“育人效能”视域下职业院校数学教材内容评价模型构建研究

以《职业院校教材管理办法》等文件和教材评价相关研究为基础,以落实数学关键能力和立德树人以及技术技能型人才培养和着眼学生未来发展为关键。通过一轮德尔菲法构建职业院校数学教材评价指标和内容要素,二轮德尔菲法编制职业院校数学教材内容评价模型调研问卷,三轮德尔菲法对职业院校数学教材评价模型指标进行赋权;利用SPSS和AMOS进行项目分析和模型验证;基于AHP层次分析法,利用Matlab对模型的一、二级指标进行专家赋权。构建了以教材内容质量为核心的职业院校数学教材内容评价模型,评价模型包括内容基础质量、内容育人效能质量、内容呈现质量与内容支持学习质量4个一级指标、15个二级指标和68个三级指标。

知识图谱与大语言模型协同的教育资源内容审查

数字教育资源自动化内容审查是教育信息化时代的迫切需求,特别是对教育资源是否超标的适用性审查,存在知识点难定位和难理解的问题.针对这一需求,提出了一种基于教育知识图谱和大语言模型(简称“大模型”)协同的教育资源内容审查方法.具体地,首先利用“本体”思想,设计并构建一个面向中小学教育的知识图谱;之后,利用大模型在文本生成和排序任务上的优势,设计基于教学内容生成和排序剪枝的知识定位方法;最后,通过教学内容核心知识子图与知识图谱教学路径的冲突检测,实现超标教学内容识别.实验结果表明,所提出的方法可有效应对教育资源内容的超标知识审查任务,为基于知识图谱及大语言模型协同的教育应用开辟新的技术路径.

面向复杂舆论场景的信息内容风险诊断模型构建与仿真研究

[研究目的]面向复杂舆论场景提取信息内容风险点,构建风险诊断概念模型,为现实工作提供方法参考和工具借鉴。[研究方法]综合SCL、JHA、SWOT及28位风险专家调查列举的统计数据,挖掘复杂舆论场景中的五大信息内容风险点。借助Delphi Method确定风险诊断指标框架后,运用AHP-DEMATEL加权中心度M_(i)和初始权重W^(1)_(i)并作归一化处理而形成诊断方程,结合风险分级标准构建风险诊断I-E-S模型,最后通过案例仿真检验模型性能。[研究结论]风险源和风险处置绩效对诊断指数的影响最大,受众情感反应与行为反应次之,传播力最小。错误内容占比、二次违法违规用户量、重大负面舆情量、线下失范行为量在20个末项操作化指标中的作用明显。多样本仿真检验发现,I-E-S模型诊断结果与用户风险感知契合度超过82.2%,模型实用性和精准性可初步满足风控工作需求。

基于知识编辑的大模型内容生成安全分析

大语言模型(large language models,LLMs)虽然取得了显著的成功,但在实际应用中依然面临着安全问题,容易在恶意诱导下生成有毒、有害内容.目前缓解LLMs不安全行为的方法通常需要高昂的数据收集成本以及大量的计算资源.大模型知识编辑可以在不重新训练模型的基础上,根据特定的输入精确地改变模型对应的输出,在节约大量资源的条件下约束模型的行为;为优化大模型生成安全内容提供了一个新的可行思路.然而,目前学术界缺乏较为系统和全面的基于知识编辑的大模型内容安全生成分析数据集.具体地说,当前缓解LLMs不安全行为的数据集并未包括所有的不安全场景,且其有毒问题几乎无法绕过对齐后的LLMs安全防线,因此无法缓解对齐后LLMs存在的不安全问题.针对上述问题,设计了新的数据集SafeGen,并提出新的评价体系分析知识编辑在优化LLMs生成安全内容的潜力.大量的实验发现知识编辑可以提高LLMs内部的安全信念,在校正LLMs不安全行为领域展现了广阔的应用前景.但经过知识编辑的LLMs生成文本的流畅性却差强人意,这也表明了这项任务的潜在难度.该工作可以为大模型安全社区提供一些见解.

多模态大模型引领的内容创作与安全实践

当前,以Sora为代表的多模态大模型技术正逐步展现其在传媒产业的潜能——显著提升内容创造效率与创意水平、缩短创作周期、优化内容分发与个性化推荐的同时,还提高了内容监测的精准度。然而,多模态大模型技术在数据积累与满足行业特定需求方面仍存在不足,且引入了伦理、安全及隐私保护的新挑战。因此,开发自主知识产权的多模态大模型,专门针对文化内容创作、生产与安全审核,推动平台化应用,变得至关重要。

基于多模型融合的开放式创新社区内容质量特征挖掘

开放式创新社区高质量用户生成内容特征对企业精准获取技术创新意见具有重要作用。本文构建了开放式创新社区用户生成内容质量多维评价体系,提出一种融合5种算法的特征选择方法,在3种分类模型评估中得出最优特征子集,挖掘重要因素与高质量用户生成内容之间的关系。集成特征子集在模型上计算时间平均节约54.54%,比单一特征选择算法得到的特征子集预测准确率平均提高10.47%。基于多模型融合算法能够客观全面评估开放式创新社区用户生成内容质量,让企业能够精准识别高质量用户生成内容,促进企业开放式创新。

