网络学习空间课程在线临场感对学习实效的影响研究

构建网络学习空间在线临场感模型并在《数据库技术及应用》网课中加以应用。对网课中产生的问卷数据和学习行为数据采集与处理。以数据分析形式揭示在线临场感体验与学习实效间的关系、在线临场感各维度的具体行为如何影响在线学习实效、哪些其他因素对在线临场感体验和学习实效还有影响等。综合数据分析结果为提升网络学习空间课程学习实效提供启示。     

基于大学生在线临场感水平调查的计算机公共课网络学习空间构建策略研究

解读在线临场感内涵,并从教学临场感、认知临场感、社会临场感三个维度对大学生在线临场感水平实施问卷调查。从描述性统计和群体差异性统计角度对调查结果加以分析。以计算机公共课《数据库技术及应用》为例,综合调查结果和学科特点对网络学习空间构建提供策略,从而为促进网络学习空间创新发展提供经验积累。     

网络学习空间课程满意度调查及其启示

解析网络学习空间课程满意度调查内涵,以大学计算机公共课《数据库技术及应用》课程为例施以问卷调查。以总体使用感受满意度、平台功能满意度以及与在线临场感密切相关的教学临场感满意度、社会临场感满意度和认知临场感满意度五个分维度为切入点,进行详细地数据分析。依据分析结果为后疫情时期网络学习空间课程转型提供启示。     

元认知与探究社区模型的关系——基于大学英语混合教学实践

作为对主体认知加工的监控及管理，元认知是语言学习中的核心要素。以312名大学生为研究对象，采用因素分析法获得了大学英语混合协作学习模式下的元认知结构，并通过结构方程模型检验了元认知与探究性学习社区在线临场感之间的关系。结果表明：1)元认知由自我调节、共同调节组成；2)教学临场感能够预测认知临场感；3)自我调节、共同调节和社会临场感在教学临场感和认知临场感的关系中发挥多重中介作用。基于以上研究结果，提出大学英语探究学习社区的建立和维护应注重教学临场感的关键作用，调动学习者的元认知并充分发挥社会临场感对语言交互环境的积极影响。     

基于结构方程的学习者在线学习参与度与持续学习意愿影响研究

学习者在线学习参与度是衡量网络学习空间质量的参考要素之一,学习者持续学习意愿是网络学习空间可持续发展的重要前提。利用结构方程分析法,构建在线学习参与度与网络学习空间持续学习意愿模型并进行数据分析。从在线学习参与度提升及加强持续学习意愿等方面为优化远程教育网络学习空间建设提出建议。     

基于文本情感分析的高职学生在线课程学习体验研究

探讨高职学生在线课程学习体验,可以提升高职院校在线课程教学质量和人才培养质量,促进高职教育教学改革.使用爬虫软件搜集微博平台上高职学生在线课程学习的评论,对采集的文本数据进行清洗、分词、词频统计、词云绘制和情感分析,发现高职学生虽然较为认可在线课程学习方式,但其在线课程学习体验不容乐观,线上教学并不能完全取代线下教学;学习任务重、注意力不集中、自律性差、听课效率低、学习软件过多等问题在一定程度上拉低了学生的在线课程学习体验.为提升高职学生在线课程学习体验,应关注学生在线学习毅力水平,提高学生在线学习动机,提升师生交互水平,增强其社会临场感.     

力觉临场感遥操作机器人(4):系统的操作性能评价

力觉临场感遥操作机器人系统是一种典型的人-机-环交互系统,临场感是遥操作的核心.如何评价力觉临场感遥操作机器人系统的操作性能即临场感程度,目前大多采用基于人机工效学的主观评价分析方法.通过建立力觉临场感遥操作机器人系统的二端口网络模型,对操作者在遥操作过程的感知和控制行为进行了分析,给出了虚拟阻抗的定义,以此为基础提出了可定量评价系统操作性能即力觉临场感程度的阻抗比较法.利用阻抗比较方法对现有的4种不同反馈控制结构遥操作机器人的操作性能作了分析与评价.     

在线聚类的网络流量识别

针对网络流量在线识别的难题,提出一种聚类算法和在线流量识别方案.以网络数据流的若干初始数据包作为子流,提取子流的统计特征,应用基于滤波器算法的属性相关性算法提取子流最佳特征子集,并提出基于密度的在线带噪声空间聚类算法对子流特征向量进行聚类,采用优势概率业务实现聚类和应用类型的映射.实验结果表明,该方案具备识别新应用类型和加密数据流的功能,且能实现在线的网络流量分类.     

