学习群体

摘要： 党史学习教育开展以来,郑州航空工业管理学院精准把握党史学习教育的目标要求和实践导向,围绕主题主线、聚焦学习重点,针对不同学习群体,突出“三抓三提升”,分类指导、精准施策,将党史学习教育融入立德树人全过程,高起点部署、高标准要求,推动党史学习教育落深落实落细。抓以上率下示范学,提升干部党性修养和理论水平。

摘要： 隐性分层教学是一种强调因材施教、个性发展的教学模式。这种模式要求学科教师根据学生现有的知识、能力水平和潜力倾向,在学生不知情的情况下把同一班级的学生科学、合理地分成若干个层次相近的学习群体,在课堂教学中有的放矢、因材施教,为每一名学生创造进步的机会,促进学生在原有知识和能力的基础上得到发展和提高。

摘要： 在小学阶段的教育中,学生道德与法治意识的培养十分重要。在道德与法治课堂中,教师可以通过系统的知识讲解培养学生良好的道德与法治观念。但是面对小学生这一学习群体,教师应该从他们的角度进行考量,采用适用于他们的教学模式,强化学生的学习效果,最终提高小学道德与法治课程的教学质量。在此,笔者对小学道德与法治教学的生活化进行分析。

摘要： 学习动力是影响学生学习效能的重要因子,基于交往需要的动力是学生学习动力的重要源泉。群体动力为我们审视学生学习动力提供了全新视角,约束力、凝聚力、驱动力和耗散力是群体动力的基本特征。创建学习共同体、丰富群体学习实践、创新群体学习评价,可以有效借助群体动力提升学生数学学习动力。

摘要： 学生是一个个独立的学习个体,而合作学习将一个个独立的学习个体联系起来,形成一个个学习群体,实现班级内部互补互助,抑制两极分化,促进教学质效的提升。鉴于此,本文围绕小学语文教学工作中的有效合作,分析教学中提升合作有效性的具体策略,从科学分组、积极引导、竞争探讨、总结评价四个方面阐述具体的教学举措。科学分组科学分组是提升合作学习有效性的关键和基础,教师应将此作为课堂合作开展的第一要务,具体可从以下方面考虑。第一,小组人数。

摘要： 一、现代中学生性格养成中的时代性因素对音乐课兴趣的影响中学生是一个特殊的未成年人学习群体,也是个体走向生理和心理发育成熟的分水岭。我们置身的快速发展时代对个人的内在影响力越来越明显和重要。尤其伴随着手机移动时代的普及,中学生们获取信息资源的途径越发便捷,越来越多的流行音乐文化走进了中学生的生活。

摘要： 后进生是一个动态变化的学习群体,每一个后进生的情况都不太相同,由于长期受挫折,他们对学习常常抱有消极的态度,同时也很缺乏自信心,怀有"破罐子破摔"的心态。这样一个群体有时候会对班级的整体发展产生不良影响,教师一定不能放任自流,要积极寻求改变他们的方式方法。通过长期的一线教学经验,我总结出一些有效转变后进生的策略,供分享交流。

摘要： 随着线上学习者数量的增多,网络学习社区成为众多学习者寻求帮助、共享资源的重要学习平台.虽然向社区中的学习者推荐学习伙伴一定程度上能够解决学习者学习需求,但存在一定的缺陷.文章尝试性地提出了学习群体推荐新思路,并给出了一种可供参考的简便方法.以百度贴吧为例,利用网络爬虫和社会网络分析软件gephi对贴吧中的会员进行了兴趣聚类,发现了该贴吧中存在的兴趣群体,并得到了各群体的兴趣特点,证明此方法的可行性.

摘要： 以教育技术学领域八大核心期刊中发表的应用社会网络分析方法的刊文作为分析对象,采用高频关键词词频分析、聚类分析和社会网络分析法的中心性测度分析了社会网络分析方法在教育技术学领域的研究热点及趋势;采用内容分析法进行文献分析,从应用环境、对象、领域和分析内容方面阐述了社会网络分析的应用现状.发现对社会网络分析的应用还停留在对该方法本身的研究学习阶段;横向上研究涉及领域广,但纵向上深入的分析研究太少;分析数据不完整等.社会网络分析方法不受样本数量影响,能深入分析至行动者个体,但对研究者要求较高、个案特征明显.

摘要： 以教育技术学领域八大核心期刊中发表的应用社会网络分析方法的刊文作为分析对象,采用高频关键词词频分析、聚类分析和社会网络分析法的中心性测度分析了社会网络分析方法在教育技术学领域的研究热点及趋势;采用内容分析法进行文献分析,从应用环境、对象、领域和分析内容方面阐述了社会网络分析的应用现状.发现对社会网络分析的应用还停留在对该方法本身的研究学习阶段;横向上研究涉及领域广,但纵向上深入的分析研究太少;分析数据不完整等.社会网络分析方法不受样本数量影响,能深入分析至行动者个体,但对研究者要求较高、个案特征明显.

