面向心理学的虚拟现实实验开发工具

在使用虚拟现实技术进行心理学研究时,建立一个高质量的虚拟实验环境至关重要。然而,对于部分缺乏计算机编程经验的心理学研究者来说,这一任务常常充满挑战。为应对这一难题,领域内的研究者开发了多种专门用于虚拟现实实验的工具,借助游戏引擎等技术,大大降低了研究者对专业技术知识的依赖。这些工具各具特色,一部分提供实验框架,帮助研究者从整体上更轻松地搭建实验环境,而另一部分则专注于解决特定的技术难题,在特定环节或范式上为研究者提供必要的技术支持和开发范例。未来,实验工具还可能会采用“元框架”的理念,为开发者提供更高效、灵活的开发模式。

团队反思训练对团队双元发展的影响及机制

本文基于“差异化−整合化”框架,探讨团队反思训练对团队双元增长的影响(研究1)以及元知识共享与观点采择的中介作用(研究2)。本研究通过对360名新大学生组成的90个课程团队、进行为期3个月(研究1)和656名员工组成的74个创新团队、进行为期1年的追踪调查(研究2),分别构建潜变量增长模型和潜在差分模型对数据进行分析。结果发现:(1)团队反思训练正向影响团队双元增长趋势;(2)元知识共享与观点采择中介了团队反思训练对团队双元增长趋势的正向影响,即当团队接受反思训练后,团队元知识共享与观点采择水平提高,进而使团队双元水平上升。研究支持团队反思在促进团队适应能力、提高双元水平的观点,并在此基础上进一步细化其内在机制。同时,研究对揭示团队双元的动态性与提升复杂性具有积极作用。

基于元人种志和DEMATEL的政府开放数据价值实现评价框架研究

[目的/意义]政府开放数据价值实现评价框架的研究,对于推动我国政府开放数据的增值利用具有重要意义。[方法/过程]运用元人种志方法,并基于DPSIR模型确定政府开放数据价值实现的影响因素,利用DEMATEL方法识别出关键影响因素,以此构建政府开放数据价值实现评价框架。[结果/结论]确定了价值感知、数据质量、数据产品研发、政府部门服务目标实现期望以及公众需求满足期望等9个关键影响因素,结合政府开放数据价值实现过程构建评价框架,并深入分析其构成要素、运行机制及应用场景。

口服中成药联合抗心律失常药治疗阵发型房颤有效性和安全性的贝叶斯网状Meta分析

目的对3种中成药治疗阵发性房颤有效性及安全性的差异进行系统评价。方法首先对Pubmed、CBM、CNKI、万方、维普等中英文数据库进行检索,检索时间限制为建库至2021年10月,检索中成药治疗阵发性房颤的随机对照试验的文献,2名研究人员独立提取文献资料并进行质量评价,应用ADDIS 16.1和Stata 15.1软件进行贝叶斯网状Meta分析。结果共纳入31篇符合纳入标准文献,包括3种中成药,6种用药方案,共计2514例受试患者。总有效率效果排名前3的用药方案:参松养心胶囊联合抗心律失常药物>稳心颗粒联合抗心律失常药物>养心定悸胶囊联合抗心律失常药物,降低不良反应发生率方面排名前3的用药方案:参松养心胶囊联合抗心律失常药>养心定悸胶囊联合抗心律失常药物>稳心颗粒联合抗心律失常药物。结论参松养心胶囊联合抗心律失常药治疗阵发性房颤患者的有效率及安全性最好,该结论仍需更多高质量随机对照试验研究验证。

.NET框架与元模式研究

文章分析了网络时代软件可互操作性的需求特征,介绍了.NET框架的公共运行时环境、公共类型系统等主要特性,给出了与.NET框架相关的协议,探讨了.NET框架隐含的元思想。

面向生物医学命名实体识别的多Agent元学习框架

生物医学命名实体识别是生物医学数据挖掘的基本任务.文中提出了一种将多Agent系统和元学习方法相结合的多Agent元学习框架,应用于生物医学命名实体识别.基层多个学习Agent分别识别不同类型的生物医学命名实体,并通过相关学习Agent之间的通信来交换有益信息以调节个体Agent的行为提高其学习性能,元层Agent综合决策基层学习Agent的学习结果以获得最终的识别结果.元层Agent和基层学习Agent通过局部特征选择法选择适合不同实体类别的敏感特征集合提高了总体识别性能尤其是小类别识别的性能.文中提出的方法有效改善了传统的单一学习模型和全局特征选择方法不能兼顾各类别命名实体识别性能的不足.实验结果表明,文中提出的全新方法在生物医学命名实体识别上取得了优越的性能,在JNLPBA2004测试语料上获得了77.5%的F测度值.

知识型制造业和制造元框架

分析制造业在产品需求、建模等特征上的变迁,揭示制造业具有知识创新型的发展趋势。介绍与元语言相关的信息技术。提出制造元框架概念,分析制造元框架的积累创新和交互创新特征。

基于MMF的互操作性软构件库管理模型的研究

提出了一种基于MMF的互操作性软构件库管理模型。该软构件库管理模型能够保证现有的异构软构件库之间的互操作性,增强了构件库管理软构件的能力,并且大大提高了构件库中所管理的软构件的重用度。

混合优化策略统一结构的探讨

算法混合已成为提高优化性能和效率的一个重要而有效的途径。围绕 meta- heuristic算法 ,通过对混合优化算法及其结构的归类与综述 ,提出了混合优化算法的一种统一结构 ,并对其若干问题进行分析探讨 。

