计算机博士论文怎么写结论？本文根据热门论文范例数据，为大家列举了3篇计算机博士论文范文，可以多参考学习，希望对你的论文写作有帮助。
计算机博士论文范文参考一：基于计算机视觉的桥梁车流信息识别与防船撞预警方法研究
桥梁作为基础设施的重要组成部分,其健康状况直接关系到社会公共安全。在当前的人工智能时代背景下如何利用前沿技术来为桥梁的监测、运营与维护服务,成为研究人员关注的热点。本文以计算机视觉技术为基础并结合深度学习算法,针对当前基于视频图像的桥梁车流信息识别及防船撞预警方法中存在的问题进行研究。在桥梁车流信息识别中现有方法存在识别目标信息单一,鲁棒性不强等问题。针对上述问题,本文提出基于图像实例分割的车辆全面信息识别方法。并结合该识别方法与结构有限元计算,实现桥梁运营状态在线监测。而在船撞预警方面,目前缺乏有效的船舶实时定位与船桥及船间共同防撞预警方法。为此,本文提出基于单应性变换的船舶实时定位方法与基于数据驱动的船桥及船间防撞预警方法。提出的防撞预警方法主要包括用于船舶轨迹数据增强的基于多评价模型的轨迹生成式对抗网络与用于船桥及船间碰撞预警的双任务编码解码网络。本文主要研究内容及创新点包括:（1）提出基于图像实例分割的车辆全面信息识别方法,可同时实现车型识别、车辆轴数识别、车辆3D边框构建、车速测定、车辆长度计算、行驶车道识别与车辆计数,其中图像实例分割基于Mask R-CNN。在车辆信息识别中,提出了基于车辆与车轮掩膜交并比的车辆轴数识别方法。同时利用高质量的车辆分割掩膜生成车辆3D边界框,其较基于传统帧间差分或背景差分方法生成的车辆3D边界框更精确。为了计算车辆长度与速度,利用一场景消失点与车道线确定路面控制点进而求解世界坐标系与像素坐标系间的单应性变换。该单应性变换结合车辆3D边界框即可计算得到车辆长度与速度。车辆3D边界框同时也用于车辆行驶车道的识别。为了获得可靠的车辆参数,利用目标跟踪方法SORT跨帧关联车辆目标进而对多帧中识别的车辆参数进行后处理,从而获得较单帧识别结果更可靠的车辆参数。基于提出的方法,开发了车辆全面信息识别系统,并应用于安庆长江公路大桥。（2）提出一种融合视频车辆信息识别、车辆荷载分布、有限元建模与影响线计算的桥梁运营状态在线监测方法。该方法首先基于提出的车辆全面信息识别方法反演得到车辆在桥面的实时空间位置。然后基于识别得到的车辆轴数与桥梁所在地的车辆荷载分布,确定桥面每辆车的荷载区间。为了模拟桥梁的响应,建立桥梁有限元模型,并计算桥梁关键部位的响应影响线。再结合影响线正负区域与车辆位置及荷载区间,确定针对桥梁各关键部位响应上下界的车辆荷载组合。最后将每种荷载组合施加至有限元模型上,便可得计算时刻桥梁每个关键位置的响应区间。该方法无需在桥梁上布置其他传感器即可实现桥梁运营状态在线监测。（3）提出基于单应性变换的船舶实时定位方法,解决了水面船舶难以实时定位的难题。该定位方法将水面航标作为控制点来求解视频图像中像素坐标系与水面世界坐标系间的单应性变换。结合该单应性变换与船舶识别及跟踪,即可实现船舶的实时定位。在求解单应性变换中关键是获取控制点的世界坐标。本文基于几何相似关系,并借助无人机航拍与图像倾斜矫正手段一次性获得了全部控制点的瞬时世界坐标。由于水面航标即控制点位置不稳定,在计算单应性变换时,控制点的像素坐标与对应的世界坐标需保持同步。本文所提出的船舶实时定位方法,除固定摄像机外只需借助一张包含桥梁及水面航标的航拍图像,方法简便,易于实现。（4）提出基于多评价模型的轨迹生成式对抗网络用于增强船舶轨迹数据,特别是增强具有较高撞桥风险的少量异常船舶轨迹数据,进而为基于数据驱动的船桥碰撞预警提供充足的数据支持。提出的生成式对抗网络采用基于Wasserstein距离并带梯度惩罚的目标函数。网络的生成模型以门控循环单元作为基本模块,生成轨迹伪样本。在网络的评价模型中使用一维卷积与一维自适应池化运算来构建变长度序列特征提取模块。