基于混合模型的开放式创新社区用户生成内容质量预测

为解决开放式创新社区内容冗余导致高质量用户生成内容无法充分发挥其价值的问题,挖掘高质量UGC深层价值。首先采用随机过采样、SMOTE、ADASYN解决UGC数据不平衡问题,然后构建支持向量机、朴素贝叶斯、决策树、随机森林、GBDT分类模型并生成多种混合预测模型,进一步使用基于Hard-voting、Soft-voting、Stacking的采样方法和分类模型组合优化预测方法,比较选取最优的开放式创新社区UGC质量预测模型。采用随机过采样和Stacking的混合模型Accuracy、F1值和AUC分别平均提升了3.85%、28.18%、12.30%。该方法能够精准识别创新社区高质量用户生成内容,帮助企业多维度管理社区、提高创新力。

基于内容分析法的在线英语学习词典用户评价模型构建

词典评价研究对词典编纂具有重要意义,但以往研究鲜少从用户视角来建立词典评价模型。以App Store上用户对五部在线英语学习词典的评价为样本,运用ROST Content Mining 6软件从在线词典用户积极评价与消极评价文本中提炼高频词并进行社会语义网络分析,挖掘出用户的潜在需求和使用偏好。结合高频词表和社会语义网络图选取100个有效分析单元,对分析单元进行编码并进行分类检验后,初步建立起用户评价模型。结合词典用户需求研究,完善评价模型。最后,以有道为调查对象,将模型运用于评价实践中。验证结果显示,模型具有较好的信效度。

“旅游者生成内容”对旅游意向的影响机制研究——基于SOR-TAM整合模型的实证研究

在社交网络不断渗透日常生活的今天,很少有研究关注网络社交平台中旅游者生成内容对旅游意向的影响。文章以SOR理论模型为基础,探讨在网络社交平台中旅游者生成内容的刺激下,经过感知信任和感知有用性的认知评价,进而促进旅游意向的过程。通过对303名旅游者进行问卷调查,分析旅游者生成内容如何影响旅游意向。回归分析结果表明,网络社交平台中的旅游者生成内容的丰富性、及时性、互动性、娱乐性对旅游意向的直接效应显著;也会通过感知信任和感知有用性产生间接效应。文章丰富了旅游者生成内容研究领域的成果,也为旅游业的社交网络营销策略提供了一定指导和建议。

大语言模型在科技数据敏感内容识别中的应用研究

科技数据中存在大量敏感信息,数据安全风险较高,需要将其识别出来,以采取相应保护措施。以往研究采用了多种方法并取得了一定效果,但仍存在较大的局限性。近年来,大语言模型迅猛发展,具备了一定的语义理解能力,可以更加精细和深入地识别敏感信息。基于此,设计了基于大语言模型的科技数据敏感内容识别技术框架,并通过实验研究证明该框架取得了良好的效果。

基于AISAS模型的公立医院“内容出圈”健康传播策略研究

新媒体平台以内容多样性、传播即时性及具备互动性和社交属性等特点成为大众获取信息的主渠道。与此同时,随着物质生活水平的提高,人们越来越重视自身的健康管理,对新媒体平台的健康类信息投入了更多的关注,健康内容“井喷式”涌现。公立医院具备公信力、影响力、引导力等健康传播原生优势,如何满足公众多样性与个性化的信息获取需求,借助新媒体平台的有利条件,依托优质传播内容,遵循新媒体传播规律,打造自身的健康传播阵地,是新形势下的新命题。文章剖析新媒体环境下公立医院健康传播现状,探讨如何利用传播学领域的AISAS模型,构建公立医院“内容出圈”的健康传播策略。AISAS模型侧重引发受众注意,激发受众兴趣,并通过受众的搜索与分享实现信息的传递与渗透,可以有效指导公立医院开展健康传播活动,增强健康传播内容的持续创新和生产能力,扩大传播范围,强化传播效果,助力公立医院在健康传播主体多元化、传播内容同质化的新媒体平台占据优势地位。文章旨在为公立医院实现高质量的健康传播提供理论与实践参考。

机器学习模型面向数据内容审核的研究

用户对互联网数据的需求量越来越大,需要审核的数据越来越多。然而,现实中存在大量虚假、非法、侵权等违规数据,对用户进行审核也变得越来越困难。机器学习算法可以通过训练数据进行预测和判定。当发现模型预测与实际情况不符时,可以及时采取有效措施,纠正模型错误。基于此,重点对机器学习模型面向数据内容审核进行分析和研究。

