-
题名审视与构建:信息加工视野下的深度学习
被引量：7
- 1
-
-
作者
周越
徐继红
-
机构
内蒙古师范大学教育学院
-
出处
《电化教育研究》
CSSCI
北大核心
2022年第12期108-113,共6页
-
基金
内蒙古师范大学2022年基本科研业务费项目“以知行论为主线的中国特色学习理论体系研究”(项目编号:2022JBZD001)。
-
文摘
针对目前深度学习研究在概念界定、教学策略等方面存在的认识模糊问题,为完整描述深度学习的过程、准确界定深度学习的概念、深化对深度学习的理论认识,文章开展了对现有关于深度学习概念等方面研究的综述和分析,进而采用信息加工理论框架来审视一般学习过程,从学习过程和目标两个角度来描述深度学习的关键特征,构建了由主体、客体和活动等构成的描述学习深度的三维框架,提出由主动性、独立性和素养导向三个基本要求构成的落实深度学习理念的教学原则。
-
关键词
信息加工
深度学习
递进学习
完整学习
素养导向
学习深度
-
Keywords
Information Processing
Deep Learning
Progressive Learning
Integrated Learning
Literacy Orientation
Depth of Learning
-
分类号
G434
[文化科学—教育技术学]
-
-
题名基于判别稀疏性表示的不完整多视图分类
被引量：3
- 2
-
-
作者
辛利柯
杨琬琪
杨明
-
机构
南京师范大学计算机科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第10期1938-1948,共11页
-
基金
国家自然科学基金(62076135,61876087)
江苏省自然科学基金(BK20171479)
赛尔网络下一代互联网技术创新项目(NGII20180604)。
-
文摘
传统多视图学习通常假设样本在每个视图都是完整的,但是由于数据难以获取、设备故障、遮挡等因素,这一假设并不总能成立,而传统的多视图学习方法很难有效处理不完整多视图数据。目前,研究者们已经提出了一些不完整多视图学习的方法,但是这些方法没有充分利用样本类别信息,从而影响恢复后样本的判别性。因此,提出基于判别稀疏性表示的不完整多视图分类方法(IMVC-DSR)。具体地,该方法假设缺失样本可用少量观测样本稀疏线性表示。同时,为了充分利用类别先验信息,增加恢复后样本的判别性,该方法鼓励相同类别样本之间相互表示,降低不同类别样本之间的相互表达。此外,该方法考虑到视图之间的相关关系,引入选择算子选出不同视图的相同样本,并约束相同样本在不同视图的线性表达具有一致性。最后,在公开的五组数据集上验证了所提方法IMVC-DSR的有效性。
-
关键词
多视图学习
不完整多视图学习
稀疏表示
视图一致性
-
Keywords
multi-view learning
incomplete multi-view learning
sparse representation
view consistence
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名游戏对教学设计的启示
被引量：3
- 3
-
-
作者
潘庆玉
-
机构
山东师范大学文学院
加拿大西门菲沙大学
-
出处
《当代教育科学》
北大核心
2009年第6期7-11,共5页
-
基金
"2007年山东省高校教师国际合作培养项目"的资助
-
文摘
游戏可以激发儿童全身心地投入到某种探索性的行动之中,它为人类自由地、综合地挖掘自身的各种潜能提供了最有效的形式。立足游戏启示进行的教学设计,并不是讨论如何有效地运用游戏来教学,而是探讨如何利用游戏中的形式力量来重新组织教学内容和教学过程,使学生在学习过程中达到身心并用、沉浸其中的忘我状态。
-
关键词
基兰·伊根
游戏沉浸式教学
隐形规则
学习过程的完整性
-
分类号
G623.8
[文化科学—教育学]
-
