摘要：问题自动生成是人工智能领域的一项技术,其目标是根据输入的文本模拟人类的能力,自动生成相关问题。目前的问题自动生成研究主要基于通用数据集生成问题,缺乏专门针对教育领域的问题生成研究。为此,专注于面向中学生的问题自动生成进行研究。构建一个专门为问题生成模型训练需求而设计的数据集RACE4QG,以满足中学生教育领域的独特需求;开发一个端到端的问题自动生成模型,该模型训练于数据集RACE4Q,并采用改进型“编码器-解码器”方案,编码器主要采用两层双向门控循环单元,其输入为单词和答案标记的嵌入表示,编码器的隐藏层采用门控自注意力机制获得“文章和答案”的联合表示后,再输入到解码器生成问题。试验结果显示,该模型优于最优基线模型,3个评价指标BLEU-4、ROUGE-L和METEOR分别提高了3.61%、1.66%和1.44%。

摘要：语音情感识别近年来在多场景智能系统中得到了广泛应用,也为实现智慧课堂环境下的教学行为智能分析提供了可能。通过课堂语音情感识别技术可以自动识别课堂教学中教师和学生的情感状态,帮助教师了解自己的授课风格并及时掌握学生的课堂学习状态,从而达到精准施教的目的。针对课堂语音情感识别任务,首先,收集中小学的课堂实录教学视频,提取音频并进行人工切分和标注,构建了包含6类情感的中小学教学语音情感语料库;其次,基于时序卷积网络(TCN)和交叉门控机制(cross-gated mechanism)设计了双路时序卷积通道,以提取多尺度交叉融合特征;最后,采用动态权重融合策略调整不同尺度特征的贡献度,减少非重要特征对识别结果的干扰,进一步增强模型的表征和学习能力。实验结果表明,所提方法在多个公共数据集上优于TIM-Net(Temporal-aware bI-direction Multi-scaleNetwork)、GM-TCNet(Gated Multi-scale Temporal Convolutional Network)和CTL-MTNet(CapsNet and Transfer Learning-based Mixed Task Net)等先进模型,在真实课堂语音情感识别任务上未加权平均召回率(UAR)和加权平均召回率(WAR)分别达90.58%和90.45%。

摘要：针对水下传感器网络中节点能耗不均衡和能量有限的问题,提出一种能耗均衡与节能的自适应水下路由协议ECBES(energy consumption balanced and energy saving adaptive underwater routing protocol)。构建双区非均匀分层拓扑。基于能耗均衡因子,利用拓扑和节点剩余能量计算节点转发优先级,实现自适应转发节点选择,均衡网络能耗。与此同时,通过候选转发区域各分区域中节点参与转发数据包的比例确定次优候选转发区域,将次优候选转发区域作为初始策略,利用策略迭代思想确定最优候选转发区域,保证投递率的同时减少不同网络规模中重复数据包的转发,降低网络的整体能耗。仿真结果表明,ECBES相比VBF、ES-VBF和ALRP,在不同节点数量下,节点死亡率均最低,在保证数据包投递率的同时,能耗最少。

摘要：为区分业务优先级以及提高系统公平性与稳定性,在简化求解过程的基础上,提出一种连续时间门限完全服务两级轮询系统。系统状态由马尔科夫链得出并根据其建立数学模型,系统的平均循环周期、平均排队队长等性能参数由对数学模型的概率母函数进行求导所得,将求导结果与仿真实验进行对比,验证理论分析的准确性。将该系统与单级系统、其它两级系统进行对比,验证了该系统在保证业务优先级的同时更具公平性与稳定性。