为了生成具有多样性的轨迹样本,组合不同的序列特征提取模块构成具有不同结构的多个评价模型来指导生成模型的更新。由于不同评价模型对生成模型的约束程度不同,因此基于多评价模型的网络可生成具有不同模式的轨迹样本。在训练提出的轨迹生成式对抗网络中,采用了课程式学习的策略来减轻训练早期生成模型与评价模型处理整条轨迹序列的负担。（5）提出双任务编码解码网络用于船桥及船间碰撞预警,其特点是将针对船桥碰撞预警的轨迹异常检测与针对船间碰撞预警的轨迹预测两个任务融合至同一网络中。该网络的编码器将观测轨迹编码为一固定长度的轨迹信息向量,该向量在解码器中被分别解码用于船舶轨迹异常检测与预测。在解码器的异常检测分支中,将轨迹信息向量映射为船舶航行风险度,然后基于该风险度判断是否发出撞桥预警。在解码器的预测分支中,加入了注意力机制来缓解编码器的压力,进而增加预测结果的准确性。若不同船舶在当前位置间与每个预测位置间存在小于安全阈值的距离,则说明船间有碰撞趋势进而发出预警。在双任务编码解码网络训练过程中采用三步训练方式。先单独训练网络两个分支,再联合训练。本文中开发了一个船撞在线预警系统,应用于广东九江大桥,并在监测过程中成功识别到有高撞桥风险的船舶。
摘要
ABSTRACT
第一章 绪论
1.1 桥梁健康监测与安全预警的意义及现状
1.2 人工智能时代背景下土木工程的发展机遇
1.2.1 人工智能的发展与国家战略
1.2.2 以计算机视觉为代表的人工智能技术在土木工程中的应用
1.3 桥梁车流信息识别研究现状
1.3.1 车辆单体信息识别方法
1.3.2 桥面车辆时空分布获取方法
1.3.3 车辆参数统计分析方法
1.3.4 现有基于计算机视觉的车流信息识别方法存在的问题
1.4 船桥与船间防撞研究现状
1.4.1 船撞桥概率模型
1.4.2 桥梁被动防船撞方法
1.4.3 船桥及船间主动防撞方法
1.4.4 现有基于计算机视觉的船桥及船间碰撞预警方法存在的问题
1.5 本文主要内容与创新点
第二章 摄像测量原理与典型深度神经网络
2.1 摄像测量原理
2.1.1 针孔相机模型
2.1.2 投影变换
2.2 基于候选区域的卷积神经网络
2.2.1 原始基于候选区域的卷积神经网络
2.2.2 基于空间金字塔池化的卷积神经网络
2.2.3 基于候选区域的Fast卷积神经网络
2.2.4 基于候选区域的Faster卷积神经网络
2.3 循环神经网络
2.3.1 原始循环神经网络
2.3.2 长短期记忆网络
2.3.3 门控循环网络
2.4 生成式对抗网络
2.4.1 原始生成式对抗网络
2.4.2 基于Wasserstein距离的生成式对抗网络
2.4.3 基于Wasserstein距离并带梯度惩罚的生成式对抗网络
2.5 本章小结
第三章 基于实例分割的桥面车辆全面信息识别
3.1 车辆全面信息识别方法框架
3.2 基于Mask R-CNN的实例分割
3.2.1 Mask R-CNN
3.2.2 图像数据库的建立
3.2.3 基于不同主干结构的网络测试
3.3 基于车轮识别的车辆轴数计算
3.3.1 车轮识别
3.3.2 车辆轴数计算
3.4 车辆3D边界框构建
3.5 基于单应性变换的车辆长度及速度计算方法
3.5.1 像素坐标系与桥面世界坐标系间的单应性变换求解
3.5.2 车辆长度与速度计算
3.6 基于SORT的车辆目标跟踪
3.6.1 基于卡尔曼滤波的预测与更新
3.6.2 基于匈牙利算法的目标匹配
3.6.3 车辆目标跟踪流程
3.7 车辆全面信息识别方法伪码
3.8 车辆全面信息识别方法测试
3.8.1 车型与轴数识别结果
3.8.2 车速计算结果
3.8.3 车数统计结果
3.9 车辆全面信息识别系统开发
3.10 本章小结
第四章 基于桥面车辆时空分布的桥梁运营状态在线监测
4.1 桥梁运营状态在线监测框架
