协作式学习

摘要： 新的教学范式认为,教学可能会传播知识,但学习才能促进“理解”,教与学不可割裂,两者融合于“经验”之中,问题的解决指导着经验的获得。因此,以协作为基础、以问题解决为动力的教师专业发展模式契合了当前教学改革的基本理念,对探讨如何提升教师专业发展具有积极的意义。以“协作信任”为特征的学习共同体教师专业发展模式回应了当前教师专业发展群体实践中的诸多问题弊端,重新强调教师作为学习者的主体地位。

摘要： 文章介绍了美国德州山姆.休斯敦州立大学计算机系"编程基础"课程中采用的教学方法和课程考核方式.介绍了教学中采用的混合式教学环境BlackBoard网络平台、协作式学习法、主动学习法和过程性考核标准.通过这些方法和手段,可以让教师更适应生活在当今这一数字时代的学生的学习习惯,改善和提高课堂教学质量.

摘要： 随着社会经济的发展,计算机已成为人们生活中不可缺少的一部分,中职学校计算机教学已经成为学生学习的主要科目。为帮助中职学生更快地掌握计算机的相关知识,本文展开分析中职计算机教学中使用分组分层协作式学习的好处,并提出开展小组竞赛学习的方式,按照学习内容和水平进行不同分层分组,取长补短。通过实施激励机制,做到因材施教,让中职学校计算机教学取得实效。

摘要： 在阐述基于移动终端的初中协作式作文教学优势的基础上,以"学会记事"写作教学为例,探讨基于移动终端的初中协作式作文教学策略.

摘要： 群文阅读是探究性、结构化、创新性的阅读，根据这些特征，有效运用支架式教学策略、协作式学习策略、思维可视化教学策略，可以有效促进阅读教学的开展。

摘要： 基于项目的学习(Project Based Learning,PBL)方法,能给学生以真实的情境,学生团队通过协作学习来构建新知识,探索过程包括头脑风暴、发现问题、提出解决方案、批判思考,在项目的基础上,学生团队需要反复协作沟通,共同完成目标任务,这样的学习方式有助于提升学生的认知能力、社交能力、探究知识的能力,使他们在一个可持续发展的项目中对自己的学习负责.学生的合作经验超越了教学和知识本身,合作实践的拓展延伸,有效地提高了学生的综合素养,尤其是团队沟通与合作的能力.

摘要： 在终身教育背景下,建构学习空间是对民族社区教育发展的整体关照。讨论民族社区教育中学习空间的建构,需明确如何在以生态化学习环境为保障、以学习者为中心、以学习共同体为支撑的基础上,建构泛在式、体验式、协作式学习空间,以此来为民族社区教育与学习空间的融合共生提供逻辑支撑。

摘要： 网络教育游戏是一种遵循游戏机制并具有教育功能的活动,是教育和游戏的完美融合。它以独特的优势深受学生的喜爱,使娱教理论为教育技术开创了一个新领域。它的优势表现在(1)网络教育游戏突破了时空限制。(2)计算机和网络的介入大大激发了学生的求知欲望。(3)利用现代信息技术手段培养学生的信息素养。(4)基于网络教育游戏的学习方式多种多样,例如自主学习,协作式学习,探索式学习。文中从网络教育游戏的学习方式--协作式学习入手,探讨基于网络教育游戏的协作式学习的特点和形式,并揭示了它的优势所在,从而对基于网络教育游戏的协作式学习提出反思和展望。

摘要： 文章首先介绍了电子商务教学模拟系统的基本背景和基本设计思想;然后结合建构式学习理论,分析了电子商务教学模拟系统中的协作式学习过程;最后针对现有电子商务教学模拟系统中存在的学习者无法直观地构建个人知识体系的问题,在已有系统的基础上,基于建构主义,借鉴社会性软件和Web2.0的思想技术,提出了作者关于系统设计的一些新的想法,即系统可以为每个学习者提供一个可自由编辑的个人空间,并在此基础上形成一个公共知识库,作为对模拟平台的补充,使得学习者通过在模拟平台上扮演各种角色,体验并积累知识和经验之后,能够在系统提供的个人知识空间中直观地构建起自己的知识体系。

摘要： 本文分别从5个方面分析了计算机网络环境下的协作式学习模式对大学英语学生能力提高的影响与反拨作用。指出该学习模式有利于培养学生的学习积极性与主动性、语言文字的表达能力与学习兴趣、自主学习能力与团队合作精神、主动获取信息能力与分析问题、解决问题的能力以及创新求异能力和批判性的思维能力。

摘要： 本文给出了一个网络环境下的协作式学习系统模型,讨论了基于小组的协作式学习过程以及学习者间的协作模式,最后通过一个基于校园网的协作式课程设计教学系统来说明网络环境下的协作式学习模式在高等教育中的具体应用.

