以学习为中心

摘要： “内生性”语文教学强调以学习为中心,以素养培养为导向,激发学生自我发展的动力,使学生主动、积极地投入语文学习中。如何立足于学生的内在需求,让学生的言语能力自主地生长呢?对于低年级段学生而言,引导他们进行个性化表达是行之有效的途径之一。

摘要： 近年来,中国高等教育逐步从对规模扩大的追求转变为对质量提高的追求。课程是高等工程教育中最为重要的环节,课程考核是检验课程教学质量的重要途径,针对课程考核的评估是了解课程考核有效性的重要手段。文章本着提高本科教学质量的目的,论述西南交通大学在课程考核方面的实践情况,倡导教师开展以学习为中心的课程考核,论述以学习为中心的课程考核原则,提出了指导任课教师开展课程考核成绩评定的意见,以评估的方式对课程考核进行监督,并论述学校对课程考核开展评估的要点、指标、实施成效。

摘要： 以学习为中心的教学反思,确立由"教的反思"向"学的反思"转型的取向,构建了"教学合一"的反思内容范型,解决了"思什么"的难点,搭建了"教学优化"的实践范式,突破了"怎么思"的重点.

摘要： 众所周知,课堂教学应以学生为中心,以学习为中心。小学生受年龄、认知、视野等所限,对事物的理解多停留在浅层次上。在小学语文教学中,教师要引导学生深入理解课堂所学,仅仅依靠传统的教学手段是不够的。在课堂教学中引入信息技术可有效提高教学效率。笔者以统编版语文三年级上册《在牛肚子里旅行》教学为例,谈几点看法。

摘要： 课堂教学的目的之一是引领学生自愿学习、自主学习,并形成一定的自我学习力和自我发展力。这要求教师改变教学观念和教学方式,由“以教师为中心、以教学为中心”向“以学生为中心、以学习为中心”转变。笔者结合教学实际,谈几条学习中心课堂建设的实现路径。

摘要： 学源于思,思源于疑。以学习为中心的课堂强调理解性学习,注重学生的认知过程,关注学生的已有知识,强调学生自身对学习调控能力的发展与培养,重视学生元认知能力的发展。以学习为中心的课堂是思维的课堂,思维不是自然发生的,但是它一定是由难题和疑问或一些困惑、混淆或怀疑引发的。

摘要： 信息技术应用于教学应以学习为中心进行系统设计,即技术的应用必须精准锚定特定的学生和学习目标,立足于特定的教育境脉,才能取得最佳效果。在此基础上,本文分析了信息技术促进学生学习的七个方面,并提出应以技术的系统设计来推进区域课程教学实践。

摘要： 本文以小学五年级活动项目“打造一间‘会讲故事’的少先队队室”为例,讲述项目指导教师团队通过搭建多样化的、富有创意的学习支架,帮助学生团队和个体有效地突破自己的能力极限,并获得新的发展高度。

摘要： 借鉴迪·芬克以学习为中心的综合性课程设计理念,对课程的四个基本要素进行分析,经过三个阶段十二个步骤的设计过程后,形成了课程的综合性设计创新。课程创设了以学习为中心的教学情景与教学活动,课堂教学中激发了学生的学习兴趣,促成了学生“有意义的学习体验”。实践证明,重构的“企业内部控制规范与案例”课程教学效果良好,有效实现了课程学习目标,为以学习为中心的综合性课程设计模式在大学财经课堂的推广积累了可复制的经验。

摘要： 语文统编教材实施以来,因编写体例没变化,新增课文不多,编写的理念还未深入人心,加之,一线教师惯性十足,致使“旧瓶装新酒”“把新酒装成旧酒”现象出现。如何破解?构建语文统编教材引领的新教学范式势在必行,为此,笔者致力于构建“以学为本”的认知启动式语文教学新范式。“以学为本”的认知启动式教学范式的理念核心概念“以学为本”:学习的主体是学生,在学习过程中要充分体现学生的能动性;在课堂中以学习为中心.

摘要： 本发明涉及自适应学习技术领域，公开了一种以学习者为中心的自适应学习系统，包括：基础设施支持层，数据资源层，核心业务层，可视化呈现层；基础设施支持层，为系统提供开发及运行的环境，计算和存储的资源，以及数据采集接口；数据资源层，为自适应学习核心业务提供数据支持及数据归档管理服务；核心业务层，实现自适应学习的核心业务；可视化呈现层，为系统提供输入接口和输出呈现，为用户提供自适应教学数据检索及操作的可视化接口服务，以及为系统的管理提供运维管理服务接口。有利于帮助学生构建系统的知识结构，提高学习效率；为教师提供教学数据服务及教学参与手段；为学习内容服务商提供领域知识模型的自动生成及数字资产转化服务。

摘要： 本发明提供一种智能健康学习桌，包括可升降的桌面、学习面板、智能照明装置、智能打印扫描装置和学习桌主控板，学习面板转动连接桌面可相对桌面翻转倾斜；学习桌主控板设有语音指令模块，学习桌主控板用于根据语音指令模块获取的用户语音指令或学习桌主控板内预设指令控制高度调节支架升降调节桌面高度、控制学习面板倾斜角度和控制智能照明装置的照明亮度。本发明同时提供一种物联网健康学习中心系统，其特征是，所述系统包括智能健康学习桌和学生交互系统，所述学生交互系统包括信息输出终端、信息获取终端和智能控制显屏装置。

