快捷搜索:
您的位置:bv1946伟德入口 > 产品评测 > 清华大学杨铮副研究员应邀来我校讲学韦德国际

清华大学杨铮副研究员应邀来我校讲学韦德国际

2019-10-22 08:49

6月15日,首都师范大学万海鹏博士、浙江师范大学何文涛博士应计算机与信息工程学院邀请,在学院103会议室为计算机与信息工程学院师生分别做了题为《自适应在线学习认知地图模型构建与应用研究》和《智慧教室环境下协作学习的系统分析研究》的学术报告。学院部分老师及研究生聆听了报告。

在智慧学习环境中,对学生进行适应性诊断与反馈的效度,取决于学习者模型的精准程度。

2015年5月29日下午四点,应皖西学院信息工程学院邀请,清华大学软件学院特聘副研究员杨铮博士在C 405教室为信息工程学院师生作了题为《WiFi 雷达》的学术报告。报告会由信息工程学院副院长周先存教授主持。

上午,江结林博士在主楼715教室做了题为“Image Denoising By Regularized Robust Coding”的学术报告,计算机相关专业的硕士研究生和部分博士研究生参加了此次学术活动。

万海鹏从认知地图相关概念辨析出发,讲述了自适应在线学习认知地图模型的构建及支撑系统的设计、实现和应用实践,并讲解了课题组关于未来教育高精尖的最新研究成果。随后,何文涛介绍了智慧教室下协作学习的行为构成及其特征,从智慧教室中媒体技术产品的功能适用性、智慧教室下协作学习的运行机制和学习活动设计等几个方面为大家全面讲解了智慧教室环境下协作学习的研究内容,使学院师生对智慧教室环境下的协作学习有了更深入的了解。

智慧学习环境;个性化学习;学习者模型;ABP学习者模型

杨铮博士结合自己的研究方向和研究成果,介绍了目前主流的几种无线通信网络,比较了它们在定位与环境感知方面的优缺点,分析了WiFi运用于环境感知的突出优势,从理论上分析了其效果的优越性,并通过视频形象地展示了WiFi环境感知的应用场合和效果。在报告结束后,杨铮博士还与我院师生进行了充分互动,耐心回答了师生们提出的问题,使我院师生开阔了眼界,增长了见识,并坚定了同学们学习信息类专业的信心。

随着计算机科学和图像处理技术的迅速发展,数字图像在医学成像、模式识别等方面取得了广泛应用。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,称为含噪图像或噪声图像。减少数字图像中噪声的过程称为图像去噪。结合自身研究方向,江结林博士提出了一种基于鲁棒正则编码去混合噪声(Image Denoising By Regularized Robust Coding)的方法,在此次报告中,他详细地对此方法进行了阐述,并结合当前研究热点稀疏表示、字典学习等对算法原理进行了深入解释,并通过与经典方法对比表明了该方法的优越性与鲁棒性。针对江结林博士的报告内容,与会人员进行了热烈讨论。

提问环节,两位博士与现场师生进行互动,耐心解答了师生提出的问题。此次讲座理论与实际结合紧密,报告内容具有前沿性,两位博士深入浅出的讲解,使大家受益匪浅。

原标题:智慧学习环境中精准学习者模型要素与结构研究

韦德国际1946手机版官网 1

23日晚7点,由计算机学院举办的“FastICA及其应用”学术讲座在主楼803房间举行。讲座是由计算机学院孔�博士主讲,2010级、2011级部分相关研究方向研究生参加。孔�博士首先介绍了Fast ICA的定义、研究应用方向与最新研究成果。接着给出了自己在该领域的研究心得与体会,讲解了自己如何将该技术运用到图像处理、模式识别等计算机学科当中,孔�博士讲解内容丰富,语言组织精彩,赢得了与会同学的一致好评。

(计算机与信息工程学院 徐天贺)

作者简介:王珏,在读博士,东北师范大学信息科学与技术学院,研究方向:数字化学习环境设计,wangj1570@163.com;解月光,教育学博士,东北师范大学信息科学与技术学院教授,博士生导师,研究方向:信息技术教育、农村基础教育信息化、数字化学习环境设计等,xyg6367@126.com。长春 130117

