基于概念图智能化动态分组的比较研究与实践研究报告.docx
- 文档编号:11362404
- 上传时间:2023-05-31
- 格式:DOCX
- 页数:142
- 大小:1.61MB
基于概念图智能化动态分组的比较研究与实践研究报告.docx
《基于概念图智能化动态分组的比较研究与实践研究报告.docx》由会员分享,可在线阅读,更多相关《基于概念图智能化动态分组的比较研究与实践研究报告.docx(142页珍藏版)》请在冰点文库上搜索。
基于概念图智能化动态分组的比较研究与实践研究报告
《基于概念图智能化动态分组的比较研究与实践》研究报告
郭学会赵远胜悦亮李强
课题类别山西省高等职业教育教学研究与实践项目
课题批准号晋教高[2007]19号
山西机电职业技术学院
《基于概念图智能化动态分组的比较研究与实践》研究报告
山西机电职业技术学院郭学会赵远胜悦亮李强
摘要:
随着在线合作学习的逐渐普及,如何通过教学进程与在线学习系统的使用来帮助专科学生有效学习变得越来越重要。
本研究报告根据概念图学习法,提出有效记录学生学习状况的方法,并搭配授课教师的教学流程,使用遗传算法进行动态分组,帮助学生更有效的学习。
本研究报告提出一种方法来计算概念图各概念的权重值,来代表概念之间的相对重要性,并将学生的学习状况编码成知识结构,记录在系统中,提供给授课教师使用或参考,再根据授课教师的教学进程,利用权重值和学生的知识结构进行遗传算法动态分组。
根据教学实践的结果,本课题发现以概念图的相对重要性及学生的学习状况的互助度为依据来进行动态分组,的确可以帮助学生更有效的学习,且授课教师可以随时查看或比较学生的学习状况,并使用系统自动进行重新分组,减轻了授课教师的负担,同时根据问卷的结果得知,这样的学习流程是可以被学生接受的,也的确帮助了学生更有效的学习。
关键字:
概念图;智能化;动态分组;遗传算法
第一章绪论
1.1课题背景
1.1.1课题来源
本课题是山西省教育厅研究课题,基金来源山西机电职业技术学院,属于教学研究的范畴,主要是教学方法的研究,主要是根据概念图学习法,提出有效记录学生学习状况的方法,并搭配授课教师的教学流程,使用遗传算法进行动态分组,帮助学生更有效的学习。
1.1.2本课题国内外研究现状述评及选题的价值
随着网络的普及,近年来结合教学网络的学习方式也越来越普及,其中合作学习透过对所有学习者进行分组,使学生在教学过程中,利用小组成员相互讨论来提高学习质量和学习效率也成为教师常用的教学方法。
近年来,有许多的研究人员提出许多分组的方法,例如如何在学习开始前做好最佳的分组,或是随着学习过程,调整学习小组成员的动态分组方式,但没有计算机动态分组的报道,无一例外,都是人工分组。
而人工分组,费时费力,效果不好。
随着远程教学的日益普及,越来越多的课程将利用网络来进行教学,不论是教师和学生的合作学习,还是学生和学生的合作学习、校企之间的合作学习,不管那种形式,如何有效率的记录学生的学习状况越来越重要。
本课题属于教育学与计算机科学技术所结合的领域,教育学角度上本课题意图通过在美国特别流行的概念图,提出有效率的记录学生学习状况的方法,根据合作学习教学理论,采用遗传算法进行演化,通过达尔文的“适者生存不适者灭亡”的机理,演化出最佳的分组方法,对学生进行动态分组,让教师动态掌握学生的知识结构,对教学效果进行测量和评价,并给教师的教学计划以合理化的建议。
计算机角度上本课题的目标是想研制一个计算机辅助教学系统CAI,一是给学生查询自己动态分组的名单;二是给学生提供一个自动化的测试题库,从而建立学生学习概念图;三是给教师建立教材概念图、专家概念图以及小组概念图;四是能够利用遗传算法进行学生分组的演化,提供一个合理化的自动分组的方法。
1.1.3课题研究的目的和意义
随着网络的普及,近年来结合教学与网络的学习方式越来越普及。
通过对所有学生做分组,使学生在教学过程中,利用小组成员相互讨论的合作学习方式来提高学习品质和学习效率也得到了普及。