摘要： 动态的社会性交互是现代远程学习的重要特征。在网络教学中，小组协作式学习是促进社会性知识建构的重要途径。小组协作式学习具有社会强化和信息交流功能。通过助学者——学习者以及学习者彼此之间的互动，小组协作式学习可以为学习者提供学术性支持、认知性支持和人际性支持。最后，本文提出了小组协作式学习的设计思路。

摘要： 知识经济时代呼唤具有合作精神和创新能力的高素质人才,然而传统教学模式在人才培养方面存在一定的弊病.本文介绍了协作式学习方式及其基本特征,阐述了建构主义认知理论对协作式学习的理论指导,分析了与协作式学习所主张的环境相吻合的计算机网络环境的特点后,最后提出了基于协作式学习的网上教学软件的设计模式及评价思想.

摘要： 21世纪是一个信息化时代,随着Web 2.0的发展成熟,SNS成为了人们交流的有效工具.与此同时,网络学习渐渐成为了学习的一种主要方式.下一代互联网即将普及,本文设计了一个以建构主义、六度分割理论作为理论基础,以SNS作为技术基础,运行在IPv6之上的垂直SNS交互式网络学习平台,即符合了网络学习的需求,又丰富了IPv6资源,对下一代互联网的应用起到了很好的示范作用.

摘要： 21世纪是一个信息化时代,随着Web 2.0的发展成熟,SNS成为了人们交流的有效工具.与此同时,网络学习渐渐成为了学习的一种主要方式.下一代互联网即将普及,本文设计了一个以建构主义、六度分割理论作为理论基础,以SNS作为技术基础,运行在IPv6之上的垂直SNS交互式网络学习平台,即符合了网络学习的需求,又丰富了IPv6资源,对下一代互联网的应用起到了很好的示范作用.

摘要： 21世纪是一个信息化时代,随着Web 2.0的发展成熟,SNS成为了人们交流的有效工具.与此同时,网络学习渐渐成为了学习的一种主要方式.下一代互联网即将普及,本文设计了一个以建构主义、六度分割理论作为理论基础,以SNS作为技术基础,运行在IPv6之上的垂直SNS交互式网络学习平台,即符合了网络学习的需求,又丰富了IPv6资源,对下一代互联网的应用起到了很好的示范作用.

摘要： 21世纪是一个信息化时代,随着Web 2.0的发展成熟,SNS成为了人们交流的有效工具.与此同时,网络学习渐渐成为了学习的一种主要方式.下一代互联网即将普及,本文设计了一个以建构主义、六度分割理论作为理论基础,以SNS作为技术基础,运行在IPv6之上的垂直SNS交互式网络学习平台,即符合了网络学习的需求,又丰富了IPv6资源,对下一代互联网的应用起到了很好的示范作用.

摘要： 本发明提供了一种网络协作学习系统和网络协作学习方法，所述网络协作学习系统包括：用户分组平台、公共阅览室和至少两个用户网上书房。通过使用上述的系统和方法，可使得系统中的各个用户之间可以进行信息交互，加强系统中各个用户之间的互动与交流，实现协作学习。

摘要： 本发明公开了一种基于联邦学习的协作式在线视频边缘缓存方法，参与对象包括多个用户、多个边缘节点及中心服务器，多个边缘节点为其覆盖区域内的可移动的多个用户提供服务，并且连接到中心服务器，每个边缘节点配置边缘服务器，所述方法包括如下步骤：步骤一，根据参与对象的多个用户、多个边缘节点及中心服务器建立网络模型；步骤二，采用改进的联邦学习方法建立预测模型并对预测模型进行训练，得到用户在线视频请求预测模型；步骤三，根据用户在线视频请求预测模型得到用户在线视频请求预测列表，多个边缘节点分析其区域覆盖范围内的用户请求预测列表，并采用协作式缓存决策进行边缘缓存。根据本发明的方法，训练之后的预测模型能够自动更新。

摘要： 本发明公开了一种利用多级协作式机器学习的天线快速多目标建模方法，该方法首先通过低精度仿真获得大量样本点处的天线第一设计目标的响应数据集，通过高精度仿真获得少量样本点处的天线第一设计目标、第二设计目标或其他设计目标的响应数据集；然后利用多种机器学习方法，学习不同精度模型间及不同设计目标间的联系，并预测获得精度较高的辅助数据集；最后利用得到的高精度辅助数据集学习并建立天线设计参数和各设计目标之间的代理模型，实现对多目标天线设计的快速建模。本发明可以实现对天线不同设计目标的精准预测，能够大大减少所需的精确训练集的个数，快速建立足够精确的代理模型，可用于天线优化、敏感性分析等领域。

摘要： 本发明提供了一种网络协作学习系统和网络协作学习方法，所述网络协作学习系统包括：用户分组平台、公共阅览室和至少两个用户网上书房。通过使用上述的系统和方法，可使得系统中的各个用户之间可以进行信息交互，加强系统中各个用户之间的互动与交流，实现协作学习。

