Fig.5 Sketch Map of an association

Fig.5 Sketch Map of an association space [15]
Course ontology can be defined as a directed graph in which term can be the title of a chapter and a section in the course, or the key concept of the course content shown infig.5. It is defined by the instructor. Next the board structure is generated according to the course ontology topics to accumulate the interactive question and answers. For a single question, many answers can be generated. Then Q/A space can be constructed space in which each user posted and answered questions on the corresponding boards. After that the knowledge requirement is computed for each user on the basis of each question in the Q/A space, each term in the course ontology and the course content.
To compute the knowledge requirement of each user about the course ontology from reading behavior logs, the edocuments are classified according to read by user based on the course ontology. Reading behavior data for each user includes actions like the number of underlines (UDL), the number of highlights (HLT), the number of circles (CIR), the number of annotations (ANT) and the number of bookmarks (BMK), are store them in two dimensional tables. On the basis of this data weight matrix is constructed for each user. Likewise a behavior of each user with respect to every document is calculated.
As a result both the approaches used for user modeling lead to reflect user’s real knowledge requirements accurately. Evaluative and Adaptive paradigms can make the system more flexible. 4.2 Automatic detection of learning styles Automatic learner modeling [16] is differing based on the attributes used previously. In automatic learner modeling approach, the learner interest is collected explicitly using generic queries. Then, the learners profile is constructed using a conversion based on keyword mapping. The learner model is built by processing the learner profile over a clustering unit and then using a decision unit. There are different techniques used in learning modeling such as rule based methods, a fuzzy logic, case based reasoning, Bayesian networks, belief networks and decision trees.
Felder and Silverman learning style model (FSLSM) is used for detection of learning style of user. FSLSM has following four dimensions to distinguish between preferences of the learner, where each dimension has two scales. Learners perceive information either by sensing via physical sensations, obvious facts or by intuition via theoretical (Sensing/Intuitive). Learners like learning either using visual materials, illustrations or using verbal material like listening or narrative texts (Visual/Verbal).
