依托胸痛中心多模态视域下以问题为基础的学习法教学法在急诊胸痛教学中的应用

目的探讨多模态视域下以问题为基础的学习法(MPBL)教学法在急诊胸痛教学中的应用。方法选取2023年1—6月在首都医科大学附属北京安贞医院心内科实习的5年制临床医学专业学生为研究对象,按学号的奇偶数,将80名学生分为观察组(MPBL组)与对照组[以问题为基础的学习法(PBL)组],每组40名。观察组采用MPBL教学法;对照组采用PBL教学法。对比分析学生的测试成绩和学生评价结果。结果两组学生理论考试成绩比较,MPBL组学生成绩优秀的比例明显高于PBL组,组间差异有统计学意义(P<0.05)。MPBL组学生对教学满意度明显高于PBL组(P<0.05);其中,MPBL组学生认为此教学法能够提高临床思维逻辑推理能力,增加学习兴趣和学习热情,能够更加深刻地理解理论知识,提高了分析和解决问题能力,提高对理论知识的理解,增强分析问题、解决问题的能力,有助于培养临床思维及查找信息能力的比例显著高于PBL组(P<0.05)。结论MPBL教学法在急性胸痛教学中有明显优势,但还需要不断完善。

基于社会认知网络分析的学习者协作问题解决能力发展研究

协作问题解决能力是21世纪数字公民应具备的核心能力之一,但目前尚且缺乏对学习者协作问题解决能力动态发展过程的探讨,需要融合多元方法提供更细粒度的分析。以学习者在教学初期、中期、后期三个时期的在线协作会话数据为分析样本,运用认知网络分析发现,学习者协作问题解决能力呈现出由低水平向高水平发展的过程;通过社会网络分析发现,参与者呈现出网络核心和边缘两种社会角色,且社会角色随时间会动态改变;社会认知网络分析结果显示,不同社会角色学习者的协作问题解决能力发展过程具有显著差异。基于研究结果,从在线协作环境、课堂教学策略以及教师专业发展三个方面给出建议。

以问题为基础的学习联合场景模拟教学法对骨科护生参与度及综合能力的影响

目的探讨以问题为基础的学习(PBL)联合场景模拟教学法在骨科护生教学中的应用效果。方法选取2021年6月至2023年2月在我院骨科实习的88例护生为研究对象,将其随机分为传统教学组和联合教学组,各44例。传统教学组采用常规教学法,联合教学组采用PBL联合场景模拟教学法。比较两组的参与度、理论及实操成绩、批判性思维能力、教学评价及教师评价。结果联合教学组的教学、临床护理工作、沟通协作、科研、职业价值观、专业发展能力评分高于传统教学组(P<0.05)。第1、3、6个月,联合教学组的理论及实操成绩均高于传统教学组(P<0.05)。教学后,两组的批判性思维能力倾向量表(CTDI-CV)评分高于教学前,且联合教学组高于传统教学组(P<0.05)。联合教学组的教学好评率高于传统教学组(P<0.05)。联合教学组的教学质量、学生积极性、成绩反馈评分及总分高于传统教学组(P<0.05)。结论PBL联合场景模拟教学法能提升骨科护生的综合成绩,增强参与度,有助于提升护生的教学评价及带教老师的教师评价。

以问题为基础的学习联合以案例为基础的教学模式在《中医外科学》教学中的应用价值研究

目的探讨以问题为基础的学习(PBL)联合以案例为基础的教学模式(CBL)在《中医外科学》教学中的应用价值。方法回顾性分析2022年2月至2023年9月首都医科大学88例中医学专业学生的资料,根据不同的教学模式分为对照组(2018级中医专业)和观察组(2019级中医专业),各44例。对照组学生采取传统教学模式,观察组学生采取PBL联合CBL。比较两组学生考核成绩及优良率,比较两组学生简易临床评估演练(Mini-CEX)量表评分,比较两组学生对教学效果赞同度评分。结果观察组学生考核成绩优于对照组,优良率高于对照组(均P<0.05)。两组学生病史采集、中西医诊治和组织效能评分比较,差异均无统计学意义(均P>0.05),观察组学生体格检查、人文关怀、医患沟通和临床胜任力评分均高于对照组(均P<0.05)。观察组学生各方面的教学效果赞同度评分均高于对照组(均P<0.05)。结论PBL联合CBL用于《中医外科学》教学不仅能有效提高学生学习能力、临床实践能力,还能提高其学习积极性、自学能力及临床思维能力,值得应用。

