In practice, whether phenomena disc

In practice, whether phenomena discovery or performance indicator computation, its accuracy depends on the data quality that in turn depends on the accuracy of data collection process and representation techniques. In order to address the data-related issues in education domain, the use of fuzzy sets in students’ answer-sheets evaluation was suggested7,8. Using vague sets instead of fuzzy sets to represent the vague marks of each question was also suggested9,10, where the evaluator can use vague values to indicate the degree of satisfaction for each question. In fuzzy sets the membership evaluation (characteristics function definition) is a major issue. In order to apply the fuzzy set effectively in educational domain, there have been several efforts in defining the effective membership. Bai and Chen11 defined fuzzy membership functions for fuzzy rules, while Law12 used fuzzy numbers; more information on academic performance evaluation is available in the literature13–30. These works indicate that fuzzy logic, neural network and fuzzy neural network have already been employed in student modelling systems, but nothing or very little has been mentioned about automatic generation of fuzzy membership function.

Kết quả (Việt) 1:

Trong thực tế, cho dù hiện tượng khám phá hoặc hiệu năng chỉ số tính toán, tính chính xác của nó phụ thuộc vào chất lượng dữ liệu mà phụ thuộc vào độ chính xác của dữ liệu kỹ thuật quá trình và đại diện bộ sưu tập. Để giải quyết các vấn đề liên quan đến dữ liệu trong giáo dục miền, sử dụng bộ mờ trong sinh viên trả lời tờ đánh giá là suggested7, 8. Sử dụng mơ hồ bộ thay vì mờ bộ đại diện cho nhãn hiệu mơ hồ của mỗi câu hỏi cũng là suggested9, 10, nơi evaluator có thể sử dụng giá trị mơ hồ để chỉ ra mức độ của sự hài lòng cho mỗi câu hỏi. Trong mờ bộ đánh giá thành viên (đặc điểm định nghĩa hàm) là một vấn đề lớn. Để áp dụng các thiết lập mờ có hiệu quả trong giáo dục miền, đã có nhiều nỗ lực trong việc xác định các thành viên có hiệu quả. Bai và Chen11 định nghĩa mờ thành viên chức năng cho các quy tắc mờ, trong khi Law12 sử dụng con số mờ; biết thêm thông tin về đánh giá hiệu suất học tập có sẵn trong literature13-30. Những tác phẩm này chỉ ra rằng fuzzy logic, mạng nơ-ron và mạng nơ-ron mờ đã được sử dụng trong sinh viên mô hình hệ thống, nhưng không có gì hoặc rất ít đã được đề cập về tự động thế hệ mờ thành viên chức năng.

Kết quả (Việt) 2:

Trong thực tế, cho dù hiện tượng phát hiện hoặc chỉ số tính toán hiệu suất, độ chính xác của nó phụ thuộc vào chất lượng dữ liệu mà lại phụ thuộc vào độ chính xác của quá trình thu thập dữ liệu và kỹ thuật biểu diễn. Để giải quyết các vấn đề liên quan đến dữ liệu trong phạm vi giáo dục, việc sử dụng các tập mờ trong câu trả lời tờ đánh giá của sinh viên đã được suggested7,8. Sử dụng bộ mơ hồ thay vì tập mờ để đại diện cho các nhãn hiệu mơ hồ của mỗi câu hỏi cũng là suggested9,10, nơi người đánh giá có thể sử dụng các giá trị mơ hồ để chỉ ra mức độ của sự hài lòng cho mỗi câu hỏi. Trong tập mờ các đánh giá thành viên (đặc điểm chức năng định nghĩa) là một vấn đề lớn. Để áp dụng các tập mờ có hiệu quả trong lĩnh vực giáo dục, đã có nhiều nỗ lực trong việc xác định các thành viên có hiệu quả. Bài và Chen11 định nghĩa hàm thành viên mờ cho các quy tắc mờ, trong khi Law12 sử dụng số mờ; thêm thông tin về đánh giá kết quả học tập có sẵn trong literature13-30. Những tác phẩm này chỉ ra rằng logic mờ, mạng nơron và mạng nơron mờ đã được sử dụng trong các hệ thống mô hình sinh viên, nhưng không hoặc rất ít được đề cập đến thế hệ tự động của hàm thành viên mờ.