Metody pro výpočet podobnosti výukových položek – Bc. Dominik Gmiterko
Bc. Dominik Gmiterko
Bakalářská práce
Metody pro výpočet podobnosti výukových položek
Techniques for measuring similarity of educational items
Anotace:
Táto práca sa venuje metódam pre výpočet podobnosti výukových položiek na základe správnosti odpovedi od používateľov. Už pred začiatkom práce sme si boli vedomý, že pri takomto určení podobnosti sa môžu vyskytnúť neobjasnené pravidelnosti. Vo výukovom systéme Umíme česky sa prejavili ako rozdelenie položiek podľa ich správnej odpovede a levelu v ktorom sú zaradené. Jadro práce tvorí exploratívna analýza …víceAbstract:
This work focuses on the measuring of item similarity in tutoring systems utilizing correctness of answers from users. We knew that some unexplained regularities might appear in a similarity of items. In the system Umíme česky they caused separation of items based on their correct answer and level they are assigned into. The core of the work consists of an explorative analysis of possible causes for …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 24. 5. 2018
Identifikátor:
https://is.muni.cz/th/l5dzj/
Obhajoba závěrečné práce
- Obhajoba proběhla 28. 6. 2018
- Vedoucí: doc. Mgr. Radek Pelánek, Ph.D.
- Oponent: doc. Mgr. Jan Obdržálek, PhD.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasarykova univerzita
Fakulta informatikyBakalářský studijní program / obor:
Informatika / Počítačové systémy a zpracování dat
Práce na příbuzné téma
-
Adaptive Learning of Programming
Tomáš Effenberger -
Adaptive Learning of Programming
Tomáš Effenberger -
Effective Learning Environment for Cybersecurity Hands-on Training
Pavel Šeda -
Interpretable clustering of turtle graphics programs
Zuzana Ďurčeková -
Remuneration Schemes for Individual Prosumers in the EU – understanding the comparison of clustering results
Khatia Shaverdashvili -
Explaining convolutional neural network using clustering methods
Adam Bajger -
Evaluation of Multiple Clustering Algorithms on Insurance Datasets
Kryštof Suchánek -
Customers Classification using Recency Frequency, Monetary value (RFM), and K-means clustering algorithm
Mark Azietaku