摘要： 以教育技术学领域八大核心期刊中发表的应用社会网络分析方法的刊文作为分析对象,采用高频关键词词频分析、聚类分析和社会网络分析法的中心性测度分析了社会网络分析方法在教育技术学领域的研究热点及趋势;采用内容分析法进行文献分析,从应用环境、对象、领域和分析内容方面阐述了社会网络分析的应用现状.发现对社会网络分析的应用还停留在对该方法本身的研究学习阶段;横向上研究涉及领域广,但纵向上深入的分析研究太少;分析数据不完整等.社会网络分析方法不受样本数量影响,能深入分析至行动者个体,但对研究者要求较高、个案特征明显.

摘要： 以教育技术学领域八大核心期刊中发表的应用社会网络分析方法的刊文作为分析对象,采用高频关键词词频分析、聚类分析和社会网络分析法的中心性测度分析了社会网络分析方法在教育技术学领域的研究热点及趋势;采用内容分析法进行文献分析,从应用环境、对象、领域和分析内容方面阐述了社会网络分析的应用现状.发现对社会网络分析的应用还停留在对该方法本身的研究学习阶段;横向上研究涉及领域广,但纵向上深入的分析研究太少;分析数据不完整等.社会网络分析方法不受样本数量影响,能深入分析至行动者个体,但对研究者要求较高、个案特征明显.

摘要： 要了解目前德国音乐教育的情况,文章首先介绍了1945年后的音乐教育的重要方面.第二部分阐述了与不同种族的人进行音乐活动的前提条件.

摘要： 要了解目前德国音乐教育的情况,文章首先介绍了1945年后的音乐教育的重要方面.第二部分阐述了与不同种族的人进行音乐活动的前提条件.

摘要： 要了解目前德国音乐教育的情况,文章首先介绍了1945年后的音乐教育的重要方面.第二部分阐述了与不同种族的人进行音乐活动的前提条件.

摘要： 要了解目前德国音乐教育的情况,文章首先介绍了1945年后的音乐教育的重要方面.第二部分阐述了与不同种族的人进行音乐活动的前提条件.

摘要： 本发明公开了一种基于学习者偏好与群体偏好的学习资源推荐方法及系统，方法包括:收集学习者信息、学习资源特征信息、教师信息，指学习者描述信息、学习者与学习资源的交互信息，学习资源特征信息包括学习资源描述信息、学习资源特征信息；根据学习者信息，寻找与学习者最高相似度的教师，通过卷积神经网络，根据教师特征得到目标学习资源的匹配分数；建立学习者短期偏好模型和长期偏好模型，融合两个模型得到学习者个人偏好模型；建立学习者群体偏好模型，融合学习者个人与群体模型得到学习者偏好模型；根据学习资源特征信息，使用学习资源的多种信息特征建立学习资源特征信息模型和领域知识模型，从而提高学习资源推荐的准确性。

摘要： 本发明涉及机器学习领域，其公开了一种基于群体智慧的机器学习样本过采样方法，解决现有技术中的过采样方案通过重复正样本容易造成模型的过拟合的问题。本发明方案包括：首先利用大数据平台，获得大量的用户行为数据；然后，在用户行为数据中根据所需规则提取出行为正负样本集，构成原始样本集；接着，对原始样本集中的用户进行分群，分为低活跃用户和非低活跃用户；然后，针对低活跃用户，使用基于群体智慧的机器学习算法，生成用户补充正样本集；然后，去除原始样本集与补充样本集重复/冲突的样本；最后从补充样本集中进行采样补充到原始样本集。

摘要： 本发明提供一种基于学习的群体智能疫情溯源与预测方法，包括在目标监测区域内，分别配置多个固定监测点以及移动监测点，得到监测数据，每个移动监测点获取己身监测数据并基于在移动监测点构建的控制网络模型输出该移动监测点在未来时刻的移动方向所对应的动作概率，并依据最高动作概率的移动方向进行持续移动监测。通过在移动监测点搭建控制网络模型，以获取的移动监测点检测范围内的各个格点区域内的感染程度信息以及此移动监测点当前的时刻信息以及历史位置信息作为初始输入信息，并经预处理后，由得到的最高动作概率决定下一时刻移动监测点的移动方向进而持续移动监测的方式，达到移动监测点群体自组织地进行群体智能监测的效果。

