Resumen

Para mejorar el reconocimiento del comportamiento y la precisión en la evaluación de la enseñanza en el aula, este documento propone un nuevo modelo basado en el aprendizaje profundo. Primero, obtenemos los datos característicos del comportamiento de enseñanza en el aula a través de los SVMs inicialmente separables linealmente y determinamos la relación de los datos de muestra característicos en el hiperplano. Luego, obtenemos el vector de soporte heterogéneo de los datos de muestra característicos del comportamiento de aprendizaje en línea en el hiperplano de los SVMs y completamos la extracción de datos con la ayuda de redes neuronales convolucionales. Luego utilizamos una matriz de decisión para analizar el proceso jerárquico, determinar el peso de los indicadores del comportamiento de enseñanza en el aula, verificar su consistencia y completar la evaluación calculando la pertenencia de los factores de evaluación. Los resultados experimentales muestran que el método de identificación y evaluación del comportamiento de enseñanza en el aula en este documento puede mejorar efectivamente la precis

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Comportamiento de enseñanza en el aula; Reconocimiento; Precisión de evaluación; Aprendizaje profundo; SVMs; Redes neuronales convolucionales
• Keywords:Classroom teaching behavior; Recognition; Evaluation accuracy; Deep learning; SVMs; Convolutional neural networks