近年来,有许多的研究者提出许多的关于概念图和合作学习分组的研究,例如概念图的布局算法研究[1];概念图及其功能研究[2];概念图形草绘设计技术研究[3];基于本体概念图的电子课本系统构造技术研究[4];基于概念图的教学内容智能调整模型及算法实践[5];基于概念图的用户兴趣查询扩展模型的研究[6];基于概念图的主观题自动批改技术的初步研究[7];基于概念图匹配的语义相似性算法研究[8];一种从线性概念图中自动抽取本体概念的算法[9];一种基于扩展概念图的词义识别算法[10],概念图的构建与合作学习在教学中的搭配运用[11];概念图及其在高职教学中的应用[12];冲突:
合作学习中的多边对话[13];小组合作学习之我见[14]。
然而概念图和合作学习结合用于动态分组,通过互助学习提高学生学习效率和学习成绩的研究没有发现。
然而随着网络不断普及,特别是国内精品课程的使用,合理利用最优教学资源的教学模式越来越受到学生和老师的欢迎,合作学习自然成为理所必然,根据教育心理学认知论的观念,概念图对学生的认知有着很好的作用。
因此如何将概念图和合作学习结合成为教育研究的重重之重。
传统中,本课题也常常用到合作学习,但往往都是好坏搭配,主观性很强,虽然也能提高学习效率,但效果未必是最佳。
如果将概念图和合作学习结合,利用遗传算法这种选有策略,不仅从认知论的观念看还是互助学习看都有助于提高教学水平。
1.2课题研究的目标
通过研究给教师和学生提供一个CAI教学软件,而后由教学经验丰富的教师设计课程的概念图,然后对每个概念提供一定数量的练习题(单选题、多选题、填空题、判断题),并给出各个概念的权重(即教学重点),在全部学生做题完成后,计算机自动阅卷,自动分组,教师登录后可以根据概念图中各个概念的学生的掌握程度决定下一次教学需要解决的重点和难点问题,学生登录后通过自己的练习完成情况决定以后学习的重点和方向,另一方面也可知道谁是对自己学习进步有重大帮助的好伙伴。
第二章文献探讨
2.1合作学习
自从合作学习(cooperativelearning)教学方法被提出以来,有越来越多的教师和教育研究学者从事相关的研究,且大多数的教师和教育研究学者对合作学习的成效持正面的态度[11][13][14],合作学习可以让学生以小组运作的方式,让小组成员共同努力以达成共同的目标。
在小组的运作过程中,除了学科能力的提升,学生还可以学到人际关系的互动,拉近学生间的距离。
传统的小组学习方式,只是任意将学生分成几个小组或好坏搭配,有一定的主观性,让小组的成员共同完成作业,自由的讨论、发展,除了好坏搭配还可以称为合作学习外,任意分组的方式的学习并不能称作合作学习,只能叫做共同学习更恰当。
在合作学习中,小组的成员必须是互相依赖,互相帮助,小组的成功与失败,对小组中的每个成员都有责任;若小组内每个成员能通过互相帮助、支持,让全部成员都能成功的学习达到小组的目标,此种团体才能称为合作学习小组。
共同学习和合作学习的比较见表1。
表1合作学习与共同学习的比较
合作学习
共同学习
异质分组。
同质分组或随意分组。
高度互相依赖,成员负责自己和他人的学习;焦点在于联合表现。
低度互相依赖,成员只为自己的学习负责;焦点只在个人表现。
团体与个人学习效率均重要。
只注重个人的学习效率。
成员相互促进学习的成功;真正一起工作,彼此支持和协助。
作业的讨论很少顾及他人学习情形。
重视小组的工作技巧;教导成员运用社会技巧;领导地位由成员分享。
忽视小组的工作技巧,领导者指挥成员的参与。
运用团体历程反省工作品质和小组工作效能;强调持续绩效的改进。
对工作品质并不安排团体历程加以反省;奖励个人成就。
Johnson认为合作学习有五项特色[15]:
责任分享:
合作学习的特征是以责任分享的方式进行,共同达成学习目标。
绩效的互相依赖:
学生能知道自己为小组的一员,小组的成功代表了个人的成功,小组的失败也等于自己的失败,唯有互相帮助互相依赖,共同达到目标才算成功。
个别绩效:
