使用人工智能授权的文本分析模型与卷积神经网络在英语阅读中的使用

科学领域:

• 教育技术的教育技术
• 教育中的人工智能
• 自然语言处理自然语言处理.

背景情况:

• 个性化阅读指导对于学生的成功至关重要.
• 目前在教育中的AI应用具有潜力,但需要针对高中英语等特定科目进行改进.
• 需要有效的工具来支持学生和教育工作者阅读理解是显著的.

研究的目的:

• 在真正的高中英语课堂上系统地应用文本卷积神经网络 (Text CNN) 模型,以提供个性化的阅读指导.
• 开发和评估一个教学辅助框架,整合动态内容推和实时反.
• 评估Text CNN模型对学生阅读理解和教师工作量的影响.

主要方法:

• 开发基于Text CNN的框架,具有多级特征提取和注意力机制.
• 阅读材料的自动分类,关键术语的提取和个性化的资源交付.
• 一项涉及60名高中生 (实验组与对照组) 的比较实验.

主要成果:

• 使用Text CNN工具的实验组在平均阅读理解分数 (66.2到79.6) 中显著改善.
• 文本CNN模型实现了高分类准确率:93.5%的科学文本和94.2%的教育文本.
• 通过人工智能工具,教师评分工作量平均减少了70%.

结论:

• 文本CNN模型为其在英语阅读教学中的有效应用提供了经验证据.
• 开发的框架为智能教育工具提供了实际基础,增强了个性化的学习.
• 需要进一步的研究来探索该模型在多样化和非结构化文本类型上的性能.