基于ID3分类算法的深度网络爬虫设计

针对目前Web信息挖掘中存在的信息覆盖率较低的问题,对网络爬虫系统进行研究,提出一种针对深度网络的、基于ID3分类算法的Web页面收集方法。对Web页面的特征进行分析、处理和分类,提取包含深度网页的表单,通过自动提交这些表单来进行更深和更广的页面获取,实验表明该方法可以有效减少现有搜索引擎的盲区,改善搜索结果。     

采用游泳辅助器进行深水教学法的可行性研究

运用文献资料法、教学实验对比法、数理统计法对采用游泳辅助器进行深水教学法在游泳教学中应用的可行性进行研究。结果表明:采用游泳辅助器进行深水教学法在游泳教学中是可行的。采用深水游泳教学法教学效果要优于传统的教学方法,它能明显提高学生游泳水平;能有效克服"畏水"心理,较快培养起"水感";在掌握技术动作方面也具有明显优势。     

具身认知视域下VR技术赋能实验教学的效果探究

在积极推进“新工科”建设的背景下,借助新兴技术促进学生的工程实践和问题解决能力,成为工程教育变革的重要趋势。针对这一知识与技能并重的复合能力,传统实验教学在培养操作技能、启发深度认知上表现欠佳。虚拟现实（VR）技术通过多通道信息融合构建交互式三维立体动态场景及行为动作仿真,为实验教学提供了强交互性、想象性和沉浸性的学习环境,有益于促成身体感知、行为控制和意义构建的整合性学习。为了探究VR技术对实验教学的作用机制,从具身认知理论出发,对沉浸式VR环境与2D桌面仿真软件环境下的学习体验和学习成效进行了差异分析,结果发现：两种实验环境下的陈述性知识学习效果并无显著差异;和2D仿真软件相比,VR实验环境促进了行为技能的迁移与实际情境下的问题解决,显著提升了学习者的自我效能感和临场感体验,但也带来了诸如更高的认知负荷和生理不适等负面影响。因此,未来实验教学中应用VR技术应持谨慎态度,既要利用VR赋能教学的技术优势,同时也要正确认识沉浸式学习带来的认知负荷与深度学习间的复杂关系。     

面向智慧课堂的灵活深度学习设计框架研制

深度学习是智慧教育的核心支柱,但目前尚缺少智慧课堂专属的深度学习设计方案。如何针对深度学习的灵活性诉求,研制一种智慧课堂赋能的灵活深度学习设计框架,是推进深度学习实践落地的关键所在。基于深度学习架构理念、采用教育设计研究范式研制的面向智慧课堂的灵活深度学习设计框架,遵循逆向设计逻辑,包括课堂环境分析、明确目标、确定评估、学生分析、任务设计、编列制定、绘制分布和决策预设等8个步骤,既体现了智慧课堂精准把脉、互动支持、适性推送、即时反馈等四大特色功能,也为智慧课堂中的学习任务、学习活动、学习进程和教学决策等四个方面的灵活性设计提供了详细的方案支持,并且还能够可视化学生深度学习的个性化进程。该框架经过高质量评估标准锚定下的专家校验与迭代修订,已达到可交付实施的质量要求。这一框架在智慧课堂中的应用有助于促使学生深度参与学习,引导学生采用高级学习方略,促进高阶知能的发展,加深概念理解及其迁移应用。     

深度学习研究：发展脉络与瓶颈

深度学习研究在国际上历经40余年,经历了蛰伏期、萌发期、新兴期,目前正处在迅发期,已得到政府、学校、社会机构、媒体前所未有的关注和推崇。国内外的深度学习研究态势呈现出各自特色:国外偏向深度参与学习以及高阶学习策略研究,国内注重学生高阶知能的发展与迁移应用。40余年里,深度学习发生了两个方向的转变:从索求理解到追求迁移、从注重过程到侧重结果。深度学习已不再仅仅是为了理解基本知能而采用的学习方式,它更多的是一种基于理解、追求迁移应用的有意义学习。它通过促使学生深度参与学习、适性地采用高级学习方略来促进高阶知能的发展,实现这些知能在全新情境中的应用或新高阶知能生成。目前国内外尚无研究关注深度学习的灵活性问题,而灵活性却是深度学习的诉求。这种诉求触及到顶层框架结构的变化并且需要一种认知灵活性,其实现极具挑战,可通过学习架构并借助智慧课堂的赋能作用尝试解决。     

