Sun Geng, Shen Jun, Lin Jiayin Adaptive Micro Learning - Using Fragmented Time To Learn 9789811207457

Варианты приобретения

Цена: 11088.00р.
Кол-во:
Наличие: Поставка под заказ. Есть в наличии на складе поставщика.
Склад Америка: Есть
При оформлении заказа до: 2025-08-04
Ориентировочная дата поставки: Август-начало Сентября
При условии наличия книги у поставщика.

Добавить в корзину

в Мои желания

Автор: Sun Geng, Shen Jun, Lin Jiayin (Сун Женг)
Название: Adaptive Micro Learning - Using Fragmented Time To Learn
Перевод названия: Сун Женг: Адаптивное микрообучение. Использование фрагментированного времени для обучения
ISBN: 9789811207457
Издательство: World Scientific Publishing
Классификация:

Искусственный интеллект

ISBN-10: 9811207453
Обложка/Формат: Hardback
Страницы: 152
Вес: 0.37 кг.
Дата издания: 09.03.2020
Серия: Intelligent information systems
Язык: English
Размер: 229 x 152 x 22
Читательская аудитория: Tertiary education (us: college)
Ключевые слова: Artificial intelligence, COMPUTERS / Intelligence (AI) & Semantics,COMPUTERS / Machine Theory
Рейтинг:
Поставляется из: Англии
Описание: This compendium introduces an artificial intelligence-supported solution to realize adaptive micro learning over open education resource (OER). The advantages of cloud computing and big data are leveraged to promote the categorization and customization of OERs micro learning context. For a micro-learning service, OERs are tailored into fragmented pieces to be consumed within shorter time frames.Firstly, the current status of mobile-learning, micro-learning, and OERs are described. Then, the significances and challenges of Micro Learning as a Service (MLaaS) are discussed. A framework of a service-oriented system is provided, which adopts both online and offline computation domain to work in conjunction to improve the performance of learning resource adaptation.In addition, a comprehensive learner model and a knowledge base is prepared to semantically profile the learners and learning resource. The novel delivery and access mode of OERs suffers from the cold start problem because of the shortage of already-known learner information versus the continuously released new micro OERs. This unique volume provides an excellent feasible algorithmic solution to overcome the cold start problem.

Adaptive Micro Learning - Using Fragmented Time To Learn, Sun Geng, Shen Jun, Lin Jiayin