学习对象

摘要： 所谓深度学习,就是学生在理解的基础上,能积极主动参与、高度投入的学习过程,并且能进行深度思维,与浅层学习相对应。能融合原有知识,建立新的知识结构,对学习对象进行深度加工,实现高阶思维。一、深度学习的价值学生在小学数学学习中,觉得枯燥无味,没有信心,缺少联结新旧知识的能力,而且抽象概括、表达能力也有待提高。以上现象的出现,归根结底在于学生的学习仅停留在知识浅层,未领悟数学的本质。为解决以上问题,笔者认为,学生在教师的引领下,进行深度学习是十分必要且重要的。让学生看到知识的本质,感受深层的结构,理解学习过程,形成积极的内在学习动机,进而提高学生的数学学习能力。

摘要： 八年级下册第四单元为关于演讲的“活动·探究”单元。本单元的教学以活动的形式开展,共有学习演讲词、撰写演讲稿和举办演讲比赛三个任务。本单元整体教学设计将演讲本身作为学习对象,以演讲的方式学习演讲,综合训练学生即时运用典雅的口语表达思想情感的能力。

摘要： 杂技教学是在专业教师和学生的共同参与下,由专业教师采取符合杂技教学任务的方法和策略,引导学生积极主动学习杂技基本功,掌握杂技表演所需的专业技能,形成良好的身体素质和思想品德、职业道德的有组织、有计划教育过程。一、杂技专业课程的教学特征1.学习对象与学习内容杂技专业课程的主要内容包括杂技专业技术、表演技巧和表演实践,是典型的过程性技术。杂技课程属于技术教学,即让学生通过肌肉感觉,把信息传递到中枢,经过分析、综合,达到对杂技技术、技巧、技能的理性认识。

摘要： 一个好的数学活动,对学生学习数学知识、习得数学技能、发展数学思维、提高数学素养起着促进作用。数学活动的魅力,在于亲历。唯有亲身经历,才会对学习对象有直接感受,获取直接经验,形成切身体验。数学知识大多是以抽象的概念、简约的法则与严谨的规律来体现其内在逻辑特征的,学习过程中也相对比较关注抽象思维与逻辑思考力。而学生的年龄特点又决定了他们的学习尚处于形象思维为主的阶段.

摘要： 在语文课堂教学中,每个学生都是蓬勃向上的生命个体。他们在生活经验、认知水平等方面存在的差异,影响着对学习对象的认识。学生在学习过程中,经常会迸发出一些充满生命灵动的想法,让课堂焕发出生命活力。在教学"狐假虎威"一课时,孩子们说出了"爱动脑筋"的狐狸与"高大上"的老虎,这样的字眼,真是让人意想不到。教学片段一:"爱动脑筋"的狐狸带给我的思考上课伊始,我首先出示题目:()的狐狸。

摘要： 幼儿园家长学校课程,顾名思义,是为提升家长教育水平而组织的系统知识体系与教育建议,也可称之为父母教育课程或亲职发展课程。家长学校课程面向的学习对象是家长,因此它属于成人教育的范围,其课程架构与呈现方式应该符合成人学习与教育的规律。成人的学习和儿童的学习最大的区别在于拥有的经验不同,儿童也是具有一定的经验的学习主体,而成人所拥有的经验显然比儿童丰富,无论是对事物认知的经验,还是对学习过程的经验都比儿童丰富。而一个人已有的经验对学习过程而言是把"双刃剑",一方面促进学习的产生,一方面阻碍学习的进展。

摘要： 目前,随我国新课程教学改革的深入有效实施,我们的教学工作发生了新的变化。我国新《道德与法治课程标准》中明确指出:课堂教学要根据小学生认识能力发展的特点, 以他们自身的生活为源泉, 选择小学生熟悉的、感兴趣的、有意义的主题为学习对象, 把道德教育、法治教育、劳动教育、社会教育、科学教育等有机结合在一起, 通过儿童自主的体验、尝试和实践活动, 去促进他们自身的全面发展, 为其学会生活、学会学习打下了良好的素质基础。

