摘要：低年级小学语文教材中的主题图是集知识、思想、情感于一体,既突出主题特点又具有丰富色彩的图画,这样的主题图作为教材的有机组成部分,是编者根据文本内容精心设计的重要教学资源,承载着培养学生从中提取、收集和整理信息的任务。教师要结合教学目标,灵活选择和运用主题图开展教学活动。

摘要：主题图在信息资源上层构建了一个结构化的语义网,提供了一个良好的语义模型,可以弥补Web2.0在应用上存在的语义缺陷,而主题图融合作为主题图的重要研究内容,是将分布式环境下同一领域内分散的局部主题图合并为一个全局主题图,实现Web信息的有效组织和管理以及信息的集成与共享。归纳总结了主题图融合的处理过程,分析评价了主题图融合中的难点——主题图的相似性算法,并对融合的原则和算法进行了分析总结,明确了高相似度主题融合的过程。此外,在分析主题图融合冲突的基础上,提出了主题图融合冲突检测与消除的整体设计方案,并将主题图的动态更新进行了阶段划分,最后指出了主题图融合未来的研究方向。

摘要：主题图是小学数学新教材编写的一大特色，以其色彩斑斓的画面，生动活泼的小动物和卡通人物，更主要的是贴近学生生活的情境设计，吸引了孩子的目光，也为教师的教学提供了丰富的可借鉴的课程资源，已经成为了数学课上的一道亮丽的风景。

摘要：在新一轮的基础教育改革背景下,小学数学教材主题图的运用是对小学数学课程目标、理念、结构、内容等诸个方面的重大创新与突破。主题图的风格、类型是根据教材特定的数学内容和不同年龄阶段的小学生的心理特点来综合设计的。在实际的教学实践活动中,主题图对教师的教学和学生的学习都能起到很好的示范、促进、优化、提升等作用。特别是在学生能力的培养上,有着十分重要的意义。

摘要：[目的 /意义]技术主题图是进行技术布局分析、技术路线跟踪的有效方法之一。为提高技术主题图绘制效率,增强技术主题图表现形式,丰富科技情报分析人员选择技术主题图绘制工具范围。[方法 /过程]提出一种简易的技术主题图绘制方法,融合Fruchterman-Reingold layout和Vos Mapping算法进行主题词的平面布局,建立平面像素点密度函数,依据密度值进行色彩渲染,得到技术主题图。[结果 /结论]基于该方法设计软件工具,分为数据处理模块、节点布局模块、图形渲染模块、人机交互模块。将该方法应用于3D打印中国论文数据进行实证应用,结果表明该方法简单有效。

摘要：移动学习的理论和支持技术迅速发展,不同学习要素对于移动学习的影响各不相同。移动学习者需要一种结合各家之长的移动学习平台,因此基于主题图式的移动学习资源共建的模型应运而生。这种模型有效地结合了移动学习的各种资源,采用前台模型化视图设计,后台自动插入相关XML代码。在学习者对模块化内容进行编辑的时候,采用受控自然语言编辑器进行控制,使学习者编辑的内容能够被机器自动识别,以达到机器自动对编辑内容进行管理的目的。在主题图式资源共建模型中每一个小的模块都是一个移动学习元,方便移动学习者的学习使用,同时由于采用了受控自然语言编辑方式,因此可以方便学习者对学习内容进行基于语义的知识检索。

摘要：针对知识融合的效率问题,扩展了传统主题图的组织结构,并在此基础上构建一种基于扩展主题图的分布式知识融合体系结构,提出一种基于全信息的主题图相似度算法,设计了扩展主题图融合的规则和算法,充分考虑了比较元素的涵义和所处语境,提高了相似度算法的准确性,实现了分布式环境下知识的有效融合.

摘要：当前,我国的网络课程建设已取得较大成绩,但也存在大部分网络课程难以有效支持学习者的自主探究式学习,缺乏面向学习者认知支持的策略和方法。文章提出了一个基于主题图的网络课程知识组织模型和一种基于学习者知识状态模型的个性化导航方法,并以"Java程序设计"网络课程为例进行了实证研究。基于主题图的网络课程知识组织模型能深入揭示、表示各知识单元之间的复杂关系,为知识导航服务奠定了良好的基础;基于学习者知识状态模型的个性化导航方法则动态地记录了学习者的知识状态,并以图结构形式向学习者提供个性化的知识导航服务,能够在一定程度上预防学习者出现迷航问题,更适合引导学习者的自主探究式学习。

摘要：主题图是小学数学新教材的一大亮点，它以一幅幅色彩斑澜的图画、一个个生动活泼的情节展示在我们的面前，其内容贴近学生生活实际，图画风格和色彩符合学生的年龄特点，这不仅给枯燥的数学赋予了生命，融人了生活气息，同时也为教师的教学备课、设计提供了可以参考、借鉴的课程资源。但数学中的主题图只是处于静止的、可欣赏的状态，它只是一幅图，不具有多少现实意义，直接呈现这幅图一般很难引起学生的学习兴趣。

摘要：为了解决传统领域知识的主题图构建方法中大量时间和人力耗费的问题,提出了面向课程领域知识的主题图学习方法,分析了TMLDK的主要活动流程,建立了学习活动图,讨论了TMLDK中领域关键词提取、关键词向主题的转换以及信息集成等关键技术,并利用浅层解析、相似度计算等技术完成了网络课件向TMC的半自动转换,最后利用TM4J和Java开发出TMLDK的原型,对其学习过程进行了验证。TMLDK的实现能够协助领域专家方便地构建领域知识的主题图,可以节省大量的人力和时间,而且有利于TMC后期的维护和更新。