关键词： 互联网   学习模式   学习方法   对策  

摘要： 全息学习是以促进全人发展为目标,以环境、资源和技术为平台,在学习主体、课程形态、学习方式、学习资源建设等方面的整体变革或学习革命[1]。文章主要通过全息视觉学习模式、听觉学习模式、动觉和全息触觉等五种学习思维模式分析来深入研究这种全息视觉学习思维模式，利用问题探究合作学习、自主合作学习和团队合作三种学习模式进行对全息学习思维方式进行深入探究。

关键词： 篮球选项教学   深度学习   课堂共同体   高中体育  

摘要： 篮球是高中体育课程中主要的教学项目之一，可以锻炼学生的体魄，提升学生的篮球技巧，并且因其较高的观赏性深受学生喜爱。篮球选项教学是高中篮球教学的主要形式之一，可以结合学生身心发育特征和篮球课程的定位，提高篮球教学的针对性。而篮球选项教学与课堂深度学习共同体是紧密相连的，与之结合可以提高学生的篮球专项技巧，促进学生体育素养的提高。因此，本文首先对篮球选项教学、课堂深度学习、课堂共同体的概念进行了阐述，然后介绍了构建篮球选项教学课堂深度学习共同体的意义。

摘要： 春秋战国时期，扁鹊在《难经》中提出“望闻问切”四种诊断疾病的基本方法，这些看似和数学毫无关联的医学方法，却和数学学习有着千丝万缕的关联，在教学中，能选好内容，选对时机，选准方法，充分调动学生的各种感官，必将助力学生的数学学习。一、望闻问切，如何实施？新西兰教育家克里斯蒂·沃德在《友善用脑》一书提到“多感官教学法”，调动越多的感官，可以更多利用大脑通络，建立更多的神经连接。刺激多感官可以建立深刻记忆，使记忆轻松存储下来。

关键词： 思维导图   学习方法   高中政治教学  

摘要： 本文就思维导图在高中政治教学中的应用进行深入分析，其目的在于探索如何利用思维导图这一有效的学习工具，提高高中政治教学的效果和质量。文章结合思维导图的应用价值，分析当下教学存在的问题，并从课前注重引导、课中强化探究、课后总结分析、新课确定目标、复习直观体现五个角度提出教学思路，以促使学生的思维深度和问题解决能力提升，激发学生的学习兴趣和主动性。

关键词： 图表示学习   自监督学习   对比学习   数据增广   负采样策略  

摘要： 由于图数据的强大表现力,利用深度学习方法分析图的研究越来越受到重视。图神经网络(Graph Neural Network,GNN)是一类基于深度学习的处理图域信息的方法。它将网络表示为低维向量,用于节点分类、社区发现、链接预测等下游任务,已成为一种广泛应用的图分析方法。GNN通常利用任务标签来学习表征。然而,图数据的标签往往不易获取,且人工标记成本较高。因此,图自监督学习引起了广泛的关注成为一个重要的研究方向。图对比学习(Graph Contrastive Learning,GCL)是当前图自监督学习的主流方法之一。其主要框架主要在数据增广、代理任务(pretext tasks)和损失函数上进行创新。当前虽然提出了大量的图数据增广方法,但设置较为复杂和需要设置较多的超参数;同时,在代理任务中通常将经过锚节点增广的样本视为正样本,其余样本都视为负样本。但其中一些负样本与锚节点标签一致,它们仍然被视为负样本,这些被打错标签的样本称为“伪负样本”,会影响模型的学习。因此,本文对图数据的增广方法进行了研究,设计了一种只需要较少先验知识的增广方法;此外,考虑到随机负采样方法存在伪负样本的问题,本文充分利用了图数据的属性和拓扑结构信息来逐步检测伪负样本,并将其修正为正样本。具体研究内容包括:(1)针对当前图数据增广方法的超参数多造成模型复杂的问题,提出了基于Mixup增广的图对比学习模型。具体来说,首先,定义了弱正关系的概念,构造了类别平滑分布的正负样本。基于这个这个概念提出了节点Mixup增广。将原始图作为第一个视图,再将原始图进行Mixup增广得到的视图作为第二个视图;其次,将两个视图经过图卷积网络(Graph Convolution Network,GCN)编码器学习得到每个视图的节点表示,再经过多层感知机(Multi Layer Perceptron,MLP),将表示映射到潜在空间中计算对比损失;最后,通过对比损失来约束正负样本的节点表征,同时也会Mixup增广节点对间的标签信息,获得比较准确的节点表示。(2)针对伪负样本会降低图对比学习模型性能的问题,本文提出了一种结构和属性感知的图对比学习模型。首先,利用图数据增广方法对原始图进行增广得到两个不同上下文的视图;接着对两个视图进行GCN编码器学习得到每个视图的节点表示,再经过MLP层,将节点表示映射到潜在空间增强表示;然后,进行伪负样本检测,检测方法包括:属性感知和结构感知。在属性感知方面,设置了随训练过程自适应的属性阈值,计算每个节点对之间的属性相似度,根据属性阈值检测伪负样本;在结构感知方面,设置静态的结构阈值,计算每个节点对之间的结构相似度,根据结构阈值检测伪负样本;最后,通过对比损失约束正负样本的节点表征,得到泛化性更强的节点表征,用于不同的下游任务。本文在多个真实世界的数据集上进行了充分的实验,用节点分类作为下游任务对模型进行评估,将GRACE、MVGRL、GCA等经典图对比学习模型作为基准模型,采用准确率作为评价指标。实验结果表明,本文提出的模型学习到的节点表示泛化性优于基准模型。