摘要： 习总书记指出:少年儿童培育和践行社会主义核心价值观,要适应自身年龄和特点,做到记住要求、心有榜样、从小做起。而"心有榜样",就是要学习英雄人物、先进人物、美好事物,在学习中养成好的思想品德追求。根据班杜拉社会学习理论,人类的大多数行为都是通过观察生活中榜样的行为而获得。榜样是儿童在成长过程中的重要学习对象。拥有优秀德行品性的童年榜样,更易于被一同学习生活的儿童认可、模仿、内化,进而习得社会行为。在学校敏求文化背景下,我们试图融入"优秀吸引"的管理理念,充分挖掘儿童身上的优秀美德活性因子,统筹规划、合理设计"童年榜样"的体验空间。

摘要： 对知识的前向解释力直接影响后向生发的创造力,因此人工智能的算法思想对于青少年学习人工智能更为重要。我们的课程旨在引导中小学生探索人工智能算法的内生机理,其主要面临以下两大挑战:挑战一来自于学习者,低龄学生低认知水平、弱分析问题能力引发了与复杂算法机理理解的矛盾;挑战二来自于学习对象,算法编程实践的复杂性引发了与低龄学生零代码基础的矛盾与复杂算法编程实践的矛盾。

摘要： 深度学习最早来源人工智能领域的研究,是学习样本数据的内在规律和表示层次,并且在学习过程中得到的信息对于学习对象的解释有极大帮助。而教育界引入这个概念,主要是应用了其“能够将已有的知i只进行迁移,应用到新的学习过程中去”。深度学习视域下的教学设计要求学生主动参与到课堂活动中,在教师的引导下自主地进行课堂知识模型的构建。学生通过自主构建知识框架,主动运用学习过的知识或学习方法对新的课程内容进行学习.

摘要： 如何在碎片化学习和系统化学习两者之间建立衔接点,这是阻碍当前碎片化学习研究的主要问题,也是解决移动学习和碎片化学习能否实现正式学习的补充作用的关键之所在.本文从随机通达理论以及系统论的角度出发,对碎片化学习对象以及学习环境进行了分析,构建了碎片化学习智能引擎原型,以期为支持学习者随时随地、终身化的学习提供帮助.

摘要： 个性化课程开发是远程教学组织亟待解决的问题.本论文以学习对象为基础构建了学习资源动态组织呈现的个性化课程,介绍了学习对象的基本概念,并阐述了学习对象动态组织的设计思路.

摘要： 学习对象使用于各类基于技术的学习系统中，教材分析是教学开展的前提之一。建立了以知识点为核心的学习对象，为基于学习对象的教材分析提供了切实可行的数据基础。介绍了以知识点为核心的学习对象及其元数据结构，结合传统的教材分析方法，探索了在学习对象分析设计和应用中开展教材分析的思想方法。

摘要： 对于互联网上数量庞大的学习资源,教学人员和学习者需要快速搜索到所需的资源,并直接使用这些资源,组合成符合自己教学或学习目的学习课件。文中基于IEEE LOM模型运用元数据和学习对象方法实现了一个学习资源共享和集成环境,支持知识资源发布、知识网创建和适应性学习路径的生成。一方面,利用元数据标记学习资源支持快速学习资源查找和准确反馈；另一方面,使用学习对象方法,可以支持重用学习资源,根据学习需要快速构建知识网.

摘要： 本文首先给出学习对象的概念,分析了基于学习对象的教育资源应用,给出学习对象型网络教育系统框架的主要组成部分,最后介绍了用XML技术实现新型网络教育系统的步骤和初步应用实现.

摘要： 为了进一步拔露教学活动发生的本质、找寻促发学生学习的直接因素,本文引出了"教学材料"这一概念.同时将这一概念与"知识"、"教学内容"区别开来,将学生的学习对象分层处理,发掘与学生学习的发生关系最密切的对象.文中指出"教学材料"蕴含着教师的意图,隐含着对教学目标的追索,是实现教学目标的有力手段;它是学生的直接操作对象、促发学生学习的直接因素."教学材料"具有主观预设性、主体相关性、中介联系性、简约典型性、动态生成性五个特征.

摘要： 随着信息技术的发展,电视这一主要的教学媒介实现了人与机器之间的信息互动,改变了以往单纯的线性学习方式,极大地提高了学习者的学习积极性.T-Learning即基于现代数字电视的交互学习,虽然国内外对于T-Learning的研究不断增多,但是目前交互式数字电视存在只有技术支持而缺乏互动资源的尴尬局面.文章通过介绍数字教育电视的两种主要交互方式:单向、线性的交互方式和双向、非线性的交互方式,提出了数字教育电视资源的五项交互设计的原则,对数字教育电视节目受众即学习对象进行了分析,建构了数字教育电视节目的交互导航模型,提出了交互导航模型的实现设想.

