基于Hadoop的神经网络算法在网络学习评价中的应用研究*

陈志华

(广东技术师范学院计算机网络中心　广州　510665)



基于Hadoop的神经网络算法在网络学习评价中的应用研究*

陈志华

(广东技术师范学院计算机网络中心广州510665)

摘要网络环境下的学习需要有与之相适应的学习评价方式,为改进现有网络学习评价的不足,构建了基于BP神经网络的网络学习评价模型,并设计基于Hadoop的BP神经网络并行算法,解决网络学习评价中的大数据集分析和处理问题,实验证明,提出的方法拥有较快的收敛速度和较高的精度,在大数据集处理上具有较好的加速比和良好的可扩展性。

关键词BP算法; 神经网络; 网络学习评价; Hadoop

Application of Hadoop-based Neural Network Algorithm in E-learning Evaluation Study

CHEN Zhihua

(Computer & Network Center, Guangdong Polytechnic Normal University, Guangzhou510665)

AbstractTo improve the existing shortcomings of e-learning evaluation, is designed a e-learning evaluation model is proposed based on BP neural network, and the parallel algorithm of BP neural network is designed based on Hadoop. Experiment results demonstrate that the proposed method has fast convergence speed and high precision, it also has better acceleration and good scalability on the large data set processing.

Key WordsBP algorithm, neural network, E-learning evaluation, Hadoop

Class NumberTP311

1引言

随着我国计算机网络及教育技术的不断发展,以E-Learning(数字化学习)和M-Learning(移动学习)为代表的网络学习模式被广泛地应用,越来越多的人开始接受并习惯网络环境下的学习。与传统的课堂教学相比,网络环境下的教学评价有其独特性和复杂性,但目前对网络课程的学习评价往往还参考传统课堂教学的采用加权平均的线性评分模型,这样的评价方式显然已不能全面、客观地对网络环境下的学习效果进行评价。在网络环境下,学习者可以不受时空的限制,拥有丰富的学习资源,可进行多样化的网络学习活动,所以影响学习质量的因素也是多样化的,很难用一个线性模型来表达它们和学习效果之间的因果关系。侯丽平认为:网络学习评价的主要特征是价值取向的人文性、评价主体的多元性、评价内容的全面性、评价手段的先进性和评价过程的连续性[1]。……