学习论

摘要： 联通主义学习理论强调联通就是学习,基于联通主义的慕课的教学重点就是构建促进联通的教学环境.学习者联通规律就是联通主义理论的学习论问题.本研究的目的就是揭示课程学习者群体的联通水平分布现状,挖掘不同联通类型之间的关系.本研究基于cMOOC"互联网+教育:理论与实践的对话",以课程平台中894位学习者发生的23,749次联通行为作为源数据,划分不同学习者类型,通过相关分析方法,分析被动联通水平和主动联通水平的相关性.本研究得出以下结论:对普通联通水平学习者的支持应是cMOOC建设和发展的重要着力点;学习者学习背景和内容贡献是获取被联通的有利条件;主动和其他学习者开展特定类型的联通能获取被联通;寻求与重要学习者的双向联通是提升普通学习者联通水平的有效方式.基于以上结论可从增强分享意愿、建立供需连接、完善评价方式等方面提出课程优化建议.本研究以真实数据揭示了联通主义理论中主被动联通关系,也为cMOOC实践提供了重要策略参考.

摘要： 通过课程建设探索学生学习发生的内在认知规律,加强对学生阅读兴趣的激发和阅读方法的指导,进一步多方位提升学生的阅读理解能力,打造出以培养学生"学习力"为核心的"大阅读"品牌教育特色.

摘要： 学习是人类社会发展的核心任务,也是社会科学研究领域的关键问题.基于自然属性视角、社会属性视角、教育属性视角出发,全面分析和理解“什么是学习”,智能化时代背景下职业教育在学习内容、学习方式、学习互动、学习动机存在着“四维度”的反思命题.以此职业教育学习论的路向应该包括:以“社会”为核心,搭建“多元跨界”的学习内容新平台;以“开放”为理念,建构“多维扩展”的学习方式新平台;以“对话”为方式,创设“多维互动”学习情景新平台;以“幸福”为目的,生成“个体完善”成为学习内驱动机新平台.

摘要： 良好的学习习惯是语文素养的组成部分.《语文课程标准》提出要全面提高学生的语文素养,而语文素养的组成是多方面,其中形成良好的语文学习习惯就是很重要的一条.笔者基于学习论探究语文学习习惯进行研究.

摘要： 选修课是全面提高学生素质的重要教学组成部分,能使学生在充分学习本专业课程的同时,根据兴趣爱好选择个性化的素质提升和知识拓展.文章根据学习论原理,在以教学促进学习的指导思想下,以计算机博弈为主要内容,设计一个选修课辅助系统,在选课前更加直观充分地展示课程的应用前景和学习过程,督促激励学生在课堂上努力学习、积极实践、理解和掌握相关知识,在课堂外积极参加竞赛和创新实践,从而在选修课学习中有更大的收获.

摘要： 美术馆教育最早是从西方国家传播过来的.陈丹青曾说过:"西方艺术之所以持续保存创造力和影响力,不是艺术学院和艺术教育,而是美术馆."可见,美术馆教育在艺术教育中的核心地位.所以,对美术馆教育功能的理论研究具有非常现实的意义.本文首先对知识理论进行了研究,最后主要对美术馆学习理论进行了详细的研究.

摘要： 本文试想从核心素养与学习论中学习结果比较的视角出发,就学校教育条件下发展学生核心素养的问题进行一些肤浅的思考.学生发展的核心素养是属于学校教育中高层次的学习目标的，在学校教育的条件下，如果能够依据学习论的科学原理，大力提倡基于知识分类学习论下的知识分类教学论，依据不同的学习类型组织科学的教学活动，并正确处理教育过程中的一些矛盾关系，再加上全面贯彻党和国家的教育方针，认真执行课程教学计划，用各科课程标准的要求统领教学工作等严格规范的教育管理，就能够高效地完成学校教育的各项任务，为全面深化课程教学改革指明前进的方向，为发展学生的核心素养找到科学的路径，为落实立德树人的根本任务打下坚实的基础。

摘要： 上世纪90年代以来，对教学评价的研究促进了这样的认识，教学评价应从以前的鉴别学生学习最终结果的优劣走向促进学生的自我认知和全面发展。但在操作层面上如何做、怎样做，我们还缺少足够范例和模式。评价是教学的重要环节，本文在《学习论》教学改革中基于多元评价、过程评价、发展性评价思想，从网络环境下小组研究性协作学习模式的教学实践出发，制定了一套全新的评价体系，本体系结合形成性、总结性评价的优点，期望能给当前协作学习评价模式的建立提供一些借鉴。

摘要： 取得部取得从控制对象观测到的、表示解释变量与目标变量的组合的多个观测数据。教师用学习部基于由取得部取得的多个观测数据，对用于根据解释变量输出目标变量的模型执行学习，生成学习完毕的教师用模型。学习用数据生成部通过对由教师用学习部生成的教师用模型输入规定的解释变量，取得针对规定的解释变量的规定的目标变量，生成规定的解释变量和规定的目标变量的组合作为用于对决策树模型执行学习的学习用数据。