问题驱动学习在护理学基础教学中的应用效果评价

为评价问题驱动学习在护理学基础教学中的应用效果,借助已有文献与问卷数据开展研究。分析认为,问卷信度较高,问卷数据具有一定可靠性。描述性统计结果显示,受访学生普遍对问题驱动学习在护理学基础教学中的应用效果持有较高评价,但仍有改进空间。一致性检验结果和独立样本t检验结果表明,不同年级学生对问题驱动学习的评价具有一致性,不存在显著性差异。为进一步提高护理学基础课程的教学效果教师应进一步优化教学内容设计,鼓励学生积极参与课堂讨论和问题解决,针对不同学生在学习能力和学习风格上的差异实施个性化教学策略。

网络探究式学习在基础护理学教学中的应用策略

鉴于现代医疗护理行业对专业人才的高需求,国家在基础护理学的教学方面也持续加大了投资力度。在实际的临床教学活动中,传统教学模式存在着很多弊端,不利于学生实践能力和创新意识的培养。在新时代背景下,网络探究式学习作为一种教育手段,在基础护理学的教学过程中得到应用,有助于进一步提升教育质量和实用性。这篇文章对此进行了深入的探讨,并给出了一些建设性的意见。

以问题为基础的学习模式与以授课为基础的传统学习模式在急诊重症监护临床示教中的应用效果

目的研究比较以问题为基础的学习模式(Problem Based Learrning,PBL)与以授课为基础的传统学习模式(Lecture Based Learning,LBL)在急诊重症监护临床示教中的应用效果。方法选取2020年7月—2021年6月南华大学附属长沙中心医院100名医护人员作为研究对象,将其分为PBL组和LBL组,探讨PBL学习模式和LBL学习模式在急诊重症监护临床示教中的应用效果情况。结果PBL组笔试考试和客观结构化临床考试得分为(95.28±2.19)分、(94.45±3.08)分,LBL组得分为(89.15±2.38)分、(82.79±2.23)分,差异有统计学意义(t=9.494、15.337,P均<0.05)。与LBL组相比,PBL组自主学习能力、积极性、理论联系实际、团队动力和注意力等自我评价方面均明显更优,寻求真相能力、分析能力、求知欲能力、系统化能力和认知成熟度等思维能力均明显更优,差异有统计学意义(P均<0.05)。结论PBL学习模式能够有效提升急诊重症监护临床示教中的应用效果。

乌克兰语专业基础学习难点与问题调查研究──以大连外国语大学2019级、2022级乌克兰语班学生为例

本次研究致力于为乌克兰语的初学者铺设一条准确的学习认知之路,助力他们建立起坚实的理论知识基石,并对乌克兰语学习所遇到的问题进行一系列重点概括与分析,加深对乌克兰语学习的见解从而使乌克兰语学习更加深入、透彻,有利于我国培养具有国际视野的复合型人才,更好地加强合作交流为中乌合作作出贡献。本次研究对来自大连外国语大学乌克兰语专业本科全日制在校生进行了调查研究。通过分析其呈现出来的问题,总结并提出建议。我们相信,这将为中乌的合作交流作出重要的贡献,也将为乌克兰语的学习者提供宝贵的学习资源。