混合现实环境中具身交互如何促进科学概念理解

具身认知和混合现实是当代认知科学和信息技术创新发展的两大前沿,推动教育研究与实践的范式发生深刻变化。具身认知强调身体参与认知过程的理论观点对促进科学概念的理解具有独特作用,而混合现实为学习者的具身参与和交互提供了技术支撑。基于此建构具身型混合现实学习环境,是打破虚拟环境和实体环境之阻隔,让学习者充分使用自己的身体开展各种认知活动,真正促使学生从“离身”走向“具身”,并促进其对科学概念深度理解的重要途径。当前实践领域已有不少研究通过设计能够激发具身交互的情境和活动,来帮助学习者对科学、地理、数学和生物等学科知识进行深度理解,并认为具有显著效果。然而这些研究更多是在特定的技术创新及其约束性条件下驱动的,没有将研究焦点明确置于技术创新在教育境脉中的功效之上,也没有回答“如何有效”和“为何有效”的深层科学问题。因而,未来混合现实环境中具身交互促进科学概念理解的研究应在两个方面着力：一是逐步发展一套能在混合现实环境中有效促进科学概念理解的具身交互策略,二是在实证研究中逐步揭示混合现实学习环境中具身交互促进科学概念理解的认知加工机制。     

我国社区教育中居民参与的几个主要问题

居民参与是社区教育中一个非常重要的问题,但国内学术界对这一问题的研究非常薄弱,不但研究的总体数量极少,而且对于其中一些如社区教育中居民参与的内涵、参与的必要性,参与中的问题与对策等核心问题也极少研究。社区教育中的居民参与不但是指参与的广度,即社区居民参与社区学习的广泛程度,其更深刻的内涵是指参与的深度,即指社区居民作为与政府平等的参与主体,与政府部门管理者一起介入社区教育的各个环节,共同决策,共同管理,共同分担社区教育发展的责任,并共同享有社区教育发展的成果。居民参与社区教育是现代民主政治与教育民主、维护社区居民受教育权、现代社区治理,以及居民个人发展等方面的要求。在国际视野下,我国社区教育中的居民参与无论在参与的广度还是参与的深度上都与发达国家有着较大的差距,存在着诸多的问题。要促进社区教育中居民的参与,就要明确居民在社区教育中的主体地位及社区教育中居民与政府的关系,完善社区教育中居民参与的制度与法律保障,增强社区教育中居民参与的意识,采取切实措施促进居民对社区教育的深度参与。     

Invisible Web研究综述

本文对有关Invisible Web的内容进行了全面、详细地介绍。首先论述了什么是InvisIble Web以及为什么要研究Invisible Web,同时介绍了两个相关概念;其次对Invisible Web不可见的原因加以分析;对Invisible Web的类型进行了划分;介绍了Invisible Web的检索工具;最后总结了Invisible Web研究的方向。     

What the fake? Probing misinformation detection standing on the shoulder of novelty and emotion

One of the most time-critical challenges for the Natural Language Processing (NLP) community is to combat the spread of fake news and misinformation. Existing approaches for misinformation detection use neural network models, statistical methods, linguistic traits, fact-checking strategies, etc. However, the menace of fake news seems to grow more vigorous with the advent of humongous and unusually creative language models. Relevant literature reveals that one major characteristic of the virality of fake news is the presence of an element of surprise in the story, which attracts immediate attention and invokes strong emotional stimulus in the reader. In this work, we leverage this idea and propose textual novelty detection and emotion prediction as the two tasks relating to automatic misinformation detection. We re-purpose textual entailment for novelty detection and use the models trained on large-scale datasets of entailment and emotion to classify fake information. Our results correlate with the idea as we achieve state-of-the-art (SOTA) performance (7.92%, 1.54%, 17.31% and 8.13% improvement in terms of accuracy) on four large-scale misinformation datasets. We hope that our current probe will motivate the community to explore further research on misinformation detection along this line. The source code is available at the GitHub.²