意义学习

摘要： 理解性学习是一种意义学习,是指学习者运用原有的知识、经验和方法,在新的情境下进行个体心智运作和意义建构,通过不断的探索,深化对学习内容的理解的学习方式。在新课程改革的背景下,教师可以通过理解性学习来提升学生的创造性、探究性、能动性和自主性,让学生基于他们的已有知识来进行自主探究与学习,提升学习的有效性。第一,创设有效情境,引入数学概念。为了让学生在学习的过程中更好地形成数学概念,教师应为学生提供更多感性材料,促进他们思维的发展。

摘要： 文章针对课堂教学效果评价中“以教师的讲授时长为标准”这一草率评价行为,提出质疑。讲授法作为传统教学法具有一定的地位。研究者结合统编教科书中的具体案例,解释讲授法在教学中合理安置后产生的效果,提倡理性对待讲授法,以促进“教、学、评”三者和谐共促的关系。

摘要： 美国心理学家奥苏贝尔提出意义学习。知识的获得与保持,是学习内容与学习者认知结构中相关观念间相互作用的过程。英语课堂与其他课堂有相通之处,也有母语与第二语言的相互影响。文章通过对认知观念与学习方式的意义分析,对英语课堂进行优化,增强意义学习效果,从而促进学习者更有效地进行知识迁移。

摘要： 罗杰斯是人本主义心理学的代表人物之一。他的教学理论强调意义学习、以学生为中心、非指导性教学。回顾罗杰斯的教学理论,结合当前的课程改革,取其长为今用,得到几条对中学数学教学的启示:让学生从知识接受者转变为知识建构者;让学生从学习旁观者转变为学习参与者;让教学从单纯的指导变为与非指导的结合。

摘要： 意义学习数学课堂,是指基于意义学习理论、根据人的学习机能和知识学习规律组织开展的数学课堂学习活动。其主要特征如下:其一,创设有利于思考的学习情境。教师要想方设法引导学生自觉参与学习过程,这就需要创设富有情趣的情境,情境要来自现实又要高于现实,既要逼真、集中、简化又要蕴含具有挑战性的问题,便于学生思考。其二,经历知识意义的炼制过程。赋予新情境合理的解释和意义,引导学生改变或突破对原有概念的认知,让学生经历自主探究、小组合作、成果(观点)表达、论证论辩、反思修正、成果应用等学习过程,如此,学生才算得上经历了真正意义上的学习。其三,改变知识网络的组织水平。意义学习课堂的教学目标是改变学生的知识网络组织水平,表现为引导学生将复杂的问题进行分解,运用新知识解决新情境中的实际问题。

摘要： 落实历史学科核心素养不能采用传统传递知识的教学方式.实施深度教学可借鉴意义学习理论的经验:从知识的运用激发学生学习动机;利用先行组织者,帮助学生建立起知识的联系;促进知识同化,迁移所学;强化对知识内涵、外延的理解.

摘要： 提问是激发学生兴趣,激活他们思维,推促其深入学习的主要途径之一。郭元祥教授曾说过,教师引导学生由知识表层符号学习到知识的逻辑和意义学习,挖掘出知识的丰富内涵,是知识整体教学对学生发展的意义。这里的引导更多在于问题。本文结合实际,浅析借助问题改造推促课堂纵深发展的策略。

摘要： 综合十年的研究,作者描述了意义学习的一种分类办法。最有意义的学习结果是解决问题。在这种分类法中,四种不同的问题解决按层次方式排列。解决问题的先决条件是两种基本的推理技能——类比推理和因果推理,这是解决所有问题的基础。这些推理的形式要求运用概念,以及由概念和关系组成的低阶命题和高阶命题。解决问题的教学应该是让学习者解决问题,对结构相似的问题进行类比式比较,对问题空间中包含的因果关系(高阶命题)进行分析。

摘要： 从学习心理学来看,学习有机械学习和意义学习两种形式.以理解为目的的意义学习,是学生能动地将新知识纳入原有认知结构的学习,是知识转化为能力的学习,是提升学科素养的学习,使新知识成为"我的知识".简单的将数学学习当做概念获取和解题操练,缺乏对数学知识的深入理解和整体思考,是和核心素养教学相悖的.素养培育首先要注重数学思维品质的培养,强调"为理解而学、为理解而教",重视知识的深入挖掘,主动探索隐藏在知识背后的思想,领悟知识的本质.

