混合学习

摘要： 针对本校园林专业《园林规划设计》教学中存在的教学模式局限、教学实践与工作岗位脱节、教学评价单一的问题,构建基于混合学习的“一体三段多元”教学模式。 以园林植物种植设计为例,从学习资源、过程实施、学习评价等方面结合自身教学方式,开展实践研究,以期达到优化中职《园林规划设计》教学,提升教学质量。

摘要： 交际教学法被认为是改变传统英语填鸭式教学造成的“聋子英语”“哑巴英语”的有效方法,但传统的交际教学法在大学课堂上实施存在一定的困难。本文构建了基于混合学习的大学英语交际教学模式,在大学一年级新生中开展英语教学实验,对效果进行了检验。结果发现,该模式在英语技能方面优于传统课堂教学,能更有效地提升学习者英语语言各方面的能力,使用该模式的学生比传统课堂中学习的学生有更高的学习投入。

摘要： 为了推动乡村小规模学校教育发展,文章首先分析了后疫情时代乡村小规模学校混合学习的现状,然后从政府、学校、教师三个方面论述了后疫情时代乡村小规模学校混合学习的对策。

摘要： 基于探究社区理论,结合学术英语写作的特点,为非英语专业本科生学术英语写作课程设计了混合学习方式,突出了社会存在感、认知存在感和教学存在感。采用定量和定性相结合的研究方法,分析探究社区三要素与批判性思维的关系以及混合学习方式的效果。研究表明,探究社区对批判思维产生正向影响,混合学习有利于学习者的高效学习。

摘要： 混合学习价值取向的起点在于学习效率的提升,学习效率不高是高校学生混合学习的一种窘态表现。混合式教学效率不高是其重要的起因,学习态度问题是其不可忽视的起因,在线微课学习质量低下是其不可回避的起因,碎片化知识向连贯性知识体系转化不良是其更深层次的起因。混合学习价值取向的起点在于学习效率提升,这是促进学习的重要环节。因此,对混合学习的价值诉求和效能必须进行深刻地哲学反思。

摘要： 新型冠状病毒肺炎疫情的出现使线上线下相结合的教学模式成为常态。基于混合学习理论开展思政育人工作是新形势下对思政工作者提出的新要求。本文以混合学习理论为基础,从思政育人的方式、思政育人的重点和开展混合学习思政育人工作的要求等方面,对后疫情时代高校思政育人的模式和思路进行了初步探索。

摘要： 芜湖市田家炳实验中学以学校信息化提升工程为基础,依据混合学习理论,借助信息技术支持,探索构建了“基于移动终端应用的五环节”智慧课堂教学模式。本文以化学学科《羧酸》一课教学为例,直观展现该模式在五个教学环节中的运用,体现了本模式的广泛性、及时性和智能化。

摘要： 美国高等教育信息化协会《2022地平线报告(教与学版)》聚焦于数智融合时代全球高等教育发展的新趋势,详细阐述了影响未来高等教育领域的社会、技术、经济、环境、政治维度的宏观趋势,分析了基于人工智能的学习分析、基于人工智能的学习工具、混合学习空间、混合/远程学习模式主流化、微证书认证和混合/远程教学专业发展这六项关键技术与实践。并在此基础上,对高等教育领域增长、约束、崩溃和转型四种情景进行了预测,结合美国、加拿大、澳大利亚、墨西哥、沙特阿拉伯等国的七个实践案例,剖析了高等教育所面临的问题。基于对《报告》内容的分析和思考,未来我国高等教育需进一步加快教育数智化战略建设、促进技术赋能教育教学变革、推动教师数字化专业发展、完善教育系统信息安全机制。

摘要： 学习者情感体验是认知的动力基础,是教学有效性的前提和桥梁。为深入了解大学生线上、线下和混合学习情境下的情感体验,文章以学习者在“现代教育技术”课程中分别参与线上、线下和混合学习三种情境的案例为研究样本,采用质性研究方法,针对六个不同学习圈的235名学习者在三种不同学习情境下的情感体验,围绕挑战度、愉悦度、满足度、偏好度和期待度进行编码分析。研究发现,三种不同学习情境下的学习者情感体验都趋向正面积极;不同学习圈线下学习的情感体验大致相似,而线上学习与混合学习的情感体验较为个性化。文章通过特征分析与比较,旨在为线上、线下和混合学习的发展提供可供参考的情感策略。

摘要： 当代大学生对专业课的学习相对认真,而公共课的学习投入度则不足,高校公共课的教学中存在诸如重视程度低、生师比过高、师生互动少、教学过程学生参与度低、学生学业水平差异大等问题,循证视野下混合学习模式的实施给高校公共课教育教学质量的提高带来了切实可行的路径.文章研究在循证视野下,以《现代教育技术与应用》公共课某教学内容的设计与实施为例开展准实验研究,结果表明循证视野下的混合学习对学生的学习成绩会产生显著的正向影响,学生的学习成绩得到显著提高.

