学习分析视域下大学生课堂参与边缘化诊断及策略干预研究
这是一篇关于学习分析,课堂参与边缘化,众包,自组织,协同知识建构的论文, 主要内容为“知识来源于信息,信息来源于数据”,学习分析以“大数据”为研究工具,从大数据的角度挖掘、分析、表征、理解和服务学习,让学习真实发生。课堂参与是培养学生概念理解的一种工具和手段,反映学生的认知和情感投入水平,是深度学习的有效保证。因此,如何利用Web2.0等新型技术创建、共享和交流课程内容来支持课堂参与,学生边缘化课堂参与的发生机制是什么,以及如何利用学习分析技术对学生参与度进行全面、准确测量需要引起我们高度关注。本研究在对国内外相关文献资料梳理总结的基础上,确定课堂参与行为属性及属性值计量方式,对行为参与次数进行矩阵表征,从原始视角探索教育质量,洞察学生课堂参与情况;通过访谈及问卷调查,利用相关分析和多元回归法,发现影响学生课堂参与的六个具体变量:基础薄弱、担心说错、内容抽象、讲课快、习惯独立学习、不好意思。根据产生因素,结合相关理论认为:中国传统文化的根深蒂固、学生缺乏充足课前准备、学生对口语目标的不重视、内向寡言的个性特征、消极参与的恶性循环、教师对课堂节奏把控不到位、同伴消极反应的抑制作用以及知识系统的日益复杂性是课堂参与边缘化的发生机制。基于众包平台Wisemapping,结合自组织理论和知识建构理论提出众包自组织协同知识建构干预模型,以某大学教育技术学专业学生为研究对象进行了为期十周的干预研究。结果表明该模型能显著提高学生的学习成绩,知识组织行为模式显示学生积极参与到课堂中来,创造了更加有趣和有意义的学习体验,在学习活动中投入了更多的智力水平、努力程度、注意力、持久性和积极行为,学习是一个社会的、交流的过程。知识图谱和社会网络分析表明学生提出了许多问题和观点,思维变得清晰,论点的阐述逐层深化,每个学生都能以最适合自己的方式学习,课堂上通过众包平台Wisemapping进行社交似乎从根本上改变了他们整个课堂的参与限制,从根本上增加了学生的互动机会。研究成果有助于提升高校大学生的课堂参与度和知识水平,进而提高学习和教学效果。
众包系统中高接受率的工人推荐机制研究
这是一篇关于众包,工人推荐机制,任务匹配,相互信任关系,矩阵分解的论文, 主要内容为近年来,随着互联网和移动网络的全面发展以及物联网的迅速兴起,众包已经成为一种流行的协作模式。在这种模式中,请求者发布的任务可以由众包工人经济高效地完成。工人招募是众包的一个核心问题,而工人推荐作为一种高效的工人招募方式目前已得到了广泛的采用。然而现有的工人推荐只评估了请求者对工人的信任,在实际的众包平台中也存在不可信的请求者。理性的工人会拒绝参与不可信请求者发布的任务,这会导致传统工人推荐机制的低接受率问题。为了解决这个问题,本文在传统工人推荐机制的基础上进一步考虑了不可信请求者的存在,设计了一种评估请求者与工人双向信任关系的工人推荐机制。具体研究内容如下:(1)本文针对时空众包场景提出了一个包含时间匹配、技能匹配、支付匹配和位置匹配的任务匹配机制,以往的工作没有如此全面地考虑过这个问题。(2)本文采用矩阵因式分解方法(Matrix Factorization)作为信任评估的基础框架,基于请求者对工人的评价矩阵和工人对请求者的评价矩阵,提出了三种方法来评估请求者和工人之间的双向信任关系。(3)结合任务匹配和双向信任评估,本文基于贪心算法提出了一个Top-K工人推荐机制。(4)基于Epinions公共数据集,本文设计和运行了大量的实验。结果表明,本文提出的Top-K工人推荐机制在任务接受率和信任评估准确性两个方面皆实现了突出的性能。
城市绿地养护系统研建
