基于在线学习行为数据的学习效果模型与影响因素分析

为了探究学生在线学习情况与学习效果之间的关系，采用数据标注的方式解决学生学习行为表示的问题.以S大学在线教学平台数据为研究对象，通过数据挖掘技术探寻学生在线学习行为与学习效果之间的关系.对比多种机器学习算法后，选定随机森林算法作为学习效果预测模型的基本算法.研究发现：最能影响学习效果的因素是文档学习总时长，最终构建的学习效果预测模型对整体数据集的分类准确率达到84.69%.     

网络课程教学质量提升与课程价值深度开发研究

网络课程可以通过互联网打破各种壁垒,促进教育公平化。研究网络课程教学质量的影响因素对于提升网络课程的建设质量具有一定的现实指导意义。本文从学习动机、学习感知、学习行为等3个方面10个变量入手,对笔者所开设的网络课程的选课学生开展问卷调查,并运用描述性分析阐述样本特征,采用因子分析探求影响网络课程学习效果的综合因子,采用相关分析得到综合因子与学习效果之间的相关关系,采用Logistic回归分析构建网络课程学习效果影响因素模型。模型结果显示：影响网络课程教学质量的内部因素为网络学习者的学习效果,包括学习行为、学习感知和学习动机。学习动机的影响最大,其次是学习行为,再次是学习感知。影响网络课程教学质量的外部因素是网络课程建设质量,包括课程所在平台、课程名称设计、课程内容设计、教学过程设计等4 个指标。并从授课教师、平台企业、教育主管部门3 个维度提出了网络课程价值深度开发路径。     

电子商务研究中的行为理论基础

行为理论模型在电子商务的研究中越来越发挥重要的作用。分析了行为理论模型在电子商务研究中得到广泛应用的原因,介绍了合理行为模型、计划行为模型、技术接受模型在电子商务中的应用情况,对技术接受模型在电子商务中应用的最新模型进行了述评,总结了行为模型在电子商务研究中的应用趋势。     

高职院校学生外语学习归因倾向及其理解

运用谈话和日记的方法，对不同英语水平学生的归因倾向进行动机行为的影响分析，并对其成因进行了个案研究。分析结果表明：(1)不同英语水平的学生在课堂教学、语言能力、学习环境和个人努力等方面的归因上存在着定性差异：(2)高分组学生在解释归因时比较一致，而低分组的解释则存在差异：(3)归因和归因理解对外语学习动机产生直接影响。     

低氧条件下巨噬细胞分泌CCL22促进三阴乳腺癌转移

三阴乳腺癌(Triple Negative Breast Cancer, TNBC)是乳腺癌中恶性程度最高的一种亚型，表现为很高的转移潜能。巨噬细胞，即肿瘤相关巨噬细胞(Tumor-Associated Macrophages, TAM)，在促进TNBC转移中起了重要作用。乳腺癌作为一种实体肿瘤，往往处于缺氧环境中。低氧环境能够促进癌细胞的转移，然而低氧环境中巨噬细胞在促进肿瘤转移中的作用仍然不清楚。在该研究中，THP1细胞被诱导成TAM，经过缺氧培养后，通过Transwell实验检测其促进三阴乳腺癌细胞BT-549和MDA-MB-231的细胞迁移能力；通过尾静脉注射，将MDA-MB-231细胞移植于祼鼠体内，CT扫描，分析了TAM促进TNBC细胞的器官转移能力；通过ELISA实验检测低氧对TAM分泌的肿瘤转移相关因子的影响，通过GDSC在线软件分析了CCL22受体CCR4和其他CCR在乳腺癌组织与正常组织中表达的差异。结果表明低氧条件下巨噬细胞通过分泌CCL22的表达来促进三阴乳腺癌细胞迁移:经过缺氧培养后的TAM显著增强了TNBC细胞迁移能力，以及促进癌细胞在体内向肺转移；低氧诱导TAM分泌CCL22；CCL22受体CCR4在乳腺癌组织中的表达显著高于在正常组织中的。     

远程教学平台行为统计的开发与实现

为了加强网上教学,探索网上学习行为评价方式,以青海电大为例设计并实现了远程教学平台教与学行为统计,为远程教学环境下跟踪学生学习行为以及教师教学行为提供了有效的手段.     

Applying TAM in B2C E-Commerce Research: An Extended Model

As one of the most widely accepted adoption models in information systems research, the technology acceptance model （TAM） focuses exclusively on cognition-oriented constructs such as perceived usefulness and perceived ease of use. This perspective may have limited the explanatory power of TAM when it is utilized in studying consumers’ adoption intentions of online shopping. Based on the contrasts between e-commerce systems and traditional workplace information systems as well as empirical findings from a variety of recent e-commerce research works, this paper analyzes an extended model which integrates three additional constructs： trust, social presence, and perceived enjoyment. The interrelationship between these constructs is also explained. Empirical validations of this extended model are expected in future research.     

