关键词： 高中化学   研究性学习   实践应用   学习方法  

摘要： 化学是引导学生通过观察和研究了解世间万物变化及其现象原理的一门学科。根据教育部颁发的高中生课程计划大纲中的要求,高中化学教学中应该开展研究性学习的综合实践活动。研究性学习是提高学生化学认知和拓展化学知识的重要途径,是丰富化学课堂的教学模式之一。但是研究性学习模式在高中化学教学中还存在诸多问题,需要我们一一研究解决。

摘要： 在当今经济全球化背景下,新媒体领域发展迅速。跨文化商务交际在企业发展中显得尤为重要,同时这一学科对商务英语学习也产生了影响。在经济贸易过程中,跨文化商务对经济发展起到了促进作用,因此逐渐就形成了专门的学科,被称作跨文化商务交际学。这一学科建立的目的是让生活在不同文化中的人都可以利用商务英语进行交际和沟通,于是在新的发展背景下,跨文化商务交际学就对商务英语学习有所启示,本文主要针对这一角度展开分析。

关键词： 高中散文教学   教学方法   以写促读  

摘要： 阅读是写作的基础,丰富的阅读不仅能为写作积累大量的素材,而且能提供多样的语言形式和结构样板。教师应引导学生通过阅读为写作奠定坚实的基础;反过来又可以通过写作实践,加强学生对阅读的理解,深化对阅读对象所蕴含的微妙精湛之处的体会,并将理解和体会再渗透于个人的写作实践中,从而形成阅读和写作相互促进的一种良性循环。

关键词： 七年级   数学阅读   阅读教学   意义学习   奥苏贝尔  

摘要： 本文对奥苏贝尔有意义接受学习在七年级数学阅读教学的应用进行研究。国内对数学阅读的研究逐年递增,而对奥苏贝尔有意义接受学习的应用研究也有十几年了,有意义接受学习在数学阅读教学中的应用尚待开发和实践。本文选取七年级上册为教学内容,以奥苏贝尔有意义接受学习理论为指导,撰写教学设计并进行教学实践。第一章为绪论。主要阐释研究背景、研究意义和研究设计的思路与方法。联合国教科文组织提出了“21世纪必须时刻进行学习”的终身学习理念,《义务教育数学课程标准（2011版）》对学生的阅读作出了要求。从国内外对阅读教学的深入研究得出,奥苏贝尔有意义接受学习对教师教学与学生学习都有指导意义,但理论本身具有局限性。基于以上现状,本文通过文献研究、问卷调查、实验、统计分析等方法对有意义接受学习在数学阅读教学中的应用进行研究。第二章为文献综述。简述了有意义接受学习的国内外研究现状与理论内容,了解数学阅读及其教学的相关内容及最新发展,明确现有的理论基础。有意义接受学学习在国内应用广泛,数学阅读及其教学的研究主要在学生阅读能力的培养方面,两者结合的文章较少。第三章为数学阅读及其教学的调查研究。通过问卷调查了解师生对数学阅读及教学的认识和现状,为教学实践提供参考。第四章为有意义接受学习指导下的数学阅读教学实践案例。以概念课、复习课、试卷讲评课三种课型分别给出教学实例,对导读提纲的编制、师友合作的有效性、教学期间的评价种类及教学后的实验分析作了分析并总结。第五章为实验总结。通过对教学实践的分析提炼出奥苏贝尔有意义接受学习指导下的数学阅读教学基本流程,并得到了重视先行组织者的作用、重视课本阅读增强课外阅读指导、合理安排时间让学生充分思考、引导学生总结规律方法提高其阅读能力与重视知识网络的建构等研究结论。第六章为结束语。对本研究的创新与不足进行说明。

关键词： 函数学习   学习方法   教学指导  

摘要： 一直以来函数都是数学学习的重难点问题,在考试中所占的比重也比较大,因此,掌握函数学习的方法是非常关键的,而且初中函数是函数学习的基础,掌握好初中阶段的函数学习,可以给后期的函数学习打下坚实的基础。本文主要就函数学习方法进行了有效的探究和讨论。

