基于Sarsa算法的城轨列车节能控制策略研究

针对城市轨道交通节能运行问题,提出一种基于Sarsa强化学习算法的城轨列车节能控制策略,实现了城轨列车在自动驾驶状态下,面对不同路况,执行减少能源消耗驾驶策略的同时兼顾准时性和舒适性。根据线路条件将列车状态进行离散化处理,将连续的驾驶过程分为若干个子区间进行分段求解。结合区间限速、初始状态、终末状态等限制条件,基于能耗及运行时间分别构造适当的奖励函数。同时,用当前状态下可达的最大速度与最小速度对可选速度集合进行限制,缩小探索空间,加快算法收敛。最后,通过对北京铁路亦庄线小红门站至肖村站的实例进行仿真。实验结果表明,与传统的动态规划方法相比,Sarsa算法在满足舒适性和准时性要求的情况下节能9.32%。相比于强化学习中的Q学习算法,在速度的选取过程中,超速次数也有明显下降。仿真结果证明Sarsa算法具有更好的节能效果和安全性。在算法参数不变的情况下,调整限速条件,与传统动态规划算法进行二次对比,依旧节能4.21%,验证了算法的鲁棒性。

基于生成式人工智能的大学生编程学习行为分析研究

生成式人工智能可以为教育提供高效且个性化的智能化服务和技术支持。作为典型的生成式人工智能语言模型,ChatGPT在编程中的应用已然获得业界的广泛关注。然而,鲜有学者从实证研究的层面探究学习者如何利用ChatGPT来进行编程学习。研究通过细粒度地采集学习者的编程行为和知识探究问题,对36位学习者的编程过程进行分析。研究结果表明:(1)学习者将ChatGPT视为有用的编程学习资源,依赖其指导学习过程,并倾向于将代码或调试错误信息拷贝至ChatGPT,进而复制其反馈信息;(2)高绩效组主要在前期使用ChatGPT辅助编程,低绩效组在整个编程过程中更频繁地使用ChatGPT进行编程;(3)学习者在使用ChatGPT时主要关注浅层和中层知识的探究,其中,高绩效组通过自主提问获得ChatGPT的反馈,中低绩效组则依赖对ChatGPT反馈内容的追问获得问题解决方案。研究针对如何利用ChatGPT辅助大学生开展编程学习提出了相关的建议,以期为提高编程学习效率提供参考。

基于教育数字化构建学习型社会和学习型大国:现实逻辑、内涵要义及发展路向

学习型社会建设是我国实现教育现代化和全面建设社会主义现代化国家的必然要求。“二十大”报告提出“推进教育数字化,建设全民终身学习的学习型社会、学习型大国”,从宏观政策层面为我国指明了建设中国式学习型社会的战略方向。“二十大”报告关于学习型社会建设的要求是基于人与学习关系深化、教育与学习观念变革、经济社会发展客观需要等历史背景提出来的,其本质核心是建设服务全民终身学习的学习型社会,价值目标是建立中国特色的学习型大国,方法支撑是教育数字化技术的全面应用。为适应时代发展需要,提出了数字化学习型社会建设理念,并从文化意识引导、数字技术应用、强化治理监测等维度提出实施建议,期望为我国加快建设全民终身学习的学习型社会进程提供策略参考。

生成式人工智能何以赋能学习、能力与评价?

生成式人工智能(Artificial Intelligence Generated Content,AIGC)技术的飞速发展,为教育教学的创新性、颠覆性发展提供了无限可能。文章从学习、能力、评价三个向度,探讨了AIGC何以赋能大规模个性化学习和大规模协作学习、AIGC何以赋能学习者能力培养、AIGC何以赋能学习评价三个关键问题:AIGC赋能学习呈现从“千人一面”转为“千人千面”的特征,可从学习内容、学习方式、学习评价、答疑解惑、学习反馈五个方面赋能大规模个性化学习,并从适应性群体形成、专家促进、虚拟代理、智能调节四个方面赋能大规模协作学习;AIGC赋能能力呈现从“千篇一律”转为“标新领异”的特征,可促进学习者“传统认知能力”的全面发展,并为学习者“21世纪技能”的培养与评价提供支持;AIGC赋能评价呈现从评价学习转为理解学习、促进学习与重塑学习的特征,通过提供细粒度信息、提供及时评价与反馈、赋能学习评价达成AIGC赋能评价的目的。文章有助于教育工作者更深入地理解AIGC的赋能作用,并为推动AIGC与教育教学的深度融合、促进AIGC赋能教育高质量发展提供参考。

基于增量学习的车联网恶意位置攻击检测研究

近年来,车辆恶意位置攻击检测中主要使用深度学习技术.然而,深度学习模型训练耗时巨大、参数众多,基于深度学习的检测方法缺乏可扩展性,无法适应车联网不断产生新数据的需求.为了解决以上问题,创新地将增量学习算法引入车辆恶意位置攻击检测中,解决了上述问题.首先从采集到的车辆信息数据中提取关键特征;然后,构建恶意位置攻击检测系统,利用岭回归近似快速地计算出车联网恶意位置攻击检测模型;最后,通过增量学习算法对恶意位置攻击检测模型进行更新和优化,以适应车联网中新生成的数据.实验结果表明,相比SVM,KNN,ANN等方法具有更优秀的性能,能够快速且渐进地更新和优化旧模型,提高系统对恶意位置攻击行为的检测精度.