粒子群算法优化的广义回归神经网络求解流形学习样本外点问题

目前流形学习已成功应用于降维和数据可视化领域,但在监督分类中的应用效果并不理想,解决好样本外点问题对其应用效果至关重要。基于此,采用粒子群算法优化广义回归神经网络计算测试样本的低维嵌入,获得的结果可直接用于分类。借助粒子群算法的全局搜索能力对处理样本外点问题具有较好的预测性能;在使用糖尿病、虹膜和声呐三个公开数据集的实验中,粒子群算法优化广义回归神经网络的分类总体精度分别为77.63%、100%和88.89%,优于其他8种分类方法,表明该算法可行、有效;同时,该算法能显著降低数据复杂度,提高了预测、模式分类和机器学习的准确性。

实验教学促进“网络基础”模块深度学习的实践——以高中信息技术《路由选择》一课为例

实验教学是信息技术“网络基础”模块所倡导的一种教学方式,也是促进学生深度学习的一种有效手段。笔者基于深度学习理念,分析实验教学促进学生深度学习的可行性,以《路由选择》为例,说明如何设计能促进深度学习的实验探究课堂,带领学生从浅层学习走向深度学习。

基于改进的指针网络深度强化学习算法求解旅行商问题

旅行商问题是组合优化问题中的经典问题,而深度强化学习的发展为该类问题的求解提供了新思路。在基于指针网络的深度强化学习算法求解旅行商问题中,策略网络和价值网络的编码器都采用了复杂的长短期记忆网络结构,这在求解大规模旅行商问题时会造成训练时间过长的现象。鉴于输入节点间位置顺序的无关性,本文对指针网络中编码器的循环神经网络进行了修改,将策略网络和价值网络编码器中的长短期记忆网络都替换为一维卷积神经网络,最终提出了一种改进的基于指针网络的深度强化学习算法,其在相同求解问题规模上所需要的训练时间比原模型减少12%~15%,实验结果充分验证了本文改进算法的有效性。

生理学教学中实施基于网络的以问题为基础学习教学方法的探讨

本文对基于网络的以问题为基础学习（web problem—based learning，WPBL）教学方法在生理学教学中的应用进行了探讨。佳木斯大学在应用WPBL教学方法中，充分运用网络资源创设一种逼真的、栩栩如生的生理学问题情景，为学生形成可以自由探索和自主学习的开放环境，激发学生对生理学的学习兴趣，充分调动学生的主动性，以进一步提高生理学的教学效果。

以问题为基础的学习教学法在医学研究生远程教学中的应用

以问题为基础的学习(problem based learning,PBL)不同于传统教学方法的以教师为主导,PBL教学法以学生为主体,以提出问题、分析和解决问题为框架,小组讨论为主要模式,其目的在于将问题作为纽带整合书本知识和实际应用。该模式最早由神经病学教授Barrows于1969年提出,并于加拿大McMaster大学最早应用,自20世纪70年代已在欧美进行较为广泛的尝试并得到推广^([1])。医学研究生已完成医学本科教育并进行了临床实习,研究生教育则是在某一专业进行更深入地学习,以问题为导向鼓励学生利用所学知识,广泛查阅文献,以小组形式共同完成预设问题的回答,更能激发学生的学习兴趣,从中获得成就感,加深对所学知识的认识和提高实际应用能力。

基于网络的协同学习模式在医学基础课教学中的探索与实践

为培养专业的人才,职业教育的实践类课程占比逐渐提高,医学基础类课程之间的融合也成为课程改革的方向。本研究探索了基于网络的医学基础课协同学习模式,认为其具有更好的开放性、交互性、灵活性、高效性,能够以学生为中心形成学习共同体,更好地实现资源的整合、创作、储存,知识的共享、传播、升级。通过本文的研究,希望能为协同学习模式的发展提供一定的借鉴和参考。

基于网络环境下以问题为基础的学习在康复治疗学专业教学中的应用

目的探索基于网络环境下以问题为基础的学习(PBL)在康复治疗学专业教学中的应用。方法对本院2009、2010级康复治疗学专业本科两个班各32名学生,选取生理学3个章节,按班级分别采用传统教学法和基于网络环境下PBL讲授,课后对学生进行问卷调查。结果基于网络环境下PBL在激发学习兴趣、培养自学能力、扩大知识面等方面与传统教学相比有很大提高。结论在康复治疗学专业的生理学教学中,基于网络环境下PBL能较好地提高生理学教学质量。

