期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
学习评论视角下基于手段—目的链模型的学习者持续学习意愿研究 被引量:1
1
作者 王锐 肖杨财 张庆晓 《成人教育》 北大核心 2024年第1期45-53,共9页
探究学习者持续学习意愿的形成机制对在线教育的可持续发展有着重要的现实意义。以中国大学MOOC上的学习评论数据为研究对象,将手段—目的链模型与文本挖掘技术相结合,构建出在线学习的价值层次图,确定了学习者持续学习意愿的形成路径... 探究学习者持续学习意愿的形成机制对在线教育的可持续发展有着重要的现实意义。以中国大学MOOC上的学习评论数据为研究对象,将手段—目的链模型与文本挖掘技术相结合,构建出在线学习的价值层次图,确定了学习者持续学习意愿的形成路径。随后,提出了基于关联频数及情感指数的路径重要性度量方法,对学习者持续学习意愿形成的关键路径进行了分析。结果表明:有6条路径可影响学习者持续学习意愿的形成。其中,“课程讲解—知识获取—价值感知”和“教学方式—求知兴趣—内在激励”为关键路径。研究结果为在线课程的质量提升指明了方向。 展开更多
关键词 在线学习 学习评论 手段—目的链模型 持续学习意愿
在线阅读 下载PDF
学习评论视域下基于KANO模型的在线课程质量影响因素分析 被引量:17
2
作者 王锐 王锦萱 罗仙平 《黑龙江高教研究》 北大核心 2021年第10期155-160,共6页
当前,关于在线课程质量的研究多是通过问卷调查数据的视角展开。而问卷调查模式存在样本量不足、样本缺乏代表性等问题。在在线环境下,平台上存在大量反映学习者对课程质量感知的评论数据。基于学习评论的在线课程质量分析模式能够有效... 当前,关于在线课程质量的研究多是通过问卷调查数据的视角展开。而问卷调查模式存在样本量不足、样本缺乏代表性等问题。在在线环境下,平台上存在大量反映学习者对课程质量感知的评论数据。基于学习评论的在线课程质量分析模式能够有效克服问卷调查模式的缺陷。文章以中国大学MOOC等在线学习平台上学习者评论文本为研究数据,结合扎根理论和KANO模型,采用有序Logit回归方法对在线开放课程质量的影响因素进行了分析。结果表明:系统特性、视频制作、教师的教学水平、教学内容的有用性和教学内容的全面性属于必备型质量因素;课程辅助资料属于期望型质量因素;教师的教学风格和课程交互性属于魅力型质量因素。最后,针对不同类型的质量因素,提出相应的在线课程质量迭代改进策略以提升学习者的满意度。 展开更多
关键词 在线开放课程 学习评论 KANO模型 扎根理论
在线阅读 下载PDF
基于迁移演员-评论家学习的服务功能链部署算法 被引量:6
3
作者 唐伦 贺小雨 +1 位作者 王晓 陈前斌 《电子与信息学报》 EI CSCD 北大核心 2020年第11期2671-2679,共9页
针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、... 针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。 展开更多
关键词 网络切片 服务功能链部署 马尔可夫决策过程 演员-评论学习 迁移学习
在线阅读 下载PDF
基于异步优势演员-评论家学习的服务功能链资源分配算法 被引量:8
4
作者 唐伦 贺小雨 +3 位作者 王晓 谭颀 胡彦娟 陈前斌 《电子与信息学报》 EI CSCD 北大核心 2021年第6期1733-1741,共9页
考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法。首先,该算法建立基于区... 考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法。首先,该算法建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程。然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为马尔科夫决策过程(MDP)。最后,在所建立的MDP中采用A3C学习方法,实现资源分配策略的求解。仿真结果表明,该算法能够更加合理高效地利用资源,优化系统时延并保证UE需求。 展开更多
关键词 网络切片 服务功能链资源分配 马尔科夫决策过程 异步优势演员-评论学习 区块链
在线阅读 下载PDF
基于多智能体柔性演员-评论家学习的服务功能链部署算法 被引量:2
5
作者 唐伦 李师锐 +1 位作者 杜雨聪 陈前斌 《电子与信息学报》 EI CSCD 北大核心 2023年第8期2893-2901,共9页
针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题,该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先,建立资源负载惩罚、SFC部署成本和时延成本最小化的模型,同时受限于SF... 针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题,该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先,建立资源负载惩罚、SFC部署成本和时延成本最小化的模型,同时受限于SFC端到端时延和网络资源预留阈值约束。其次,将随机优化问题转化为马尔可夫决策过程(MDP),实现SFC动态部署和资源的均衡调度,还进一步提出基于业务分工的多决策者编排方案。最后,在分布式多智能体系统中采用柔性演员-评论家(SAC)算法以增强探索能力,并引入了中央注意力机制和优势函数,能够动态和有选择性地关注获取更大部署回报的信息。仿真结果表明,所提算法可以实现负载惩罚、时延和部署成本的优化,并随业务请求量的增加能更好地扩展。 展开更多
关键词 网络功能虚拟化 服务功能链 柔性演员-评论学习 多智能体强化学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部