摘要： 技术丰富环境下,混合学习成为常态,其实践效果备受关注.本研究对混合学习环境下线上和线下学习行为进行分析,旨在提升学生的认知水平.研究通过文献调研和课堂考察,确定了混合学习行为数据采集工具和存储结构,以及学生认知水平和信息加工水平编码框架.以大一新生的一门混合学习课程为例,研究聚焦于论坛互动中学生认知水平和信息加工水平表现,通过相关性分析,探究学生混合学习行为和认知水平之间的关联.并在结论基础上对混合学习课程设计和教学实践提出建议.

摘要： 随着信息技术的快速发展,在线教育平台的系统化学习与移动终端的碎片化学习正相互融合,自然适应新形势下混合学习的发展要求,催生了新型混合学习模式.两类平台融合的关键是学习资源进行有效整合使各类资源优势互补,以适应学习者学习方式的变革,进而促进学习者的学习效果.整合两类平台的资源,应遵循系统性原则、知识点微型化原则、呈现简单性原则和贯通使用原则.在此原则下,以高校《现代教育技术》课程为例，通过对在线教育平台学习资源结构和内容进行解析,建立课程学习资源库,进而选出适合移动学习平台("Q学友"为例)的学习资源,选择适合移动终端的资源呈现方式,按课程需求设计相应模块,设计基于新型混合学习的移动学习资源,优化学习者学习效果.

摘要： 基于项目的高校混合学习模式是以学习者为中心、线上与线下相结合、理论与实践相结合的学习模式.本文在分析文献以及高校课程教学模式和人才培养的局限性的基础上,阐述了基于项目的高校混合学习理论框架,并在理论框架的指导下开展基于项目的高校混合学习模式构建,以期达到提高教学质量、人才培养和社会接轨的目的.

摘要： 混合学习是在线学习和面授相结合的学习方式,是大学教学改革聚集的新趋势.科学研究教学是提升学生科研素养的有效模式.结合二者的优势,本文提出了基于混合学习的科学研究教学模式,探讨了对于这种教学模式的设计和具体的教学实践应用.希望通过不断完善和推进基于混合学习的科学研究教学模式,实现提升人才培养质量的目标.

摘要： Garrison等学者提出的探究社区理论对深度和有意义的学习有一定的借鉴作用,因此本文以该理论为基础,以某高校的C语言辅导班级为个案,重新对其辅导课程进行设计,在混合学习环境下,实施学习辅导.对于课程结束后的学员通过率,应用观察法、访谈法、定量统计分析法等方法进行分析,检验教学者基于探究社区理论进行学习辅导的价值.研究结果表明,基于探究社区理论的辅导学习对学生学业成绩的提高有效,对教师的要求很高,工作量很大,急需设置助教来辅助教学.

摘要： 教育界对混合学习领域的研究已经过十多年的探索,笔者站在理性的角度审思与回顾其发展历程,运用CiteSpace分析工具,基于共词分析理论,对中国知网中收录的有关混合学习研究领域的核心高被引文献,从样本文献发文概况、科研合作网络、关键词共现图谱、关键词突现值等维度进行梳理及可视化分析,研究认为:对混合学习领域的研究大致分三个阶段(2004-2006年的探索起步阶段、2007-2012年的初步发展阶段、2013年以后的快速发展阶段).该领域的高频关键词主要有MOOC、教学模式、网络教育、教育技术培训、在线学习、翻转课堂、教师继续教育、教学设计、混合式教学等;该领域的前沿关注点是MOOC和翻转课堂.笔者认为,混合学习不仅仅是混合的形式与内容,而且是全新教育理念的融合,在这个理念之下,让学生的个性与心智充分发展.

摘要： 文章以混合学习的高等院校“现代信息技术课程”设计及应用为例,分析了其设计需求,设计了较为完整的基于混合学习模式的教学设计方案,并予以实施.且用学习评价方法对课堂教学的应用效果进行了描述性统计分析和(-X)-S平面分析模型分析,验证了课程混合式学习取得了较好的效果,以期为师范生现代信息技术课程提供一定的指导与借鉴.

