基于OBE的公共基础类课程思政教学模式改革与实践——以“计算机应用基础”课程为例

为落实立德树人根本任务,高职院校亟待思考如何更好地将思政教育全方位融入公共基础类课程。基于OBE理论,构建公共基础类课程思政教学模式,教学实践表明,该模式有效地提升了课程思政成效。本研究为高职院校公共基础类课程思政教学提供参考与借鉴。     

基于OBE的高职数据库课程改革探索

针对近年来越来越多的高职院校开始尝试基于成果导向教育(OBE)的人才培养和课程改革的情况,主要介绍了OBE模式的相关理论,并基于OBE对数据库课程进行了整体的改革与探索,在具体的教学实践中取得了良好的效果。     

基于隐语义模型的推荐算法研究

针对传统推荐算法用户兴趣值低、准确性差的问题,提出基于隐语义模型的推荐算法研究。首先对隐语义模型数据特征值进行采集,获取用户的个性化喜好信息,并针对采集到的特征数据及搜索关键词,进行不同信息之间的关联性数值的判断和分类处理。在此基础上,根据判断和分类处理结果对不同层次的信息进行推荐排序处理,优化模型信息推荐步骤,实现隐语义模型信息推荐。实验研究结果表明,基于隐语义模型的推荐算法的用户兴趣值高于其他传统推荐算法,且信息推荐的准确性较高。     

深度学习在推荐系统中的应用研究

互联网的普及带来了信息爆炸,推荐系统是一种有效的信息过滤工具。现有的推荐系统已经应用于各大领域,但仍然面临着准确性和冷启动等方面的挑战。深度学习作为最先进的机器学习技术,逐步应用于各种复杂的推荐中,以提高推荐系统的质量。对现有推荐系统中几种主要的深度学习模型进行了分析,并对其发展前景进行了展望。