体育课堂若干教学因子的反思策略

教师必须要对所授的课堂若干教学因子进行全面而深入的冷静思考和总结,也是提高自身业务,不断充实自己,改进教学实践,积极探索与解决教育教学实践中出现问题的一种学习方式。简言之,教学反思就是研究自己如何教学,从教学中自己如何学教学的问题。教中学,学中教。

对教学因子的三维思考与“三维教学模型”

在教学活动中，影响教学至深的五大因子是：教法、学法、教学目标、教学程序和练习。在以往的备课或说课文件中我们往往是按顺序来阐述这些教学因子的，即使是用结构主义的多媒体课件的展出方式亦是如此。这样的思维往往会落入到一个线性的思维或一个平面的思维的格局中。通过多年的教学实践，我认为：从构建教学模型的角度来说，可以将上述的五个教学因子放到一个三维立体坐标系中来思考它们之间的关系，暂且将其命名为“三维教学模型”。

探究教学质量因子 构建质量评估体系

本文阐述了以《上海大学院系教学质量状况年度白皮书》为载体的具有上海大学特色的教学质量评估体系。该体系注重上海大学教学评估中质量因子的动态优化，注重与质量因子相关数据采集的常态化，注重质量因子与相关权重的关系，注重评估结论及其相关教育投入与引导办学特色的关系。这些在理论和实践结合上的改革活动，对于提高教育质量和促进我国高等学校办学特色的形成，具有一定的借鉴意义。

高职“物理因子治疗技术”课程教学改革初探

为了提升高职康复治疗人才培养质量,培养出满足社会需要的高技能复合型人才,文章从教学模式、教学内容、考核方式三个方面论述了高职“物理因子治疗技术”课程教学改革。

论教学质量因子设置及数据利用

为保证教学质量,开放大学在不同阶段,针对不同的学生群体,采取过多种质量保证措施,也取得了相应的成效,于2009年推出的教学质量因子及其数据发布就是其中的一项。然而,近年来的实践表明,教学质量因子及其数据发布产生的作用不如想象得那么好,课程主教材订购率数据的分析就充分证明了这一点。所以,应开放教学质量因子统计数据,接受全社会的监督;要引入第三方力量,保证质量因子及其数据的权威和公正;要进一步优化教学质量因子,使教学质量因子及其数据发布和使用成为一个控制闭环,真正为开放大学的教学质量提升保驾护航。

有效课堂教学的生态学探究

基于教育生态学的视角,对有效课堂教学研究进行分析。为了更有效地教学,应强化教育生态系统整体效应,重视对各个教学因子的生态分化,协调课堂教学,从教育的生态链中反思教学,促进教学系统的生态和谐与平衡,从而构建有效的教学环境,提高课堂教学效率。

课堂教学中创新教育的实践研究

实施创新教育,课程内容改革是核心。同时又不可忽视的是:课堂教学作为实现教学目标的手段,成为由理论目标达及实际目标的中介,也是关键环节。创新教育的课堂实施可分为两大系统、六大因子:在创新教育的课堂实施的两大系统中,六大因子是相互关联的。正确认识这六大因子的相互关系,为教师的教学实践提供更清晰和明确的原则性方案,对指导创新教育实践具有重要意义。

基于正弦余弦的自适应教与学优化算法

为了克服教与学优化算法求解精度低、早熟收敛问题,提出了一种新的基于正弦余弦的自适应改进教与学优化算法(ASCTLBO)。该算法在教学阶段,提出新的自适应教学因子,引入自适应惯性权重,使得当前个体向全局最优个体学习,增强了算法的局部搜索能力。在学习阶段利用正弦余弦函数的震荡变化性质对学习者个体位置进行自适应更新,维持种群的多样性,增强算法全局搜索能力。数值试验表明,提出的新算法是有效的,具有较好的收敛速度和求解精度。

融合差分变异的教-学优化算法

教-学优化算法(TLBO)是模拟班级中的教学过程和学习过程而提出的一种新型智能优化算法。为了改善教-学优化算法的性能,结合差分进化算法,提出一种融合差分变异的教-学优化算法(DMTLBO)。该算法提出自适应的教学因子,根据差分进化算法中变异策略,对学习阶段迭代方程进行改进,使得学习者的学习能力不仅受到学习者之间的相互影响,而且还受到当前最好学习者的影响,提高了算法的收敛速度。仿真实验表明,该算法的收敛速度和寻优精度均优于TLBO算法、PSO算法以及DE算法。

基于改进TLBO算法的刮板输送机伸缩机尾PID控制系统优化

为了提高刮板输送机伸缩机尾控制系统的工作性能,将一种新的群智能优化算法,即教学与学习算法(TLBO)应用于机尾PID控制器的参数优化中,并提出新的自适应教学因子计算方法,其利用完整学习阶段前、后学生群体成绩的变化来决定教学因子的取值。研究结果表明:改进后的TLBO算法的精度及稳定性均比原TLBO算法的优。在建立刮板输送机伸缩机尾控制系统模型的基础上,利用改进的TLBO方法进行PID参数整定,并引入超调量控制指标对适应度函数再次完善,二次优化后的刮板输送机伸缩机尾控制系统具有良好控制品质和鲁棒性。

改进教与学优化算法的IIR数字滤波器设计

针对IIR数字滤波器的设计问题,对降阶模型的设计是典型的多峰优化问题,基本的教与学优化算法在解决该问题易陷入局部最优。针对上述缺陷提出了一种改进的教学优化(MTLBO)算法。改进算法引入反向学习技术,增加解的多样性;同时为避免迭代初期的无效搜索,针对性的设计了分段式的学习策略,用以均衡算法的全局搜索和局部搜索能力。将MTLBO算法应用于IIR数字滤波器同阶和降阶模型的设计,通过两个典型案例的仿真,与PSO算法、DE算法相比,验证了改进算法的优越性和有效性。

