XiaoMi-AI文件搜索系统
World File Search System学业成绩
教学材料在提高学生学业成绩方面的有效性和可接受性
摘要 — 本研究考察了新怡诗夏科技大学 (NEUST) 管理与商业技术学院 (CMBT) 教员开发的教学材料的有效性和可接受性。样本由该系开发的精选教学材料组成。其中包括研究生院工商管理硕士和工商管理哲学博士使用的教学材料。研究采用描述性设计，有目的地选择了 88 名受访者。所用工具的参数包括教学内容、程序、相关性、知识和实际应用、清晰度、高级思维技能的发展以及与大学主旨和目标的一致性。研究结果如下：总加权平均值为 3.55，口头描述为“非常满意”，表明 CMBT 教员开发的教学材料是可以接受的，但图形的项目友好度除外，该评级为“需要改进”。还提出了改进和持续开发教学材料的建议
优化学生心理健康和学业成绩：人工智能增强生活创造
三分之一的大学生在学习期间会遇到心理健康问题。同样比例的学生在未获得所学学位的情况下就离开了高等教育。研究表明，心理健康问题和学业表现不佳可能是由于学生在适应高等教育时缺乏控制力和目标所致。目前，大学的设计并不能满足大量学生在开始学习时的所有个人需求和心理健康问题。在旨在预防学生心理健康问题（例如焦虑或抑郁）的文献中，数字治疗形式最近被提议作为解决这些问题的潜在可扩展解决方案。例如，以聊天机器人形式出现的综合心理人工智能 (AI) 显示出作为循证解决方案的巨大潜力。同时，在旨在提高学业成绩的文献中，在线生活塑造干预（学生在其中写下价值观和激情、目标和目标实现计划）已被证明可以提高学生的学业成绩和留校率。由于生活塑造干预是通过课程进行的，并且不带有与治疗相关的耻辱感，因此它可以覆盖更多的学生。但生活塑造缺乏后续手段或在线人工智能指导治疗可以提供的互动性。在这篇叙述性评论中，我们建议将针对学生心理健康的聊天机器人干预的当前文献与使用包容性课程范围方法的生活塑造干预的研究相结合。当聊天机器人要求学生优先考虑学业以及社交和健康相关目标并提供个性化的后续指导时，这可以预防通常相互关联的学业和心理健康问题。准时交付和个性化的后续问题增强了两种原本分开的干预类型的效果。对这种新干预组合的研究应使用提高用户友好度的设计原则并监测参与者的技术接受度。
使用人工智能软件教学对约旦 10 年级计算机科学专业学生学业成绩及其态度的影响
约旦大学教育科学学院 摘要 本研究旨在确定基于人工智能的教育软件教学方法对约旦 10 年级计算机科学学生学业成绩及其态度的影响。为了实现本研究的目标，设计了一个计算机软件，应用于约旦大学学校特意选择的 (50) 名 10 年级学生。研究样本随机分为两组：使用教育软件教学的实验样本和以传统方法教学的对照样本，研究人员准备了一个成就测试来衡量 10 年级学生在计算机科学科目的学业成绩，其中测试的有效性和可靠性已经过验证，重测信系数为 (0.86)。准备了一份关于态度的问卷，并验证了其有效性和可靠性。问卷的信度系数基于Cronbach's alpha方程为(0.01)。为了分析结果，我们使用了协方差分析（ANCOVA），研究结果表明，实验组使用基于人工智能的教育软件学习计算机科学学科具有统计学上的显著差异。结果还显示，实验组对教育软件的态度为中等积极。本研究建议在计算机科学学科教学领域设计和开发计算机化软件，并在基础教育领域培训和鼓励教师使用基于人工智能的学习。关键词：人工智能软件、学业成绩、学生态度、约旦大学学院 DOI：10.7176/JEP/11-7-10 出版日期：2020 年 3 月 31 日 1.1 简介 我们这个时代教育过程面临的最核心挑战之一是探索有效的教育方法的能力，以及能够设计一个满足学习者需求、激励他们并激发他们融入教育过程兴趣的交互式学习环境。随着各种现代技术手段的出现，传统方法的教学已不再可行，必须在适当的教育位置激活和使用技术，以确保取得积极成果。虽然教学方法自古以来就存在，但并没有以系统的方式使用目的不仅仅是使用技术，而是根据教育情况和教育过程的目标来规划选择适当的教育方法。根据目标学习者在适当的教育位置使用适当的教育工具时，我们可以为学习过程增加新的价值；我们可以实现我们努力实现的目标，因为信息和通信技术提供了许多超越时间和空间限制的高效手段。它还为学习者开辟了新的视野，通过该技术提供的服务（例如互联网、电子邮件、教育软件、交互式白板、视觉媒体、视听手段和现成的教育包），赋予学习者在学习和互动过程中的责任和最大作用（Bani Abdo，2017）。正如 Zemam 和 Sulaimani (2013) 指出的那样，我们必须努力理解和研究这些方法对教育学习过程的重要性和影响，并确定它们的类型，以便根据目标受众或适当的教育立场区分最合适的类型。在此背景下，我们必须确定在特定教育情况下使用特定方法的效果，其中使用一种方法比在相同教育情况下使用另一种方法对目标学习者的影响更大。鉴于知识的扩展和通信手段的技术发展正常导致生活的各个方面的巨大发展和加速变化，以及所有科学领域中大量信息的可用性，有必要发展教育理念并改变教师的角色，摆脱传统的填鸭式教学，更多地依靠在学习者面前提供专业领域。出于这些原因，提供允许专业领域多样化的教育手段至关重要，这使得学习者能够实践学习过程以获得新的经验，使他能够面对生活中不断变化的需求。