关键词： 标签分布学习   标注受限   新类   图学习   标签重构  

摘要： 标签分布学习是一种新的以标签分布数据为研究对象的机器学习范式。因其在处理标签模糊和标签歧义方面的良好表现,标签分布学习受到越来越多学者的关注。传统的标签分布学习算法主要是针对数据标注完全的情形设计的。然而,在实际应用中,常常会面临标注受限的问题,由于标注成本昂贵,往往所收集到数据的标签都是不完全、不确切、或者不准确的。特别是在标签分布学习中,要给出一个示例的标签分布更增加了标注的困难性。因此,如何在标注受限情形下开展标记分布学习便十分重要。本文分别在标注不完全和出现新类两种标注受限场景下开展标签分布学习研究,主要工作如下:(1)基于图正则化最大熵准则的碎片标签分布学习传统的标签分布学习算法主要是基于标注完全的数据设计的,在标注不完全场景下难以取得令人满意的结果。此外,现有不完全标记标签分布学习方法不能有效利用数据间的关系,并且不能得到直推式的学习分类器的问题。针对现有标签分布学习算法的局限性,通过构建数据图矩阵,挖掘数据间的内在联系,并结合特有的分类器设计归纳式的算法。进一步对算法的收敛性进行了分析验证,同时对算法进行了参数分析,确定最优参数,最后通过实验验证了算法的有效性。(2)基于样本空间扩展的标记分布改变学习针对传统的标签分布学习算法不能处理出现新标签从而导致标签分布改变的标签分布学习问题。基于图和流形的思想,构建出数据间的结构信息矩阵,并通过缩放因子压缩现有标记分布重构出新的标记分布。针对此问题设计有效的算法,结合理论证明了算法的可行性,并得出两个可行性理论结果,为算法的可行性提供了坚实的理论支撑。进一步,通过实验验证了所提算法在面部表情识别、年龄估计等方面的优效性。开展以上方法的研究进一步丰富和完善了标签分布学习在标注受限场景下的理论和方法,并为实际应用提供了一些可借鉴的方法。

关键词： 词汇学习App   词汇能力框架   有意义学习  

摘要： 随着移动学习技术的越发成熟,学习方式逐渐多样化,越来越多的高校学生利用App进行英语词汇学习。本研究结合词汇学习理论和有意义学习理论,整合了基于App的英语词汇有意义学习的路径框架,并基于路径框架探索基于App的英语词汇有意义学习。本研究以梅耶的多媒体教学设计原则作为创设有意义学习环境的理论基础,并结合词汇能力框架,构建了基于App的英语词汇有意义学习的路径框架。根据路径框架,本研究采用定性与定量研究相结合的方法,首先选取百词斩App进行定性分析,从学习材料选取、内容呈现方式以及复习测试形式三个方面探讨App在词汇的有意义学习方面的优势和劣势。同时,为了对分析结果进行验证,本研究从学习者的角度,制作并发放了包含词汇学习App的使用感知、词汇能力以及英语水平三个维度的调查问卷,并回收有效问卷309份。本研究的问题1是对词汇学习App进行的一般定性分析,问题2是从学习者的角度,通过定量分析验证问题1的分析结果。研究发现其结果存在一定的差异:对词汇学习App的一般定性分析显示,词汇学习App能够从较大程度上促进有意义的英语词汇学习,但是从学习者的问卷反馈来看,他们对于词汇能力提升的满意程度不高,词汇学习App只能在有限的程度上促进英语词汇的有意义学习。本研究对基于App的英语词汇有意义学习的路径框架进行了探索,较为全面地分析了词汇学习App在词汇有意义学习方面发挥的作用,并从学习者的角度对App在促进英语词汇的有意义学习方面的优势和劣势进行了验证,从而能够为进一步优化英语词汇学习App提供可行性建议。

