一个有效的多媒体项目壳设计个性化的教育:克罗姆项目

文摘

有几个优势创建多媒体项类型和应用计算机自适应测试教育。首先是激励学习的能力,使学习者更在一个交互式的环境。第二个是一个更好的概念表示,在传统的多项选择题测试是不可能的。三是个性化的课程设计的优势,而不是平均的学生的课程设计。第四的下一个问题是一个很好的选择,与适当的难度有关基于学生的应对当前问题。然而,许多问题需要解决,实现这些目标,包括:(a)所需的大量的项类型代表当前的多媒体格式的选择题,(b)的标准用来确定一个多媒体的问题项的难度,和(c)方法应用于个别学生选择过程的问题。在本文中,我们提出一个多媒体项目外壳设计,不仅减少了所需的项类型,但也自动计算难度的一个项目。种子的概念问题是介绍内容创建更划算。拟议的项目外壳框架促进有效的用户响应客户端之间的通信,和得分与学生能力评估员在服务器集成。我们还描述方法自动估算难度的问题,并讨论初步评价多媒体项类型的学生。

1。介绍

随着内容创作、多媒体有潜力在使用知识获取和创新的测试。而不是传统的纸笔格式、音频、视频、图像、动画等被构想为替代意味着未来更有效的学习和测试(1- - - - - -11]。以计算机为基础的学习和测试的一个优点是推进教育个性化;而不是分发同一组的学习或测试材料整个类,接下来的教程或考试题目可以自适应地选择基于当前个体学生的表现。因为每个学生的学习曲线是不同的,个性化教育工作者和教师是一种有效的方法,他们可以监控学生的进步比以前更好的使用信息和总结性的计算机生成的信息,并能在必要时提供紧急援助。采用这种方法的挑战是大量的教程和数据库中的问题,需要迎合所有的学习水平,必须是可用的。不同于传统的多项选择题项格式可以很容易地适应不同的问题,多媒体项目需要特定的屏幕布局取决于问题的内容和所使用的媒体类型。编程和开发成本可能超过它的好处个性化如果每个问题需要一个新的设计和实现。在远程环境中,问题内容很容易过载于服务器-客户机功能如果传输数据设计不合理和规范。以计算机为基础的学习的另一个优点是使设计和组织课程集中可用,通过有线或无线网络,远程位置资源不足准备在本地教育材料。

在本文中,我们提出一个新颖的方法来设计多媒体项目壳解决问题的可伸缩性,可重用性和可移植性。我们的设计考虑:(a)确定问题困难,分配分数,(b)和(c)自动选择问题。剩下的纸是组织如下:这项工作中使用的术语描述的部分2。部分3讨论了一种有效的多媒体项目的需求。部分4介绍我们的设计策略,实现的一些例子也进行了描述。部分5讨论了测试和评分策略。部分6描述了一个简短的学生评价我们的一些多媒体项类型。最后,部分7给出了结论和讨论未来的工作。

2。术语

在这个工作我们使用以下术语:

项目中使用相同的上下文项问题或问题。

多项选择(MC)项壳是一个模板用于生成MC物品。可以生成多个问题使用相同的壳通过输入不同的文本描述和选择的问题。

多媒体项目壳是一个模板用于生成项目具有类似特征。在MC项壳牌固定屏幕布局,一个多媒体项目壳可以映射到不同的屏幕布局。我们使用一个类别代码来控制这种映射。项目壳壳我们的框架中实现多媒体项目。