Learners learn either actively via experiments or with collaboration or reflective by themselves, and without trying things (Active/ Reflective). Learners get the concept either sequentially by following step by step or globally by starting from the overall picture of the concept and then going into details (Sequential/Global).
Automatic learner modeling shown in fig.6 has three parts namely conversion unit, clustering unit, and decision unit. Learner first submits the query for the topic he/she is interested in. Then using the conversion unit a profile table is generated. The profile table consists of four columns corresponding to attributes, i.e. the metadata names. The conversion unit is domain specific and composed of three stages: (1) domain-specific keyword finder, (2) keywords-to-attribute value mapper, and (3) learner profile table construction. The attributes of learner profile are row dependent. The aim of the clustering unit is to assign labels to each row of the learner profile table using the dimensions of the FSLSM. The clustering is done based on the predetermined classes obtained by NBTree classification in conjunction with binary relevance classifier from a trained data set. Decision is based on four dimensions of the learning style, where each dimension represents learner’s most dominant characteristics for that dimension. Learner selected data object

ผลลัพธ์ (ไทย) 1:

Fig.5 ร่างผังการเชื่อมโยงพื้นที่ [15] สามารถกำหนดหลักสูตรภววิทยาเป็นกราฟโดยตรงซึ่งระยะอาจชื่อเรื่องของบทและส่วนในหลักสูตร หรือแนวคิดหลักของเนื้อหาหลักสูตรแสดง infig.5 มันถูกกำหนด โดยผู้สอน ถัดไป มีสร้างโครงสร้างบอร์ดตามหัวข้อภววิทยาหลักสูตรพอกโต้ตอบคำถามและคำตอบ สำหรับคำถามเดียว หลายคำตอบสามารถสร้าง แล้ว Q / ช่องว่างสามารถสร้างพื้นที่ที่ผู้ใช้แต่ละโพสต์ และตอบคำถามในบอร์ดที่ตรงกัน หลังจากนั้น คำนวณความต้องการความรู้ที่แต่ละคนโดยแต่ละคำถามในคิว / พื้นที่ แต่ละระยะในภววิทยาหลักสูตรและเนื้อหาหลักสูตร การคำนวณความต้องการความรู้ของแต่ละผู้ใช้เกี่ยวกับภววิทยาหลักสูตรอ่านบันทึกพฤติกรรม edocuments จะจัดแบ่งตามอ่านตามภววิทยาหลักสูตรผู้ อ่านข้อมูลลักษณะการทำงานสำหรับแต่ละผู้ใช้รวมถึงการดำเนินการเช่นจำนวนขีดเส้นใต้ (UDL), จำนวนไฮไลท์ (HLT) จำนวนของวง (CIR), หมายเลขของคำอธิบาย (มด) และจำนวนที่คั่นหน้า (BMK), จัดเก็บในตารางสองมิติ โดยใช้น้ำหนักนี้ข้อมูล เมตริกซ์ถูกสร้างขึ้นสำหรับแต่ละผู้ใช้ ในทำนองเดียวกัน จะคำนวณลักษณะการทำงานของผู้ใช้กับเอกสารทุกฉบับ อีก ทั้งวิธีการใช้สำหรับผู้ใช้ลูกค้าเป้าหมายการสร้างโมเดลเพื่อสะท้อนความต้องการความรู้ที่แท้จริงของผู้ใช้ได้อย่างถูกต้อง Paradigms Evaluative และแบบปรับเปลี่ยนสามารถทำให้ระบบมีความยืดหยุ่น 4.2 ตรวจหาอัตโนมัติการเรียนรู้แบบผู้เรียนอัตโนมัติ [16] การสร้างโมเดลจะแตกต่างกันขึ้นอยู่กับแอตทริบิวต์ที่ใช้ก่อนหน้านี้ ในผู้เรียนโดยอัตโนมัติวิธีการสร้างโมเดล สนใจผู้เรียนจะรวบรวมโดยใช้แบบสอบถามทั่วไปอย่างชัดเจน แล้ว ค่าเรียนถูกสร้างขึ้นโดยใช้ตามคำสำคัญการแม็ปการแปลง