这是一篇关于绿地养护,在线教学,互联网+,众包的论文, 主要内容为园林城市的生态地基是绿地,园林城市的建设依托于绿地养护的有效管理。21世纪以来,国内城建工作如火如荼,绿化不再只是起到美化作用的点缀,而成为城市现代化的重要保证,因而政府在人力、物力和财力方面给予了充分调配。虽然目前我国在园林绿化养护行当取得一定成果,仍旧现存多方显性问题阻滞其发展,如:养护人员专业业务水平较低,不能很好地理解监管单位前期提出的养护需求,导致养护效率低下;养护人员劳动力不纯熟,致使养护中成本支出不合理的现象频发;养护区域体量及相互跨度大,管理人员无法确保全天候监督,不能实时掌握工作进程;从事养护工作群体人均年龄偏大,企业不仅面临管理成本的持续支出,同时承担颇高的用工风险。本文针对当前绿地养护产业中企业遇到的实际问题,设计并研发了一套城市绿地养护系统。该系统针对不同用户构建了管理人员、绿化主管和养护人三类子系统,管理人员参与系统用户管理、派单审核等,实时掌控养护工作详情;绿化主管负责派单、订单状态、教学课程、考核内容、网络直播等方面的管理;养护人根据养护工作协议选择性接单,在养护工作中按时上报工作进展,空闲时间服从绿化主管安排或根据个人需要系统性学习养护知识。本系统针对Web客户端与移动端,分别采用Vue与Ionic框架实现前端页面的展示,后端选用Spring Boot框架编写接口,数据库使用My SQL提供数据的支撑服务。借助互联网技术,养护人可不受时间和空间限制,系统学习养护知识以提高自身养护技能。公司管理人员将养护工作以众包模式同步到互联网平台上的同时,安排与之相匹配的教学课程,便于吸引部分无业、退休等社会闲置劳动力参与到绿地养护工作中。城市绿地养护系统作为时代发展下的新兴产物,使众包模式得以搭载互联网技术,不仅能够帮助企业培养专业养护人才,也可吸纳社会上无业、退休等闲置劳动力以拓展人力资源,助益绿地养护产业的健康发展。
网络嵌入中的噪声检测算法研究
这是一篇关于网络嵌入,链路预测,噪声检测,众包,集成学习,半监督学习的论文, 主要内容为在互联、大数据时代,网络(图形)数据结构已经成为保存数据的主要形式,如在社交网络、推荐系统、知识图谱等领域。网络嵌入,或者称为网络嵌入算法,其目的在于将网络用低维向量表示,同时保存网络拓扑结构以及网络中的辅助信息。但现有的网络嵌入算法研究都基于纯净数据展开,这在现实应用中几乎是不存在的。另外,噪声不仅会对网络嵌入带来负面影响,而且还会影响其下游分类及链路预测等任务。有鉴于此,研究网络嵌入中的噪声检测就非常有必要。本文将网络中的噪声分为节点标记类噪声和节点之间边噪声,设计实现了网络嵌入的噪声检测算法框架,这涵盖了网络嵌入中噪声检测的不同方面。本文主要内容包括类噪声检测研究、边噪声检测研究及高噪声率问题,如下所述:1.针对类噪声检测问题,提出了一种迭代式半监督学习检测算法。该算法在多分类器集成检测的研究基础上,结合网络中节点之间邻接关系,通过标签在网络中传播。这不仅有效地克服了带标签数据少,难以构建分类器的问题,而且迭代式的算法框架,提高了噪声检测率,优化了节点嵌入。另外,实验证明该算法可以有效提高节点嵌入在分类任务上的准确率。2.针对边噪声检测问题,提出了一种基于相似度的无监督检测算法。首先,该算法将边噪声分为缺失和冗余两类。其次,该算法在结合链路预测解决缺失链接的基础上,解决了网络中的边噪声问题。再者,实验表明分类检测对网络嵌入中的边噪声检测具有较高精确度。3.针对高噪声率问题,首先提出了基于网络数据结构的众包数据整合模型,这包括标签整合、嵌入整合两种集成算法。其次,基于统计学习理论对众包数据权重进行估计,显著提高了集成效果。最后,通过实验证明了结合网络数据相关性的整合模型具有一定有效性。