摘要： 随着网络的快速发展,混合学习已经成为一种常态化的教学模式.慕课、微课、私博客(SPOC)以及MPOC等网络课程的不断出现,为混合学习提供了新的方法与途径.在混合学习的视角下,课堂教学活动不断丰富多样,课堂教学的形式也不仅仅局限于面授这一种.本文通过对慕课、微课、私博客以及MPOC这一系列的新兴的教学方式进行综合整理分析,对混合视角下的课堂教学形式进行解析,指出混合学习和混合式教学将成为课堂教学的常态化特征.混合学习，在与时俱进中不断丰富、扩大，多样化的学习模式和学习方式、将新兴的技术与课堂内容以新的形式融合在一起，以全球化的视野向学习者呈现更为丰富的学习资源，以网络为枢纽将不同国界、不同地区的学习者联系在一起，实时进行交流与学习互动。在混合学习中，学生可以保留自己的个性，更为方便地找到符合自己需求的学习资源、学习材料，针对自己的兴趣点和爱好，进行各自的个性化学习，这也是混合学习必然为大众普遍接受的原因之一。所以说，混合，是课程教学的必然趋势。在未来十到十五年内，混合学习必将会作为一种最有效的学习方式，在全世界各地区蓬勃地开展起来。

摘要： 始于2019年末的COVID-19在影响人类各项生产活动的同时,也反向推动了各行业内部改革的进展.本研究以设计教育为研究对象,试图探索可弥补远程教育缺失的混合教育模式.基于社会学、教育学以及设计学的文献与案例分析,研究者提出了从现有的SBAC社区教育模型向SBAC Hub教育系统过渡的可行性,并从产品服务体系设计角度提出了概念性的SBAC Hub系统设计方案.另外,通过采访利益相关者,本方案初步得到了正面反馈,为下一步空间设计方案的协同推进奠定了用户基础.

摘要： 始于2019年末的COVID-19在影响人类各项生产活动的同时,也反向推动了各行业内部改革的进展.本研究以设计教育为研究对象,试图探索可弥补远程教育缺失的混合教育模式.基于社会学、教育学以及设计学的文献与案例分析,研究者提出了从现有的SBAC社区教育模型向SBAC Hub教育系统过渡的可行性,并从产品服务体系设计角度提出了概念性的SBAC Hub系统设计方案.另外,通过采访利益相关者,本方案初步得到了正面反馈,为下一步空间设计方案的协同推进奠定了用户基础.

摘要： 本发明公开了一种基于广度学习和深度学习的混合推荐方法，包括：推荐对象根据张量分解算法从用户对带有标签的推荐对象的评分数据张量中分解提取用户、推荐对象和标签的隐性特征，得到用户、推荐对象和标签的特征矩阵，再对用户、推荐对象和标签的特征矩阵进行特征匹配，得到张量分解的第一预测评分；采用循环神经网络提取用户特征和标签特征，采用文本卷积网络提取推荐对象名特征，将标签特征和推荐对象名特征输入BP神经网络的全连接层，得到推荐对象的目标特征，将用户特征和推荐对象的目标特征进行特征匹配，得到深度学习的第二预测评分；将第一预测评分和第二预测评分进行融合，得到最终预测评分并输出。

摘要： 本发明公开了一种基于度量学习的自引导式混合数据表征学习方法及系统，本发明方法包括针对P引导机和C引导机两个相互耦合的三层神经网络进行交替训练的步骤，且每一轮交替训练包括：计算P引导机中三元组所对应的表征，根据所得表征计算指导信息并输入C引导机中指导C引导机的训练，更新C引导机中的参数，计算C引导机中三元组所对应的表征，再根据C引导机中的表征计算指导信息传入P引导机中指导P引导机的训练，更新P引导机中的参数。本发明不仅能从特征层面反映特征之间的耦合关系、可学习到包含离散特征和连续特征耦合关系的混合数据表征，也能有效反映数据对象之间的差别、通过相互学习机制可以实现数据对象之间的区分性。

摘要： 本发明揭示了一种基于混合机器学习与深度学习模型的农作物产量预测方法，其包括以下步骤：S1）获取作物数据集，其包括pH值、相对湿度、温度、降雨量、面积、市场供求量、作物单位价格及作物单位成本；S2）归一化处理；S3）计算每一属性数据集中极值点数量占比μ；S4）设定阈值U，将μ大于U的属性数据集作为第二数据集送入LSTM网络中；将μ小于U的属性数据集作为第一数据集送入RNN网络中；S5）通过LSTM网络预测出第一预测数据；通过RNN网络预测出第二预测数据，两组预测数据共同构成属性预测数据；S6）将属性预测数据输入到SVM分类网络中，预测出作物产量。本发明大大提高了对农作物产量的预测精度和效率，为作物的种植规划提供了科学可靠的依据。

