ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Vũ Đình Thọ NGHIÊN CỨU TRIỂN KHAI HỆ THỐNG HỌC THÍCH NGHI THEO NHU CẦU MỤC TIÊU HỌC TẬP TRONG ĐÀO TẠO ĐIỆN TỬ KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Cơng Nghệ Thơng Tin HÀ NỘI - 2009 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ Vũ Đình Thọ NGHIÊN CỨU TRIỂN KHAI HỆ THỐNG HỌC THÍCH NGHI THEO Lời cảm ơn MỤC TIÊU HỌC NHU CẦU TẬP TRONG ĐÀO TẠO ĐIỆN TỬ KHỐ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công Nghệ Thông Tin Cán hướng dẫn: ThS Nguyễn Việt Anh HÀ NỘI - 2009 Lời cảm ơn Đầu tiên em xin gửi lời cảm ơn chân thành tới thầy Nguyễn Việt Anh, em thực cảm động trước nhiệt tình tinh thần làm việc hăng say thầy, cảm ơn thầy tận tình hướng dẫn, giúp đỡ em suốt trình làm khóa luận Cuối em xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè người thân em, người sát cánh bên em suốt trình học tập, thời gian hồn thành khóa luận Họ ln nguồn động viên tinh thần cổ vũ lớn lao, động lực giúp em thành công công việc sống Tóm tắt nội dung khóa luận E-learning hình thức đào tạo dựa trợ giúp công nghệ Cùng với phát triển công nghệ thông tin, E-learning ngày lớn mạnh chứng tỏ ưu so với đào tạo truyền thống Khi E-learning phát triển phổ biến rộng rãi, người ta bắt đầu quan tâm tới giải pháp làm tăng hiệu chất lượng đào tạo E-learning Mở đầu khóa luận trình bày tổng quan elearning, khái niệm, đặc trưng Tìm hiểu học thích nghi, chế học thích nghi theo mục tiêu nhu cầu Tiếp theo khóa luận tập trung tìm hiểu mơ hình tạo khóa học thích nghi ACGS [3] dựa thông tin người học kiến thức, kỹ năng, sở thích ….Cuối dựa vào kiến thức nghiên cứu tiến hành phân tích, thiết kế, cài đặt thử nghiệm mơ hình ACGS Mục lục   Mở đầu - -  Chương Tổng quan elearning - -  1.1  Khái niệm - -  1.1.1 E-learning - -  1.1.2 Lịch sử phát triển e-learning[1]: - -  1.1.3 Ưu nhược điểm phương pháp E-learning - -  1.2 Đặc trưng - -  1.3 Tình hình ứng dụng[1] - -  1.3.1 Xu phát triển - -  1.3.2 Tình hình phát triển ứng dụng E-Learning giới - -  1.3.3 Tình hình phát triển ứng dụng E-Learning Việt Nam - -  Chương Học thích nghi theo mục tiêu nhu cầu - 11 -  2.1 Học thích nghi - 11 -  2.1.1 Khái niệm học thích nghi - 11 -  2.1.2 Mục tiêu học thích nghi - 12 -  2.1.3 Thuộc tính người học dùng để thiết kế thích nghi[2] - 12 -  2.1.4 Phương pháp xây dựng khóa học thích nghi [2] - 13 -  2.1.5 Các kỹ thuật xây dựng khóa học thích nghi[2] - 14 -  2.2 Tìm hiểu mơ hình học thích nghi theo nhu cầu người học ACGS[3] - 16 -  2.2.1 Tổng Quan - 16 -  2.2.2 Kiến trúc hệ thống - 16 -  2.2.3 Quy trình lựa chọn Best Learning Path - 20 -  2.2.4 Ưu nhược điểm mơ hình - 25 -  Chương Triển khai thử nghiệm - 26 -  3.1 Phân tích thiết kế - 26 -  3.1.1 Mô tả chung - 26 -  3.1.2 Tổng quan mơ hình hệ thống - 26 -  3.1.3 Thiết kế hệ thống - 27 -  3.1.4 Quy trình hoạt động hệ thống - 38 -  3.2 Kết thử nghiệm - 39 -  Chương Kết luận - 40 -  Tài liệu tham khảo - 41 -  Phụ Lục - 42 -  Phụ Lục : Giao diện tương tác ứng dụng - 42 -  Phụ Lục : Gới thiệu công cụ Netica[9] - 47 -  2.1 Giới thiệu công cụ Netica - 47 -  2.2 Các thao tác với mạng Bayes chương trình - 48 -  2.3 Sử dụng công cụ Netica chương trình - 48 -  Phụ Lục : Một số module thuật toán - 50 -  Bảng giải số cụm từ viết tắt ACGS Adaptive Course Generation System AH Adaptive Hypermedia BBN Bayesian Belief Network BB Bayesian Belief LO Learning Object Mở đầu Nhu cầu học tập, tìm hiểu, khám phá kiến thức người đâu, lúc