也谈士官教育——Word一堂课教学设计

熟练掌握office办公软件,是士官学员毕业后参与部队训练、管理、教育必须掌握的技能。为了培养士官学员的这一技能,针对士官职业技术教育中实施信息技术基础教学既要引导学员对办公自动化软件基本功能的熟悉,又要有效指导学员具体实践操作,还要在所学知识的基础上能有拓展提高的要求,在Word一堂课教学实施过程中,可以采取任务驱动,能力训练项目来展开教学,以达到理想的成效。     

对合训学员计算机课程教学与信息素养培养的思考

针对合训学员在任职教育院校指挥信息系统相关课程学习中表现出的问题,提出关于提升合训学员计算机课程教学与信息素养培养效果的几点思考,为增强合训人才培养效果提供参考。     

统计分析技术在焊接培训中的应用

在传统焊接培训过程中,因培训数据量较大,人工无法从这些数据信息中来评价教与学的质量。文中使用描述性分析和推断分析项结合的方法来对培训记录进行分析、统计,从培训教与学的记录出发,分析培训周期长的根源,能够对焊接水平做监控指导,可以作为综合评估教师教授和学员学习情况的有效手段之一,对教师的教学水平和学员的学习能力以及适应学习的能力做综合掌握和控制,能在一定程度上指导教与学的工作,从而有针对性地进行培训,缩短培训周期,提高工作效率。     

KENAOTE：一种知识增强的方面和意见对提取多任务学习模型

方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。     

“国培计划”县级教师培训团队置换脱产研修项目学员返岗问卷调查报告

根据保山学院实施的“国培计划”县级教师培训团队置换脱产研修项目,采用问卷的形式对学员返岗后跟踪调查,总结项目实施经验的同时,分析项目实施存在问题,探讨了对策,更有力的推进“国培计划”。     

基于情境学习的射孔仿真培训系统应用研究

由于传统的仿真培训中只能通过鼠标的点击与键盘进行交互,存在着现场感缺乏以及用户体验不足等缺点,针对油田射孔岗位仿真培训中的交互问题,提出了应用情境学习理论结合体感交互技术的仿真培训系统。通过将Unity与体感交互技术结合,学习者可以运用手势与姿势来实现与仿真培训系统的交互操作。结合应用这一技术可以使得学习者能够在更逼真的虚拟学习环境中尽情的体会和学习,满足学习者的体验和参与需求,可以有效促进学习者从具体的感知经验上升到抽象的知识概念,为教学培训的顺利开展创设有利的条件。     

应用型本科高校计算机专业课程建设的探究与分析

当前,应用型高校计算机专业的学生培养始终存在着课程标准不明确、课程设置失衡、知识和职业技能脱节、实践环节薄弱等问题,教育部在2019年也明确提出课程建设质量需要全面提高,课程是人才培养的核心要素,课程质量直接决定人才培养的质量。全国本科教育必须深化教育改革,必须把教学改革成果落实到课程建设上。     

网络空间安全实训设计

为保障网络空间安全,需要加强网络空间安全人才队伍建设,实训是把学生培养成为高素质复合型人才的重要手段。通过分析我国网络空间安全人才队伍建设现状,构建实训课程体系和实训平台,设计实训大纲和实训竞赛平台,形成了校企合作、教学与竞赛相结合的实训体系。实践证明,此网络空间安全实训设计能有效提高学生的网络空间安全技术能力,具有一定的推广价值,为高校培养应用型、复合型人才提供了新思路。     

A small samples training framework for deep Learning-based automatic information extraction: Case study of construction accident news reports analysis

Knowledge management is crucial for construction safety management. Widely collected and well-organized safety-related documents are recognized to be significant in raising the workers' security awareness and then to prevent hazards and accidents. To improve document processing efficiency, automatic information extraction plays an important role. However, currently, automatic information extraction modeling requires large scale training datasets. It is a big challenge for the engineering industry, especially for the fields which heavily rely on the experts’ knowledge. Limited data sources, and high time and labor costs make it not practical to establish a large-scale dataset. This work proposed a natural language data augmentation-based small samples training framework for automatic information extraction modeling. With the designed cross combination-based text data augmentation algorithm, the deep neural network can be employed to build up automatic information extraction models without large-scale raw data and manual annotations. Characters semantic coding is employed to avoid word segmentation and make sure that the framework can be utilized in different writing language systems. The BiLSTM-CRF model is adopted as the detection core to conduct character classification. Through a case study of two independent accident news report datasets analysis, the proposed framework has been validated. A reliable and robust automatic information extraction model can be established, even though with small samples training.     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。