http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Support Vector Data Description(SVDD) 가중치를 이용한 개선된 학습자 모델링
윤태복(Taebok Yoon),이지형(Jee-Hyong Lee),조경래(Kyungrae Cho) 한국정보과학회 2013 정보과학회논문지 : 소프트웨어 및 응용 Vol.40 No.1
지능형 학습 시스템은 학습자의 학습 과정에서 수집된 데이터를 분석하여 학습자에게 맞는 전략을 세우고 적합한 서비스를 제공하는 시스템이다. 학습자에게 적합한 서비스를 제공하기 위해서는 학습자 모델링이 우선시 되며, 이 모델 생성을 위해서 학습자의 학습 과정에서 발생한 데이터를 수집하고 분석하게 된다. 하지만, 수집된 데이터가 학습자의 일관되지 못한 행위나 예측하지 못한 학습 성향을 포함하고 있다면, 생성된 모델을 신뢰하기 어렵다. 본 연구는 수집된 학습자의 데이터를 SVDD를 이용하여 가중치를 구하고, 그 값을 의사결정나무 생성에 이용한다. 실험에서는 홈 인테리어 컨텐츠 기반에 학습자의 학습 행위에 대한 학습 성향을 진단하기 위한 DOLLS-HI를 이용하여, 수집된 학습자의 데이터에서 비정상 데이터를 분류하고 학습 성향 진단을 위한 모델을 생성하였다. 비교 실험을 통하여 제안하는 방법의 유효성을 확인하였다. A learning diagnosis system collects data from a learner’s learning process, and analyzes it to build a suitable model for the learner, which can then be incorporated into an intelligent tutoring system to provide customized tutoring services. However, if the collected data reflects inconsistent learner behaviors or unpredictable learning tendencies, then the reliability of the learner model is degraded. This study proposes a method to endow SVDD weight value through the learner"s collected data, and to use the value for creating a decision tree. We apply this method to an experimental data set obtained using DOLLS-HI, a learner diagnosis system that uses housing interior learning contents to diagnose learning styles. The validity of the proposed method is verified through an comparison of experiment.