基于SaaS的网络管理系统框架研究

在分析4种SaaS模式的基础上,提出一种"多租赁单位-单实例进程"的SaaS网管系统模式。围绕此模式,研究了SaaS网管系统的架构与软件框架,对系统的代理程序I、nternet接口、应用中心3部分进行了设计,给出了数据采集、异构传输、数据隔离、个性定制的解决方案。该框架被应用于某实际网管系统软件,系统软件运行于南通大学,为南通市环保局、南通市软件工程研究所等单位提供网络管理租赁服务。实例运行结果表明,它完全达到了预期设计目标,其模式、架构与解决方案是可行的。

论公民媒介素养测评框架建构

媒介素养是21世纪公民必备的素养之一,其宗旨在于培养理性的媒介公民。科学的媒介素养测评是界定、评估、推进公民媒介素养教育的重要基础和必要条件。文章聚焦公民媒介素养测评框架建构问题,运用综合性文献研究法,批判性地分析了国内外媒介素养测评框架研究现状,包括讨论了国外媒介素养测评框架建构的“能力、过程、目标”三大研究导向,归整了国内媒介素养测评指标体系、框架研究类型和群体媒介素养测评研究态势。在此基础上,文章指出,公民媒介素养测评框架建构应注重从以下五个维度展开理论建模和实证研究:认识媒介素养范式变迁的要义;理解元框架设计的意义内涵;回应全媒体时代媒介生态诉求;超越方法单一的研究偏向;凸显本土考量的文化适应性,从而构建“契合时代,立足本土,融通世界,表达中国”的公民媒介素养测评框架。这种测评框架是“元框架”意义的框架,能从根本上体现框架建构的学科性、时代性、本土性、普适性和可操作性。

用元决策树组合多个分类器的方法

在机器学习中,分类器融合已经成为一个新的研究领域。该本文介绍了用元决策树(MDT)融合多个分类器的新方法,阐释了MDT、元属性以及用MDT组合多个分类器的stacking框架。

可复用MOF元建模框架的研究

在MDA场景下,元模型是实现平台无关模型和平台相关模型转换的核心。提出通过元层模型和模型层模型的Down-Up机制给出可复用的MOF元建模框架。元建模框架由MOF BootStrap模型自举,并且内置MOFModel,此框架可在任意多层元建模中复用。此外,给出了模型工程模型和模型迁移剪枝算法,并提出了采用模型工程统一对象空间实现模型实例复用的方法。此框架的研究对于指导具体建模工具的实现有重要意义。

外军架构框架发展趋势分析

在简介美军、英军和北约架构框架DoDAF、MoDAF、NAF发展的基础上,梳理了主要架构框架版本之间的关系,从技术发展和需求牵引两个角度分析了主要架构框架视图的变化,对比了主要架构框架元模型CADM、DM2、M3、NMM和MODEM,重点以北约架构框架NAF 4.0为核心介绍了军事架构框架统一化发展的趋势.

基于.NET的随机库存管理信息系统设计与实现

探讨和分析了一种随机库存模型,介绍了.NET一些特性及元思想,并在.NET框架下设计和实现了一个随机库存管理信息系统,且给出有效的解决过程。

基于DM2的体系结构数据一致性验证方法

为进行有效、规范的体系结构构建,现有体系结构大多采用美国国防部体系结构框架(Department of Defense Architecture Framework,DoDAF)作为指导,针对采用该框架构建的体系结构的数据一致性验证问题,提出了一种基于国防部体系结构框架元模型(DoDAF meta-model,DM2)的验证方法。该方法直接从DM2中提取数据的一致性原则,而后利用查找出来的实体数据构建验证准则或者验证矩阵,进而完成体系结构数据一致性的判断。最后,通过一个案例进行一致性验证步骤说明和可行性分析,验证结果充分说明了该方法的有效性。

教育领导研究方法论刍议

对于学科建设,方法论责无旁贷。方法论的缺位使整项研究失之毫厘谬以千里。教育领导研究在我国所走过的历程尽管短暂,却形成一条从人文科学研究范式经过自然科学研究范式直至当今流行的社会科学研究范式并走向综合的演变轨迹。但是,元框架的缺失往往导致研究只知其然而不知其所以然。以社会化为元框架,以校长专业发展为研究对象,本文试图为教育领导研究探索一条创新性的方法论路径。

构造嵌入式系统软件的构件模型研究

目前嵌入式系统软件开发方法不利于嵌入式系统的发展,如何将高级的构件技术应用到嵌入式系统软件开发中,以便快速灵活高效地设计系统,已成为其发展的关键。文章提出了一个基于构件的构造模型,它包括一个通用的、轻便的核心构件库,构件可在运行时动态装入,是可替换的。模型引入了构件框架概念,允许在部署时和运行时不同阶段进行重配置系统,有效缩短嵌入式系统软件开发周期。

基于元学习的推荐算法选择优化框架实证

针对给定特征的数据集,选择最佳推荐算法存在计算资源相对过高、耗时较长、正确率较低的问题,提出一种基于元学习的推荐算法选择优化框架,在常用元特征的基础上融入新的特征测度。将Donorschoose和Movielens作为实证数据集,实验分析KNN、SVD等算法的自动选择过程,通过3种元学习算法构建元模型,评估该模型的预测正确率。Stac-kingDecisionTree元模型所选择推荐算法具有较高预测性能,预测正确率分别达到86.58%和80.39%,实验结果表明了提出框架的可行性。

支持产品全生命周期的产品数据框架研究

针对STEP标准中对产品全生命周期数据描述的不足 ,在对产品数据元模型以及基于元模型数据集成方法讨论的基础上 ,建立了产品构成模型和产品数据分类模型 ,在此基础上提出了支持产品全生命周期的产品数据框架 。