任务类型

摘要： 信息技术与教师集体研修的有机融合为探索教师大规模研修范式形成带来新契机.本研究以"教师集体效能"发展为研究视角,探讨教师研修范式优化的动力来源及促进教师整体质量提升的研修范式演进及其开放、互联、共享的信息化特征,同时梳理得出教师集体效能视角下的混合式研修范式.该范式重新识别信息化环境下教师集体效能发展的内在基因,在教师研修效能来源、集体研修投入、任务类型、集体效能评估、共创环境建设方面保持一定的延续性,得出"拓展集效来源—协调角色授权—规范任务设计—创建协作环境—集效评估内化"等重要启示,凝聚教师专业智慧,优化教师混合式研修路径,促进教师共同发展.

摘要： 合作问题解决能力(CPS)属于高阶能力之一,蕴含认知、情感及社会性三方面的素养。教科书是学生学习的主要参考,其中融入CPS元素是培养学生CPS能力的有效途径。以现行人教版、北师大版、西师大版一至六年级小学数学教科书为研究对象,从CPS呈现水平及类型、组织形式、任务类型以及呈现效果方面进行研究分析。研究发现:三个版本教科书CPS整体呈现效果处于中上等水平,组织形式上均是“未说明”比重居大,任务类型均主要为“商讨”。

摘要： 任务,简言之,就是带有各种目的的活动。在体育课中开展任务驱动型教学,就是通过带有指向性的活动,让学生在参与、体验、合作、互动的过程中,养成独立、自信、耐挫、合作等能力。在具体的任务型教学实践中,笔者总结了如下四种类型的任务。1.合作型任务。合作型任务是指需要通过合作来完成的体育游戏、比赛等。这种任务有三个特征:一是需要教师进行多次引导;二是同伴之间确实需要合作;三是体育运动技能、体育精神与合作能力贯穿于任务始终。

摘要： 基于鲁宾逊的“认知假设模型”与斯凯恩和福斯特的“有限注意力模型”,以79名浙江工业大学之江学院大二英语专业三个平行班的学生为被试,研究根据同一题材编写的三种不同复杂度的写作任务对英语专业学习者在英语写作产出方面的影响。结果表明,不同任务复杂度的写作任务对学习者的语言准确度和写作总分有显著影响,对词汇复杂度有影响,但不显著,而对流利度和句法复杂度没有影响;任务类型对学生的英语写作内容有显著性影响,综合型的写作任务能够更有效地测量英语学习者的英语写作能力,使其作文内容更丰富、结构更合理。

摘要： 混合学习投入度是有效衡量混合学习质量的重要指标。目前关于学习投入度影响因素的研究主要围绕个体、人际关系、学习环境等方面展开,容易忽视学习任务,即不同任务类型对学生混合学习投入度的影响。文章以中国大学MOOC平台导出的慕课学习成绩和混合学习投入量表为测量工具,采用问卷调查法对337名参与混合学习的学前教育专业学生进行调查,结果发现大学生混合学习投入度整体水平处于中等偏上,且线上学习中的慕课总成绩与混合学习投入度之间呈显著正相关;混合学习投入度中行为、认知、情感投入的得分均处于中等偏上水平,且情感投入的标准差相对较小;不同任务类型在学生混合学习投入度上存在显著差异,事后检验发现,课堂学习任务类型的混合学习投入度水平高于在线学习任务类型的混合学习投入度水平。

摘要： 探讨电子词典使用对英语学习者动名词搭配产出及记忆保持的影响。4组英语专业本科生使用手机词典,分别完成4种题型的英语动名词搭配任务,包括填空题、选择题、改错题和对译题,一周后检验搭配保持情况。研究数据显示,不同的任务类型会影响英语搭配的产出,选择题和改错题的效果优于填空题,不过在搭配保持方面4组成绩并无显著差异。

