自主学习行为

摘要： 促进中小学生全面发展的呼声越来越高,但由于学业负担和各类校外补习占据了大量的时间,学生进行自主学习和综合素质养成的情况不尽如人意。本项研究主要通过线上问卷调查,对“双减”政策落实后初中低年级学生的作业完成、就寝时间、课外学习、校外活动、周末安排、家庭氛围、家务劳动等方面进行了数据统计和分析,为学校扎实推进五育并举、全面培养学生自主学习行为和综合素质提供了依据。

摘要： 本研究以在韩国的汉语学习者为对象,采用定量研究的方法,运用回归分析、结构方程模型等,探讨二语动机自我系统中理想二语自我和应该二语自我与学习者的汉语自主学习行为之间的关系.研究发现:(1)理想二语自我和应该二语自我对汉语自主学习行为及其三个子维度产生显著的正向影响,且理想二语自我对自主学习行为具有更强的预测力;(2)在二语自我与自主学习行为的互动中,内省式学习是连通二语自我与自主学习行为的关键要素,结构方程模型的回归路径为:理想二语自我和应该二语自我→内省式学习→核心式学习→开放式学习.

摘要： 本文在OBE理念下基于UTAUT模型探讨学习者网络自主学习行为影响因素分析,引入6个核心变量和4个控制变量,构建其基于成果导向的学习者网络自主学习行为的影响因素接受模型,发放问卷,进行了信度、效度分析、初步的回归分析,并进行了初步验证分析,得出其变量假设的成立.

摘要： 本文主要以高中生化学自主学习能力与自主学习行为关系研究为重点进行阐述,以当前高中生化学学习实际情况为依据,首先分析自主学习能力调动自主学习行为,其次从组织学生自主学习化学知识、组织学生自主处理化学问题、组织学生自主进行化学探究几个方面深入说明并探讨培养学生自主学习能力、调动学生自主学习行为的有效策略,进而增强高中生化学自主学习能力与水平,提升学生的化学核心素养.

摘要： 目前,随着英语学科核心素养的结构逐渐完善、优化,培养学生的学习能力,使其学会学习这一教学任务也变得愈加重要,需要切实突出学生的自主学习行为,让学生带着思考去学习英语知识,从根本上改变学生被动接受现成知识的学习习惯。在此过程中,预习将发挥重要作用,因为预习本身就是以学生为中心的自主学习活动,且理想的预习成果可以让学生在课堂上合理分配时间精力,直接则可改善学生的课堂学习行为。因此,初中英语教师要监督学生完成预习任务,使其逐步形成良好的预习能力,同时也为构建有效课堂做准备。

摘要： 一、案例概述:一场突如其来的疫情改变了我们的生活,但是不能阻断教学活动的开展,线上授课由原来的设想和试验,到现在被实实在在的推上了教育历史的舞台。有许多评论说:因学习习惯差异的客观存在,线上教育会让学生之间的差距变得更大,作为已经开展线上教育2个多月的一线教师,我不否认这一点。但通过实践与研究,我认为通过教师、学生、家长的三方合力,孩子们的线上学习习惯是可以得到改进的。在线上,我们也能做到既“授业”,又“传道”;孩子们既能习得文化知识,又能收获良好的自主学习行为习惯。

摘要： 基于计划行为理论的“意愿-行为”分析框架,从员工行为态度、主观规范、知觉行为控制、工作被人工智能替代的不安全感等四个要素构建知识型员工自主学习意愿和行为的影响因素模型。研究结果表明,知识型员工的内生和外生态度越强,其自主学习意愿就越强,越容易产生自主学习行为,示范性规范对知识型员工自主学习意愿也有促进作用。知识型员工自我效能和控制力水平越高,其自主学习意愿越强,控制力还可以直接驱动知识型员工自主学习行为的产生,工作丧失不安全感和过度竞争不安全感对知识型员工自主学习意愿具有促进效应。组织工具性支持在自主学习意愿对行为的影响关系中起正向调节作用。具体来看,在人工智能不断对工作进行替代、创造和重塑的背景下,性别优势和专业优势已经不复存在,知识型员工要认识到自主学习和终身学习的重要性。

