从学习激励水平探讨开放教育学习服务

本文运用访谈、座谈和问卷调查等方法对影响现代远程开放教育学员学习积极性的因素和激励水平进行了实证研究,通过运用探索性因素分析和验证性因素分析对调查数据进行统计分析,结果表明影响学员学习积极性的因素主要来源于以下几个方面：教师、学校、工作、社会,以及学员自身,并从这些因素的激励水平出发对现代远程开放教育学习激励评价的作用及工具等问题与开放教育学习服务的关系进行了探索性研究.     

全球治理视域中的全球气候变化问题

随着人类工业文明的不断发展与进步,人类在创造了极其灿烂的物质文明的同时,也导致了以全球变暖为主要特征的全球气候变化问题的产生。全球气候变化问题的出现,对人类社会的政治、经济和环境等许多领域都产生了严重的影响,已经成为当前国际社会关注的一个全球性问题。为了应对全球气候变化带来的挑战,国际社会应积极努力,加强合作,进行全球治理。     

长沙市高校五人制足球运动开展的现状与问题分析

五人制足球在我国是一项新兴的体育项目,它和十一人制足球赛制有着明星的区别。通过访谈法、问卷调查法、比较分析法等等,对长沙市五人制足球运动在高校开展的现状,特点进行分析。五人制足球有着比赛形式多种多样、比赛人数少、场地小、器材简易、比赛时间与十一人制足球运动相比相对少,而运动负荷比较适宜,因此更适合高校足球爱好者的一种运动项目。调查表明：五人制足球运动在长沙市高校具有良好的群众基础、发展前景和价值,有利于推动全民健身运动,促进学校足球运动的开展与提高,并能在一定程度上缓解学校体育场所需求矛盾和有效地解决大学生学习和参与足球活动的矛盾。同时针对这一运动项目再高校推广时所存在的问题提出相应的发展建议,为长沙市高校今后更好地开展这一运动提供有益的启示。     

对大模数齿轮精铣齿形的数控加工

数控立式工加工中心机床对于形状复杂但却有一定规律的零件,如:大模数渐开线齿轮,可通过利用数控原理中数学计算,根据工艺过程,按照指定数控系统的功能指令代码及程序段格式,逐段编写加工程序,可实现准确的自动加工。提高了产品的精度,加工效率,满足了产品的使用性能的要求。     

任务性质、结果反馈时机与运动技能的学习

采用键盘敲击任务探讨任务性质、结果反馈时机对运动技能学习的影响.将100名右优势手大学生随机分为开放性和封闭性任务组(男女各25名),两组分别在5种KR条件下,练习开放或封闭任务3天,每天练习108次.第3天练习结束后休息10min,进行不提供KR的保持测试10次.24 h后,进行无KR保持测试10次.结果显示:(1)在封闭性运动技能学习中延迟KR更有利,而即刻KR促进开放性运动技能的学习;(2)提供KR的适宜时机受任务性质影响.与开放性技能相比,操作封闭性技能时,提供KR的适宜时机应延迟.     

OA型科学传播系统的模式、STIN结构与功能

文章在介绍OA型科学传播系统基本原则与模式的基础上,根据社会-技术互动网络（STIN）的观点,分析了OA型科学传播系统的结构及其各要素之间的交互作用、该系统的开放性特征和必备的功能;最后指出OA型科学传播系统所面临的困境,并提出一些摆脱困境的设想。     

试论OA与数字出版的有效对接

通过面的梳理,对OA和数字出版从服务内容、经济机制、版权政策等方面进行比较,两者之间的互动特征和互动机制日渐明晰,均为对方带来了新的思路和发展机会。考虑到这种互动关系所带来的影响,笔者从学术、技术以及政策和制度上等方面入手析出OA与数字出版存在的契合点和相互渗透性。     

信息资源公共获取策略研究——以开放标准为视角

文章首先界定开放标准的内涵,探论开放标准与信息资源公共获取以及公共获取策略的关系;然后,在分析专利信息披露策略的基础上,着重解析基于核心设施原则的开放许可策略的两个子集;最后,用案例说明该研究。     

直面“钱学森之问”管见

文章直面钱学森之问:"为什么我们的学校总是培养不出杰出人才?"并结合李约瑟难题,对当代中国教育予以深邃思考研讨,追寻钱学森、王之卓等大科学家成才之路,针对科教兴国战略、人才强国战略和中国未来中长期教育改革,提出管见。     

Boosting question answering over knowledge graph with reward integration and policy evaluation under weak supervision

Among existing knowledge graph based question answering (KGQA) methods, relation supervision methods require labeled intermediate relations for stepwise reasoning. To avoid this enormous cost of labeling on large-scale knowledge graphs, weak supervision methods, which use only the answer entity to evaluate rewards as supervision, have been introduced. However, lacking intermediate supervision raises the issue of sparse rewards, which may result in two types of incorrect reasoning path: (1) incorrectly reasoned relations, even when the final answer entity may be correct; (2) correctly reasoned relations in a wrong order, which leads to an incorrect answer entity. To address these issues, this paper considers the multi-hop KGQA task as a Markov decision process, and proposes a model based on Reward Integration and Policy Evaluation (RIPE). In this model, an integrated reward function is designed to evaluate the reasoning process by leveraging both terminal and instant rewards. The intermediate supervision for each single reasoning hop is constructed with regard to both the fitness of the taken action and the evaluation of the unreasoned information remained in the updated question embeddings. In addition, to lead the agent to the answer entity along the correct reasoning path, an evaluation network is designed to evaluate the taken action in each hop. Extensive ablation studies and comparative experiments are conducted on four KGQA benchmark datasets. The results demonstrate that the proposed model outperforms the state-of-the-art approaches in terms of answering accuracy.