论文标题：Personalized Learning Ability Classification Using SVM for Enhanced Education in System Modeling and Simulation Courses

期刊：Frontiers of Digital Education

作者：Chao Liu, Shengyi Yang

发表时间：13 Jan 2025

DOI：10.1007/s44366-024-0035-6

微信链接：点击此处阅读微信文章

你是否想象过，大学课堂能提前精准判断你的学习水平，自动匹配专属学习内容与任务，不用再“一刀切”听课、刷题？在工程类课程教学中，这样的个性化学习正从理想变为现实。随着教育数字化与教育4.0理念推进，针对学生差异开展精准教学、定制学习路径，成为提升高校教学质量的关键。而如何科学、高效、准确地划分学生学习能力，一直是工程教育个性化落地的核心难题。

文章介绍

贵州民族大学刘超副教授与杨盛毅教授在Frontiers of Digital Education（《数字教育前沿（英文）》）期刊上发表了一篇题为Personalized Learning Ability Classification Using SVM for Enhanced Education in System Modeling and Simulation Courses（《使用SVM进行个性化学习能力分类，以增强系统建模和仿真课程的教育》）的文章，针对贵州民族大学系统建模与仿真课程，利用SVM技术开发学生学习能力分类模型，以应对评估学习能力的挑战并实现个性化学习干预。

研究针对高校工程类课程学生差异大、传统教学“一刀切”的痛点，采用支持向量机（SVM）算法，构建学习能力分级模型，实现对学生低、中、高三个能力层次的精准分类，为系统建模与仿真等工科课程提供可落地的个性化教学解决方案。

科普视频

来源｜贵州教育报

文章信息

Chao Liu, Shengyi Yang. Personalized Learning Ability Classification Using SVM for Enhanced Education in System Modeling and Simulation Courses. Frontiers of Digital Education, 2024, 1(4): 295−307

DOI: 10.1007/s44366-024-0035-6

识别二维码 免费获取原文

往期回顾

论文解读 | 魏顺平等：大数据在教育评价中的应用

论文解读 | 使用 SVM 进行个性化学习能力分类，以增强系统建模和仿真课程的教育

《数字教育前沿（英文）》专题征稿 ｜ 未来教师发展

期刊介绍

期刊特点

1. 国际化投审稿平台 ScholarOne Manuscripts

2. 严格的同行评议（Peer Review）

3. 免费语言润色，有力保障出版质量

4. 不收取作者任何费用

5. 不限文章长度

6. 审稿周期：第一轮平均30天，投稿到录用平均60天

7. 在线优先出版（CAP）

8. 通过SpringerLink平台面向全球推广

在线浏览

https://journal.hep.com.cn/fde

（中国大陆免费下载）

https://link.springer.com/journal/44366

在线投稿

http://mc.manuscriptcentral.com/fde

邮发代号

80-164

联系我们

fde@hep.com.cn

010-58582379, 010-58581834