给大家分享5篇关于在线教学系统的计算机专业论文

今天分享的是关于在线教学系统的5篇计算机毕业论文范文, 如果你的论文涉及到在线教学系统等主题,本文能够帮助到你

基于图像识别算法的实训实践系统的开发与应用

这是一篇关于实训实践,图像识别算法,在线教学系统,辅助教学的论文, 主要内容为实训实践教学是整个教学活动中的一个重要环节,其学时在课程总学时的占比越来越高。在实践中发现实训实践教学场景不能与国内外已有的信息化教学平台很好的结合,信息化教学推动进程缓慢,无法利用互联网辅助教学手段提高教学效率。因此,适用于实践实训教学场景的信息化平台建设与辅助教学研究具有实际意义。本文面向实训实践教学场景的实际需求,针对该场景特点与难点,从工程设计和算法科研两个角度展开研究,主要完成了以下工作:(1)分析实训实践教学场景的实际需求,开发适用该场景下的在线教学系统与移动端APP。针对老师傅使用平台的不易性,开发APP、特定路由跳转规则提高实用性与便捷性;针对作业批改难问题,开发辅助评分模块,提供作业辅助批改能力;针对人员可移动性导致难管理问题,采用分组教学思想,开发团队模块。(2)本文从预测图像作业分数区间角度进行作业辅助批改,在卷积神经网络的基础上结合相同对象多角度图像信息的互补性与感受野在提取图像更多特征的重要性两个特点,提出了一种多视图与多感受野特征结合的算法模型MVAMDCNN。(3)经过实验验证,在公开Modelnet40数据集上,本文的MVAMDCNN算法模型相比VGG11在Acc、Precision、Recall、F1＿Score评价指标上均提升了5%以上,最高达到8%;在人工构造的实训实践教学场景数据集上,指标提升最高达到1.8%;在人工构造的作业分数区间预测场景数据集上,指标提升最高达到0.8%,证明了本文的MVAMDCNN算法模型的有效性与优越性。(4)本文设计并实现了独立的辅助评分服务,搭载了本文提出的、经过训练后的MVAMDCNN算法模型,通过与系统集成提供辅助教学能力。(5)本文对以上工作展开测试,首先分别对在线教学系统、移动端APP展开功能测试,论证了各部分的功能完整性与实用性。此外,模拟实际应用场景从功能与性能两个角度对系统与服务间的集成展开测试,测试结果表明,两者通过集成可进行实训实践教学场景下的辅助教学,通过对作业辅助批改可减少教师95%的作业批改时间。

基于个性化推荐的在线教学系统研究与实现

这是一篇关于个性化推荐算法,混合推荐,余弦相似度,在线教学系统,多终端的论文, 主要内容为近几年随着互联网的飞速发展,“互联网+”逐渐渗入人们日常生活中,“互联网+教育”解决了传统线下教育对时间、空间的局限性,2019年疫情的出现进一步推动了我国线上教育的发展。为了解决线上教学系统的资源危机,提升用户体验,将推荐算法应用于在线教学系统。本文分析推荐算法的基础理论,研究学者们对推荐算法的改进方案,通过对比四种经典推荐算法不同场景下的推荐效果,选取混合推荐算法。为了使在线教学系统更好的向用户推荐课程,对混合推荐算法改进,解决教学系统冷启动问题和课程推荐长尾问题。首先选取多次混合推荐算法。混合推荐第一次混合将个性化推荐与热门推荐分区混合,其中热门推荐通过统计课程报名人数最多的前三门课程,在首页轮播图内向所有用户推荐相同的热门课程,个性化推荐通过分析用户评分、标签等行为数据,在首页精选栏内向用户个性化推荐课程。第二次混合在个性化推荐中将物品协同过滤推荐与基于内容的推荐条件分支混合,对于新用户和新课程没有或者较少行为数据,重点使用基于内容的推荐通过打标签的方式向用户推荐课程,对于老用户和老课程系统中收集了大量的行为数据,优先使用基于物品的协同过滤推荐,通过分析用户对课程的评分矩阵计算物品相似度,从而向用户推荐近邻课程。其次针对课程推荐算法改进了课程余弦相似度计算模型。考虑到用户对课程评分次数以及用户对不同课程评分时间间隔对课程相似度计算的影响,降低活跃用户对余弦相似度的贡献,给予用户在不同时间段对课程评分的时间衰减惩罚。通过改进混合推荐算法和相似度计算模型,课程推荐结果的误差值、召回率和精确率均优于其他算法模型。最后基于个性化在线教学系统采用前后端分离的方式,后端选取了分布式架构Springboot+Mybatis框架,前端选取了基于Vue.js开发且支持多终端运行的Uni-app框架。通过需求分析确定了个性化在线教学系统以农村中小学生为主要服务对象,进而设计推荐系统的总体架构和功能模块以及数据库表结构,实现了用户注册、登录和个人中心功能模块,课程发布、热门推荐、个性化推荐、问答以及评分等功能模块。图[39]表[20]参[67]

基于J2EE的在线教学系统设计与实现

这是一篇关于在线教学系统,J2EE程序开发,云计算技术,负载均衡算法的论文, 主要内容为2019年末,新型冠状病毒肺炎(COVID-19)疫情在全世界范围内爆发,人们的社交环境受到极大的影响。国内中小学及高等院校教学也因疫情原因无法按期开学提供正常课堂教学活动,使得以线上教学为主的远程授课模式成为疫情期间的各教育机构的主要授课方式。如今虽然我国的疫情已经得到了有效的控制,但在全球范围内,疫情形式依然较为严峻,因此通过线上教学的方式有效减少社交活动仍然是有效防控疫情的主要方法之一。本文以线上远程教学模式为研究对象,以当前较为流行的软件工程技术对基于J2EE的在线教学系统进行设计与实现。同时针对传统在线教学系统无法满足当前线上远程教育业务对海量教学数据的处理,及网络带宽资源无法满足日益增加的在线学生人数需求等现象,尝试采用当前较为流行的云计算技术及负载均衡算法,对系统进行设计优化,以最大程度的满足教师和学生对在线教学系统的需求。首先,在课题项目背景及研究意义的基础上,结合国内外对在线教学及云计算相关技术的研究现状,提出本文主要研究内容,继而提出本文主要结构框架。其次,对设计与实现基于J2EE的在线教学系统相关的分析建模工具、系统开发技术以及云计算技术等进行分析,为系统的设计与实现提供技术支持。随后,为解决传统在线教学系统无法满足当前线上远程教育业务对海量教学数据的处理,及网络带宽资源无法满足日益增加的在线学生人数需求的问题,在云计算技术的基础上优化负载均衡算法,提升基于J2EE的在线教学系统的教学服务提供能力。继而,在前文云计算框架及负载均衡优化算法的基础上,从实际使用角度出发,对基于J2EE的在线教学系统进行需求分析,继而对系统总体架构方案进行设计。最后,在前文系统总体架构方案及本文提出负载均衡优化算法的基础上,对系统进行分模块详细设计,并在此基础上对系统各功能模块进行编码实现,使系统可以在分布式云计算平台有效运行。