合作学习中,团体成员各自必须尽力完成自己所担负的工作,并尽力帮助别人。
人际和团体技巧:
良好的语言表达能力与待人处世的技巧,是达成合作学习的必要条件。
团体历程:
当小组完成目标后,小组可以通过检讨成败得失,从中学习。
有许多学者提出不同的合作学习教学方式,而每一个教学方法都有其特色与运作方式,因此当教师安排教学课程与采用合作学习方法时,可以根据授课内容选择适当的方法进行。
各种不同的教学方法如下:
●学习小组成就区分法
●小组游戏竞赛法
●拼图法
●拼图法二代
●团体探究法
●小组协力教学法
●小组加速学习法
●协同合作法
●合作统称阅读法
●共同学习法
2.2合作学习分组分式讨论
2.2.1分组分式
分组方式可以分为两大类:
1.随机法:
随机指派小组成员,没有规则的分组方式。
2.立意法:
根据教师的需求进行组合,有规则的分组方式。
表2整理了目前常见的分组方式以及分组的依据、次数和范围。
表2:
常见分组方式整理
分组类别
分组方式
分组因素
分组次数
分组范围
随机法
自行分组
抽取分组
无
一次分组
多次分组
全部分组
部分分组
立意法
成就分组
异质分组
同质分组
学习成就
小组角色
性别
文化
人际距离
概念图
2.2.2异质分组
多数教育专家提出的合作学习方式,都以异质分组方式为主,异质分组可以是学生的能力、学习成就、知识背景、学习风格、性别等,目的是希望能通过合作学习小组成员之间的差异互相指导、互相帮助,而且可以分享彼此不同的经验和看法,从而达到更好的学习效果。
异质分组的相关研究,Webb认为中等能力的学生适合采用同能能力分组,而高能力和低能力的学生则较适合采用混合能力编组。
以男女性别来看,有的教育专家认为性别在学习成就上没有显著的差异,分组应采取性别比例均等的方式较好。
大部分的研究指出异质分组有较好的学习表现,但也有教育专家研究结果表明没有显著的差异,但并没有研究指出异质分组可能有负面的影响。
异质性的编组,提升了低能力学生的学习成就,同时不影响高能力学生的学习成就。
2.3概念图辅助学习
2.3.1概念图
传统的教学方式,不论是在课堂上由教师授课还是学生自行学习,内容往往是一直线的模式,也就是一页一页的讲解,一页一页的学习。
但是事实上知识与知识之间的关系并不是简单的一直线,相互有关系的几个主题在传统教学中,往往被拆散成一个主题接着一个主题的讲解,造成教学内容零散分布,主题之间毫无关系。
在进行学习活动时,每个阶段都有它的学习重点,本课题称之为概念。
Ausubel提出了学习理论,认为在学习过程中,若学生能将要学习的概念与已经了解的概念知识连接,则产生了一个有意义的学习过程,即为一有意义的命题;在这个过程中,学生可以对新的知识更容易理解,同时也可以根据整体的大概念来联想其中已有的概念,达到终身学习的目的。
Novak和他的研究伙伴利用Ausubel的学习理论,提出了一套可以作为教学方法、学习策略、学习评价的工具,称为“概念地图”。
概念图由许多的命题所组成,每个命题包括两个概念和一个表示其间关系的连接,同时,概念图具有层次的关系,描述了某一知识主题中概念之间的连接关系。
如图1描述了中文word2003的部分概念图:
由于概念图可以充分表达出学生的学习成果,老师也可以根据学生的概念图了解学生的学习状况,因此有许多学者也从事如何有效运用概念图的研究。
图1:
中文word2003的部分概念图
2.3.2概念图的评量
传统的评量方式大多是以考试的方式进行,评量的结果只告诉学生答题的结果,而无法从中获得信息。
概念图的评量主要分成两部分,构图及计算概念图的分数。
构图是指授课者要求学生在一定时间内,将某一知识主题以概念图表现出来,而计分的部分则针对学生构图的结果来计算分数,用来表示评量的结果。
早期的评量方式利用纸和笔,学生可以使用任何的概念及标识连接起来表达其概念图,但是这种构图方式,学生往往不懂如何构思出心中的概念图;同时当概念图很大、测试人员很多时,不但学生要花费很多的时间构图,教师也要花很多时间来计算分数,因此后来渐渐改用计算机应用程序来代替纸和笔,来提升概念构图品质。