摘要： 针对外集卡到达时间的不确定性,提出自动堆垛起重机(ASC)作业序列的动态优化,从而以减少ASC作业完成时间以及ASC和外集卡等待时间为目的,提高自动化集装箱码头堆场的作业效率。首先,结合混堆模式下集装箱作业类型与外集卡动态到达的特点,提出ASC动态匹配外集卡作业任务的策略;其次,构建ASC作业时间最短与ASC和外集卡等待时间最短的多目标模型;最后,设计基于动态规则的非支配排序遗传算法Ⅱ(DRNSGAⅡ)作为求解算法。在小规模算例实验中,分别运用DRNSGAⅡ与遗传算法(GA)求解动态策略和随机策略下的ASC作业问题。实验结果表明,DRNSGAⅡ求解的动态策略下目标函数值优于随机策略28.2%,并且动态策略下DRNSGAⅡ的求解结果优于遗传算法23.3%。在大规模算例实验中,比较了DRNSGAⅡ与多目标粒子群优化(MOPSO)两种算法的性能。实验结果表明DRNSGAⅡ的求解结果优于MOPSO算法6.7%。可见DRNSGAⅡ能够快速生成多样化的非支配解,为混堆模式下的ASC动态作业提供决策支持。

摘要： 本研究对22名英语专业大一学生的听力策略选择进行质性分析,结果表明:会聚型和发散型任务对元认知策略的选择相似,计划策略使用频繁而极少使用监控策略;会聚型任务更多需要笔记策略辅助理解材料;会聚型任务更多需要预测策略,且很少需要翻译策略参与。

摘要： 构建精确的服务器能耗模型有助于资源提供者预测和优化数据中心的能耗.针对以往数据中心服务器因未考虑"负载的特征"而导致能耗模型精度低的问题,本文提出一种新的能耗建模及量化计算方法,其主要思路如下:根据数据中心服务器所处理任务特征的不同将其分成三类,分别为计算密集型任务、Web事务型任务和I/O密集型任务;针对每一种类型任务,分析其对服务器各部件能耗的影响;利用"主成分分析法"分析各部件参数对能耗的贡献并选择最具代表性的参数,进而结合多元线性回归和非线性回归方法建立能耗模型.实验结果表明,本文建立的能耗模型预测精度能达到95％以上;与其它模型相比,精度可提高3％左右.

摘要： 五种任务类型对高级汉语学习者的口语流利性及表达质量均产生不同程度的影响.统计分析结果发现:任务类型对口语流利性各指标及表达质量产生了显著影响;任务类型对口语流利性各指标的影响不均衡,随着任务难度的提高,表达性指标的变化更为显著;在区分被试的表达成绩时,只有总结—评论型任务与其他任务两两之间存在显著差异.

摘要： 任务类型是群体决策中一个非常重要的变量,往往可以解释多达50％的群体绩效.然而,缺乏关于群体任务类型的相关综述,在一定程度上妨碍了国内学者理解群体任务的本质,并以此来解释群体绩效的变异或设计新的过程和技术来支持群体活动.为了填补这一空白,本文综述了与群体决策任务相关的几个问题:群体决策任务的分类体系,群体决策任务的实现,每类决策任务的绩效指标和测量方法,以及与群体任务类型相关的理论.如何有效支持群体决策将仍然是管理学研究的一个重要问题。当人们试图用在线社区、网络论坛、微博等这些新型社会技术系统来支持群体任务时，也必须对群体任务的分类、实现、绩效测量和相关理论有一个清楚的了解。从这个意义上说，本文不仅对群体决策中与任务类型相关的知识进行了总结，而且为将来研究利用新媒体支持群体活动的学者提供了一个理解任务本质的快捷指南。

摘要： 口语测试环境下,语言复杂性作为考生语言水平的重要表征,是考官进行有效测评的重要参考指标.本研究以转写成书面形式的C-TEST口语面试实测话语样本为分析材料,运用描述性统计、方差检验和非参数检验的方法考察任务类型、语言水平对被试输出话语复杂性的影响,以及任务类型与语言水平之间的关系.进而结合语言复杂性、语言难度和二语习得等相关理论深入剖析影响考生话语复杂性的内在机制,以期为口语面试中考官的有效测评提供参考依据.

