期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
学习云空间支持下的研究性学习研究与实践 被引量:19
1
作者 黄昌勤 王希哲 +2 位作者 张冬冬 梅晓勇 周宇文 《中国电化教育》 CSSCI 北大核心 2015年第8期21-28,共8页
研究性学习对于培养创新精神和实践能力至关重要,空间化设置的虚拟学习云环境能在学习资源与服务的动态供给、便捷交互上提供支持,为研究性学习实践提供了新的途径。以促进研究性学习与学习云空间深度融合为目标,对学习云空间支持下研... 研究性学习对于培养创新精神和实践能力至关重要,空间化设置的虚拟学习云环境能在学习资源与服务的动态供给、便捷交互上提供支持,为研究性学习实践提供了新的途径。以促进研究性学习与学习云空间深度融合为目标,对学习云空间支持下研究性学习各要素进行适配分析,提出了学习云空间支持下的研究性学习系统架构和功能设计。为了促进学习者交互学习的主题管控和目标的快速达成,以构建语义相似度计算方法为基础,提出了一种思维发散与聚集保障机制;依托Cloudstack,开发实现了以云空间为基础的研究性学习系统,完成了交互协作学习与思维智能导引的有效结合。基于学习案例进行应用效果测试,结果显示该研究能较好地提高研究性学习的学习效果。 展开更多
关键词 学习云空间 研究性学习 语义WEB 思维发散与聚集
下载PDF
学习云空间中基于情境感知的移动学习自适应模型及其应用研究 被引量:16
2
作者 张琳捷 罗雯 +1 位作者 刘博 黄昌勤 《电化教育研究》 CSSCI 北大核心 2020年第2期83-90,共8页
随着移动互联网等新技术的快速发展,移动学习成为网络学习空间的主要学习方式之一,然而移动学习效果的提升面临着复杂移动情境下空间化学习的自适应挑战。文章以云计算支持下的网络学习空间(即学习云空间)为背景,分析了移动学习的自适... 随着移动互联网等新技术的快速发展,移动学习成为网络学习空间的主要学习方式之一,然而移动学习效果的提升面临着复杂移动情境下空间化学习的自适应挑战。文章以云计算支持下的网络学习空间(即学习云空间)为背景,分析了移动学习的自适应因素,提出了一个基于情境感知的移动学习自适应模型,并探讨了移动学习的自适应实现机制及其应用策略。研究依托iStudy的移动学习自适应系统进行应用实践和实证分析,结果表明:该系统更有利于提高场独立型与场依存型两种风格学生的自我效能感,以及场依存型学生的学习成绩;不同知识类型学习中均使用该系统,其学习成绩没有差异;两种风格学生均认为该系统更加便捷适用,场依存型学生认为该系统更有利于促进学习。研究为促进移动学习的自适应和个性化理论与实践探索提供了有力支撑。 展开更多
关键词 移动学习 自适应学习 情境感知 学习策略 学习云空间
下载PDF
学习云空间中基于大数据分析的学情预测研究 被引量:12
3
作者 王希哲 黄昌勤 +1 位作者 朱佳 徐小琪 《电化教育研究》 CSSCI 北大核心 2018年第10期60-67,共8页
随着学习云空间应用的不断深入,海量过程性数据与富媒体资源使其呈现为典型大数据特征环境。文章对学习云空间的大数据特征、分析方法及其带来的机遇进行了深入的分析,并依据学习云空间传统数据及其过程性数据提出一种学情预测模型及其... 随着学习云空间应用的不断深入,海量过程性数据与富媒体资源使其呈现为典型大数据特征环境。文章对学习云空间的大数据特征、分析方法及其带来的机遇进行了深入的分析,并依据学习云空间传统数据及其过程性数据提出一种学情预测模型及其实现方法。在模型构建过程中,通过计算各学情因素的Gini增益,实现学习效果影响程度的判别,并提出改进的并行随机森林算法,以世界大学城系统平台为支撑进行学习预测与效果检验。结果表明,该方法较为有效地实现了大数据环境下学习云空间的学情预测,并为学习云空间中基于大数据技术的智能服务提供了一种可行的参考方案。 展开更多
关键词 网络学习空间 学习云空间 教育大数据 关联性判别 学情预测 并行随机森林
下载PDF
顾及样本优化选择的机器学习云检测研究
4
作者 张辉 周仿荣 +4 位作者 徐真 文刚 马御棠 韩旭 吴磊 《航天返回与遥感》 CSCD 北大核心 2024年第1期161-173,共13页
针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据... 针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星(Himawari-8)数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明:模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测(CALIPSO)产品数据进行对比分析,结果显示云检测总体精度为97.1%。 展开更多