摘要： 本申请提供一种群体学习方法、装置、区块链节点及存储介质，涉及机器学习领域。该方法包括：根据任一区块链节点的第一本地训练数据进行模型训练，得到任一区块链节点上的预设模型的本地参数；将预设模型的本地参数，共享至区块链上的其他区块链节点；从区块链上的参与模型训练的各区块链节点中选举领导节点，使得领导节点对区块链上各区块链节点的本地参数进行合并，得到合并参数；根据合并参数更新预设模型，得到目标模型。本申请提出的一种群体学习方法能提高模型数据以及机器学习模型的安全性。

摘要： 本发明公开了一种基于强化学习的交叉口前车辆群体车道选择方法，包括：S1、构建基于DQN的交叉口前车辆群体车道选择模型；其中，车辆群体车道选择模型包括每个车辆对应的动作模块及所有车辆共享的DQN模型；S2、将待进行车道选择车辆的状态信息作为所述DQN模型的输入，确定最优车道选择策略并通过对应动作模块输出，作为车辆的车道选择参考；关注车辆群体在信号交叉口前的车道选择问题，即每辆车在行驶过程中决定何时、何地应该去往哪个车道上行驶，通过让车辆在合适的时机选择合适的车道行驶，以使得车辆可以及时驶入到对应的转向车道，合理利用道路资源，实现车辆群体秩序行驶并且可以高效通过信号交叉口。

摘要： 本发明公开了一种基于深度强化学习的群体教学推荐系统，属于教育和信息技术领域。本发明通过课堂的投票、问答、作业和测验等交互方法采集学生数据，为给定的学生群体提供整体收益最大的教学计划，其整体收益可以用多目标优化函数表示，具体可以包括但不限于及格率、优秀率、平均分等。本发明使用深度强化学习方法为教师进行目标导向的教学路径规划，能够处理大规模的复杂数据。同时将花费大部分时间的训练过程放在了课前和课后，在课堂中，通过学生的课堂反馈，教师能够立即获得推荐的教学知识点。

摘要： 本发明公开了一种基于强化学习的持续在线群体激励方法、装置及存储介质。其步骤如下：1)；提取大规模在线学习系统中用户的基本特征；2)使用图卷积神经网络对原始特征进行特征提取及聚合，得到群体特征；3)利用聚类算法对群体特征进行聚类，形成用户群体的典型特征；4)针对典型用户组分配初始激励模式；并利用持续在线的用户反馈数据训练基于策略的强化学习模型以达到总体活跃度最大化。本发明适用于大规模在线学习中，研讨、实践、合作场景的学生用户激励，其效率高，准确性好、解释性强。本发明对于大规模在线学习平台中的用户激励教学实践具有十分重要的实际应用价值。

摘要： 本发明属于协同作战方法技术领域，具体公开了一种基于自学习算法的智能群体协同战法生成方法，包括以下步骤：S1：根据作战任务生成若干群体协同战术元动作；S2：抽象出每个群体协同战术元动作的具体群体算法，包括以下步骤：S2.1：智能群体协同战法生成问题建模；运用分布式马尔可夫决策过程对群体协同战法生成问题进行建模；S2.2：提出解决问题的神经网络模型；S2.3：群体协同战法生成自学习算法；S3：利用自学习算法，无人集群根据作战因素生成一套相互协同的智能群体协同作战战法。群体协同战术元动作为预先定义的逻辑行为，通过将多个作战任务涉及到的逻辑功能分解成小的逻辑行为，减少执行控制过程中相互不能融合的操作，提升无人集群的自主性。

摘要： 本发明公开了一种基于用户群体典型特征的强化学习分组方法、装置及介质。其步骤如下：1)对大规模在线学习系统中的用户画像提取原始特征；2)利用群体关系构建用户网络图，采用图卷积神经网络对个体用户特征进行升维映射，形成群体特征；3)利用可学习的聚类算法对群体特征进行聚类，形成多个用户群体类型；4)利用Q‑learning强化学习算法，在群体典型特征空间进行分组模型学习，最终得到最优的典型特征组合模式。本发明的方法适用于大规模在线学习中，研讨、实践、合作场景的学生用户分组，其分组效率高，准确性好、解释性强。本发明对于大规模在线学习平台中的用户分组教学实践具有十分重要的实际应用价值。

摘要： 本发明涉及一种水面无人艇群体智能学习模拟器设计方法及系统，该方法包括：对无人艇动力学参数进行模拟；对无人艇状态参数进行模拟；基于模拟出的动力学参数和状态参数，对无人艇故障参数进行仿真；针对任务过程中的无人艇，对影响无人艇运行的环境参数进行模拟并输出。本发明所述的方法通过对无人艇单艇运动学建模、无人艇群艇信息同步模块设计以及无人艇运行环境状态空间建模，实现了无人艇的动力、通信、卫星定位子系统、群艇信息同步以及运行环境等多源状态感知模拟需求，有助于对无人艇系统的开发以及提高无人艇系统的安全性。