摘要： 在商务汉语教学中,任务型语言教学(TBLT)受到了相当广泛的注意和运用.本文将重点讨论在中级商务汉语教学中的任务类型及设计,并试图归纳任务设计的若干原则.至于商务汉语课的整体课程设计则不是本文讨论的对象.本文列举了三种类型的任务并提供若干实例:(1)语言技能型任务(Language Skill Tasks)；(2)交际型任务(Communicative Tasks):(3)预演型真实任务(Real-world“rehearsal”Tasks).同时认为商务汉语教学中的任务设计应该充分考虑到需求分析、语言能力定位和课堂时间、课程时间的分配使用.

摘要： 众包以网络竞赛活动形式来开发利用碎片化、分布式知识资源的有效模式,已被企业界所广泛应用.奖金策略是吸引众包参与者的关键因素,如何合理设计缺乏研究关注.以动机理论和社会学习理论为基础,本文通对7万余众包实际项目二手数据研究发现,奖金数量对参与人数吸引呈倒Ｕ形影响模式,赢者通吃(多人共享)模式与低(高)奖金组合效果最佳.并且在创意型任务中,以上组合影响效果最佳.通过对奖金数量、分配方式和任务类型组合研究,可为企业发包方奖金设计提供有效指导.

摘要： 本发明适用于数据抽取技术领域，提供一种多类型实体识别的多任务深度学习模型的训练方法及装置，所述方法包括：数据预处理；建立skip‑gram神经网络模型将预处理后的文本语料数据转为向量；根据要识别和提取的实体类型构建样本数据集；构建样本数据的分词特征；建立多类型实体识别的多任务深度学习模型。本发明中，相关类型的实体采用参数共享的方式实现共同特征的提取，又使用独立的模型完成实体的标注，使得模型对于一个文本数据的多种实体识别和提取有更好的泛化能力，即实体识别的整体正确性得到提升；另外，本发明只训练一个模型，在一次迭代过程中共同特征只用训练一次，可以极大的缩减训练时间。

摘要： 本发明公开了一种基于深度网络的多类型任务通用的检测方法，属于图像处理技术领域。包含如下步骤：a.分别选择上述三种任务所需要的训练图片；b.在相同的网络结构下设计完成需要的模型参数和网络初始参数；c.设计需要优化的损失函数，并利用深度预测模型和物体检测模型得到其具体表示；d.优化调整初始模型的参数，最终得到分别符合三种要求的具有统一结构的检测模型参数；e.利用训练好的模型对任意输入的自然场景图片得到显著性物体检测、骨架提取、边缘检测三种图像处理结果。本方法能够在一个统一的网络结构下完成三种截然不同的图像处理任务，此方法具有良好的通用性和可移植性，同时达到了良好的检测效果。

摘要： 本发明公开了一种D2D任务卸载系统及其多类型资源交易方法，目标是最大化资源交易数量，首先将移动用户按照网络拓扑的连通分量进行分组以提高资源分配的效率。然后利用迈克菲双边拍卖对资源进行定价，最后将移动用户划分为多个虚拟交易者，利用最大匹配方法得到最终的资源分配方案。本发明的D2D任务卸载系统，使移动用户能够灵活地共享他们的资源；每个移动用户可以有多个任务，每个任务是可以分割的且需要消耗一种资源，且任务可以卸载到该移动用户的D2D通信范围内的任何移动用户；通过资源共享，移动用户甚至可以完成自己无法完成的任务。本发明所提出的资源交易方法是计算有效、个体理性、预算均衡、资源需求量提供量真实的和价值/成本真实的。