考虑行为克隆的深度强化学习股票交易策略

为提高股票投资的收益并降低风险,将模仿学习中的行为克隆思想引入深度强化学习框架中设计股票交易策略。在策略设计过程中,将对决DQN深度强化学习算法和行为克隆进行结合,使智能体在自主探索的同时模仿事先构造的投资专家的决策。选择不同行业的股票进行数值实验,说明了所设计的交易策略在年化收益率、夏普比率和卡玛比率等收益与风险指标上优于对比策略。研究结果表明:将模仿学习与深度强化学习相结合可以使智能体同时具有探索和模仿能力,从而提高模型的泛化能力和策略的适用性。

跨学科学习中学习主题的意蕴与确定路径

本文依据《义务教育语文课程标准(2022年版)》要求,围绕跨学科学习中学习主题确定的问题,结合实践案例,从学习主题的独特意蕴、选取源头、成功标准、确定程序等不同方面,阐述跨学科学习任务群中学习主题的内涵与确定路径。

智能时代的学习与进化:重构人类“学与教”范式

伴随着时代发展和生命进化,人类的学习也经历了从自然学习、文化学习到智能学习,从本能学习、超本能学习到反本能学习,从自然学习力、文化学习力到智能学习力,从文字式学习、网络式学习到智能式学习的多重进化。在进化过程中,需要明晰“学习的理想”,既要理解“学习的常识”,也要创造“学习的新识”。同时,还要警惕智能时代的学习,可能出现的“穿新鞋走老路”和“穿新鞋走错路”等异化现象,并以良好的心态应对学习进化带来的诸多挑战。

学习型社区赋能教育强国建设——基于在线学习者关系网络分析视角

学习型社区建设有助于加快教育强国落地,社区中在线学习者的各种协作互动行为,促进了学习者关系网络的生成。对该网络进行深入分析,可以挖掘其中蕴含的社区学习的本质特征。该研究提出从社区发现角度对学习者关系网络进行分析,首先设计基于图卷积网络和非负矩阵分解,并集成学习者关系网络信息和文本内容信息的新型学习型社区发现方法,提出四个社区特征度量指标,在真实的学习者关系网络中进行应用分析。结果表明,所提出的分析方法能有效挖掘学习者关系网络存在的学习兴趣主题社区,还可以对社区整体和社区成员个体进行特征分析,并且分析结果可为引导学习者的在线交互协作行为提供决策支持。最后,形成“构建可视化学习型社区—开展社区之间知识分享—促进各社区的互动合作—指标反馈下的反思迭代”的学习型社区赋能策略。通过策略赋能学习型社区高质量发展,以社区新质生产力组合助推教育强国建设。

基于机器学习的数据库系统参数优化方法综述

参数优化是影响数据库性能和适应性的关键技术,合理的参数配置对于保障数据库系统的高效运行至关重要,但由于参数较多且参数间具有强关联性,传统参数优化方法难以在高维连续的参数空间中寻找最优配置,机器学习的发展为解决这一难题带来新的机遇。通过总结和分析相关工作,将已有工作按照发展时间和特性分为专家决策、静态规则、启发式算法、传统机器学习方法和深度强化学习方法。对数据库参数优化问题进行定义,并说明启发式算法在参数优化问题上的局限性。介绍基于传统机器学习的参数优化方法,包括随机森林、支持向量机、决策树等,描述机器学习方法解决参数优化问题的一般流程并给出一般实现。由于需要大量带标注的数据,传统机器学习模型在适应性和调优能力等方面存在不足。侧重介绍深度强化学习模型的工作原理,定义参数优化问题与深度强化学习模型的映射关系,比较基于深度强化学习的相关工作对数据库性能提升、模型训练时间和涉及的技术,描述基于深度神经网络构建和训练智能体的具体流程。最后,总结已有工作的特点,对当前机器学习在数据库参数优化方面的研究热点和发展方向进行展望,指出多粒度调优、自适应算法和自运维是未来的研究趋势。