关键词： 表示学习   无监督学习   半监督学习   多核表示学习   隐变量   鲁棒性   图表示学习   个性化PageRank   图神经网络  

摘要： 表示学习对于人工智能的成功有着十分重要的意义,从传统的机器学习模型到如今的深度学习模型,表示学习在不同的应用领域中发挥着巨大的作用。本文从基于无监督的多核表示学习方法出发进行研究,分别对样本自适应学习问题和鲁棒性问题进行研究,并在实验数据集上验证了研究的有效性。尽管基于无监督的多核表示学习方法取得了优良的实验性能,但是由于核函数自身的局限性,在大规模的应用场景中存在计算和存储效率低的缺点。为了克服这个缺点,本文对基于无监督的图表示学习方法进行研究,该方法采用低维度的特征向量来表示样本,拥有计算和存储效率较高的特点,在大规模数据集上取得了优良的实验性能。最后,针对拥有少量标注数据的应用场景,本文对基于半监督的图表示学习方法进行研究,该方法既可以有效利用少量标注数据提升整体模型的准确性,又可以有效缓解在少量标注数据集上直接使用有监督学习带来的严重过拟合问题,从而得到更适合目标任务的表示信息。本文的主要工作和创新点概括如下:(1)提出了一种基于隐变量的多核表示学习算法。基于无监督的多核表示学习方法——多核k-means聚类算法,融合多个核函数的信息,被广泛应用于机器学习、计算机视觉和自然语言处理任务中。该算法将传统的核k-means算法从单个核函数的场景扩展到多个核函数的场景中,有效避免了核k-means聚类算法存在的核函数选择问题。现有的多核k-means聚类算法将核函数中的所有样本赋予相同的权重,忽略了样本相关的数据特征信息。我们提出了一种基于隐变量的多核表示学习算法。该算法通过引入隐变量的方式针对每个样本自适应地调整在每个基础核函数中的权重;为了提升数据在核函数层面和样本层面特征的有效性,降低模型的过拟合风险,我们在核函数层面和样本层面分别提出了多样性正则化项和图正则化项对模型加以约束;此外,我们提出了一种有效的三步迭代算法,以共同优化核函数层面和样本层面的参数;我们在计算机视觉和自然语言处理应用数据集中进行了全面的实验,并将其与现有的方法进行比较,实验证明了我们提出的算法优于现有算法。(2)提出了一种基于鲁棒性的多核表示学习算法。多核k-means聚类算法通常从一组预先指定的基础核函数中学习最佳的核函数以提高算法性能。传统的多核k-means聚类算法通过线性组合一组基础核函数,然后通过优化目标函数的方式得到最优的组合系数。尽管通过线性组合的多核k-means聚类算法取得了良好的性能,但是我们发现通过线性组合的方法缺乏对噪声数据的鲁棒性。我们提出了一种基于鲁棒性的多核表示学习方法,该算法从一组基础核函数学习出一个公共的最优核函数,其中每个基础核函数都可以分解成为最优核函数矩阵和稀疏误差矩阵;为了降低部分误差矩阵中的误差数据过大从而影响模型的学习能力,我们引入了一组自适应参数对误差矩阵进行动态调整以减轻该影响;我们采用非精确增广拉格朗日乘子优化方法对公共的最优核函数和自适应参数进行联合优化求解;我们在计算机视觉应用数据集中进行了全面的实验,并将其与现有的方法进行比较,实验证明了我们提出的算法能够鲁棒地学习出公共的核函数。(3)提出了一种基于个性化PageRank的图表示学习算法。图表示学习算法,通过对图的结构信息和节点的附加信息(例如文本信息)进行表示学习以得到更好的节点表示,被广泛应用于众多社交网络分析任务中,例如链接预测、社区发现等。然而,现有的大部分研究工作仅仅考虑了两两直接相连接的邻居节点之间的信息交互,而忽略了距离更远的节点之间的信息交互,从而影响最终的实验性能。我们针对节点拥有附加文本信息的图进行研究,该算法通过将结构信息和节点信息进行表示学习的方式以学习每个节点的表示;在移除仅仅考虑两两直接相连的邻居节点之间这个限制的基础之上,提出了一种更有效并且具有空间局部性的方法——个性化PageRank方法来完成更远距离之间的节点信息交互操作。此外,我们在理论上进一步分析了个性化PageRank方法与谱域方法之间的联系,从而进一步为性能提升提供了理论支持。最后,我们在引用网络数据集、社交网络数据集上进行了全面的实验,并将其与现有的方法进行比较,实验结果证明了我们提出的算法优于现有的算法。(4)提出了一种基于全局信息和局部信息融合的图表示学习算法。基于图神经网络的图表示学习在图结构数据集(例如:社交网络、学术引用网络以及知识图谱等)得到了广泛研究和关注,其中在基于半监督学习任务——节点分类任务上效果十分显著。已有的图神经网络一般可以分为以下三种类型:第一类图神经网络通常对直接链接的邻居节点进行消息传递;第二类图神经网络试图以更高阶的方式来进行消息传递,相比于一阶的方式可以获得更多的局部信息;第三类图神经网络则是利用图扩散机制来聚合全局邻居节点的信息。虽然这三种不同类型的图神经网络受到了众多研究者的研究和应用,但是很少有研究者试