IDT-TAM Integrated Model for IT Adoption

Two classical theories, the technology acceptance model （TAM） and the innovation diffusion theory （IDT）, were integrated into a model for analyzing individual information technology （IT） adoption behavior. In this IDT-TAM framework, the perceived characteristics of innovation are categorized as subjective evaluation, objective conditions, and interaction factors. The cognitive mechanisms that drive user IT acceptance are analyzed based on the patterns through which these characteristics influence individual user IT adoption behavior. The model was tested using an empirical survey regarding the adoption and use of e-mail in China. Results from a structural equation model analysis illustrate that the model provides meaningful insights for understanding, explaining, and predicting the IT adoption behavior of Chinese users.     

SPOC模式下“计算机辅助工业设计”课程的学习行为分析

为了实现"计算机辅助工业设计"课程的小规模限制性在线课程(SPOC)模式改革,对课程模块和考核方式进行了重新规划,并通过在线课程后台数据分析,研究学习行为和学习成绩之间的影响关系.通过对学生个人在线学习行为数据和学习成绩的相关性和回归分析,发现学生课后开始线上学习任务的早晚(学习区间)与学习成绩呈显著正相关;学生完成任务的时长(反刍比)对实操成绩有一定影响,且呈现二次曲线关系.结合学习成绩,可以发现学生个体在学习主动性、学习态度和学习效率的差异,以此采用针对性的教学策略,实现因材施教的教学目的.     

基于XGBoost的新零售优惠券使用行为预测

为实现新零售优惠券的定向投放,提出了对用户优惠券使用行为预测的模型.该文采用XGBoost算法,突破了以TAM模型(技术接受模型)为基础解释个人优惠券使用意愿的传统方法,并基于口碑网的真实交易数据进行了特征提取和用户使用行为建模.在K折交叉验证之后通过变量重要性评分,确定了对消费者使用决策贡献度较高的特征,并与随机森林和GBDT(梯度提升决策树)算法进行了AUC(Area under curve)准确率的对比.该研究证明了基于XGBoost的集成学习算法在优惠券使用行为预测中的有效性,对新零售精准营销有重要的现实意义.     

一种基于驾驶员学习过程的在线估计算法

为模拟驾驶员在跟踪期望路径过程中的驾驶决策过程,论文基于目标位置的思想对驾驶员的学习过程进行了建模。在建模过程中,利用三次B样条曲线灵活性的特点生成车辆对于目标位置的换道路径,同时,借助模糊神经系统模拟驾驶员跟踪目标位置过程的决策机制。并且提出了一种新的学习算法,即通过将模糊论域划分为若干局部线性网络以此拟合非线性函数。利用该算法能模仿驾驶员驾驶过程中的自学习能力。最后,对车辆躲避障碍物进行了仿真,结果表明该模型能较好的模拟驾驶员在换道过程中的驾驶行为及其自学习过程。     

巨噬细胞增强宫颈癌细胞对SN-38的抗性

通过GDSC在线软件,分析了SN-38在数据库中8种宫颈癌细胞系对310多种化疗药的半抑制质量浓度(IC50)Z分数值,并选取HPV-18阳性HeLa细胞、HPV-16阳性SiHa和CaSki细胞以及HPV阴性C-33A细胞,经过SN-38处理24、48 h,通过CCK8试验检测了细胞活力来探究巨噬细胞是否介导宫颈癌细...     

一种基于驾驶员学习过程的在线估计算法（英文）

为模拟驾驶员在跟踪期望路径过程中的驾驶决策过程,论文基于目标位置的思想对驾驶员的学习过程进行了建模。在建模过程中,利用三次B样条曲线灵活性的特点生成车辆对于目标位置的换道路径,同时,借助模糊神经系统模拟驾驶员跟踪目标位置过程的决策机制。并且提出了一种新的学习算法,即通过将模糊论域划分为若干局部线性网络以此拟合非线性函数。利用该算法能模仿驾驶员驾驶过程中的自学习能力。最后,对车辆躲避障碍物进行了仿真,结果表明该模型能较好的模拟驾驶员在换道过程中的驾驶行为及其自学习过程。     

Consideration of the Local Correlation of Learning Behaviors to Predict Dropouts from MOOCs

