数字教育资源众筹服务模式及应用研究

来源 :华中师范大学 | 被引量 : 0次 | 上传用户:kmj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着教育信息化的快速发展,教育服务平台的建设也不断发生着改变,学习者可获取的数字教育资源愈来愈丰富,数字教育资源学习方式也颠覆着传统的学习方式。与此同时,数字教育资源应用也存在着优质教育资源、创新教育应用产品供给不足的情况,而众筹模式能够突破时空限制、汇聚大众智慧与创造力,是破解当前资源供给与服务等问题潜在的有效手段。因此,论文对数字教育资源众筹服务模式应用展开研究。论文主要围绕三个方面的内容展开研究。首先,提出了数字教育资源众筹的应用服务模式。该模式以众智科学、价值链等理论为基础,分析了当前教育资源众筹服务生态体系,从教育领域众筹所涉及的需求发起方、服务供给方、平台服务方以及消费方等多方视角,构建一种以资源池为核心、以个性化服务为目标,以政府、科研机构、企业和用户为利益各方的UGBC服务模式。其次,在提出的UGBC服务模式的基础之上,研究了数字教育资源众筹服务模式中所涉及的资源聚合和需求适配等关键技术。在分析众筹服务过程中产生的复杂供需关系基础之上,使用用户自定义资源标签,结合TextRank算法提取需求信息与服务资源的元数据信息,提出了基于资源元数据的需求与服务匹配策略。同时,构建了一种网络资源采集与分类引擎,以实现相关资源的分类聚合,为资源供需匹配服务提供技术基础,该引擎依据搜索内容计算资源相似度,按相似度高低呈现资源以适配用户需求。最后,对提出的服务模式和关键技术进行了应用实证研究。平台以基础教育、高等教育、职业与继续教育为服务对象,通过支持用户发布资源需求,服务提供方提交资源与产品服务,同时依据设定的内容主题,对爬取互联网的各类相关资源数据进行聚合,并依据用户搜索内容,实现平台资源、服务与用户需求之间的适配,应用实践验证了所提出的方案可行有效。
其他文献
目前气候变暖已经成为一个全球面临的问题,而CO_2是对气候变化影响最大的温室气体之一,在目前严峻的环境保护形势下,节能减排的呼声日益强烈,世界各国也在积极研究CO_2减排技术。碳捕获与封存技术(Carbon Capture and Storage,CCS)是目前公认最有前景的CO_2减排手段之一,而富氧燃烧(oxy-fuel combustion)技术则是实现规模化碳捕获最有前途的技术之一,天然气
气溶胶颗粒物在空调风管内沉积会引起微生物、细菌滋生,产生有害物质,进而造成室内空气污染。因此,研究空调风管中颗粒物的沉降特性,对风管清洗、改善室内空气品质,保障人员健康有重要意义。目前,国内外对于管内颗粒物迁移沉降的理论方面有较多研究,而对真实空调风管尤其是阀门等部件附近的颗粒物相关的研究相对较少,因此,本文通过实验测试与数值模拟相结合的方法对方形风管弯头、阀门附近的颗粒物运动与沉降特性进行了研究
随着802.11n协议的普及,利用普适和细粒度的WiFi信号实现人物身份识别逐渐成为可能。不同于需要借助额外设备(如相机、超声波等)的传统方法,基于WiFi信号的身份识别方案可以
高能发射药使现代火炮获得了更高的炮口动能,但导致了传统H90黄铜弹带在高膛压发射条件下的严重磨损问题,为此需要开发一种新型弹带材料来替代H90黄铜弹带。然而,对弹带磨损机理的清晰认识是解决这一问题的根本途径。本文采用金相显微镜、电子扫描显微镜、能谱测试手段分析磨损的H90黄铜弹带和B19白铜弹带,通过材料学和摩擦学的理论分析磨损机理,利用LS-DYNA有限元软件对两种弹带挤进膛线的三维模型进行了数
静息状态功能磁共振成像(r-fMRI)技术是研究人脑功能的重要技术之一,通过脑功能网络连接来辅助诊断脑疾病的方法近年来吸引了大量学者的关注,已成为医学研究神经精神障碍的热
聚乳酸(PLA)因其可再生性、生物降解性、生物相容性和良好的热力学性能成为传统石化塑料的最佳替代品,但是PLA较低的结晶速率极大地限制了其在众多领域的应用,因此对PLA结晶性能的改性对扩大其应用领域具有实际应用价值。本文通过溶液共混法在PLA基体中添加氧化石墨烯(GO)和接枝2代聚酰胺胺(PAMAM)树状分子的氧化石墨烯(fGO)制备复合材料来改善PLA的结晶性能。具体内容如下:通过原位聚合法在氨
在不断涌现出的新型恶意软件以及恶意软件变种过程中,一方面由于传统的检测模型过分依赖已知样本,无法检测新的恶意行为,另一方面在现实检测任务中普遍存在恶意数据难以获取
关系分类(又称语义关系分类),是信息抽取领域中实现文本结构化的重要方法之一,它在机器翻译、信息检索、自动问答、知识库构建等多项自然语言处理任务中都有着广泛的应用。伴随着深度学习在自然语言处理领域多项任务上取得了突破,人们开始探索将深度学习应用在关系分类上,基于深度学习的关系分类成为了研究热点之一。现有的基于深度学习的关系分类,主要在两阶段任务上,包括实体识别和语义关系分类,分别构建网络模型。然而,
纠错问题是机器学习中非常重要的一个主题。在现实情况下获得的数据都或多或少的包含着一些损坏的部分,如何处理这部分损坏的数据是一个十分困难的问题。人们对于这一问题的
空间调制(Spatial Modulation,SM)作为一种新兴的MIMO传输技术,通过建立信息比特与发射天线索引之间的映射关系,将空间维度引入传统二维调制中,从而构成三维星座空间。针对SM