摘要： 为了方便老师和学生开拓Web资源的多种可能应用来满足个人的学习和教学需要,我们在本文中提出了在个性化推荐学习系统(PeRES)基础上设计和开发的集成了多个相关本体的英语教育本体(ENGOnto)来方便相关学习对象的识别和发现.这个集成的本体由5个相关的教育本体组成:Curriculum本体、Language本体、Pedagogy本体、People本体和KnowledgePoint本体。这些教育本体组合在一起能够表达多样化的个性化教学场景并满足基于多代理平台PeRES框架的个性化教育服务的传输需求.我们同时展示了一个试验平台的设计和实现来研究集成本体进行个性化搜索和生成符合SCORM规范的学习资源包的方法。

摘要： 当前,一些成人教育的工作者和研究者常常混淆或忽视成人教育的对象,从而在教育研究过程中偏离了“成人”这一特质,使成人教育在丧失自身对象的前提下陷入无所依从、无所指向的困境.正确界定“成人”的概念,区别成人教育与相似教育范畴职业教育、继续教育对象的关系,对于了解成人教育的本质和属性,提高成人教育的质量有重要的意义.针对成人教育对象上的这一特定性,应该在教育过程中采取不同于普通教育的教育手段和评价机制,唯有这样才能使成人教育走上真正的“成人之道”.

摘要： 当前,一些成人教育的工作者和研究者常常混淆或忽视成人教育的对象,从而在教育研究过程中偏离了“成人”这一特质,使成人教育在丧失自身对象的前提下陷入无所依从、无所指向的困境.正确界定“成人”的概念,区别成人教育与相似教育范畴职业教育、继续教育对象的关系,对于了解成人教育的本质和属性,提高成人教育的质量有重要的意义.针对成人教育对象上的这一特定性,应该在教育过程中采取不同于普通教育的教育手段和评价机制,唯有这样才能使成人教育走上真正的“成人之道”.

摘要： 本发明提供利用训练图像构建分类树而使过滤器进行学习的方法，包括：学习装置对与分类树的第k节点相关的第mk个正样本图像和第nk个负样本图像分别获取第a个特征；及当k为1时，参照第m1个正样本图像和第n1个负样本图像的特征直方图，确定分类错误最小的特征ID以及阈值，其中，特征ID是指第a个特征的每一个的ID，当k≥2时，基于已确定的特征ID及阈值对父节点进行图像分类，如果与第k节点的兄弟节点相比较多的图像被分类到第k节点中，则参照第mk个正样本图像和关于第nk个负样本图像的特征直方图，确定分类错误最小的特征ID及阈值，并且对分类树中具有与第k节点相同的深度的节点同样分配所确定的特征ID及阈值。

摘要： 本发明提供了一种对象检测设备、学习设备、对象检测方法和程序。所述对象检测设备包括：比较单元，用于提取确定对象图像上的两个区域的特征量，并比较基于提取的两个特征量的特征量和阈值；以及计算单元，用于根据所述比较结果选择具有不同绝对值的两个值之一，并且通过用选择的值执行计算，计算用于确定对象是否包括在所述确定对象图像中的评估值。

摘要： 本发明提供利用训练图像构建分类树而使过滤器进行学习的方法，包括：学习装置对与分类树的第k节点相关的第mk个正样本图像和第nk个负样本图像分别获取第a个特征；及当k为1时，参照第m1个正样本图像和第n1个负样本图像的特征直方图，确定分类错误最小的特征ID以及阈值，其中，特征ID是指第a个特征的每一个的ID，当k≥2时，基于已确定的特征ID及阈值对父节点进行图像分类，如果与第k节点的兄弟节点相比较多的图像被分类到第k节点中，则参照第mk个正样本图像和关于第nk个负样本图像的特征直方图，确定分类错误最小的特征ID及阈值，并且对分类树中具有与第k节点相同的深度的节点同样分配所确定的特征ID及阈值。

