Research on the Innovation of Computer Basic Education Curriculum in Fine Arts Colleges and Universities Based on Network Education Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The development of time and technology has made the traditional basic computer teaching unable to meet the needs of current students, and the cultivation of computer thinking ability has become a hotspot of computer education concern. The article combines the flipped classroom model with the MOOC platform of network education, and establishes a MOOC flipped classroom teaching model applicable to computer basic education courses in art colleges. In this model, students’ assessment results data are collected, and the Apriori algorithm optimised by matrix optimisation and prior pruning strategy is used to mine the association relationship of the assessment results, which helps teachers to understand students’ computer knowledge mastery. T College of Fine Arts is used as a research example to illustrate the effectiveness of MOOC flipped classroom through the changes in students’ performance, competence, and satisfaction. The improved Apriori algorithm has an execution time of only 2.93s when its minimum support is 100%, which can be used to understand students’ computer application ability for different question types, majors and skill performances. The mean score of the final exam of the students in the experimental class was 82.79, which reached 111.79% of the score of the control class, and more than 80% of them were satisfied with the MOOC flipped classroom. The use of flipped classroom and network education model can achieve the innovative development of computer basic education courses in art colleges and help to enhance the teaching quality of computer basic education courses in art colleges.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle