协同学习

摘要： 学习共同体是21世纪学校变革的新愿景,以保障所有学生的学习权为目标,以学生学习方式变革为中心,将学生协同学习、教师协同研修和学校内涵发展相互结合,在平等、尊重、倾听、共赢的文化氛围中,实现每位学生和每位教师的自我超越和深度学习。学习共同体改革对校长和教师提出了新的挑战:从学校的层面要重建愿景和管理机制;从教师的角度要采用课堂观察和研究的新方法,根据学生的学习需求进行高品质的学习设计,并通过校本研修不断提升自身的专业能力。本期专题聚焦“学习共同体”的本土化实践,从整校变革、课堂观察、校本研修、学习设计等方面进行系统化的阐释,以飨读者。

摘要： 协同学习是一种结构化的、系统化的学习策略,着眼于互动互补、协同完成、共享成果,能有效培养关键能力,塑造共同的未来。建立富有凝聚力的协同学习共同体是实现协同学习的重要保证,学习共同体的“互补”“共促”“共进”等体验优势,能提升关键能力。实施协同学习,要确定协同学习实施框架的核心要素和实施策略,为学习者创设典型学习情境、精心设计学习任务、提供优质资源。实施协同学习,还要重视多元评价以保证协同学习质量。

摘要： 项目学习是在一定时间内,完成一系列特定目标的多项相关工作的学习活动。科技活动可以设计培养学生关键能力的项目,项目组成员从主题出发,通过分析、研究、交流,明确项目任务和责任分工,形成具有共同愿景的学习共同体;激发学习者更好地整合多方资源,在完成项目任务的同时,着眼于互动互补、协同学习,培养学生关键能力。

摘要： 声场景探察和自动分类能帮助人类制定应对特定环境的正确策略,具有重要的研究价值。随着卷积神经网络的发展,出现了许多基于卷积神经网络的声场景分类方法。其中时频卷积神经网络(TS-CNN)采用了时频注意力模块,是目前声场景分类效果最好的网络之一。为了在保持网络复杂度不变的前提下进一步提高网络的声场景分类性能,该文提出了一种基于协同学习的时频卷积神经网络模型(TSCNN-CL)。具体地说,该文首先建立了基于同构结构的辅助分支参与网络的训练。其次,提出了一种基于KL散度的协同损失函数,实现了分支与主干的知识协同,最后,在测试过程中,为了不增加推理计算量,该文提出的模型只使用主干网络预测结果。在ESC-10、ESC-50和UrbanSound8k数据集的综合实验表明,该模型分类效果要优于TS-CNN模型以及当前大部分的主流方法。

摘要： 协同学习是日本教育家佐藤学基于课堂革命背景提出的一种通过相互倾听的互惠共赢的学习理念。“信息技术”是中职生必修的公共基础课,面对时代和课改的要求,如何真正让学生获得信息素养并全面发展,正是协同学习可以尝试的有效方法。

摘要： 分布式认知建构强调认知现象在认知主体和环境间分布的本质,网络学习空间环境有助于个体在这一环境中通过检索、比较、学习、讨论等,实现分布式认知与个体认知无缝对接。在网络学习空间环境下,分布式认知建构的过程是以网络学习空间平台为载体的协同学习过程,是个体通过反馈自我调控的过程。在分布式认知理论支持下,从任务、个体和群体三个维度提出基于网络学习空间的分布式认知建构形成过程的有效性策略,以帮助学习者在网络学习空间环境下获取知识、生成知识、表征知识、分享知识、减少知识流动阻力。

摘要： 针对柔性元件所引入的非线性因素导致的控制精度问题,为了提高柔性关节机器人的控制性能,本文提出了针对柔性关节的协同学习智能控制算法,并构建了协同学习实现框架,以连接柔性杆的关节平台进行了基于协同学习的智能控制算法的实验分析与验证。通过鲁棒性实验,得出协同学习智能控制算法具有良好的抗干扰性,验证了基于协同学习的智能控制算法的有效性及其在柔性关节机器人运动控制中的应用价值。