แบบผู้เรียนสร้างขึ้น ด้วยการประมวลผลส่วนกำหนดค่าผู้เรียนผ่านหน่วยระบบคลัสเตอร์ และใช้หน่วยตัดสินใจแล้ว มีเทคนิคต่าง ๆ ที่ใช้ในการเรียนรู้สร้างโมเดลเช่นวิธีตามกฎ มีตรรกศาสตร์ กรณีตามเหตุผล ทฤษฎีเครือข่าย เครือข่ายความเชื่อ และต้นไม้ตัดสินใจ Felder และรับการเรียนรู้แบบจำลอง (FSLSM) ใช้ตรวจลักษณะของผู้เรียน FSLSM มีต่อมิติสี่แยกแยะลักษณะของผู้เรียน ซึ่งแต่ละมิติมีสองระดับ ผู้เรียนสังเกตข้อมูล โดยการตรวจทางกายภาพสววรค์ ข้อเท็จจริงที่ชัดเจน หรือ โดยสัญชาตญาณทางทฤษฎี (Sensing/Intuitive) ผู้เรียนเช่นเรียนรู้การใช้ทัศนวัสดุ ภาพประกอบ หรือใช้วัสดุวาจาชอบฟัง หรือบรรยายข้อความ (Visual/ติดต่อ ทางวาจา) ผู้เรียนเรียนรู้อย่างแข็งขัน ผ่านการทดลอง หรือ ด้วยความร่วมมือ หรือสะท้อนแสง ด้วยตัวเอง และ ไม่พยายามสิ่งที่ (ใช้งาน / สะท้อน) ผู้เรียนได้รับแนวความคิดตามลำดับตามขั้นตอน หรือทั่วโลก โดยเริ่มต้นจากภาพรวมของแนวคิดแล้ว จะลงรายละเอียด (Global ลำดับ) ผู้เรียนโดยอัตโนมัติสร้างโมเดลแสดงใน fig.6 มีสามส่วนได้แก่การแปลงหน่วย หน่วยระบบคลัสเตอร์ และหน่วยตัดสินใจ ผู้เรียนต้องส่งแบบสอบถามสำหรับหัวข้อสนใจ แล้ว ใช้แปลงหน่วยตารางส่วนกำหนดค่าจะถูกสร้างขึ้น ตารางโพรไฟล์ประกอบด้วยสี่คอลัมน์ที่สอดคล้องกับคุณลักษณะ เช่นชื่อข้อมูลเมตา หน่วยแปลงเป็นโดเมนเฉพาะ และประกอบด้วยสามขั้นตอน: ค้นหาสำคัญ (1) เฉพาะโดเมน, (2) คำสำคัญการค่าแอททริบิวต์แมปเปอร์ และ (3) ผู้เรียนประวัติตารางก่อสร้าง คุณลักษณะของผู้เรียนค่าแถวขึ้นได้ จุดมุ่งหมายของหน่วยระบบคลัสเตอร์คือการ กำหนดป้ายชื่อให้แต่ละแถวของตารางค่าผู้เรียนโดยใช้มิติของ FSLSM คลัสเตอร์ที่เสร็จตามชั้นกำหนดไว้ได้รับ โดยจัดประเภท NBTree ร่วมกับไบนารีเกี่ยวข้อง classifier จากชุดข้อมูลการฝึกอบรม ตัดสินใจขึ้นอยู่กับมิติของลักษณะการเรียนรู้ ซึ่งแต่ละมิติแสดงลักษณะโดดเด่นที่สุดของผู้เรียนในมิติที่สี่ วัตถุข้อมูลที่เลือกของผู้เรียน

ผลลัพธ์ (ไทย) 2:

รูปที่ 5 ร่างแผนที่ของพื้นที่สมาคม [15]
อภิปรัชญาหลักสูตรสามารถกำหนดเป็นกราฟในระยะที่สามารถเป็นชื่อของบทและส่วนในหลักสูตรหรือแนวคิดที่สำคัญของเนื้อหาหลักสูตรที่แสดง infig.5 . มันถูกกำหนดโดยผู้สอน ถัดไปโครงสร้างคณะกรรมการที่ถูกสร้างขึ้นตามหัวข้ออภิปรัชญาแน่นอนที่จะสะสมโต้ตอบคำถามและคำตอบ สำหรับคำถามเดียว, คำตอบมากมายที่สามารถสร้าง จากนั้น Q / พื้นที่สามารถสร้างพื้นที่ในการที่ผู้ใช้แต่ละคนโพสต์และตอบคำถามในคณะกรรมการที่เกี่ยวข้อง หลังจากนั้นความต้องการความรู้คือการคำนวณสำหรับผู้ใช้แต่ละคนบนพื้นฐานของแต่ละคำถามใน Q / พื้นที่ระยะในแต่ละอภิปรัชญาหลักสูตรและเนื้อหาการเรียนการสอน.
การคำนวณความต้องการความรู้ของผู้เกี่ยวกับแต่ละอภิปรัชญาแน่นอนจากการอ่านบันทึกพฤติกรรม , edocuments การจำแนกตามการอ่านโดยผู้ใช้ขึ้นอยู่กับอภิปรัชญาแน่นอน อ่านข้อมูลพฤติกรรมผู้ใช้แต่ละคนรวมถึงการดำเนินการเช่นเดียวกับจำนวนของการขีดเส้นใต้ (UDL) จำนวนของไฮไลท์ (HLT) จำนวนของวงการ (CIR) จำนวนของคำอธิบายประกอบ (ANT) และจำนวนของที่คั่น (BMK) เป็น เก็บไว้ในตารางที่สองมิติ บนพื้นฐานของเมทริกซ์น้ำหนักข้อมูลนี้จะถูกสร้างขึ้นสำหรับผู้ใช้แต่ละคน ในทำนองเดียวกันพฤติกรรมของผู้ใช้แต่ละคนที่เกี่ยวกับเอกสารทุกคำนวณ.