由于网络的普及,通过网络以合作学习方式进行教学,也是概念构图的一种评量方式。
运用网络互动的机制以及网络上丰富的资源,特别是现在国家、省级精品课程的优质资源,引导学生以合作的方式进行思考,再由概念图的特性,将学生的知识完整的描述出来,并且互相分享学习成果,从而达到学习的目的。
虽然计算机辅助构图提供了概念、连接标识等资源,但许多教育专家认为要以有限的资源要求学生构架概念图还是有困难的,因此若将全部完整的概念图直接显现给学生,将概念中部分的概念、连接标识留下空白,评量时要求学生以填充方式进行,或者提供概念列表,让学生选择适合的概念填入正确的位置,将有效的改进施测的过程以及概念图分数的计算。
2.4遗传算法
2.4.1遗传算法
遗传算法是从代表问题可能潜在解集的一个种群开始的,一个种群由一定数量基因编码的个体组成,每个个体都称为染色体,每条染色体都是某一特征的实体。
染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现(即基因型)是某种基因组合,它决定了个体的形状的外部表现,如人类头发的颜色,是由染色体中控制这一特征的某种基因组合决定的。
因此,在一开始需要实现从表现型到基因型的映射即编码工作。
由于仿照基因编码的工作很复杂,本课题往往进行简化,如二进制编码。
初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生越来越好的近似解。
在每一代,根据问题域中个体的适应度大小挑选个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。
这个过程像自然进化一样,后代种群比前代更加适应于环境,末代种群中的最优个体经过解码,可以作为问题近似最优解。
遗传算法采纳了自然进化模型,如选择、交叉、变异等。
图2表示了基本遗传算法的过程。
计算开始时,—定数目N个个体(父个体l、父个体2、父个体3、父体4…)即种群随机地初始化,并计算每个个体的适应度,第一代也即初始代就产生了。
如果不满足优化准则,开始产生新一代的计算,为了产生下一代,按照适应度选择个体,父代要求基因重和基因交叉来产生子代。
所有的子代按一定概率变异,然后子代的适应度又被重新计算,子代被插入到种群中将父代取而代之,构成新的代(子个体1、子个体2、子个体3、子个体4…)。
这一过程循环执行,直到满足优化准则为止。
如图2所示,本课题理解遗传算法的基本思想,以及问题域(表现型)和遗传域(基因型)之间的内部关系,通过图2,本课题知道用机器语言实现基本遗传算法的流程图如图3所示。
图2:
遗传算法的过程
图3:
遗传算法流程图
2.4.2遗传算法的特点
众所周知,传统的优化方法主要有三种:
枚举法、启发式算法和搜索算法。
随着问题种类的不同以及问题规模的扩大,三种方法都有各自的缺陷,要寻求一种能以有限的代价来解决搜索和优化的通用方法,遗传算法正是为本课题提供的这种有效的途径,它不同于传统的搜索和优化方法。
和传统的优化方法相比主要区别如下:
1)自组织、自适应和自学习性(智能性)。
应用遗传算法求解问题时,在编码方案、适应度函数及遗传算子确定后。
算法将利用进化过程中获得信息自行组织搜索。
由于基于自然选择策略为“适者生存,不适应者被淘汰”,因而适应度大的个体具有较高的生存概率。
通常适应度大的个体具有更适应环境的基因结构,再通过基因重组和基因变异等遗传操作,就可能产生更适应环境的后代。
进化算法的这种自组织、自适应特征,使它同时具有自学习能力,遗传算法具有发现环境特征和规律变化的能力。
因此,利用遗传算法的方法,本课题可以解决那些复杂的非结构化问题。
2)遗传算法本质并行性。
遗传算法按并行方式搜索一个种群数目的点,而不是单点。
它的并行性表现在两个方面,一是遗传算法是内在并行的,即遗传算法本身非常适合大规模并行。
