| 深度学习支持下多模态学习行为可解释性分析研究 |
| |
| 引用本文： | 胡钦太,伍文燕,冯广,潘庭锋,邱凯星.深度学习支持下多模态学习行为可解释性分析研究[J].电化教育研究,2021,42(11):77-83. |
| |
| 作者姓名： | 胡钦太 伍文燕 冯广 潘庭锋 邱凯星 |
| |
| 作者单位： | 广东工业大学计算机学院,广东广州 510006 |
| |
| 摘 要： | 当前,学习行为分析已成为研究热点.基于大数据技术挖掘学生的学习行为特征,能为学习过程的改善、学习评价的优化提供重要依据.然而,现有研究却存在分析数据类型单一、实时性不强、结果准确度不高、缺乏可解释性等问题.文章从利用深度学习算法进行多模态学习分析入手,采用HDRBM(Hybrid Deep Restricted Boltzmann Machine,深度混合判别受限玻尔兹曼机)神经网络模型,建立多模态学习分析模型,为教育技术领域中利用多模态大数据挖掘学习者行为特征提供了新范式;接着从可解释性分析的角度,阐述利用深度学习算法进行多模态学习行为分析的算法设计与实现过程;通过实验表明,研究中所采用的方法与技术路线对提高学习行为分析的可解释性有较好成效.
|
| 关 键 词： | 深度学习 多模态 学习行为分析 可解释性 |
A study on Interpretable Analysis of Multimodal Learning Behavior Supported by Deep Learning Learning |
| |
| HU Qintai,WU Wenyan,FENG Guang,PAN Tingfeng,QIU Kaixing.A study on Interpretable Analysis of Multimodal Learning Behavior Supported by Deep Learning Learning[J].E-education Research,2021,42(11):77-83. |
| |
| Authors: | HU Qintai WU Wenyan FENG Guang PAN Tingfeng QIU Kaixing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
