The multi course association of STEM poses an important challenge to the learning background of learners. Once learners do not have sufficient understanding of knowledge association or do not implement the topological order of knowledge advancement, they are prone to burnout in the learning process, forming serious negative emotions, which is not conducive to learning effectiveness, and even premature dropout. This is clearly a psychological teaching problem, that is our research objectives. This study focuses on the STEM learning behaviors in MOOCs, and explores the deep learning routing. We design one novel method to process the context features and content features for knowledge concept recommendation. Multiple entities, features, and courses enable the construction and optimization of knowledge concept relationships. Then, an attention mechanism is used to achieve the knowledge concept propagation between different entities. The extensive experiments have proved this method might accurately capture potential interests of knowledge concepts, achieve the effective deep learning routing, and explore and guide the positive learning state, reduce or avoid the negative psychological outcomes, such as dropout or low pass rate. The entire study aims to enhance learning outcomes, improve learning motivation, optimize learning behaviors, and provide more effective suggestions for STEM education, that is very important for the interdisciplinary learning in higher education. The whole research might provide key support for tracking possible psychological changes in learners, improving learning behavior trends, and enhance learning quality during STEM learning, fully improve and optimize the learning state, construct effective decisions for positive learning interests.
La asociación curricular múltiple de STEM plantea desafíos importantes para los antecedentes de aprendizaje de los estudiantes. Una vez que los estudiantes no tienen suficiente comprensión de la Asociación del conocimiento o no implementan el orden topológico de la promoción del conocimiento, son propensos a sufrir agotamiento durante el proceso de aprendizaje, formando emociones negativas graves, lo que no favorece el efecto del aprendizaje e incluso abandonan la escuela prematuramente. Este es obviamente un problema de enseñanza psicológica y nuestro objetivo de Investigación. Este estudio se centra en el comportamiento de aprendizaje STEM en MOOC y explora caminos de aprendizaje profundo. Hemos diseñado un nuevo método para procesar las características contextuales y de contenido de las recomendaciones conceptuales de conocimiento. Múltiples entidades, múltiples características y múltiples cursos pueden construir y optimizar relaciones conceptuales de conocimiento. Luego, se utiliza el mecanismo de atención para lograr la difusión de conceptos de conocimiento entre diferentes entidades. Un gran número de experimentos han demostrado que este método puede capturar con precisión el interés potencial de los conceptos de conocimiento, lograr vías efectivas de aprendizaje profundo, explorar y guiar Estados de aprendizaje positivos, y reducir o evitar consecuencias psicológicas negativas como el abandono escolar o la baja tasa de aprobación. Todo el estudio tiene como objetivo mejorar los resultados del aprendizaje, mejorar la motivación para el aprendizaje, optimizar el comportamiento del aprendizaje y proporcionar asesoramiento más eficaz para la educación STEM, que es muy importante para el aprendizaje interdisciplinario en la educación superior. Todo el estudio puede proporcionar un apoyo clave para hacer un seguimiento de los posibles cambios psicológicos de los estudiantes, mejorar las tendencias del comportamiento de aprendizaje, mejorar la calidad del aprendizaje en el proceso de aprendizaje STEM, mejorar y optimizar de manera integral el Estado de aprendizaje y construir decisiones efectivas de interés activo en el aprendizaje.