摘要： 随着教育改革的推进,在小学数学教学过程中,教学方法在不断地与时俱进和创新,尤其是在小组学习和合作教学的教学模式深受好评的学习过程中,如何进一步就这一教学模式和方法来进行优化,使得教学在原有的基础上局限在了“相互说”,实现真正的“相互学”,使学生真正在集体学习的过程中,促进相互思考,最大化地实现学习效率的提升,成为教师关注的重点问题,而协同学实践正是基于这一方向进行的探究与思考。

摘要： 近年来,国家高度重视对民间非物质文化遗产的活态传承。宁波开放大学象山学院以乡村文化振兴为出发点,以民间刺绣非遗项目学习型团队——“七彩绣社”为载体,积极推进优秀非遗文化特色社区教育的研究与实践。通过阐述农村非遗文化和农村社区教育的发展内涵,聚焦“七彩绣社”的实践案例,探讨优秀非遗文化嵌入农村社区教育发展创新的可能,并通过协同学习机制、立体学习资源。

摘要： 学习力是大学生学习能力发展的重要影响因素,但对学习力的研究理论思辨较多、实践探究较少。本文通过准实验研究,发现思维导图协同学习模式可以很好地激发学生的学习兴趣,提升学习效果,进而提升学生的学习力。学习力在学生学习发展中发挥越来越重要的作用,需要结合相关学科,开展有关实验分析。

摘要： 协同学习是一种通过小组或团队的形式组织学生进行学习的策略.充分发挥学生在协同学习中的中心作用是协同学习成功实施的关键和核心内容.我们在长三角绿色制药协同创新中心开设数值计算课程的过程中,尝试了多种协同学习的手段,让学生充分参与到协同学习的各个环节,在课程学习的过程中全程遵循协同学习的原则和方法,师生合作,学以致用,取得了很好的效果.本文介绍了我们基于协同学习的数值计算课程实践与探索.经过三年的教学实践，我们在协同学习方面取得了很好的效果。学生的协同学习能力和创新思维能力得到明显提升。学生对于课程的理解不限于课本知识和纯数学的公式与概念的学习，而是渗透到以数据分析为主要表现的数值计算在化学、生物、药学等相关领域的应用。学生真正做到学以致用，并形成一种良好的协同学习的习惯，延伸到其他学科，取得了很好的示范效应。下一步将在该课程中进一步探索协同学习的方式和方法、师生互动的形式和内容，希望能更好地发挥协同学习在学生学习能力、创新能力培养方面的优势。

摘要： 大型多点触控屏幕能让多人同时于一屏幕上进行操作。而若将此工具结合数字游戏运用在教学，将可在悦趣化情境下买现协同学。本研究即以此工具进行教学实验，探讨其对学习的帮助。结果表明，以此工具进行数字游戏式协同学习将能增进学习者对电学的学习成效及学习保留。

摘要： 多模态深度学习主要研究方向包括多模态数据表示、跨模态相似性计算、对齐、多模态数据转换、模态数据融合、协同学习。

摘要： 介绍了香港大学李嘉诚医学院的概况，学院采用以团队为基础的专业间协同学习模式，旨在培养不同专业学生之间的交流能力.

摘要： 本研究在智慧教室环境利用POE探究式学习策略、凯利方格技术、协同学习模式建构一个适合小学自然科学教育的数位学习模式.结果发现能有效提升学习成效达显着差异水准;此外,POE探究式学习策略、凯利方格技术、协同学习模式,此三种模式适合同时应用,提升学习成效效果最佳.

摘要： 本文提出一种新的半监督极化SAR(synthetic aperture radar)分类方法,当已标记的训练样本较少时,使用监督SVM分类方法不能得到准确的分类效果,本文采用的半监督学习策略在Co-training基础上结合SVM分类算法和复Wishart分布.该方法在只有少量标记样本的情况下,利用大量的未标记样本采用Co-training学习方法修正SVM分类器,并结合复Wishart分布提高分类效果.理论分析与实验表明,该算法能获得有效地分类,且分类结果明显优于传统算法.

