个体学习

摘要： 基于差序格局理论和成就动机理论,构建差序氛围感知与员工创新绩效的概念模型。利用结构方程模型对353份员工调查问卷进行分析,结果表明:(1)差序氛围感知的3个维度——相互依附、偏私对待和亲信角色对员工创新绩效有显著正向影响;(2)个体学习能够显著正向预测员工创新绩效,并在相互依附、偏私对待和亲信角色对员工创新绩效的影响中起部分中介作用;(3)隐性知识共享正向调节偏私对待与员工创新绩效之间的关系,在相互依附和亲信角色对员工创新绩效的影响中没有显著的调节作用。

摘要： 学科核心素养信息意识:主动关注信息技术工具发展中的新动向和新趋势,有意识地使用新技术处理信息。计算思维:针对给定的任务进行需求分析,明确需要解决的关键问题。数字化学习与创新:根据学习任务的复杂程度和个体学习需求的特点,合理运用数字化环境,主动参与协作学习与协同创作。

摘要： 美国芝加哥大学心理学教授契克森米哈赖(Csikszentmihalyi)在1975年首次提出心流(Flow)概念。个体基于对某项活动的浓厚兴趣所产生的全情投入的沉浸状态或情绪体验即为心流。在学生学习或活动的过程中,心流可以使学生获得兴奋、愉悦的体验,这种积极的感受将成为学生学习活动本身的内在激励,形成个体学习的内在动力,从而促进学生的自主学习。

摘要： 整本书阅读作为普通高中语文课程体系的重要组成部分,可以助力学生拓展阅读视野,高效强化阅读鉴赏能力并提升审美创造水平。随着新课程改革的进一步推进和深入,语文教育工作者在整本书阅读教学方面要根据学生个体学习的发展水平并结合学生个人的阅读意愿,有针对性地给予指导,促使学生养成良好的阅读习惯。

摘要： 在信息时代背景下,随着信息技术与教育的不断融合发展,出现了许多优质的新型教育模式。其中基于POA的英语智慧课堂教学是将读、写、说、听、译等五项教学科学地融合在一起,不仅适用于个体学习,也可以满足集体教学的一种新型教育模式,这种教学模式不论是对培养学生的语言能力与应用能力,还是对于培养学生的思维能力、思辨能力及全球化文化视野,都发挥着积极影响与重要作用。因此,信息时代背景下加强基于POA的英语智慧课堂优化构建是现实教育创新发展以及教育质量全面提升的重要途径之一。由陈明瑶著、国防工业出版社出版的《互联网英语》一书,以互联网涉及的内容为核心,通过十五个章节以专题的形式对于现代互联网英语词汇、句法以及特殊表达的特征与规律进行了全面的论述与研究,并设置了丰富的实践训练习题。该书主要将专业知识和英语语言技能训练相结合,论述与描写均体现该专题的英语语言风格和词语表达特色。不仅可以为现代英语教育工作者提供丰富的教育指导,而且对基于POA的英语智慧课堂的优化构建,提供了丰富的理论与实践指导。

摘要： 在小学藏语文的教学活动中,运用分层教学法促进小学生藏语文核心素养能力的发展,落实素质化的教育理念,让每一位学生都可以充分地掌握正确的阅读方法。从青少年个体学习成长环境来看,造成个体学习差异化的现象因素有很多,不同学生在不同教育环境影响下形成的不同发展水平的学习认识能力。教师开展教学活动的过程中,要结合学生的具体学习能力,设置不同层次的教学目标以及教学任务。

摘要： 随着上世纪社会认知理论、社会建构主义以及分布式认知理论的不断兴起,关于儿童学习的研究从原有的"基于心理学的视角"不断转向"基于社会的视角"。在关注儿童独立思考、个体学习的同时,越来越多的教育理论工作者和一线教学实践者开始将目光投向儿童与儿童间基于学习共同体框架下的共同学习,并试图就儿童间共同学习的内涵、意义和一般路径给出思考和探索。

摘要： 本文通过分析具身认知理论下的个体学习方式,得出个体学习优势核心能力之所在.在此基础上探讨在线课堂学习方式对传统学习方式的冲击和改变,分析其优势,从而说明互联网学习对个体学习的积极作用.

