网络学习中的几个问题

所谓网络学习,就是指通过计算机网络进行的一种学习活动。在现今的时代,随着计算机和网络技术的普及,尤其是一些学习网站的建立并使用,使网络学习走出最初的专家口中的概念阶段,进入了学     

网络研修:过程大于结果的一次历练——评两篇《分数除法的意义和分数除以整数》教学设计

我喜欢"网络教研团队"这个赛项可以追溯到10年前,那时我也曾带着三位同伴参加苏州市的首届比赛并拿到了"十佳网络教研团队"的称号。当然,喜欢的另一个更直接的原因,是比赛的形式吸引人,这也许只有亲历者在感受过现场的"非人生活"之后才会有强烈的认同感。而所谓的"非人生活"只是我对现场两天比赛过程中选手的高度紧张和忘我精神的一种比喻,"非人"也可以解释为对"非一个人"战斗之团队互     

采访自己：我和网络教学

时间在指间流淌，准备了近一个月时间，终于要“见人”了，下午第一节课我要上一节网络教学的公开课。午后、窗前、阳光倾泻、我在电脑上最后一遍修改和温故了这节公开课的教案，办公室的钟定格在1点。还有半个小时，闭上眼睛，我与自己有了这样的一次对话。     

让网络做自己的加油站——网络学习全接触

毫无疑问，网络这个概念已经完全深入到我们生活的各个层面，网络的精彩也吸引着越来越多的人投身于网络之中。我们可以用网络来看电影，看电视，游戏，听音乐等等，正是因为网络有了这些特性，所以它经常被一些学生的家长认为是洪水猛兽，对其持反对的态度，然而，也许你不知道，网络除了可以用娱乐之外，它也可以帮助我们的学习哟，做为一名超级大网虫，我对这一点还是颇有体会的，那就让我带着你去网络世界做一次全新的邀游吧。     

我与WebQuest结下不解之缘

初识WebQuest 上学期,在一次培训活动中,我认识了一个新名词：WebQuest.什么是WebQuest呢？WebQuest（网络主题探究学习）是指在网络环境下,由教师引导,以一定任务驱动学生进行自主探究学习的方法.看了不少WebQuest教学设计范例以后,我兴奋了.WebQuest模板的实用性、操作性都很强,而且对信息技术技能要求也不是很高,很容易掌握方法,有利于引导学生进行主题式探究性学习.     

云端时代的创新学习模式与中小学教育发展趋势

对话网络学习专家黄利锋:在认识林教授之前,我们在2012年10月接触了群学网,在网站上开设了第一个课程"我的生日我做主",试用的感觉是:群学网是一个类似于Moodle的课程管理平台,其操作流程对教师的网络课程设计有很强的指导作用,就像Web Quest有固定的模板,教师只需要把学习内容和学习任务填进相应模块,就能比较顺利地完成课程设计。林教授,请您介绍一下当初开发群学网的思路是什么?它的使用对象有哪些?能够实现哪些功能?     

一种基于广义异步值迭代的规划网络模型

近年来,如何生成具有泛化能力的策略已成为深度强化学习领域的热点问题之一,并涌现出了许多相关的研究成果,其中的一个代表性工作为广义值迭代网络.广义值迭代网络是一种可作用于非规则图形的规划网络模型.它利用一种特殊的图形卷积算子来近似地表示状态转移矩阵,使得其在学习到非规则图形的结构信息后,可通过值迭代过程进行规划,从而在具有非规则图形结构的任务中产生具有泛化能力的策略.然而,由于没有考虑根据状态重要性来合理分配规划时间,广义值迭代网络中的每一轮迭代都需要在整个状态空间的所有状态上同步执行.当状态空间较大时,这样的同步更新会降低网络的规划性能.用异步更新的思想来进一步研究广义值迭代网络.通过在值迭代过程中定义状态优先级并执行异步值更新,提出了一种新型的异步规划网络模型——广义异步值迭代网络.在未知的非规则结构任务中,与广义值迭代网络相比,广义异步值迭代网络具有更高效且更有效的规划过程.进一步地,改进了广义值迭代网络中的强化学习算法及图形卷积算子,并通过在非规则图形和真实地图中的路径规划实验验证了改进方法的有效性.     