参数自适应教与学优化分数阶PID控制器设计

本文针对分数阶PID控制器调节参数多、人工调参难度较大的问题,提出了参数自适应教与学优化分数阶PID控制器设计方法。分数阶PID控制器参数寻优过程引入种群适应度方差表征种群的“聚集程度”,将影响算法收敛速度和收敛精度的教学因子设计成种群适应度方差的函数,使其在算法迭代过程中根据种群的“聚集程度”自适应调节算法收敛速度。当种群聚集程度高时,提高教学因子取小值的概率,增强种群的多样性;当种群聚集程度低时,提高教学因子取大值的概率,提高算法的收敛速度。通过仿真验证,本文提出的参数自适应分数阶PID控制器控制整数阶系统、分数阶系统均可获得优良的控制效果,与参考文献设计的控制器相比在动态性能上有显著提升,参数自适应分数阶PID控制器较整数阶PID控制器在响应速度上提高69.8%,超调量减少92.6%,稳态误差减小32.4%。

求解约束优化问题的改进教-学优化算法

提出了一种非线性约束优化问题改进的教-学优化算法,该算法首先提出了自适应的教学因子,对学习阶段的迭代方程进行改进,引入了差分变异策略;其次利用约束违反度函数将约束优化问题转化为无约束双目标优化问题,在每次迭代中按照约束违反度的大小保留部分性能较优不可行个体,有效地维持了种群的多样性;最后数值实验表明,该算法具有较快的收敛速度和较好的全局寻优能力.

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中"学生"信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。

基于改进TLBO优化LSSVM的风电功率短期预测

为提高风电功率短期预测的精度,提出一种基于改进TLBO优化LSSVM的风电功率短期预测方法。首先对基本TLBO算法中的‘教’阶段进行改进,在采用自适应教学因子的同时改变所有搜索个体的平均值,从而能够自适应的提高TLBO在整个搜索空间的性能;然后改进TLBO算法的‘学’阶段,为维持种群的多样性,避免TLBO算法过早收敛和陷入局部最优,在学习阶段引入高斯变异算子;最后用改进的TLBO优化构建的LSSVM预测模型。以上海北沿风电场和莱州风电场实测数据为例,仿真结果表明,与PSO和TLBO优化LSSVM相比,改进的TLBO优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性。

一种改进的教与学优化算法

针对教与学优化(TLBO)算法在解决高维复杂优化问题时易陷入局部最优的缺点,提出一种改进的教与学优化(ITLBO)算法.该算法首先提出自适应教学因子,然后对学员阶段进行改进,使得学员的学习能力不仅受到学员之间的相互影响,而且受到老师的影响,从而增强算法的全局搜索能力.最后对6个无约函数进行实验测试,所得结果与TLBO算法进行比较.数值结果表明,ITLBO算法不论是在收敛速度还是在寻优精度上均优于TLBO算法.

融合Levy飞行的教与学优化算法的PMSM参数辨识

高精度参数是永磁同步电机实现高性能控制的关键。针对传统永磁同步电机参数辨识方法中存在辨识速度慢和精度低等缺陷,提出了一种融合Levy飞行的教与学优化算法对永磁同步电机进行参数辨识。该算法引入自适应教学因子和自学习策略,提高算法收敛速度。对于学习阶段,引入Levy飞行随机过程改进寻优策略,有效平衡算法的全局搜索和局部开发能力。通过仿真表明,该改进算法能够准确辨识出永磁同步电机定子电阻,dq轴电感和永磁磁链,具有较好的收敛性和可靠性。

改进TLBO优化人工鱼群算法实现FCM图像分割

FCM算法是一种比较流行的模糊聚类算法,将其运用到图像分割领域中,可以更加客观地对像素进行分类,达到较好的分割效果。但是传统的FCM算法存在对初始聚类中心较为依赖的问题,一般情况下,初始聚类中心是随机选取的,如果选择的不合适,则很容易导致算法得不到全局最优解。针对此问题,提出了改进方法,对人工鱼群算法(AFSA)进行改进,利用人工鱼群算法良好的全局搜索功能,同时融合改进的教学优化算法(TLBO),用于搜索FCM算法的初始聚类中心。通过实验证明,提出的算法不仅有效地改善了人工鱼群算法后期寻优速度慢、不精确的问题,并且与标准FCM算法和人工鱼群算法优化FCM算法相比,在迭代次数和运行时间方面,平均下降了14%~55%,分割正确率平均提高了7%~10%,从而在图像分割方面具有更快的分割速度和更优的分割效果。

一种改进的多学习教与学优化算法

针对传统教与学算法在解决复杂多峰函数优化问题时,具有局部最优且搜索开发能力较差的缺点,提出了一种改进的多学习教与学优化算法,新算法为学员的每一维加入不同的教学因子,设计了基于学员均值比较的教师选择策略和向教师及学员学习的多学习策略。基于多个单峰和多峰函数的仿真结果表明,新算法跟传统的、改进的教与学算法相比,在稳定性、寻优精度和收敛速度方面更具优势。

一种基于差分进化的教与学优化算法

教与学优化算法(TLBO)是一种基于教学过程现象的启发式算法。针对求解高维复杂优化问题时容易陷入局部最优的不足,文章提出了一种基于差分进化的TLBO,采用自适应教学因素和基于差分进化的学习过程来提高基本的TLBO性能。9个复杂的测试函数被用来验证所提出的方法的有效性和准确性。实验结果验证了算法的有效性,表明所提出的算法是一种具有优势的优化算法。