小样本学习技术在新型电力系统中的应用与挑战

数据驱动已成为新型电力系统建设及其数字化转型的核心范式,相关算法在负荷预测、状态检修、多主体调控等多项业务中展现出优越的工程效果与应用潜力。然而,实际工程数据往往面临着样本不足、样本不平衡等问题,制约了数据驱动算法的最终效果。因此,需要借助小样本学习来应对这一挑战。文中从数据、特征、模型3个层面探究了小样本学习技术,综述并分析了相关技术在场景生成、故障诊断、电力系统暂态稳定评估等业务的应用现状,并进一步指出小样本学习技术在新型电力系统中所面临的不足与挑战。

自我决定理论视角下在线学习力模型构建——基于扎根理论的质性分析

在线学习已经成为重要的学习方式之一,与之相对应的在线学习力成为一个热点问题。通过收集S校7位大学生的在线讲座信息、对Y校8位优秀网络教育学生进行访谈获取的资料,以自我决定理论为指导,基于扎根理论的三级编码方法,利用NVivo12.0质性分析软件构建了动机—行为—绩效的在线学习力模型,具体包括学习动机、学习投入、学习技能、学习情绪和学习绩效5个维度。其中,学习动机由目标倾向和价值意义组成;学习投入由意识认知、行为努力和社交支撑构成;学习技能落实在学习策略、信息能力和综合能力3个方面;学习情绪具有积极心态和负面情绪2个类别;学习绩效则体现在学习业绩和学习满意度2个层面。从教育视角来看,提高在线学习力必须强化在线学习体验,加强教师的教学设计和教学干预,完善在线学习绩效评价等。

线上线下混合式教学实施时间长短对《儿科学》学习效果的影响

目的:探索线上线下混合式教学模式开展时间长短对《儿科学》学习效果的影响。方法:选取温州医科大学本科四年级学生共153人纳入研究,研究组59人,对照组94人。研究组学生第1年接受传统授课模式,后3年接受线上线下混合式授课。对照组前3年接受传统授课,第4年接受线上线下混合式的授课。以问卷调查形式搜集资料,包括对上课形式的兴趣、记忆能力、搜集信息能力等方面的自我评价,比较两组学生能力提升的差异,并比较两组学生随堂答题分数的差异。结果:对照组学生喜欢混合式教学形式更多(Z=2.152,P<0.05),且有更多学生对医学知识兴趣有提高(Z=2.117,P<0.05)。与对照组相比,研究组有更多学生搜集信息能力得到提升(Z=2.258,P<0.05),研究组随堂答题分数更高[60(50,70) vs.60(40,60),P=0.001]。在知识点理解深度、记忆能力、思考能力、解决案例能力、沟通合作能力、课堂发言能力提升方面,两组学生比较差异无统计学意义(P>0.05)。结论:在儿科教学中,线上线下混合式教学能提升学生的学习能力。学生接触该教学模式时间越长,搜集信息能力提升更多,且答题分数更高。

国内外智能玩具研究及其在游戏化学习支架中的应用综述

目的对国内外智能玩具研究现状、智能玩具在游戏化学习支架的研究异同进行比较分析。方法梳理总结智能玩具的研究脉络、定义与特点。以2000一2023年,国内外智能玩具文献(中文257篇,英文235篇)为研究对象,采用文献计量法结合CiteSpace软件,对智能玩具研究进行可视化对比分析,明晰国内外智能玩具的研究现状和热点趋势。运用内容分析法分析归类研究案例,探讨国内外在研究智能玩具作为学习支架工具时研究重点、研究方法等方面的异同。结论国外智能玩具研究相比国内更集中,但两者都没有形成核心作者群。国内外关注的研究方向存在相似性但具体的研究侧重点有较大差异,国内研究关注儿童玩具智能化的交互形式和体验,国外则更重视技术创新在有形玩具载体中的多元应用。在智能玩具应用于支架式学习的研究中,国内外的项目研究也呈现出较大差别,国外注重智能玩具与实际教学场景的整合应用,关注技术创新、特殊群体需求,以及对学习成效的定量评估。国内研究则更强调智能玩具在非正式场景下对学龄前儿童的学习促进和发展、智能玩具与儿童交互的方式和策略,以及对本土文化的融入。

过程控制工程课程混合式教学中学生学习风格模型的构建及应用实践

大学生线上线下混合式教学中存在问题产生原因之一是缺乏对网络环境下学生行为数据的分析,从而无法判断学生的学习风格。因而基于数据挖掘技术,利用网络学习平台收集过程控制工程课程学习行为数据,建立基于灰狼算法优化支持向量机构建多维度的学习风格模型,处理和预测其可能的学习风格。有助于教师及时掌握学生动态,调整线上线下混合式教学方案,实现因材施教的个性化教学模式。