结构增强的属性网络表示学习

属性网络表示学习旨在结合结构信息与属性信息为网络中的节点学习统一的向量表示。现有的属性网络表示学习方法在学习属性信息时与其互补的结构信息增强不足,从而影响最终表示。针对这一问题,提出一种结构增强的属性网络表示学习方法,以提高表示质量。该方法基于网络归一化邻接矩阵和属性矩阵通过自动编码器提取增强网络全局结构特性的属性信息,使用skip-gram模型捕捉局部结构信息,引入一个联合损失函数使结构信息与属性信息在同一向量空间中得以表示。在三个真实属性网络数据上进行节点分类和链路预测实验,效果较目前流行的网络表示学习方法优势明显。     

马尔可夫逻辑网络研究

马尔可夫逻辑网络是将马尔可夫网络与一阶逻辑相结合的一种统计关系学习模型,在自然语言处理、复杂网络、信息抽取等领域都有重要的应用前景.较为全面、深入地总结了马尔可夫逻辑网络的理论模型、推理、权重和结构学习,最后指出了马尔可夫逻辑网络未来的主要研究方向.     

基于多视图集成的网络表示学习算法

现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习。基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵。另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视图的表示学习;然而,网络本身蕴含有多种视图。因此,文中提出了一种基于多视图集成的网络表示学习算法(MVENR)。该算法摈弃了神经网络的训练过程,将矩阵的信息融合和分解思想融入到网络表示学习中。另外,将网络的结构视图、连边权重视图和节点属性视图进行了有效的融合,弥补了现有网络表示学习中忽略了网络连边权重的不足,解决了基于单一视图训练时网络特征稀疏的问题。实验结果表明,所提MVENR算法的性能优于网络表示学习中部分常用的联合学习算法和基于结构的网络表示学习算法,是一种简单且高效的网络表示学习算法。     

基于社交网络(SNS)的非正式学习模式的研究

随着Facebook、人人网的兴起,社交网络这一基于web2.0的互联网新应用正在世界范围内发展的如火如荼。同时,社交网络也正在为人们的非正式学习提供一种新途径和新视野,越来越多的人利用社交网络进行非正式学习。文章阐述了社交网络环境下非正式学习的特点,并且提出一种基于社交网络进行非正式学习的模式。     

让网络成为中专生学习的翅膀

我是一名职业学校的计算机老师，在与同行交流时，经常会不约而同地谈到同一个话题：现在的学生比较难教，他们的厌学情绪非常严重，一天到晚只想着上网、聊天、玩游戏，而对教师在课堂上传授的知识没有半点兴趣，“网络的毒害”使得我们的专业课程很难实施。对于这样的说法，我深有同感。在过去的教学中，我也曾迷茫过，认为网络是学生学习的障碍，但经过多年的摸索和实践，     

网络教育中离线学习的功能设计与实现

计算机技术和网络技术的飞速发展,使网络教育迅速发展,但是其本身也还存在着一些问题需要解决.除了网络课程内容建设、教学设计等方面的问题以外,就是网络环境问题,为此宝钢人才开发院网络培训中心在网络教育的研究实践中,在网络教育在线学习模式的基础上提出了另一种网络教育方式--离线学习模式.     

