追寻技能性学习的本质——高职ESSC设计模式研究

技能性学习的研究对于当今强调核心科技发展社会氛围下的高职教育具有推动的意义。技能性学习不同于一般意义上的学习,而是具有自身的显著特征。首先从ESSC理论:领域化、情境化、标准化和意识化四个维度剖析了技能性学习的内涵,并进一步辨析了相互之间的联系,并从实践案例维度试图揭示其设计应用的过程。ESSC有机地组成了对技能学习的多维审视。“知识领域”技能性学习的根基性容器,“情境”和“标准”则产生强有力的推动和渗透,“意识”则是技能性学习整合和升华的重要因素。研究和反思技能性学习,对进一步提升高职发展质量、教师创新和学生的专家养成培养大有裨益。

基于实数值链接分析的ESSC融合算法

为了进一步提升ESSC聚类融合性能,采用实数值链接分析(real valued link analysis)计算聚类融合中模糊数据类的相似性。根据模糊决策及其相似性定义优化的融合信息,从而达到改进聚类性能的目的。实验选用了两个仿真数据库和五个UCI数据库。实验结果表明,基于实数值链接分析的ESSC聚类融合算法(RLA-ESSCE)的性能优于K-means聚类算法(KMC)、ESSC、ESSCE。

技能性学习模式(ESSC)在高校学生工作中的探究

在新时代背景下,当前高校学生工作面临更为复杂的挑战,亟需学生工作多样化的尝试和创新的突破,其中利用技能学习构建管理平台是一个较为合理的突破尝试。在理论研究的基础上,通过研究设计,试图在学生工作中应用原创总结的技能性学习模式(ESSC),目的在于分析技能性学习的管理应用对学生思想与学习是否存在积极带动促进作用,是否能对学生工作的管理产生整体带动;同时也提出了构建高度融合的师生技能性学习生态圈的策略。

高校实训教育设计理论框架的思考

当前高校毕业生的就业状况对实训教育提出了更全面的要求,仅仅掌握一些流程式的技能是不够的,社会要求学生具有主动精神和实践能力。文章通过对知识、行为与认知理论的分析与思考,提出关于实训教育设计的理论框架——ESSC(领域化、标准化、情境化、意识化)。教师可应用该框架设计相应的教学模式进行创新实训教学,实现学生习得全面的技能知识并生成实践智慧,最后阐述了ESSC应用上的一些策略。

一种新的传感器监测网络密度控制算法

密度控制是传感器监测网络研究的核心内容之一．本文在Tian Di．的基于倡导区覆盖模型的密度控制算法ssc的基础上，提出了一种新的密度控制算法ESSC．该算法着重考虑了SSC算法的不足，修改了倡导区覆盖模型．理论分析和仿真结果表明，ESSC算法比SSC算法减少了约15％-25％的活动节点，同时又保证了一定的网络监测性能．