典型文献
基于贝叶斯网络模型的在线学习行为分析
文献摘要：
线上线下结合的教学模式是未来教学的一个趋势,每一个学生的学习行为会直接影响学习结果,因此研究学习者学习行为对学习成绩的影响程度是目前的研究重点.目前常见的评价模型存在可信程度较低、可解释性较弱等问题,本文使用基于证据推理的贝叶斯网络(Bayes?Network,?BN)能够有效地解决这一问题.把方法应用在学习行为分析上,与常用的机器模型和深度学习模型进行比较,表现出更低的误差和更强的可解释性.
文献关键词：
在线教育;贝叶斯网络;学习行为;联合树;可解释性
中图分类号：
作者姓名：
冯广;潘庭锋;伍文燕
作者机构：
广东工业大学 自动化学院, 广东 广州 510006;广东工业大学 计算机学院, 广东 广州 510006;广东工业大学 网络信息与现代教育技术中心, 广东 广州 510006
文献出处：
引用格式：
[1]冯广;潘庭锋;伍文燕-.基于贝叶斯网络模型的在线学习行为分析)[J].广东工业大学学报,2022(03):41-48
A类：
B类：
贝叶斯网络模型,在线学习行为,学习行为分析,线上线下结合,学习结果,学习成绩,可解释性,基于证据,证据推理,Bayes,Network,BN,机器模型,深度学习模型,在线教育,联合树
AB值：
0.313599
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
