面向MOOC的知识模型及可视化方法研究

利用一种岩石裂隙水沙渗透试验系统开展了水沙在平面平行裂隙中流动的滞后性的试验研究,分析了渗流速度-压力梯度闭环曲线的特征,解释了滞后现象的原因.试验结果表明:当渗流速度由零增大到1.77 mm/s再减小到零时,渗流速度-压力梯度曲线自行封闭,形成滞环;由于裂隙开度、粗糙度、沙粒径和沙浓度的不同,滞回曲线呈现凸镜形、月牙形、"8"字形、勺形和裂缝形等多种形状;水沙混合液与岩石裂隙面的接触角变化引起回程中渗透速度沿裂隙宽度方向分布变化,这是岩石裂隙中水沙渗透存在滞后现象的主要原因;沙粒在岩石裂隙面的沉积、水沙在岩石裂隙中运动形态的转变、水沙混合液的粘塑性是岩石裂隙中水沙渗透存在滞后现象的重要原因.     

面向MOOC的知识模型及可视化方法研究

针对传统网络教学缺乏个性化学习和深度学习的现象,基于建构主义学习理论,提出了面向MOOC的知识模型设计方案.从可视化角度对知识进行了分类,并在此基础上给出了知识模型的概念结构和数学表述.最后,基于该知识模型,分别论述了其静态特征和动态特征的可视化方法.实践证明,构建以面向MOOC的知识模型为核心的网络教学进程,能针对不同学习者个体,形成个性化教学;不仅能实现基本知识的教学,更能培养元认知能力,实现深度学习的目的.     

基于集成学习的用户信用卡违约预测模型研究

用户信用卡违约预测任务有助于银行等金融机构平衡经济风险与经济利益,对于银行信用卡业务的风险管控具有重要作用。针对用户信用卡违约预测问题,提出了一种基于集成学习的预测模型,有异于传统集成学习中的弱学习器。该模型采用集成模型和神经网络模型作为基学习器,从而提升模型整体的预测效果。首先通过预处理提取用户信用卡数据集的相关特征,然后分别采用优化后的决策树、随机森林、GBDT、XGBoost、CatBoost和SPE六种机器学习模型与神经网络模型进行并行训练和预测,最后通过加权软投票法集成基学习器结果并输出最终预测结果。结果表明,相对于基学习器,该模型在各项评估指标上均有所提升,且拥有更好的模型泛化能力。     

基于熵值法改进Stacking的文本情感分析

在情感分析研究中,使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来,没有区分它们之间的不同,同时也不能反映初级学习器的实际预测情况,针对此问题,基于熵值法改进Stacking算法进行文本的情感分类。首先,使用熵值法确定单一分类器的性能指标权重,将指标值的权重进行加权求和获得不同模型的综合得分,通过综合得分来选择性能最好的基学习器组合;接着,由于基模型中的各个分类器性能的不同,将基学习器训练后的预测结果赋予不同的权重,输入到次级学习器当中;最后再利用次级学习器进行训练并预测情感倾向。实验结果表明,基于熵值法改进Stacking模型优于传统的Stacking模型,说明基学习器的选择和重要程度对情感分类具有一定帮助,为之后文本情感分析奠定一定的基础。在情感分析研究中,使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来,没有区分它们之间的不同,同时也不能反映初级学习器的实际预测情况,针对此问题,基于熵值法改进Stacking算法进行文本的情感分类。首先,...     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

ECOC多分类算法在慕课数据挖掘中的应用

收集并整合多所高校学生的慕课学习行为数据,设计基于数据复杂度的纠错输出编码(ECOC)多分类算法.该算法利用数据复杂度降低多类之间的分类难度,从而提高算法的预测准确度.实验结果表明,在不同高校的慕课数据集的测试中,所设计基于数据复杂度的ECOC分类算法比传统的ECOC算法具有更高的分类准确度和鲁棒性,实现了学生学习成绩...     