摘要： 本发明涉及一种基于多任务学习的排水管道异常类型自动检测方法。首先通过分析管道缺陷深度特征信息将特征空间存在重叠的类别划分到同一分组中；然后基于分组情况构建多任务学习深度神经网络，该网络将分类任务划分为两级任务，高级分类任务尝试区分不同分组的缺陷图像，低级任务拥有多个子任务，分别用于着重区分组内具有相似特征空间的缺陷类型，最终的缺陷分类结果来自条件概率。本发明通过引入多任务学习策略使得模型能够减少特征空间重叠带来的精度损失，提升模型的检测精度，从而实现更为有效的排水管道缺陷自动检测系统。

摘要： 本发明提供了一种基于分组类型识别的任务卸载公平性传输方法，属于车联网技术领域。解决了车联网UDP业务挤占带宽资源，导致TCP任务卸载无法完成的问题。其技术方案为：包括分组类型识别、分组进入队列的位置安排、以字节为统计单位的队列分组丢弃和MAC层竞争窗口值动态设置四个步骤。本发明的有益效果为：本发明既可以保障TCP任务卸载的上行业务，又可以维持UDP下行业务，此外，由于不涉及通信发送端和目的端的协议修改与配置，仅需在基站RSU处配置算法及参数，本发明对车辆及边缘服务器都属于透明传输，便于推广与实现。

摘要： 本申请提供一种用于筛选及识别在所关注的特定细胞类型中提供选择性表达的调控组件的高通量方法。还提供用于该高通量筛选方法中的核酸组合物。

摘要： 本发明公开了一种面向多类型上下文依赖的任务封装和调度方法及系统，针对不同数据类别及任务定义任务类型、上下文依赖关系；根据新建任务的任务类型、上下文依赖确定任务调度信息；判断新建任务是否满足依赖关系，若满足，则设置其任务状态，并将新建任务与任务调度信息封装成任务对象，加入任务队列；否则添加失败；从任务队列中提取就绪状态中具有最高优先级的任务对象；若满足依赖关系，则运行当前任务对象；否则调度前驱任务对象运行，若前驱任务运行成功，则调度当前任务对象运行，若前驱任务运行失败，则放弃调度当前任务对象。采用本发明实现了不同类型任务的统一管理，实现对任务封装和调度的控制，提高了用户的使用体验。

摘要： 本发明涉及一种基于任务类型的终端CPU调频方法及装置，应用于安卓系统的终端，该方法包括：S1：根据任务类型映射表确定当前任务的任务类型，若当前任务不属于任一任务类型，采用interactive工作策略调整CPU工作频率，否则执行步骤S2；S2：根据当前任务的任务类型查询频率映射数据表，获得能使执行当前任务的终端正常运行的CPU最低工作频率值；S3：基于userspace工作策略将CPU的频率值修改为所述最低工作频率值。与现有技术相比，本发明具有节能、适应性好等优点。

摘要： 本发明请求保护一种基于任务类型的流程挖掘一致性检查方法、系统及介质，属于数据挖掘领域，对流程挖掘模型结构性进行评估的方法。本发明是一种将挖掘模型与原始模型进行对比，并结合任务类型的一致性检查方法。首先遍历原始模型和挖掘模型，得到各个模型中的全部任务数、可见任务数、重复任务数、不可见任务数，再计算模型中重复任务和不可见任务所占比例，最后带入结构性评估公式中计算。该发明能够有效的对挖掘模型进行一致性检查，从而合理的评估模型的结构性，以达到评估挖掘算法有效性的目的。

摘要： 本发明提供一种多类型任务管理方法及装置，该方法包括：确定目标任务类型；基于任务调度管理器执行所述目标任务类型对应的目标任务；其中，所述任务调度管理器提供：第一列表、第一队列、第二队列、接口、第一函数、第二函数。本发明通过确定目标任务类型，基于任务调度管理器提供的接口、相应的列表和队列以及函数，执行目标任务类型对应的目标任务，实现对多类型任务的统一管理，提高易用性，保证多类型任务的执行更加稳定可靠。