中小学教师运用新媒体的研究:师生互动的视角

在教育信息化时代背景下,新媒体逐渐成为师生互动的主要媒介之一,师生互动在形式和内容上都发生了重要的变化。研究通过深度访谈,以小学和中学各一个班级为对象,从正式场合和非正式场合两个维度进行对比研究,旨在了解当前中小学师生新媒体互动的情况。研究发现,正式场合中,中学师生的新媒体互动频率多于小学师生;非正式场合中教师和学生的新媒体互动更为多样;非正式场合中家长是小学师生新媒体互动的重要中介;不同新媒体在师生互动中的使用原则不同;教学关系、道德关系和心理关系在新媒体使用中明显增强;师生互动选用新媒体的原因多样化。研究建议在今后的师生新媒体互动中,应根据学生的身心特点、学科性质合理使用新媒体,并对教师使用新媒体进行培训和引导,构筑家校合作的网络共同体。

形式背景的BAM神经网络模型及模型上的概念生成

形式概念分析是近年来发展较为迅速的一种数据挖掘工具,它已被广泛地应用于机器学习、软件配置、信息获取等领域,而神经网络是基于模拟人脑的智能特点而发展起来的一门新兴学科。它们之间的融合将有利于智能控制、模式识别、知识处理等学科的进一步发展。通过对BAM神经网络的设定,建立了形式背景和NK-BAM神经网络之间的对应关系,论证了NK-BAM模型的稳定状态与形式背景的概念格的概念结点之间的对应,为概念分析和神经网络的进一步研究奠定了理论基础。同时给出了一个基于神经网络的概念生成算法,并通过实例验证了算法的有效性。

复杂网络下的概念认知学习

数据分析中,从网络中进行概念认知学习是网络背景下的机器学习或人工智能领域的重要问题.首先通过分析复杂网络方法与形式概念方法的数据基础,将二者的数据通过邻接矩阵与关联矩阵统一起来,提出一种网络形式背景框架,使以上两种理论与方法之间有了互通的桥梁,从而可以结合它们各自的优势对网络概念进行更深入的研究.在此基础上,从网络概念的三个层次出发研究了以下内容:(1)通过定义节点的结构影响力和内涵影响力并将它们进行加权,定义了节点的网络影响力.(2)通过分析扩散网络、收缩网络的特点提出强概念、弱概念、网络概念,并给出了网络概念的特征值:概念的势、概念平均度.于是,该理论不仅能在网络中找到网络概念,还能给出网络概念的重要性和网络概念内部的差异性.(3)研究了强(弱)概念的有关性质,为以后构造相应的代数系统,生成各种网络概念算子提供了理论基础。

网络形式背景下的社区划分方法研究

网络社区划分是从社会网络中进行概念认知、模式学习的基础,也是网络背景下机器学习研究的热点问题。为了充分发挥形式概念和网络特征值的双重优势,基于网络形式背景研究网络社区划分问题。首先,将网络结构与节点属性信息相结合给出了网络节点中心度和中心势,使得网络形式背景的网络社区划分综合考虑了网络结构和节点内涵两方面的特征;其次,提出了网络形式背景的网络社区概念,该概念不仅给出了传统形式背景的形式概念,还包含了概念的网络特征值,可以描述该概念在网络中的平均重要度和平均重要度势差;然后,考虑到社会网络划分中多角色与网络有向性的特点,又将有向网络分为单角色网络和双角色网络,运用网络结构与节点属性信息相结合的方法提出了两种网络社区划分算法,并分析了算法的时间复杂度;最后,通过实例说明了上述网络社区划分算法的有效性。所得结论为网络数据挖掘和网络概念认知的进一步研究提供了参考。

网络决策形式背景下基于因果力的邻域推荐算法

网络数据下的概念认知与知识发现是网络数据分析领域的热门研究方向,已应用于推荐系统领域,但是如何构建合理的弱概念集以提高邻域推荐效果仍是一个难题.为了解决该问题,文中提出变精度弱概念集,诱导出包含较多信息量的邻域,在此基础上提出基于因果力的邻域推荐算法.首先,定义相似性网络聚合中心度,确定专家节点,得到变精度弱概念集,进行邻域划分.然后,在每个邻域中利用变精度共有算子得到对象的条件属性弱概念和对象的决策属性弱概念,通过因果力代换原理和相关推论给出邻域推荐算法.在MovieLens、Filmtrust数据集上的对比实验表明,文中算法在精确度、召回率、F1值和运行时间上均有明显提升.

