图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册
> >
多维计算机导论课程教学的研究与实证

多维计算机导论课程教学的研究与实证

作者:宋华珠
出版社:科学出版社出版时间:2019-11-01
开本: 26cm 页数: 251页
本类榜单:社会科学销量榜
中 图 价:¥65.7(6.7折) 定价  ¥98.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

多维计算机导论课程教学的研究与实证 版权信息

  • ISBN:9787030623485
  • 条形码:9787030623485 ; 978-7-03-062348-5
  • 装帧:平装
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

多维计算机导论课程教学的研究与实证 本书特色

《多维计算机导论课程教与学的研究与实证》以“计算机科学导论”课程为主要研究对象,从不同角度对该课程的教学进行研究与实证。首先,从计算机科学的学科特性出发,在ACT-R、SOAR、ECIP、粒计算认知模型基础上提出实践环节的认知模型,以此重组课程内容并优化计算机系列课程;确定开放学习的含义及原则,研发开放学习平台;建模课程本体,提出基于Web的课程本体可视化架构;开发结合知识点-学习产出的题库系统。其次,利用BP神经网络研究学习风格对学习过程的影响,利用结构方程模型研究课程的考核策略,构建精细化学习过程及PLS-SEM学习效果评估模型。*后,研究知识图谱、基于微服务的E-Learning云平台及利用深度学习对学生学习过程的情感分析,以构成《多维计算机导论课程教与学的研究与实证》的教学体系。

多维计算机导论课程教学的研究与实证 内容简介

本书以“计算机科学导论”课程为主要研究对象, 从不同角度对该课程的教学进行研究与实证。首先, 从计算机科学的学科特性出发, 在ACT-R、SOAR、ECIP、粒计算认知模型基础上提出实践环节的认知模型, 以此重组课程内容并优化计算机系列课程 ; 确定开放学习的含义及原则, 研发开放学习平台 ; 建模课程本体, 提出基于Web的课程本体可视化架构 ; 开发结合知识点-学习产出的题库系统。其次, 利用BP神经网络研究学习风格对学习过程的影响, 利用结构方程模型研究课程的考核策略, 构建精细化学习过程及PLS-SEM学习效果评估模型。*后, 研究知识图谱、基于微服务的E-Learning云平台及利用深度学习对学生学习过程的情感分析, 以构成《多维计算机导论课程教与学的研究与实证》的教学体系。

