基于Felder-Silverman学习风格的自适应e-learning系统

传统e-learning系统缺乏学生个性化特征的定制功能,学习风格是学习过程中较为稳定的学习策略倾向个性特征。将Felder-Silverman学习风格引入e-learning系统,给出了基于Solomon量化表的学习风格生成算法,然后搭建基于.NET分层架构的自适应性e-learning系统。实验结果表明,该系统能够根据学生的学习风格进行个性化的内容呈现和知识导航,具有自适应的特征。

基于XML的自适应E-Learning系统模型的研究

在现有的基于Web的E-Learning系统模型分析的基础上,提出了一种新的基于XML的E-Learning系统模型,该模型采用了贝叶斯网络的推理机制来建立学生学习模型,以实现适应性学习、个性化学习;在实现系统模型上引入了XML技术,以实现学习资源的标准化.

基于仿真测试驱动的自适应E-learning系统设计方法

提出一种可交互的、灵活的测试工具来开发自适应数字化学习(E-learning)系统。该系统提供可视化检查以及编辑功能、仿真和检查自适应响应功能,并兼容xAPI,将记录功能与可视化流程相结合,有助于动态调整测试用例。通过上述功能,确保了基于测试驱动方式的自适应系统的开发。最后,利用数学建模法给出数学模型和基于xAPI的模块功能框图。

电子商务环境下企业自适应E-Learning系统的研究与设计

随着企业发展和社会信息化程度的不断推进,E-learning作为构筑知识经济时代人们终身学习体系的重要手段,如今已经成为企业培训管理信息化的重要工具.为探索E-learning在企业应用中实现其价值的最大化,提出将自适应学习机制引入企业网络学习平台,构建一个自适应E-learning系统,有效地实现学习者高度互动和个性化的自主学习,以促进企业向学习型组织转变,增强企业的核心竞争力,为企业在电子商务环境下持续地快速发展奠定坚实的基础.

超媒体环境下的自适应e-Learning平台

随着网络教育的发展,各种e-learning系统不断问世.然而,这并不意味着将会对传统学习方式进行彻底的革命.因为网络本身只是一种硬件,它只具有信息传输的功能,而e-Learning教学的最终实现还要依赖于网络的软环境,即教学环境的创设.在e-Learning平台的具体实施过程中,大多数系统只是简单地重现书本知识,或者采用多媒体的方式表现知识,并不像在传统教学中,教师能够因材施教,针对不同的学生制定不同的教学计划.这些系统只注重提供大量的学习内容,而不能根据学习者的行为做出恰当的反应,未能充分发掘网络的功能和计算机教学的潜力,从而失去了e-Learning的真正意义.

基于本体和Web服务的适应性e-Learning系统

本文将本体和Web服务技术引入到e-Learning应用中,构建了一个开放的适应性e-Learning系统结构, 利用本体来描述学习资源的语义,通过web服务支持个性化学习和系统间的资源共享。该方法把建立良好个性 化功能的适应性教育系统和分布的学习资源网络环境进行了有效的结合。

基于Web使用挖掘的e-Learning自适应推荐系统

e-Learning自适应推荐系统是一种基于当前学习者联机行为,在线自动推荐学习对象而不需要学习者直接反馈的系统。该系统框架是由离线模块和在线模块构成。离线模块预处理数据建立学习者模型,在线模块使用这些模型实时识别学习者目标,运用基于协作过滤的一系列推荐策略预测推荐学习对象。实验证明:由于实现模型构建和模型应用的有效分离,该系统具有较强的伸缩性和较快的实时响应速度,适合为大规模e-Learning系统提供高质量的个性化推荐服务。

实现E-learning平台中的学生自适应学习

国内学生长期依赖面授教学,造成学习主动性差,难以适应e-learning。本文试图以清华大学远程教育的网络教学平台为例,探索智能评价系统的设计与实现,寻求在网络教学环境下激励和引导学习的有效方法。

E-learning在医学教育领域内的实践与研究

科学技术与医学教育的发展,对医学教育的过程及途径提出新要求。电子学习(E-learning)作为一种新型教学方式,早已在教育、培训等领域广泛应用,尤其是在国外。在国内医学教育领域中,E-learning也得到迅速发展,并发挥积极作用。随着这种应用趋势的展开,不少学者对此进行相关研究。本文在对E-learning方式进行解读的基础上,追溯其发展历程与在医学教育领域内的应用现状,对相关的国内外研究资料进行回顾,为E-learning在国内医学教育的实践研究提供建设性启示。