关键词 样本优化 极限随机树 机器学习 云检测 航天遥感
下载PDF
融合外部注意力和图卷积的点云分类模型
5
作者 周锐闯 田瑾 +2 位作者 闫丰亭 朱天晓 张玉金 《图学学报》 CSCD 北大核心 2023年第6期1162-1172,共11页
针对点云数据的无序性和非结构化导致不能充分提取局部特征的问题,提出了一种融合外部注意力和图卷积的点云分类模型。首先将点云数据构建成局部有向图,然后采用融合了外部注意力的图卷积进行特征提取,以采集更丰富、更具代表性的局部... 针对点云数据的无序性和非结构化导致不能充分提取局部特征的问题,提出了一种融合外部注意力和图卷积的点云分类模型。首先将点云数据构建成局部有向图,然后采用融合了外部注意力的图卷积进行特征提取,以采集更丰富、更具代表性的局部特征。接着,引入残差结构来搭建更深层的网络,并融合不同层次的特征信息,以增强网络性能。最后,将具有树状层次结构的点云数据映射到具有负曲率的双曲空间,以增强点云数据表达的能力,并在双曲空间中进行嵌入计算得到最终的分类结果。在标准公开的数据集ModelNet40和ScanObjectNN上进行了实验,结果表明,模型在不同数据集上整体分类精度分别达到了93.8%和82.8%,相较于目前主流的高性能模型,模型整体精度提高了0.3%~4.9%,并具有较强的鲁棒性。 展开更多
关键词 深度学习 点云分类 外部注意力 双曲空间 图卷积
下载PDF
学习云空间中学习路径的情境语义标识及应用 被引量:2
6
作者 韩中美 王希哲 +1 位作者 黄昌勤 徐小琪 《现代教育技术》 CSSCI 2017年第11期120-126,共7页
学习云空间中学习路径的情境语义标识是为了满足学习者个性化学习的现实需要,也是自适应学习的研究热点之一。文章首先探讨了学习云空间的理想学习环境,提出了基于建构主义理论的学习机制。随后,文章设计了面向学习云空间的情境要素,在... 学习云空间中学习路径的情境语义标识是为了满足学习者个性化学习的现实需要,也是自适应学习的研究热点之一。文章首先探讨了学习云空间的理想学习环境,提出了基于建构主义理论的学习机制。随后,文章设计了面向学习云空间的情境要素,在此基础上构建了面向富语义学习路径的云空间情境感知模型,揭示了基于情境感知的富语义学习路径生成原理,并对学习路径进行了有效性评估。最后,文章依托世界大学城的学习路径功能模块,对富语义学习路径的应用效果进行检验,展现了良好的学习效果。文章的研究可助力于学习路径的精准推荐和学习云空间的进一步发展。 展开更多
关键词 学习云空间 情境感知 建构主义 富语义学习路径
下载PDF
学习云空间支持的大学生全球素养教育模式研究——基于广东省四所高校的调查 被引量:1
7
作者 黄奕宇 黄翊琳 《中国电化教育》 CSSCI 北大核心 2019年第2期95-102,共8页
全球化时代,大学生全球素养教育对国际人才的培养、推动社会协同进步、人类共同发展至关重要,学习云空间融资源、服务、数据为一体,支持共享、交互、创新的特性,能够为大学生全球素养教育提供支持。为了了解现阶段大学生全球素养水平,... 全球化时代,大学生全球素养教育对国际人才的培养、推动社会协同进步、人类共同发展至关重要,学习云空间融资源、服务、数据为一体,支持共享、交互、创新的特性,能够为大学生全球素养教育提供支持。为了了解现阶段大学生全球素养水平,该文在梳理国内外相关研究的基础上,构建了大学生全球素养结构模型,设计了大学生全球素养评价量表,并采用整群抽样的方法,以广东省四所高校2060名大学生为调研对象展开抽样调查。结果表明:大学生全球素养总体不高,在知识和技能方面的水平存在明显不足。为此,该研究从教育目标、教育内容、教育资源、教育过程、教学互动和教育评价六个方面构建了学习云空间支持的大学生全球素养教育模式。 展开更多
关键词 学习云空间 大学生 全球素养 教育模式
下载PDF
泛在学习环境的云空间教学资源的整合研究 被引量:1
8
作者 刘建华 曾宪金 《赣南师范学院学报》 2015年第6期68-70,共3页
以泛在学习环境下教学资源的建设作为开端,探讨了云空间技术支撑下教学资源的整合技术及方法.
关键词 泛在学习 云空间 教学资源整合 世界大学城
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部