摘要：不同信任域发生跨域访问时需要评估不同域之间的信任关系,现有的信任评估关系仅针对终端设备,但在实际应用场景中,部分通信往往以域形式出现,并根据域整体的信任评估关系给予其访问权限。为高效安全地实现跨域访问,保证信任评估环境的可信度,引入域信任度的概念,将区块链与域信任度相结合,建立基于区块链和域信任度的物联网跨域信任评估模型。根据物联网跨域访问需求,构建物联网跨域信任评估模型系统架构和多域环境下的网络结构。在此基础上,提出多维度用户节点信任度及域信任度评估方法,设计基于区块链和域信任度的跨域访问合约,并对模型的信任度、安全性和区块链网络性能等进行实验分析和性能测试。实验结果表明,与BC-RBAC相比,该评估模型用户信任度评估更加细腻,能有效防止时间开关攻击,保证域信任度处于较稳定的水平,与EigenTrust、PeerTrust模型相比,恶意用户节点检测率提升了8%和12%,能在更短时间内检测出更多的恶意用户节点,可有效解决物联网跨域信任评估中的安全性问题。

摘要：针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法。首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并将其分别放入设计有节点级注意和语义级注意的两级注意力网络推理图;最后将输出的节点特征与全局视觉特征进行多模态融合操作,获得更丰富的细粒度特征表达。所提出的模型实现了多模态融合与图注意力网络的有效结合,且在Con-Text和Drink Bottle两个场景文本细粒度图像数据集上与目前主流先进方法相比具有较强的竞争力。

摘要：针对图到序列的问题生成模型编码器的多阶段编码以及解码过程中容易丢失段落中丰富的序列信息和语义结构信息的问题,设计了基于多阶段时序和语义信息增强的模型MS-SIE。首先,将编码器不同阶段编码的段落语义信息进行融合,输入到循环神经网络进行编码;然后,在解码阶段引入迭代图神经网络,将编码后的段落信息与解码阶段隐藏在先前生成的文本问题中丰富的语义结构信息相结合;最后,利用基于注意力机制的循环神经网络生成问题。实验结果表明,提出的模型在自动评估指标和人工评价指标上均明显优于现有的序列到序列模型和图到序列模型。

摘要：计算思维是信息时代应具备的思维模式,是高中信息技术课程的核心素养之一。本研究厘清计算思维内涵与布鲁姆认知目标理论的互惠关系,基于此构建了计算思维成长式认知模型,并基于该模型提出计算思维培养的成长式认知模型教学活动设计框架。本研究介绍了阐述了成长式计算思维培养教学流程。这一研究为k-12阶段教师依据《普通高中信息技术课程标准(2017)》构建教学活动框架培养学生计算思维能力提供了有效的实践指导。

摘要：以设计为中心的研究强调教案与课堂实录要保持一致,而师范生教学技能训练过程中常常会出现教案与课堂实录的不一致。教案与课堂实录的一致性可以通过特定的分析和编码方法计算出来。本研究采用IIS图分析方法基于信息流对教案与课堂实录的一致性进行分析。选取两个师范生在微格教室训练的数据,从教案与课堂实录的信息流序列、目标知识点范围的激活以及知识点的激活量三个指标进行细致的分析。分析结果发现:师范生的教案与课堂实录在目标知识点范围的激活方面呈现中度或高度一致,信息流序列方面不太一致,知识点的激活量方面呈现低度一致或高度一致,最后进行了反思性分析。

摘要：MOOC是在线教育的一种全新形式，具有课程内容短小精良、教学评价客观和学习支持服务多样的优点。相对于面对面课堂教学的计划性和系统性，以及在学生合作精神、情商和道德意识培养，驱散学习孤独感方面的天然优势，“慕课热”的背后仍然存在诸多不足。融合式教学意在将MOOC与课堂教学有机结合，实现传统课程与网络课程，自定步调与交互协作、内容定制与交互讨论等多种教学形式的深度融合，实现比在线教学和面对面教学方式任一种单一进行教学的更好效果。要想让高校课堂发生“传统教学+MOOC”的“蝶变效应”，在实际教学实施过程中需要进行整体规划和系统设计。该文以融合式教学理论与实践为基础，融合后现代课程观和教育生态学的观点，构建基于MOOC的融合式教学生态模型。模型注重教学系统的整体关联和动态平衡，并从系统内部能量流、信息流、知识流、能力流和价值流的指向和转换重新设计教学要素。该研究所构建的模型拓展了MOOC在高校课堂教学改革中的应用范围，可以作为信息技术与课堂深度融合的一个范例，为相关研究与教学实践提供有益的参考。