摘要： 小组合作学习是与个体学习相对应的一种教学策略和学习组织形式,是一种学生在小组中通过明确的责任分工,完成共同任务的互助性学习。比如学生的合作学习内容是语法,那么学生必须要熟知语法结构,并能够运用语法创编出不同的语句,然后才能发表出有见解的观点,因而学生的语言综合能力能够得到有效提升。

摘要： 英语学习风格作为学习者英语学习个性特征的重要组成部分,是制约学生学习效率的重要因素。英语教师在了解学生英语学习风格的基础上,可以有针对性地制定教学计划,提升教学质量。1.研究背景随着教育改革的发展,教学中心逐渐由研究"如何教"转为"如何学",学习者的个体差异越来越受到研究者的重视,学习风格作为学习者个性差异的重要因素之一,为研究学者提供了一个新的研究方向。Reid(2002)认为,在构成个体学习风格的要素中,感知学习风格是最重要的。英语教师需要关注到不同学习风格学生的不同需求,采取不同的教学策略。

摘要： 本文主要讨论多智能体系统中的机器学习问题,提出了个体学习和群体学习两个概念以及这两个概念为出发点来分析、研究MAS系统的方法.同时给出了该方法在RoboCup足球机器人仿真系统中的具体应用及实验结果,验证了其可行性与有效性.

摘要： 本文探索了组织学习和职工绩效之间的关系。文章假设,组织学习能通过不同的环节来影响职工收入、工资等级的晋升和职位或技术等级的晋升,最终影响职工绩效。对于文中的观点,利用中国综合社会调查中不同类型组织员工的基本资料和数据进行实证检验, 并分析了职工绩效的衡量及组织学习对于职工绩效的影响。研究发现,组织学习与职工绩效之间存在明显的关系,但就具体的学习环节或方式来说存在一定差异。

摘要： “学习型图书馆”是把“学习型组织”理论和实践应用于图书馆的一种管理理念和模式。学习型组织理论是美国麻省理工史隆管理学院彼得。圣吉博士以系统动力学为核心，提出的一种先进的现代管理科学理论。本文首先介绍了个体学习、组织学习和学习型图书馆的概念，然后介绍了组织学习的过程设计。

摘要： 在制度分析从新古典范式下的结果均衡观转向过程演化观后,对制度演化过程进行系统考察成为必然.从个体习惯到群体习俗、从惯例到制度的演化过程中,考察个体认知与个体习惯的关系成为整个制度分析框架的基础.本文试图在相关学科已有的成果基础上,应用贝叶斯调整方式分析个体的经验积累与认知进步对个体的行为选择和习惯形成的作用.最后以一个已有的考察科技用户网络信息搜索行为特点的实验数据作为经验解释依据.

摘要： 在制度分析从新古典范式下的结果均衡观转向过程演化观后,对制度演化过程进行系统考察成为必然.从个体习惯到群体习俗、从惯例到制度的演化过程中,考察个体认知与个体习惯的关系成为整个制度分析框架的基础.本文试图在相关学科已有的成果基础上,应用贝叶斯调整方式分析个体的经验积累与认知进步对个体的行为选择和习惯形成的作用.最后以一个已有的考察科技用户网络信息搜索行为特点的实验数据作为经验解释依据.

摘要： 在制度分析从新古典范式下的结果均衡观转向过程演化观后,对制度演化过程进行系统考察成为必然.从个体习惯到群体习俗、从惯例到制度的演化过程中,考察个体认知与个体习惯的关系成为整个制度分析框架的基础.本文试图在相关学科已有的成果基础上,应用贝叶斯调整方式分析个体的经验积累与认知进步对个体的行为选择和习惯形成的作用.最后以一个已有的考察科技用户网络信息搜索行为特点的实验数据作为经验解释依据.

摘要： 在制度分析从新古典范式下的结果均衡观转向过程演化观后,对制度演化过程进行系统考察成为必然.从个体习惯到群体习俗、从惯例到制度的演化过程中,考察个体认知与个体习惯的关系成为整个制度分析框架的基础.本文试图在相关学科已有的成果基础上,应用贝叶斯调整方式分析个体的经验积累与认知进步对个体的行为选择和习惯形成的作用.最后以一个已有的考察科技用户网络信息搜索行为特点的实验数据作为经验解释依据.

摘要： 在制度分析从新古典范式下的结果均衡观转向过程演化观后,对制度演化过程进行系统考察成为必然.从个体习惯到群体习俗、从惯例到制度的演化过程中,考察个体认知与个体习惯的关系成为整个制度分析框架的基础.本文试图在相关学科已有的成果基础上,应用贝叶斯调整方式分析个体的经验积累与认知进步对个体的行为选择和习惯形成的作用.最后以一个已有的考察科技用户网络信息搜索行为特点的实验数据作为经验解释依据.

