深度学习视角下的高中信息技术项目式个体合作学习策略

深度学习是指学生通过学习能够迁移应用知识、解决实际问题。本文立足高中信息技术课堂,基于深度学习视角,以项目式学习为载体,通过设计有效的学习路径、制订科学的分组策略、搭建适合的学习支架,制订科学的个体合作学习策略,创新项目式学习模式,突破项目式学习的瓶颈问题,有效地促进了学生学习方式的转变,从而促进学生的深度学习。     

学习控制的结构方案要

研究和评述了学习控制有代表性结构类型，包括基于模式识别的学习控制反复学习控制重复学习和基于连接机制的学习控制等，本文着重讨论了学习控制的结构机理，提供了应用的基础，大多数控制结构方案都获得实际应用的验证。     

论新媒体视野下学习方式的转变

在新媒体条件下了解学习方式的转变,与新课改下倡导的学习方式进行比较,分析了移动学习、泛在学习、个性化学习的特点,指出学习者在特定的学习环境下选择恰当的学习方式,可以有效提高学习效率。     

基于移动学习的学科主题学习资源设计研究

移动学习作为一种新型的学习方式正成为研究热点,而基于移动学习的学科主题学习资源相对缺乏。本文阐述了移动学习的概念及特点、主题学习、学科主题学习资源的理论基础,分析了基于移动学习的学科主题学习资源设计的基本原则,最后构建了基于移动学习的学科主题学习资源的设计框架。     

基于混合式学习的移动教学系统的设计与应用研究

混合式学习(Blended Learning),从战略视角,是网络学习与面对面传统课堂学习的有机融合;从战术视角,混合式学习是具体教育实践方式的混合,其混合形式也是多种多样的。目前,对于混合式学习而言,战略层面已非常清晰,更亟待从战术层面完善。文章从战术视角,设计了一款移动教学系统,用于混合式学习。研究实践证明,基于移动APP的混合式学习能够提高学生成绩和学习兴趣。     

浅析维汉双语学习软件的设计与开发

通过计算机软件学习语言是随着信息技术的不断发展而采的一种学习方式.笔者通过研究现有的各类语言学习软件,提出了在计算机环境下维汉双语学习软件的设计与开发构想,论述了维汉双语学习软件的设计思想及体系结构,阐述了学习系统的各个模块的主要功能.     

元强化学习研究综述

近年来,深度强化学习(deep reinforcement learning, DRL)已经在诸多序贯决策任务中取得瞩目成功,但当前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进一步发展的关键因素.元强化学习(meta-reinforcementlearning,Meta-RL)致力于以更小的样本量适应更广泛的任务,其研究有望缓解上述限制从而推进强化学习领域发展.以元强化学习工作的研究对象与适用场景为脉络,对元强化学习领域的研究进展进行了全面梳理:首先,对深度强化学习、元学习背景做基本介绍;然后,对元强化学习作形式化定义及常见的场景设置总结,并从元强化学习研究成果的适用范围角度展开介绍元强化学习的现有研究进展;最后,分析了元强化学习领域的研究挑战与发展前景.     

试论Internet环境下的非正式学习

Internet环境下的非正式学习Internet文化中的非正式学习,是指学习主体主要通过Internet来进行的非正式学习,包括个体学习和各     

学习控制技术·方法应用的发展新动向

分析和概述了当前学习控制系统所采用的技术、学习方法及应用的发展新动向 .从所采用的技术来看 ,学习控制正在从采用单一的技术向采用混合技术的方向发展 ;从学习方法和应用来看 ,学习控制正在从采用较为简单的参数学习向采用较为复杂的结构学习、环境学习和复杂对象学习的方向发展     

元强化学习综述

强化学习在游戏对弈、系统控制等领域内表现出良好的性能,如何使用少量样本快速学习新任务是强化学习中亟需解决的问题。目前的有效解决方法是将元学习应用在强化学习中,由此所产生的元强化学习日益成为强化学习领域中的研究热点。为了帮助后续研究人员快速并全面了解元强化学习领域,根据近年来的元强化学习文献对研究方法进行梳理,将其归纳成基于循环网络的元强化学习、基于上下文的元强化学习、基于梯度的元强化学习、基于分层的元强化学习和离线元强化学习,对五种类型的研究方法进行对比分析,简要阐述了元强化学习的基本理论和面临的挑战,最后基于当前研究现状讨论了元强化学习的未来发展前景。     

e-Learning的学习过程管理的研究

基于当前网络学习平台中学习过程管理容易被忽略的现状,本文分析学习过程管理中存在的问题,提出重视学习过程管理的必要性,并探讨了学习过程管理系统的构建及应用.     

