教育评价改革如何应对AI快速发展的挑战？

继ChatGPT之后,文生视频Sora横空出世。为了应对人工智能快速发展带来的挑战,我国学校教育正在加快推进 AI+教育,但是 AI+教育受唯分数、唯升学、唯学历的教育评价体系的影响,存在知识化、应试化倾向,人工智能在教育领域的应用还主要服务于应试,这既不符合教育改革方向,也难以培养适应人工智能时代的创新人才。应对人工智能快速发展的挑战,关键在推进教育评价改革,要坚定破除唯分数、唯升学的教育评价顽瘴痼疾,要在推进教育评价改革过程中,利用人工智能技术提高评价的效率与公信力。     

基于标记树的XML文档自动分类研究

本文首先介绍了XML文档和DTD标记树的生成方法,并对标记树中节点的概念进行了扩充,使之不但包括元素,同时也包括连接符,以适应DTD结构的要求。随后将标记树中的元素分为共有元素、文档元素和DTD元素,并提出层次权重和结构权重以衡量元素的层次和结构复杂程度,给出具体计算方法。在此基础上提出了一个衡量XML文档和DTD之间相似度的算法,将其应用于XML文档自动分类中,并给出该算法的时间复杂度计算公式。从实验结果可以看出,该分类方法准确率较高。     

文本单元向知识单元转化的研究

本文阐述了文本单元向知识单元转化的必要性和过程。利用本体技术构造知识单元,采用本体描述语言实现对知识的本体表示,阐述了OTKTS系统的两个主要模块。     

基于改进的SVM文本分类建模

SVM是一种新的分类工具,可是其核函数在数学上必须满足Mercer条件,使得具有良好全局分类性能的Sigmoid函数在SVM中应用受到限制。本文将Sigmoid核函数与云模型相结合,提出一种简单的核函数的实现方法。此方法不仅提高了SVM文本分类能力,而且明显地减少了平均的CPU执行时间。     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。     

基于递归概念图的文本检索模型研究

Sowa在1984年提出了一个抽象模型,即概念图,作为基于语言学、心理学和哲学的知识表示语言.但是其概念图的定义比较简单,对于刻画文本中的语言组块的语义及语言单元之间的组合运算比较困难.为了能从形式上为将来的组块内部和组块之间的组合分析提供支持,深化概念图的表示形式,我们提出了一种适用于自然语言自动化分析的概念图的形式化描述,它可以看成是Sowa 概念图的递归扩展.然后我们将这种新颖的知识表示方式应用到文本检索领域的文本标引中,同时给出了以此为基础的概念图匹配算法.在和布尔检索的比较实验中,概念检索体现出比较明显的优势.     

文本分类中粗分类数据噪声修正的网络算法

在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。     

自动文本分类的可视化方法探讨

自动文本分类方法是文本分类中非常重要的一种分类方法,本文着重从模型与方法的角度进行探讨。首先给出了一个自动文本分类的形式化定义,然后提出了自动文本分类的流程模型。接着,对流程中的四个部分进行具体讨论。自动文本分类的应用非常广泛,为了叙述方便,以商务数据为例进行讨论,并且选择实例作为典型案例对自动文本分类后的可视化进行分析和具体研究。     

试论WWW信息导航的社会机制

本文介绍了WWW社会导航机制的内涵、特点，并在此基础上给出了一个基于多Agent的社会导航模型，分析了该模型的导航策略。     

"双一流"高校博士生"申请—考核制"制度设计与实践特征

以2019年东、中、西和东北部地区14所双一流高校的293份博士生招生简章作为研究样本,从申请条件、选拔方式、选拔标准、考核评分、保障机制和信息咨询六个方面构建指标观测体系。结果显示,总体上博士生"申请-考核制"表现为申请条件偏重综合能力考察,但存在考生出身限制;选拔方式偏重主观选拔方式,客观选拔方式相对弱化;选拔和评分标准模糊,招生自由裁量权过大;保障机制不健全,招生透明度有待提高。从地区来看,东部地区重门槛轻考核;中部地区重考核轻门槛;西部地区重门槛和考核轻保障;东北部地区重考核和保障轻处罚公开。基于此,研究提出了进一步优化完善我国博士生"申请-考核制"的基本思路。