基于深度强化学习的分布式接口协调在英语慕课平台中的应用研究

《ACM Transactions on Asian and Low-Resource Language Information Processing》：The Application Research of Distributed Interface Coordination Based on Deep Reinforcement Learning in English MOOC Platform

教育系统与信息技术发展密不可分，MOOC平台通过无线技术和在线课程实现全民教育。研究提出将DIC机制与DRL结合用于MOOC平台，通过智能课程推荐和分布式资源协调提升教学效率，实验显示准确率达97.67%，优于传统SVM模型。

　　

摘要

发展信息技术和其他企业管理公司并不等同于技术进步。只有当教育体系得到完善时，我们才能宣称国家已经实现了全面的技术进步并且运行良好。教育体系通过无线技术和在线课程对学生进行指导。在线课程的进步催生了大规模开放在线课程（MOOC）平台。MOOC平台的优势在于它为任何人提供了免费的在线课程，允许他们按照自己的节奏学习。在这个MOOC平台上，运用深度强化学习（DRL）技术可以通过智能机制帮助学生选择课程并进行学习。由于分布式接口协调（DIC）机制的存在，学生与教师之间的互动将显著增加；在这种机制下，资源在无线网络环境中得到分配。此外，注册的学生应该拥有访问这些资源的权限。这种将DIC与DRL结合的方法可以被称为所提出系统的DIC-DRL模型。数据收集使用了低数据包传输率和过时的无线连接技术。与现有的支持向量机（SVM）模型相比，所提出的模型准确率达到了97.67%。