学习资源

摘要： 面对海量的学习资源,如何为学习者推荐与情境相匹配的学习资源是亟需解决的问题。文章在详细描述学习资源个性化推荐情境要素的基础上,构建了包含情境感知层、资源管理层、学习诊断层、个性推荐层及学习者界面的学习资源个性化推荐系统,并阐述了系统的推荐流程及实现。在情境感知理论的基础上,构建以情境感知技术为核心的学习资源个性化推荐系统,能提高学习资源与学习者之间的动态适应性,更好地服务于学习者的个性化学习需求。

摘要： 课堂中引导小学生经历观察、实验、推理等体验活动,是综合提升几何素养的关键。为探讨课堂环境下体验学习的有效开展形式,提高几何教学成效,文章提出了以演示、操作、关联、发散机制为核心的基于图形化交互资源的体验学习框架。以“圆的认识”学习为例,采用准实验研究方法,以某小学六年级76名学生为研究对象,通过质性内容分析、问卷调查及访谈分析等探究了基于图形化交互资源的体验学习框架的有效性。结果表明:(1)图形化交互资源支持下的体验学习能显著提高学生几何概念掌握水平,在培养空间观念素养上较常规多媒体教学有显著优势;(2)图形化交互资源支持下的体验学习能较好地激发学生学习兴趣,对基础优良学生的领域知识价值感受有更大的促进作用;(3)图形化交互资源的应用未增加学生认知负荷。基于研究结果,建议突出图形化交互资源的动态可视化表征和多感官操作反馈,创设具有连贯性挑战的课堂体验环境,以促进核心素养培养。

摘要： 干部教育培训是干部队伍建设的先导性、基础性、战略性工程。基于智慧税务形势下干部教育培训工作面临的机遇与挑战及存在问题,从干部培训顶层设计、智慧培训新型模式、学习资源建设、智慧培训实效考核和智慧校园设施建设方面着手,探索智慧税务形势下的干部教育培训。

摘要： 随着信息技术的快速发展,在线教育已经成为当前教育发展的主要方向,而在线学习资源的优化建设则是深度学习的有力保障。以促进学生深度学习为目标,总结在线学习资源建设的四个关键要素,并在此基础上设计在线学习资源的建设模式,用实践结果验证在线学习资源建设模式的有效性,并提出相关策略,为该模式的后续优化提供参考。

摘要： 立足学科特质,遵循素养导向,在道德与法治学科中尝试开展“生活化”教学。教师要借助学习资源的整合、特色活动的开展及评价方式的创新等策略,促使学生将道德与法治的学习与真实生活相联结,使之成为实现学生素养提升的催化剂,为学生的全面发展注入活力。

摘要： 《普通高中语文课程标准》指出,要培养学生自觉的审美意识和高尚的审美情趣,培养审美感和创造表现的能力。因此,在高中语文教学中要运用各种学习资源提升学生的审美素养,通过创设教学情境资源,增强学生审美情趣;结合生活资源,提高学生审美感知能力;补充文本背景资源,提高学生审美素养;赏析教材作品资源,有效开展审美教育,以及丰富课外学习资源,提高审美教育力度,实现语文教学目标和学生核心素养的培养。

摘要： 《义务教育英语课程标准(2011年版)》要求学生尽可能地从不同渠道,以不同形式接触和学习英语,亲身感受和体验语言及语言的运用。微信是现代生活中非常普及的信息交流工具,微信公众号的内容集声音、视频、图像、文字于一体,可以使知识更立体化、形象化。借助公众号推送课堂动态,展示学生作品,拓展课外资源,链接热门新闻,丰富学生的学习渠道,能够促使英语教学走向信息化、网络化,提升英语教学的实效性。

摘要： 由于在线学习学习者的认知能力的不确定性、学习兴趣的变化性、用户偏好的多样性等,在线学习资源的个性化智能推荐面临新挑战。文章根据学习者认知能力的模糊综合诊断和学习者多重特征信息融合等,对在线学习资源的个性化智能推荐进行了研究,以期为相关研究者提供参考和启发。