基于电子商务在线社会网络服务的使用意愿影响因素研究

相比交友型的社会网络服务,商务型的社会网络服务刚刚起步,用户量还不是很多.弄清基于电子商务的在线社会网络服务的使用意愿的影响因素是在线社会网络服务发展的一个重要课题.以技术接受模型为基础,通过调查问卷收集数据,并利用SPSS软件进行数据分析,从增加社会认同、爽体验、临场感等角度来扩展技术接受模型,从而研究人们对在线社会网络服务使用意愿的影响.     

自媒体环境下网络课程实施效果评价

社会进入自媒体时代,网络课程和网络在线学习语言已成为研究的热点。文章利用网络平台在线调查和问卷调查的方法分别从资源获取、使用效率、学习影响等方面对高校网络课程的应用现状进行了调查分析。研究结果表明,大部分学生对网络课程学习持肯定态度,都有在线学习的经历,但现阶段大学生对网络课程资源的有效利用仍然处于较低层次。另外,以M大学英语专业高级英语课程作为个例,研究了网络课程对大学生学习效果的影响。结果表明参加网络课程学习的学生的平均成绩略高于只参加课堂学习的同学,但是两者之间并不具有统计学意义上的显著差异。最后,文章讨论了评价大学生网络课程学习行为和学习效果的方法,并提出了提高大学生自主学习能力的一些建议。     

基于R-OSELM的海洋环境数据在线预测

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.     

网络环境下“机械制图”的在线学习

网络环境下的在线学习系统,具有平等交互式的学习环境、丰富的信息容量和丰富的表现形式等特点。在阐述网络学习的概念和特点的基础上,以我系《机械制图》精品课件为基础,介绍了在线学习系统的框架、内容、特点、关键技术,给出了把精品课件从原来为教师的演示工具转变为学生在线学习工具还需进一步补充、完善的内容。     

基于邻域决策误差率的层次分类在线流特征选择

在实际应用领域中,存在许多特征空间无法预先给定的场景,数据以特征流的形式随时间动态流入特征空间,而样本数量是固定不变的. 同时,数据的类别中往往存在丰富的层次化结构关系,传统的特征选择算法在性能上已无法满足需求. 基于此,本文提出一种面向层次分类学习的在线流特征选择算法. 首先,利用兄弟节点之间的关系设计了一种基于最大近邻的决策误差率计算公式. 其次,设计在线重要性选择和在线冗余更新两种在线评估准则,用于选择决策误差最小的特征子集. 最后,在6个层次数据集上的实验结果表明,所提算法优于一些现有的在线流特征选择算法.     

基于网络学习行为聚类分析的在线课堂优化策略研究

利用聚类分析法对网络学习行为分类，从而挖掘不同类型学习者在学习行为和学习效果间的差异。以大学计算机公共课《数据库技术及应用》为例，综合学习者学习行为类别差异、在线课程内容组织以及课程特点等要素为在线课堂进一步发展提供优化策略。     

基于快速留一交叉验证法的在线递推最小二乘支持向量机建模方法

为提高软测量模型的全局推广能力,提出一种基于快速留一交叉验证法(FLOO-CV)的在线递推最小二乘支持向量机(LSSVM)建模方法。在前向学习过程中,设计一种基于FLOO-CV预报误差的模型更新阈值,该阈值无需人工设定,且能够根据过程特性自适应改变;后向学习时采用FLOO-CV删除对模型整体性能影响最小的冗余样本,最大程度地保留模型的推广性能。工业聚丙烯熔融指数的软测量建模研究表明,该方法能够在提高模型泛化能力的同时,有效降低模型更新频率。     

一种基于即时学习的多模型在线建模方法

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法.该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点的移动,滚动建立系统的多个模型,实现对非线性系统的准确建模.在建立邻域的过程中,采用一种基于SP-Tree数据结构的数据库进行分层递阶搜索,有效地提高了在线建模的实时性.最后,通过对一个仿真案例的研究验证了该算法的有效性.     

基于移动窗口的适应性在线投资组合策略

在线投资组合选择问题是当前量化投资领域一个重要的研究问题.为了避免剧烈波动的股票市场中过去较长时间的股价数据对当前的投资决策产生干扰,基于移动窗口设计在线投资组合策略.首先利用近期股价数据,计算所有定常再调整策略的近期表现并对其进行排序;根据其排序构造权重,对所有定常再调整策略进行加权平均,提出了基于移动窗口的策略;进一步采用适应性学习的方法选择移动窗口的长度,提出了适应性学习的策略.采用实际股价数据对提出的策略进行了实证分析,结果表明它们具有较好的性能.