参数控制变量。通过将不同的值分配给一个参数,可以生成多个项目有不同的屏幕布局。

3所示。项外壳要求

需要特殊软件安装之前执行应用程序经常把学习者。为了激励和吸引学习者,运行时支持常见的浏览器Internet Explorer和火狐狸等应考虑。此外,在一个自适应测试环境,需要与服务器在线交流;因此,运行一个测试会话作为一个离线应用程序不是一个选项。为了设计有效的多媒体项目壳,我们还需要考虑以下。(1)了解当前的问题逐项内容和屏幕布局,并确定什么类型的多媒体内容为每个问题是一个很好的匹配。(2)设计一个格式转换系统通过将多媒体内容与问题相关的概念是更好的了。这个想法是为了让学生更多的参与和动机。重要的是格式转换并不改变一个问题的难度;否则,该课程需要重组。例如,如果一个6年级选择题要求学生选择不是位于身体器官,转换之后,新的格式要求学生拖拽身体的器官到正确的位置(图1),那么困难的问题是由于学生需要增加额外的知识一个器官的立场。(3)加强新格式通用项壳启用或禁用功能的嵌入式多媒体类型通过改变一些控制值。例如,拖拽物品壳如图1可以用于拖2 d和3 d物体图像,以及文本。项壳也可以用来嵌入音频、视频、动画、静止图像、文本描述,所以这个问题项目类似的屏幕布局要求一个或两者结合多媒体内容可以共享相同的项壳。(4)扩展项壳容纳多个屏幕布局。完成电路可能听起来完全不同于挑选杂货购物车(数字2(一个)和2 (b)),但壳都可以由相同的项目在我们的设计。注意,同一个项目壳也可以用来呈现以下布局:(一)排序组件在一个指定的序列;(b)选择正确的操作符来完成一个方程;(c)拖动图像的不同位置的正确描述;(d)拼写一个单词的字母重新排列;(e)映射图像与正确的描述;和(f)分类组件到他们正确的类别。(5)许多抽象的概念,不能捕获使用纸格式可以很容易地证明了使用多媒体内容,如三维显示、音频和视频。因此,基于计算机的多媒体项目应该比传统更多元化的项目。

具有成本效益的项外壳应该便携式、可伸缩和可重用,这样不仅项贝壳的数量最小化,而且问题的数量最小化。我们的设计策略中所描述的部分4。

4所示。产品外壳设计策略

许多学习对象上可用web实现使用闪光灯。原因之一是运行时支持的web浏览器;另一个原因是其吸引人的图像、动画和声音效果。然而,基于flash的问题不是可重用;具体设计和实现一个问题需要和低效的如果不是不可能实现一个flash项目壳来满足需求(3)和(4)以上。此外,虽然flash可以将二维图形和动画,它的3 d功能不是比得上Java 3 d,至少在当前的版本。我们选择Java实现项目壳由于其2 d和3 d的能力,以及灵活地满足需求(3)和(4)。在flash动画对象,多个帧的2 d方向必须定义类似于生产传统的漫画。尽管基于矢量对象的序列(图3)正迅速在flash中,创建一个复杂的和逼真动画对象是费时。此外,学生不能改变周围的一系列预定义的操作和导航对象交互。相比之下,只需要创建一个Java 3 d对象,可以在任何方向操纵。3 d网格格式像OBJ,可以通过不同的问题项,可重用和大量现成的Java 3 d对象可在公共领域。Java运行时也是通过web浏览器完全支持,更重要的是,它是平台无关的,因此便于携带。有效的3 d渲染也可以实现在一个OpenGL环境。然而,它必须本地运行作为一个独立的应用程序,而不能作为一个在线自适应测试的网络应用程序。与早期版本相比,目前捕获的JavaScript版本是更强大的图形内容包括拖放组件,以及突出显示文本。虽然他们可以作为学习项目和花更短的时间比applet呈现项目,在客户端机器可读脚本导致安全和版权问题。

为了实现可重用性和可伸缩性,我们建议使用(图4):(1)屏幕布局和项目壳映射;(2)项目和项目壳独立;(3)复合壳除了单位分项壳;(4)问题种子协会;和(5)基于参数估计难度水平。

而问题的内容,例如,文本描述,是独一无二的每个问题,有元数据(例如,数量的对象图2 (g)不需要改变。通过分析一个问题在当前课程的内容,功能独立的问题内容提取壳作为参数设计多个项目。组织相关的参数识别形成问题的种子。可以生成多个问题项,通过适当的值分配给这些参数。两个基本参数问题和回答参数的字符串,由令牌。问题描述和控制值提取解析这些字符串。问题参数控制问题是如何显示一个学生,而答案参数指导得分。虽然一个项目外壳定义了一组参数,并不是每一个参数出现在一个问题。例如,一个问题可能需要3 d导航,而另一方可能需要视频剪辑显示。我们标准的屏幕布局应用于面具一个项目壳为了保持统一和一致的外观。掩蔽意味着只激活屏幕组件使用的当前问题。例如,3 d动画组件之间的图像和音频面板掩盖在图5因为这个问题不需要动画。我们的设计还支持subquestions组成的复合问题。图5显示了一个示例的一个复合问题。注意,一个学生从一个问题可以切换到另一个通过点击标签显示在底部。复合项壳与多个组件生成的问题。使用复合壳的优势就是让多个问题共同描述,或相关问题分组成一个逻辑单元。

