网络学习

摘要： 本文主要以归因理论为基础,研究大学生利用网络的学习行为与学习效果的关系。基于对归因理论的理解,将大学生网络学习的效果分为内部归因和外部归因两个方面,从能力高低、任务难度、努力程度和行为偏好四个维度分析网络学习的效果。研究认为提高学生网络学习效果要从树立学生正确的学习观念,提高学生网络学习的能力,加强校园网络设施建设、网络教学平台、网络教学资源建设多方面入手。

摘要： 网络学习的迅速普及对网络学习理论研究提出了新的要求和挑战,从认知负荷的取向出发研讨网络学习平台的系统品质知觉、信息品质知觉、自我效能以及网络学习任务特性等交互作用下对网络学习所产生的认知负荷,及其对有用知觉(PU)和易用知觉(PEOU)的影响,确定认知负荷在技术接受模型中所扮演的前置角色,是网络学习基本学理研究的前端内容,对网络学习行为研究有着重要的指导作用。完成高职学生网络学习认知负荷框架的理论建构,将为后续的实证研究实现良好开端。

摘要： 当前,信息通信技术(ICT)与教育融合不断加深,为新入职护士规范化培训提供了一定便利。ICT在新入职护士规培中的应用途径主要有信息平台、手机软件、虚拟仿真技术、在线游戏、微格教学法等。当前利用ICT对护士进行规范化培训取得了良好效果,能够提高新入职护士的工作自信心、岗位胜任力、临床护理能力、工作满意度等。未来关注ICT教学体验、加强教学监控、加大资源共享和建立大型ICT培训平台将有利于进一步推进新入职护士规范化培训的发展。ICT培训的效果可能还受学员自身因素、教师教学水平、培训工具的易用性、互动性等因素的影响,这些在未来都有待进一步研究。

摘要： 基于企业外部合作伙伴分布广泛的特点,从外部研发合作广度的两个维度(市场广度和研究广度)出发,选取2010—2018年160家中国制造业上市企业数据,运用多元回归分析法探讨外部研发合作广度对企业新产品开发绩效的影响。结果表明,外部研发合作的市场广度和研究广度正向影响新产品开发绩效,其中,研究广度的作用更为显著;网络学习在外部研发合作广度对新产品开发绩效的影响机制中存在部分中介作用;知识库同质性正向调节外部研发合作广度与网络学习的关系。结论丰富了新产品开发绩效前因变量研究,对企业制定外部研发合作战略,提升新产品开发绩效具有重要管理启示。

摘要： 在互联网飞速发展的当下,教育事业也得到了极大的进步。 在这样的社会环境下,以日语为例的小语种学习也应该作出努力,跟随时代的潮流一起进步,拟建立基于 SNS 系统模块的“霓虹”日语学习平台,目的在于利用发达的互联网工具丰富日语学习的方式,同时让使用者更好地利用碎片化时间,拓展用户思维,提高学习效率,为日语学习者提供一个较为全面完备的日语学习平台。

摘要： 网络行为对大学生行为习惯、心理状况、价值观有重要影响,大学生网络教育是高校思想政治教育工作的重要部分。通过对大学生进行网络行为问卷调查,从网络习惯、网络学习、网络生活、网络娱乐、网络游戏、网络认识、学校信息化等方面了解大学生的网络行为,研究大学生网络行为动态发展轨迹,探究其网络行为特点,并在此基础上寻找和实践教育引导策略,帮助大学生树立正确的网络行为观念,巩固其科学用网的能力和素质,规避网络对其价值取向和行为选择带来的负面影响。

摘要： 新冠疫情背景下“互联网+”教育迅速发展,学生自主学习效果问题逐渐受到社会各界广泛关注。基于药学生真实学习成绩进行对比分析,以RASE模型为基础,从资源、活动、支持、评估四方面提出提升药学生学习效果的措施,为更好地开展混合教学、提高大学生自主学习积极性提供参考。

摘要： 人格是个体内在较为稳定的特征,同时也是长期习得的一个行为模式集合。学习者人格特质影响学生网络学习效果,了解学生人格特质可以帮助其调整学习方式,提高网络学习自主性。本研究通过对大学英语学习者人格特质与网络学习自主性之间的相关性进行调查研究,结果表明:大学英语学习者人格特质与其网络学习自主性呈显著相关,其中神经质人格特质与学习自主性呈负相关,尽责性、宜人性、开放性和外倾性人格特质与学习自主性均呈现不同程度的正相关,而且神经质、尽责性和开放性人格特质对学习自主性具有显著预测力。因此,教师可以根据学生人格特质个性化设置学习任务并予以差异化监督。