เป็นผลให้ทั้งสองวิธีการที่ใช้ในการสร้างแบบจำลองเพื่อนำผู้ใช้ไปยังสะท้อนให้เห็นถึงความต้องการความรู้ที่แท้จริงของผู้ใช้อย่างถูกต้อง กระบวนทัศน์การประเมินและการปรับตัวสามารถทำให้ระบบมีความยืดหยุ่นมากขึ้น 4.2 การตรวจสอบโดยอัตโนมัติรูปแบบการเรียนรู้การสร้างแบบจำลองเรียนอัตโนมัติ [16] ถูกที่แตกต่างกันตามลักษณะที่ใช้ก่อนหน้านี้ ในวิธีการสร้างแบบจำลองโดยอัตโนมัติผู้เรียนสนใจเรียนเป็นที่เก็บรวบรวมอย่างชัดเจนโดยใช้คำสั่งทั่วไป จากนั้นผู้เรียนรายละเอียดถูกสร้างโดยใช้การแปลงขึ้นอยู่กับการทำแผนที่คำ รูปแบบการเรียนที่ถูกสร้างขึ้นโดยการประมวลผลรายละเอียดผู้เรียนกว่าหน่วยการจัดกลุ่มแล้วใช้หน่วยการตัดสินใจ มีเทคนิคที่แตกต่างกันนำมาใช้ในการสร้างแบบจำลองการเรียนรู้ดังกล่าวเป็นกฎวิธีการตามตรรกศาสตร์กรณีเหตุผลที่ใช้เครือข่ายแบบเบย์, เครือข่ายความเชื่อและการตัดสินใจต้นไม้.
Felder และการเรียนรู้รูปแบบ Silverman สไตล์ (FSLSM) ใช้สำหรับการตรวจสอบจากรูปแบบการเรียนรู้ของผู้ใช้ FSLSM ได้ดังต่อไปนี้สี่มิติที่จะแยกแยะระหว่างการตั้งค่าของผู้เรียนซึ่งแต่ละมิติมีสองเครื่องชั่งน้ำหนัก ผู้เรียนรับรู้ข้อมูลทั้งโดยผ่านการตรวจจับความรู้สึกทางกายภาพข้อเท็จจริงที่เห็นได้ชัดหรือโดยสัญชาตญาณผ่านทางทฤษฎี (Sensing / ใช้งานง่าย) ผู้เรียนเช่นการเรียนรู้ทั้งการใช้วัสดุภาพภาพประกอบหรือใช้วัสดุทางวาจาเช่นการฟังการเล่าเรื่องหรือข้อความ (Visual / วาจา).
ผู้เรียนได้เรียนรู้อย่างแข็งขันทั้งผ่านการทดลองหรือการทำงานร่วมกันหรือสะท้อนแสงด้วยตัวเองและไม่ต้องพยายามทำสิ่ง (Active / สะท้อนแสง) ผู้เรียนจะได้รับแนวคิดทั้งสองตามลำดับโดยทำตามขั้นตอนโดยขั้นตอนหรือทั่วโลกโดยเริ่มต้นจากภาพรวมของแนวคิดและจากนั้นจะเข้าสู่รายละเอียด (Sequential / สากล).