在当前实现中,PHP是用作web语言之间通信数据库(MySQL)和外壳(图基于Java项目6)。注意我们的产品外壳是便携式的,可以与其他网络语言集成。每个学生都有他或她自己的登录会话;让统计数据,如时间戳和IP地址,为每一个学生都被记录。PHP还用于与集成引擎在服务器进行通信。从客户端接收响应字符串后小应用程序,而不是将整个字符串传递给服务器引擎进行进一步的处理,首先分为逻辑令牌由PHP字符串,用于更新数据库。然后创建一个索引数据库的记录。只传递给引擎的索引,使用索引来检索所需的标记简化数据集的代理。这种方法可以确保服务器引擎不是充斥着大量的数据生成的多个学生会话并发运行。由于壳牌公司每个项目都有其独特的设计和参数组成,它与自己的代理。 A student response is scored in the range [0, 1] where 0 means wrong and 1 means correct. Partial marks, between 0 and 1, can also be given.

一个重要的过程在我们的框架是记录历史和性能得分统计允许学生学习模式异常发生时被发现。这使得教育者采取纠正措施。为了评估个体学生的能力,有必要选择合适的序列项由学生的反应,让分数收敛到学生的能力水平。为了监视学生的响应曲线和计算学生的能力曲线收敛性的基础上,我们采用项目反应理论(IRT) (12,13),最常用的计算机自适应测试系统。

红外热成像数学模型,描述的是一个家庭学生的能力与项目反应(13]。图7显示了型曲线的一个项目响应函数对学生不同的能力的水平。上渐近线在100%的低渐近线的学生能力很低。的设在代表一个学生的能力和设在代表正确响应的概率测试项目。注意范围(−3 - 3)通常是用来评估一组学生在一个特定的等级水平,但它可能是一个学生的能力可能会超出这个范围。红外热成像的特性曲线是由三个参数: ——项目歧视参数和定义的斜率曲线的拐点。值为0时,红外热成像曲线是平的高和低的学生没有区别的能力。较低的物品值是消除从项目银行,因为他们提供信息对个别学生的能力。价值是相当大的,之前说2,曲线变得陡峭。曲线越陡峭,更好的是歧视学生的项目略有不同的能力。 定义项目的困难。一个较低的值将左边的曲线和更高的价值将转变曲线向右移动。值小于0时,超过一半的学生将会得到正确的答案(简单的项目)。当该值大于0,不到一半的学生将会得到正确的答案(项)。注意,如果一个学生有能力正确响应的概率是50%。 定义了基于猜测正确响应的概率。改变它的值会影响降低渐近线。如果该值为0,能力有限的学生有一个低的概率正确的答案。

一个红外热成像模型可以关联到一个(1 pl)两(2 pl),或三(3 pl)参数。只有和被认为是在2 pl。1 . pl,被认为是。项目的一般表示的响应函数如下所示: 2 pl是通过设置1 . pl(拉希模型)是通过设置和。

第三方物流模型第一次被提出(14]。给定一个项目和一个学生代表学生的能力和表示学生的反应项的正确性。第三方物流模式定义的概率正确答案项对学生而言,。传统的“真/假”和“多项选择”(1出4)测试项目有50%和25%的概率,分别在猜测正确。相比之下,猜测正确的概率在大多数的多媒体项目设计在我们的框架是极低的,如果不是不可能的话(接近0)。例如,在一个拖拽物品对象(数据的地方2和12),猜测正确的概率是。然而,我们采用3 pl红外热成像模型在我们的系统中为了正确猜测一些物品的可能性。

在我们的产品外壳框架中,我们对以下感兴趣。(1)如何将分数的输出映射标记红外热成像输入代理?(2)如何定义聚合的终止条件来检测能力水平?给定一组学生在一个特定的年级,我们首先假设每个学生平均能力范围内(−3 - 3)和第一个问题给出平均难度外的可能值(−3 - 3)范围是生成的结果从一个学生的反应。如果这样的模式持续下去,这是一个迹象表明,学生的能力水平低于或高于当前等级。在我们的框架中,困难中指定范围(0 - 1)。让的设置红外热成像模型中定义,让是困难的一组值的范围内(0 - 1)使用我们的代理。为了解决上面的问题(1),我们建立一个一对一的映射和。解决问题(2),我们使用的项目信息函数项: 和标准误差函数: 在哪里的一阶导数是吗。

