深層学習アプローチを用いたスマートラーニングプラットフォームの学習者行動予測と分析モデル

急速に変化する教育技術の分野において、スマート教育システムは個別化され効果的な指導にとって不可欠です。本研究は、深層学習技術を活用した学習者の行動を予測し理解するための分析フレームワークを提案します。ユーザーの活動に関するリアルタイム情報を提供することにより、これらのプラットフォームの反応性と柔軟性を向上させることを目指しています。最先端の深層学習設計を使用して、私たちの技術はユーザー間の相互作用、興味のトレンド、および効率性の測定を含む大規模データセットを分析します。提案されたメソッドは、CNN-LSTMを使用してeラーニングに基づく行動を分類し、次にeラーニングのパフォーマンスを予測します。提案されたフレームワークは、畳み込みニューラルネットワーク（CNN）と長短期記憶ネットワーク（LSTM）を融合させることにより、プラットフォーム上の学習者の行動に存在する時間的関係と順序パターンを取り入れています。さらに、インタラクティブなシミュレーションやビデオ講義のようなマルチメディア情報を利用して、畳み込みニューラルネットワーク（CNN）が空間データを収集します。本研究は、学生の行動分析と予測のための安定かつ拡張可能な構造を提供することで、スマートラーニング技術を進展させます。学習イベントをプロアクティブにカスタマイズすることにより、教師、コンテンツ制作者、プラットフォーム開発者は、学生にとって楽しく効果的な環境を作り出すことができます。このアプローチから得られた知見によって実現されます。