基于ANP-DEA-GRA的协同创新合作伙伴选择

合作伙伴选择是协同创新复杂的合作关系以及战略性新兴产业市场正常有效运行的重要前提。以战略性新兴产业与科研机构的协同创新需求为研究背景,按照合作伙伴选择原则,建立基于“投入能力-协同度-产出能力”框架的协同创新合作伙伴选择评价体系,并提出了一种新的网络层次分析（Analytic Network Process）,数据包络分析（Data Envelopment Analysis）和灰色关联度分析（Grey Relational Analysis）混合方法,称为ANP-DEA-GRA三阶段评价模型,该方法能利用各方法的优势,实现多指标、多方案的综合排序。分析了基于协同创新人力资源能力、财力资源能力、设备资源能力的投入能力指标,协同意愿、协同沟通能力的协同度指标,协同创新直接产出能力、经济产出能力的产出能力指标后,运用网络层次分析得出了各指标的优先级,从而筛选出对目标影响程度高的评价指标,然后计算合作伙伴协同创新能力的相对效率值和灰色关联度,实现对备选合作伙伴进行合理有效的排序。结果显示,构建的ANP-DEA-GRA三阶段评价模型既能够帮助企业择优合作伙伴,从源头上降低协同创新的风险;又能对协同创新合作伙伴进行效率评估,对其发现自身不足创造了条件,并为其提供了发展标杆。     

基于WEB的协同学习系统的设计与应用

CSCL的概念出现,不仅促进了对CSCW本身的研究,而且大大促进了网上协同工作应用的发展,尤其得以促进群体协同学习系统的迅速发展。文中讨论了建立协同学习系统所涉及到的相关研究、系统设计概念、系统功能结构、系统开发工具等,试图通过CSCW的概念,在网络环境下形成一个合作的虚拟学习团队,充分利用网络特性,注重学生与教师及学生与学生之间的相互协同关系,从知识分布与学习伙伴角度出发,强调知识和经验分享,构建共同研讨问题、设计方案的环境,实现高级认知技能、人际交往技能以及情感态度等有关的教学目标。     

一种面向个性化协同学习的任务生成方法

现有协同学习应用无法很好地支持学习任务的生成以及学习者的个性化学习.针对此问题,提出了一种面向个性化协同学习的学习任务生成方法.该方法在学习任务形式化描述的基础上,通过学习者分组、确定学习资源、分解学习单元、分配学习模式以及生成事件序列等步骤,生成既符合学习者群体认知水平,又符合个体学习者个性特征的协同学习任务.根据此任务,可以较好地实现网络环境下群体学习者的个性化协同学习.目前,该方法已在Smart-Realcalss网络教学系统中得到应用.     

基于WEB的协同学习系统的设计与应用

CSCL的概念出现,不仅促进了对CSCW本身的研究,而且大大促进了网上协同工作应用的发展,尤其得以促进群体协同学习系统的迅速发展.文中讨论了建立协同学习系统所涉及到的相关研究、系统设计概念、系统功能结构、系统开发工具等,试图通过CSCW的概念,在网络环境下形成一个合作的虚拟学习团队,充分利用网络特性,注重学生与教师及学生与学生之间的相互协同关系,从知识分布与学习伙伴角度出发,强调知识和经验分享,构建共同研讨问题、设计方案的环境,实现高级认知技能、人际交往技能以及情感态度等有关的教学目标.     

山高自有客行路,水深自有渡船人——程序设计课程教学的思考与实践

在程序设计课程中,应该培养学生具备哪些能力以及如何培养这些能力是近年来研究和探讨的主要问题。文章首先分析程序设计课程教与学过程中存在的主要问题,然后从如何提高学生的学习兴趣和学习主动性、如何加强对学生学习过程的监督指导以及如何客观公正地评价学生的编程实践能力等几个方面,介绍笔者在程序设计课程教学中的探索与实践。     

基于ANP的高校协同创新能力评价研究

为了解决高校协同创新中协同创新能力难于评价的问题,提出了一种用网络分析法对高校协同创新能力进行评价的评价模型,针对评价指标之间存在相互依赖或影响关系,以及评价过程主观性较强的情况,设计了运用改进后的德尔菲法对高校协同创新能力评价指标进行优选的方法,利用信念图对两个指标间的相关性进行了判断,运用网络分析法,将定性与定量方法相结合,建立一个较为完整有效的网络模型,有效解决指标的相对重要性权重问题.最后通过仿真,验证了上述模型的有效性和可行性,可用作群体决策支持系统,尤其适用于决策者们直接参与操作仿真,进行多方案的决策比较.     

