在智能教学中基于IPSO-LSTM的创新能力评估模型的设计
1School of Education, Guangzhou University, Guangzhou, Guangdong, China.
PeerJ. Computer science
|December 11, 2023
概括
本研究引入了一个智能系统,通过整合心理状态和绩效指标来评估学生的创新能力. 开发的模型达到95%以上的准确性,突出了心理因素在培养创造力方面的关键作用.
科学领域:
- 教育技术的教育技术
- 心理学 心理学 心理学
- 人工智能的人工智能
背景情况:
- 对创新经济日益增长的需求需要关注学生的创新能力.
- 当前的人才培训计划需要有效的方法来评估和增强学生的创造力.
- 将心理见解与绩效指标相结合,为创新评估提供了一种新的方法.
研究的目的:
- 开发一个智能框架来评估学生的创新能力.
- 为客观评估量化定性心理数据.
- 提出一种高精度的模型来对创新能力进行分类.
主要方法:
- 使用德尔菲方法量化定性心理数据.
- 开发了一种改进的粒子群优化长期短期记忆 (IPSO-LSTM) 模型用于分类.
- 特性贡献分析以确定关键影响因素.
主要成果:
- IPSO-LSTM模型在优秀,一般和失败的创新能力方面实现了95.3%的分类准确率.
- 心理方面,特别是创造能力评估,占优秀学生贡献的50%以上.
- 这项研究证实了心理状态和创造力之间存在显著联系.
结论:
- 拟议的智能评估框架有效评估学生的创新能力.
- 心理状态是学生创造性潜力的关键决定因素.
- 结果为整合创新和心理教育提供了理论基础.
更多相关视频
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
Published on: June 10, 2021
5.4K
10:26Problem-Solving Before Instruction PS-I: A Protocol for Assessment and Intervention in Students with Different Abilities
Published on: September 11, 2021
4.0K
