學(xué)習(xí)云空間學(xué)情預(yù)測(cè)模型構(gòu)建
    (二) 基于并行隨機(jī)森林的學(xué)情預(yù)測(cè)實(shí)現(xiàn)方法
        1. 學(xué)情預(yù)測(cè)模型樣本選擇
        2. 并行隨機(jī)森林構(gòu)建算法
        3. 學(xué)情預(yù)測(cè)結(jié)果投票機(jī)制
五、實(shí)驗(yàn)與分析
    (一) 實(shí)驗(yàn)準(zhǔn)備
    (二) 預(yù)測(cè)模型檢驗(yàn)結(jié)果及其分析
        1. 實(shí)驗(yàn)一:基于Gini增益的各學(xué)情因素對(duì)學(xué)習(xí)效果的影響程度計(jì)算
        2. 實(shí)驗(yàn)二:不同規(guī)模數(shù)據(jù)量下的OOB Score情況對(duì)比
        3. 實(shí)驗(yàn)三:采用不同節(jié)點(diǎn)或GPU設(shè)備的計(jì)算加速比對(duì)比
    (三) 應(yīng)用效果及其分析
六、結(jié)語(yǔ)



本文編號(hào)：3989976