本研究解决了课程成果(co)与项目成果(po)/项目特定成果(pso)对齐的关键问题,提出了一种基于bert模型的新方法来自动生成课程衔接矩阵(cam)。通过使用迁移学习和可解释人工智能技术,研究展示了该方法在教育成果评估中的高准确性和可解释性,显著提高了课程评估的效率和透明性。
本文提出了一种课程学习框架,利用样本难度的先验知识来发现有效课程。研究表明,顶级课程通常是非单调的,易难过渡课程效果不佳,而在小数据集上表现良好的课程在大数据集上同样有效。该框架优于现有方法。
本研究解决了课程成果(co)与项目成果(po)/项目特定成果(pso)对齐的关键问题,提出了一种基于bert模型的新方法来自动生成课程衔接矩阵(cam)。通过使用迁移学习和可解释人工智能技术,研究展示了该方法在教育成果评估中的高准确性和可解释性,显著提高了课程评估的效率和透明性。
本文提出了一种课程学习框架,利用样本难度的先验知识来发现有效课程。研究表明,顶级课程通常是非单调的,易难过渡课程效果不佳,而在小数据集上表现良好的课程在大数据集上同样有效。该框架优于现有方法。