基于改进型协同过滤的网络学习资源推荐算法

面对网络学习资源的信息过载问题,如何根据用户的偏好推荐其感兴趣的学习资源是网络教育智能化的关键应用.协同过滤推荐算法无需构建资源的特征描述,经常应用于形式多样的网络学习资源推荐,但传统协同过滤推荐算法具有评分矩阵稀疏和冷启动问题.针对这两个问题,提出基于改进型协同过滤的网络学习资源个性化推荐算法.该算法首先将用户对资源...     

基于学习风格的网络学习共同体模式构建

基于学习风格下构建的网络学习共同体,具有良好的凝聚能力以及互动能力,可调动成员的学习积极性,提高成员的学习效率。此外,加强网络学习共同体模式的构建,可有效培养成员的集体协作精神,提高成员的社会交际能力,为成员之后的发展奠定良好的沟通能力。笔者对网络学习共同体模式的构建进行研究,对网络学习共同体的基本功能、关键要素以及构建策略进行了详细分析。     

基于多Agent的公安刑侦知识协同学习交流系统

基于多Agent技术,本文提出在网络环境下构建一个公安刑侦知识协同学习交流系统,为分布在不同地点的公安部门提供信息共享以及最新刑侦技术的学习环境。本文详细描述了系统的体系结构、Agent的内部结构、Agent之间的通信机制及系统特征。     

浅谈如何构建网络学习平台,提升随时学习能力

在网络时代飞速发展的当今社会,教师也在以各种方法解决学生学习的积极性和学习方法来提高学生的学习成绩以及能力。但如何才能让学生通过网络来学习知识并且如何通过网络平台来提高自己的学习能力呢?这就是本文想要解答的问题,下面就以如何构建网络学习的平台提高学生的网络学习的能力简单阐述下。     

协同过滤推荐系统综述

随着互联网和信息计算的飞速发展,衍生了海量数据,我们已经进入信息爆炸的时代。网络中各种信息量的指数型增长导致用户想要从大量信息中找到自己需要的信息变得越来越困难,信息过载问题日益突出。推荐系统在缓解信息过载问题中起着非常重要的作用,该方法通过研究用户的兴趣偏好进行个性化计算,由系统发现用户兴趣进而引导用户发现自己的信息需求。目前,推荐系统已经成为产业界和学术界关注、研究的热点问题,应用领域十分广泛。在电子商务、会话推荐、文章推荐、智慧医疗等多个领域都有所应用。传统的推荐算法主要包括基于内容的推荐、协同过滤推荐以及混合推荐。其中,协同过滤推荐是推荐系统中应用最广泛最成功的技术之一。该方法利用用户或物品间的相似度以及历史行为数据对目标用户进行推荐,因此存在用户冷启动和项目冷启动问题。此外,随着信息量的急剧增长,传统协同过滤推荐系统面对数据的快速增长会遇到严重的数据稀疏性问题以及可扩展性问题。为了缓解甚至解决这些问题,推荐系统研究人员进行了大量的工作。近年来,为了提高推荐效果、提升用户满意度,学者们开始关注推荐系统的多样性问题以及可解释性等问题。由于深度学习方法可以通过发现数据中用户和项目之间的非线性关系从而学习一个有效的特征表示,因此越来越受到推荐系统研究人员的关注。目前的工作主要是利用评分数据、社交网络信息以及其他领域信息等辅助信息,结合深度学习、数据挖掘等技术提高推荐效果、提升用户满意度。对此,本文首先对推荐系统以及传统推荐算法进行概述,然后重点介绍协同过滤推荐算法的相关工作。包括协同过滤推荐算法的任务、评价指标、常用数据集以及学者们在解决协同过滤算法存在的问题时所做的工作以及努力。最后提出未来的几个可研究方向。     

基于协同推荐学习资源系统的设计和实现

随着网上学习者的不断增多和网络学习资源的不断丰富,学习者需要系统能够推荐他们感兴趣的资源。通过使用ASP.NET设计开发学习资源网站,研究了协同过滤推荐技术的算法,并实现了基于协同推荐学习资源系统的设计。     