摘要： 人本主义教育理论以学生为中心,尊重学生的个性发展,开发学生的潜能,通过有意义的学习和真实的语境构建,使学生获得语言知识、掌握语言技能、提升思维能力、实现自身需求。在写作教学中渗透人本主义理论,从文体理解、内容铺设、情境设置、评价反馈等方面对学生予以指导和赋能,可以弥补传统写作教学的弊端,培养学生自主学习和自我发展的能力。

摘要： 视觉思维是一种具有较强主观性、区别于言语逻辑思维形式的创造性思维方法。意义学习是一种可以弥补日常教学中接受式学习弊端的有效教学模式。本文通过对视觉思维和意义学习理论的分析，提出了加强学生意义学习思维能力培养的初期构想。

摘要： 本发明提供了一种结合快速表示学习和语义学习的睡眠阶段分期系统，包括信号采集单元、数据预处理单元、信号处理单元和预测结果处理单元；信号采集单元包括EEG信号采集模块和知识数据采集模块，分别用来获取原始EEG信号和睡眠阶段分期的相关知识；数据预处理单元包括特征预处理模块和知识预处理模块分别对采集的EEG信号和知识数据进行预处理；信号处理单元包括表示学习模块和语义学习模块呢能够有效的提取EEG信号特征和与睡眠分期相关的语义特征并得到两个分类结果；最后通过预测结果处理单元将得到两个分类结果加权融合得到最终结果。该系统提高了训练和预测速度，有效利用了信号特征和语义特征大大提高了睡眠阶段分期的准确性。

摘要： 本发明公开了一种基于语义学习的整机点云数据的下采样方法，包括：步骤S1、根据点云语义学习原理构建基于特征学习的多输入编码器；所述多输入编码器分别将整机点云数据和特征点数据作为输入，进行数据特征融合，然后通过解码器进行解码；骤S2、构建并训练基于语义学习的点云特征权重计算网络，计算得到待测量每个点的特征权重；步骤S3、对步骤S2得到的权重结果进行空间加权采样，基于高斯分布的空间采样原理进行下采样。本发明通过加入关键特征点的信息来约束采样过程，既解决了整机点云数据过大无效信息较多需要采样处理的问题，又保证了关键特征点区域的点云信息不会因采样而缺失，保证了输出采样结果的有效可靠。

摘要： 本发明涉及一种基于网络结构和语义相关性度量的标签语义学习方法，包括基于用户行为事实初始化标签网络得到事实标签网络G；根据事实标签网络G构建规约后的标签网络GR；在标签网络GR上应用改进的随机游走策略构建基于随机游走策略的标签网络GC；基于标签相关的文本信息构建标签网络GT；对标签网络GC、标签网络GT进行归一化处理，通过随机游走策略和词向量学习方法学习标签语义向量表示。本发明设计合理，不仅充分利用网络拓扑结构，又兼顾到节点内含的相关文本信息，能够在较短时间内从拓扑结构和文本表达学习到易于运算、置信度高、表达充分、噪音低的标签语义向量，可广泛应用于含标签的文本集合的标签网络学习和标签语义学习。

摘要： 本发明提供了一种结合快速表示学习和语义学习的睡眠阶段分期系统，包括信号采集单元、数据预处理单元、信号处理单元和预测结果处理单元；信号采集单元包括EEG信号采集模块和知识数据采集模块，分别用来获取原始EEG信号和睡眠阶段分期的相关知识；数据预处理单元包括特征预处理模块和知识预处理模块分别对采集的EEG信号和知识数据进行预处理；信号处理单元包括表示学习模块和语义学习模块呢能够有效的提取EEG信号特征和与睡眠分期相关的语义特征并得到两个分类结果；最后通过预测结果处理单元将得到两个分类结果加权融合得到最终结果。该系统提高了训练和预测速度，有效利用了信号特征和语义特征大大提高了睡眠阶段分期的准确性。

