21 太阳能工程与技术 EEH320 HONOURS MOOC 12 周 NPTEL/ SWAYAM B.Tech 规定 2019 IIT 古瓦哈提(如果未注册 KTU 下的 EET458 太阳能光伏系统)
注意:要求校长指示学生不要重复具有相同标题的课程/科目。所有课程仅持续12周。一个学生必须在MOOC课程最终确定后,必须批准分配的导师(由HOD)。导师必须彻底验证并确保
计算机工程(07)计算机科学与工程(31)计算机科学与工程(人工智能和机器学习)(42)计算机科学与工程(物联网和网络安全,包括块链技术)(45)计算机科学与工程(网络安全)(网络安全)(48)信息与通信技术(32)
课程格式参与者有望访问在四个星期内定期发布的内容模块,并且主要是辅以其他资源材料的15-25分钟的视频讲座。大多数讲座都将进行讨论/反映,参与者必须在特定时间限制内完成。在30天内完成课程可能需要40小时,包括最终考试和项目提交。
机器人操作系统(ROS)是一个开源框架,可简化构建机器人应用程序。它提供了用于开发模块化系统的库和工具,其中组件(节点)通过消息进行通信。这种体系结构促进了机器人开发中的灵活性和可重复性。
03 模拟电子电路 Prof. Shouribrata chatterjee 印度理工学院德里分校 12 周 3 https://nptel.ac.in/courses/108102112 2024 年 7 月 29 日 2024 年 8 月 16 日 NPTEL
Tadakhul系统是一个在线学习平台,旨在为阿拉伯语和英语的多个用户提供互动和个性化学习。我们提出的Tadakhul系统是一种电子学习环境,可为不同的学习方式提供学习材料。本研究的重点是在Tadakhul平台上使用学习分析,该平台基于学生以前的学习经验使用数据来预测未来的学习过程。它有助于提供个性化的学习经验。Tadakhul系统提供了一个平台,课堂讨论集中在最重要的概念上,并根据他们在学习期间的表现为每个学生个性化学习资源。将学习分析应用于在线电子学习环境中获得的数据可以帮助学生面临许多问题的课堂管理,并且老师可以通过调整数据或在需要时提供其他支持来提供帮助。在MOOC平台中使用学习分析的优点是预测学生失败,确定高危学生,评估分配,预测成绩并预测结果[4]。在这项研究中,我们探索了不同的人工智能模型,例如Bilstm和CNN,以确定利用Tadakhul平台的学生的学习行为。Bilstm模型非常擅长处理时间序列数据并了解数据之间的关系。这对于随着时间的推移跟踪和解释学生进步和互动模式很重要。检测体育锻炼的能力对于识别长期学习和行为很重要。另一方面,CNN模型可有效提取空间特征,
摘要:本研究旨在评估影响 MOOC 平台上使用在线自动反馈摘要(OSAF)的行为意图(BI)的因素。任务技术契合度(TTF)是用于分析任务要求和技术特征之间的匹配度的主要框架,可预测技术的使用情况。TTF 和 BI 之间的关系受学生表现的调节。TTF 说明了技术支持对任务的适用性在多大程度上影响了技术的表现和使用率。本研究检验了 9 个假设。参与者包括印度尼西亚东爪哇一所公立大学的 151 名学生。为了分析收集到的数据,我们使用了 PLS-SEM(偏最小二乘-结构方程模型),使用了 SmartPLS 3.0。在本研究中,可以得出几点结论,即:1)任务特征和技术特征不会受到 TTF 的积极和显著影响,而学生特征对 TTF 有积极和显著的影响; 2)受社会影响的学习绩效和利用率对绩效影响有正向影响,本案例中的绩效影响由学习绩效、个人诚信、自信三个维度构成,但学习绩效和利用率对绩效影响均无正向影响,且受自信显著影响。3)学习绩效和绩效影响对行为意图均有正向影响,但个人诚信在绩效影响维度上未受行为意图显著正向影响。