基于物元的协同软件可用性量化评估算法

研究协同软件的可用性,针对协同软件可用性评价中,可用性评价的"状态分界"难以明确地界定,有用与无用没有绝对的衡量标准,存在着很多模糊现象,而模糊评判方法因其存在的缺陷,影响了可用性评价的正确性,进一步导致分布式协同软件系统的低可用性问题.为了准确地确定可用和无用的程度,提出了基于物元分析的协同软件可用性评估算法,分析了面向协同软件的可用性评估指标,将指标作为待评物元,用特征分析法计算各级指标的权重系数,减少人为因素的干扰.利用物元分析方法对协同软件的可用性进行量化评估,通过对比实验证明了方法的有效性,给出了评价的依据.     

计算机网络与远程教育

介绍基于计算机网络的远程数学环境,远程考试及远程协同学习网络模型。     

大学英语教学要激发学生的学习动力

本文探讨了在大学英语教学中老师应如何激发学生的学习动力,阐述了学习动力在教学中的重要性,以及如何根据学生学习英语的情绪活动特点来激发学生学习动力,主要有四个方面的因素:注重情感因素;培养学习兴趣;满足表现欲;正确评价表现。     

基于Spark的并行化协同深度推荐模型

协同深度学习（Collaborative Deep Learning,CDL）利用神经网络极强的特征学习能力和模型拟合鲁棒性,解决了推荐系统在数据稀疏的情况下性能表现急剧下降的问题。但当推荐系统面临大量数据时,导致模型训练变得难以维护,进而出现多种不可预料的问题。为解决上述问题,对协同深度学习及其并行化方法进行了研究,提出了一种针对项目内容学习优化的改进模型协同深度推荐（CDL with item private node,CDL-i）,通过对传统CDL中的自编码网络进行改进,增加私有网络节点,在模型的网络参数共享情况下,为每个项目添加私有偏置项,使网络能够更针对性地学习到项目内容参数,改进了模型在推荐系统中对项目内容的探测性能。同时对算法进行并行化改进,通过对模型进行拆分,提出一种并行训练CDL-i的方法,将其移植到Spark分布式集群上,并行地对模型各部分参数进行训练优化,增强模型所能处理数据的规模和扩展性。通过在多个真实数据集上的实验,验证了提出的并行深度推荐算法的有效性和高效性。     

网络环境下“研究性学习”学习效果在线评价研究

“研究性学习”是我国教育课程改革的一项重要举措,是落实素质教育、培养学生创新精神和实践能力、转变学生学习方式的一个突破口。如何对“研究性学习”过程中的学生学习进行评价则是其中的主要难题之一。把握网络教学的优势,本文重点设计了融合定性评价与定量评价的新的教学“过程式”评价方法。     

计算机网络课程研究型学习环境的构建

针对计算机网络课程教学过程中如何加强学生网络技术综合设计应用能力的培养问题,阐述如何构建本课程的研究型学习环境,指出通过创建情景、激发思考、自主探究、协作交流的引导型研究教学模式的实践,对提高学生的自学能力、交流能力、研究能力和创新能力是切实有效的。     

在信息技术课程中培养学生的合作能力

信息技术课程的一个很重要的教学目标就是培养学生的自主学习能力以及与他人协同作业的合作精神.教师可指导学生进行合作学习和小组协同作业来培养中小学生的合作学习能力.学生借助于信息技术课程的合作学习在交流中共同完成学习任务,提高自主学习与合作学习的能力.在信息技术课程教学中通过小组合作学习培养学生的合作意识和能力,有助于培养学生的集体荣誉感,更有助于培养学生的良好素质.     

基于学习者个性特征的协同学习任务生成方法

现有协同学习系统无法自动生成学习任务,满足学习者个性化学习,针对此问题,提出了基于学习者个性特征的协同学习任务生成方法。该方法以学习者的个性特征为输入,用改进的贪婪算法进行分组,根据学习单元及所需角色的耦合度确定协同学习模式,结合贝叶斯网络技术生成符合学习者个性特征的学习任务,实验结果表明,基于该任务进行学习,显著提高了学习者的学习效率和学习深度。