简论英语教学中学生自主学习能力的培养

自主学习是一个全新的教学模式,它提倡学习者全面参与学习过程,强调学习者在学习中的重要作用。英语专业教师的指导和支持对培养学习者自主性学习起着重要的作用。教师要帮助学生改变学习观念;要根据学习者的实际情况,为学生自主学习创造条件;要指导学生了解掌握各种学习策略;要利用形式多样的教学手段来激发、培养英语专业学生自主学习能力。     

高校网络依托型自主学习模式对学习意愿的干预效果

随着计算机和网络技术的日益发展,如何充分发挥二者优势并将其与自主学习相结合建立新型自主学习模式成为近10年第二语言教育研究领域的一个热点课题.作为学习行为发生的推动力,学习意愿一直被认为是自主学习过程中不可或缺的主观因素.通过对60名非英语专业学生1.5a时间的跟踪调研,证明网络依托型自主学习模式下学生的学习动机和英语学习中自我及教师角色认知状况、自主学习水平都要优于常规大学英语教学模式中的学生.研究结果还显示网络依托型自主学习模式对于学习意愿产生的积极影响可以一直延续到＂后大学英语学习时代＂.     

基于自适应神经网络的云资源预测模型

为了避免容器云资源因资源供求不均衡而导致的资源利用率差等问题,需要对未来时刻的资源需求情况进行预测来进行更精准的调度和分配资源,因此,结合神经网络的高效学习能力与自适应调整的学习率,提出一种基于自适应神经网络的云资源预测模型。首先,融合卷积神经网络(convolutional neural network, CNN)和长短期记忆(long short-term memory, LSTM)网络的特点去挖掘历史数据的特征,预测未来的资源需求;然后,根据模型预测情况自适应调整学习率,提高模型预测的精度。使用Microsoft Azure公开数据集进行测试,相较于单一模型CNN、LSTM和未加入自适应学习率的神经网络模型,均方根误差分别下降了17.74%、18.27%和6%,证明了模型的有效性。     

MOOC统一检索平台的自动构建与应用

随着MOOC平台增多以及同一平台下学习资源剧增,如何实现跨平台的高效语义检索成为目前MOOC亟待解决的问题之一.该文通过网络爬虫工具获取多个知名MOOC平台的学习资源数据,进行相关预处理后存储到Mysql数据库,并根据数据库与本体之间的映射关系自动构建MOOC本体,使用Jena将MOOC本体解析成RDF 3元组,并将RDF 3元组存储至HBase数据库,最终构建出一个MOOC统一检索平台,为学习者推荐符合其检索需求的学习资源.实验结果表明:构建的MOOC统一检索平台可有效地提高检索的查准率和查全率.     

开放性社会学习者模型实证研究

为帮助学习者准确了解自己和其同伴在学习过程中进展,并引发学习者元认知和社会比较学习体验,笔者运用社会比较理论,设计并开发了基于表格的开放性社会学习者模型TableOSLM,其采用表格可视化形式呈现学习者本人、组和学习同伴的学习进展,在实证研究方面,通过问卷调查、实验研究法和面对面访谈等方式收集数据,评价结果表明:Tab...     

面向MOOC的知识可视化视觉表征与建模设计

针对MOOC学习缺乏深度的现象,提出了面向MOOC的知识可视化视觉表征与建模设计.剖析了MOOC学习缺乏深度的主要问题和信息加工的内在要求,厘清了知识可视化、表征、建模等基本概念;在借鉴了视觉传播取向和信息论视角的知识表征基础上,提出了面向MOOC的视觉表征框架;在此框架下,分别从语义、语用、语法信息三要素着手,阐释了具体的分析方法.在语义上,基于Bloom教学目标分类法确定知识的类型、提取过程和表征方法;在语用上,陈述了信息有效传达的基本原则;在语法上,介绍了具体的结构模型和可视化方法.实践证明,MOOC的学习者在表征框架下,能增强认知联结、拓展广度、增加深度,从而满足深度学习的诉求.     

自适应学习系统中开放性学习者模型实证研究

为帮助学习者掌握自适应学习系统为学习者所定义的个性特征和学习信息,设计并开发了开放性学习者模型MindOLM。MindOLM 采用思维导图可视化形式将学习者模型中课程知识状态呈现给学习者,帮助学习者了解、查看自己的学习进展,以及章、节、知识点之间的关联关系,并引发学习者元认知学习体验。在实证研究方面,通过实验研究法、问卷调查和面对面访谈等方式收集数据,结果表明: MindOLM 能引发学习者在学习规划和自我反思两个方面的元认知学习体验; MindOLM 能很好地表示学习者学习进展和知识水平; 学习者对MindOLM 在有用性、易用性和满意度3 个方面都表现出较高的认可度。     

自我效能理论与大学英语教学

从调整大学生英语学习策略、指导大学生英语自主学习、帮助教师提升教学效能感3个方面,探讨了班杜拉自我效能理论在大学英语教学中的应用.强调引导大学生有效运用已习得的英语学习策略并学会对不同英语学习策略进行选择,在自主学习中树立积极的自我概念并发挥情感因素的积极作用;用教学效能感理论调整教师的认知和行为,对自己的教学成效正确归因,并利用自身的效能感影响学生的效能感.     