杨铮博士的整场报告旁征博引,幽默诙谐,深入浅出,分析透彻,内容丰富。提问与互动环节,气氛热烈,交流充分。报告会持续了约一个半小时,约260余名师生济济一堂,全神贯注地聆听了报告。此次学术报告会还吸引了来自建筑与土木工程学院等其他学院的学生参加。

21日晚7:30,张巍博士在主楼603会议室做了题为“概率图形模型应用”的学术报告,计算机相关专业的硕士研究生和部分博士研究生参加了此次学术活动。概率图模型是一类用图形模式表达基于概率相关关系的模型的总称。目前在图像和视频智能信息处理领域已有应用,基本的概率图模型包括贝叶斯网络、马尔科夫网络和隐马儿科夫网络。作为计算机研究热点,张巍博士结合自己近期的研究,介绍了概率图形模型的概念及其典型应用,给广大研究生同学细心分析了应用实例。同学们随后进行提问和讨论。

内容提要:在智慧学习环境中,对学生进行适应性诊断与反馈的效度,取决于学习者模型的精准程度。文章以前概念为切入点,从认知发展角度描述学习者学习过程,并以此为依据构建基于前概念理论的精准学习者模型,用于指导研究人员认知学习者特征以及对学习者进行数字化建模。ABP模型要素分为认知、能力、体验三方面,包括前概念要素、科学概念要素、认知能力要素、元认知能力要素、感官要素等,建立并描述了要素间关系。依据该模型,研究者能够诊断学习者的具体认知状态、相关前概念与能力缺失,分析其原因及推荐相应学习资源与学习路径,进而提高智慧学习环境对学习者进行诊断与反馈的精准程度。

杨铮博士为清华大学软件学院特聘副研究员,北京市科技新星计划入选者。先后在清华大学计算机系、香港科技大学计算机系获得学士学位和博士学位,在计算机类国际顶级会议、期刊上发表论文60余篇,出版中英文专著各1部。曾荣获国家自然科学二等奖、IEEE TrustCom 2014 Best Paper等;担任INFOCOM (2013, 2014, 2015)、MobiHoc 2014等国际学术会议程序委员以及SCI期刊编委。

21日晚,计算机学院2011级研究生四班第三教学楼106室开展了题为“基于SVM的在线道路检测算法”的学术交流活动,活动主讲人为顾迎节博士。目前,道路检测技术已经被运用于机器人导航、道路检测车等多个领域。其中,环境理解是机器人导航中的重要内容,道路检测则是环境理解的核心。如何准确地检测出道路,对于机器人的通行,具有重要的意义。顾迎节博士针对该问题介绍了几种道路检测算法,将各算法结果做了对比,并详细地描述了一种在线道路检测算法。活动中,同学们积极讨论,在增强自身对相关算法理解的同时,开拓了视野,为今后的研究学习提供了帮助。

关 键 词:智慧学习环境 个性化学习 学习者模型 ABP学习者模型 前概念

(文/图 李祖松 核/ 周先存)

21日晚,计算机研究生院2010级学术交流活动举行,活动主讲人为王磊博士。本次活动把主题定在现阶段具有广阔应用前景的新兴信息技术课题上,对于近来受到广泛关注的云计算,物联网以及无线传感网络等技术的前沿技术进行学习交流和探讨。研究方向为无线传感网络的王磊博士做了题为“网络编码研究与发展及其在WSN中的应用”的报告。学术活动进行了一个多小时,活动中主要介绍了网络编码技术的研究现状以及创新应用拓展和要突破的技术难点,并对无线传感网络和未来的发展前景做了详细的介绍,未来网络编码技术在WSN网络中的应用也是无线传感网络广泛应用的必须解决的难题,其理论的完善,编码技术在特定的无线传感网络环境中的适应性和效率方面的改进是实现信息感知技术变革的重要环节。

标题注释:教育部-中国移动科研基金项目“信息技术支持下的基础教育教学模式研究及试点”(MCM20130611)。

20日下午2:30,郭箭博士在主楼603会议室做了题为“云计算平台应用”的学术报告,计算机相关专业的硕士研究生和部分博士研究生参加了此次学术活动。云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。作为计算机研究热点,郭箭博士结合当前课题组云设施使用情况,介绍了云计算的概念和主要云平台及其能够提供的典型应用,给广大研究生同学细心讲解了实现的关键技术。听完郭箭博士的报告后,同学们进行了热烈的提问和讨论。

