浅论虚拟学习社群中的人性化管理

在网络教育逐渐普及的今天,虚拟学习社群成为网络学习者之间相互交流的重要途径,在这样一个虚拟的组织中,怎样对学习者进行有效的控制和管理以更好地帮助他们进行学习,成为亟待我们解决的问题。在对虚拟学习社群中学习者的分析后提出了人性化管理的思想,旨在通过有效的管理,提高学习者的社群认同感和虚拟学习的效果。     

网络社群助力运营商市场经营互联网化转型

互联网+时代,电信运营商的营销渠道互联网化发展,用户触点逐渐由线下转向线上,网络社群成为有力抓手。文章论述网络社群的概念和社群运营的应用场景,在此基础上提出网络社群的建立与运营方案,最后为运营商的社群运营提出建议。电信运营商应把握住社群经济的发展趋势,构建起自身的粉丝生态圈,打造互联网化的市场营销模式。文章对电信运营商构建社群营销体系和助力运营商市场经营互联网化转型有参考价值。     

融媒体环境下广播资讯的虚拟社群传播探讨

融媒体时代广播资讯的传播应基于网络融合平台体现出“点对点”的特征,在虚拟网络环境下衍生出听众社群系统,发挥广播资讯对差异化受众的感染力。本文首先归纳了融媒体和虚拟社群的概念,其次分析了融媒体环境下听众获取广播资讯的行为特征,最后提出了具体的传播策略,包括:发挥主持人感染力,感情培养社群听众;打造融合专属资讯节目,内容吸引社群听众;设计粘性化资讯获取功能,习惯抓住社群听众。     

基于移动互联网的高校校园社群探讨

随着移动互联网快速发展,移动社群成为一种重要社交平台。文章分析了高校校园建设社群的必要性,建设内容,探讨了如何结合移动社群,建设符合高校校园的教师专业学习、科研社群,师生互动的教学化社群。     

Waze—新颖的社群导航服务

社群应用服务,是指连接一群有相同兴趣、活动、社群经验或实际生活经历的人的社会关系或网络平台,让社群内的人可以通过网络互动、联系以及交换信息.Facebook、Twitter和Pinterest等社群媒体快速崛起且不断增长,其背后庞大的商业潜力早已跨越单纯的休闲用途,成为引导与创造商业价值的动力来源.     

推动电视改革的第二屏幕

国际研究暨顾问机构高德纳公司(Gartner)表示,结合人性化内容、互动应用程序和顾客参与的第二屏幕(second-screen devices)将在未来两年内加强型塑社群电视消费的行为. 社群电视乃消费者在观赏电视的同时可以参与、沟通和互动.该机构认为,社群电视活动可为消费者提升电视体验的价值,并可借助现有的社群网络提供机会以新增用户、提升参与和开拓新的广告商机.     

Google的疯狂收购激起人们对其社群网络策略的好奇心

Google在八月底收购了SocialDeck,让它成为第11家被Google收购的社群媒体(social media)相关公司.Google今年光是在八月份就收购了五家公司.Google的收购狂潮让人不禁要问Google在社群网络中备受关注的举动是为了什么,特别是它最近收购的许多公司,包含SocialDeck在内,都是游戏专家,似乎暗示着Google把游戏视为社交媒体策略的基石.虽然目前还没有明显的证据,但这么做必定有利可图,不过Google需要的是社群网络的整体计划,让它把社群媒体组合中四散的拼图组合起来.     

互联网时代视域下宅经济对零售业社群营销发展的影响分析

宅经济是互联网时代发展的产物,其本质是互联网经济。宅经济、宅文化的快速发展,使线下零售业受到了巨大冲击。在这一背景下,消费者的需求也产生了一些变化,由物质消费为主转变为物质消费与精神消费并重,消费中更多地参考了网络大数据信息,且越来越重视线上营商环境与消费体验。在宅经济背景下,消费需求的变化为零售业开展社群营销奠定了基础,促进了零售业社群营销的发展。零售企业应积极构建新的社群营销模式,以更好地适应社群需求,提高社群消费者的满意度,进一步提升社群营销效益。     

美国期中选举时的新媒体应用

美国Pew研究中心(Pew Research Center)《网络与美国生活》项目(Internetand American Life Project)今年1月27日公布的一份调查显示,22%的网络用户在2010美国期中选举(mid-term election)期间,通过社群网站如Facebook、MySpace以及微博Twitter等新媒体积极参与相关竞选活动,而这些用户在报告中也被界定为"政治性社群媒体用户"(political social mediauser)。     

知识+数据驱动学习：未来网络智能的基础

讨论了未来网络智能的核心问题和学习能力,提议采用知识+数据驱动学习模型作为未来网络智能的基础。论述了学习模型中的知识驱动和数据驱动及反向传播判决,以及利用该模型实现未来网络的智能管控方法。     

一种网络学习资源的检索模型研究

首先介绍了四种网络学习模式,并探讨了这四种模式中的最流行的网络学习模式-个别化的网络学习模式的资源特征.然后对个别化的网络学习模式,构建了一种基于语义的检索模型,并对模型中各组成部分的主要作用和模型的检索过程进行了阐述.最后通过实验的验证,证明了模型的合理性和有效性.     