摘要： 个体人力资本是指个体所拥有的知识、价值观以及表现出来的个体能力.个体人力资本有两个主要特征，一是产权特征，个体人力资本与其所有者具有不可分离性；二是流动性特征，个体人力资本随着其资本所有者的离开而流动。 组织资本是依赖于特定的组织和社会交往模式，通过长期组织学习和工作实践积累形成的、存在于个体、团队和组织之间，企业员工共同创造的编码化或部分编码化的组织共享知识(技术知识、管理知识等)、能力和价值观.企业组织资本为企业所拥有，不随员工个体的流失而流失。 本文介绍了企业组织资本增长的组织学习机制和知识共享机制，分析了企业组织资本增长的促进性因素，探讨了企业组织资本增长机制模型的构建。

摘要： 个体人力资本是指个体所拥有的知识、价值观以及表现出来的个体能力.个体人力资本有两个主要特征，一是产权特征，个体人力资本与其所有者具有不可分离性；二是流动性特征，个体人力资本随着其资本所有者的离开而流动。 组织资本是依赖于特定的组织和社会交往模式，通过长期组织学习和工作实践积累形成的、存在于个体、团队和组织之间，企业员工共同创造的编码化或部分编码化的组织共享知识(技术知识、管理知识等)、能力和价值观.企业组织资本为企业所拥有，不随员工个体的流失而流失。 本文介绍了企业组织资本增长的组织学习机制和知识共享机制，分析了企业组织资本增长的促进性因素，探讨了企业组织资本增长机制模型的构建。

摘要： 本发明公开了一种结合深度学习和集成学习的辐射源个体识别方法，所述辐射源个体识别方法包括：S1：生成数据集，随机抽取数据集中预设比例样本作为训练集，剩余的作为测试集；S2：生成辐射源特征矩阵；S3：选择深度学习方法构建深度学习模型，并将步骤S2获得的辐射源特征矩阵作为输入进行训练，生成个体识别模型；S4：选择集成学习模型构建集成学习模型，并将步骤S2获得的辐射源特征矩阵作为输入进行训练，生成个体识别模型；S5：确定深度学习与集成学习的权重值，并根据权重值形成针对不同辐射源个体的综合识别模型；S6：利用测试集对综合识别模型进行验证。本发明的方法能够提升辐射源个体识别准确率。

摘要： 本发明公开了一种结合深度学习和集成学习的辐射源个体识别方法，所述辐射源个体识别方法包括：S1：生成数据集，随机抽取数据集中预设比例样本作为训练集，剩余的作为测试集；S2：生成辐射源特征矩阵；S3：选择深度学习方法构建深度学习模型，并将步骤S2获得的辐射源特征矩阵作为输入进行训练，生成个体识别模型；S4：选择集成学习模型构建集成学习模型，并将步骤S2获得的辐射源特征矩阵作为输入进行训练，生成个体识别模型；S5：确定深度学习与集成学习的权重值，并根据权重值形成针对不同辐射源个体的综合识别模型；S6：利用测试集对综合识别模型进行验证。本发明的方法能够提升辐射源个体识别准确率。

摘要： 本发明公开了一种基于深度学习的鱼类关键点检测、个体追踪和生物量估算方法及系统，本发明能够将在养殖、实验环境下拍摄的实时监控视频输入，通过深度网络进行特征提取，完成个体检测框和关键点定位；基于卡尔曼滤波和匈牙利匹配算法进行个体追踪，输出鱼类个体的编号；由鱼类各个关键点在图像中的位置变化，进行生物量估算，可实现端到端的鱼类生物量实时估算，为鱼类养殖精准投喂提供科学依据。

摘要： 本发明公开了一种无人机个体多维域电磁信号特征深度学习识别方法，通过无线电监测技术获取无人机电磁信号样本，对样本进行打标签处理，获得信号样本集；对所述信号样本集里的每个信号分别进行多维域电磁信号特征提取，获得每个信号样本对应的多维域特征向量；对所述每个信号样本对应的特征向量分别进行多维域电磁信号特征压缩处理，获得压缩降维后的特征向量；通过所有信号样本的压缩降维后的特征向量构成训练数据集；深度学习分类器模块构造分类器；通过所述训练数据集训练分类器直至收敛；通过训练好的分类器对无人机信号进行监测识别。本发明有效克服深度神经网络在训练样本不足时面临的网络过拟合和泛化能力不足的问题。