摘要： 与学习者“需求侧”合理匹配的政策环境、课程建设、供给服务及措施保障等服务全民终身学习体系资源,学员需求数量庞大,建设周期冗长;同时建设过程牵涉部门众多,既需要顶层设计,更需要各方有效配合。学习资源共享共建共管,从资源建设国家模式向社会模式转移,构建政府全面统筹、市场有效介入、社会广泛参与的服务全民终身学习资源共享共建机制,可以最大限度地激发社会力量服务全民终身学习的参与热情和资金投入。

摘要： 目前,考研群体日益庞大,对考研学习资源的需求也愈加强烈。基于此,将从考研平台现状着手分析,了解考研群体的真实需求,研究、设计、开发一款满足更多人需求的考研信息共享微信小程序,提供正确有效的考研信息和学习资源,为考研者提供便利,助其更好地学习。

摘要： 为了解教师对AR(Augmented Reality,增强现实)学习资源在编程教育中应用的接受度影响因素,本研究在对TAM3模型及其对应量表修改的基础上,对参加江西SHR市参加“AR学习资源在编程教育中应用的培训”教师进行问卷调查.研究数据显示,影响教师行为意向的决定性因素有:(1)社会规范、形象、工作相关、产出质量、结果示范、客观可用性和感知有用性;(2)计算机自我效能感、外部控制感、计算机娱乐性和感知易用性.在影响因素路径中,以客观可用性对感知有用性和计算机自我效能感对感知易用性的影响作用最强.

摘要： 随着现代信息技术的不断发展,整合技术的学科教学内容知识在教与学中越来越重要.借助JiTT和Seminar两种教学模式的核心,本文基于UMU平台的互动学习资源建设,以课程“师范生TPACK能力培养与提升”的创设及实施效果为例,建立在基于网络的学习任务及学习者的主动学习课堂,以研讨的形式,培养学生自主学习、独立思考的能力,分析和解决问题的能力,锻炼和提升学生整合应用各方面的技能,构建了基于UMU平台的互动学习模式.

摘要： 在信息化时代,积极探索“互联网+社区教育”模式,以人为本,以学习者发展为本,努力为每一位学习者提供适时、适需、有效、灵活的学习平台是进行数字化学习资源建设的目的.数字化学习资源建设是教育惠民的一项实际举措,是社区教育发展的一种新途径、新形式、新水平、新境界.统筹兼顾,资源整合,数字化学习资源的“共建众享”避免了资源的重复建设和低效利用,从而实现资金、人力及其他资源的最优化配置.

摘要： 电子书包作为新时期教育教学的重要工具,其强大功能被广大教育者所青睐,因而受到了社会各界的高度重视.学术界单独对翻转课堂中电子书包的研究却寥寥无几.因此,笔者通过广泛阅读文献、实践观摩等方法分析了翻转课堂中电子书包的应用问题,并提出有效策略.建议建设优质的资源管理平台，把优秀的教学资源统一放置教学资源平台，供全国所有师生学习。电子书包富有海量的学习资源，可以作为学生随时随地的学习工具，利用课堂外的碎片化的时间实现学习效率的最大化。电子书包融入翻转课堂能够有效的促进教与学、时间、空间的翻转。电子书包的使用给翻转课堂的三大关键环节提供了诸多优势。

摘要： 变革教学传播的表达方式，充分利用多媒体、虚拟现实和增强现实等新技术，推行场景式、体验式、沉浸式学习资源的建设与应用推进面向能力培养的信息化课程体系建设与应用，创新创客、STEAM课程、跨学科学习等新教育模式。

摘要： 本文结合实例介绍如何引入新课的激趣小实验和重点讲解的演示实验,体现“物理联系生活”,指导学生分组实验探究新知,并探究了如何借助数字教材将教学内容以资源的形式链接至对应的章节并进行应用.

摘要： 课堂教学是学科教学主阵地,也是新课程改革的关键环节.本文结合现在农村小学信息技术教学存在的一些情况和问题,探讨农村小学信息技术课堂的教学技巧.简介:我校是一个地处经济相对落后的农村学校,在校生100余人,有一个2013年新建多媒体教室.学生家庭添置计算机的也寥寥无几,即使有也多是供娱乐的.该环境下学生的信息素养较差,没有好的学习习惯.刚接触计算机的时候,他们经常打字的时候不按要求指法练习,缺乏计算机管理的基本常识,强制关机,网络认识不纯净,认为上网就是聊天和玩游戏,认为可以从网络上获得学习资源的人基本没有.