基于形式概念分析的空间信息表征模型研究

通过论述空间信息及其表征的概念、内涵及发展现状,结合形式概念分析的内容,从空间信息形式背景、概念格和蕴含关系3方面建立了空间信息表征模型。以部分空间实体集和空间数据集作为输入,基于Concept Explorer平台实现了该表征模型在空间信息网络中的具体应用,通过该实例也验证了该空间信息表征模型的有效性和可行性。基于形式概念分析的空间信息表征模型旨在为空间信息网络基础理论和关键技术的研究提供信息表征方面的支撑。

基于弱概念相似度的组推荐方法

网络数据下的概念认知与知识发现是网络背景下机器学习和人工智能的重要研究方向,已被引入到推荐系统研究中。现有的基于概念格的推荐方法忽视了节点之间的网络结构关系,同时构造概念格的效率低且构建概念集合的约束条件较严,在大规模的社交网络中难以实现。为解决这些问题,本文在网络形式背景的框架下,综合复杂网络的拓扑结构和弱概念相似度,提出了基于弱概念相似度的组推荐算法。首先,定义属性度、属性密度来描述属性的重要性,通过改进的节点影响力来确定专家节点;其次,利用专家节点划分社区,在划分的社区中通过属性弱概念下限相似度进行组推荐研究,进而获取推荐规则并对相应社区进行组推荐;最后,利用MovieLens数据集和Filmtrust数据集分析了各参数对本文所提算法的影响,并确定了参数的合理取值。将本文所提算法与其他推荐算法进行比较测试,实验验证了本文算法的有效性。

对称形式背景及其概念约简

形式背景是形式概念分析的数据基础与研究起点。为刻画形式背景中满足自反性和对称性的二元关系,首先定义对称形式背景,并研究对称形式背景的概念格以及对象概念、属性概念、并不可约概念与交不可约概念的特征;其次,定义对称概念,并证明对称概念集是对称形式背景的一个概念约简;最后,从冲突分析与社交网络两个角度给出对称形式背景、对称概念以及对称概念集的实际语义与应用。

基于三支因果力的邻域推荐算法

本文将三支决策思想、因果力理论与形式概念分析相结合,提出了三支因果力下的邻域推荐算法。考虑到极端用户评分对推荐精度的影响,根据宽松度和严苛度对用户进行分类,修正极端用户评分。基于修正评分矩阵计算节点之间的三支余弦相似度和节点相似结构重要度,找出专家节点。在对象弱概念需要满足的目标函数和约束条件下进行聚类得到邻域,在邻域中根据属性密度识别关键的条件属性和决策属性并计算置信度,结合三支因果力提取推荐规则对社区成员进行邻域推荐。实验结果表明,本文算法的精确度、召回率、F1均优于其他传统的推荐算法。

基于变精度可能算子的网络概念认知

网络上的概念认知是网络数据分析领域的一个重要方向。从形式概念分析中的必然算子、可能算子出发,提出变精度可能算子,表明经典可能算子是变精度可能算子的特殊情形;进一步,对可能算子的性质进行研究,并解释它们在传染病网络研究中的意义;接着,根据变精度可能算子提出两种网络广义概念及其上下近似与边界,通过实例说明基于变精度可能算子的上下近似和边界在网络概念认知中具有更丰富的语义;然后,结合复杂网络分析中的网络特征值方法,定义网络弱概念,并提出基于变精度可能算子的网络弱概念获取方法;最后,利用文中算法在UCI数据集上进行测试,结果证实了变精度可能算子在网络概念认知中的优势。

网络形式背景下的知识流动方法研究

将形式背景与复杂网络分析结合,研究如何从网络节点之间的有向关系出发分析节点内涵属性之间的有向流动趋势。首先,定义知识流动算子和知识流动矩阵,研究有向对象之间的知识流动。其次,定义知识流动网络形式背景和知识流团,进一步研究网络中知识流团的网络特征值,用来描述网络中知识流团的平均影响力和影响力差异。另外,结合引文网络与标准加权直接引用(NWDC)方法构建知识流动矩阵和属性链接值,依次提出知识出入度矩阵构建算法、知识流动矩阵构建算法。针对链接值预测问题提出改进链路预测方法、链接值预测方法,并与6种ML算法结合应用于Web of Science核心期刊库下载的数据集中,结果表明这两种预测方法效果优于链路预测且链接值预测方法效果最好。最后,根据链接值预测方法预测冷热门知识,并由冷热门知识流团的网络特征值对该结果进行验证。