多Agent协作的强化学习模型和算法

结合强化学习技术讨论了多Agent协作学习的过程,构造了一个新的多Agent协作学习模型。在这个模型的基础上,提出一个多Agent协作学习算法。算法充分考虑了多Agent共同学习的特点,使得Agent基于对动作长期利益的估计来预测其动作策略,并做出相应的决策,进而达成最优的联合动作策略。最后,通过对猎人。猎物追逐问题的仿真试验验证了该算法的收敛性,表明这种学习算法是一种高效、快速的学习方法。     

影响网络学习因素研究

网络学习已面向中学教学,中学生在网络学习中会受到多方面因素的影响,这些影响因素对中学生的网络学习又会产生不同的学习效果。文中为了了解影响网络学习因素,采用问卷调查的方法,以安庆地区中学生为研究对象,对学生的自主学习能力状况、家庭学习条件状况和学校学习条件状况等方面来研究影响网络学习因素,并根据调查结果分析影响网络学习效果的因素,及提高网络学习效果的方法。     

学习分析技术支持的在线深度学习的模型构建

本文将深度学习与学习分析相结合,从评价学习层次、教师深度教学能力、反思且主动地学习、学习内容的适切性四个方面阐释了学习分析对在线深度学习的影响,并在分析在线学习行为和学习分析过程的基础上,构建了学习分析技术支持的在线深度学习的模型,试图促进学习分析与在线学习融合模式的深入讨论。     

强化学习理论、算法及应用

强化学习（ｒｅｉｎｆｏｒｃｅｍｅｎｔ ｌｅａｒｎｉｎｇ）一词来自于行为心理学,这一理论把行为学习看成是反复试验的过程,从而把环境状态映射成相应的动作。首先全面地介绍了强化学习理论的主要算法,即瞬时差分法、Ｑ－学习算法及自适应启发评价算法;然后介绍了强化学习的应用情况;最后讨论了强化学习目前所要研究的问题。     

自主学习式课件技术探究

自主学习可以分为三个方面：一是在学习活动之前能够自行确定学习目标，制订学习计划、作好具体的学习准备；二是在学习活动中能够对学习进展、学习方法作出自我监控、自我反馈和自我调节；三是在学习活动后能够对学习结果进行自我检查、自我总结、自我评价和自我补救。     

影响网络学习因素研究

网络学习已面向中学教学，中学生在网络学习中会受到多方面因素的影响，这些影响因素对中学生的网络学习又会产生不同的学习效果。文中为了了解影响网络学习因素，采用问卷调查的方法，以安庆地区中学生为研究对象，对学生的自主学习能力状况、家庭学习条件状况和学校学习条件状况等方面来研究影响网络学习因素，并根据调查结果分析影响网络学习效果的因素，及提高网络学习效果的方法。     

实例学习与解释学习的结合

实例学习和基于解释的学习是机器学习领域中具有代表性的、研究得最为深刻的两种学习方法,但由于这两种学习方法都存在一定缺陷,使它们在实际应用中受到较大的限制。在关于人类概念形成的心理学理论的基础上,本文讨论一个基于实例和解释的学习模型,将这两种学习方法有机结合在一起,一方面使用领域知识指导归纳学习过程:另一方面用归纳学习弥补领域知识之不完善。其学习机理更加接近人类学习的认知过程——抽象思维过程,取得了较好的学习效果。     

基于强化学习的多移动Agent学习算法

结合强化学习技术讨论了单移动Agent学习的过程,然后扩展到多移动Agent学习领域,提出一个多移动Agent学习算法MMAL(MultiMobileAgentLearning)。算法充分考虑了移动Agent学习的特点,使得移动Agent能够在不确定和有冲突目标的上下文中进行决策,解决在学习过程中Agent对移动时机的选择,并且能够大大降低计算代价。目的是使Agent能在随机动态的环境中进行自主、协作的学习。最后,通过仿真试验表明这种学习算法是一种高效、快速的学习方法。     

提升学习者学习情感体验的学习辅助系统研究

文章着重研究在疫情背景下,如何利用学习辅助工具更好地提升大学生的学习情感体验,以提高学生学习兴趣及效率。为此,团队设计并实现了一款微信小程序,利用wxml、wxss、JavaScript及Node.js语言实现系统代码编写,实现了趣味学习打卡、学习资源共享、师生互动及学习能量兑换等功能。经使用测试,系统能满足用户在线学习功能需求,有效提高学生的学习情感体验,有利于激发学生的学习兴趣。