摘要： 本文通过对课堂教学活动和网络教学环境下的学习活动进行分析，以此为基础论述数字图书馆在高校教学及个体学习活动中的作用。通过分析数字图书馆在资源、技术服务上的特点及优势，论证其为教学活动、尤其是不同于传统课堂学习方式的自主学习及协同学习提供数字化学习环境、满足学习者知识学习和个体交流需求的实现条件。

摘要： 本文以大学图书馆作为空间设计的说明载体.讨论21世纪图书馆如何藉由电脑、网路、多媒体的帮助,将学习工厂的学习理念拉入到大学图书馆中.借着图书馆本身角色的转换:从被动的知识提供者到主动的协同学习,由单一个体学习的空间模式到群体互动学习的空间概念,带出电子时代复合式大学图书馆所需要的学习空间,并透过伊东丰雄提出的"交融建筑"设计概念,提出大学图书馆空间未来发展的可能性.

摘要： 护理学是一门实践性很强的学科,具有直观性和规范性强的特点,实训中心建设也具有其独特性;CSCL的目标是为学习者的自主学习、交流互动学习提供支持;这样将CSCL引入到护理实验教学示范中心建设中来,既可以满足学生个性化学习、模拟学习和协作学习的需求,又能实现实验室教学资源共享,提高学生对护理课程理论知识的理解和掌握及实践创新能力的培养都起着非常重要的作用.

摘要： 护理学是一门实践性很强的学科,具有直观性和规范性强的特点,实训中心建设也具有其独特性;CSCL的目标是为学习者的自主学习、交流互动学习提供支持;这样将CSCL引入到护理实验教学示范中心建设中来,既可以满足学生个性化学习、模拟学习和协作学习的需求,又能实现实验室教学资源共享,提高学生对护理课程理论知识的理解和掌握及实践创新能力的培养都起着非常重要的作用.

摘要： 本发明公开了一种面向在线教育的学习者协同学习社交关系的构建方法，包括：获取在线教育平台中学习者的基本信息数据，采用序列分析法抽取基本信息数据的属性特征；对属性特征中基本行为特征进行行为分析，以进行伙伴关系标注；利用k‑Means聚类算法处理伙伴关系标注，得到学习者学习社区聚类发现；根据学习者学习社区聚类发现构建总体神经网络，并利用属性特征对学习者协同学习社交关系神经网络进行训练，得到学习者协同学习社交关系神经网络，进而得到当前伙伴推荐列表；基于无标度网络理论和社交三角理论的学习者伙伴网络收敛及伙伴推荐列表重排。该方法能够为学习者推荐合适的学习伙伴，进而增强学习者在平台上的学习效果。

摘要： 本发明公开了一种面向在线教育的学习者协同学习社交关系的构建方法，包括：获取在线教育平台中学习者的基本信息数据，采用序列分析法抽取基本信息数据的属性特征；对属性特征中基本行为特征进行行为分析，以进行伙伴关系标注；利用k‑Means聚类算法处理伙伴关系标注，得到学习者学习社区聚类发现；根据学习者学习社区聚类发现构建总体神经网络，并利用属性特征对学习者协同学习社交关系神经网络进行训练，得到学习者协同学习社交关系神经网络，进而得到当前伙伴推荐列表；基于无标度网络理论和社交三角理论的学习者伙伴网络收敛及伙伴推荐列表重排。该方法能够为学习者推荐合适的学习伙伴，进而增强学习者在平台上的学习效果。

摘要： 本发明涉及一种基于联邦迁移学习的驾驶员行为云边协同学习系统，包括AI云平台、智能车载终端、以及用于联邦迁移学习的深度神经网络系统等组成。深度神经网络系统包括车载端神经网络和平台端神经网络，可基于AI云平台及与其连接的多个车辆的智能车载终端，实现车载端神经网络与平台端神经网络之间非原始数据传递的联邦模型训练与学习迁移。本发明用于智能汽车驾驶员行为感知及意图理解，与现有技术相比，不仅解决了大规模车辆集群的驾驶员协同感知机器学习问题，同时保护了驾驶员隐私。