thúc đẩy elearning phát triển Elearning không giúp cho việc học tập thuận tiện, hiệu mà rút ngắn thời gian đào tạo, tiết kiệm thời gian, cơng sức, xóa khoảng cách, giúp người lại gần Khóa luận tập trung vào việc tìm hiểu khái niệm phổ biến elearning, học thích nghi Từ phân tích, thiết kế, cài đặt thử nghiệm mơ hình tạo khóa học thích nghi ACGS [3] dựa thông tin người học kiến thức, kỹ năng, sở thích… Cấu trúc khóa luận sau Chương trình bày tổng quan elearning bao gồm khái niệm elearning, đặc trưng, vai trị elearning Tóm lược lịch sử giai đoạn phát triển elearning, xu hướng phát triển giai đoạn Chương trình bày khái niệm tổng quan học thích nghi, nội dung mơ hình tạo khóa học thích nghi theo nhu cầu mơ hình ACGS [3] Chương trình bày kết phân tích, thiết kế, cài đặt thử nghiệm mơ hình tìm hiểu chương Chương tổng kết, đánh giá kết đạt trình nghiên cứu, thực luận án, ưu nhược điểm mơ hình triển khai Hà Nội, Tháng Năm 2009 Sinh viên Vũ Đình Thọ -1- Chương Tổng quan elearning 1.1 Khái niệm E-learning phương pháp giáo dục đào tạo nhà chuyên môn đánh giá cách mạng giáo dục kỷ 21 Đây giải pháp sử dụng công nghệ cao để hỗ trợ trình học tập, cung cấp dịch vụ đào tạo qua mạng Internet Intranet cho người dùng Có nhiều quan điểm, định nghĩa khác e-Learning, trích số định nghĩa e-Learning đặc trưng : E-Learning sử dụng công nghệ Web Internet học tập (William Horton) • E-Learning thuật ngữ dùng để mô tả việc học tập, đào tạo dựa công nghệ thông tin truyền thơng ( Compare Infobase Inc) • E-Learning nghĩa việc học tập hay đào tạo chuẩn bị, truyền tải quản lý sử dụng nhiều công cụ công nghệ thông tin, truyền thông khác thực mức cục hay toàn cục ( MASIE Center) • Việc học tập truyền tải hỗ trợ qua công nghệ điện tử Việc truyền tải qua nhiều kĩ thuật khác Internet, TV, video tape, hệ thống giảng dạy thông minh, việc đào tạo dựa máy tính ( CBT ) ( Sun Microsystems, Inc ) • Việc truyền tải hoạt động, trình, kiện đào tạo học tập thông qua phương tiện điện tử Internet, intranet, extranet, CD-ROM, video tape, DVD, TV, thiết bị cá nhân ( e-learningsite) • "Việc sử dụng công nghệ để tạo ra, đưa liệu có giá trị, thơng tin, học tập kiến thức với mục đích nâng cao hoạt động tổ chức phát triển khả cá nhân." (Định nghĩa Lance Dublin, hướng tới e-learning doanh nghiệp) Ưu điểm E-Learning so với phương pháp giáo dục truyền thống tạo môi trường học tập mở tính chất tái sử dụng đơn vị tri thức (learning object) Với cơng nghệ này, q trình dạy học hiệu nhanh chóng hơn, giảm chi phí thời gian đào tạo với phương pháp giảng dạy truyền thống E-learning chuyển tải nội dung phong phú, ấn tượng dễ hiểu thông qua trang web, bảo đảm chất lượng đào tạo qua phần mềm quản lý Mơ hình cho phép học viên nhân viên công ty chọn học thứ cần thiết khơng bó • -2- buộc trước Học viên học lúc nơi đâu cần thông qua mạng mà không cần phải đến trường Hiện nay, E-Learning phát triển nhanh phạm vi tồn cầu Nó mang lại hiệu kinh tế cao việc đào tạo nguồn nhân lực Vì e-learning thu hút quan tâm tổ chức đặc biệt lĩnh vực giáo dục 1.1.1 E-learning[1] E-learning (electronic learning): Là thuật ngữ bao hàm tập hợp ứng dụng xử lí thơng qua phương tiện điện tử Trong bao gồm việc phân phối nội dung khoá học tới học viên qua Internet, mạng intranet/extranet (LAN/WAN), băng audio video, vệ tinh, truyền hình, CD-ROM, loại điện tử khác Hình Mơ hình E-learning[1] Hình mơ tả cách tổng qt khái niệm E-learning.Trong mơ hình này, hệ thống đào tạo