关键词： 双向长短期记忆神经网络   卷积神经网络   迭代方法   小样本集合   门循环控制单元  

摘要： 在纺织物的质量控制环节中,印染起到了至关重要的作用。印染过程中,很多因素影响印染的一次成功率,例如染液配制精度、染液中PH值、染液自身温度、染色后晾晒温度、助染剂品质等,但其最核心流程是染液配制精度的测试与调整。针对传统染液浓度检测方法所存在的检测精度低以及检测效率低等局限性,本文中采用工业相机装置对特定光源条件下的染液进行图像色彩拍摄并提取RGB值,结合数据处理技术、深度学习算法以及迭代方法,对于不同的纺织应用场景下,提供不同的三组分混合染液浓度检测方法。本文的主要内容如下:(1)提出了一种基于CNN-BiLSTM的三组分混合染液链式浓度检测方法。针对印染色彩创新研发,或确保每批产品质量一致的分批量生产等场景下,对精度要求极高而现存检测方法检测精度低的问题。本文基于不同曝光时间下采集到的RGB值所具有的时间序列性,采用双向长短期记忆神经网络算法(BiLSTM)作为算法基础,通过卷积神经网络算法(CNN)提取特征后,建立基于CNN-BiLSTM的染液浓度预测模型。同时,为了提高训练模型的稳定性,使用两种迭代方法在三种染料浓度预测模型之间建立链接关系,加入两种链接机制后平均预测准确率分别达到了 97.89%与98.05%。(2)提出了一种基于CNN-GRU的三组分混合染液分段浓度检测方法。针对工业染缸的日常监控、纺织印染行业的教学实验培训以及QC质量控制等场景下,希望精度与效率兼顾。本文分别从两个角度进行探索,选取高相似性的小样本集合进行训练,并且使用更轻量级的门循环控制单元(GRU)作为算法基础,进而从小样本学习角度建立基于CNN-GRU的染液浓度预测模型。实验证明模型总体效率相较于最高精度模型效率有一定程度地提高,检测精度高于传统机器学习方法,兼顾并中和了检测精度与检测效率之间的平衡。(3)为了方便对预测模型的使用,本文利用Vue+Django的技术框架进行了染液检测系统的设计与实现,将提出的预测算法移植至染液检测系统当中,为用户和企业提供简洁易操作的染液浓度检测方式。

