基于长短期记忆神经网络的在线学习眼动认知层次智能识别模型

作     者：薛耀锋 陈瞻 邱奕盛 刘俊宏 

作者机构：华东师范大学 

出 版 物：《现代远距离教育》 (Modern Distance Education)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 0401[教育学-教育学] 04[教育学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 040110[教育学-教育技术学（可授教育学、理学学位）] 

基　　金：全国教育科学规划教育部重点课题“智能教育视角下基于眼动追踪的在线学习认知模型及自适应机制研究”(编号:DCA220453) 

主　　题：在线学习 认知分层 眼动追踪 长短期记忆神经网络 智能识别 

摘      要：学习者对于所学知识的认知水平与其在线学习的体验和效果密切相关，衡量在线学习者的认知水平具有重要意义。本研究基于布鲁姆的认知理论将学习者的认知水平划分为低中高三个层次，追踪学生在线学习过程中产生的眼动数据，采用主成分分析法聚合相关性高的特征指标，达到保留有效信息且维度下降的效果，接着运用长短期记忆神经网络构建在线学习认知层次识别模型，并与其他6种机器学习方法进行了比较。研究结果表明，学习者的眼动指标和认知层次显著相关。同时，在模型性能方面，长短期记忆神经网络模型的性能显著高于其他模型，具有较高的测试准确率和F1分数，证明其在在线学习认知水平评估领域的有效性。本研究不仅丰富了在线学习认知领域的理论和实践，而且为在线课程设计、在线学习评价、学习资源优化的实现等提供了强有力的支持。