【摘 要】
:
随着信息化技术与教育行业的持续深度融合,在线教育正快速进入大众视野,成为教育领域中冉冉升起的一颗新星。相对于传统的课堂学习,在线教育留存大量教育视频,使学习者学习打破了时空限制,视频学习不仅对学习者的学习效果具有较大提升,而且可通过学习者观看视频后在线留下的学习过程数据,精准发现学习过程中存在的问题,并为其提供指导建议,实现因材施教。然而,对于学习者来说,如何快速而精准地掌握教育视频的核心内容,并
论文部分内容阅读
随着信息化技术与教育行业的持续深度融合,在线教育正快速进入大众视野,成为教育领域中冉冉升起的一颗新星。相对于传统的课堂学习,在线教育留存大量教育视频,使学习者学习打破了时空限制,视频学习不仅对学习者的学习效果具有较大提升,而且可通过学习者观看视频后在线留下的学习过程数据,精准发现学习过程中存在的问题,并为其提供指导建议,实现因材施教。然而,对于学习者来说,如何快速而精准地掌握教育视频的核心内容,并找到最需要的讲解视频,是一个亟待解决的问题。因此,本文以教育视频关键帧提取技术为研究对象,结合认知风格理论,对以下几个方面展开研究:1)针对现有视频关键帧提取方法很难对场景过于单一的教育视频进行较好提取关键帧操作的问题,本文提出了一种基于语义分析的教育视频关键帧自动提取模型KFEVSA(Key Frame Extraction of Educational Video based on Semantic Analysis)。教育视频中文字信息较多,因此本模型融合语义文本相似度计算中的TF-IDF算法和感知哈希算法对教育视频中的文本帧和空文本帧进行分别处理。该模型弥补了传统算法中只考虑图片底层特征提取关键帧的不足,可大大提高教育视频关键帧提取的准确性。另外,在判断文本相似性时,提出利用动态阈值替代静态阈值的思想,减少了关键帧冗余。2)提出一种基于认知风格的教育视频自动分类模型EV-AC(Educational Videos in Automatic Classification),以提高学习者查找合适教育资源的效率。该模型结合认知风格理论,对教育视频关键帧进行文本特征提取、图像特征提取及视频音频特征提取,并利用K最近邻(K-Nearest Neighbor,KNN)分类算法将视频资料按照所属认知风格类型分类。利用EV-AC模型,可大大简化视频资料分类过程,对于减少视频检索时间,改善学习者学习效果具有重要意义。3)提出一种基于动态测评数据的学生学习掌握情况分析算法ASLM-DAD(Analyzing Student Learning Mastery based on Dynamic Assessment Data),以判断学习者的视频学习效果。针对现有评判学习者掌握程度指标单一、效果不准确的局限性,ASLM-DAD算法充分考虑学习者的动态测评过程数据(例如答案正确性、答案修改次数、正确答案的选择次数在修改路径中占比、答题平均有效时间等)。该算法精准性更高,可真实反映学习者对知识点的详细掌握情况,从而为授课教师给出明确的指导建议提供参考。4)基于以上研究,本文结合海量教育视频和动态测评数据设计了一款教育视频关键帧提取、分类及测评分析原型系统。并在系统中进行了教育视频关键帧提取实验、基于认知风格的教育视频分类实验和动态测评数据分析实验,实验表明该系统可较好的展示实验结果,为学习者更好的学习提供良好支持。
其他文献
为使蓄电池支架在轻量化的基础上能够满足汽车各工况下强度性能及要求,采用折衷规划法进行多目标拓扑优化,通过灰色关联分析法确定子目标的权重系数。首先在原始电池支架模型结构基础上,考虑实际装配和功能,建立了蓄电池支架初始拓扑优化模型;然后对其进行多工况和综合频率优化,并通过灰色关联分析法确定子目标函数的权重,运用折衷规划法进行多目标拓扑优化。最终得到的新模型质量比原模型降低10.9%,低阶频率及刚度有较
