通过深度学习优化游戏改进和数据分析模型,用于幼儿教育专业的深度学习
Yu Zhao1, WenWen Gao2, ShanShan Ku3
1Department of Preschool Education, Nanyang Vocational College of Agriculture, Nanyang City, 473000, China. 1811000224@mail.sit.edu.cn.
Scientific reports
|November 21, 2023
概括
本研究介绍了一种深度学习 (DL) 模型,以增强幼儿教育 (ECE) 游戏和数据分析. DL-CNN GIADA模型显著提高了ECE专业的数据分析准确性.
科学领域:
- 教育技术的教育技术
- 教育中的人工智能
- 幼儿教育 儿童早期教育
背景情况:
- 教育在经济上日益重要,需要制定持续繁荣和提高标准的战略.
- 幼儿教育 (ECE) 需要创新的方法来提高教学质量和专业发展.
研究的目的:
- 通过深度学习 (DL) 在ECE中引入一种增强游戏和优化数据分析的模型.
- 为了提高教学质量和专业效率,ECE专业.
主要方法:
- 检查了DL技术在ECE中的集成和基础.
- 开发了基于DL的ECE游戏的设计理念.
- 概述了游戏改进和数据分析 (GIADA) 模型,集成DL和卷积神经网络 (CNN).
主要成果:
- 在DL-CNN GIADA模型中,四个数据集的数据分析准确度在83%至93%之间.
- 卷积神经网络 (CNN) 显著优化了基于DL的GIADA模型的性能.
结论:
- DL-CNN GIADA模型提供了一个强大的框架来增强ECE游戏和数据分析.
- 这项研究为应用人工智能,特别是DL和CNN,以推进教育实践和成果提供了有价值的见解.