การสร้างแบบจำลองเรียนอัตโนมัติแสดงใน fig.6 มีสามส่วนคือหน่วยการแปลงหน่วยการจัดกลุ่ม และหน่วยการตัดสินใจ เรียนครั้งแรกที่ส่งแบบสอบถามสำหรับหัวข้อที่เขา / เธอเป็นที่สนใจใน. แล้วใช้หน่วยแปลงตารางรายละเอียดจะถูกสร้างขึ้น ตารางรายละเอียดประกอบด้วยสี่คอลัมน์สอดคล้องกับคุณลักษณะเช่นชื่อเมตาดาต้า หน่วยแปลงเป็นที่เฉพาะเจาะจงและโดเมนประกอบด้วยสามขั้นตอน: (1) ค้นหาคำหลักโดเมนเฉพาะ (2) คำหลักที่จะแอตทริบิวต์ mapper ค่าและ (3) การก่อสร้างรายละเอียดตารางเรียน รายละเอียดคุณลักษณะของผู้เรียนเป็นแถวขึ้นอยู่กับ จุดมุ่งหมายของการจัดกลุ่มหน่วยคือการกำหนดฉลากแต่ละแถวของตารางรายละเอียดของผู้เรียนโดยใช้ขนาดของ FSLSM การจัดกลุ่มจะทำบนพื้นฐานของการเรียนที่กำหนดไว้ได้โดยการจัดหมวดหมู่ NBTree ร่วมกับลักษณนามความไบนารีจากชุดข้อมูลที่ผ่านการฝึกอบรม การตัดสินใจจะขึ้นอยู่กับสี่มิติของรูปแบบการเรียนรู้ที่แต่ละมิติที่แสดงให้เห็นถึงลักษณะที่โดดเด่นที่สุดของผู้เรียนสำหรับมิติที่ ผู้เรียนเลือกข้อมูลวัตถุ

ผลลัพธ์ (ไทย) 3:

fig.5 ภาพร่างของสมาคมอวกาศ [ 15 ]
หลักสูตรภววิทยาที่สามารถกำหนดเป็นกราฟระบุทิศทางที่ระยะสามารถชื่อเรื่องของบท และส่วนในหลักสูตรหรือคีย์แนวคิดของหลักสูตร เนื้อหาที่แสดง infig 5 . มันถูกกำหนดโดยอาจารย์ผู้สอน ต่อมา คณะกรรมการ โครงสร้างที่ถูกสร้างขึ้นตามหลักสูตรอภิปรัชญาหัวข้อที่จะสะสมคำถามโต้ตอบและคำตอบสำหรับคำถามเดียวตอบมากมาย สามารถสร้าง แล้ว Q / พื้นที่สามารถสร้างพื้นที่ที่ผู้ใช้แต่ละโพสต์และตอบคําถามบนบอร์ดที่สอดคล้องกัน หลังจากนั้นความรู้ความต้องการจะคำนวณสำหรับแต่ละผู้ใช้บนพื้นฐานของแต่ละคำถามใน Q / พื้นที่ ในแต่ละเทอม ในอภิปรัชญาหลักสูตรและเนื้อหาของหลักสูตร
ค่าความรู้ความต้องการของผู้ใช้แต่ละคนเกี่ยวกับอภิปรัชญาหลักสูตรจากพฤติกรรมการอ่านบันทึก , edocuments จะแบ่งตามอ่านโดยผู้ใช้ขึ้นอยู่กับอภิปรัชญาแน่นอน ข้อมูลพฤติกรรมการอ่านสำหรับผู้ใช้แต่ละคน รวมถึงการกระทำเช่นหมายเลขของขีดเส้นใต้ ( UDL ) , หมายเลขของไฮไลท์ ( hlt ) จํานวนเป็นวงกลม ( cir )เลขที่บันทึกย่อ ( มด ) และหมายเลขของที่คั่นหน้า ( bmk ) จะเก็บไว้ในรูปตารางสองมิติ บนพื้นฐานของข้อมูลเมทริกซ์นี้น้ำหนักขึ้นสำหรับผู้ใช้แต่ละคน อนึ่ง พฤติกรรมของผู้ใช้แต่ละคนและทุกเอกสารจะถูกคำนวณ
