合作学习系统的非线性动力学特性研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11372167
  • 项目类别:
    面上项目
  • 资助金额:
    86.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0702.非线性振动及其控制
  • 结题年份:
    2017
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2017-12-31

项目摘要

Cooperative learning is a kind of creative and effective teaching mode and a dynamically generated learning process. It is influenced by many environmental factors such as time and space, at the same time, the relationship among the members is complicated, diverse and dynamically changed over time, forming a cooperation network with the team members being as the basic units (nodes) .This not only makes the process of cooperative learning with complicated nonlinear dynamic characteristics and also brings challenge for researching the dynamic laws of cooperative learning process.This project intends to establish the individual learning nonlinear dynamic model and cooperative learning nonlinear dynamic model based on complex network, combined with the nonlinear dynamics theory, the complex network nonlinear dynamics theory and the empirical research methods, to analyse knowledge communication, synchronization and competitive interaction mechanism of small scale and complicated network cooperative learning models to explore complicated phenomenas and evolutional laws in cooperative learning process and reveal key factors such as time lag, accumulation effect, teachers' guidance in the cooperative learning process,on the effects of cooperative learning; based on the characteristics of models, design cooperative learning teaching experiments, to verify this model and optimization. Expect the research to provide the realistic demand for the enrichment and development of nonlinear dynamics theory and provide theoretical guidance for the effective implementation of the cooperative learning.
合作学习是一种富有创意和实效的教学模式,是一个动态的生成学习过程。它不仅受到时、空等诸多环境因素的影响,且小组成员间关系复杂、多样并随时间动态演化,形成以小组成员为基本单元(节点)的合作网络,这不仅使得合作学习过程具有复杂的非线性动力学特性,也为合作学习过程动态规律的研究带来了挑战。本项目拟建立基于个体学习规律的非线性动力学模型以及基于复杂网络的合作学习非线性动力学模型,采用非线性动力学理论、复杂网络非线性动力学理论及实证研究相结合的方法,分析小规模及复杂网络合作学习模型的知识传播、同步化及竞争交互机制,探索合作学习过程的复杂现象和演化规律,揭示合作学习过程中时滞、积累效应、教师的指导作用等关键因素对合作学习效果的影响;结合模型的特征设计合作学习教学实验,对模型进行验证与优化。以期所获得研究成果能为丰富和发展非线性动力学理论提供现实需求,并为合作学习的有效实施提供理论指导。

结项摘要

研究背景:合作学习是一种有效的教学方式,已成为当代广泛采用的教学实践之一。由于合作学习具有复杂的动力学特征与网络特性,而传统的静态的实验法不能清晰地揭示合作学习内部复杂的因果关系,因此本项目利用动力学的理论与方法,对合作学习展开研究,以揭示各类因素对学习效果的影响。采用复杂网络传播动力学的理论与方法,探索合作学习过程中的复杂现象和变化规律,更加深入准确地研究系统的演化行为,为合作学习的有效实施提供重要理论参考,促进教育教学。同时,针对合作学习特有的特性与机制,丰富和发展了非线性动力学的应用领域。.主要研究内容:本项目从合作学习系统的动力学行为出发,采用非线性动力学理论、复杂网络理论以及实证研究相结合的方法,建立了基于个体学习的非线性动力学模型,有效的解释了个体学习中的高原现象;提出了基于复杂网络的合作学习非线性动力学模型,探讨了学生遗忘、传播兴趣及领导者激励在合作学习中的作用机制,并进行实证研究,为合作学习的教学实践提供重要理论指导。同时,提出了一种新相空间求解方法,为合作学习非线性系统的进一步研究奠定基础。.取得的重要成果:发表与该基金相关的期刊论文14篇,会议论文3篇,出版学术专著1部,授权发明专利2项,获得省级科研奖励2项。主办国际国内会议2次,协办国际会议1次,参加国内国际会议17次,项目期间培养的研究生获得各类竞赛20余项。.科学意义:本项目采用非线性动力学的理论、复杂网络理论以及实证研究相结合的方法研究了合作学习非线性系统的动力学机制。探讨了个体学习非线性动力学系统中的高原现象;研究了合作学习网络环境中,学习者在遗忘、传播兴趣及激励等因素影响下的交互机制及知识传播模型;提出了一种新的基于DUPSO的非线性系统相空间参数同步求解模型。本项目不仅为推广合作学习的教学方式提供重要理论参考,还丰富和发展了非线性动力学理论。