自适应测试过程终止和响应曲线是聚合时小于一个预定义的阈值。无论从难度给一个学生,他或她的能力可以在有限数量的评估项目说明了图中所示的曲线的收敛速度8。读者感兴趣的数学分析红外热成像可以参考(12- - - - - -14详情)。在自适应测试过程中,服务器引擎返回新估计基于当前学生的反应能力。根据更新的价值能力,PHP检索适当的项目并将其传递到客户端applet对于学生测试,直到达到预定义的阈值。

5。测试和评分策略

传统设计教室或一组测试迎合平均难度。这往往会使好学生无聊和较弱的学生退出课程15,16]。自适应测试另一方面从普通难度的问题,然后遵循路径的问题取决于个体学生的应对当前问题。一个建议的实现是使用一个树状结构(图9)。左子难度比父母和孩子比父母更加困难。换句话说,当目前的问题回答正确,接下来的问题是选择从正确的垃圾箱。如果当前的问题是回答错了,选择左边的本。这个策略允许的数量问题在测试减少高达50%,同时保持一定程度的困难问题,使所有学生测试仍然是有趣的。然而,这样的实现提出了一些问题。(1)假设有项目的难度这需要分布在多个箱子。例如,图中的阴影框9包含相同的困难。复制物品的箱子不是有效的存储和更新。分项目组织和投入箱子将导致物品被放置在一个垃圾箱。注意,足够数量的项目需要提供经常为了不重复相同的项。(2)把不同的商品放在垃圾箱也意味着学生不能够访问相同的题库,因为每个学生都有他或她的个性化的路径遍历树结构。(3)树结构限制的难度递增和递减一个单位的困难。如果难度的变化自适应地选择,如图8许多单位,下一项可以走了。在这种情况下,树结构并不合适。

这些问题可以通过排序的问题得到解决到困难垃圾箱,可以实现使用一个双向链表结构(图10)。在这种情况下,不需要分发到多个箱子问题相同的困难,和有序列表搜索便利物品所需的困难。

5.1。响应曲线

真/假的问题是容易受到随机猜测。如果一个学生不知道答案,(s)他可以猜,猜正确的概率是50%。在这种情况下,它是不可能确定学生的真正的知识水平,因为无论初始分配难度,学生的响应曲线保持平衡。在正常情况下,响应曲线应遵循下列三个趋势之一(17(给出响应曲线在图的一个例子8)。(我)如果最初的知识水平是高于学生,曲线应该减少,然后收敛在他或她的水平。(2)如果初始级别低于学生,曲线应该增加然后收敛。(3)如果初始水平匹配的学生,曲线应该或多或少保持水平。

猜测正确的概率在多项选择题4个选项是25%。如果使用正确答案的数量来评估学生的表现,随机猜测可以奖学生25%,即使学生的能力较低。注意,图中的拐点7将得到或没有得到正确响应的概率为50%。分配一个零值会影响的概率给定一个学生的能力,从而会影响和选择的下一个项目。为了正确评估一个学生的能力,猜测的3 pl红外热成像模型参数考虑到因此更准确。而真/假的猜测概率和多项选择题项是显而易见的,它可能不可能精确地计算所有多媒体项目的猜测参数值由于他们不同的屏幕演示。因此重要的设计项目,最大限度地减少猜测概率尽可能多。同时,有必要监测自适应测试响应曲线来检测可能的猜测模式。

5.2。方法研究估计难度的数学项类型

基于参数的策略是一个更一般的方法分配初始困难的项目。我们用数学问题为例来说明这个概念。图11显示一个项目要求学生分配成四个垃圾箱,这样的数字和在每一本都是一样的。我们定义参数(箱子)(分配的对象数量)来控制多个项目的生成,以及产生的问题的难度水平。例如,当解决问题”分配数字,以便在每本是平等”(图11),一个问题的难度是定义的函数。难度增加或增加。可以引入额外的困难使用十进制的整数数字。我们验证了我们的方法的可行性进行评价实验。

