Mooc vs. traditional learning Possibilities and weaknesses of e-learning sites /

QR kód

Mooc vs. traditional learning Possibilities and weaknesses of e-learning sites /

Elmentve itt :

Bibliográfiai részletek
Szerző:	Kőrösi Gábor
Dokumentumtípus:	Könyv része
Megjelent:	University of Novi Sad, Technical Faculty "Mihajlo Pupin" Zrenjanin 2016
Sorozat:	Proceedings of papers of the VII International Conference on Information Technology and Development of Education
Tárgyszavak:	Számítás- és információtudomány
mtmt:	3263636
Online Access:	http://publicatio.bibl.u-szeged.hu/23823

Hasonló tételek

MOOC Performance Prediction by Deep Learning from Raw Clickstream Data
Szerző: Kőrösi Gábor, et al.
Megjelent: (2020)

External Motivation, the Key to Success in the MOOCs Framework
Szerző: Namestovski Žsolt, et al.
Megjelent: (2018)

Clickstream-based outcome prediction in short video MOOCs
Szerző: Kőrösi Gábor, et al.
Megjelent: (2018)

Moodle-based data mining potentials of MOOC systems at the University of Szeged
Szerző: Kőrösi Gábor, et al.
Megjelent: (2017)

Deep Learning Models and Interpretations for Multivariate Discrete-Valued Event Sequence Prediction
Szerző: Kőrösi Gábor, et al.
Megjelent: (2021)

Learning in a virtual environment
Szerző: Hampel György
Megjelent: (2014)

Pedagogical considerations in an e-learning framework [abstract] /
Szerző: Muhi Dániel
Megjelent: (2004)

Creating a Virtual Learning Environment
Szerző: Hampel György, et al.
Megjelent: (2014)

IoT Malware Detection with Machine Learning
Szerző: Buttyán Levente, et al.
Megjelent: (2022)

Assessing Ensemble Learning Techniques in Bug Prediction
Szerző: Szamosvölgyi Zsolt János, et al.
Megjelent: (2021)

Improving Gossip Learning via Limited Model Merging
Szerző: Danner Gábor, et al.
Megjelent: (2023)

Learning decision trees in continuous space
Szerző: Dombi József, et al.
Megjelent: (2001)

Parameter learning online algorithm for multiprocessor scheduling with rejection
Szerző: Németh Tamás, et al.
Megjelent: (2009)

Learning in logic
Szerző: Horváth Tamás
Megjelent: (2012)

LL frame system of learning methods [abstract] /
Szerző: Hócza András, et al.
Megjelent: (2002)

Parameter learning algorithms in online scheduling [abstract] /
Szerző: Németh Tibor, et al.
Megjelent: (2008)

Learning decision trees in continuous space [abstract] /
Szerző: Zsiros Ákos
Megjelent: (2000)

Modular reinforcement learning a case study in a robot domain /
Szerző: Kalmár Zsolt, et al.
Megjelent: (2000)

Incorporating linkage learning into the GeLog framework
Szerző: Fühner Tim, et al.
Megjelent: (2003)

InfoMax Bayesian learning of the Furuta pendulum
Szerző: Jeni László A., et al.
Megjelent: (2008)

Balanced active learning method for image classification
Szerző: Papp Dávid, et al.
Megjelent: (2017)

Model-free control based on reinforcement learning [abstract] /
Szerző: Dávid Zoltán, et al.
Megjelent: (2006)

Rewarding misclassifications in oblique decision tree learning [abstract] /
Szerző: Salamon András
Megjelent: (2002)

Incorporating linkage learning into the GeLog framework [abstract] /
Szerző: Fühner Tim, et al.
Megjelent: (2002)

Mesterséges intelligencia VS politikai érdekviszonyok Mennyire érti a GTP3 a politikát? : [absztrakt] /
Szerző: Halász Eszter, et al.
Megjelent: (2022)

Automating, analyzing and improving pupillometry with machine learning algorithms
Szerző: Kalmár György, et al.
Megjelent: (2019)

Systematic learning of edge probabilities in the Domingos-Richardson model
Szerző: Bóta András, et al.
Megjelent: (2011)

Factored temporal difference learning in the new ties environment
Szerző: Gyenes Viktor, et al.
Megjelent: (2008)

Parameter learning online algorithm for multiprocessor scheduling with rejection
Szerző: Németh Tamás, et al.
Megjelent: (2009)

Some problems of the learning neuronlike system for the control of robots
Szerző: Gawronski Rysard, et al.
Megjelent: (1977)

Application of learning methods in MCDA models overview and experimental comparison : [abstract] /
Szerző: Zsiros Ákos
Megjelent: (2002)

Synergizing Fuzzy-based Task Offloading with Machine Learning-driven Forecasting for IoT
Szerző: Márkus András, et al.
Megjelent: (2024)

Deep learning for industry 5.0 digital-twins of people and places : [abstract] /
Szerző: Fenech Kristian
Megjelent: (2024)

Machine learning methods in synthesis of four bar linkages [abstract] /
Szerző: Ekárt Anikó
Megjelent: (1998)

Module based reinforcement learning for a real robot [abstract] /
Szerző: Kalmár Zsolt, et al.
Megjelent: (1998)

Protein classification in a machine learning framework
Szerző: Kertész-Farkas Attila
Megjelent: (2009)

Protocol state machine reverse engineering with a teaching-learning approach
Szerző: Székely Gábor, et al.
Megjelent: (2021)

Learning the weights using attribute order information for multi-criteria decision making tasks
Szerző: Dombi József, et al.
Megjelent: (2024)

Jogi informatikai trendek vs. hallgatói valóság
Szerző: Kardos Vivien Kata
Megjelent: (2019)

The MOOC business model the e-business and autonomous work inflection point in higher education? /
Szerző: Majó-Petri Zoltán, et al.
Megjelent: (2016)