网络学习中群组方法的研究

本文基于数据挖掘技术,组建高效群组,采用一个能够监测群组成员间交流情况的系统使学员之间的交流更加便利,以帮助教师们改进网络群组学习。实验观察结果与数据证明了此理论是有效与可行的。     

应用型本科计算机专业课程群建设研究

针对应用型本科人才培养需求,探讨了课程群建设的内涵以及课程群建设的思路,给出了计算机科学与技术专业课程群及课程群建设体系,并以数据库课程群建设为案例详细地介绍了课程群实施方案．课程群建设研究不仅对深化计算机专业薮育改革具有重要意义,而且还为其他专业的课程群建设提供了借鉴．     

校园庆典团体操的特性及文化价值研究

运用文献资料法,全面分析总结了校园庆典团体操的特性及文化价值。分析发现校园庆典团体操具有不可复制性、传承性、教育性、宣传性、创新性,同时具有导向、凝聚、调适价值,旨在为以后校园庆典团体操的开展提供一定的理论基础与参考价值。     

多胺基壳聚糖含孔树脂的制备及对Cd（Ⅱ）的吸附研究

以壳聚糖、苯甲醛为原料,乙醇为溶剂,合成希夫碱;用乙二醇二缩水甘油醚为交联剂,在酸性条件下脱保护,以环氧氯丙烷和四乙烯五胺对交联树脂修饰,合成多胺基壳聚糖交联树脂。以石腊为溶剂,PEG-2000为致孔剂,司本-80为乳化剂,形成了多胺基壳聚糖含孔树脂。在室温和pH=7时,壳聚糖树脂对Cd（Ⅱ）吸附量达123.54 mg/g,致孔后的树脂吸附量达315.10mg/g。     

社会工作专业教学互惠模式探析

在班级授课教学模式不能改变的前提下,从社会工作专业的工作方法中另辟蹊径,在小组工作的互惠模式中,从教学模式的教学理论、教学目的、教学结构及活动程度、师生交往系统、反馈方式、支持条件等六大要素来建构社会工作的专业教学互惠模式。     

大学生从众心理及原因分析

在大学生这个特殊的社会群体中存在着一些约定俗成的群体规范,这是大学生从众心理的表现。文章对大学生从众现象作了具体描述并分析了其产生的原因。     

人物群体心理分析视角下井冈山道路的深层解构

井冈山革命根据地的存在与发展,是井冈山时期各类人物群体合力作用的结果。井冈山斗争时期,各类人物群体——革命领袖群体、革命女性群体、绿林群体、普通士兵与下层民众群体等等为井冈山的斗争,贡献了各自的力量。他们的行为动力有着深刻的思想动机,表现为三个方面:务实主义是战略支点;理想信仰是精神支柱;群体心理效应是重要的内驱动力。     

局部环上辛群中一类子群的扩群格

定出了局部环上辛群中一类子群的扩群格,得到了如下结果:设R是局部环,Sp(2m,R)为R上辛群,N表示子群{{AOC A′-1|}A∈GL(m,R),A′C=C′A}.如果2为R中的可逆元且m≥3,那么N在Sp(2m,R)的扩群格同构于R的理想格.作为推论得到了Sp(2m,R)的一类极大群.     

群余分次乘子Hopf代数的Galois对象

在这篇文章中,我们首先介绍群余分次乘子Hopf代数Galois对象的定义,然后给出通过交叉作用π来构造群余分次乘子Hopf代数Galois对象的方法.设G是群,(,Δ)是G-余分次代数量子群(A,△)的变形.若(X,α)是(A,△)的左Galois对象,定义α_(p,q):X_(pq)→M(pX_q),α_(p,q)=(πqi)α_q~(-1)p~(-1)q,q~(-1),则(X,α)是变形(,Δ)的左Galois对象,其中X_p=X_(p~(-1)),_q=A_(q~(-1)).同时,我们也研究了Galois对象的一些性质.     

Two Optimal Aggregation Approaches of Fuzzy Opinions in Group Decision Analysis

The aggregation of fuzzy opinions is an important component of group decision analysis with fuzzy information. This paper proposes two new approaches for the assessment of the weights to be associated with fuzzy opinions. These approaches involve,respectively, the minimization of the sum of squared differences between the individual weighted fuzzy opinion and the weighted mean value of all fuzzy opinions, which is called the weighted minimum variance method (WMVM), and the minimax difference of any two adjacent individual weighted fuzzy opinions, which is called the mean value minimax differences method (MVMDM). The two approaches are developed and numerical examples are presented to illustrate their simplicity and effectiveness in aggregating fuzzy -opinions.