基于多模态数据的在线学习认知风格智能识别

在人工智能技术迅速发展的背景下，多模态数据分析在教育领域的重要性日益凸显。本研究通过提取学习者在线学习中产生的脑电数据、表情数据和眼动数据等，构建了基于多模态数据的认知风格智能识别框架，并运用六种机器学习模型验证其有效性。研究结果显示，四种机器学习模型的识别准确率超过80%，且最佳模型的准确率达89.17%,F1分数达0.9241。此外，与基于单模态数据的模型相比，基于多模态数据的认知风格模型识别表现更佳。这表明，多模态数据融合策略具有优越性，有助于加强在线学习平台的适应性和个性化。