摘要： 本发明公开了一种基于语音辅助的视听协同学习机器人，其特征在于，包括视觉系统、语音系统、综合学习系统和控制系统，本方案直接通过语言来获得大量打好语音标签的数据集可以解决传统繁琐而低效率的打标签现状，其次将打好语音标签的数据集导入神经网络进行训练，引导机器人对新对象进行自主学习，将提取到的特征信息存入使用知识图谱方法建立起的知识库中，这种通过知识图谱建立起的数据库可以用于推理，相对传统知识库的存储方式，更有利于机器人的实时学习。

摘要： 本发明公开一种基于多智能体强化学习的无人机集群协同学习方法，构造基于空气动力学的环境模拟器；每个无人机获取并维护本机的局部观测值；作为student，每个无人机获取并维护来自队友的建议观测值；作为teacher，为其他无人机给出指导值；基于本机局部观测值与从队友获取的建议观测值执行动作策略，获取奖励并转移到下一状态；基于MADDPG思想进行训练，直到值网络与策略网络收敛；执行阶段以分布式的方式进行，即每个无人机基于局部观测值和队友提供的建议观测值，通过动作策略执行。本发明可以在成本较低的前提下实现无人机集群之间观测值的互补，实现无人机单独自主决策，解决“主从”结构带来的通信问题。

摘要： 本发明属于车牌检测技术领域，涉及一种基于车牌间协同学习机制的车牌检测方法，以车牌检测数据集中车牌检测图片之间强一致性为基础，通过尺度间协同注意力机制学习不同车牌检测图片网络层输出特征之间的一致性，从而保证网络在特征提取阶段车牌特征之间的交互性，通过车牌特征之间的交互，实现共性特征之间共享。然后通过语义协同注意力机制学习不同车牌检测图片高层输出语义之间的一致性，从而保证网络能够凭借语义特征缩小车牌特征搜索范围，最终通过语义尺度协同学习机制融合网络语义上下文之间的关系，提升复杂场景车牌检测精度，不仅可以用来进行复杂场景下的车牌检测，还可用于复杂场景下的物体分割以及复杂场景下的物体检测。

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： 本发明涉及图像处理领域，尤其涉及一种基于深度多特征协同学习的图像修复方法，包括如下步骤：S1.将待修复图像输入一预设的图像特征编码器，通过深度神经网络编码对待修复图像进行有效特征提取，形成有效图像特征集；S2.所述有效图像特征集通过预设的图像解码器进行解码修复，通过局部和全局判别器后形成修复图像；其中，所述图像特征编码器由六个卷积层组成，其中三个浅层卷积层用于重新组织纹理特征，三个深层卷积层用于重新组织结构特征，得到结构特征集和纹理特征集；所述图像解码器包括一软门控双特征融合模块，用于融合上述结构特征和纹理特征，一双边传播特征聚合模块，用于均衡通道信息、上下文注意和特征空间之间的特征。本技术可以有效解决修复图像的伪影，使得修复后的图像具有详细的纹理和更好的图像外观。

摘要： 本发明公开了一种基于复矩阵和多特征协同学习的遥感图像分类方法，通过在黎曼RNRS分类方法的基础上引入超像素，减少了散斑噪声和计算时间，并且通过基于超像素的协同学习方法，将复杂矩阵和多特征融合到NRS分类框架中。本发明能够充分利用矩阵信息和极化特征，尤其在异质区域能够进行精确分类，得到更好的分类结果。

摘要： 本发明公开了一种基于区块链的群组协同学习方法，包括：S1，基于区块链构建协同学习模型，划分训练集和测试集；S2，预设智能合约模块，设置初始模型参数、全局聚合轮数和初始迭代次数，划分局部训练组；S3，选取局部训练组中信用最高的节点为领导节点，其它为训练节点，所有领导节点组成全局聚合组；S4，训练节点本地训练得到本地训练模型，领导节点利用联邦学习聚合得到本地模型；S5，全局聚合组聚合本地模型得到全局模型；S6，领导节点验证本地模型，根据验证准确率和历史信用更新边缘节点的信用；S7，更新初始模型参数，判断i＜I，如果是执行i＝i+1返回S3。本发明不仅有效降低了无线通信延迟，还增强了协同学习效率。