摘要： 本发明提供一种基于去中心化联邦学习的非侵入式负荷检测方法，非侵入式电力负荷检测方法步骤包括：选取数据、电力负荷数据特征预处理、建立本地模型和去中心化联邦学习网络构建，本发明通过每次聚合的客户端各自进行，每个客户端设为一个节点，每个节点有一个模型，搭建一个网络架构允许每个节点的模型，实现对联邦学习方法的去中心化，并根据GNN网络的特点进行参与的客户端模型结合，确保各个客户端之间地位平等，且能够保证模型进行顺利的交互，实现了非侵入式负荷检测基于单个用户的检测效果有所提高，且速度更快。

摘要： 本发明实施例涉及一种联邦学习模型构建方法、装置、中心服务器以及客户端，该方法包括：接收至少两个异构资源客户端发送的请求；根据异构资源客户端对应的数据元素，对至少两个异构资源客户端进行排序；将初始联邦学习模型按照排序顺序，分发至不同的异构资源客户端；接收每一个异构资源客户端对初始联邦学习模型进行训练后，上传的训练结果；综合训练结果，创建新的联邦学习模型；当新的联邦学习模型未达到预设要求时，将新的联邦学习模型再次发送至异构资源客户端进行迭代训练，直至最终获取的联邦学习模型达到预设要求，停止训练，完成联邦学习模型构建。通过该种方式，解决客户端选择问题的约束，提升联邦学习训练模型构建效率。

摘要： 本发明公开了一种基于强化学习的数据中心数据备份方法及系统，包括：获取全局网络的链路状态，确定待备份的源数据中心节点和多个目标数据中心节点；所述待备份的源数据通过组播路由的方式从源数据中心节点传输到各个目标数据中心节点；以全局由带宽和时延组成的指标成本最小为目标，在全局网络的拓扑结构上扩展生成组播树；将组播树的构建规约为NP‑Hard问题，采用强化学习算法对所述问题进行求解，得到备份成本最优的备份路由方案。本发明以全局由带宽和时延组成的指标成本最小为目标，在全局网络的拓扑结构上扩展生成组播树，能够实现数据备份路径的全局最优，进而以最短的时间和带宽成本传输备份数据。

摘要： 提供了数据库配置调谐。在数据库节点的去中心化网络中选择具有相似数据因子的一组数据库节点。使用数据并行性来训练对应于该组数据库节点的配置模型。对应于该组数据库节点的训练的配置模型被组合以形成联合配置模型。确定对应于该组数据库节点的性能指标是否大于性能阈值水平。响应于确定对应于该组数据库节点的性能指标大于性能阈值水平，向新数据库节点推荐对应于联合配置模型的数据库配置。新的数据库节点加入到去中心化网络。

摘要： 本发明公开了一种基于深度增强学习的数据中心网络传输方法，基于失序偏移的低时延数据传输协议Sue，Sue协议基于Req发送请求全局唯一标识的数据包，Req的请求能够同时发送多个数据包请求，再由多个发送端进行发送；每个发送端包括发送高优先级数据和发送低优先级数据的两部分，同一服务器里的多个发送端自适应的调整并发数据量的数量；客户端第一次接收数据后保存数据失序偏移进行判断，在服务器端进行高优先级数据发送及重传控制，低优先级数据队列只进行低优先级数据发送，不进行数据重传。本发明能够突破低时延数据传输的这一关键技术，为数据中心网络中增长的数据传输量提供更好的技术支撑。

摘要： 本发明涉及一种基于深度强化学习的数据中心业务负载调度方法及系统，该方法包括：步骤S1：对异质业务负载的特征信息进行读取；步骤S2：对服务器可用计算资源进行实时监测；步骤S3：根据负载的特征信息、服务器可用资源以及实时电价，作出调度决策；步骤S4：采用马尔可夫决策过程对调度过程进行建模，以数据中心用电成本最小化为目标，使用蒙特卡洛策略梯度算法对调度器进行训练。本发明所提供的基于深度强化学习的数据中心业务负载调度方法及系统能够在保证任务执行逻辑和服务质量的前提下，实现数据中心的电费成本优化，降低云服务提供商的运营成本，有助于互联网行业的绿色低碳可持续发展。

摘要： 本发明涉及图像处理技术领域，公开了一种跨中心图像联合学习方法、系统、存储介质及电子设备；方法包括：中央节点接收各分布式节点提供的对应原始图像的标签数据和拓扑知识，并通过合成模型产生合成图像；各分布式节点利用各自的识别模型判断合成图像与原始图像是否相同，并计算模型损失值；各分布式节点基于各自的模型损失值更新各自识别模型的参数；中央节点基于所有分布式节点反馈的模型损失值的总和更新中央节点上合成模型的参数；每次参数更新后循环重复上述步骤，直至各分布式节点上的识别模型难以区分合成图像和原始图像。本发明实现了多中心联合学习过程中在保障原始图像数据隐私安全的同时减少通信资源的开销。

摘要： 本发明提供了一种基于区块链的去中心化联邦学习方法、装置和电子设备，涉及区块链的技术领域，包括：根据各个客户端的数据集规模，将多个客户端分为若干个组，并确定组内训练顺序和组间训练顺序；基于组内训练顺序，对各组内的客户端的初始全局模型进行组内训练，生成每个组的标准更新梯度以及组内训练后的客户端模型；基于组间训练顺序，将当前组的标准更新梯度发送至下一个相邻组；下一个相邻组的最后一个客户端基于当前组的标准更新梯度进行组间训练，直至客户端全部训练完成，生成目标模型，该方法解决了传统联邦学习方法中心化程度高的技术问题，达到了提高训练效率的技术效果。