关于研讨式学习在拔尖人才培养中应占合理比重问题的研究——以吉林大学基础学科拔尖人才培养试验班为例

国内一流高校先后创设基础学科拔尖人才培养试验班(“珠峰计划”),并把研讨式学习设为培养计划中的重要内容。研讨式学习作为一种新兴、灵活的学习模式,面临着所占比重过高会增大学生基础课业压力、占比过小难以达到相应效果的问题。基于此,以吉林大学唐敖庆班为例,采用比较分析和调查采访的方法,结合国内外顶尖高校的相关经验,分析研讨式学习在拔尖人才培养过程中应占的合理比重,得出结论:基础年级研讨式学习比重应控制在20%~30%,随学生知识水平提高适当加大比重。同时,对吉林大学研讨式课程的设置提出合理化建议。

基于凸函数证据理论的关联感知云服务信任模型

针对大规模分布式云计算系统中的服务可信度辨别问题,提出一种基于凸函数证据理论的关联感知云服务信任模型。对云计算系统中云服务提供商、服务和用户之间的信任关系进行形式化描述,充分挖掘了同一服务商中的不同云服务之间的关联性,利用凸函数证据理论对有序命题的处理能力,构建了云计算系统中的可信服务推荐方法,根据用户需求为其提供合理可靠的云服务。与经典证据理论方法的对比结果表明,基于凸函数证据理论的关联感知云服务信任模型在保证有效性和健壮性的同时,充分利用了云计算系统中云服务之间的关联信息,能够根据用户的请求提供合理的云服务。

基于社交网络的小说聚类

目前小说的受众群体越来越大,其中蕴含着巨大的商业价值。文本聚类的研究领域也在突飞猛进,但对于其中的现实领域:小说聚类,相关的研究却较少。本文研究了一种基于小说中的社交网络对其进行聚类的方法。该方法首先提取出小说中的社交网络,在得到网络的特征向量后,基于其进行聚类,并将结果与依据小说作者的划分进行对比。实验结果表明,该方法可以在一定程度上反映出不同作者写作风格的不同,效果可以接受,并拥有进一步提升的可能。

基于公共词集对长篇小说相似度的研究

传统的文本相似度计算基于向量空间模型(VSM),文本映射成独立的、互不关联的词构成的向量。由于长篇小说具有比普通文本更为复杂的构成元素,以及更加紧密的上下文联系,传统算法忽略词项的上下文联系,并且产生高维向量,因此算法的效率和精度不理想。为此,本文基于公共词集对长篇小说进行相似度计算,并对公共词集进行上下文约束检查,得到关联比较紧密的词集,作为小说的主要特征。实验结果表明,对于某些小说类型,效果有很大的提升。

《十一学校词典》

导师制十一学校逐步取消行政小级，实施导师制。一名导师所辅导的学生从数名到十多名不等，其职责是对学生进行人生指导、心理疏导和学业指导。学校希望导师多了解学生的需要，使学校更好地为学生的未来创设条件。导师要关注学生的情绪、心理问题并及时加以疏导，引导学生学会在不同的团队中扮演不同的角色，以建立起强大的通应能力和心理素质。导师还要指导学生学会“管理学习”，包括选择适合自己的课程，诊断一己的学业状况，找到适合自已的学习方式。