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
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
学业成绩指数报告 gt 60.2
1 TKM 工程学院 50 262 151 2 465 5.003 60.47 2 特里凡得琅工程学院 48 259 160 2 469 5.803 70.31 3 政府。巴顿山工程学院 20 97 87 0 204 5.209 63.75 4 模型工程学院 12 124 111 4 251 5.183 64.19 5 特里苏尔政府工程学院 13 137 134 2 286 4.193 52 6 Mar Athanasius 工程学院，哥德曼加兰 10 142 142 8 302 4.156 51.89 7 拉吉夫·甘地理工学院，哥打亚姆 7 76 96 2 181 4.434 55.52 8 佩鲁蒙工程学院 2 37 47 0 86 2.755 22.3 9 JYOTHI 工程学院 2 63 72 2 139 2.953 37.07 10 SREE CHITRA THIRUNAL 工程学院 4 104 127 4 239 4.3 34.46 11 SCMS 工程技术学院 9 114 145 12 280 4.189 45.45 12 CHENGANNUR 工程学院 2 80 99 4 185 3.606 52.83 13 LBS 女子技术学院，POOJAPPURA 4 81 112 7 204 4.945 62.58 14 MARIAN 工程学院 3 74 115 4 196 4.068 51.58 15 NSS 工程学院 10 125 199 12 346 4.429 56.17 16 基督工程学院 3 30 57 2 92 3.914 35.85 17 卢尔德马塔科学技术学院 0 25 36 2 63 2.022 25.71 18 穆胡特理工学院 1 77 109 9 196 5.31 50.09 19 莫汉达斯工程技术学院 2 43 60 7 112 2.699 34.36 20 马尔巴塞利奥斯工程技术学院5 93 161 8 267 3.935 67.59 21 拉贾吉里工程技术学院 15 164 261 31 471 4.987 31.42 22 维迪亚科学技术学院 4 74 114 11 203 2.683 25.37 23 阿多尔工程学院 1 31 61 0 93 2.468 63.56 24 坎努尔政府工程学院 5 61 121 6 193 4.144 45.37 25 基丹戈尔工程学院 2 35 62 4 103 3.557 52.88 26贾瓦哈拉尔工程技术学院 0 34 53 3 90 2.017 25.71 27 维迪亚科学技术学院技术园区 2 18 43 1 64 2.493 36.28 28 斯里佛陀工程学院，帕图尔 2 36 80 1 119 2.84 31.84 29 瓦利亚库南巴伊库拉塔玛工程与技术学院 2 29 51 6 88 2.653 45.57 30 圣吉特工程学院 5 66 136 9 216 3.559 26.91 31 斯里维拉帕利纳特桑工程学院4 26 60 5 95 2.101 7.51 32 MANGALAM 工程学院 0 25 50 3 78 1.828 23.49 33 VISWAJYOTHI 工程与技术学院 5 70 155 12 242 3.526 45.32 34 ILAHIA 工程与技术学院 2 44 99 7 152 2.715 29.03 35 联邦科学技术学院（FISAT） 7 101 190 26 324 4.366 56.15 36 BASELIOS MATHEWS II 工程学院 0 19 42 2 63 2.256 34.94 37 RAJADHANI 工程技术学院 2 28 69 4 103 2.463 31.69 38 AHALIA 工程技术学院 1 20 49 3 73 3.147 40.56 39 SAHRDAYA 工程技术学院 2 66 146 11 225 4.148 22.15 40 国立工程学院，科泽科德 1 35 76 6 118 2.863 26.56
音乐对学业成绩的影响...
摘要................................................................................................................................iii