社会化媒体对科学传播的影响与因应策略

本研究以PM2.5议题在社交媒体平台上的传播为例,探讨社会化媒体对科学传播模式的影响及因应策略。研究发现,这一影响主要表现在“用户参与科学传播内容生产”、“传播路径社群网络化”、“沟通不确定性与谣言自我澄清”等方面,并提出改造科学信息话语形态、凝聚科学网络社群、培养科学传播意见领袖等传播策略。     

基于用户情绪状态的网络舆情传播模型研究

将用户情绪作为影响因素,引入到舆情传播模型中,研究社交网络中舆情传播者在行为特征、社群互动和传播效果上因所处情绪状态不同而体现出的差异性.将用户情绪状态划分为乐观、悲观和中性情绪状态.处于乐观情绪状态和中性情绪状态的信息未知者,可以和所有传播者邻居互动,并以一定的概率成为信息传播者;而处于悲观情绪状态的无知者,只能被乐...     

基于混沌压缩感知和深度学习网络的压缩感知新模型

文章提出了一种基于混沌压缩感知和深度学习网络的压缩感知新模型,称为混沌深度压缩感知模型。该模型将传统压缩感知中的迭代步骤转化为深度网络形式,并将相关混沌参数应用于测量矩阵生成和深度网络训练过程。混沌深度网络中的所有参数都将通过程序自动学习获取,不再需要人工设计。     

静态前馈型网络的监督学习方法研究进展

本文从四个方面综述近年来用于前馈型网络的监督学习方法,即:1.对经典反向传播法的改进和变型;2.用于训练多层感知器的其它学习方法;3.其它前馈型网络模型和监督学习模型;4.具有复杂结构的各种模型.     

基于堆栈降噪自动编码模型的动态纹理分类方法

针对以往动态场景分类中需要手动提取动态特征描述符以及特征维数过高的问题,提出利用深度学习网络模型进行动态纹理特征的提取。首先利用慢特征分析法(SFA)预先学习每个视频序列的动态特征,将该特征作为深度学习网络模型的输入数据进行学习,进一步得到信号的高级表示,深度网络模型选用堆栈降噪自动编码模型,最后用SVM分类法对其进行分类。实验证明该方法所提取的特征维数低,并且能够有效地表示动态纹理。     

基于模糊理论与层次分析法的网络学习评价

为了更有效地评价网络学习的效果,设计了一种基于层次结构的网络学习评价模型,根据模型建立了网络学习评价指标体系,应用专家会议法确定指标权重,最后通过模糊综合评价法建立数学模型并计算评价结果。国内多数网络教学平台主要侧重于教学及交流功能的实现,缺少对学生学习过程的监控、反馈和评价。该评价法将过程性评价和结果性评价相结合,将模糊理论应用于网络学习评价。在学习站点上使用表明,该方法对在线学习者能进行较客观有效地评价。     

基于联邦学习模型的电力客户隐私保护方法

为提升电力物联网中用户数据安全性，提出了电力物联网LDP联邦学习框架。该框架将物联网用户分为常规用户和敏感用户两部分。常规用户通过与电力供应商互通模型与数据，基于横向联邦学习技术学习局部模型并参与更新全局模型；敏感用户利用异构联邦迁移学习技术将全局模型关联到局部模型中，从而保证敏感用户数据安全性。将联邦学习框架应用于GRU、LSTM网络，验证了所提联邦学习框架能够提升网络性能。     

网络智能学习系统特征分析

本文通过对传统网络学习模型的介绍，对基于WEB2．0的网络智能学习系统的关键特征进行比较分析，认识学生利用网络智能学习系统提供的学习环境进行学习的主要特征，从而更好地改进系统以指导学生的学习，进而提出网络智能学习系统的发展趋势。     

基于SENET-DEEP的CTR预测方法

深度神经网络(Deep Neural Networks,DNN)在点击率预测(CTR)领域应用广泛。这些模型通对特征之间的交互和改变深度网络结构来优化CTR预测模型。然而现有的方法忽略了特征本身的重要性的对深度网络的影响,限制了模型的学习能力。为了更好地预测用户可能点击的对象,文章提出了基于SENET机深度网络(Squeeze-and-Excitation Deep Network,SENET-Deep)模型。该模型利用Squeeze-and-Excitation Networks(SENET)动态学习特征,同时引入深度神经网络提高了模型学习隐式交互的能力,既注重了在浅层网络中学习特征重要性的能力,也引入深层网络提高了模型的泛化能力。两个真实数据集的实验表明,文中提出的模型在点击率预测性能上有着明显的提升。