融合增强卷积神经网络与注意力机制的MOOCs STEM知识概念推荐模型及其对学习心理与行为路径的深度优化研究

本综述探讨了在STEM多课程关联背景下，如何通过增强卷积神经网络（CNN）与注意力机制结合，实现知识概念推荐与学习路径深度优化。研究聚焦于MOOCs环境中学生学习行为与心理状态，通过多实体特征提取与关系构建，有效捕捉潜在知识兴趣，提升学习动机与成效，为跨学科高等教育提供关键决策支持。

　　

Highlight

本研究的核心发现突出了增强卷积神经网络（CNN）与注意力机制在STEM多课程知识概念推荐中的协同效应，能够有效优化学习路径并改善学习心理状态。

Introducción（引言）

STEM教育（Ciencia, Tecnología, Ingeniería y Matemáticas）作为一种跨学科教育模式，超越了简单学科整合，致力于将不同学科的实践过程与智力层面有机融合，以提升多学科应用与实践能力。

El presente estudio（本研究）

事实上，STEM学生与MOOCs中的知识概念存在多种实体和关系类型（Gupta et al., 2022），这可进一步衍生出其他关联实体与行为关系。这种在线学习过程的表征可提供丰富的学习行为实例，促进学生与知识概念之间的互动与合作（Xia y Qi, 2023c）。不同的...

Dise?o de investigación y participantes（研究设计与参与者）

为论证结合显性与隐性反馈的混合推荐策略，以挖掘STEM知识概念潜在兴趣，并探索STEM课程的深度学习路径，本研究聚焦于“学堂在线”MOOC平台。与整个学习过程相关的因子和特征称为MOOCCube，该数据集不仅包含多种实体如...

Resultados（结果）

STEM的跨学科性与课程关联主要源于知识概念的情境化能力。它在整合不同学科与课程中扮演关键角色，因为知识概念之间存在着潜在的内在联系。这些关系决定了学习过程中知识概念的分布，并建立起一定的顺序序列。不同的知识概念...

Discusión（讨论）

随着MOOCs等在线学习平台的出现，在线协作学习的自主性与个性化已得到充分验证，尤其在STEM教育中。同时，学生学习过程中的心理变化与学习态度也会通过学习行为实例的相关性分析显现出来，并可推导出学习行为路径...