bao gồm thành phần, toàn phần thành phần chuyển tải tới ứng viên thông qua phương tiện truyền thông điện tử Gồm có: Nội dung: Các nội dung đào tạo, giảng thể dạng phương tiện truyền thơng điện tử, đa phương tiện Ví dụ giảng viết toolbookII,… Phân phối: Việc phân phối nội dung đào tạo thực thông qua phương tiện điện tử Ví dụ tài liệu gửi cho học viên e-mail, học viên học website, học qua đĩa CD-Rom multimedia,… Quản lý: Quá trình quản lý thực hoàn toàn nhờ phương tiện truyền thơng Ví dụ đăng ký học qua mạng, tin nhắn SMS, theo dõi tiến độ học tập (điểm danh) qua mạng Internet, -3- 3.2 Kết thử nghiệm Sau kết thử nghiệm với : - Đỉnh bắt đầu : Thực thể - Đỉnh đích : Dạng chuẩn Các lựa chọn : - Difficulty Level : easy - Skill : understanding - Intractive Style : topdown Lựa chọn ưu tiên : - Skill (kỹ năng) - Requited Time (thời gian) Sau làm test hệ thống tìm đường candidate pah sau : - Theo thuộc tính Master Level : Thực thể => Quan hệ => Quan hệ 1-n => Quan hệ 1-1 => Quan hệ n-m => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn - Theo thuộc tính Difficult Level : Thực thể => Quan hệ => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn - Theo thuộc tính Requited Time : Thực thể => Quan hệ => Phụ thuộc hàm => Khóa => Khóa ngoại=> Khóa => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn - Theo thuộc tính Interactive Style : Thực thể => Bảng => Câu truy vấn => Ràng buộc toàn vẹn =>Ràng buộc phạm vi trường => Kiểu liệu => Quan hệ => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn - Theo thuộc tính Skill : Thực thể => Thuộc tính => Giá trị => Miền giá trị => Quan hệ => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn Đường learning Path cuối đạt : Thực thể => Thuộc tính => Giá trị=> Quan hệ => Quan hệ 1-1 => Quan hệ n-m => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn => Dạng chuẩn - 39 - Chương Kết luận Mục tiêu mơ hình sử dụng kỹ thuật xây dựng khóa học thích nghi có liên quan đến việc chọn lựa phương nội dung dựa nhu cầu người học thích nghi mặt nội dung dựa mơ hình người học cá nhân cụ thể Các khóa học thích nghi thay đổi cấu trúc, cách thể khóa học đề phù hợp với mục tiêu người học Các thông tin người học có ý nghĩa quan trọng việc tạo khóa học thích nghi, bao gồm: kiến thức sẵn có, cách thức tiếp thu tri thức, mục tiêu người học Các kết đạt q trình thực khóa luận : • Kiến thức elearning • Các khái niệm học thích nghi , chế học thích nghi theo mục tiêu nhu cầu • Mơ hình tạo khóa học thích nghi ACGS [3] dựa thơng tin người học kiến thức, kỹ năng, sở thích • Một số thuật tốn tìm kiếm, kỹ phân tích thiết kế, cài đặt chương trình • Kỹ sử dụng công cụ Netica để mô mạng xác suất • Hệ thống thử nghiệm mơi trường NET ngôn ngữ C# ASP.NET, đạt số kết định, đưa tiến trình học thích nghi sát với nhu cầu người học - 40 - Tài liệu tham khảo [1] Elearning, http://truongtructuyen.org/mod/resource/view.php?id=4, http://el.edu.net.vn/docs/, www.google.com.vn [2] Nguyễn Việt Anh, Phùng Chí Dũng, Đỗ Hoàng Kiên, Nguyễn Minh Tú Báo cáo đề tài QC.06.08, “Nghiên cứu hành vi người học xây dựng khóa học theo nhu cầu đào tạo điện tử” Đại Học Công Nghệ, ĐHQG HN, 2007 [3] Nguyen Viet Anh, Nguyen Viet Ha, Ho Si Dam (2008) " Contructing a Bayesian Belief Network to Generate learning path in adaptive hypermedia system".Journal of Computer Science and Cybermetics Vol 1(24), 2008, p 12-19 [4] Anh Nguyen Viet and Dam, H.S (2006) ACGs: Adaptive Course Generation System – An