高一新生学习适应性的个案研究

高一新生正处于初高中衔接的关键阶段,其学习适应性至关重要,若不能适应高中环境会带来诸多问题。以高一在校生为对象,基于三元交互决定论,运用扎根理论方法构建了三维影响因素模型,包括个人素质、家庭影响、学校教育和社会环境四个核心类属,旨在揭示高一新生学习适应性的影响因素及因素间的相互作用。研究表明,个体素质对学习适应性具有多维驱动作用,社交互动在学习适应性中占核心地位,外界生态环境综合作用于高中生的学习适应性。因此,高中生应提升个体综合素质,驱动学习适应性多维发展,强化社交互动纽带,构筑学习适应性和谐系统,同时家校社应共同努力改进个体生态环境,优化学习适应性形成机制。

基于生成对抗网络的分布式光伏窃电数据增强方法

由于分布式光伏窃电的稽查难度大,致使相关部门收集的窃电样本数量有限,无法满足基于数据驱动的窃电检测需求。通过数据增强的方式,提出一种基于Wasserstein生成对抗网络(WGAN)的分布式光伏窃电样本数据增强方法。首先,WGAN通过生成网络与判别网络的对抗训练,能够学习到光伏窃电数据序列难以显式建模的时间相关性,可以生成与真实窃电样本具有相近分布的新的窃电样本;然后,根据典型的光伏窃电模型,针对窃电样本的数据特征选用卷积神经网络(CNN)进行窃电检测;最后,通过算例分析,对比不同数据增强方法与分类器,表明WGAN生成的窃电样本能够符合真实样本的波动规律和历史数据的概率分布特征,进而有效改善分类器的检测性能。