目的:研究“互联网+”模式对3~6岁儿童肥胖相关饮食行为的干预效果。方法:采用整群随机抽样方法抽取南充市顺庆区4所条件基本相同的幼儿园中2018年6~12月在南充市中心医院儿童保健门诊就诊的3~6岁单纯性肥胖儿童96例,随机分为试验组46例...目的:研究“互联网+”模式对3~6岁儿童肥胖相关饮食行为的干预效果。方法:采用整群随机抽样方法抽取南充市顺庆区4所条件基本相同的幼儿园中2018年6~12月在南充市中心医院儿童保健门诊就诊的3~6岁单纯性肥胖儿童96例,随机分为试验组46例,对照组50例,试验组进行常规儿童保健+饮食行为干预+“互联网+”干预+个案管理,对照组进行常规儿童保健+饮食行为干预,1年后观察两组儿童干预效果,包括身高、体质量、腰围、体质量指数(body mass index,BMI)、体脂百分比等。结果:干预前两组儿童身高、体质量、腰围、体质指数、体脂百分比比较差异无统计学意义(P>0.05),干预后两组儿童各指标均明显改善(P<0.05),试验组改善更明显(P<0.01)。结论“:互联网+”模式下3~6岁儿童肥胖相关饮食行为干预相比传统线下干预模式效更显著,可以更好达到预防、干预、控制肥胖的目的。展开更多
针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大...针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.展开更多
文摘目的:研究“互联网+”模式对3~6岁儿童肥胖相关饮食行为的干预效果。方法:采用整群随机抽样方法抽取南充市顺庆区4所条件基本相同的幼儿园中2018年6~12月在南充市中心医院儿童保健门诊就诊的3~6岁单纯性肥胖儿童96例,随机分为试验组46例,对照组50例,试验组进行常规儿童保健+饮食行为干预+“互联网+”干预+个案管理,对照组进行常规儿童保健+饮食行为干预,1年后观察两组儿童干预效果,包括身高、体质量、腰围、体质量指数(body mass index,BMI)、体脂百分比等。结果:干预前两组儿童身高、体质量、腰围、体质指数、体脂百分比比较差异无统计学意义(P>0.05),干预后两组儿童各指标均明显改善(P<0.05),试验组改善更明显(P<0.01)。结论“:互联网+”模式下3~6岁儿童肥胖相关饮食行为干预相比传统线下干预模式效更显著,可以更好达到预防、干预、控制肥胖的目的。
文摘针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.