关键词： 多模态   在线学习   反馈话语   互动意义  

摘要： 本文通过研究50名长春财经学院的本科生对在线课程学习反馈的视频,以Kress和Van Leeuwen的视觉语法、Norris提出的多模态互动分析方法为理论基础,分析学生的眼神、手势、语言模态所构建的互动意义。研究发现,大多数学生与镜头有眼神接触,伴随语言出现的最多的手势为隐喻手势(metaphoric gesture),其次为拟物手势(iconic gesture)。结果表明,学生渴望传递给教学研究者具体、准确的有关在线学习的反馈信息,并希望获得对方的关注。

关键词： 知识图谱   知识表示学习   多源信息融合   实体类别信息   注意力机制   负样本生成  

摘要： 近年来,知识表示学习受到了广泛关注,其旨在将知识图谱中的实体和关系表示为稠密低维的实值向量,以便高效地计算实体和关系之间的语义联系,并可以将学习到的知识表示应用到知识图谱补全、关系抽取以及自动问答等下游任务中,提升所对应的各类模型的性能。随着对知识表示学习研究的不断深入,一些研究学者将工作重心从改进模型本身转移到了除此以外的其他方面,包括多源信息融合以及负采样等。本文着眼于这两个方面,提出了一种新颖且有效的模型,通过采用注意力机制去捕获其他方法中人工制定的规则所涵盖的信息,解决了一些模型在融合实体类别信息时需要引入额外规则的问题,从而简化模型并提升模型的普适性。并且,为使得多源信息得到充分的利用,填补负采样工作几乎没有用到多源信息的空白,本文提出了一种利用实体类别生成高质量负样本的方法,以此提高模型性能。本文主要成果如下:(1)提出一种融合实体类别信息的知识表示学习模型TEKRL。在引入多源信息的同时,解决了其他模型在使用实体类别信息时需要引入额外规则的问题。该模型构建了基于结构和基于类别的两种实体表示,并通过引入注意力机制来捕获实体类别和三元组关系之间的潜在关联,自动地学习实体的不同类别对某种特定关系的不同重要程度,从而简化了人工制定规则这一繁琐的过程,更高效地利用实体类别信息进行知识表示学习。通过实验表明,TEKRL模型在链接预测和三元组分类任务的各项指标上都取得了显著提升,尤其是在实体预测任务中,与其他方法相比,Hit@10指标提升了约7.2%,Mean Rank指标相对提升了约23%,表明了该模型可以有效地利用类别信息来更好地进行知识表示。(2)提出一种利用实体类别信息生成负样本的方法TENS。定义了实体类别相似度的概念,并基于此提出了一种提升模型负样本质量的负采样方法。该方法将类别相似度作为选择替换实体的依据,并对类别相似度排序得到生成负样本的待替换实体序列,通过对待替换实体序列进行划分以及根据类别相似度对各划分区域设置不同的采样概率来实现高质量的采样。通过实验表明,加入了TENS负采样方法后,模型的性能在原有的基础上取得了进一步的提升。其中,Hit@10指标进一步提升了1.2%,Mean Rank指标进一步提升了3.9%,表明了所提出的负样本生成方法可以有效地提升模型的学习能力。

关键词： 学习方法   高中教育   高考   数学  

摘要： 当学生进入高中阶段,各类课程较之初中难度呈阶梯式的上升,很多学生在九门功课的强大压力之下,学习积极性会受到挫折,甚至也有些许同学成绩一落千丈,心理压力巨大,从而影响学习。以高中数学为例,在数学课程难度上升后,学生不了解数学课本的内容分布与特点,以及遇到难题以及学习方法的错误,让学生的数学学习兴趣以及成绩的提升受到了重重阻碍。笔者将结合数学教学方法及教学内容,为广大学生给予学习方法的建议,让学生能够在艰难的数学课程中如鱼得水。