简介: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、制定计划、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。
简介:"觉知"这一概念在计算机支持的协作学习(CSCL)领域的引入,为促进学习者之间的交互提供了新的方法。现阶段,国内外诸多学者已经相继开发出了一系列"觉知"工具,这些工具为学习者提供不同的觉知内容,基本上涵盖了行为、认知、社会性交互三个方面。对计算机环境中的觉知工具进行研究时需要考虑两个核心问题:如何产生可供学习者觉知的信息;如何让学习者对觉知信息产生觉知。同时也应该认识到觉知信息可能会造成的对学习者隐私的侵犯、对学习的干扰、信息过载等问题。
简介:摘要目的将人工智能技术应用于原发性肝细胞癌患者的临床真实世界数据研究,探索肝癌精准治疗,建立肝癌人工智能临床决策支持系统。方法将2004年7月至2016年6月间华西医院收治且有完整随访记录的5 642例原发性肝癌患者纳入研究。采用多分类器融合模型计算治疗方案推荐系数,并分析受试者工作特征曲线;采用DeepSurv算法实现生存风险和复发风险的预测,并进一步对比低风险组、中风险组和高风险组间的Kaplan-Meier生存曲线;利用Siamese-Net算法得到相似病例结果。结果治疗方案推荐系数的Top-1准确率和Top-2准确率分别为82.36%和94.13%;在华西医院内部使用验证过程中,与多学科会诊治疗方案的匹配准确率达95.10%。生存风险模型得到的C-index值为0.735(95%CI:0.70~0.77),各风险组的Kaplan-Meier曲线经log-rank检验,各组间差异有统计学意义(P<0.001)。复发风险模型得到的C-index值为0.705(95%CI:0.68~0.73),各风险组的Kaplan-Meier曲线经log-rank检验,各组间差异有统计学意义(P<0.001)。结论肝癌人工智能临床决策支持系统能较为准确地进行原发性肝细胞癌治疗方案推荐和治疗预后预测。