一种基于传感器与用户行为数据分析的移动学习场景感知分类方法

被引:12
作者
叶舒雁
张未展
齐天亮
李静
郑庆华
机构
[1] 西安交通大学计算机科学与技术系
[2] 陕西省天地网技术重点实验室(西安交通大学)
基金
国家重点研发计划;
关键词
移动学习; 移动传感器; 学习操作; 学习场景感知; 场景分类;
D O I
暂无
中图分类号
TP212.9 [传感器的应用];
学科分类号
摘要
随着智能手机和移动互联网的普及,使用智能移动终端进行学习的用户也逐渐增多,移动学习在数字教育领域占据着越来越重要的地位.移动学习的有效性体现在情境感知的能力,即能够感知不同学习情境并提供相应合理的学习内容.因而,移动学习中的情境感知技术已经成为一个研究热点.学习场景的感知是移动学习情境感知的重点,但是由于移动学习的动态性和复杂性,准确的场景感知具有一定的难度.基于实际的移动学习环境,提出了一种根据传感器与学习操作行为对学习场景进行感知分类的方法,处理并分析了由移动学习客户端采集到的传感器数据和学习操作行为日志数据,对比了以传感器数据特征值与学习操作行为特征值共同作为输入特征值的多种场景感知分类算法.结果表明:对比仅使用传感器数据作为分类算法输入特征值的结果,结合学习操作行为日志和传感器数据一起作为学习场景分类感知的依据,可以显著提高移动学习场景的感知分类效果.
引用
收藏
页码:2721 / 2728
页数:8
相关论文
共 6 条
  • [1] 基于属性相关性的无线传感网络缺失值估计方法
    许可
    雷建军
    [J]. 计算机应用, 2015, 35 (12) : 3341 - 3343+3347
  • [2] 一种基于移动用户位置的网络服务推荐方法
    刘树栋
    孟祥武
    [J]. 软件学报, 2014, 25 (11) : 2556 - 2574
  • [3] 传感器网络中一种基于时-空相关性的缺失值估计算法
    潘立强
    李建中
    骆吉洲
    [J]. 计算机学报, 2010, 33 (01) : 1 - 11
  • [4] Context-aware service engineering: A survey[J] . Georgia M. Kapitsaki,George N. Prezerakos,Nikolaos D. Tselikas,Iakovos S. Venieris.The Journal of Systems & Software . 2009 (8)
  • [5] Context-aware systems: A literature review and classification[J] . Jong-yi Hong,Eui-ho Suh,Sung-Jin Kim.Expert Systems With Applications . 2008 (4)
  • [6] Real-world Data is Dirty: Data Cleansing and The Merge/Purge Problem[J] . Mauricio A. Hernández,Salvatore J. Stolfo.Data Mining and Knowledge Discovery . 1998 (1)