摘要： 本发明涉及一种为了具有预防或防止因压力导致的学习能力或者记忆力减退的效果以及减少压力的影响，提高学习能力或者记忆力的效果，而作为有效成分含有D‑丝氨酸以及咖啡因的混合物，进一步涉及一种包含所述混合物的功能性食品。

摘要： 本发明公开了一种基于广度学习和深度学习的混合推荐方法，包括：推荐对象根据张量分解算法从用户对带有标签的推荐对象的评分数据张量中分解提取用户、推荐对象和标签的隐性特征，得到用户、推荐对象和标签的特征矩阵，再对用户、推荐对象和标签的特征矩阵进行特征匹配，得到张量分解的第一预测评分；采用循环神经网络提取用户特征和标签特征，采用文本卷积网络提取推荐对象名特征，将标签特征和推荐对象名特征输入BP神经网络的全连接层，得到推荐对象的目标特征，将用户特征和推荐对象的目标特征进行特征匹配，得到深度学习的第二预测评分；将第一预测评分和第二预测评分进行融合，得到最终预测评分并输出。

摘要： 本发明属于混合动力汽车的能量管理技术领域，具体涉及基于云控平台的深度强化学习混合动力汽车能量管理方法，通过获取当前车辆的驾驶参数，驾驶参数包括车辆的动力需求状态、储能装置的荷电状态以及发动机的输出参数，然后将驾驶参数传输至云控平台，云控平台根据驾驶参数对NAF强化学习算法进行在线学习，预测得到下一时刻发动机的输出参数，并将此输出参数传输至车辆的控制系统，用于对车辆的控制。通过实时获取车辆的驾驶参数，并将驾驶参数上传至云控平台，云控平台基于在线学习的方式，预测最优的能量管理控制策略，基于在线学习的方式，是基于车辆当前状态进行预测，避免了现有技术的查表方式在遇到未曾行驶过的复杂工况时，查表困难的问题。

摘要： 本发明提出一种对混合噪声鲁棒的联邦学习方法，包括：将客户端根据本地训练数据和主观逻辑损失函数更新的本地度量模型参数发送给服务端；获取服务端根据客户端以及其他客户端更新的本地度量模型参数和对应的样本数据量计算的全局度量模型参数；由客户端根据全局度量模型参数和本地训练数据，计算每一训练样本的主观逻辑损失及本地高斯混合分布并发送给服务端；获取服务端根据多个本地高斯混合分布计算的区间阈值，并基于区间阈值和本地高斯混合分布对训练数据进行混合噪声识别，进而对识别的开集噪声、闭集噪声分别进行过滤和修正。本发明还提出一种对混合噪声鲁棒的联邦学习系统，以及一种用于联邦学习的数据处理装置。

摘要： 本发明属于机器学习领域，具体涉及结合协同学习策略的粒子群混合优化的特征选择算法，技术方案如下：1.用Fisher score与MIC混合的过滤式算法进行粗粒度特征选择，获取粗粒度特征子集；2.利用协同学习策略的自适应粒子群优化算法进行细粒度特征选择，获取最优特征子集。本发明有效地克服了现有技术中存在陷入局部最优和计算代价高昂的高维数据的问题。

摘要： 本发明公开了一种混合内存多核CPU系统上的深度学习数据管理方法，该方法包括：模型训练的前向传播阶段，每个网络层读取临时内存缓冲中的数据，执行该层的前向计算，得到前向传播输出数据；将前向传播输出数据划分为短期数据和长期数据；将短期数据保存到临时内存缓冲中；对长期数据执行Cache‑ZVC压缩并将压缩后数据保存到非易失内存中。通过使用本发明，能够缓解深度学习快速发展所带来的内存需求增长的压力，使得在数据集规模不断增大的背景下，高效地训练更复杂的深度神经网络变得更容易。本发明作为一种混合内存多核CPU系统上的深度学习数据管理方法，可广泛应用于数据管理领域。

摘要： 本发明公开了一种基于双分支混合学习网络的无偏差场景图生成方法，涉及图像处理技术领域，解决最近无偏差场景图生成方法不能同时照顾头部谓词和尾部谓词学习的技术问题，包括以下步骤：将图像输入到目标检测器中，得到图像中实例的视觉特征、语义特征以及空间特征；将图像中实例的特征送入到粗粒度学习分支和细粒度学习分支中，其中粗粒度学习分支用以学习头部谓词的专家知识以及获得头部谓词的鲁棒性特征，细粒度学习分支用以预测具有信息性的尾部谓词；知识蒸馏，采用语义上下文模块，对细粒度学习分支的预测结果中不合理的预测进行修正，同时计算所预测的场景图的语义和所标注的场景图的语义之间的差距，并用均方差损失优化。