多维计算机导论课程教学的研究与实证 目录

目录前言第1章 引言 11.1 作为学科的计算机科学 11.2 计算机科学导论课程的教学目标与教学产出 51.3 多维的计算机科学导论课程教学 61.4 解决的关键问题 7第2章 基于认知模型的计算机科学导论课程重组及系列课组织 82.1 认知模型的相关研究 82.1.1 心理学认知模型 82.1.2 脑认知模型 92.1.3 粒计算认知模型 112.2 计算机学科知识的认知模型 112.2.1 基于ACT-R的计算机学科内容认知模型 122.2.2 基于SOAR的计算机学科内容认知模型 122.2.3 基于EPIC的计算机学科内容认知模型 132.2.4 基于粒计算的计算机学科内容认知模型 142.3 基于认知科学的计算机科学导论课程内容重组 152.4 基于认知模型的计算机系列课程组织 162.4.1 基于认知模型的计算机系列课程体系结构 162.4.2 计算机系列课程结构的进一步优化 16第3章 开放式计算机科学导论课程 193.1 开放学习的含义 193.2 开放学习的特点 193.2.1 卡内基梅隆大学的开放学习网站 203.2.2 中国大学MOOC的开放学习 203.2.3 网易公开课开放学习 203.2.4 实验楼网站的开放学习 203.3 计算机科学导论开放学习网站研发 213.3.1 需求分析 213.3.2 系统设计原则及模块设计 223.3.3 系统实现与测试 23第4章 基于计算机科学导论本体的建立及可视化 274.1 本体与课程本体 274.2 计算机科学导论课程本体的建立 284.2.1 本体的定义 284.2.2 利用Protege建立计算机科学导论课程本体模型 284.2.3 课程的本体标注 294.3 基于REST的计算机科学导论课程本体的可视化 354.3.1 国内外研究现状 354.3.2 基于REST的本体可视化应用系统架构 374.3.3 REST风格架构中的本体 404.3.4 REST风格架构中的本体可视化 554.3.5 本体可视化应用系统的实现与应用 57第5章 基于知识点-学习产出的题库系统的设计与实现 685.1 国内外研究现状 685.2 需求分析 695.2.1 功能性需求 695.2.2 非功能性需求 715.3 系统设计 725.3.1 用例图和流程图设计 725.3.2 数据库设计 735.3.3 系统功能结构以及系统的界面设计 745.4 系统实现与主要界面展示 795.4.1 运行环境 795.4.2 教师系统登录 795.4.3 后台管理 805.4.4 学生管理 83第6章 基于BP神经网络的学习过程建模方法 846.1 国内外研究现状 846.1.1 课程学习方法的研究现状 856.1.2 学习风格的研究现状 856.1.3 学习效果评估方法的研究现状 856.2 研究对象的来源及引出的问题 866.2.1 计算机科学导论课程的教学过程 866.2.2 计算机科学导论课程的教与学 876.2.3 获取的学习过程数据和引出的问题 906.3 学习过程建模要素的确定 926.3.1 学习过程的划分 926.3.2 学习风格模型的确定 936.3.3 学习过程建模中的要素 956.4 学习过程模型及BP学习过程建模方法 966.4.1 学习过程模型的建立 966.4.2 确定BP神经网络的学习过程模型参数的方法 986.4.3 LpM模型的建立 996.4.4 Lp-LsM模型的建立 1016.5 数据的预处理和实验结果的对比分析与验证 1056.5.1 学习过程与学习风格数据的预处理 1056.5.2 实验结果的对比 1096.5.3 SVR对学习过程模型LpM与Lp-LsM的数据模式验证 1116.5.4 实验结果分析 113第7章 基于结构方程模型的知识点考核策略 1147.1 国内外研究现状 1147.1.1 考核策略的研究现状 1157.1.2 结构方程模型的研究现状 1167.2 研究的数据及其分析 1177.2.1 课程知识体系 1177.2.2 考卷和学生成绩分析 1177.2.3 引出的问题及难点 1207.3 知识点考核策略模型的建模框架研究 1207.3.1 研究问题抽象 1207.3.2 知识点考核策略模型的建模框架 1237.4 SEM及PLS-SEM算法研究 1257.4.1 SEM基本原理 1257.4.2 核心建模方法PLS-SEM的确定 1287.5 基于PLS-SEM的知识点考核策略模型 1337.5.1 问题的提出与解决方案 1347.5.2 理论模型和研究假设 1357.6 基于PLS-SEM的知识点考核策略模型的应用 1397.6.1 数据预处理 1397.6.2 非参数检验指标 1407.6.3 模型的构建和修正 1417.6.4 研究假设验证 1517.6.5 对比模型的分析 1517.6.6 2015年数据拟合 1527.7 结果分析与讨论 1547.7.1 模型效应分析 1547.7.2 对导论课程知识点考核的指导意义 156第8章 精细化学习过程建模及PLS-SEM学习效果分析 1588.1 学习效果与学习过程 1588.1.1 学习效果评估的多样性 1588.1.2 学习过程的重要性 1598.1.3 学习过程建模及学习效果评估 1598.2 精细化学习过程模型RefinedM-LP的构建 1608.2.1 学习过程元素的定义 1618.2.2 学习过程的精细化建模 1638.2.3 RefinedM-LP的形式化描述 1708.3 基于PLS-SEM的学习效果评估模型研究 1728.3.1 学习效果的评估方法确定 1738.3.2 基于PLS-SEM的学习效果评估模型的建模方法 1738.4 RefinedM-LP及其PLS-SEM学习效果评估模型应用 1788.4.1 RefinedM-LP的计算机导论课程学习系统研发 1788.4.2 PLS-SEM学习效果评估模型在计算机科学导论课程的应用 1848.4.3 RefinedM-LP应用总结 2068.4.4 PLS-SEM学习效果评估模型应用总结 207第9章 计算机导论课程知识图谱的创建 2119.1 国内外研究现状 2119.2 课程知识图谱构建思路和原则 2129.3 构建课程知识图谱 2139.3.1 定义实体 2139.3.2 抽取实体 2159.3.3 建立关系 2179.3.4 构建课程知识图谱 2199.4 课程知识图谱实例 2199.4.1 顶层知识图谱示例 2199.4.2 章节知识图谱示例 2209.4.3 知识图谱查询示例 221第10章 基于微服务的计算机导论课程的E-Learning云平台 22210.1 微服务的引入 22210.2 E-Learning云平台的微服务架构设计 22310.2.1 微服务架构设计 22310.2.2 E-Learning平台与私有云的集成 22410.2.3 通过VPN实现校园网与私有云互联 22510.3 E-Learning云平台示例 226第11章 基于LSTM模型的课前预习的情感分析 22911.1 国内外研究现状 22911.2 数据与研究方法 23011.2.1 情感分析数据 23011.2.2 情感取值 23011.2.3 研究方法 23111.3 数据预处理 23411.3.1 分词 23411.3.2 Word2vec训练词向量 23411.4 情感分析的实现 23511.4.1 建立情感分类模型 23511.4.2 二分类的情感分析 237参考文献 243
展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服