数据驱动下的个性化自适应学习研究综述

智能教育环境下的教学更加关注学习者的个性化诉求，而自适应学习能够为实现个性化教育提供技术和方法支持.文章从数据驱动的视角出发，通过开展国内外个性化自适应学习研究的综述分析，对其系统框架和相关组件进行阐述和解读.其中，重点从领域知识模型、学习者特征模型和教学模型三方面对其实现机制进行探析，提出当前研究存在的问题和不足，并在此基础上介绍了近年来可促进解释性提升的相关组件技术研究，奠定进一步深入个性化自适应学习研究的基础.     

一种简洁高效的加速卷积神经网络的方法

卷积神经网络是机器学习领域一种广泛应用的方法,在深度学习中发挥着重要的作用。由于卷积神经网络一般需要多个层,而且训练数据通常都很大,所以网络训练可能需要几小时甚至很多天。目前虽然有一些利用GPU加速卷积神经网络训练的研究成果,但基本上都是实现方式复杂,需要技巧很高,而且容易出错。提出了一种简洁、高效的加速卷积神经网络训练的方法,其主要过程是将卷积层展开,这样卷积层和全连接层的主要训练步骤都可以用矩阵乘法表示;再利用BLAS库高效计算矩阵乘法。这种方法不需要过多考虑并行处理的细节和处理器的内核特点,在CPU和GPU上都能加速。实验证明,GPU上使用该方法比传统的CPU上的实现快了100多倍。     

基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,就需要准确识别和判断交通状态。该文没有采用传统的以车辆速度为基准的预测方法,而是使用TTI交通拥堵系数,该系数的计算基于道路自身的自由流速度,可以让具有不同速度等级的街道都统一到TTI系数上来作为拥堵评价,因此相较以传统的车辆速度为基准的预测方法更能表现出道路的拥堵状态。该文提出了一种改进的深度学习预测模型（CS-BiLSTM）,该模型基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）,并结合Softmax函数增强CNN提取出的交通空间特征信息。深度学习预测模型（CS-BiLSTM）中的S代表的就是Softmax的缩写。使用成都市出租车GPS数据进行验证,结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比C-BiLSTM网络预测框架提升了13%。     

外语听力学习策略使用差异研究

结合广泛研究与个案研究对外语听力学习策略使用差异进行调查，揭示外语听力学习成功者和不成功者两个群体的策略使用差异，并各对一名外语听力学习成功者与不成功者的策略使用事实进行深入研究，以期启发外语听力教学。     

面向虚拟学习社区的学习行为特征挖掘与分组方法的研究

虚拟学习社区作为网络教育的一种新兴模式,越来越受到人们的关注.如何为不同的学习者提供良好的个性化教学服务是虚拟学习社区研究的重要问题,而学习者的学习特征的提取与分析是个性化教学的基础.以虚拟学习社区为背景,从学习者的学习过程和学习特征入手,运用模糊c均值聚类算法(FCM)挖掘并分析学习过程中学习者的学习特征,进而根据学习者的知识水平、自主学习和协作学习积极性等学习特征进行精确分组划分,以达有针对性的教学指导,实现个性化教学,提高学习者学习效率.     

基于Web的教学超媒体中的自适应导航支持技术

用户利用WWW浏览器进行学习的最大障碍是：用户必须自行应付大量的学习材料和导航链，而有时它们是与学习目标无关的，解决问题的有效方法是自适应超媒体环境的实现，即既保持WWW特有的转称分便性，又能为用户提供导航支持，基于用户的学习历史指导下一步学习内容的选择，本文介绍基于Web的教学超媒体中的ANS技术，给出了构造领域模型和用户模型的技术方法，并着重讨论了一些简单而且有效的ANS技术。