摘要： 本发明提供了一种对象识别设备、分类树学习设备、该对象识别设备的操作方法和该分类树学习设备的操作方法。该对象识别设备可包括：输入单元，接收作为输入的表示将被分析的对象的深度图像；以及处理单元，通过使用分类树从深度图像识别该对象的可见对象部分和隐藏对象部分。

摘要： 根据各种实施方式描述一种用于训练用于从对象图像中识别对象的对象拓扑的机器学习模型的方法，包括：获得对象的3D模型，确定网格的每个顶点的描述符分量值，产生分别具有训练输入图像和目标图像的训练数据图像对。目标图像通过确定训练输入图像中的顶点位置来产生，将针对顶点位置处的顶点确定的描述符分量值分配给目标图像中的位置，并适配分配给目标图像中的位置的至少一些描述符分量值或者将描述符分量值添加给目标图像的位置，使得对象内的预设的间距内的描述符分量值，与分配给对象内部中的位置的描述符分量值相比更靠近分配给对象外部的位置的描述符分量值，其中所述对象内部中的位置距对象边缘比预设的间距更远。

摘要： 描述了一种用于自动确定由3D数据集表示的3D对象的正则姿势的方法，其中，该方法包括：将与第一坐标系相关联的3D对象的体素表示的体素的一个或多个块提供给第一3D深度神经网络的输入，该第一3D深度神经网络被训练为生成与正则坐标系相关联的正则姿态信息，该正则坐标系相对于该3D牙科结构的一部分的位置限定；从该第一3D深度神经网络的输出接收正则姿态信息，该正则姿态信息包括针对一个或多个块的每个体素的、该体素在该正则坐标系中的位置的预测，该位置由正则坐标限定；使用该正则坐标来确定相对于第一3D坐标系的轴和原点的该正则坐标系的轴的取向和比例以及该正则坐标系的原点的位置，并且使用该取向和位置来确定转换参数，以将该第一坐标系的坐标转换为正则坐标；以及确定该3D牙科结构的正则表示，该确定包括将该转换参数应用于体素表示的体素的坐标或用于确定该体素表示的3D数据集。

摘要： 一种用于训练用于对象识别设备(400)的机器学习系统(200)的方法，所述方具有以下步骤：提供传感元件数据；借助所提供的传感元件数据来训练机器学习系统，其中，从所述传感元件数据中识别至少一个对象，其中，将所述传感元件数据的信号强度与分配给对象的反射系数和/或吸收系数一起使用。

摘要： 本发明涉及一种用于确定对象在其周围环境中的姿势的方法，其中借助光学采集设备来采集对象以及其周围环境作为当前图像(xi)，并且借助光学图像分析来确定对象的姿势，并且其中借助神经网络(1)将对象的姿势确定为神经网络(1)的输出，其中借助通过使用姿势回归(Lpose)和描述符学习(Ld)的多任务学习(LMTL)来训练神经网络(1)，该描述符学习通过使用三元组损失函数(Ltriplet)和成对损失函数(Lpair)来确定，其中姿势回归(Lpose)借助四元数来确定，三元组损失函数(Ltriplet)依据动态裕度项(m)来确定并且成对损失函数(Lpair)仅作为锚定函数来确定。

摘要： 本公开的实施例涉及基于利用物理特性增强对象生成针对对象的机器学习模型。本公开涉及一种设备，设备接收视频流的图像、针对图像中的对象的模型和针对对象的物理特性数据，并且将模型和物理特性数据映射到图像中的对象以生成增强数据序列。设备将不同的物理特性应用于增强数据序列中的对象以生成具有不同的被应用的物理特性的增强数据序列，并且基于图像训练机器学习(ML)模型以生成第一经训练的ML模型。设备基于具有不同的被应用的物理特性的增强数据序列训练ML模型以生成第二经训练的ML模型，并且将第一经训练的ML模型与第二经训练的ML模型相比较。设备基于该比较确定第二经训练的ML模型是否被优化，并且在其被优化时提供第二经训练的ML模型。

摘要： 提供了一种对象检测设备、学习设备、对象检测方法和程序。所述对象检测设备包括：比较单元，用于提取确定对象图像上的两个区域的特征量，并比较基于提取的两个特征量的特征量和阈值；以及计算单元，用于根据所述比较结果选择具有不同绝对值的两个值之一，并且通过用选择的值执行计算，计算用于确定对象是否包括在所述确定对象图像中的评估值。