Адаптивный путь глубокого обучения студентов и стратегия преподавания современного керамического искусства на фоне «Интернет+»

С быстрым развитием интернет-технологий данное исследование изучает стратегии преподавания современного керамического искусства для студентов. На основе глубокого обучения (DL) разработана автоматическая система ответов на вопросы (QA), проанализированы новые стратегии преподавания и интеграция интернета с автоматической системой QA для помощи студентам в решении возникающих в процессе обучения проблем. Во-первых, проанализированы соответствующие теории DL и персонализированного обучения. Среди архитектур DL сопоставлены многослойная нейронная сеть с обратным распространением ошибки (BPNN), сверточная нейронная сеть (CNN), сеть с долговременной краткосрочной памятью (LSTM) и затворная рекуррентная единица (GRU) для реализации отдельных моделей и гибридной модели. Во-вторых, собранные вопросы студентов отобраны и обработаны, а для различных моделей заданы экспериментальные параметры для сравнительных испытаний. Эксперименты показывают, что средняя точность и средний взаимный ранг (MRR) традиционных методов поиска достигают лишь около 0.5. В базовых нейронных сетях средняя точность структур LSTM и GRU составляет около 0.81, что даёт лучшие результаты. Наконец, точность гибридной модели достигает примерно 0.82, в то время как двунаправленная GRU-сеть с механизмом внимания (BiGRU-Attention) обеспечивает точность и MRR на уровнях 0.87 и 0.89 соответственно, демонстрируя наилучшие показатели. Разработанная модель глубокого обучения удовлетворяет требованиям онлайн-системы автоматических ответов, улучшает систему преподавания и помогает студентам лучше понимать и решать задачи на курсах керамического искусства.