摘要： 文章基于网络学习的背景,研究高职院校教师的信息素养水平。作者通过问卷调查和访谈,发现高职院校教师的信息素养不高,存在信息意识淡薄、信息知识匮乏、信息能力不够熟练、信息道德相对较弱的问题。据此,文章分别从教师自身、学校支持及信息素养培训三个维度,提出了提升教师信息素养的针对性建议。

摘要： 随着时代的发展,信息化技术已经渗透到人们生活的各个方面,对于大学英语教学工作而言亦是如此,当前网络学习已经在大学英语教学中得到了极其广泛的应用。网络学习本身所具有的一系列优势,良好地贴合了当代大学生的学习方式。通过信息技术与教学的结合,可以使学生的自主学习能力得到提升,有效提高学生的学习兴趣。然而在这个过程当中,由于学校以及教师的监控力度依然存在一定的优化空间,导致英语网络教学在实际实施的过程当中还存在着一些问题。为此相关部门及学校教师应当积极行动起来,构建更为有效的网络教学模式,增强学生的自主学习意识,从而保障英语网络学习取得更好的效果。对信息化背景下大学生英语网络学习的实际情况进行全面探讨,并提出意见和思考,以促进英语网络学习效果的提升。

摘要： 随着计算机与网络的快速发展和普及,网络学习已成为“互联网+”时代教育发展的重要组成,近年来随着大数据被广泛关注,教育大数据已成为热点,基于数据挖掘的网络学习行为的研究成为重要的研究方向和研究热点.以陕西师范大学参加“现代教育技术”在线开放课程学习的学习者作为研究对象,采用数据挖掘方法,探究了网络环境下学习者行为特征类型,并探讨了行为特征与学习效果的关系.研究结果发现四类学习群体:高沉浸性型、较高沉浸性型、中沉浸性型、低沉浸性型.学习行为与学习效果密切相关,沉浸状态对学习有积极影响,沉浸性高的学习者学习效果往往好.

摘要： 为了提升自身的信息技术应用能力,教师参与线上培训已逐渐发展为继续教育的一大趋势.基于期望价值理论和成人学习理论,研究选用计算机自我效能感量表、网络学习自我效能感量表、学习投入量表和学习绩效的量表,考查以互联网为载体的学习环境下,自我效能感和学习投入对中小学教师的学习绩效可能产生的影响.结果表明:①网络学习自我效能感和学习投入度高的教师,其学习绩效相应也高,反之亦然;②计算机的自我效能感正向预测教师在进行网络学习时的自我效能感;③学习投入在网络自我效能感和教师学习绩效间起中介作用.

摘要： 本研究分析智慧教室促进小学教学创新的功能作用,提出基于智慧教室的三种小学教学创新模式:基于移动终端的个性化教学模式、基于可视化技术的STILE教学模式、基于网络学习的跨学科融合教学模式.

摘要： 本文讲述了临床微生物检验入门方法。从必读书籍、学术会议、网络学习几方面进行阐述。分析了微生物室能否保存菌种、临床与科研的协调，科研专利的申请。

摘要： 教学信息化的基点研判与策略构建，基本实现学校宽带网络全覆盖与网络教学环境全覆盖，优质数字教育资源服务基本满足信息化教学需求和个性化学习需求，网络学习空间应用普及，实现“一生一空间、生生有特色”。

摘要： 方剂歌诀就是将不同的方剂取歌诀名,古今医学家们用同音字以故事的形式将传统方剂编写成古体诗词,一般以五字、七字为主,将方剂的名称、药物的组成、剂量的比例、方剂的功能主治、配伍的特点等相关的信息简单明了的编写成便于记忆的歌诀.要求对句工整,读起来朗朗上口,其所形成古诗词体的口诀的即为流传至今的方剂歌诀.实现方剂歌诀数字化,将传统的知识与现代计算机技术结合起来,开发方剂歌诀网络学习系统,有利于更多的人快速高效的学习和传承,有利于中医药文化的学习与传播.

