检索结果-南通市图书馆

成人教育学刊 2017年第8期 60-66页

作者：郑兰琴李欣

学会学习和自我调控被世界各国普遍认为是21世纪的核心素养。然而当前大多数远程学习者的自我调控能力低下，调节性学习技能缺乏，其学习成效也不甚理想。调节性学习作为一种具有导向、监控、评价功能的学习方式，能帮助学习者有意识地... 详细信息

学会学习和自我调控被世界各国普遍认为是21世纪的核心素养。然而当前大多数远程学习者的自我调控能力低下，调节性学习技能缺乏，其学习成效也不甚理想。调节性学习作为一种具有导向、监控、评价功能的学习方式，能帮助学习者有意识地协商任务目标和标准，策略性地采用工具和策略，最优化其任务绩效，及时监控其学习过程和进展，当结果偏离预期目标或者面临困难和挑战时对其进行调整和修改。调节性学习具备目标导向性、元认知特性及社会性，在个体与群体的交互协调发展中，学习者可通过自我调节、协调节和集体调节三种学习类型，对个体自身、个体之间及集体的目标进行监控和调节。学习者可通过定义任务、设定目标、制订计划、采择策略、实施计划、监控和控制、反思评价及适应性调整的宏观及微观各阶段的迭代循环，在共享的学习空间中，感知自身及其同伴的认知水平、情感状态和行为表现，并利用空间平台所提供的学习工具，对学习过程进行及时的监控和控制，实现调节性的学习，取得更好的学习成效。

关键词：调节性学习自我调节协调节集体调节学习模型支持工具 regulated learning self-regulation co-regulation socially shared regulation learning models support tools

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

This work was supported in part by US Department of Energy Los Alamos National Laboratory contract 47145 and UT-Battelle LLC contract 4000159447 program manager Laura Biven.

引用

Visual Informatics 2020年第2期4卷 122-131页

作者： Yiran Li Takanori Fujiwara Yong K.Choi Katherine K.Kim Kwan-Liu Ma Department of Computer Science University of CaliforniaDavisUnited States Betty Irene Moore School of Nursing University of CaliforniaDavisUnited States School of Medicine University of CaliforniaDavisUnited States

There is a growing trend of applying machine learning methods to medical datasets in order to predict patients’future *** some of these methods achieve high performance,challenges still exist in comparing and evaluating different models through their interpretable *** analytics can help clinicians improve evidence-based medical decision *** this work,we develop a visual analytics system that compares multiple models’prediction criteria and evaluates their *** our system,users can generate knowledge on different models’inner criteria and how confidently we can rely on each model’s prediction for a certain *** a case study of a publicly available clinical dataset,we demonstrate the effectiveness of our visual analytics system to assist clinicians and researchers in comparing and quantitatively evaluating different machine learning methods.

关键词： Clinical data XAI Tree-based machine learning models Model consistency Measures of dependence Visual analytics

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：