关于中学生数学学习选择性的调查研究

学生数学学习的选择性是学生在数学学习中表现出来的选择性。在数学教学中,培养学生的数学学习选择性是十分必要的。为了真实地了解中学生数学学习选择性的现实状况,我们对市区内的三所中学的470名学生作了问卷调查。问卷包括6个小问题。基本覆盖了有关数学学习选择性的问题。调查结果表明:当前数学学习选择性的状况不能令人满意。从总体上看:(1)数学成绩好的学生在数学学习活动中表现出的选择性要强;(2)大部分学生表现出来的学习选择性比较差;(3)少部分的学生对数学学习存在盲目性,缺乏学习的选择性。因此在教学中,注重对学生学习选择性的培养,多为学生创造选择的机会是每一位数学教师应该关注的问题。

小学选择性学习对于不同群体学生的影响研究

“双减”政策对数学学科教学提出了新要求。对当前小学数学教学现状进行分析后发现,不同群体学生的数学学习存在很大差异。为提高教师的数学教学质量,满足不同群体学生的个性化学习需求,以选择性学习为核心,探究不同群体学生的不同学习方式,分析实施效果,探究教学适应性。这对培养学生数学核心素养具有积极意义。

一种基于选择性协同学习的网络用户异常行为检测方法

为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确性不足等问题.因此,将选择性集成技术引入到协同学习过程中,提出了一种基于选择性协同学习的网络用户异常行为检测方法,使用基于多数类分布的改进EasyEnsemble方法将非平衡训练样本划分为平衡的样本子集,然后使用基于混合扰动的生成方法构造差异性成员分类器对样本子集进行协同学习,在学习过程中使用选择性集成进行置信度计算与数据更新以减少开销,并基于准确性选择构建集成分类器用于实际检测,使得检测方法在获得非平衡性复杂分布数据的处理能力的同时进一步提高检测准确性.实验结果表明,该方法较传统方法减少了对训练样本中标记数据的需求,同时在准确性评价指标上表现更好,能更快速准确地检测出网络用户的异常行为.

选择性集成学习算法综述

集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的选择策略对其进行了分类,并分析了各种算法的主要特点,最后对选择性集成学习在将来的可能研究方向进行了探讨.

教师培训中的选择性学习——以常州市“名师大学堂”为例

长期以来,我国的中小学教师培训主要依赖"外控"力量进行统一化的培训,这导致教师在培训中无权、无声和培训课程的去专业化,无法满足教师的个性化需求,使教师处于被适应和局外人的境地。针对这一问题,常州市教师培训中心实施基于选择性学习的"名师大学堂"教师培训项目。该项目实施五年来,深受教师好评,初步解决教师培训中存在的效能低下、针对性不强等问题。基于选择性学习的"名师大学堂"体现教师专业自主,承认了教师个体差异,唤回了教师生命自觉,有效地化解培训冲突,使教师培训呈现出持续的生机与活力,对当前的教师培训改革有一定的借鉴和指导价值。

选择性学习—— 一种面向未来面向学生实际和提高质量的策略

选择是人类的天性，选择学习是符合人类天性的学习方式。本文提出了选择性学习的主张，认为选择性学习是一种面向未来面向学生实际和提高教与学质量的有效策略，阐述了选择性学习的涵义、实质、特征、依据、目标。

历史高考命题与选择性学习

选择性学习的理念与研究性学习相互结合、相互促进，已经逐步渗入新课程的教学与评价体制中。研究选择性学习在高考试题命制过程中的渗透和体现，可以为日常的历史学习提供有益的借鉴与启发。

基于动态选择性集成学习的供应链产销协商优化策略

针对当前Agent产销协商自适应学习效果差及协商环境动态变化的现状,考虑动态协商环境中的冲突水平、合作可能性、协商剩余时间对谈判的影响,利用熵值法确定3个影响因素的权重并进行线性加权。结合当前协商议题的差异性,构建基于动态选择性集成学习的让步幅度预测模型,并提出供应链产销协商优化策略。实验结果表明,与单学习机协商策略相比,该策略提高了Agent自适应学习成功率及联合效用,并且能确保供应链产销双方受益,实现合作双方互利互赢的局面。

