Loading...
机构名称:
¥ 1.0

Scientific panel Level 1 keywords Level 2 keywords Catalysis Coordination chemistry Inorganic and nuclear chemistry NMP Non-Metallic Materials & basic processes Organometallic chemistry Radiation and nuclear chemistry Carbonhydrates Combinatorial chemistry Heterocyclic chemistry Macromolecular chemistry Molecular architecture and structure Molecular biology Molecular chemistry Natural product synthesis Organic chemistry Organic reaction mechanism肽化学聚合物化学立体化学上分子化学合成有机化学分析化学化学化学仪器化学仪器化学反应:凝集物质色谱胶水胶原化学的机制,动力学,动力学,动力学和催化反应化学化学化学反应催化均质催化离子液体质谱法在化学显微镜分子动力学分子电子学分子电子光催化光化光化学物理化学物理化学物理化学化学系统化学光谱光谱和光谱技术的结构和动力学的结构和动力学(gels,colloins colloins,colleds cysters等):),液体,眼镜,缺陷等。Surface chemistry Theoretical and computational chemistry Trace Analysis Biochemistry Biological chemistry Biomaterials, biomaterials synthesis Ceramics Coating and films Drinking water treatment Electrochemistry, batteries and fuel cells Environment chemistry Enzymology Food chemistry Fuel cell technology Graphene, 2D materials Hydrogen Intelligent materials, self-assembled materials Materials for sensors Medicinal chemistry Nanochemistry New materials: oxides, alloys, composite,有机无机杂交,纳米颗粒药物化学聚合物和塑料多孔材料的结构特性材料表面修饰薄膜毒理学

MSCA关键字

MSCA关键字PDF文件第1页

MSCA关键字PDF文件第2页

MSCA关键字PDF文件第3页

MSCA关键字PDF文件第4页

MSCA关键字PDF文件第5页

相关文件推荐

2023 年
¥2.0
2020 年

通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区,工程与建筑学院,工业工程系,创新与技术发展组,Q 区拉努比亚校区,马尼萨莱斯,170001 - 哥伦比亚。 (电子邮件:odcastrillong@unal.edu.co;wasarachec@unal.edu.co;sruizhe@unal.edu.co) 五月收到。 9,2019; 2019 年 7 月 8 日接受;最终版本 2019 年 8 月 12 日,2020 年 2 月发布 摘要 本文的目的是利用人工智能技术(分类器)根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析,但仍然提供了使用人工智能提供的工具进行研究的机会,特别是在预测学业成绩方面。通过定义的因素(教育、家庭、社会经济、习惯和风俗等),设计了一种方法,可以训练一个系统,该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此,可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本,成功率达到 91.7%。关键词:学业成绩;人工智能;分类器;成功;使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术(分类器)来预测高等教育学生的学业成绩,考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析,但它们仍然代表了使用人工智能工具的研究机会,特别是在学业成绩预测方面。通过定义影响因素(教育、家庭背景、社会经济、习惯和风俗等),设计了一种方法,以训练一个系统,该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解,该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本,成功率达到 91.7%。关键字:学业成绩;人工智能;分类器;成功;预测

¥1.0