Recently, Massive Open Online Courses(MOOCs) have become a major online learning methodology for millions of people worldwide. However, the dropout rates from several current MOOCs are high. Usually, dropout prediction aims to predict whether a learner will exhibit learning behaviors during several consecutive days in the future. Therefore, the information related to the learning behaviors of a learner in several consecutive days should be considered. After in-depth analysis of the learning behavior patterns of the MOOC learners, this study reports that learners often exhibit similar learning behaviors on several consecutive days, i.e., the learning status of a learner for the subsequent day is likely to be similar to that for the previous day. Based on this characteristic of MOOC learning,this study proposes a new simple feature matrix for keeping information related to the local correlation of learning behaviors and a new Convolutional Neural Network(CNN) model for predicting the dropout. Extensive experimental validations illustrate that the local correlation of learning behaviors should not be neglected. The proposed CNN model considers this characteristic and improves the dropout prediction accuracy. Furthermore, the proposed model can be used to predict dropout temporally and early when sufficient data are collected.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

基于角度分布的高维数据流异常点检测算法

为了有效检测高维数据流中的异常点,提出一种基于角度分布的高维数据流异常点检测(DSOD)算法.运用基于角度分布的方法准确识别高维数据集中的正常点、边界点以及异常点;构造了基于正常集、边界集的小规模数据流型计算集,以降低算法在空间以及时间上的开销;建立了正常集、边界集的更新机制,以解决大数据流的概念转移问题.在真实数据集上的实验结果表明,所提出的DSOD算法的效率高于Simple VOA算法与ABOD算法,并且适用于大数据流上的异常点检测.     

Enhanced Learning Resource Recommendation Based on Online Learning Style Model

Smart learning systems provide relevant learning resources as a personalized bespoke package for learners based on their pedagogical needs and individual preferences. This paper introduces a learning style model to represent features of online learners. It also presents an enhanced recommendation method named Adaptive Recommendation based on Online Learning Style(AROLS), which implements learning resource adaptation by mining learners' behavioral data. First, AROLS creates learner clusters according to their online learning styles.Second, it applies Collaborative Filtering(CF) and association rule mining to extract the preferences and behavioral patterns of each cluster. Finally, it generates a personalized recommendation set of variable size. A real-world dataset is employed for some experiments. Results show that our online learning style model is conducive to the learners' data mining, and AROLS evidently outperforms the traditional CF method.     

室外光源光谱辐照度与K-means结合的单幅图像阴影检测

针对室外自然条件下单幅图像阴影检测困难,提出一种基于光谱辐照度的阴影检测算法。通过对户外光源的光谱特性进行分析,估算出阴影三色衰减模型(TAM)参数,由此得到阴影区域较暗的TAM图像。利用K-means方法将TAM图像分割为阴影区域和非阴影区域,结合中值滤波和形态学算子对阴影区域优化,成功提取出图像中的阴影部分。仿真表明该算法不需要复杂的特征学习过程,能够极大地提高运算速度;同时无需对图像校准以及获取任何先验知识,且可以用于相对复杂的真实场景中。     

PORSC:融合用户个性化特征的在线评论情感分类模型

针对传统在线评论情感分类忽视了用户个性化的问题,提出了一种融合用户个性化特征的在线评论情感分类(PORSC)方法,该方法为每一类型用户构建一个在线评论情感分类器.PORSC模型由2部分构成:一部分是具有学习评论中常见情感信息的全局情感分类模型;另一部分是能捕捉每种类型用户的个性化特征的特定用户类型分类模型.为解决PORSC模型在训练中的数据稀疏问题,引入多任务学习方法,以协同方式训练分类器,以并行方式解决了PORSC模型中参数的优化问题.通过在2个实际中文产品评论数据集和一个公开的英文评论数据集上实验,并与已有基线方法进行比较与综合分析,结果表明PORSC模型在一定程度上提高了在线评论情感分类的精度.     

应用型本科高校课堂教学满意度测量及影响因素研究——基于CZ大学的调查数据

对课堂教学满意度进行评价并分析其影响因素有利于推动课堂教学质量的提升。利用顾客满意度指数模型和技术接受模型结合应用型本科高校教学活动情境构建,课堂教学满意度-学习投入研究概念模型,以CZ大学全日制在校本科生为调查对象开展调查,运用AMOS软件对概念模型进行实证检验。研究得出结论：感知有用性、感知易用性和师德师风能对课堂教学满意度产生显著的正向影响;师德师风、课堂管理和学习氛围能够显著正向影响学习投入。最后,围绕创新教学方式、提升教学技能,强化师德师风建设、营造学习氛围、加强课程规制与管理、完善考核体系等方面提出对策建议。