计算机辅助教与学(CAI/CAL)在电磁学教学改革中的应用

阐述计算机辅助教与学 (CAI/CAL)在教学改革中的重要性 ,论述了CAI/CAL的基本功能以及在电磁学教学改革中的主要应用 ,认为在21世纪 。

在花样滑冰教学中运用CAI的分析研究

在研究中,对花样滑冰教学中运用传统教学方法和运用CAI教学进行了具体分析,阐述了CAI的基本应用原理、花样滑冰教学中运用CAI的具体分析以及CAI在花样滑冰教学中的优势,针对传统教学法和CAI方法的优势和不足进行了对比分析,同时指出在教学中加以克服,将CAI与传统教学方式有机结合,取长补短、相互协调,才能充分发挥其优势,收到较好的教学效果,更有利于提高教学质量。

基于人工智能技术的《单片机原理及应用》课程CAI软件研制

为了提高《单片机原理及应用》课程的教学效果和激发学生自主学习的积极性,开展对《单片机原理及应用》课程教学方法的改进研究。选择MS Visual Studio 2012作为开发环境,运用人工智能技术和信息管理系统技术,设计了《单片机原理及应用》课程自主学习的总体方案,研制了《单片机原理及应用》课程计算机辅助教学(CAI)软件,并通过举例说明该自主学习方法的快速性和有效性。

建构主义学习理论指导下的多媒体CAI软件设计

阐述在建构主义学习理论指导下。

深度学习在软件定义网络研究中的应用综述

数据转发与控制分离的软件定义网络(softwaredefinednetworking,简称SDN)是对传统网络架构的彻底颠覆,为网络各方面的研究引入了新的机遇和挑战.随着传统网络研究方法在SDN中遭遇瓶颈,基于深度学习的方法被引入到SDN的研究中,在实现实时智能的网络管控上成果颇丰,推动了SDN研究的深入发展.调查了深度学习开发平台,训练数据集、智能SDN架构等深度学习引入SDN的促进因素;对智能路由、入侵检测、流量感知和其他应用等SDN研究领域中的深度学习应用进行系统的介绍,深入分析了现有深度学习应用的特点和不足;最后展望了SDN未来的研究方向与趋势.

适用于控制型神经网络的快速学习算法

分析了ＢＰ学习算法中加速因子ε和衰减因子α对算法收敛性和学习精度的影响。在此基础上提出了一种适合于在线控制型神经网络进行训练学习的具有高速收敛性的变因子ＢＰ学习算法，给出了动态调整ε和α的计算公式，通过一个四层前馈感知器型神经网络对一组标准控制序列的学习，证明了该算法的优越性能。

计算机辅助学习软件现状的调研

计算机辅助学习已经面向中学教学,中学生在计算机辅助学习中受到多方面影响,这些影响因素对中学生的计算机辅助学习产生不同的学习结果,文中为了了解计算机辅助学习软件使用现状,采用问卷调查的方法,以安庆市中学生为研究对象,对中学生使用学习软件的现状及结果进行调查,并根据调查结果分析影响计算机辅助学习的因素,从几个方面对计算机辅助学习软件提出改进建议。

计算机软件技术基础多媒体辅助教学软件研究与开发

通过对计算机软件技术基础多媒体辅助教学软件结构进行分析 ,提出了抽象模型 ,给出了基于推理的学习过程控制算法 ,讨论并实现了数据库管理及数据库表结构多媒体字段 ,最后分析了软件运行现状。

小组合作学习法在计算机学科教学中的实践——“多媒体教学软件设计”课的教学设计

基于传统班级授课制的小组合作教学,在承认传统课堂教学优点的基础上,加强了学生的主体参与性。在这种形式下,课堂教学仍是以班级为单位的师生共同进行的集体活动,但更强调教学任务的完成需要通过师生交互、生生交互的过程来实现。

民办高校学生学习效果影响因素分析——以西安欧亚学院为例

该文通过对西安欧亚学院不同专业、不同年级的7 167名在校大学生进行问卷调查,运用R语言软件对数据进行分析。结果发现,学生在课程学习效果层面存在明显差异,学生参与社会实践活动、课外学习时间、教师个人魅力、课堂展示汇报、竞赛活动及体育运动对学生的学习效果产生重要正向影响。该研究结论对于有效提升民办高校学生课程学习效果具有重要的参考价值。