摘要： 本发明公开了一种基于个体实例对的深度学习模型去偏方法，通过定义深度学习模型偏见，选择原始数据集，进行数据预处理，生成个体歧视实例对，定义偏见指标函数，构建深度学习鲁棒性模型，将个体歧视实例对输入深度学习鲁棒性模型进行微调训练。本发明方法通过一种新的个体实例对生成的数据增强的方法解决了深度学习模型的公平性问题。本发明定义了一种新的偏见指标函数克服了现有评价指标对不同数据集具有功能不通用问题的缺陷，即单独使用某一偏见指标针对多个不同数据集的衡量结果可能不具有评判性。本发明提出了一种新的将对抗训练融入到微调训练中的方式，可以通过微小的再训练量达到较好的去偏效果。

摘要： 本发明公开了一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，包括个体血糖状况评估模块、个体化AP参数学习模块、贝叶斯优化模块。本发明采用上述的一种基于贝叶斯优化的人工胰腺长期适应的个体化学习系统，实施个体化AP自适应，稳健地调整AP参数(BR)，增加正常血糖时间比例，显著降低低血糖发生的风险。

摘要： 本发明公开了一种自主学习的声纳目标个体识别方法，构建面向声纳目标个体识别的深度学习网络模型，利用历史数据对模型进行训练得到初始模型和模板库，然后接收新数据，利用初始模型对新数据进行预测，提取个体特征模版，在模板库中进行检索匹配，实现对新目标的快速个体识别或同一性认定，并更新模板库，然后再根据声纳平台特点选择模型自主学习更新方法，若为硬件资源充足的平台，则选择基于全历史数据联合学习的更新方法，若为硬件有限的平台，则选择基于现场数据增量学习的更新方法，通过不断学习新数据，实现模型性能提升，更好地满足实战环境需求。

摘要： 本发明属于跨时间维度脑电信号识别领域，具体涉及了一种基于脑电信号深度学习的跨时间个体识别方法、系统及设备，旨在解决的问题。本发明包括：分别获取源域的带标签脑电信号和目标域的不带标签的脑电信号，并进行信号预处理，获得源域差分熵和目标域差分熵；输入联合域适应个体识别网络，并迭代进行网络训练；获取目标域的待识别脑电信号，并进行信号预处理，获得待识别目标域差分熵；通过训练好的联合域适应个体识别网络，获取目标域的待识别脑电信号的个体识别结果。本发明克服依靠传统方式进行个体身份识别的不安全性以及脑电信号采集时间不同带来的差异性，同时也可以保证个体识别精度，并提高识别效率。

摘要： 本发明涉及面向跨个体数据的学习分类方法，具体涉及一种基于自学习小波卷积神经网络的跨个体学习方法。包括步骤为：对待处理数据，按个体划分训练集和测试集；对每个个体数据进行滑动窗口划分、去基线漂移和标准化等预处理；构建多分支自学习小波卷积神经网络，在训练阶段，对每个个体数据，随机选择若干样本数据，将其输入多分支网络中进行学习；在测试阶段，采用自适应批标准化方法实现测试数据在训练模型上的域适应。本发明提出了一种跨个体深度学习框架，采用多分支卷积神经网络结构，实现对个体特征的全面深入学习和跨个体共性特征的提取；采用自学习小波卷积核，大大减少了可学习参数数量，降低模型过拟合风险，提高了计算效率。

摘要： 一种针对性的测试用户学习能力和共同知识需求并智能化匹配数字内容的“学习基因”个体学习能力测评方法。它包括通过对不同个体相对价值的评估、对阅读兴趣和学习偏好的客观分析，进而获取用户阅读取向模型、确定个人的学习需求，为定制企业知识和学习社区、传统出版集成化升级和构建新型社区学习模式做准备。该能力测评方法包括：定义模型和指标体系、个人价值层级评估、定义内容标签和PVE价值评估，研究基础基于发明人咨询顾问长期实践，并结合国内外公开研究成果。这种测评方法可以更好将数字内容产业与读者阅读、终身学习、企业数据图书馆建设衔接起来。“学习基因”个体学习能力测评方法经过长期自主研发和实践，属于国际领先水平。