efficient approach to build E-learning course Proceedings of the Sixth International Conference on Computers and Information Technology [5] Anh Nguyen Viet, Dam, H.S (2006) Applying Weighted Learning Object to Build Adaptive Course in E-learning Proceedings of the 14th International Conference on Computers in Education [6] G Knolmayer, “Decision Support Models for Composing and Navigating through eLearning Objects”, Proceedings of the 36th Hawaii International Conference on SystemEducation, 2003 [7] Bayesian Belief Network, http://en.wikipedia.org/wiki/Bayesian_belief_network [8] Viet Anh Nguyen , Viet Ha Nguyen, Si Dam Ho, Hitoshi Sasaki (2008)." Bayesian Network Student Model for Adapting Learning Activity Tasks in Adaptive Course Generation System" Proceeding of Technology Enhanced Learning Conference 2008 [9] Netica, http://www.norsys.com/index.html - 41 - Phụ Lục Phụ Lục : Giao diện tương tác ứng dụng Đăng nhập : Màn hình đăng nhập vào khóa học, thành viên chọn LogUp để đăng ký - 42 - Sau đăng nhập, chọn khóa học thành cơng người học điểu hướng đến trang thị nội dung tổng quan khóa học đồ thị tri giao viên tạo thiết kế khóa học : Đồ thị tri thức Tại người học lựa chọn điểm khởi đầu điểm kết thúc mục tiêu tri thức mà quan tâm tham gia khóa học Sau lựa chọn tri thức, điểm khởi đầu điểm kết thúc, hệ thống tiếp tục thu thập yêu cầu đưa vài lựa chọn để tối ưu đường học cho người học - 43 - Tại người học có vài lựa chọn u cầu khóa học : mức độ khó dễ, kỹ muốn đạt sau học… Người học lựa chọn thuộc tính mà quan tâm : ưu tiên thời gian hồn thành khóa học, ưu tiên rèn luyện kỹ tham gia khóa học… Sau lựa chọn yêu cầu mình, người học nhấn nút “OK” để làm Test kiểm tra kỹ, kiến thức ban đầu trước tham gia vào khóa học Nếu khơng muốn làm Test đơn giản người học chưa biết nhấn “Go To Candidate Path” Lục hệ thống coi người học beginer - 44 - Hệ thống tự động lựa chọn ngẫu nhiên 10 câu hỏi giáo viên soạn thiết kế khóa học để kiểm tra đánh gia trình độ học viên : Sau làm test học viên nhân “Ok” để hoàn thành bài, hệ thống tự động chấm điểm để phân loại học viên - 45 - Trang với mục đích thể đường candidate path tìm tương ứng với thuộc tính định đối tượng học LO từ đồ thị tri thức thông tin yêu cầu người học : Đồ thị tri thức Candidate path Thuộc tính Lựa chọn thuộc tính đê xem đường candidate path hệ thống tìm tương ứng - 46 - Cuối hệ thơng tính tốn đưa đường learning path tối ưu cho học viên : Học viên chọn “Go To Learn” để tham gia học tương ứng với đơn vị tri thức Phụ Lục : Gới thiệu công cụ Netica[9] 2.1 Giới thiệu cơng cụ Netica Netica chương trình linh hoạt, nhanh, thân thiện mà bạn sử dụng để tìm mẫu hình liệu, tạo biểu đồ mã hố kiến thức mơ tả vấn đề định, sử dụng để trả lời truy vấn tìm định tối ưu, tạo hệ chuyên gia xác suất Nó phù hợp cho ứng dụng lĩnh vực chuẩn đốn, dự đốn, phân tích định, mơ hình xác suất, quản lý rủi ro, xây dựng hệ chuyên gia Netica xây dựng phát triển tập đoàn phần mềm Norsys (Norsys Software Corp.) Netica hệ thống phát triển mạng Bayes sử dụng rộng rãi Để thực thao tác với mạng Bayes, sử dụng API có sẵn cung cấp Netica Có thể nói, Netica trái tim hệ thống Khơng có nó, hệ thống trang aspx bình thường Nhưng tạo mạng Bayes, thực thao tác mạng với Netica - 47 - Netica-C thư viện đầy đủ lớp thư viện ngôn ngữ C để làm việc với mạng Bayes đồ thị ảnh hưởng Nó chứa hàm để xây dựng, học từ liệu, thay đổi, chuyển đổi, thực kiểm tra, lưu đọc mạng Nó quản lý “trường hợp” tập trường hợp, kết nối trực tiếp với hầu hết phần mềm sở liệu Ở đây, khơng trình bày đầy đủ API Netica (bạn tự tham khảo) mà phần sử dụng hệ thống 2.2 Các thao tác với mạng Bayes chương trình Nếu tính riêng thao tác liên quan đến mạng Bayes hệ thống có hai thao tác sau: • Tạo mạng Bayes cho khóa học • Đưa vào xác suất likelihood, để tính giá trị xác suất cho tất node mạng 2.3 Sử dụng cơng cụ Netica chương trình Đầu tiên, tạo tạo mạng Bayes với giao diện đồ hoạ Netica Bạn khơng cần phải viết dịng code Các thao tác kéo thả Sau tìm đường candidate path tính xác suất có mặt đỉnh mạng, “bằng chứng” cho mạng Bayes Cơng việc đặt cập nhật lại xác suất cho node mạng Sau đoạn giả mã thực cơng việc ngơn ngữ C#: // Khởi tạo ban đầu Netica.Application app = new Netica.Application(); app.Visible = true; Streamer file = app.NewStream(, null); BNet net = app.ReadBNet(file, ""); while () { Tìm node tương ứng, giả sử biến n BNode n; Cho xác suất vào mảng a - 48 - float[] a = new float[2]; // Tạo chứng n.finding().enterLikelihood(a); } // Dịch mạng, cập nhật xác suất net.compile(); // Thao tác với xác suất vừa tính NodeList list = net.getNodes(); for (int i = 0; i < list.size(); i++) { Node node = list.getNode(i); float[] a = node.getBeliefs(); // Bạn làm đó, ví dụ in file cập nhật sở liệu } // Kết thúc env.finalize(); Chú ý để biên dịch đoạn mã môi trường NET ứng dụng cần tham chiếu đến Assembly Netica Một ý chứng thuộc kiểu likelihood Trong trường hợp này, nhận thông tin không chắn giá trị số node cụ thể Nó từ đo khơng hồn hảo, từ người người mà luôn Giả sử có cảm biến để đo nhiệt độ, nhiệt độ cao bật sáng Thực tế thấy nhiệt độ thấp, cảm biến không sáng; nhiệt độ trung bình sáng 10% lần thế; nhiệt độ cao ln ln sáng Nếu thời điểm cụ thể, quan sát cảm biến sáng, muốn nhập vào chứng cho node Temperature, ta sử dụng chứng likelihood Một chứng likelihood bao gồm giá trị xác suất cho trạng thái node Đối với ví dụ chúng ta, chứng likelihood (0, 0.1, 1) Một hiểu nhầm phổ biến nghĩ chứng likelihood xác suất trạng thái cho - 49 - quan sát (trong trường hợp tổng giá trị 1, tổng chứng likelihood không yêu cầu 1) Phụ Lục : Một số module thuật toán 2.1 Module thuật toán Dijkstra static void Dijkstra(int s, int t, ref int lenght, int[] candidatePath) { int i, k = s, kc, nuthientai, min, kcachmoi; int[] tapcacnut = new int[VerticesMax]; // tap cac nut da xet int[] kcach = new int[VerticesMax]; /* mang luu chieu dai duong di ngan nhat tu nut s den cac nut khac */ //khoi dong mang tapcacnut[] va kcach[] for (i = 0; i < nodeCount; i++) { tapcacnut[i] = FALSE; kcach[i] = INFINITE; } // dua nut s vao tap nut da xet tapcacnut[s] = TRUE; kcach[s] = 0; nuthientai = s; /* vong lap thuc hien cac buoc 1, 2, cho den dua duoc nut t vao tap nut da xet */ while (nuthientai != t) { = INFINITE; kc = kcach[nuthientai]; /* kc chieu dai duong di ngan nhat tu nut s den nuthientai */ for (i = 0; i < nodeCount; i++) if (tapcacnut[i] == FALSE) { kcachmoi = kc + weight[nuthientai, i]; if (kcachmoi < kcach[i]) { kcach[i] = kcachmoi; candidatePath[i] = nuthientai; /* gan nuthientai la nut truoc nut i tren lo trinh */ } if (kcach[i] < min) { = kcach[i]; k = i; } } // Dua nut k vao tap nut da xet nuthientai = k; tapcacnut[nuthientai] = TRUE; - 50 - } lenght = kcach[t]; } 2.2 Module tìm đường candidate path public static void GetCandidatePath(int[] outCandidatePath, ref int verticesMount, string pathFile, int attribute,int