摘要： 本发明的基板处理装置(100)具备基板保持部(120)、药液供给部(130)、基板信息取得部(22a)、药液处理条件信息取得部(22b)、及控制部(22)。基板信息取得部(22a)取得包含硬化层厚度信息或离子注入条件信息的基板信息，该硬化层厚度信息表示处理对象基板的抗蚀层中的硬化层的厚度，该离子注入条件信息表示在抗蚀层形成硬化层的离子注入的条件。药液处理条件信息取得部(22b)基于基板信息，自学习完成模型取得表示关于处理对象基板的药液处理条件的药液处理条件信息。控制部(22)根据药液处理条件信息来控制基板保持部(120)及药液供给部(130)，以利用药液对处理对象基板进行处理。

摘要： 学习装置(100、100a、100b)具有：学习用数据取得部(109)，其取得多个学习用数据，1个学习用数据是基于包含时间序列的观察值的1个或多个时间序列数据中的1个时间序列数据的第1信息、基于包含彼此不同的至少2个预测期间的多个预测期间中的1个预测期间的第2信息、以及基于经过预测期间后的观察值的第3信息的组合；以及学习部(110)，其将组合学习用数据中的第1信息和第2信息而成的信息作为说明变量，并且将第3信息作为响应变量，使用学习用数据取得部(109)取得的多个学习用数据进行学习，生成能够推理经过指定的预测期间后的推理观察值的已学习模型。

摘要： 具备：取得包含基板在装置内的位置及在各单元内的经过时间的状态信息的状态信息取得部；具有预测在某个状态下对于进行是否从匣盒取出新的基板及搬送至哪个处理单元的行动的价值的预测模型，并将取得的状态信息作为输入，基于预测模型选择一个行动的行动选择部；以进行所选择的行动的方式发送指示信号的指示信号发送部；取得包含处理片数与等待时间的动作结果的动作结果取得部；及以处理片数越多且等待时间越短则报酬越大的方式基于取得的动作结果来计算报酬，并基于该报酬来更新预测模型的预测模型更新部。

摘要： 本发明涉及一种通过使用自适应超参数的多阶段学习对机器学习网络进行设备上学习的方法，包括：(a)当新的学习用数据满足设备上学习条件时，将当前学习分为第1阶段学习至第n阶段学习，生成第1阶段学习用数据至第n阶段学习用数据，基于多个超参数中每一个的默认值生成第1超参数集候选至超参数集候选，训练所述机器学习网络，选择性能最高的所述机器学习网络，生成为第1自适应超参数集；(b)生成第(k_1)超参数集候选至第(k_h)超参数集候选，使用第k阶段学习用数据来训练，选择性能最高的所述第(k‑1)阶段学习的机器学习网络，生成第k自适应超参数集；以及(c)生成第n自适应超参数集，进行第n阶段学习，从而完成所述当前学习。

摘要： 学习辅助装置具有：导出部，其基于以将对象数据分类为第1标签和第2标签中的任意一方的方式使用教师数据进行过学习的模型以及包含被赋予了第1标签的第1数据和被赋予了第2标签的第2数据的教师数据，按照每个教师数据导出教师数据的特征量，并且，基于各自被赋予了第1标签和第2标签中的任意一方的至少1个教师候选数据和模型，按照每个教师候选数据导出教师候选数据的特征量；计算部，其按照每个教师候选数据计算出教师候选数据与第1数据的距离和教师候选数据与第2数据的距离中的至少一方；以及选择部，其根据距离，从教师候选数据中选择作为教师数据而追加的数据。

摘要： 本发明提供一种容易生成能够有助于模型的识别率的提高的学习用数据的学习用数据的评价方法。学习用数据的评价方法具有第一评价步骤和第二评价步骤。第一评价步骤是对使用通过数据扩展处理生成的学习用数据(D1)进行了机器学习的学习完毕模型(M1)的性能进行评价的步骤。第二评价步骤是基于第一评价步骤中的评价和数据扩展处理的参数的能取范围来评价参数的步骤。

摘要： 本发明提供一种容易收集用于使从内窥镜图像中识别病变的模型学习的学习数据的学习数据收集装置、学习数据收集方法和程序、学习系统、学习完毕模型、以及内窥镜图像处理装置。在将内窥镜图像与观察结果诊断信息进行关联、并使被进行了关联的内窥镜图像和观察结果诊断信息作为从内窥镜图像中识别病变的模型的在学习中使用的学习数据记录在记录装置中时，将被与观察结果诊断信息进行了关联的内窥镜图像分类成每个观察结果诊断信息的组，并且使用标签按每个组使内窥镜图像切换显示。

摘要： 操作结果预测方法是根据工业过程的多个操作条件来预测工业过程的操作结果的方法，包括：模型选择步骤，根据是否使用多个操作条件中的特定的关键操作条件作为预测操作结果时的说明变量，从多个学习模型之中选择特定的学习模型；及预测步骤，基于在模型选择步骤中选择的学习模型来预测操作结果。

摘要： 簇权重计算部(322)根据特定讲话者的语音的信号，使用簇权重计算NN来计算至少任意一个层被分解为多个簇的掩模计算NN的与多个簇各自对应的权重。掩模计算部(302)根据1个以上的讲话者的语音的观测信号的特征量，使用通过由簇权重计算部(322)计算出的权重进行加权后的掩模计算NN来计算从1个以上的讲话者的语音的观测信号的特征量中提取特定讲话者的语音的特征量的掩模。