关键词： Sentinel-2   油菜种植面积   特征选择   U-Net   特征融合  

摘要： 油菜是我国重要的农作物,也是第一大油料作物,及时、准确地获取油菜种植面积,是开展作物长势监测、产量预估的重要基础,对于农业生产管理和国家油料供应安全保障具有重要意义。早期,农作物种植面积的获取方式主要是实地调研、逐级统计上报,数据现势性不高,调查工作量大且成本高,存在各种弊端。近年来,Sentinel-2数据因其光谱信息丰富、宽覆盖、易获取等特点,为快速获取大范围油菜种植面积提供了良好的数据支持。此外,深度学习技术在语义分割方面的应用,也为精准农业提供了分类思路。基于此,本研究选取上海市崇明岛为研究区,获取油菜盛花期的Sentinel-2遥感影像;构建油菜特征数据集,并进行特征优选;基于U-Net模型构建一种面向中高分辨率的油菜种植面积提取模型,并与三种常用的遥感分类方法进行对比分析;综合特征选择和分类方法,提出一种融合优选特征的深度学习油菜种植面积提取方法,为油菜种植面积的提取提供一种准确、可行的解译方法。主要工作如下:(1)基于特征优选方法的最优特征数据构建研究。基于遥感影像的光谱波段、植被指数与纹理特征,构建油菜特征数据集,提出一种结合相关系数、特征重要性排序和后向消除特征选择的特征优选方法,最终选出12个特征变量构成优选特征数据集。利用随机森林分类算法进行对比实验的结果显示,特征数据的加入能够提高油菜种植面积提取精度,其中,基于优选特征数据集的分类结果最好,总体精度达到90.40%,Kappa系数达到0.8779,相较于原始数据的分类结果,总体精度提高了4.34%,Kappa系数提高了0.06。实验结果证明了特征选择方法的有效性。(2)基于深度学习的油菜种植面积提取模型研究。面向Sentinel-2遥感影像,通过对比随机森林、支持向量机、面向对象分类和深度学习U-Net模型四种分类方法,进而确定油菜种植面积提取的最佳模型。实验结果显示,基于U-Net模型的油菜种植面积提取结果最好,总体分类精度达到97.98%,分别比其他三种方法高出4.68%、4.34%、6.27%,Kappa系数达到0.8950,分别比其他三种方法高出0.0602、0.0537、0.0959。实验结果表明了深度学习算法在油菜种植面积提取研究中的可行性和准确度,可为今后开展南方种植结构复杂区域的油菜种植面积提取提供一种有效的智能解译方法。(3)融合特征的深度学习油菜种植面积提取应用。结合最佳分类模型和融合优选特征数据的方法,实现了2019-2023年上海市崇明岛油菜种植面积提取,并分析了其时空变化特征。结果显示,2019-2023年的油菜种植面积提取结果的总体精度平均达到97.88%,Kappa系数平均达到0.9345。2019-2023年崇明岛油菜种植面积分别为4695.02公顷、5334.8公顷、2284.1公顷、1159.19公顷、1001.46公顷,面积变化呈现先增长后下降的趋势,主要集中在崇明岛的新海镇、港西镇、东平镇、以及崇明东滩,且三年来油菜稳定种植的面积仅有4693.5亩。结果表明,在轮作休耕和种植结构调整的耕地精细化利用模式下,该方法能够为世界级生态岛崇明岛的油菜种植面积的准确识别和变化分析提供方法和思路。本研究的开展,可为南方耕地集中分布、种植结构复杂的农作区的油菜种植面积提取提供一定的方法和思路,为地方农业种植结构调整、现代绿色农业高质量发展提供科学依据。

关键词： 生命意义感   高中生   学习动机   学习投入   团体辅导  

摘要： 生命教育是中小学心理健康教育的重要内容之一,生命教育不容忽视。高中生作为重要的教育对象,担负着实现民族伟大复兴重大使命。但是,在高中生群体中有很大一部分学生存在较低的生命意义感和学习动机的表现,这对高中生个体的成长和发展产生不利的影响。高中生正处于自我同一性的重要阶段,学习压力较大、身心存在诸多矛盾容易出现心理冲突,学习又是其生活的重要主题之一,生命意义感对学习动机和学习投入等学业领域也具有显著预测作用。本研究旨在拓展生命意义的研究领域,探讨高中生生命意义感、学习动机和学习投入的相关性。此外,本研究将借鉴以往开发学习动机的团体辅导研究,设计出针对高中生学习动机的团体辅导方案并验证其有效性。为了解决上述问题,本研究共开展两项子研究。研究一选取桂林市多所高中761名学生为被试,然后使用《生命意义感量表》(MLQ),《学习动机量表》和《学习投入量表》对其进行问卷调查,了解高中生生命意义感、学习动机和学习投入水平,并探讨三者之间的关系。研究二在研究一的调查基础上,结合自主原则,选取学习动机平低于均值的36名学生作为研究对象,将他们随机划分为干预组(18人)和对照组(18人)。干预组在签署知情同意书后,接受8次心理资本主题的团体干预活动,对照组不接受任何干预。团体干预结束后,对干预组和对照组进行后测,检验干预结果本次研究结论如下:(1)高中生生命意义感和学习动机呈正相关。也就是说高中生的生命意义感水平越高,他们的学习动机越强。(2)高中生学习动机和学习投入呈正相关。也就是说高中生的学习动机越强,他们的学习投入水平越高。(3)高中生生命意义感和学习投入呈正相关。也就是说高中生的生命意义感水平越高,他们的学习投入水平越高。(4)学习动机在生命意义感与学习投入的关系间起中介作用。(5)本次团体辅导干预方案能够有效的提升高中生的学习动机和学习投入水平,并具有良好的效果。