【摘 要】
：
针对程序设计类课程存在的共性问题,以“Java程序设计”课程为例,提出了基于成果导向教育理念的课程教学改革.根据学生培养目标和毕业要求,反向设计课程的教学目标;以案例为驱动重新设计教学内容,借助信息技术实施翻转式课堂教学;以OBE理念构建课程评价体系,为课程后续的持续改进指明方向.实践证明,相较以往的课程教学,基于成果导向的“Java程序设计”课程,教学效果有了很大的提升.
【机 构】
：
扬州大学广陵学院,江苏 扬州 225000
论文部分内容阅读
针对程序设计类课程存在的共性问题,以“Java程序设计”课程为例,提出了基于成果导向教育理念的课程教学改革.根据学生培养目标和毕业要求,反向设计课程的教学目标;以案例为驱动重新设计教学内容,借助信息技术实施翻转式课堂教学;以OBE理念构建课程评价体系,为课程后续的持续改进指明方向.实践证明,相较以往的课程教学,基于成果导向的“Java程序设计”课程,教学效果有了很大的提升.
其他文献
基于课程思政,将德育内涵与元素融入课程教学目标与课堂教学内容中,分别从从“六个方面”、“四个课堂”、“四个层面”三维度展开,全面构建了具备针对性、实效性、立体化的“644”大学生网络文明培养体系.通过对大学生网络文明培养体系的研究,为各个专业和课程融入网络文明这一元素提供重要借鉴,并着力规范大学生网络行为,促进高校大学生网络文明素养的提高.
分布式技术如今已成为智能系统的发展方向,结合不同的应用场景和需求,搭建特定的分布式系统,能极大提升系统的运行效率。而传统的分布式系统主要应用于计算机内部的算法训练,在硬件层面由于硬件设备种类繁多、结构单一、数据缓存不合理,难以形成协同配合,对于分布式系统的搭建形成巨大挑战。针对上述问题,本文在研究分布式系统的基础上,以海上应急救援为应用场景,通过组装9台硬件设备模拟救援设备,并设计救援设备协同集群
“移动应用开发”是高等学校计算机类专业的核心专业课程之一,针对教学中存在的教材内容陈旧、考核方式单一、教学形式单一等问题,提出了翻转课堂教学法、案例教学法、演示教学法等教学改革措施,以提高学生学习的积极性、主动性和软件开发编程能力,激发其创新能力.
不同于基于大规模监督的深度学习方法,小样本学习旨在从极少的几个样本中学习这类样本的特性,其更符合人脑的视觉认知机制.近年来,小样本学习受到很多学者关注,他们联合元学习训练模式与度量学习理论,挖掘查询集(无标记样本)和支持集(少量标记样本)在特征空间的语义相似距离,取得不错的小样本分类性能.然而,这些方法的可解释性偏弱,不能为用户提供一种便于直观理解的小样本推理过程.为此,提出一种基于区域注意力机制的小样本分类网络INT-FSL,旨在揭示小样本分类中的2个关键问题:1)图像哪些关键位置的视觉特征在决策中发挥
知识追踪任务通过建模用户的习题作答序列跟踪其认知状态,进而预测其下一时刻的答题情况,实现对用户知识掌握程度的智能评估.当前知识追踪方法多针对知识点建模,忽略了习题信息建模与用户个性化表征,并且对于预测结果缺乏可解释性.针对以上问题,提出了一个可解释的深度知识追踪框架.首先引入习题的上下文信息挖掘习题与知识点间的隐含关系,得到更有表征能力的习题与知识点表示,缓解数据稀疏问题.接着建模用户答题序列获得其当前知识状态,并以此学习个性化注意力,进而得到当前习题基于用户知识状态的个性化表示.最后,对于预测结果,依据
建立完善的动力电池回收利用体系是我国新能源汽车高质量发展需要突破的瓶颈问题之一,研究和发展智能化、柔性化、精细化的高效拆解技术是其中的重要环节.但由于受非结构化的拆解环境和拆解过程中的不确定性等因素的影响,目前,动力电池拆解还采用人工为主、机器辅助拆解的方式,不仅低效,而且致使工作人员暴露在危险的工作环境中,亟需向自动化、智能化方式转变.研究基于神经符号理论对动态环境中动力电池的拆解任务进行研究,设计并实现了一套任务和运动规划系统.与现有的动力电池拆解系统相比,系统在自主性、可扩展性、可解释性、可学习性4
人群计数旨在估计图像或视频中人群的数量、密度或分布,属于目标计数(object counting)领域的研究范畴,广泛应用于人群行为分析、公共安全管理之中,以便及时发现人群拥挤或异常行为,避免事故发生.鉴于人群计数系统强大的实用性,自21世纪以来,研究者对其方法及应用进行了大量广泛的研究.近年来,深度学习技术发展迅猛,很多工作发现深度学习技术可以有效地解决人群计数系统存在的一系列关键问题,例如跨场景计数、透视畸变、尺度变化等.因此,对基于深度学习的人群计数这一研究领域进行回顾、分析和展望.具体地,首先从概
文章主要研究了杭州区块链技术、区块链产业的发展现状.通过调研、政策研究、组织专家讨论论证,探索影响杭州区块链发展的主要因素,使区块链技术应用于更多的民生领域,以解决数据共享、数据孤岛问题,全面赋能实体经济,使区块链产业成为杭州市数字经济的发展新高地.
人脸属性识别是计算机视觉和模式识别领域的热门研究课题之一,对人脸图像的分析和理解具有重要的研究意义,同时在图像检索、人脸识别、微表情识别和推荐系统等诸多领域具有广泛的实际应用价值.随着深度学习的快速发展,目前国内外学者已提出许多基于深度学习的人脸属性识别(deep learning based facial attribute recognition,DFAR)方法.首先,阐述人脸属性识别方法的总体流程.接着,按照不同的模型构建方式,分别对基于部分的与基于整体的DFAR方法进行详细地概述与讨论.具体地,对
作为计算机视觉中的热门方向之一,科研人员们在文字识别领域上已经取得了众多显著的成果,并将其广泛运用到真实场景中方便我们的日常生活。目前,虽然传统的OCR技术对于文档文本的识别已经十分成熟,但在自然场景下,由于背景复杂、文字多样,图片文本识别仍然是一项具有挑战性的任务,需要不断地探索和改进。因此,本课题将以场景文本识别作为主要研究内容,针对现存的两大难点提出改进方法。在应用上,本课题则以菜单作为落地