大模型技术应用下视听内容的叙事传输说服机制分析

随着大模型技术发展,视听内容的生成和传播模式也发生了显著变化。本文探讨了大模型在视听内容中的应用及其在叙事传输和说服方面的影响。首先,大模型通过支持自然语言交互和多模态生成,使得视听内容在认知层面更加贴近用户。其次,大模型在情感层面上,通过多轮对话和个性化生成,增强了用户的情感依赖。用户在与大模型互动中感受到被理解和情感反馈,从而产生了更深层次的情感共鸣。最后,在心理层面上,大模型生成的内容因其高度个性化和逼真性,容易获得用户的信任和认同。然而,这也带来了对内容真实性和信任度的挑战,特别是在新闻媒体领域,可能导致信息误导和虚假信息传播等。本文最后还探讨如何在视听实践中更好地利用大模型技术。

探索成渝数字内容产业——三维定位模型的深度剖析

基于数字内容产业的定义、分类以及数字内容产业链的定位与结构,从产业链、细分产业和功能单位这三个维度精细描绘产业定位图。同时,以数字内容产业链的四大影响因素作为理论依据,深入剖析重庆数字内容产业的发展现状,精准把握未来数字内容发展所面临的困难与问题、机遇和挑战,从而为重庆数字内容的产业定位明确方向,并提出重庆数字内容产业的发展策略。

必然性、局限性与风险控制:大语言模型时代英语教育产品内容生产改革

以ChatGPT为代表的大语言模型问世以来,以其通用性知识整合能力、语言组织能力及良好的交互性,成为生活和普通工作场景的高效工具。关于GPT如何助力课堂教学及课后教学效果评测的研究有很多,然而尚未有人详细研究过GPT辅助在线教育行业进行内容生产的优势和劣势。在此背景下,基于作者在线教育行业的从业经验与观察,本文吸纳了自2022年以来学界关于“GPT+内容生产”的各方观点,对大语言模型人工智能协助下的在线教育产品内容生产进行讨论,理顺AI时代内容生产方式变革的必要性、借助GPT进行内容创作的局限性,以及这种模式下内容产出的风险控制方法,以期为在线教育行业的发展提供参考。

刻板印象内容模型:理论假设及研究

介绍了刻板印象内容模型(SCM)的来源、理论假设和在美国与欧洲(个人主义文化)、东亚(集体主义文化)样本中的实证研究。SCM假设:(1)用热情和能力区分不同群体的刻板印象;(2)对外群体的刻板印象是混合的;(3)高社会地位群体被刻板为具有高能力,竞争性群体被刻板为缺乏热情;(4)刻板印象中存在参照群体偏好和外群体贬抑。在比较和评价SCM与其他理论的基础上,提出了刻板印象内容研究进一步细化和扩展的方向。

基于分级模型的医院社会责任内容探讨

随着我国医药卫生体制改革的进一步深化,医院应承担更多社会责任的呼声也越来越高。在指出现阶段明确医院社会责任内容必要性的基础上,综合了国内外学者的看法并结合我国国情,利用分级模型讨论了医院社会责任的具体内容。

一种基于内容和协同过滤同构化整合的推荐系统模型

基于内容的推荐系统和协同过滤系统是最为流行的两种推荐系统,它们都有各自的优点和缺点。提出了一种基于对这两种推荐系统同构化整合的推荐模型,该算法同时拥有协同过滤推荐系统和基于内容推荐系统的优点,并且在一定程度上避免了基于内容或协同过滤的传统推荐系统各自的缺点。实验表明,该同构化整合模型与算法比传统的简单基本推荐模型、基于内容的推荐模型和协同过滤推荐模型提高了推荐的精确率。

基于内容的三维模型检索综述

对当前基于内容的三维模型检索技术的国际研究现状及进展进行了广泛而深入的综述 .探讨和分析了基于内容的三维模型检索技术的系统框架及其关键方法 ,重点介绍其中的模型坐标标准化、特征提取与索引、相似性匹配、查询方式与用户界面等方面的基本内容 ,并进行了适当分类 .分析总结了现有的基于内容的三维模型检索系统及搜索引擎的典型实例 .最后 ,对现有研究中存在的难点问题及其未来的发展方向进行了展望 .

公司形象和产品属性超越的协同效应:基于刻板印象内容模型

由于消费者和品牌之间的关系与人际关系存在许多相似之处,反映人际感知的刻板印象内容模型为品牌感知研究提供了全新的视角。然而,以往研究多关注品牌感知两大维度——"感知能力"和"感知温情"二者之间的作用关系,鲜有研究同时基于公司层面和产品层面考察品牌感知不同维度的前因变量及其交互作用机理。鉴于此,本文实验1考察了公司形象/产品属性超越的不同维度与"感知能力"和"感知温情"的对应关系,在此基础上进一步发现公司形象和产品属性超越对购买意愿的协同效应。具体而言,当公司形象为能力型时,产品享乐性(相对于功能性)属性超越下消费者的购买意愿更高;当公司形象为诚信型时,产品功能性(相对于享乐性)属性超越下消费者的购买意愿更高。而且,品牌赞赏感在上述协同效应中发挥中介作用。实验2探究感知风险调节公司形象和产品属性超越对购买意愿的协同影响。文章最后讨论了本文的理论贡献,对企业如何实现公司形象策略和产品属性策略的协同促进等方面的营销启示,以及未来研究方向。