ผลทั้งแนวทางผู้ใช้แบบตะกั่ว เพื่อสะท้อนให้เห็นถึงความรู้ที่แท้จริงของผู้ใช้ความต้องการได้อย่างถูกต้อง1 ปรับกระบวนทัศน์และสามารถทำให้ระบบมีความยืดหยุ่นมากขึ้น 4.2 การตรวจสอบโดยอัตโนมัติรูปแบบการเรียนของผู้เรียนแบบอัตโนมัติ [ 16 ] จะแตกต่างกันตามคุณลักษณะที่ใช้ก่อนหน้านี้ โดยวิธีการเรียนแบบ , เรียนสนใจเก็บอย่างชัดเจน ใช้แบบสอบถามทั่วไป แล้วผู้เรียนโปรไฟล์ถูกสร้างโดยใช้การแปลงขึ้นอยู่กับแผนที่คำหลักผู้เรียนแบบที่ถูกสร้างขึ้นโดยกระบวนการผู้เรียนโปรไฟล์ผ่านการจัดกลุ่มหน่วย และใช้ในการตัดสินใจต่อหน่วย มีเทคนิคที่แตกต่างกันที่ใช้ในการเรียนรู้ เช่น การใช้กฎวิธีการ , ตรรกศาสตร์ , กรณีใช้เหตุผล , เครือข่ายเครือข่ายความเชื่อเบย์ และต้นไม้การตัดสินใจ
เฟลเดอร์และรูปแบบการเรียนรู้แบบซิลเวอร์แมน ( fslsm ) ใช้สำหรับการตรวจสอบรูปแบบการเรียนรู้ของผู้ใช้fslsm ต้องแยกแยะระหว่างความต้องการของผู้เรียนตาม 4 มิติ ซึ่งแต่ละมิติมี 2 ระดับ ผู้เรียนรับรู้ข้อมูลทั้งโดยสัมผัสทางอารมณ์ ชัดเจน ข้อเท็จจริง หรือโดยสัญชาตญาณทางทฤษฎี ( Sensing / ง่าย ) นักศึกษาชอบเรียนด้วยการใช้วัสดุภาพภาพประกอบ หรือการใช้วาจาวัสดุชอบฟังหรือข้อความบรรยาย ( ภาพ / วาจา ) ผู้เรียนได้เรียนรู้ทั้งงาน
ผ่านการทดลองหรือความร่วมมือหรือไตร่ตรองด้วยตนเอง และไม่มีการพยายามในสิ่งที่ ( Active / สะท้อนแสง )ผู้เรียนได้รับแนวคิดให้พิจารณาตามขั้นตอนโดยขั้นตอนหรือทั่วโลกโดยเริ่มจากภาพรวมของแนวคิด และจะลงในรายละเอียด ( แบบต่อเนื่อง / สากล ) ผู้เรียนแบบที่แสดงใน fig.6
อัตโนมัติมี 3 ส่วน คือ หน่วยการแปลงหน่วยสำหรับหน่วย และการตัดสินใจ ผู้เรียนก่อนส่งแบบสอบถามสำหรับหัวข้อที่เขา / เธอมีความสนใจในแล้วการใช้หน่วยการแปลงตารางข้อมูลจะถูกสร้างขึ้น รายละเอียด ตารางประกอบด้วยคอลัมน์ที่สอดคล้องกับคุณลักษณะสี่เช่น metadata ที่ชื่อ หน่วย แปลงเป็นโดเมนที่เฉพาะเจาะจงและประกอบด้วยสามขั้นตอน : ( 1 ) โดเมนค้นหาคำหลักที่เฉพาะเจาะจง ( 2 ) คําสําคัญ Mapper ค่าแอตทริบิวต์ และ ( 3 ) การสร้างโต๊ะเรียน ประวัติคุณลักษณะของผู้เรียนโปรไฟล์อยู่แถวขึ้นอยู่กับ จุดมุ่งหมายของการจัดกลุ่มหน่วยคือการกำหนดให้ฉลากแต่ละแถวของตารางโดยใช้มิติผู้เรียนโปรไฟล์ของ fslsm . แบ่งกลุ่มเสร็จตามกำหนดชั้นเรียนได้โดย nbtree การจำแนกร่วมกับไบนารี , ลักษณนามจากการฝึกอบรมชุดข้อมูลการตัดสินใจจะขึ้นอยู่กับ 4 มิติของรูปแบบการเรียนรู้ ซึ่งแต่ละมิติ หมายถึง ผู้เรียนลักษณะเด่นที่มิติ เลือกวัตถุ
ข้อมูลผู้เรียน