适应性E-Learning系统:现状与趋势

适应性E-Learning是E-Learning发展的一种新的趋势,而适应性E-Learning系统也代表了E-Learning系统发展的一种潮流。文章首先介绍了适应性E-Learning系统的发展历史和典型案例,并在此基础上呈现了适应性E-Learning系统的通用构架和技术模型,最后阐述了适应性E-Learning系统的发展趋势。

E-learning环境下大学生自主学习适应能力培养研究

E-learning环境下的自主学习适应能力是学生适应E-learning环境的能力倾向。实施旨在提高学生自主学习适应能力的阶段性方案和培养机制的教学实践。结果表明,该研究能够有效地提高学生的自主适应能力,学生的自主学习能力、信息技术能力、合作学习能力以及使用学习策略的能力有所提高,能进一步提高学生的学业成绩和学习成果。教师应在E-learning环境下的学习策略培训方面给予学生更多的指导,并创造更多的机会为学生提供师生、生生面对面相互交流的机会。

来华临床医学专业留学生学习适应性的调查研究

目的调查临床医学专业留学生在华学习适应情况,并对医学本科院校留学生教育与管理提出改进意见。方法选取2013年9月至2021年9月滨州医学院所招收临床医学专业留学生260名为研究对象,从基本信息、教育环境、教学要素和校园关系4个方面开展线上问卷调查。采用Likert 5级度量评分法对教育环境、教学要素、校园关系的满意度进行量化,分析其学习适应性情况,并收集学生建议。结果调查显示,临床医学专业留学生主要来源于南亚与非洲等医疗教育及医疗水平欠发达地区,男性多于女性,以从事医疗卫生事业为学习目标。留学生在华学习整体适应满意度均值(Mean)达3.99,其中教育环境、教学要素、校园关系Mean分别为3.97、3.83、4.18。而留学生不满意率最高的3个方面分别为文化差异致挫折感18.5%(48名)、课程设置与教材14.6%(38名)以及奖学金制度13.5%(35名)。同时,学生对不满意方面进行了阐释。结论来华临床医学专业留学生整体学习适应水平较高,学习效果良好,但仍存在教师语言能力不足、基础设施不完善、管理制度不科学、跨文化交流较少等问题,阻碍了医学留学生教育的发展。同时也针对这些问题提出了改进建议。

贝叶斯网络在适应性E-Learning系统中的应用

在适应性E-Learning系统中,建立学生学习模型的过程中难度最大的是处理众多的不确定因素,本文运用了贝叶斯网络的推理机制来处理这些不确定因素.

E-learning环境下大学生自主学习适应能力调查研究

E-learning环境下的自主学习是现代信息技术应用于教学的学习方式。E-learning环境下的自主学习适应能力影响学生的学习效果和效率。本研究通过问卷调查和访谈手段,了解大学生在E-learning环境下的自主学习适应能力。研究结果表明:学生制定学习计划的能力、学习反思能力较薄弱,部分学生还没有完全适应E-learning环境下的学习,网络学习目标含糊不清,缺乏较强的持久的内在网络学习动机。为此,应培养学生网络学习策略;加强师生和生生之间的情感交流;增强学生长久的学习动机;重视大学生的学习适应和心理健康问题。

有氧运动预适应改善骨髓间充质干细胞治疗急性心肌梗死的效果

背景:干细胞疗法是急性心肌梗死后恢复受损心肌组织的替代治疗策略,运动预适应可诱导机体产生内源性心脏保护效应,然而两者联合应用的疗效及机制尚不清楚。目的:探讨运动预适应联合骨髓间充质干细胞对急性心肌梗死大鼠治疗效果的影响及其可能机制。方法:70只雄性SD大鼠随机分为假手术组、模型组、干细胞治疗组、运动预适应组和联合干预组。运动预适应组和联合干预组于造模前进行8周跑台有氧运动,然后通过结扎冠状动脉前降支制作急性心肌梗死模型,干细胞治疗组和联合干预组于造模后隔天尾静脉注射骨髓间充质干细胞(1×10^(9)L^(-1),1 mL),治疗4周后,利用递增负荷跑台运动实验评估运动能力,超声心动图检测心脏结构与功能;分离左心室,2,3,5-氯化三苯基四氮唑染色评估心肌梗死面积,Masson染色检测胶原容积分数,CD31免疫组织化学染色检测心肌毛细血管密度,TUNEL染色检测心肌细胞凋亡情况,免疫印迹法检测基质细胞衍生因子1、CXC趋化因子受体蛋白4、肿瘤坏死因子α、白细胞介素10和血管内皮生长因子蛋白表达量。结果与结论:①干预疗效:与假手术组比较,模型组运动能力、左心室射血分数、左心室缩短分数、CD31阳性细胞率下降(P<0.05),心肌梗死面积、胶原容积分数和心肌细胞凋亡率增加(P<0.05)。与模型组比较,干细胞治疗组运动能力无显著差异(P>0.05),运动预适应组和联合干预组运动能力提高(P<0.05);干细胞治疗组、运动预适应组、联合干预组左心室射血分数、左心室缩短分数、CD31阳性细胞率升高(P<0.05),心肌梗死面积、胶原容积分数、心肌细胞凋亡率降低(P<0.05)。与干细胞治疗组比较,联合干预组运动能力、左心室射血分数、左心室缩短分数、CD31阳性细胞率增加(P<0.05),心肌梗死面积、胶原容积分数、心肌细胞凋亡率降低(P<0.05)。②蛋白表达:与假手术组比较,模型组肿瘤坏死因子α表达升高(P<0.05),白细胞介素10和血管内皮生长因子表达下降(P<0.05)。与模型组比较,干细胞治疗组和联合干预组CXC趋化因子受体蛋白4表达升高(P<0.05),干细胞治疗组、运动预适应组和联合干预组肿瘤坏死因子α表达下降(P<0.05),白细胞介素10和血管内皮生长因子表达增加(P<0.05)。与干细胞治疗组比较,联合干预组肿瘤坏死因子α表达降低(P<0.05),CXC趋化因子受体蛋白4、白细胞介素10和血管内皮生长因子表达升高(P<0.05)。结果表明:运动预适应可增强急性心肌梗死大鼠骨髓间充质干细胞治疗的效果(抑制心脏重塑、改善心功能、延缓心力衰竭进程),其机制与促进干细胞归巢、抑制炎症反应以及促进血管新生有关。