摘要： 本发明提出了一种基于深度强化学习的无人机辅助协作式任务卸载方法，步骤如下：S1、无人机实时采集物联网系统中环境数据；S2、根据S1中过往的终端设备信息预测任务到达；S3、根据S2中预测数据提前训练并记录结果；S4、根据S1、S3的输入参数为终端设备选择性能最优的计算任务卸载策略并卸载计算任务；S5、无人机根据奖惩机制计算当前得分，并将数据作为经验放入经验回放池中；S6、从经验回放池随机采样小批量样本输入当前网络和目标网络，并更新网络参数；S7、重复S1～S6，不断迭代更新，最终计算任务卸载决策趋于最优；本发明可以自适应调整物联网系统中的计算任务卸载策略，在满足无人机和基站容量约束的同时，可以实现较低的任务丢失率。

摘要： 本发明属于通信技术领域，公开了一种星地协作网络中分布式深度学习的计算卸载方法，包括：为在轨边缘计算场景设计一种云‑边缘‑本地三层架构，地面用户的任务可选择在本地、低轨卫星边缘服务器或地面云计算中心执行；将卸载决策和资源分配问题建模为混合整数规划问题；构建针对星地协同网络的分布式卸载算法，以分步解决混合整数规划问题并获得最优的卸载决策和资源分配结果。本发明所述问题的目标是在满足约束的条件下最小化架构中的时延能耗加权总成本。为解决以上问题，本发明提出了CNDO算法，算法分两步得到TLOE场景中的最优卸载决策，避免了维数灾难问题。实验结果证明，本发明所述方案具有良好的性能。

摘要： 本发明公开了一种基于分布式协作学习的DDoS主动防御系统及方法，该系统包括DDoS攻击检测模块、边缘设备分布学习模块、决策强化学习模块和主动防御模块；采用CNN神经网络充分发掘数据流量的时间特征和空间特征；将CNN神经网络模型和轻量级模型引入物联网DDoS攻击流量检测；边缘节点上传环境信息给云服务器，控制节点下放主动防御决策给边缘节点；实现边缘节点做出协作学习决策，部署拓扑构造策略；选择主动防御措施。与现有技术相比，本发明实现了应用于端‑边设备架构下，针对物联网数据流的分布式在线DDoS检测技术，实现延迟更低、鲁棒性更好的智能防御引擎；节点间的交互机制和学习机制提升了主动防御的精确度，有效降低了时延。

摘要： 本申请公开了一种协作式的量子学习方法、系统及存储介质，应用于机器学习技术领域，应用于第一用户端中时，包括：生成初始化量子态数据并赋值，以将第一用户数据加载到初始化量子态数据中，得到第一量子态数据；将第一量子态数据输入至第一量子神经网络中进行机器学习，得到携带有第一特征数据的第二量子态数据；对第二量子态数据进行置0操作，以删除第二量子态数据中存在的第一用户数据，得到第三量子态数据；将第三量子态数据传递给第二用户端进行操作，以完成第一用户端和第二用户端的协作式量子学习。应用本申请的方案，在保护用户隐私的基础上，完成了第一用户端和第二用户端的协作式量子学习。

摘要： 本发明提出的基于背靠背协作学习的分布式诱骗抗干扰方法中，各节点基于相同的信念在无信息交互的条件下根据特定抗干扰策略更新机制制定自身的抗干扰策略，通过背靠背协作机制联合抵抗反应式干扰攻击。各节点持有的相同信念为“单边策略的改变会导致其他节点的联合策略发生线性变化”，在该信念下，各节点在制定自身抗干扰策略时能够对其他节点的诱骗策略进行推测，并在该推测的基础上制定自身抗干扰策略，实现无信息交互条件下的协作抗干扰。该方法应用于分布式无线通信网络场景中，可使用户不通过任何信息交互即可学习到有效的欺骗式抗干扰策略，同时自主选择高效通信策略，在抵御反应式干扰攻击的同时最大化通信系统容量。

摘要： 本发明公开一种基于协作Q学习的分布式卫星网络智能负载均衡方法，包括：所述方法将Co l l aQ强化学习算法应用于卫星通信，其数据传输过程为：1).地面将数据包发送到卫星，接收卫星将数据包缓存在队列中；2).卫星根据所提出的算法将数据包发送到相邻卫星；3).目的卫星将信息发送回地面上的目的地。每个轨道上分布的卫星数相等，将轨道数定义为m，每个轨道中的卫星数为n。相邻轨道之间的经度差为360°/m，同一轨道中相邻卫星之间的经度差为180°/n。在本发明中Co l l aQ算法在处理环境中复杂的Agent拓扑时具有良好的收敛性，并且可以很好地应对系统规模的变化。Col laQ的性能要优于DDPG，并且网络中的最大链路利用率相对较小，这意味着它可以更有效地实现负载平衡。