摘要： 在线社交网络迅速发展,给人们工作、生活带来极大便利的背景下,本文研究在线社交网络对大学生自主学习的影响.一方面社交网络具有信息容量大、交流的开放与多元的特性,将使大学生对之产生负面精神依赖甚至成为大学生的精神鸦片.另一方面直接而且便捷的个性化学习,使得单纯的社交网络学习平台成为未来发展的主流,将为大学生构建一个充满乐趣的正向科学乐园.社交网络对大学生自主学习的影响是负面的还是正向的呢?本文主要研究社交网络对自主学习的学习动机和学习方式的影响.通过实证调查,研究发现:在学习动机的改变上,社交网络强大的信息量对大多数学生具有很强的启动作用和导向作用,能够让他们认清自己的想法,并付出实际行动;在学习方式的改变上,让目标明确的大学生脱离传统的实物质学习,接触到开放快捷的虚拟化学习,使学习效果事半功倍.

摘要： 本发明提供一种行为信息学习装置、机器人控制系统及行为信息学习方法，用于使作业者容易进行与机器人的协作作业。行为信息学习装置(300)具备：状态信息取得部(310)，其在机器人(100)将从工件放置处取得的工件(7)在交接工件的区域即工件交接区域(8)内交接给作业人员(P)时，取得机器人的状态(s)；行为信息输出部(320)，其输出状态的调整信息即行为(a)；回报计算部(331)，其取得关于工件的交接所花费的交接时间(T)的信息即判定信息，并根据所取得的判定信息来计算强化学习的回报的值；以及价值函数更新部(332)，其根据回报的值、状态(s)、行为(a)进行强化学习，从而更新价值函数(Q)。

摘要： 本发明提供一种行为识别装置、学习装置、行为识别方法、学习方法及计算机可读的记录介质。行动识别装置具有：检测单元，根据拍摄车辆内而得到的车内图像检测所述车内图像中的车辆内的人物的、人体的多个部位的位置；特征量抽取单元，抽取位次特征量，该位次特征量是基于由所述检测单元得到的部位间的距离大小的位次的特征量；以及辨别单元，使用预先学习到的辨别器和所述特征量抽取单元抽取的位次特征量来辨别车辆内乘客的行为。辨别单元优选作为输入受理动态图像，根据各帧的辨别器的辨别结果来辨别行为。

摘要： 本发明公开了一种基于在线学习行为的自主学习投入度实时生成方法，包括下述步骤：S1、将视频播放参数、观看时长参数和并发行为参数共同构成自主学习投入度显示参数Es，形成学习投入度表达公式；S2、分别构建数据二维矩阵；S3、通过由Pl，Rt和Pa三个参数组成的投入度总参数Es，综合反应在线学习过程中各个行为中反应出来的学习投入情况。本发明提出从教学视频播放行为、视频观看时长和并发学习行为数据，生成投入度参数Es，将对在线学习投入度数据的获取自动化和简单化，使实时获取投入度数据并进行过程性分析成为可能，从而完全改变当前在线学习投入度的分析思路和方法，使基于数据支持的在线学习过程指导和分析成为可能。

摘要： 描述了一种用于自主行为生成的系统。该系统包括高级控制器和低级控制器两者。高级控制器接收来自环境的观测结果，并且使用神经网络，基于来自环境的观测结果选择高级行为。低级控制器基于所选择的一个高级行为，生成用于脚本化动作的输出命令。在生成输出命令之后，该系统可以实现动作，诸如使装置执行该脚本化动作。