小麦新品种厚德麦981丰产性、稳产性及适应性分析

厚德麦981是河南赛德种业有限公司以周麦16为母本、才智97(5)-3为父本,采用系谱法选育而成的高产稳产小麦新品种,为进一步了解厚德麦981的生产特性,利用2017-2020年国家黄淮冬麦区南片水地组区域试验和生产试验数据,对厚德麦981的产量、变异系数、高稳系数和适应度进行比较分析。结果表明,厚德麦981增产效果显著,变异系数和高稳系数均较小,适应性高,具有较好的丰产性、稳产性,综合性状优良,适宜在黄淮南片的河南大部、安徽北部、江苏北部、陕西关中高中水肥地早中茬种植。

人工智能、产品创新与制造业适应性转型

人工智能(AI)对产品开发、运营和营销等企业价值链的影响正在改变制造业转型升级的机制与路径。围绕AI如何通过影响产品创新推动制造业转型升级,本文依托相关研究成果提炼AI区别于其他数字技术的核心创新特征,剖析AI对产品创新的影响机制,并通过AI影响个体、企业、产业的跨层次分析框架,从产品创新视角提出AI影响制造业转型升级的适应性变革概念模型,探讨AI通过产品创新影响制造业适应性转型的机制与路径,形成三个主要结论:(1)新社会主体、生成性、知识积累方式突变性构成AI区别于其他数字技术的三个核心创新特征;(2)AI作为新社会主体角色介入产品企划、结构工艺等开发环节,改变或增强了人类智能的产品开发思维,拓展了产品开发的知识边界;(3)AI增强产品创新与运营过程、市场营销和销售的全价值链即时互动和调整,构建起平衡制造敏捷性与用户敏捷性冲突的自适应调节机制,推动制造业通过产业快速自适应调节涌现出自适应间断平衡的转型路径。

弱电网下光伏并网系统锁相环参数自适应控制

针对弱电网下PLL(phase-looked loop,PLL)会使并网逆变器的稳定性下降问题,提出一种锁相环带宽自适应控制策略来实现锁相环参数依据电网实时阻抗值来获得最优的控制参数,保证系统最佳控制性能和稳定运行,从而提升跟网型逆变器在弱电网下的对电网阻抗的适应能力。利用PSCAD/EMTDC进行仿真验证,仿真结果证明自适应控制策略正确、有效。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

E-learning学习系统的复杂适应性研究

对E-learning学习系统的复杂适应性作了比较深入的研究,探讨了存在的问题;依据复杂适应系统理论,分析了问题产生的原因;从系统固有的特征,论证了Elearning学习系统的复杂性和适应性;指出应该摆脱传统的教学思维,按照复杂适应系统的演化规律,改进教法,适应学生自主学习的方式,以复杂适应系统理论指导Elearning学习环境的构建,以达到最优的教学效果。对构建E-learning复杂适应系统进行了初步构思,认为应提高系统的性能,同时以"碎片化"教学信息资源,适应复杂的学习要求;加强E-learning数据的管理和挖掘,通过寻找系统内外的主体相关性不断优化E-learning系统,真正实现以学生为中心的建构主义思想。