摘要： 本发明公开了一种基于语义学习的整机点云数据的下采样方法，包括：步骤S1、根据点云语义学习原理构建基于特征学习的多输入编码器；所述多输入编码器分别将整机点云数据和特征点数据作为输入，进行数据特征融合，然后通过解码器进行解码；骤S2、构建并训练基于语义学习的点云特征权重计算网络，计算得到待测量每个点的特征权重；步骤S3、对步骤S2得到的权重结果进行空间加权采样，基于高斯分布的空间采样原理进行下采样。本发明通过加入关键特征点的信息来约束采样过程，既解决了整机点云数据过大无效信息较多需要采样处理的问题，又保证了关键特征点区域的点云信息不会因采样而缺失，保证了输出采样结果的有效可靠。

摘要： 本发明公开了一种基于BERT神经网络与多语义学习的方面级情感分析方法，涉及人工智能中的自然语言识别处理领域。首先，充分利用BERT神经网络模型广泛的预训练和后训练，有效解决方面级情感分析中语料数量小的问题。其次，提出了一个基于BERT神经网络的多语义学习模型，该模型由左语义、右语义、方面目标语义和全局语义学习模块组成。进而，为捕获每个上下文词和方面目标之间的语义依赖性，提出了一种基于BERT神经网络和多头注意力机制的方面感知增强方法。最后，提出了一种基于线性变换和多头注意力的二级语义融合与互补方法，以更有效的方法解决自然语言识别处理中的方面级情感分析问题。

摘要： 本发明公开了一种基于Transformer的增强了局部语义学习能力的3D点云分析方法及装置，其中的方法构建了深度学习模型，包括局部语义自注意力学习模块，能够并行地感知全局上下文信息和获取更细粒度的局部语义特征，从而增强整个网络框架的感知能力；通过4个局部语义学习模块得到不同模块之间点云的局部和全局特征并进行特征汇聚得到全局联合特征，然后将学习阶段所得的联合特征分别送至后续的点云分类和点云分割阶段；得到语义分类结果和最终的分割结果；本发明能获取3D数据中关键的局部几何语义信息，在点云分类应用任务、点云分割任务和大型室内场景语义分割任务等多种3D点云分析应用上有明显的优势。

摘要： 本发明公开了一种基于标签语义学习和注意力调整机制的文本分类方法，所述文本分类方法主要包括以下步骤：对文本数据进行预处理，提取文本语义特征，文本标签图嵌入，使用多头调节注意机制来衡量词与标签之间的语义关系，然后多语义整合融合和网络训练，由此可实现多标签文本分类，对模型进行训练，然后使用训练后的模型预测一段文本的类别。本发明提出一种多头调整注意的混合BERT模型用于多标签文本分类框架，可以有效地从文本内容中提取有用的特征，并建立标签和单词之间的语义联系，获得特定于标签的单词表示，由此提高多标签文本分类性能。

摘要： 本实用新型公开了一种英语词汇教学释义学习速记器，包括携带盒，所述携带盒的内部滑动安装有词汇释义盒，所述词汇释义盒顶部的左侧和右侧分别活动安装有第一转轴和第二转轴，所述词汇释义盒顶部的右侧固定连接有微型减速马达，所述微型减速马达的输出端与第二转轴的顶部固定连接，所述第一转轴的表面套设有词汇释义卷带。本实用新型通过设置携带盒、词汇释义盒、第一转轴、第二转轴、微型减速马达、词汇释义卷带和头戴组件的配合使用，解决了现有市面上的词汇记忆器结构复杂不便于携带使用，移动使用不便捷，需要手持，长时间的使用会导致使用者手臂酸软，影响学习效果的问题，具备了便于移动佩戴使用的优点。

摘要： 本发明公开了一种基于有意义学习的零样本语义分割方法及装置。该方法包括如下步骤：S1：利用大规模的具有标注信息的已知类别数据对分割模型和生成模型进行预训练；S2：利用预训练的生成模型以及未知类的语义编码，获取针对未知类的生成视觉表征；S3：从可见类中随机挑选样本抽取视觉表征，并和步骤S2生成的未知类的视觉表征构建共轭关联损失；S4：将未知类的生成视觉表征分别通过快分类器和慢分类器进行两次预测，并计算相应的损失函数，实现零样本图像分割。本发明更加注重可见类与不可见类之间的相关性，自然地促进了知识的持续构建，可以使图像分割效果更加优越。