Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
BP-MPSO Algorithm for PUMA Robot Vacumn Path Planning Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Evaluating Learners’ Progress in Smart Learning Environment

verfasst von : Hisham Elhoseny, Mohamed Elhoseny, Samir Abdelrazek, A. M. Riad

Erschienen in: Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The advancement of innovations empowers learners to take in more viable, proficiently, adaptable and serenely. Smart learning, an idea that portrays learning in advanced age, has increased expanded consideration. This paper examines the meaning of Smart learning and shows an applied structure. The smart teaching method structure incorporates class-based separated direction [13], gather based communitarian learning, individual-based customized learning and mass-based generative learning. This paper proposes the Higher Particle Optimization (HPO) clustering as an instrument to trigger learning engagement activities. Utilizing (HPO), learners are clustered utilizing likeness measures construed from watched skill, meta-fitness, and certainty values, notwithstanding viability measures of instructional devices. A reenactment thinks about demonstrates that the (HPO)-based clustering is more ideal than Parallel M-implies grouping.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Maximizing Lifetime of Wireless Sensor Networks Based on Whale Optimization Algorithm
Nächstes Kapitel Predicting Algae Growth in the Nile River Using Meta-learning Techniques
Literatur
1.
Kumar, V.S., Somasundaram, T.S., Boulanger, D., Seanosky, J., Vilela, M.F.: Big data learning analytics: a new perspective. In: Ubiquitous Learning Environments and Technologies. Lecture Notes in Educational Technology, pp 139–158. Springer, Heidelberg (2015), doi:10.​1007/​978-3-662-44659-1_​8
2.
Brown, R., Cartney, S.: Competence is not enough: meta-competence and accounting education. Account. Educ. 4(1), 43–53 (2006)CrossRef
3.
Ibrahim, A., Ludwig, A.: Parallel particle swarm optimization clustering algorithm based on MapReduce methodology. In: 2012 Fourth World Congress on Nature and Biologically Inspired Computing (NaBIC), pp. 104–111 (2012)
4.
Guange, L., Gong-Qing, W., Xue-Gang, H., Jing, Z., Lian, L., Xindong, W.: K-means clustering with bagging and mapreduce. In: Proceedings of the 2011 44th Hawaii International Conference on System Sciences, IEEE Computer Society, pp. 1–8 (2011)
5.
Geyik, K.: Clustering e-Learners in a marketing context: a two-stage clustering approach. In: ECEL 6th European Conference on E-Learning Copenhagen Business School, pp. 245–252 (2007)
6.
Valsamidis, S., Kontogiannis, S., Kazanidis, I., Theodosiou, T., Karakos, A.: A clustering methodology of web log data for learning management systems. Educ. Technol. Soc. 15(2), 154–167 (2012)
7.
8.
Amory, A., Naicker, K., Vincent, J., Adams, C.: The use of computer games as an educational tool: identification of appropriate game types and game elements. Br. J. Edu. Technol. 30(4), 311–321 (1999)CrossRef
9.
Selman, B., Brooks, R.A., Dean, T., Horvitz, E., Mitchell, T.M., Nilsson, N.J.: Challenge problems for artificial intelligence. In: Thirteenth National Conference on Artificial Intelligence, pp. 1340–1345. AAAI Press, Cambridge (1996)
10.
Grivokostopoulou, F., Hatzilygeroudis, I.: An automatic marking system for interactive exercises on blind search algorithms. In: Chad Lane, H., Yacef, K., Mostow, J., Pavlik, P. (eds.) Artificial Intelligence in Education. LNAI, vol. 7926, pp. 783–786. Springer, Heidelberg (2013)CrossRef
11.
Metawa, N., Elhoseny, M., Hassanien, A.: An automated information system to ensure quality in higher education institutions. In: 12th International Computer Engineering Conference (ICENCO), IEEE (2016), doi:10.​1109/​ICENCO.​2016.​7856468
12.
Hassan, A., Ibrahim, M.: Designing quality e-learning environments for higher education, Educ. Res. 1(6), 186–197 (2010)
13.
Shehab, A., Elhoseny, M., Hassanien, A.: A hybrid scheme for automated essay grading based on LVQ and NLP techniques. In: 12th International Computer Engineering Conference (ICENCO), IEEE (2016), doi:10.​1109/​ICENCO.​2016.​7856447)
14.
Elhoseny, H., Elhoseny, M., Abdelrazek, S., Bakry, H., Riad, A.: Utilizing service oriented architecture (SOA) in smart cities. Int. J. Advancements Comput. Technol. (IJACT) 8(3), 77–84 (2016)
Metadaten
Titel
Evaluating Learners’ Progress in Smart Learning Environment
verfasst von
Hisham Elhoseny
Mohamed Elhoseny
Samir Abdelrazek
A. M. Riad
Copyright-Jahr
2018
Buch
Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2017

Print ISBN: 978-3-319-64860-6

Electronic ISBN: 978-3-319-64861-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-64861-3_69