摘要： 本发明涉及一种预警方法，尤其是一种基于自主学习的企业风险行为实时预警方法。按照本发明提供的技术方案，所述基于自主学习的企业风险行为实时预警方法，所述预警方法包括如下步骤：步骤1、获取待预警企业上一月度所有的销项发票信息，利用FP‑growth方法对所获取的月度销项发票信息进行所需的处理，以能得到一频繁项集；步骤2、获取所述待预警企业当月的销项发票信息，并提取所述任一销项发票内包含的销项货物集合，若当前销项发票的销项货物集合与步骤1中频繁项集的所有子集均不相同时，则输出一风险预警信息。本发明能有效实现企业的开票风险预警，智能化程度高，安全可靠。

摘要： 在各种示例中，增强学习被用于训练至少一个机器学习模型(MLM)以通过借助在真实世界数据上训练的深度神经网络(DNN)，通过使用模仿学习来预测一个或更多个活动者的移动以定义世界模型，从而来控制车辆。DNN可以从真实世界数据中被训练以从输入属性中预测活动者的属性，例如位置和/或移动。预测可以定义在模拟器中的环境的状态，并且输入到DNN中的一个或更多个活动者的一个或更多个属性可以被模拟器修改或控制以模拟可能在其他情况下不可行的条件。MLM可以借助由DNN做出的预测来预测车辆的一个或更多个动作。

摘要： 本发明涉及一种强化学习的技术领域，公开了一种基于强化学习的网络爬虫自主行为控制方法，包括：获取训练数据集，并对训练集中的超链接以及超链接上下文进行规范化，形成训练数据集中超链接的状态空间和动作空间；对状态空间中不同主题间的超链接进行统计，并计算每个主题的超链接累积收益；利用LDA主题模型计算得到当前需要爬取的网页中每个超链接上下文的主题分布；根据网页中超链接上下文的主题分布，选取概率最大的主题作为超链接上下文的主题，得到网络爬虫的初始主题和目的主题，选取累积收益最大的超链接进行网络爬虫爬取超链接累积收益。本发明实现了网络爬虫行为的控制。

摘要： 本发明公开了一种自主学习系统及自主学习方法。所述系统包括：登录模块以及学习模块；所述登录模块，用于获取登录信息，并根据所述登录信息进行登录验证；所述学习模块，用于在所述登录模块验证通过后，提供所述登录信息对应的学习资料和学习课程，以使用户根据所述学习资料和学习课程进行在线学习。利用该系统，能够根据不同用户的登录信息对用户进行不同的培训管理，使得员工通过该系统进行自主学习。

摘要： 一种自主学习型机器人装置(1)，其具备：具有控制部(11)的机器人装置(2)；以及电连接或可通信地连接的机器学习装置(3)，机器学习装置具备：经由点提取部(21)，其从传感器部(12)测量的包含机器人装置的状态以及环境信息的传感器信息中提取机器人装置的动作经由点；动作模式选择部(22)，其针对经由点按照每个预定的时间宽度学习动作模式，基于传感器信息选择动作模式；动作模式生成部(23)，其针对经由点按照每个预定的时间宽度学习机器人的动作模式，基于传感器信息以及由动作模式选择部选择出的动作模式生成动作模式；以及状态判定部(24)，其将动作模式生成部生成的动作模式与传感器信息进行比较，决定向机器人装置的控制部输出动作模式的定时。

摘要： 本申请涉及一种人机对话的自主学习方法、自主学习系统及存储介质。人机对话的自主学习方法包括步骤：获取人机对话语料，将人机对话语料整理和记录形成对话流水及学习表；对对话流水进行对话意图分析；将对话意图与对话模型进行匹配，得到对话意图匹配置信度；按照对话意图匹配置信度及预设学习阈值对对话流水进行分类；根据分类及学习表确定学习方式。自主学习系统能够高效快速准确的完成真实环境下的对话语料收集和学习工作，增强了学习库内的对话模型的泛化处理能力。