大规模在线协作学习分组方法及应用研究

学习孤独感问题是造成MOOC课程学习完成率低的原因之一,构建与学习者学习特征相适应的协作学习小组,可以有效解决学习孤独感问题。利用自编码神经网络提取在线学习者的关键特征,根据同质分组原则,利用模糊C均值算法对在线学习者进行迭代分组,使在线学习者从独自学习转变为以团队的形式进行协作学习,从而改善在线学习者的学习体验,降低学习孤独感。以edX平台上选择计算机科学与编程入门课程的19?846名在线学习者为实验对象,进行在线协作学习分组。实验结果表明,基于该分组方法,每个小组内学习者都有较高的同质性,可以很好地解决学习孤独感问题。     

基于PTP授时的高可靠时间统一系统的应用研究

现如今,各领域对时间统一系统的性能要求越来越高。以往的时间统一系统大多使用网络时间协议(Network Time Protocol, NTP)进行授时,但该协议只能提供毫秒级的同步精度,且主时钟一般为固定不变的,无法满足测控等应用领域的高精度、高鲁棒性的要求。基于此,对基于IEEE1588标准(Precision Time Protocol,PTP)授时的高可靠时间统一系统的应用进行了深入研究。本系统采用PTP协议进行授时,可使系统时间同步精度达到纳秒级,并以最佳主时钟算法(Best Master Clock,BMC)为理论基础,设计并实现手动设置与自动选择两种模式的双机热备功能,满足了测控等应用领域对时间统一系统的高性能要求。相比较以往的时间统一系统,本系统大大提升了系统的授时精度与鲁棒性。