基于推荐算法的众测协同模块的设计与实现
这是一篇关于众包,软件测试,Spring框架,推荐算法的论文, 主要内容为众包是指通过召集互联网大众,整合互联网资源来解决单独机器难以处理的问题。在软件测试领域,由于互联网时代软件产品的快速更迭,通过雇佣专业测试人员的传统方式成本高昂,难以快速获得大量反馈并加以改进产品。众包测试技术可以很好地解决当前软件测试领域所面临的困境。众包测试通过互联网召集大量的非全职测试人员,能够很好地模拟真实应用场景,并且测试周期短,测试成本也相对较低。现阶段已经出现了相当数量的商业众包测试平台,但目前大多数的平台对于众包测试任务的分配和完成主要采用独立任务的模式,各个测试人员之间及其任务之间的联系较弱。针对当前众包测试各个测试人员协同性较弱的问题,本文提出了一种基于推荐算法的协同测试模块。该模块在测试人员填写测试报告时,通过多种推荐算法,实时推荐数据库中已有的同类测试报告,以供测试人员参考,提高测试工作效率,减少工作成本。本文介绍了项目的背景以及系统中使用的关键技术,分析了项目的基本需求和系统设计,重点阐述了测试报告管理模块、测试报告推荐模块和推荐算法的设计与实现。本系统整体上采用MVC模式的设计思想,使用Spring和SpringMVC框架,以MongoDB作为主要的数据存储载体,并利用Maven和git进行项目管理和版本控制。该项目能够帮助众测工人通过学习参考别人的测试报告,以完成质量更好的测试报告,避免了大量重复的、低质量的测试报告。众测工人们可以通过该模块形成群体智慧,更好地完成众测任务。本系统最终希望通过推荐算法的方式,协同众测工人的工作,提高众测的效率,改善众测结果的质量。
安全漏洞众包验证平台的设计与实现
这是一篇关于微服务架构,众包,漏洞,Spring Boot,Dubbo的论文, 主要内容为随着信息技术的不断发展,互联网应用与移动应用已经是人们社会生活中密不可分的存在,但不幸的是如今大部分互联网应用和移动应用都存在着或多或少的安全漏洞,这些潜在的漏洞十分危险,因此对于漏洞扫描的重要性越来越高。随着漏洞扫描技术的不断发展,发现的漏洞的数量也越来越多,在这些漏洞中,存在大量低危的甚至是误报的漏洞,这给运维人员的审核与修复工作带来了巨大的负面影响,因此漏洞众包的需求也越来越大。慕测平台是一个致力于产教结合的众包测试平台,为了解决上述问题,需要对现有的慕测系统添加新的服务:漏洞众包。本平台是基于漏洞扫描工具的漏洞众包验证平台,利用众包的优势来过滤大量低危的和误报的漏洞,识别并警示高风险漏洞,提高漏洞识别的准确性,并且通过实时提交的验证报告快速统计出有效的结果,为运维人员提供精准的解决方案,从而节省企业的人力成本。本文设计和实现了一个高可用、高响应、精准有效的漏洞众包验证平台。该平台提供高响应的漏洞众包验证服务并且最终生成一份实时更新的有效的统计报告。本项目使用微服务架构,通过Dubbo和ZooKeeper实现服务的注册与发现,结合Spring Boot、Hibernate、Shiro等框架快速构建服务端,并最终使用Docker进行部署。该漏洞众包验证平台结合大量用户的验证报告,实时地通过相关统计技术生成有效的报告,具有高响应性、实时性和有效性。本项目分为四个模块,包括任务管理模块、自动化扫描模块、众包验证模块、展示模块,其中本文详细介绍了任务管理模块、众包验证模块的设计与实现,这两个模块分为漏洞导入模块、众测任务模块、漏洞验证模块与统计报告模块,同时对实时更新统计信息的算法与报告有效性进行了详细的分析,体现本平台的高响应性。