摘要： “互联网+”和大数据时代的到来必将对基础教育产生重大影响.教学模式将被赋予全新的内容:基于云端技术的教育服务、虚实结合的教学环境、集成化的学习资源、不同于传统的师生关系、新的教育理念和思维、基于大数据的教育评价等.这要求积极应对,主动改变我们的教育:加强相关软硬件建设、加强教师专业素养培训、建立教育大数据库及评价机制、尝试基于“互联网+”的教育改革等,这样才能跟上时代的节奏,发展我们的教育.

摘要： 网络学习资源快速增加以及碎片化资源组织不足容易使用户在学习过程中产生知识迷航、学习效率降低等问题.基于语义的关联数据可以实现学习资源的知识组织和机器可理解.以学习元知识社区应用为例,设计与实现关联数据动态交互可视化系统,可视化揭示开放知识社区中知识与知识间语义关联关系,同时支持用户动态交互,可以有效展示学习语义关联数据,为用户提供知识导航服务,解决学习过程中的知识迷航问题.

摘要： 资讯时代数位化学习资源浩如烟海,如何根据学生的具体情况构建学习者模型,用於为之推荐合适的网路学习资源,成为亟须解决的问题.文章基於多元智能理论,构建了个性化网路学习者模型.该模型提倡将学习者九种智能水准纳入测评范围,据此为学习者呈现合适的学习资源,实现个性化学习.此外,本文针对该模型在实际应用中可能遇到的问题提出了相应的策略.

摘要： 本发明公开了一种基于强化学习的频谱资源和计算资源联合分配方法，属于无线通信技术领域。其中利用强化学习理论，令MEC系统中的URLLC用户和eMBB用户作为智能体学习分布式地自主学习频谱资源和计算资源联合分配策略，实现了在保证URLLC用户严格的时延约束的同时，最小化系统所有URLLC用户和eMBB用户时延和能耗的总成本的目的；同时，本发明建立了用于URLLC用户和eMBB用户频谱资源和计算资源联合分配的强化学习模型，通过合理设计动作空间和回报函数可获得整体最优解，实现了良好的训练收敛性能；本发明设计了分布式资源分配算法，各智能体单独维护一张Q值表，根据自己的准则进行动作选择使得Q值表的总体维度为较低，实现了较低的算法复杂度。

摘要： 本发明公开了基于深度学习的资源学习路径规划方法、装置、计算机设备及存储介质，涉及人工智能技术，包括先实时采集虚拟对象的学习数据点击记录，并存储至虚拟对象数据库；之后在虚拟对象数据库中根据筛选条件获取目标数据组成样本集，以进行模型训练得到预测模型；最后若接收到当前课程子轨迹信息初始输入特征，将其输入至预测模型进行运算得到输出结果。实现了基于因学习课程而使得虚拟对象级别上升的学习课程轨迹得到样本数据对预测模型进行训练，得到的预测模型能够根据输入的课程轨迹输出推荐学习课程轨迹，因利用深度学习模型能提高预测精准度，而且能学习到更多的特征输入，模型更加的灵活。

摘要： 本发明提供了一种面向无人机集群联邦学习的学习与资源联合优化方法，属于无人机边缘智能技术领域。该学习与资源联合优化方法根据无人机的CPU频率和本地训练轮次得到跟随无人机在一轮全局训练中所需的计算能耗和计算时延，并根据跟随无人机与领头无人机之间的空间路径损耗模型计算出跟随无人机一轮全局训练的通信能耗和通信时延；根据计算时延、通信时延以及全局收敛精度最小化无人机集群总训练能耗；将最小化无人机集群总训练能耗的最优参数输入到对应的跟随无人机上，由跟随无人机跟随领头无人机进行巡检任务。通过本发明的方法来实现跟随无人机跟随领头无人机进行巡检任务，实现了智能化的特点，大大提高工作效率，降低人力成本。

