“乐学”在成人第二语言习得中的研究与运用

成人第二语言习得是一个复杂而又困难的过程。在二语习得过程中,成人具有高度的自主性和独立性。因此,成人学习者主观上的积极配合就成为成人第二语言习得成效取得的关键。对于第二语言教师来说,培养成人积极学习情绪,构建"乐学"模式显得尤为重要。     

基于策略式的项目协作学习系统的研究

探讨了一种基于策略式的项目学习方法.该方法按照项目实施的要求,教师依照管理模板和评价模板对所学课程进行管理和评价,通过该系统能够对项目的完成情况和项目组成员的个人表现进行综合评定.根据基于策略式的项目学习方法,建立了基于策略式的项目学习模型,并对此模型进行了系统设计和实现.     

现代学习技术:学习型城市建设的助推器

当前,技术正在改变学习成为不可争辩的事实。在学习型城市建设的诸多要素中,"推广应用现代学习技术"被看作其构建助推器。为了有效提升现代学习技术在学习型城市建设中的应用,提高电子学习资源的满意度,需要保证高质量学习资源获取的便利性,提高学习技术管理人员的专业化,推广现代学习技术载体的应用性,开发高质量的电子学习资源,创建学习资源开放实践社区等方式充分发挥学习技术的作用。     

泛在学习视角下学习型城市的建设试析

在全球城市化建设不断加速的浪潮中,学习型城市的建设愈发受到人们的关注,《建设学习型城市北京宣言》也明确指出要推广应用现代学习技术,而泛在学习因为其自身的特点,十分契合学习型城市的主旨,故本文在泛在学习的视角下,试析学习型城市的建设当中存在的不足,并提出自己的分析与建议。     

面向农民的现代远程教育学习测评改革初探——以教育部“一村一名大学生计划”为例

通过现代远程教育手段开展面向农民的学历教育学习测评多沿用普通高校的学习测评体系,存在测评理念陈旧、方向偏差,主体单一、手段落后,注重结果评价、忽略过程评价等问题;需从加大形成性考核和开卷考试比例、注重过程和能力测评,建设网络题库、促进学测评一体化,实时推出预约考试、满足多样化需求等几个方面进行改革和探索,为学生提供灵活多样的学习测评服务.     

可持续发展:学习型城市建设造就社会发展的光明未来

"可持续发展"是2013年《北京宣言》提出的学习型城市第三大特征。本文首先对可持续发展的概念由来进行了梳理,接下来从经验与困境两个方面对我国城市发展中的环境课题进行了剖析,最后提出了基于可持续发展理念的承诺与行动方案,实现通过全民终身学习促进城市可持续发展的目标。     

对科技期刊编辑工作的几点认识

编辑是期刊编校出版的核心,编辑人才是期刊健康发展的基础和保证。面对国内外期刊激烈的市场竞争,针对如何做一名与时俱进的、合格的期刊编辑提出了想法和认识。     

非英语专业本科生课外听力现状调查研究———以莆田学院问卷为例

采用调查问卷方式,对193名莆田学院非英语专业本科生课外听力学习情况进行了调查。结果显示：被调查的大部分学生课外听力时间投入较少,且缺乏安排和计划;尽管多数学生认同课外听力的积极作用,但他们缺乏课外听力实践的积极性和主动性,不懂如何有效选择听力材料,对听力策略了解不多,在元认知策略和社交／情感策略使用方面有较大欠缺。根据调查结果,提出了应对建议。     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题。在深入探究各聚类的核心与热点知识的基础上分析了人工智能心理学发展的各阶段特征:1.上世纪50年代图灵和米勒等人对机器认知与学习等概念的猜想与初探;2.70-90年代纽厄尔、西蒙和莱尔德等人基于模块记忆与层级分析对人工智能信息处理模型的系统性构建;3.本世纪初基于神经生理学的降维数据认知理论的发展;4.当下人工智能贝叶斯大脑与深度学习理论的兴起。     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.