【摘 要】
：
SQL在计算机学科的课程教学中占据重要地位,它是使用最广泛的数据库查询语言.提出了一种基于本体的SQL个性化智能教学辅导系统(SQL-PITS)框架,SQL-PITS根据学习者的学习能力
【机 构】
：
无锡城市职业技术学院师范学院,江南大学教师卓越中心
【基金项目】
：
无锡市教育科学十三五规划课题(H/B/2018/003)。
论文部分内容阅读
SQL在计算机学科的课程教学中占据重要地位,它是使用最广泛的数据库查询语言.提出了一种基于本体的SQL个性化智能教学辅导系统(SQL-PITS)框架,SQL-PITS根据学习者的学习能力、个人资料、偏好和背景知识提供由内容、示例、练习和辅导材料组成的自适应课程主题,用于根据学习者的个人学习情况补充课堂以外的个性化学习.重点介绍了SQL-PITS的三个本体模型:SQL知识本体,学习者本体和教学策略本体.领域专家采用GQM方法对SQL本体进行了评估,评估结果表明SQL本体结构在准确度、完整性、清晰性和简洁性这4个本体特征上处于高水平,一致性特征处于较高水平.
其他文献
调幅空间是调和分析中一类重要的函数空间,奇异积分算子是调和分析中的常见且重要的算子.为进一步研究此类算子在加权调幅空间上的有界性,文章主要利用函数分解和振荡积分估
随着高次谐波阿秒光源技术以及阿秒计量学的发展,对于凝聚态材料中的电子动力学探测也进入了阿秒的领域,并在近15年的时间里取得了显著的进展和突破。新颖的阿秒测量方式为研究在极短的时间尺度上,凝聚态材料中电子的运动、共振跃迁以及相互作用等重要物理问题提供了全新的研究手段和重要创新机遇。本文介绍了探测凝聚态物质中本征阿秒动力学过程的重要工作,主要综述了高次谐波、阿秒脉冲测量、凝聚态材料阿秒光电子能谱探测的关键技术和现状。最后对阿秒光电子动力学测量技术的发展做出了展望。
20世纪90年代以来,超快激光技术的不断发展与成熟,特别是得益于啁啾脉冲放大技术,使得超快光学与光谱学研究进入了全新的发展阶段.随着激光强度的增加、脉宽的缩短,超快光学
为探究最优跨市场配置投资组合,分散市场风险,以沪深300指数、上证国债指数与上证企债指数为研究对象,采用多重分形消除趋势交互相关性分析方法研究我国股票市场与债券市场的交互相关关系.实证结果表明,两个市场之间存在具有多重分形特征的交互相关关系,并且沪深300指数与上证国债指数之间交互相关性的多重分形性强度最大,而沪深300指数与上证企债指数之间交互相关性的多重分形性强度最小,意味着股票与企债的投资组合风险最小.此外,指明指数序列的胖尾分布是造成多重分形性的最主要原因.
选用2017—2020年《中国学术期刊影响因子年报(自然科学与工程技术)》数据,采用文献计量学方法,对2016—2019年17种省级农业科学类期刊的复合总被引、复合影响因子、基金论文比、平均引文数、web即年下载率、他引总引比、量效指数(JMI)、影响力指数(CI)、期刊分区等指标进行分析,并与同学科“农业科学综合”期刊相关指标平均值进行比较,分析省级农业科学类期刊在学科中的位置、影响力、存在的主要问题,据此提出提升省级农业科学类期刊学术影响力的建议.
Endophytic bacteria from halophytes have a wide range of application prospects in various fields,such as plant growth-promoting,biocontrol activity and stress resistance.The current study aimed to identify cultivable endophytic bacteria associated with ha
将最佳一次逼近多项式的思想与非线性方程迭代求根结合,构造了数值计算平方根的一种新型迭代格式,证明了其误差估计和收敛阶,并通过数值算例验证了所提格式的可行性和有效性。
随着超快超强激光技术的发展,强激光场光与物质相互作用的研究得到了广泛的关注.与此同时,光场调控技术在经典光学领域中的快速发展为光学操控提供了一个新的自由度.近年来,
园艺植物病理学是高校园艺园林类专业的基础课程,其教学效果对培养学生解决园艺植物生产中实际问题的能力和科研素养极为重要.该学科具有实践性强、发展迅速和病害案例多等特点,给园艺植物病理学课程教学带来巨大挑战.本课程组针对课时限制、教材内容滞后于研究前沿等问题,从课堂及课堂外教学入手,通过线上线下深度融合的教学模式,采取理论教学与实践教学相结合、思政元素融入、个性化培养等措施构建多维度教学体系.这些改革措施有效地促进课程的教与学,充分调动学生积极性,显著提升学习成绩,同时提高学生的科研素养,取得较好的效果.
研究了指数损失函数的学习问题。利用相关不等式及其性质,刻画了点态样本的过度泛化误差与预测误差之间的关系。不仅将矩条件弱化到阶1+α,而且得到一个关于指数损失函数的比较定理,为进一步研究经验风险最小算法的收敛率或更复杂的函数空的正则化学习提供必要的理论准备。