MZ公司家电售后服务众包平台构建研究
这是一篇关于家电售后,众包,双边市场的论文, 主要内容为家用电器作为日常消费品,是生活中必不可少的组成部分,家电售后服务作为日常生活的润滑剂,一直是社会关注的热点。科技的发展,出现了许多新型家电,极大地满足了消费者对品质生活的追求,与之配套的售后服务,却难以满足消费者需求。目前家电售后服务行业面临着服务投诉多,盈利能力差,从业人员积极性不高等问题,既影响了消费者的生活质量,又制约了家电行业的发展。随着社会不断进步,消费理念升级,家电售后服务行业发展迅速,新的增值服务不断涌现,MZ公司是一家以提供家电售后增值服务产品为核心业务的新型服务公司。近年来,公司抓住行业发展的机遇,迅速成长,2018年营业收入已突破3亿元。但在经营过程中,也遇到了一些管理方面的问题,限制了公司进一步的发展。同时行业发展快,企业外部经营环境也发生了新的变化,给公司的发展提出了新的要求。为适应行业发展的要求,解决自身管理问题,实现企业进一步发展,公司需要采用新的商业模式。众包相关理论为公司的发展提供了新思路,构建家电售后服务众包平台,有助于完善公司服务能力,解决发展面临的问题。本文旨在研究构建一个以众包模式进行家电售后服务交易的在线平台,改善目前家电售后服务行业存在的问题,满足公司的发展需要。基于众包理念,对传统家电售后服务的商业模式进行创新,主要关注家电售后服务众包平台的分析研究和信息平台的设计及实现。与之相对应,研究内容分为MZ公司现状及发展面临的问题、众包平台分析、众包平台设计及实现三个部分。(l)在家电售后服务行业发展的背景下,采用实地调查法和定量分析法,从MZ公司现状出发,为解决企业发展面临的问题,讨论构建众包平台的原因及相关问题。从行业发展和企业自身两个角度,阐明建设家电售后服务众包平台的必要性。(2)按照众包的研究方法,从平台治理、参与方、定价策略三个方面对家电售后服务众包平台展开分析研究。首先,在服务相关概念、价值链理论的指导下,分析家电售后服务特点,结合对构建众包平台问题的讨论,在众包理论下,重构家电售后服务价值链,使其作为平台治理的主要手段,进行商业模式的创新。其次,结合行业现状和MZ公司实际经营情况,进行参与方分析,制定可行的方案。再次,根据双边市场理论的特征,考虑网络外部性,讨论众包平台定价策略,设计平台盈利方式。最后,按照研究分析结果,提出家电售后服务众包模型,作为众包平台开发的理论依据,按照行业应用要求,列出信息平台的功能需求。(3)信息平台是家电售后服务众包平台的技术基础,按照众包模型要求,提出平台开发应遵循的主要策略。设计上,先按照应用场景的要求,基于微服务架构进行平台架构设计,然后根据家电售后服务作业流程,展开业务模型和用户模型设计,完成平台的设计工作。采用流行的全栈开发方法,按照平台软件设计,开发实现众包平台。本文以MZ公司为例,在众包理论下,重构了家电售后服务的关键业务与流程,进行了商业模式创新。利用先进的信息技术,构建了一个家电售后服务众包平台,不仅可以改善服务质量,降低管理成本,还能改善服务人员从业环境,促进家电售后服务行业的健康发展。众包平台是为解决目前家电售后服务行业存在的问题而进行的一种服务创新,给服务企业的经营提供了新的思路。此外,众包模式开放的特点,引入社会人力资源,实现服务资源的合理配置,能创造出更多的就业机会。
基于推荐算法的众测协同模块的设计与实现