项目成果

期刊论文数量(14)
专著数量(1)
科研奖励数量(2)
会议论文数量(3)
专利数量(2)
基于分布式粗粒度并行计算的遗传规划算法研究
  • DOI:
    10.3969/j.issn.1001-3695.2015.01.011
  • 发表时间:
    2015
  • 期刊:
    计算机应用研究
  • 影响因子:
    --
  • 作者:
    李志坚;吴晓军;任哲坡;欧小波
  • 通讯作者:
    欧小波
DTN中基于时间因素的拥塞感知路由算法
  • DOI:
    10.3778/j.issn.1002‐8331.1304‐0469
  • 发表时间:
    2015
  • 期刊:
    计算机工程与应用
  • 影响因子:
    --
  • 作者:
    良梓;任哲坡;吴晓军
  • 通讯作者:
    吴晓军
Principles of the Complete Voronoi Diagram Localization
完整 Voronoi 图本地化的原理
  • DOI:
    10.1109/tmc.2015.2475744
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Mobile Computing
  • 影响因子:
    7.9
  • 作者:
    Lu Gang;Zhou Mingtian;Wang Xiaoming;Li Xiang-Yang;Wu Xiaojun;Zhang Yumei
  • 通讯作者:
    Zhang Yumei
语音信号序列的Volterra预测模型
  • DOI:
    10.7498/aps.64.200507
  • 发表时间:
    2015
  • 期刊:
    物理学报
  • 影响因子:
    --
  • 作者:
    张玉梅;胡小俊;吴晓军;白树林;路纲
  • 通讯作者:
    路纲
SISL and SIRL: Two knowledge dissemination models with leader nodes on cooperative learning networks
SISL 和 SIRL:合作学习网络上两种具有领导节点的知识传播模型
  • DOI:
    10.1016/j.physa.2016.11.126
  • 发表时间:
    2017
  • 期刊:
    Physica A-Statistical Mechanics and Its Applications
  • 影响因子:
    3.3
  • 作者:
    Li Jingjing;Zhang Yumei;Man Jiayu;Zhou Yun;Wu Xiaojun
  • 通讯作者:
    Wu Xiaojun

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

联合应用尿道内切开与阴茎假体植入术治疗尿道狭窄并发勃起功能障碍
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    临床泌尿外科杂志
  • 影响因子:
    --
  • 作者:
    吴晓军
  • 通讯作者:
    吴晓军
基于TPACK整合模式的高中信息技术教学设计
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    中国教育信息化
  • 影响因子:
    --
  • 作者:
    李绘翠;张玉梅;吴晓军
  • 通讯作者:
    吴晓军
非结构化P2P网络中IACO资源搜索算法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    计算机应用研究
  • 影响因子:
    --
  • 作者:
    房佩;闫向龙;良梓;吴晓军
  • 通讯作者:
    吴晓军
基于稀疏网格法的随机方腔流数值模拟研究
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    工程热物理学报
  • 影响因子:
    --
  • 作者:
    于佳鑫;王晓东;陈江涛;吴晓军;康顺
  • 通讯作者:
    康顺
无线传感器网络不等级能级环模型及数据传输策略
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    西北大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    吴晓军;张力;马悦
  • 通讯作者:
    马悦

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

吴晓军的其他基金

基于混沌ESN模型的混沌时间序列分析理论及其在EEG信号处理中的应用
  • 批准号:
    11772178
  • 批准年份:
    2017
  • 资助金额:
    68.0 万元
  • 项目类别:
    面上项目
混沌时间序列分析理论及其在语音信号处理中的应用
  • 批准号:
    11172342
  • 批准年份:
    2011
  • 资助金额:
    68.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码