5.3。基于参数的评价策略

5.3.1。方法

我们扩展红外热成像的概念和使用2 pl,加上测量的平均时间解决问题,以适应一个线性回归模型并检查我们的策略生成的难度水平之间的相关性与预定义的难度水平。校准是由7个学生,根据每个项目的难度比例正确的反应。2 pl使用,因为它几乎是不可能的猜测正确答案给定问题的格式;参数的值是接近于零。数学为简便起见,本文将不讨论细节。然而,我们将描述评价实验的设计和讨论的结果。评估项目的用户界面如图12。用于评估的问题描述的困难估计算法是自动表1。越高的问题是ID,更大的难度。问题(1)(6)涉及求和和问题(7)通过(12)包括乘法。

表中的顺序是一样使用的一个评估。最长时间(以10秒为单位)分配给每个问题是基于一个大致预测困难在校准过程中,也就是说,分配更多的时间更困难的问题。参与者的熟悉的问题时没有考虑最大次数的分配。参与者的回答,时间需要为每个问题记录和马克。马克的答案并不是基于一个简单的正确或错误的标准,和部分标志被授予。例如,如果一个参与者在篮子中只有一个正确的数字,而一起4篮在场,他仍然可以得到一个马克的0.25(满分的答案是1.0)。

5.3.2。过程

七个参与者选择,高中学生在10年级到12年级和理解基本的算术包括分解。两套是给学生的问题。(1)均匀地分配权重篮子,这样数字的总和每个篮子里是一样的。(2)均匀地分配权重篮子,篮子的数量在每个产品都是一样的。一个过程来解决一个求和的问题是(一)这些数字加起来,总和除以篮子的数量;(b)适当的数字进入每个篮子基于平均计算(一):一个程序来解决产品的问题是:(一)因式分解每个数为素数。(b)适当的数字填入不同的篮子,这样每个篮子里有相同的数不同的素数。

参与者被允许使用计算器等辅助工具,但不允许讨论。整个实验遵循zero-feedback过程。(1)一个参与者介绍图形用户界面和每种类型的问题的方法。(2)参与者的答案两个热身和问题以适应用户界面和解决问题的方法。(3)按顺序参与者的集合和问题的答案。(4)参与者的答案两个热身产品问题。(5)按顺序参与者的集合产品问题的答案。

5.3.3。结果和分析

每个参与者的能力被认为是他或她总马克缩放(−3,3)之间的范围。根据估计的能力,每个问题的难度参数使用红外热成像计算。基于实验数据(这里没有显示),线性回归方程估计的困难和问题是: 在哪里1和6之间的不同(表1)根据校准困难。校准和实验值之间的相关性被发现

线性回归方程估算产品的困难问题(7 - 12)之间 与高值(接近1.0)表明,参数的困难估计我们的算法具有很高的相关性获得的校准值。因此,提出了基于参数估计难度进行了验证的策略。

6。学生反馈多媒体项类型

我们已经收到积极的反馈- - - - - -学生团体参观我们研究中心关于多媒体项目类型对学生的吸引力。进行了广泛的用户研究与一些学生在2007年8月。的一些发现在四个学生归纳在表格2。这些数字在表2项评估中使用的多媒体项目。11年级学生评估总共33项,而7年级学生评估36项。多媒体项目,例如,33个学生1很满意31日1日中性,不满意1。学生2花了更少的(更)时间与14(11)33项,而相应的手写版本;花了同样的时间为8项与形式的测试。

注意,表四个学生2有不同的背景。三人在11年级,另一个是7年级。在11年级学生中,2和3了电脑程序课程的学生,而学生1没有任何编程知识。可以看出,这些学生一般都满意多媒体首选项类型和基于计算机的测试。然而,有一些差异评估:(a)学生2和3有非常相似的评价和计时结果,因为他们都是来自同一个年级与良好的编程和用户界面的知识,这些技能可能会给他们在执行快速的基于计算机的测试;(b)学生1,虽然计算机多媒体项类型非常感兴趣,相对较慢的在使用电脑测试接口,而且在大多数情况下进行逐项测试更快;(c)学生4,尽管满意和对多媒体项类型感兴趣,无法正确记录精确的时间数据。这可能是一个轻微的不成熟的结果一个7年级的学生相比,11年级的学生。将来评估与大三学生,有必要准确地找到适当的方式记录的时间逐项测试不涉及昂贵的监控过程。

7所示。结论和未来的工作

本文的重要先决条件有效项外壳设计个性化的教育进行了讨论,以及实现的例子。我们解决的可重用性、可移植性和可伸缩性问题通过引入商品种子的概念和参数,用于控制自动生成难度水平和得分。