最简单的并行方式是让几百甚至数千台计算机各自进行独立种群的演化计算。
运行过程中甚至不进行任何通信,等到运算结束时才通信比较,选取最佳个体。
这种并行处理方式对并行系统结构没有什么限制和要求。
二是遗传算法的内含并行性。
由于遗传算法采取种群的方式组织搜索,因而可同时搜索解区间内的多个区域,并相互交流信息。
使用这种搜索方式,虽然每次只执行与种群规模n成比例的计算,但实质上已进行了大约O()次有效搜索,这就使遗传算法能以较少的计算获得较大的收益。
3)遗传算法不需要求导和其它辅助知识,而只需要影响搜索方向的目标函数和相应的适应度函数。
4)遗传算法强调概率转换规则,而不是确定的转换规则。
5)遗传算法对给定问题,可以产生许多的潜在解,最终选择可以由使用者确定,在某些特殊的情况下,如多目标优化问题不止一个解存在,有一组pareto最优解。
这种遗传算法对于确认可潜在解集而言是特别合适的。
2.5SPRT模式测验:
SPRT是由Wald在1947年所发展出来早期用于二次世界大战中提出的用于军用制造品质上的管理。
1969年被运用到了教育测验上,用来鉴定学生的学习熟练程度。
以贝氏定理作为预测受测者精熟的概率有多高而发展出来的测验模式,当受测者回答一连串问题后,便可以由下面的公式推算出受测者答对题目概率:
PR:
代表受测者答对题目的概率比例
Pom:
代表受测者受测前熟练的可能性
Pom:
代表受测者受测前不熟练的可能性
Pm:
代表受测者受测前熟练且答对题目的可能性
Pn:
代表受测者受测前不熟练且答对题目的可能性
r:
表示答对的题数
w:
表示答错的题数
上述的公式可以获得受测者的答对题目概率的比例。
要检测出受测者是否属于熟练,SPRT基于以下的假设,作为测验进行的程序:
当PR≥(1-β)/α测验终止,熟练的假说成立。
当PR≤β/(1-α)测验终止,不熟练的假说成立。
当β/(1-α) 其中,α: 表示被判定为熟练,但实际是不熟练的可能性。 β: 表示被判定为不熟练,但实际是熟练的可能性。 与其他测验模式的方式做比较,SPRT的使用具有以下的优点: 不须考虑项目的特征。 例如: 项目难度、鉴别力、猜测因素等。 不须依据受测者的能力值进行项目选择。 然而SPRT在使用上也有些限制: 只适合做熟练程度的判断,判断是否达到熟练,并不能准确的测到受测的能力值。 受测者必须是正态分布,如果不是正态分布,所得的结果将会非常的不准确。 SPRT一般只适用于小型的测验上,如一个班级的平时测验、学科测验等。 本课题将SPRT运用于本课题研究的概念图模式应用系统中,主要原因在于它使用方便,不需要做题目校准等动作,而且很适合本课题的系统。 由于概念本身不是一个很大的范围,所有的测验题目都与概念相关,因此使用SPRT作为测验的方式,可以以少数的题目检测出受测者是否熟练此概念,使得概念图的测验结果更加的准确。 第三章合作学习策略 合作学习异质分组,可以促进不同背景的学生彼此合作学习、互动,同时培养学科能力与人际关系,过去的分组方式常常是着重于第一次分组时,务必求得最好的分组结果,分完组后就不再变动。 然而实际上,小组的状况是随着时间而改变的,因此以学生的知识结构作为分组依据,将分组方式与学习阶段结合,随着每个阶段的检测小组成员的互助状况,加以调整分组,是本课题研究的依据。 然而,将学生的知识结构作为分组依据时,知识结构的每个概念并不是均等的,有些概念较简单、有些概念较难的情况是必然的,把所有概念视作一样进行互助度计算来分组是不公平的。 另外,学生的知识结构,往往分散记录在资料中,当授课教师或学生想要观察知识结构的变化或比较知识结构时,往往需要经过额外的处理。 另外,当计算全班分组结果时,利用线性规划的方式往往需要很多的时间来计算出所有可能的结果,尤其当学生人数增多时,所需要的时间也明显的增多。 针对这些问题,本课题提出对概念图做简单的编码,以方便记录学生的知识结构,并且给予每个概念其相对的权重值,来表示每个概念的相对重要性,同时利用遗传算法,来计算出较好的互助分组,改善线性规划所需要的大量时间。 