摘要： 探究学习社区理论扩展了网络自我调节学习行为的影响因素的研究角度,为预测网络自我调节学习行为提供了良好的理论架构.本文根据个体因素、社区因素、网络自我调节学习行为的具体分类,建立了基于探究学习社区理论的网络学习行为模型.本文并以“教育技术导论”课程为例进行了实证研究,梳理了模型中各要素之间的关系、构建了验证模型.本文认为,提升学习者的自我效能感、学习策略有助于有效改善自我调节学习行为,认知性存在影响学习者的制定目标行为,教学性存在影响寻求帮助行为,社会性存在影响学生的自我满意度.

摘要： 学习分析技术的迅速发展为研究者识别网络学习行为模式提供了有效支持.本研究从学习分析的角度切入,将Wiki协作知识建构行为作为分析对象,采用内容分析、滞后序列分析等方法,重点探索协作知识建构行为模式,并分析高低水平小组的知识建构模式差异.研究结果表明:在基于Wiki的知识建构行为中,学习者倾向于不断重复编辑.主要的行为序列为学习者补充修改与精炼修改的循环.这表明学习者会不断就补充修改的内容进行精炼与完善.针对高低成就组之间的行为模式差异,高成就组会表现出在知识联结与知识收敛等高层次的知识建构行为.此外,高成就组成员会反复进行补充修改与精炼、论证与自我修正两个环节.这使得高成就组的知识建构逐渐走向深入水平.

摘要： 探究学习社区理论扩展了网络自我调节学习行为的影响因素研究角度,为预测网络自我调节学习行为提供了良好的理论架构.本研究根据个体因素、社区因素、网络自我调节学习行为的具体分类,建立了基于探究学习社区理论的网络学习行为模型,并以“教育技术导论”课程为例进行了实证研究,梳理了模型中各要素之间的关系,并通过验证模型的影响因素及其关联,最终构建了基于学习投入理论的网络学习行为验证模型.本研究认为,提升学习者的自我效能感、学习策略,有助于改善自我调节学习行为;认知性存在影响学习者的制定目标行为,教学性存在影响寻求帮助行为.

摘要： 动态能力被学术界普遍认为是企业拥有和保持持续竞争优势的关键来源.在微信应用几乎渗透到企业经营和管理各个层面每个员工的移动互联网时代,如何通过微信学习提升企业动态能力就成为一个重要的研究课题.本文以电商企业作为研究对象,在探索性界定微信学习概念的基础上,构建微信学习与动态能力关系的构念模型.结合电商企业的特点开发微信学习和动态能力的测量量表.运用249个电商样本企业数据进行必要的数理统计分析和假设检验,最终验证了本文提出的5个假设.研究结果表明,微信学习对电商企业的感知能力、整合能力、柔性能力和创新能力均具有积极的正向影响,电商企业可以通过微信学习提升其动态能力.

摘要： 一种宽度迁移学习网络及基于宽度迁移学习网络的滚动轴承故障诊断方法，属于轴承故障诊断技术领域。针对变负载下滚动轴承带标记信息的振动数据稀缺、相同状态的源域数据和目标域数据分布差异大、多状态数据分布不平衡、诊断准确率和模型训练效率低的问题，提出一种新的宽度迁移学习网络及基于此的滚动轴承智能诊断方法。本发明利用宽度学习系统提取源域数据与目标域数据的特征并构造样本集，在此基础上，采用迁移学习中的平衡分布适配方法，减少源域和目标域之间的差异性。引入鸡群算法，优化宽度迁移学习网络参数，进而建立宽度迁移学习网络模型。将所提网络模型应用于变负载下滚动轴承故障智能诊断中，实验结果验证了所提方法的高效性和准确性。

摘要： 簇权重计算部(322)根据特定讲话者的语音的信号，使用簇权重计算NN来计算至少任意一个层被分解为多个簇的掩模计算NN的与多个簇各自对应的权重。掩模计算部(302)根据1个以上的讲话者的语音的观测信号的特征量，使用通过由簇权重计算部(322)计算出的权重进行加权后的掩模计算NN来计算从1个以上的讲话者的语音的观测信号的特征量中提取特定讲话者的语音的特征量的掩模。