使用红外热成像实验估算难度多媒体数学问题。学生反馈我们的一些多媒体项类型也进行了总结。

在未来的工作中,我们将调查教育游戏的有效性和机器学习技术在研究学习使用个性化的教育行为和提高性能。

确认

克罗姆的实施支持项目团队。这个项目的资助自然科学和工程研究委员会(NSERC)加拿大;信息学研究卓越圈(iCORE),阿尔伯塔省;和石头城堡的研究公司,加拿大。部分本文提出了特别会议在IEEE Int。Conf.多媒体和世博会,北京,2007年。

引用

1. p•阿加瓦尔s . r . Bhattacharyya d . Ghose用r·艾伦,“Web:互动和多媒体教育,”计算机网络和ISDN系统,30卷,不。16,1717 - 1727年,1998页。视图:谷歌学术搜索
2. r·冈萨雷斯g . Cranitch和j·h·乔,“多媒体教育的学术方向,”ACM的通信,43卷,不。1,第95 - 89页,2000。视图:出版商的网站|谷歌学术搜索
3. k·iver和a·巴伦多媒体在教育项目:设计、生产和评估美国科罗拉多州,图书馆无限,恩格尔伍德,第二版,2002年版。
4. e . Orhun”学习的网络教育资源和在线教学在高等教育:梅洛项目”科技大学学报》24日国际协会自由之光(IATUL ' 03)安卡拉,卷。13日,土耳其,2003年6月。视图:谷歌学术搜索
5. c . g . Parshall t·戴维,p . j .帕,“创新的计算机测试的项类型,”计算机自适应测试:理论与实践w .范德林登和c·格拉斯,Eds。,pp. 129–148, Springer, New York, NY, USA, 2000.视图:谷歌学术搜索
6. o . Parlangeli、大肠Marchigiani和s . Bagnara”多媒体远程教育系统:可用性对学习的影响,“与电脑互动,12卷,不。1,37-49,1999页。视图:出版商的网站|谷歌学术搜索
7. 美国Rabinowitz t·布兰德,“以计算机为基础的评价:能兑现自己的承诺吗?“2001,http://www.wested.org/cs/we/view/rs/568。视图:谷歌学术搜索
8. j . e . Tuovinen“多媒体远程教育交互,”教育媒体国际,37卷,不。1 - 24,2000页。视图:出版商的网站|谷歌学术搜索
9. t . Volery和d主”,在网络教育关键成功因素,”国际教育管理杂志》上,14卷,不。5,216 - 223年,2000页。视图:出版商的网站|谷歌学术搜索
10. 邱和m .快乐,“自适应学习和学习对象和测试,”《计算机在教育国际会议(ICCE ' 04),页1861 - 1865,墨尔本,澳大利亚,2004年12月。视图:谷歌学术搜索
11. a . l . Zenisky和s . g . Sireci“技术创新在大型评估,”应用教育测量,15卷,不。4、337 - 362年,2002页。视图:出版商的网站|谷歌学术搜索
12. r·k·哈姆布赖顿h . Swaminathan, h·j·罗杰斯项目反应理论的基础圣人,纽伯里公园,加利福尼亚州,美国,1991年。
13. w .范德林登和r·哈姆布赖顿现代项目反应理论的手册施普林格,伦敦,英国,1997年。
14. a·伯恩鲍姆,“一些潜在特质模型及其用于推断一个考生的能力,”统计理论的智力测验分数,f . m .的主,m·r·诺维克。,pp. 395–479, Addison-Wesley, Reading, Mass, USA, 1968.视图:谷歌学术搜索
15. s d·克雷格·a·g·Graesser j . Sullins和b . Gholson”影响和学习:一个探索性研究影响学习汽车导师的角色,”教育媒体杂志卷,29号3、241 - 250年,2004页。视图:谷歌学术搜索
16. m . Gierl“个人通信”,2006年7月,美国教育心理学,阿尔伯塔大学。视图:谷歌学术搜索
17. 程和a·巴苏,“改善多媒体创新的基于计算机的测试项类型,”学报》第八届IEEE多媒体(ISM 06年)国际研讨会,页557 - 566,圣地亚哥,加利福尼亚州,美国,2006年12月。视图:出版商的网站|谷歌学术搜索

版权

版权©2008程艾琳和阿努普苏。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。