根据上述的这些想法,本课题所提出的合作学习策略主要可分为以下几个步骤。 1.通过“概念图诊断系统”,在每个阶段诊断出学生的概念图状况,记录学生的知识结构。 2.根据教育专家和学生的学习状况决定各概念的权重值,以代表各个概念的重要性。 3.使用遗传算法结合学生知识结构与概念权重来动态进行分组。 4.在学习的每个阶段,重复1-3的步骤,直到学习结束。 3.1概念图诊断系统 概念图诊断系统主要包括教材概念图和学习概念图的信息,其中教材概念图说明教学进度的安排,系统会依据教材概念图的配置方式,依序诊断学生的概念状况,而产生学生的学习概念图。 3.1.1教材概念图 在开始合作学习教学活动前,授课教师必须设计一教材概念图,以作为教学活动的依据,概念图的结构以方向图的方式呈现,图中每个节点代表一个概念,概念之间包含一个标语及方向性用以表示概念之间的关系。 因为概念图有认知先后的顺序,因此授课教师在设计概念图时,应考虑到学习的先后顺序,以便让学生能依概念的难易一、及前后关系依序学习。 教材概念图设计的基本原则: 1.学习以概念为主: 概念图的设计应以概念作为区分。 2.有顺序的学习: 概念间的方向性代表了学习的先后顺序。 3.必要学习: 在学习某一概念前,必须先学习跟此主题有关的概念。 4.分阶段学习: 将整个教材概念图分成数个阶段来学习,每个阶段包含数个概念,在教学活动中,每个阶段的学习时间可以依当时的学习状况加以调整,且在每阶段学习完成后,利用每阶段的学习成果,作为下一阶段的分组依据,以进行动态分组。 图4说明了将整个教材概念图分成三个阶段学习,每个阶段的学习时间可以依当时的状况加以调整,且在每阶段学习完成后,利用每阶段的学习成果,作为下一阶段的分组的依据,以进行动态分组。 图4: 概念图的学习阶段 3.1.2学习概念图 教师设计好教材概念图,并将教材概念图分割成好几个学习阶段,在每个学习阶段教学活动结束后,利用概念图诊断系统以概念为单位对学生进行SPRT的诊断;诊断的范围为该阶段的概念以及之前所有学习过的概念,目的是为了取得学生所有概念的最新学习状况,因为学生过去失败的概念,在该阶段的合作学习过程中,有可能通过讨论而学习成功。 所以每次SPRT诊断概念,都应包含前面每个阶段学习失败或部分学习的概念。 诊断完后的每个概念节点,会有以下三个结果: 1.成功学习: 表示学生对此概念节点学习成功。 2.失败学习: 表示学生对此概念节点学习失败。 3.部分学会: 表示学生对此概念只有部分理解,并没有完整学会。 通过SPRT诊断后的概念图。 即是学习概念图,表示学生的概念学习状况,也就是学生的学习结构。 通过学习概念图,学生可以根据其知识结构,了解学习不足的地方,加以补足。 教师也可以根据整体学生的学习状况,调整教学进度。 在本教学研究中,本课题利用学生的学习概念图,作为互助式分组的依据。 图5说明了整个概念图诊断系统的设计理念,当一个阶段结束后,则通过概念图诊断系统来诊断学生每个概念是否学习成功,产生代表学生的学习概念图,作为合作学习分组的依据。 另外,本课题对学生的学习概念图做以下的定义: 图5: 概念图诊断系统 定义1: 概念图G(V,R)为有向、有限的连接图,V为概念节点,表示某一小单元的知识,R为关系连接,连接两个概念节点,代表学习的先后次序。 定义2: 学生完成学习活动后,由SPRT概念图诊断系统诊断后,将拥有一个代表知识结构的概念图G(V,R),使得 , s: 学习成功节点 f: 学习失败节点 p: 部分学习成功节点 3.2概念图编码 每位学生在每个阶段学习结束后,都必须使用概念图诊断系统来诊断其学习状况,得到其个人的学习概念图,因此所研制的系统必须记录下所有学生每个概念的学习结果。 若能对每位学生的学习概念
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 概念 智能化 动态 分组 比较 研究 实践 报告