摘要： 本发明公开了一种基于强化学习的频谱资源和计算资源联合分配方法，属于无线通信技术领域。其中利用强化学习理论，令MEC系统中的URLLC用户和eMBB用户作为智能体学习分布式地自主学习频谱资源和计算资源联合分配策略，实现了在保证URLLC用户严格的时延约束的同时，最小化系统所有URLLC用户和eMBB用户时延和能耗的总成本的目的；同时，本发明建立了用于URLLC用户和eMBB用户频谱资源和计算资源联合分配的强化学习模型，通过合理设计动作空间和回报函数可获得整体最优解，实现了良好的训练收敛性能；本发明设计了分布式资源分配算法，各智能体单独维护一张Q值表，根据自己的准则进行动作选择使得Q值表的总体维度为较低，实现了较低的算法复杂度。

摘要： 本发明涉及一种云计算资源采购的价值密度学习算法和一种应用该价值密度学习算法的云计算资源在线采购方法。通过价值密度学习算法可以得到当前阶段能够接受的云计算资源的价值密度值ρ。云计算资源在线采购方法通过根据历史数据所学习的价值密度ρ确定当前阶段接受的价值密度阈值ρ'，根据所述价值密度阈值ρ'确定当前阶段的资源提供者和资源采购价格。在应用本发明中方法时，可以使得有预算限制并且需求还不确定的需求方在云计算资源采购时，通过不断学习历史阶段数据并调整未来阶段的采购规则，即根据学习的价值密度阈值ρ'接受或拒绝资源卖家的报价，使其贴合其需求，从而收益最大化。

摘要： 本发明涉及计算资源调度技术领域，具体公开了基于强化学习的深度学习训练作业资源放置系统及方法，方法包括如下步骤：随机初始化DRL神经网络模型的参数；生成批量作业的状态向量；将状态向量送入DRL神经网络模型中推理得到批量作业的放置位置信息，并按照该放置位置信息进行作业放置，得到批量作业运行的最大完成时间记为T_RL；随机生成若干放置位置信息，并按照该随机生成的放置位置信息进行作业放置，得到该批量作业的若干最大完成时间，取得其中最小的最大完成时间记为T_Random；基于最大完成时间T_RL和最大完成时间T_Random计算奖励；反向梯度更新DRL神经网络模型的参数。采用本发明的技术方案能够在资源出错场景下对DLT作业进行自适应放置。

摘要： 本发明属于社交网络中兴趣推荐研究体系中学习资源推荐研究范畴，涉及一种基于移动学习的学习资源自动推荐方法，建立模型解决移动用户学习平台上的用户学习兴趣发现问题，把用户学习兴趣这一问题看作是基于时间和位置维度上的用户学习资源的轨迹特征发现问题，把具有同一资源兴趣的用户看作是一组资源用户群，从用户学习轨迹和资源用户群学习特点角度预测用户可能学习的下一个资源，继而实现用户的学习兴趣发现。

摘要： 本发明提供的是一种基于学习者偏好建模的个性化学习资源推荐方法。其特征是：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。

摘要： 本发明公开了一种基于学习者偏好与群体偏好的学习资源推荐方法及系统，方法包括:收集学习者信息、学习资源特征信息、教师信息，指学习者描述信息、学习者与学习资源的交互信息，学习资源特征信息包括学习资源描述信息、学习资源特征信息；根据学习者信息，寻找与学习者最高相似度的教师，通过卷积神经网络，根据教师特征得到目标学习资源的匹配分数；建立学习者短期偏好模型和长期偏好模型，融合两个模型得到学习者个人偏好模型；建立学习者群体偏好模型，融合学习者个人与群体模型得到学习者偏好模型；根据学习资源特征信息，使用学习资源的多种信息特征建立学习资源特征信息模型和领域知识模型，从而提高学习资源推荐的准确性。

摘要： 本发明涉及一种基于在线学习系统的学习资源管理控制方法，具体包括以下步骤：S1、获取需要创建的资源类型，检索系统中是否存在相同的资源类型，若否则创建资源类型；S2、根据创建的资源类型配置基础字段，同时获取当前资源类型的特定字段，组成资源类型的资源字段；S3、获取对应的资源数据输入到资源字段中，形成资源类型下的学习资源，并生成资源值作为学习资源的标识。与现有技术相比，本发明具有提高在线学习系统的便捷性和功能开发的稳定性，满足多人使用应用中已有的资源，无需新增，实现资源共享，减少企业的运营成本、开发成本和维护成本等优点。