选择性集成学习模型在岩性-孔隙度预测中的应用

储层是油藏地质建模的主要对象,储层属性参数的预测是建模的重要基础和主要难点之一。利用机器学习方法建立预测模型是目前研究的一个热点。针对单一机器学习方法在孔隙度预测方面存在的容错率低、过拟合等缺点,提出了融合岩性分类进行选择性集成学习建立预测模型的方法。该方法首先使用支持向量机进行岩性分类,并将岩性分类结果作为孔隙度选择性集成预测模型的输入。然后在研究分析典型机器学习方法的基础上,通过主成分方法分析法从支持向量回归、径向基(radial basis function,RBF)神经网络、随机森林、岭回归和K近邻回归等经典模型中选择出一组表现优异的个体学习模型组成集成学习模型,个体在集成模型中的权重由“主成分权重平均”法获得,最终采用加权平均法得到集成学习模型的输出。该方法考虑了岩性对孔隙度的影响,克服了单一模型存在的不足,模型的泛化能力强。研究结果表明,该方法的预测精度明显优于其他单一机器学习方法,适应性好。

“点餐式”作文教学:让选择性学习落地开花

关注学生的个性差异,为学生提供最适合的教学,作文教学必须变革。在多媒体技术支持下,为学生提供多种选择,由学生自主确定学习内容和方式,自主参与学习,是作文教学变革的必然趋向。"点餐式"作文教学应运而生,能让选择性学习真正走进课堂,使学生通过适合的选择性学习,得到适宜的发展。

基于选择性核学习的在线软测量建模方法

离线建立的软测量模型的预报精度往往逐渐降低,通常需要在线更新模型。为此,提出一种基于选择性核学习的在线软测量建模方法。该方法首先建立最小二乘支持向量机模型,并采用基于预报误差限的选择性前向学习策略更新模型,以提高其稀疏性。此外,为了更准确地删除冗余样本,在后向学习中,提出一种在高维特征空间同时利用输入输出数据的相似度准则,选择性删除与当前状态相似度最小的样本。利用某石化公司聚丙烯熔融指数的软测量建模结果进行了方法验证。

基于选择性集成学习的高速列车故障识别研究

在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。针对高速列车故障中样本的分类识别是存在区域分类精度的情况,提出了一种基于选择性集成学习的SVM多分类器融合算法。该方法选取测试样本最邻近的k个训练样本;然后选择对其分类效果好的SVM分类器进行融合,以提高分类准确率;最后使用高速列车故障数据进行了实验,并与Ada Boost、KNN、Bayes、SVM分类方法进行了比较。实验结果表明,该算法提高了分类识别准确率。

儿童在因果知识领域内的选择性学习

儿童的选择性学习是目前认知发展领域的热点问题。儿童在因果知识领域内的选择性学习(即选择性因果学习)对于回答儿童如何获取知识这个经典问题具有重要意义。儿童的选择性因果学习表现在对他人解释的辨别、评估与采纳上。他们会主动向可靠的信息提供者寻求解释,并在接收回答后表现出选择性跟进反应。对于他人的回答,年幼儿童不仅能根据言语线索辨别出解释性陈述,还能依据解释的结构特征选择更好的陈述加以采纳,年长儿童甚至可以从不同模式的解释中灵活地学习更适宜的因果知识。未来研究应深入关注解释的其它特征在儿童选择性因果学习中的作用,进一步探讨选择性因果学习的认知机制。

选择性集成学习多判别器生成对抗网络

生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。

基于特征选择的SVM选择性集成学习方法

本文提出了一种结合SVM的选择性集成学习方法。算法基于集成学习的基本框架,通过对输入的训练子集进行特征选择处理并对随后的基分类器进行泛化能力的排序和选择,形成了一个新的集成分类器,以提高性能。文中试验采用UCI数据集与传统的Bagging算法做对比,结果表明本文算法可以有效地改善分类效果。

关于选择性学习的几点思考

选择性学习以自主性、多元性、互动性、同一性等特征成为21世纪教育的必然选择。我们在分析选择性学习的内涵及特征、选择性学习内容及选择性学习意义的基础上提出了实施选择性学习的策略,即创设选择情境,强化选择意识;加强对学生选择方法的指导,提高选择能力;优化选择策略,发展选择水平。

初三体育课堂教学中选择性学习策略研究

本文根据体育课程标准,针对初三学生体育学习的实际,从教学情境入手,在学习目标、教学内容、教学方法、学习伙伴、角色和方案等方面,进行了体育课堂教学中选择性学习策略的思考与探索。

菲律宾选择性学习系统的发展与建构:不断实现全民教育

受教育权是人类基本的人权,是人类享受其他权利的基础,它使边缘化的成年人和儿童摆脱贫困,成为真正意义上的公民。相对其他东南亚国家而言,菲律宾政府比较重视全民教育及教育公平的问题。近年来,为进一步普及教育,菲政府将非正规教育转变成了选择性学习系统(Alternative Learning System,简称ALS),并致力于实现2015年全民教育目标和千年发展目标。