XiaoMi-AI文件搜索系统
World File Search SystemMOOCS
已预先批准转学分的 MOOC 列表
3 GER-PE (BM) : 除 ACC、BUS、ACBS、BCE、BCG 以及杨氏学者项目和大学学者项目学生以外的所有课程 UE / BDE：除杨氏学者项目和大学学者项目学生以外的所有课程
我们的太阳系在 AR 和代码中 | CSER MOOCs
● 我们太阳系的“内行星”是什么？“外行星”是什么？● 太阳对太阳系的重要性是什么？● 是什么让行星在夜空中显得明亮？● 什么是轨道？行星如何绕太阳运行，行星运行方式有何不同？● 我们需要哪些数据才能在 Scratch 中创建一个关于行星绕太阳运行的项目？● 我们可以在数字项目中向用户展示有关太阳系的哪些信息，以便他们学习？
Swayam Moocs课程的名单作为AY 2024-25
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
知识意识的推理，并在MOOC中进行自我监督的强化学习，以进行解释
抽象可解释的建议很重要，但尚未在大规模开放的在线课程（MOOC）中探索。最近，知识图（kg）在可解释的建议中取得了巨大成功。但是，电子学习方案具有一些独特的限制，例如学习者的知识结构和课程前提条件要求，导致现有的基于KG的建议方法在MOOC中工作不佳。为了解决这些问题，我们提出了一个新颖的可解释的建议模型，即通过自我监督的r genning（KRRL）进行k nowledge-knowledge-resountion。特别是为了增强kg中的语义表示和关系，一种多级表示学习方法丰富了语义相互作用的感知信息。之后，一种自我监督的强化学习方法有效地指导了KG上的路径推理，以匹配电子学习场景中的独特约束。我们在两个现实世界的MOOC数据集上评估了KRRL模型。实验结果表明，就建议准确性和解释性而言，KRRL显然优于最先进的基线。
2024-25 学年 BE 新生 MOOC 列表（第 4 部分）
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
MOOC 在新教育场景中的作用。教师发展的综合策略
COVID-19 疫情迫使我们的生活发生了深刻的改变。随着数字化转型的加速，我们的工作和学习方式被打乱了。为了正确适应这一变化，我们需要制定和实施新的紧急战略和方法，以学习为中心，支持工人和学生进一步发展“面向未来”的技能。在过去一段时间里，大学和教育机构已经证明，它们可以在这方面发挥重要作用，同时也利用了大规模开放在线课程 (MOOC) 的潜力，事实证明，在存在诸多限制的总体背景下，大规模开放在线课程是一种重要的灵活性和适应性工具。从 2020 年 3 月到现在，我们目睹了 MOOC 的注册人数呈指数级增长，而“传统”学生对不同主题感兴趣，而这些主题不一定与他们的课程学习相结合。为了在疫情蔓延期间支持学生和教师的发展，米兰理工大学专注于一个主要方面：教师发展，以便更好地将数字工具和内容融入电子学习体验中。当前的讨论重点是如何提高 MOOC 与现场活动的整合度，以创造有意义的学习和教学体验，从而利用混合学习方法吸引学生和外部利益相关者，为他们提供未来工作相关的技能。
机器学习算法在检测学生观看 MOOC 时的困惑程度方面的比较
4 方法 21 4.1 文献综述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... .................................................................................................................................................................................................................25 4.5 数据收集....................................................................................................................................................................................................................26 4.5.1 数据集....................................................................................................................................................................................................................................26
任务技术契合度分析：测量影响 MOOC 中使用在线摘要（带自动反馈）的行为意图的因素
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。
A.Y.的新录取的BA的新录取的学生名单（2025年1月） 2024-25（第2部分）学生和教职员工被告知
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）