-
题名数字化转型下课堂教学形态变革研究
被引量:1
- 1
-
-
作者
郑金明
-
机构
广西交通职业技术学院人工智能学院
-
出处
《高教探索》
北大核心
2025年第S1期28-30,共3页
-
基金
广西教育科学“十四五”规划2023年度广西教育信息化教学应用实践共同体专项课题“基于AI技术课程学习平台建设研究与实践——以“图形图像处理技术”课程为例”(关联项目编号(基金号):2023ZJY559)的研究成果
-
文摘
数字化转型背景下,课堂教学新形态应运而生。利用人工智能、大数据等智能优势,创设立体交互式、智能化和多元化的课堂教学环境,实现线上线下教学的深度融合,以丰富的跨区域教学交流活动,使课堂教学回归育人本质,从根本上促进了教育的高质量发展以及学生的全面发展。本文通过分析数字化转型下课堂教学场景、课堂教学过程、课堂教学情感的新形态,以及课堂教学形态变革面临的新挑战,提出数字化转型背景下课堂教学形态变革的优化策略,即助力教师教学能力的数字化转型、建立本土化的数字教育系统、构建数字化网络教学环境。
-
关键词
数字化转型
课堂教学
课堂形态
-
分类号
G434
[文化科学—教育技术学]
-
-
题名基于L-M神经网络的高温矿井进风井筒风温预测方法
- 2
-
-
作者
韦家正
覃晓
-
机构
广西交通职业技术学院人工智能学院
广西民族大学物理与电子信息学院
-
出处
《中国矿业》
北大核心
2025年第9期209-215,共7页
-
基金
2019年广西高校中青年教师科研基础能力提升项目资助(编号:2019KY1346)
2021年度广西高校中青年教师科研基础能力提升项目资助(编号:2021KY1125)
2022年度广西高校中青年教师科研基础能力提升项目资助(编号:2022KY1130)。
-
文摘
高温矿井进风井筒风温受多种因素共同影响,这些因素间存在复杂且动态的非线性关系,导致风温预测模型需具备实时更新和适应新数据源及条件的能力。然而,这种动态性变化增加了模型学习训练的难度,进而影响了预测结果的准确性。为解决这一问题,提出基于L-M神经网络的高温矿井进风井筒风温预测方法。采用DEMATEL方法对这些复杂且动态的影响因素进行筛选和确定,以确保所选指标能够准确反映矿井环境对风温的影响。基于筛选出的输入指标,构建井筒风温预测模型。为进一步提升模型的学习与拟合能力,应用L-M算法对神经网络进行优化。实验结果显示,该预测方法的最大预测误差不超过2℃,拟合系数稳定在0.95左右,充分证明了该方法在高温矿井进风井筒风温预测中的准确性和可靠性。与其他传统预测方法相比,该方法不仅显著提高了预测精度,还为矿井通风管理提供了更为可靠和科学的决策依据。因此,基于L-M神经网络的高温矿井进风井筒风温预测方法为实现精确的风温预测提供了一种有效且实用的手段。
-
关键词
L-M算法
神经网络
输入指标
进风井筒
风温预测
-
Keywords
L-M algorithm
neural network
input indicator
air intake shaft
air temperature prediction
-
分类号
TD725
[矿业工程—矿井通风与安全]
-