[中图分类号]G40-052 [文献标识码]A [文章编号]1007-217906-0104-08

一、问题提出

当前,大数据、“互联网 ”、可穿戴设备等信息技术新概念的出现,不断促进学习理念、教与学方式的革新,教育信息化的推进逐步从宏观建设走向微观设计,相应的智慧学习环境研究成为热点(黄荣怀等,2012)。在智慧学习环境中对学习者的特质、学习状况进行诊断和监控,挖掘学习者的学习需求,进而提供适应性的学习反馈,有助于实现学习者个性化发展。智慧学习环境适应性功能的实现基础,是构建适切的学习者模型。本研究聚焦学习者微观认知过程的精准学习者模型样态,以期提高智慧学习环境对学习者个性化学习支持的效度。

学习者模型界定

本文的“学习者模型”不同于常见的计算机研究领域的内涵,而是从智化设计角度展开论述的认知模型。它是描述学习者的认知发展过程,解释学习者认知机理的抽象理论模型,用于指导研究人员认识学习者特征和进行数字化建模。构建学习者模型是对智慧学习环境中的学习者进行针对性地抽象建模,其模型包含哪些学习者属性,取决于建模的目的,即实现智慧学习环境预没的学习目标,需要了解学习者的哪些特性。

1.学习者模型是智慧学习环境智能化的起点

智慧学习环境能根据对学习者的诊断结果,进行智能地、适应性地提供学习支持反馈。其中的诊断模块、适应性模块功能的实现都基于学习者模型对现实世界学习主体建模的诊断结果,是智慧学习环境实现适应性功能进行诊断与反馈的起点。

2.学习者模型构建从智化设计方面展开论述

学习者模型分三个方面(Brusilovsky,et al.2007),即智化设计、建模(structure and represent)和实现(user modeling approaches)。智化设计涉及学习者的本质,即学习者在学习活动和外界环境交互过程中心理特征的变化及其相互关系究竟是怎样的,即学习者建模的目标是什么。建模涉及综合考虑学习理论和建模理论,考虑如何将智化设计层思考的结果通过计算机表示和建模。实现方面涉及应用哪些具体方法,将学习者模型的设想通过数字化手段开发出来。本文从智化设计展开讨论,从教育技术研究角度阐述精准学习者模型的功能、特点及构建的理论依据和方法。

3.学习者模型是开发智慧学习环境中数字化学习者模型的理论依据

学习者模型,是计算机和学习者之间的桥梁,是开发智慧环境中数字化学习者模型的指南。研究者依据学习者模型理解学习者的属性特征,构建数字化的计算机模型。

学习者模型存在的问题

目前,学习者模型主要有静态模型和动态模型两种构建方式。

静态模型,是在学习者进入学习环境之前就已经建好的学习者模型,一般使用铅版模型方法进行表征,这种方法是通过将学习者依据预先设计的类别如性别、能力、兴趣爱好等特质进行归类。

动态模型,是捕捉学习者与智慧学习环境交互中产生的信息,随时更新学习者模型,以进行适应性反馈。动态模型的表征方法有覆盖模型方法、赋值模型方法、贝叶斯模型方法等。覆盖模型方法通过建立与学习内容相关的概念、技能、错误的领域知识集合,然后将学习者目前掌握的概念、技能、错误作为领域知识子集的方法将学习者表征出来。赋值模型方法一般依据项目反映原理估算学习者的能力水平,以及通过心理学量表判断学习者的认知风格、认知偏好,将诊断结论赋值表征学习者的水平。贝叶斯模型方法通过建立学习内容项之间的因果关系,依据诊断的信息,推断学习者对知识的掌握程度等。

当研究者以提高智慧学习环境的效度为目标,以“精准”作为学习者模型构建的价值时,可以发现静态模型和动态模型及其表征方法都存在不足。

本文由bv1946伟德入口发布于产品评测,转载请注明出处:清华大学杨铮副研究员应邀来我校讲学韦德国际

关键词: