基于人工智能技术的智媒体就业推荐平台构建研究

为了解决目前就业推荐方法资源覆盖率低的问题,设计一种基于人工智能技术的智媒体就业推荐平台。通过人工智能技术设计智媒体就业推荐平台的整体框架,包括基础数据模块、用户界面模块、后台管理模块及个性化推荐模块,并设计学生和管理者在智媒体就业推荐平台中的业务流程。采用基于就业意向的个性化推荐算法,在智媒体就业推荐平台中为用户推荐就业资源,完成智媒体就业推荐平台的构建。实验结果表明,该平台运行时间随着请求数量的增加缓慢上升,抗压性较好,资源覆盖率均高于80%。

综合就业能力导向下供应链管理课程多层循环教学模式研究

面对日益复杂的就业市场形势,随着数字化进程的加快和毕业生规模的不断增长,社会对大学生尤其是经管类等应用性强的专业学生的综合就业能力提出了更高标准。文章以成果导向教育(Outcome-based Education,OBE)理念和加涅学习结果分类理论为基础,针对大学生的综合就业能力预设学习成果,并逆向设计教学活动。文章以“供应链管理”课程为例,构建了一种以综合就业能力为导向的多层循环教学模式,并提出了相应的实践建议。通过将OBE理念与加涅学习结果理论相结合,文章不仅具体化了学习结果的实现过程,还预设了有层次的学习成果,从而丰富了这两种理论在教学改革中的应用。此外,文章的研究还有助于提高人才培养与社会需求的匹配度,为我国高校课程设计的优化和教学质量的提升提供了有益的参考。

基于改进深度学习网络的音乐风格分类模型优化方法

采用目前方法对音乐风格进行分类时,没有对提取的特征和进行融合处理,导致分类有效性差、时间复杂度高。对此基于改进深度学习网络提出一种音乐风格分类模型优化方法。在音高、节奏和音色三个方面对音乐进行特征提取,并在D-S证据理论的基础上对提取的特征进行融合处理,将融合后的音乐特征输入改进深度学习网络,构建音乐风格分类模型,实现音乐风格的分类。实验结果表明,所提方法的分类F1值高、时间复杂度低、ROC曲线趋近于1。

人机协同时代智能素养的理论模型研究

智能社会人机协同的作业方式要求我们重视学生智能素养的培养。基于加涅的学习结果分类理论,通过研究整合法,提出了智能素养的定位,进一步从智能知识、智能能力、智能思维、智能应用、智能态度五个维度阐述了智能素养的构成,构建了由十六个二级维度构成的智能素养理论模型。研究提出的智能素养理论模型可为智能素养的培养以及素养测评工具的设计与开发提供支持。

霍兰德理论视域下学生投入对不同学科学习成果的影响

本文借鉴霍兰德理论框架,采用结构方程模型,基于中山大学2014年度学生学习状况调查数据,分析学生所就读的学科、投入状况与学习成果之间的关系,重点探究学生投入作为学科和学习成果之间的中介作用。分析发现,学生所就读学科与学习成果之间存在复杂的关系,且因不同的学生投入表现而不同。其中,学生所就读学科与其投入状况及学习成果显著直接相关,学生投入与学习成果显著直接正相关,部分学科通过学生投入与学习成果间接相关:文科和工科通过学生投入与社会人文思辨能力、基本理科能力和自我发展能力等学习成果分别呈显著间接正相关和显著间接负相关,社科与社会人文思辨能力通过学生投入显著间接正相关,学生投入在理科和医科与学习成果之间起到了一定的显著中介作用。研究结果表明,本科人才培养应针对不同学科特点制定各具特色、融合发展的人才培养方案和策略,最大限度地提高学生投入和学习成果。

基于ELM和证据理论的纹理图像分类

目前纹理图像分类有不同的方法,但对纹理的描述还不够全面,而且当有新方法提取的特征加入时,系统的可扩展性也不够,通用性不好。本文针对上述问题提出了一种将D-S证据理论与极限学习机相结合的决策级融合模型,用来对纹理图像进行分类。采用三种不同方法来提取特征以获得更多更全面的纹理表现形式,并对提取的每种特征向量用极限学习机建立相应的分类器,最后用D-S证据理论在不确定性表示、度量和组合方面有着的优势来进行决策级融合。对于证据理论中基本概率赋值函数(BPAF)难以有效获取的问题,由于极限学习机具有学习速度快,泛化性能好的优点并且产生唯一的最优解的优点,所以利用其来构造其基本概率赋值函数。实验结果表明这种方法比单个分类器具有更高的识别正确率,降低了识别的不确定性。

大数据时代中学生数据素养:内涵、价值与构成维度

数据素养是信息素养的一种具体形式,逐渐成为大数据时代公民不可或缺的基本素养,培养学生的数据素养也成为新一轮中小学课程改革关注的重要课题。研究从提出背景、要素属性、方法属性和结构属性等方面回顾和分析了数据素养的理论基础与概念演进,在此基础上,结合中学生的发展需求与认知特点,探讨大数据时代下中学生需要培养的数据素养。研究认为,中学生数据素养是指中学生掌握统计方法和信息技术,在真实情境中运用数据的知识、技能和思维解决实际问题的综合能力;中学生数据素养在社会发展、人才培养和课程教学三个方面具有重要价值;基于加涅学习结果分类理论,中学生数据素养的构成维度主要包括数据知识、数据技能和数据思维三个要素维度。