网络环境下以问题为基础的学习法实施过程的质量管理研究

目的探讨网络环境下以问题为基础的学习法(web problem-based learning,WPBL)实施过程的质量管理措施。方法通过细化WPBL案例编写、学生个体参与过程和小组协作学习过程等方面的质量管理措施,使WPBL的优点能得到充分体现。结果 WPBL案例的编写质量得到提高,促进了学生参与WPBL的积极性和小组学习中的沟通和协作。95%以上的学生认为WPBL有助于提高分析和整理信息的能力、自主学习能力、提出和解决问题的能力以及协作学习的能力。结论通过细化WPBL实施过程的管理,可有效提高WPBL的质量。

基础教育领域网络学习空间建设与应用现状、问题及对策研究

网络学习空间是教育信息化2.0时代实现智能化、数字化、网络化、泛在化教育生态的重要抓手,是当前教育信息化工作整体推进的一项重要内容。为全面了解基础教育领域网络学习空间工作推进的现状,挖掘遇到的瓶颈问题,研究在全国范围内对网络学习空间平台进行抽样分析,并对各类用户进行抽样调查与访谈,发现当前网络学习空间建设与应用虽已取得初步成效,但仍存在空间功能需要系统优化升级、用户创新应用不足、相关体制机制亟须完善等问题。在此基础上,提出在后续空间推进工作中,应注重完善管理体制机制、强化顶层设计、持续优化空间功能、重视资源共建共享、引导实践应用、注重典型培育、优化培训体系等,从制度建设、技术升级、应用创新等方面全方位推进相关工作,使空间充分发挥其成效,为教育信息化的实现夯实应用环境基础。

基于图卷积和注意力神经网络的旅行商问题新解法

旅行商问题是一个经典的组合优化问题。为快速求解旅行商问题,设计了由图嵌入网络、图卷积神经网络、注意力神经网络和多层感知机组合而成的深度学习模型的学习分支规则,通过改进传统的分支定界算法提高算法性能。对15个城市的旅行商问题实例进行监督训练,并在SCIP求解器上分别测试10,15,20,25和30个城市的旅行商问题实例。发现:基于学习分支规则的分支定界算法的求解时间比基于传统分支规则的分支定界算法的求解时间分别快-0.0022 s,0.0178 s,1.7643 s,2.3074 s和2.0538 s。因此,基于图神经网络的分支变量选择对传统分支规则的改进是有效的,可以较好地泛化到训练规模更大的旅行商问题实例中。

基于双流神经网络的个性化联邦学习方法

经典的联邦学习(FL)算法在数据高度异构的场景下难以取得较好的效果。个性化联邦学习(PFL)针对数据异构问题,提出新的解决方案,即为每个客户端“量身定做”专属模型,这样模型会拥有较好的性能;然而同时会引出难以将FL扩展到新客户端上的问题。针对PFL中的性能与扩展的难题展开研究,提出基于双流神经网络结构的联邦学习模型,简称FedDual。双流神经网络模型通过增加一个用于分析客户端个性化特征的编码器,既能拥有个性化模型的性能,又便于扩展到新客户端。实验结果表明,相较于经典联邦平均(FedAvg)算法,FedDual在MNIST和FashionMNIST等数据集上的准确率有明显提升,而在CIFAR10数据集上的准确率提升了10个百分点以上,且面对新客户端保持准确率不下降,实现了“即插即用”,解决了新客户端难以扩展的问题。

基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法

针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计,基于该特点发展了一种针对高维多输出问题的主动加点策略,通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后,利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明,所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程,而且能够利用多个输出响应之间的关联,主动筛选关键样本点进行建模,在一定程度上提高了高维多输出问题的求解效率。最后,通过几个数值算例验证了所提方法的有效性。