指向核心素养的跨学科主题学习活动框架设计与应用研究

跨学科主题学习是培养学生信息科技学科核心素养、实现学科育人价值的综合学习方式。小学信息科技学科核心素养由信息意识、计算思维、数字化学习与创新、信息社会责任组成,其中,“数字化学习与创新”贯穿于整个小学信息科技核心素养培养体系中,是其他三个核心素养水平的重要体现。如何设计跨学科主题学习活动培养小学生数字化学习与创新,是一线信息科技教师面临的现实问题。研究以活动理论系统模型为依据,构建了跨学科主题学习活动框架D-OCROF,包含活动目标、活动内容、活动资源、活动组织、活动反馈五个要素;采用基于设计的研究,开展了三轮迭代实验以完善框架。在此基础上,采用准实验方法,从数字化学习与创新能力、作品质量、学习报告三个方面检验了此框架的有效性。研究结果表明,跨学科主题学习活动框架D-OCROF显著提升了小学生的数字化学习与创新能力。最后,从数字化学习环境创设、数字化学习资源研发、多元化活动反馈设计三个维度,提出了小学信息科技课程开展跨学科主题学习活动的教学建议。

基于改进SMOTE算法和Ensemble模型的学习结果预测方法

为解决不同领域的数据分类和预测任务中单个机器学习算法适用性较差的问题,以及缓解数据集严重不平衡对预测性能的影响,提出了基于合成少数类过采样(SMOTE)和Ensemble集成模型的数据分类方法。传统SMOTE算法通过对少数类样本进行插值来生成新的合成样本,合成样本中存在噪声和样本间相似性较高的问题。为此,提出了改进的SMOTE算法,通过距离计算移除噪声样本和易混淆样本,得到高区分度的纯净合成样本。然后,利用Ensemble方法调整样本和分类器权重,并组成分类效果更好的强分类器。在公开在线学习数据集Kalboard360上的实验结果表明,使用极限随机树(ERT)分类器时,结合改进SMOTE和Ensemble模型后实现了97.9%的预测准确度,比单个ERT分类器提升了5.5%,证明所提改进SMOTE算法能够生成高质量的均衡化数据,且集成学习模型的性能显著优于单个机器学习算法。

学习内在价值能直接提升学生在线学习接受度吗?——自我调节学习技能的中介作用

随着在线学习逐渐成为传统院校学历教育学分课程的可选学习方式,迫切需要更多理论与实证研究洞察这种不同于非正式与混合式学习的新场景下在线学习的特征与机制。鉴于此,在学习动机和自我调节学习经典量表以及技术接受度模型的基础上编制问卷,对我国某高校在线学习学分课程的大学生施测,基于1021份有效问卷数据,通过结构方程建模方法检验学习内在价值对在线学习接受度的影响,以及目标设定、环境构建、任务策略、时间管理、寻求帮助、自我评价六维自我调节学习技能在二者之间的中介作用。研究结果表明:学生感知的学习内在价值不会直接影响其对在线学习的接受度,而是通过学生各项自我调节学习技能间接影响;内在价值对六维自我调节学习技能的驱动作用不同,对目标设定、环境构建和寻求帮助的影响更强;除了寻求帮助维度,其他五维自我调节学习技能均能显著影响学生的在线学习接受度,并在内在价值和在线学习接受度之间发挥显著中介作用。基于研究结果的讨论,提出多种途径促进学生自我调节学习技能的全面发展、重视在线课程中自我调节学习的支架设计、根据在线学习情境部署规划公共学习支持服务等建议。

指向核心素养发展的英语学习与英语学习活动观

英语课程是我国基础教育课程方案中的一门主要外语课程,具有人文性与工具性融合统一的性质,具有实践性、综合性和应用性特点。英语学习活动观是以发展学生核心素养为旨归,以学习为中心,以学生为主体,以教师为引导,以基于学习目标和语用情境的学习理解、应用实践、迁移创新等“学思用创”活动为基本载体,认为语言学习具有交互性和成长性特点的英语课程学习观。在设计英语学习活动时,教师要加强对外语语言学习的系统性理解,加深对英语学习活动观的辩证思考,形成英语学习活动设计的整合观念。

基于机器深度学习的小麦播种机控制系统研究

针对我国小麦播种机自动控制系统的可靠性及灵敏度不高的问题,基于机器深度学习对小麦播种机的控制系统进行了设计和改进。小麦播种机的主要组成包括控制系统、排种系统、监控系统、电力系统、机架和驾驶室、覆土镇压和排肥装置。为了使播种机的控制系统能有效进行图像检测识别,提升播种机的控制精度,采用机器深度学习中的卷积神经网络算法对控制系统进行设计,并采用迁移学习的方式对模型进行训练和检测。为了验证播种机控制系统的性能,对其进行播种精度控制和播种性能测试试验,结果表明:播种机的精度和性能均符合播种机的设计要求。