半监督属性网络表示学习方法

网络表示学习是一个重要的研究课题,其目的是将高维的属性网络表示为低维稠密的向量,为下一步任务提供有效特征表示。最近提出的属性网络表示学习模型SNE（Social Network Embedding）同时使用网络结构与属性信息学习网络节点表示,但该模型属于无监督模型,不能充分利用一些容易获取的先验信息来提高所学特征表示的质量。基于上述考虑提出了一种半监督属性网络表示学习方法SSNE（Semi-supervised Social Network Embedding）,该方法以属性网络和少量节点先验作为前馈神经网络输入,经过多个隐层非线性变换,在输出层通过保持网络链接结构和少量节点先验,学习最优化的节点表示。在四个真实属性网络和两个人工属性网络上,同现有主流方法进行对比,结果表明本方法学到的表示,在聚类和分类任务上具有较好的性能。     

基于学习对象的网络学习内容组织方法

本文在研究学习对象和学习对象元数据及参考IMS学习资源元数据标准和内容包装规范的基础上,提出了一种基于学习对象的网络学习内容组织方案,该方案利用元数据模型描述学习对象的"模式"信息,以支持对网络学习内容的访问和搜索;提出了一个学习对象包装模型对网络学习内容进行组织和包装,以支持对网络学习内容的重用和交换。     

基于建构主义的CSCW个性化的网络学习模型

随着以计算机技术和网络技术为核心的现代信息技术的飞速发展，人们越来越多地把学习过程放到网络上来，而不再局限于传统的教室学习，因此网络学习得到了迅速推广。然而，受传统教育理论、教学思维的限制，目前网络教学研究中所提出的各种设计思想和策略往往忽视用户特殊行为这一重要信息，没有给出针对其个性的信息反馈，使得现有的大部分网络学习系统缺乏个性，降低了用户的学习兴趣。本文在分析网络学习模式的基础上结合Agent技术提出一种建立在建构主义学习理论之上的CSCW个性化的网络学习模型。     

学习当求“识”多多

最近读到某知识笔记工具的推广文章,其中"知识、常识和见识"3个词令我眼前一亮。在寒假以及新冠居家期间,我因研究性学习和学生有一些交流。较之新冠疫情,猪肉价格的超常规上涨在上学期期末是一个民生大热点。有学生选择这个主题做研究性学习,倒也切合现实关切。新冠疫情发生后,用网络平台开展"停课不停学"活动,网络上有很多关于新冠疫情的项目式学习。本次居家的网络学习,给了学生以较为方便的网络使用条件;新冠疫情的现实影响,又具备相当的切身重要性。相信很多人会同意,开展新冠疫情相关的研究性学习是一个非常好的研究性学习机会。然而当我询问几位熟悉的学生,并没有得到预期的积极响应,个中原因自不可一概而论,如有个小组6人,2票赞成4票放弃,决定不进行这一研究。     

人工神经网络的学习算法 （2）

上文我们分析了阶层型网络的学习算法。这里我们介绍另一种主要网络——相互结合型网络的学习算法。和阶层型网络不同,相互结合型网络的任意两个节点之间都可以有连接。信号可以在网络中传来传去。相互结合型网络和无反馈阶层型网络的形态如图1所示。在70年代,曾有人利用相互结合型网络开展联想存储器的工作。1982年以后,由于Hopfield等人在相互结合型网络上的一系列研     

轻量化自监督单目深度估计

目前, 大多数的增强现实和自动驾驶应用不仅会使用到深度网络估计的深度信息, 还会使用到位姿网络估计的位姿信息. 将位姿网络和深度网络同时集成到嵌入式设备上, 会极大地消耗内存. 为解决这一问题, 提出一种深度网络和位姿网络共用特征提取器的方法, 使模型保持在一个轻量级的尺寸. 此外, 通过带有线性结构的深度可分离卷积轻量化深度网络, 使网络在不丢失过多细节信息前提下还可获得更少的参数量. 最后, 通过在KITTI数据集上的实验表明, 与同类算法相比, 该位姿网络和深度网络参数量只有的 35.33 MB. 同时, 恢复深度图的平均绝对误差也保持在0.129.     

网络自主学习适应能力培养的实践研究

多媒体网络技术的应用有力地推动着各个学科的教学改革,网络环境下的自主学习是一种新的学习形式,它对学生的适应能力有很高的要求。该文采用实证法,剖析了学生在网络自主学习模式中的态度和看法,从教学实验中所出现的问题入手,利用形成性评价与终结性评价的方式,断裂学生在网络环境下积极、自主地索取信息的能力,最终形成自主学习的意识。