这是一篇关于众包,软件测试,Spring框架,推荐算法的论文, 主要内容为众包是指通过召集互联网大众,整合互联网资源来解决单独机器难以处理的问题。在软件测试领域,由于互联网时代软件产品的快速更迭,通过雇佣专业测试人员的传统方式成本高昂,难以快速获得大量反馈并加以改进产品。众包测试技术可以很好地解决当前软件测试领域所面临的困境。众包测试通过互联网召集大量的非全职测试人员,能够很好地模拟真实应用场景,并且测试周期短,测试成本也相对较低。现阶段已经出现了相当数量的商业众包测试平台,但目前大多数的平台对于众包测试任务的分配和完成主要采用独立任务的模式,各个测试人员之间及其任务之间的联系较弱。针对当前众包测试各个测试人员协同性较弱的问题,本文提出了一种基于推荐算法的协同测试模块。该模块在测试人员填写测试报告时,通过多种推荐算法,实时推荐数据库中已有的同类测试报告,以供测试人员参考,提高测试工作效率,减少工作成本。本文介绍了项目的背景以及系统中使用的关键技术,分析了项目的基本需求和系统设计,重点阐述了测试报告管理模块、测试报告推荐模块和推荐算法的设计与实现。本系统整体上采用MVC模式的设计思想,使用Spring和SpringMVC框架,以MongoDB作为主要的数据存储载体,并利用Maven和git进行项目管理和版本控制。该项目能够帮助众测工人通过学习参考别人的测试报告,以完成质量更好的测试报告,避免了大量重复的、低质量的测试报告。众测工人们可以通过该模块形成群体智慧,更好地完成众测任务。本系统最终希望通过推荐算法的方式,协同众测工人的工作,提高众测的效率,改善众测结果的质量。
面向软件开发自由职业者的第三方众包系统设计与实现
这是一篇关于自由职业,众包,人物画像,人岗匹配,行为数据,人力资源的论文, 主要内容为随着中国人口的增长,就业群体的数量也在不断增长,就业压力随之增长,人力资源配置低效,严重影响国家依靠人才发展经济战略的布局规划。自由职业从传统职业形态中衍生,适应现阶段就业压力环境下的人才配置,软件开发领域的自由职业者需求随之旺盛。国内已出现针对企业服务的软件外包平台,但依然在自由职业人才生态、人才管理和资源配置上未提供有效的平台环境和技术解决方案。因此,本课题旨在针对软件开发领域自由职业者的协同合作和人才配置等问题,提出系统化的解决方案。借助UML进行需求分析和系统设计,依照设计结果实现整个系统,并对其结果进行测试、评估、优化。需求分析阶段,分别从业务需求、功能需求和质量属性需求三个维度进行分析,输出相应功能的用例图;设计阶段,设计了系统的架构、功能结构和关系数据库,其中功能结构设计部分将系统划分成用户账号管理模块、任务流管理模块、用户等级管理模块、资金流管理模块、推荐与匹配模块五大功能模块;实现阶段,系统依据并结合了RESTful架构风格、Vue.js前端框架、Spring+Spring MVC+Mybatis的后端框架的开发策略对整个系统进行实现,并通过对知识图谱、特征工程的研究设计人物画像模型,为智能匹配和推荐提供模型基础;测试阶段,分别针对质量属性和功能实现情况进行效果评估,展开了相应的功能测试和性能测试;根据测试结果探究可以优化的地方,并深度思考可以拓展的技术或服务,进行全面的总结与展望,从而为后续的研究做好充足准备。系统通过第三方众包平台化搭建、资金流管理和项目流的交叉设计,实现自由职业工作过程的高效管理;通过对人物画像及双等级约束规则的使用,实现人岗匹配的智能化,有效实现人力资源配置;通过对自由职业群体知识图谱的搭建,为进一步优化匹配、针对自由职业群体行为数据的机器学习相关领域展开更深入的研究奠定了数据基础。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码小屋 ，原文地址：https://m.bishedaima.com/lunwen/45077.html