基于因子分析探究大学生学习状况主要影响因素

运用因子分析方法对影响大学生学习状况的诸多因素进行详细分析,目的是真正了解大学生的学习状况,并找出存在的优点和不足,对应采取措施进行管理,使学生能更好获得知识,改善学习现状,将相互关联的因素提炼成5个相互独立的综合因子,分析得到:决定我校学生学习状况好坏的主要因素是学习态度,从宏观上为学校教学工作提供参考,为教学改进提供依据.本文以咸宁学院在校学生作为调查对象,此方法同样可以运用到其他高校,方法具有推广性.

一体化课件服务系统的研究与开发

文章在分析国内外基于WWW的多媒体远程教学系统的基础上提出了一体化课件服务系统的开发策略,并在一体化分布教学环境IDLE平台开发上进行了有益的尝试,所开发的一体化课件服务系统能够较好地完成远程教育中的教学活动任务。

基于排序学习的软件众包任务推荐算法

为了更有效地实现软件众包任务推荐,提升软件开发质量,为工人推荐合适的任务,降低工人利益受损风险,以达到工人和众包平台双赢的效果,设计了一种基于排序学习的软件众包任务推荐方法。首先,基于改进的隐语义模型提取工人-任务间的隐含特征;然后,结合隐式信息对排序学习模型进行改进,并将提取的隐含特征进行排序学习训练,获得最优排序模型;最终通过排序模型对测试集任务进行排序得到任务推荐列表,从而为工人进行众包任务推荐,并采用NDCG,MAP,Recall推荐评价指标对推荐结果进行检验。实验表明,所设计的方法能有效提高软件众包任务推荐的精度,其推荐评价指标的NDCG,MAP,Recall值分别达到0.722,0.326,0.169。与基于用户的协同过滤算法相比,推荐精度提升了18.6%;与仅基于RankNet的排序学习算法相比,精度提升了10.2%,因此能够有效指导软件众包任务推荐。

人工智能对基层医院医疗发展的制约因素分析

目的 了解潜在的人工智能(Artificial intelligence, AI)偏倚如何影响基层卫生医疗结果,以及如何识别和减轻医疗结果不平等现象,推进基层医疗发展。方法 结合基层医疗现状,全面调研AI算法模型全生命周期(Whole lifetime, WLT)中的偏倚以及影响基层医疗发展的制约因素,并提出相应的解决对策思考。结果 AI可能从研究方向提出、数据采集、变量选择、设计开发到临床实施的WLT制约基层医院医疗发展。医院管理者可采取相应的对策,包括加强自身学习、顶层指导,加强院内病历质量考核,加强基层医院信息化建设,加强数据监管、质控和标准化,制定人才培养引进政策等,减轻不平等现象,实现AI赋能基层医疗水平提升的目的。结论 AI算法模型在其WLT中的偏倚是不容忽视的,解决偏倚对于促进基层医院医疗决策的公平性至关重要。在公共卫生领域,AI对医疗结果公平伦理挑战的监管框架尚未得到充分解决,需要进一步关注。

加强计算机公共实验室的管理

介绍了计算机公共实验室的工作特点,提出了管理和建设的一些方法和方向,进一步地促进计算机及应用学科的教学质量的提高。

基于软件的英语听说教学综合解决方案

基于计算机软件的英语语言教学和自主学习模式是当前英语听说教学改革的一个热点问题。我们通过实验探讨了这一模式下的教学过程和结果。实验证明,这种模式有利于英语听说教学,符合英语教改的方向,在相当程度上可以弥补传统教学模式下听说教学的弱点;自主学习模式会遇到各种主、客观因素的干扰,需要强大的计算机管理功能来控制学习过程,并实现教师有针对性的、个性化的教学;学生认可基于计算机软件的英语语言教学,但并不认同它可以完全取代教师,情感因素在学习过程中的作用不可忽视。总之,当前的软件人工智能技术提供的教学课件仍然是基于行为主义的,与基于人本主义的自主学习模式从根本上有冲突。解决这一矛盾的办法是采用"上机学习+教师面授"的综合教学模式。