随着互联网的快速发展,人们会接触到大量的媒体信息,这些信息使人们的生活变得更加丰富有趣。同时,随着社交媒体平台的不断发展,视频的数量也呈爆炸式增长,不同的视频内容被人们记住的程度不同,令人印象深刻的视频内容具有很高的研究价值。因此,视频可记忆性的研究受到工业界和学术界的广泛关注。视频可记忆性是衡量视频片段被人们记住的程度性指标。研究者通常用视频记忆分数来量化可记忆性,即视频片段被人们普遍记住的概率
图像超分辨率是一种能够有效提高图像分辨率的技术,它从模糊的低分辨率图像重建细节更清晰的高分辨率图像。作为计算机视觉任务中图像处理的一项关键技术,图像超分辨率一直受到研究者们的广泛关注。同时,图像超分辨技术在语义分割、模式识别等应用领域具有重要价值,也可以改善人们的视觉体验。基于深度学习的图像超分辨率方法因生成图像质量较高,逐渐成为图像超分辨率领域的热点。虽然基于深度学习的图像超分辨率算法已经取得了
地理空间能力包括学生感知、定位、想象、比较、综合分析地理空间的能力,是地理核心素养培养的关键,地理空间能力的培养离不开现代空间技术的辅助。“3S”技术从多维视角展现地理事物的空间联系,在高中生地理空间能力的培养中具有显著优势,是现代化地理教学中不可或缺的技术手段。本文针对“‘3S’技术辅助高中地理教学”存在的问题,结合高中地理教材,从理论与实践层面探讨了提高“3S”技术辅助高中生地理空间能力培养的
车联网(Internet of Vehicle,Io V)技术的快速发展,催生了大量计算密集型和时延敏感型等新兴车载应用,车辆终端有限的计算资源难以满足新兴应用对时延和能耗的要求。而传统的基于移动云计算的任务卸载存在传输任务耗时较长、传输干扰波动较大的缺陷。基于移动边缘计算(Mobile Edge Computing,MEC)的车联网,即车辆边缘计算(Vehicular Edge Computin
随着车载自组网和移动定位技术的快速发展,基于位置的服务(Location Based Services,LBS)得到了广泛应用,例如兴趣点(Points of Interest,POIs)查询、社交网络服务和交通密度监测等。其中,交通密度监测作为了解道路交通状况的一种重要方式,在日常生活中为人们的出行带来了诸多便利。目前,对车辆的实时位置数据进行收集、处理和分析是最普遍的交通密度监测方法,但由于车
线性控制理论在早期工业平台中扮演着重要的角色,它能控制线性系统达到一个稳定的状态,或使线性系统的输出达到规定的性能。当今社会,许多实际物理模型都能被建模成具有未知控制增益的非线性系统,比如航天系统、机器人系统等。然而,先前的线性控制方法无法针对非线性系统进行控制设计和稳定性分析,这给相关控制器的设计带来了严峻的挑战。随着智能信息处理及科学技术的高速发展,对具有不确定、非线性及外部随机扰动等特性的系
随着信息技术的快速发展,高维特征可以为客观世界提供更全面的描述,但同时也带来了相当大的计算负担和较高的存储成本,因此通过将数据原始特征投影到能保留原始信息的低维空间中的降维方法引起了研究者们的广泛关注。根据标签的使用情况,降维方法大致分为有监督、无监督和半监督三种,其中,半监督降维综合利用标记数据和无标记数据实现降维过程,其兼具有监督和无监督方法的优势。作为一种有效的半监督降维方法,基于图的半监督
多视图(Multi-view)数据是指来自不同渠道或者以多种模式来描述的数据。多视图数据包含的事物信息既多样又统一,可以帮助人们更全面地了解事物,因此利用多视图数据的特性来提高聚类任务的性能是十分必要的。多视图聚类的目的是利用多个视图的特征将数据样本划分到不同的组中,使每组内的样本比其他组的样本具有更高的相似性。近年来,多视图聚类受到了广泛的关注,虽然以往的多视图聚类模型取得了很大的成功,但仍存在
随着互联网技术的快速发展和云计算技术的广泛应用,对大数据的各种应用渗透到人们生活的方方面面。这些应用使人们的生活更加便捷,但同时大量有价值的、敏感的私有信息被不断挖掘,人们的隐私受到威胁。安全多方计算可以解决在分布式场景下互不信任的数据拥有者如何安全协同计算的问题。利用安全多方计算技术,人们不仅实现了数据的联合计算,还保证了数据的隐私性。在诸多数据应用场景中,不同参与方持有的隐私数据通常可以用集合