startVertex,int terminalVertex) { int lenght = 0; int count = -1; int s, t, i; int[] candidatePath = new int[VerticesMax]; string path; s = startVertex; t = terminalVertex; if (attribute == 0) path = RootPath + MasterLevelPath + "\\" + pathFile; else if (attribute == 1) path = RootPath + DifficultyLevelPath + "\\" + pathFile; else if (attribute == 2) path = RootPath + RequitedTimePath + "\\" + pathFile; else if (attribute == 3) path = RootPath + InteractiveStylePath + "\\" + pathFile; else path = RootPath + ForSkillPath + "\\" + pathFile; // search candidate path Initialize(); Initializewt(path); for (int ii = 0; ii < VerticesMax; ii++) candidatePath[ii] = 0; Dijkstra(s, t, ref lenght, candidatePath); count = -1;//dem so dinh learning candidate path i = t; while (i != s) { count++; outCandidatePath[count] = i; i = candidatePath[i]; } count++; outCandidatePath[count] = s; verticesMount = count + 1; } - 51 - 2.3 Module tính tốn mạng xác suất để tìm đường learning path sau có đường candidate path // -Caculate Learning Path -try { Netica.Application app = new Netica.Application(); app.Visible = true; string net_file_name = RootPath + CPTPath; Streamer file = app.NewStream(net_file_name, null); BNet net = app.ReadBNet(file, ""); net.Compile(); double[] evi = new double[2]; double tempt; for (int ii = 0; ii < nodeCount ; ii++) { if ((ii != s) && (ii != t)) { tempt = (double)nbt[ii] / Count; evi[0] = tempt; evi[1] = - tempt; BNode node = net.Node("N" + ii.ToString()); node.EnterLikelihood(evi); } } //for start and terminal vertex evi[0] = 1; evi[1] = 0; BNode nodeStart = net.Node("N" + s.ToString()); nodeStart.EnterLikelihood(evi); BNode nodeTerminal = net.Node("N" + t.ToString()); nodeTerminal.EnterLikelihood(evi); rp_dataProvider thresholdProvider = new rp_dataProvider(); thresholdProvider.SetCommandTex("pr_select_threshold"); thresholdProvider.SetCommandType(CommandType.StoredProcedure); thresholdProvider.AddParameter("@CourseID", 3); SqlDataReader thresholdReader = thresholdProvider.GetSqlDataReader(); verticesCount = -1; double temp; for (int ii = 0; ii < nodeCount; ii++) { BNode node = net.Node("N" + ii.ToString()); thresholdReader.Read(); temp = thresholdReader.GetDouble(0); Console.WriteLine(temp); if (temp < (double)node.GetBelief("true")) { verticesCount++; learningPath[verticesCount] = ii; - 52 - } } verticesCount++; thresholdProvider.Close(); // write to file learningWriter.Write(username +": "); for (int ii = 0; ii < verticesCount -1; ii++) { learningWriter.Write(learningPath[ii]+" >"); } learningWriter.Write(learningPath[verticesCount - 1]); learningWriter.WriteLine(); //net.Delete(); //if (!app.UserControl) app.Quit(); } catch (System.Runtime.InteropServices.COMException e) { Console.WriteLine("Netica Demo: Error " + (e.ErrorCode & 0x7FFF) + ": " + e.Message); } - 53 - ...ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Vũ Đình Thọ NGHI? ?N CỨU TRIỂN KHAI HỆ THỐNG HỌC THÍCH NGHI THEO Lời cảm ơn MỤC TIÊU HỌC NHU CẦU TẬP TRONG ĐÀO TẠO ĐIỆN TỬ KHOÁ LUẬN TỐT NGHI? ??P... học, máy thích nghi Nói cách khác, người học lấy tham gia vào khóa học cung cấp cho hệ thống thơng tin nhu cầu minh khóa học hệ thống sử dụng chế thích nghi để tạo khóa học thích nghi theo nhu. .. Sự thích nghi chủ yếu tập trung khía cạnh: thích nghi nội dung khóa học thích nghi cấu trúc khóa học 2.1.3 Thuộc tính người học dùng để thiết kế thích nghi[ 2] 2.1.3.1 Mục tiêu học tập Mục tiêu