摘要： 本发明提供可缩短以属于多个范畴的数据使DNN进行学习的时间的DNN的学习方法。该方法包含对以日英的学习数据使语言独立的子网络(120)和依赖语言的子网络(122及124)进行学习的步骤。该步骤包含：以日文数据使将子网络(120)的输出层的神经元和子网络(122)的输入层的神经元连接而成的DNN进行学习的第1步骤；形成取代子网络(122)而将子网络(124)连接至子网络(120)而成的DNN，并以英文数据进行学习的步骤；交替地执行这些步骤直至学习数据结束为止的步骤；在完成后将第1子网络(120)与其他子网络分离开并作为范畴独立的子网络存储至存储介质的步骤。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本申请公开了一种多任务学习网络以及基于多任务学习网络的方法。该多任务学习网络包括：任务网络以及合并网络。其中任务网络包括多个子任务网络，多个子任务网络针对相同的输入生成相应的特征向量，合并网络对相应的特征向量进行拼接、对拼接后的特征向量进行优化并得到最终输出，其中多个子任务网络中的每个子任务网络包括编码层和任务层，编码层将所述输入转换成包括维度信息的编码向量并将编码向量发送到所述任务层，任务层对编码向量进行处理以生成特征向量。

摘要： 本发明提供了一种基于深度学习卷积神经网络的计算机病毒检测方法和系统，该检测方法首先对病毒数据预处理，对使用了加壳技术为隐藏其真实意图躲避杀毒软件检测或为压缩体积便于传播渗透的病毒进行查壳和脱壳处理；随后采用B2M算法将检测病毒映射为二进制灰度图像，计算灰度共生矩阵，以灰度共生矩阵作为深度学习卷积神经网络CNN的输入，将传统的视觉特征与深度神经网络进行了整合；最后由卷积神经网络CNN做出高准确率的检测识别。此外，本发明设计并应用了一种深度神经网络的压缩算法，将卷积神经网络CNN模型进行压缩，解决了深度神经网络模型长期因参数庞大需消耗大量硬件资源而无法应用到嵌入式设备上的问题。

摘要： 一种宽度迁移学习网络及基于宽度迁移学习网络的滚动轴承故障诊断方法，属于轴承故障诊断技术领域。针对变负载下滚动轴承带标记信息的振动数据稀缺、相同状态的源域数据和目标域数据分布差异大、多状态数据分布不平衡、诊断准确率和模型训练效率低的问题，提出一种新的宽度迁移学习网络及基于此的滚动轴承智能诊断方法。本发明利用宽度学习系统提取源域数据与目标域数据的特征并构造样本集，在此基础上，采用迁移学习中的平衡分布适配方法，减少源域和目标域之间的差异性。引入鸡群算法，优化宽度迁移学习网络参数，进而建立宽度迁移学习网络模型。将所提网络模型应用于变负载下滚动轴承故障智能诊断中，实验结果验证了所提方法的高效性和准确性。

摘要： 本发明公开了一种基于学习生成网络相似度的网络学习群组划分方法，包括以下步骤：1)建立用户知识点关联网络，再计算用户学习序列中第i+1个知识点与前i个知识点的时序相关度；2)构建用户学习生成网络；3)获取学习生成网络及之间的内容相似度4)计算用户学习生成网络与之间的结构相似度5)使用内容相似度与结构相似度加权求和的结果作为用户学习生成网络的总体相似性，再将用户学习生成网络的总体相似性采用基于相似度的CURE层次聚类算法对用户学习生成网络进行聚类，实现基于学习生成网络相似度的网络学习群组划分，该划分方法考虑用户学习过程及认知特征实现网络学习群组划分。

摘要： 本发明的实施方式提供了一种深度神经网络学习方法。该方法包括：多个处理器并行地对分配至自身的数据从首层到末层逐层进行正向处理、并在正向处理结束时获得误差信息；多个处理器对误差信息从末层到首层逐层进行反向处理，其中，多个处理器中的每个处理器在其深度神经网络模型的当前层的反向处理产生参数修正量后，随即向其他处理器传递参数修正量。通过本发明上述实施方式的方法，减少了参数修正量传递所占用的时间，有效提高了深度神经网络模型训练的效率，尤其对于训练数据比较多、深度神经网络模型层数比较多的情况，这种方式可以大幅减少用时，有效节省模型训练的时间。此外，本发明的实施方式提供了一种处理器和深度神经网络学习系统。

摘要： 本发明公开了一种基于学习生成网络相似度的网络学习群组划分方法，包括以下步骤：1)建立用户知识点关联网络，再计算用户学习序列中第i+1个知识点与前i个知识点的时序相关度；2)构建用户学习生成网络；3)获取学习生成网络