4.2 基于视频车辆信息识别的桥面车辆位置实时反演
4.3 车辆荷载概率分布与区间计算
4.3.1 车辆荷载概率分布
4.3.2 车辆荷载分布假设检验
4.3.3 车辆荷载区间确定
4.4 桥梁有限元建模
4.5 桥梁关键部位位移影响线计算
4.6 桥梁关键部位位移区间计算
4.7 本章小结
第五章 基于单应性变换的船舶实时定位
5.1 船舶实时定位方法框架
5.2 船舶识别与跟踪
5.3 像素坐标系与水面世界坐标系间的单应性变换求解
5.3.1 以水面航标为控制点的单应性变换
5.3.2 基于距离约束确定航标的世界坐标
5.3.3 基于无人机航拍确定世界距离
5.3.4 航拍图像倾斜矫正
5.4 船舶轨迹光滑
5.5 本章小结
第六章 基于生成式对抗网络的船舶轨迹数据增强
6.1 异常轨迹判定准则
6.2 基于区域的历史轨迹均匀采样
6.3 基于多评价模型的轨迹生成式对抗网络
6.3.1 网络框架
6.3.2 生成模型
6.3.3 评价模型
6.4 基于课程式学习的网络训练方法
6.5 轨迹数据增强结果
6.6 本章小结
第七章 基于双任务编码解码网络的船桥及船间碰撞预警
7.1 船桥及船间碰撞预警框架
7.2 双任务编码解码网络
7.2.1 编码器
7.2.2 解码器
7.3 网络评估指标
7.4 网络训练策略
7.5 网络测试与评估
7.5.1 轨迹预测评估
7.5.2 轨迹异常检测评估
7.6 实时船撞预警
7.7 本章小结
第八章 总结与展望
8.1 总结
8.2 展望
参考文献
攻读博士学位期间科研成果
致谢
参考文献
[1]转筒式防撞设施防船撞性能研究[J]. 陈巍,耿波,沈锐利,郑植. 船舶力学. 2020(04)
[2]人工智能时代的土木工程[J]. 鲍跃全,李惠. 土木工程学报. 2019(05)
[3]桩式桥梁防船撞设施设计方法研究[J]. 刘政伟,许明财,潘晋. 武汉理工大学学报(交通科学与工程版). 2018(06)
[4]基于南京长江三桥的车辆荷载模型[J]. 林诗枫,黄侨,任远,樊叶华,杨娟. 东南大学学报(自然科学版). 2016(02)
[5]九江长江大桥疲劳车辆荷载谱[J]. 邵雨虹,吕彭民. 长安大学学报(自然科学版). 2015(05)
[6]我国高速公路交通荷载标准研究[J]. 周泳涛,鲍卫刚,翟辉,刘延芳. 公路交通科技. 2010(02)
[7]安庆长江公路大桥静动载试验研究[J]. 李晓斌,夏招广,蒲黔辉. 公路交通科技. 2007(02)
[8]安庆长江公路大桥主桥总体结构静力分析[J]. 王胜斌,胡可. 公路交通科技. 2004(06)
[9]基于操纵推理与视频检测的船桥主动避碰系统研究[D]. 郑元洲.武汉理工大学 2012
[10]桥梁船撞安全评估[D]. 耿波.同济大学 2007
计算机博士论文怎么写结论
计算机博士论文模板范例二：复杂计算机试验设计与非正规设计的构造
试验在工业、农业、工程和科学等领域无处不在。总的来说,试验大致可以分为两类:实体试验和计算机试验。在实体试验中,科学家进行实验室试验或进行现场观察。由于实体试验中总是存在随机误差,对于相同的输入变量试验人员可能获得不同的输出响应。随机误差的存在会增加数据分析和处理的复杂性。为了解决这个问题,实体试验往往遵循以下三个基本设计原则,即随机化、重复和分区组。当实体试验的成本很高、耗时很长,或者在实际环境中进行某些实体试验很危险时,我们可以借助计算机试验来探索输入变量与输出响应之间的关系。例如,评估气候变化的长期影响及对汽车碰撞试验的研究。与实体试验相比,计算机试验的一个突出特点是相同的输入变量取值会产生相同的输出响应值。相应地,与实体试验相比,计算机试验的设计和分析也有明显的不同。首先,在计算机试验中不需考虑实体试验的三个基本设计原则（随机化、重复和分区组）;其次,与实体试验不同,在计算机试验中很容易更改因子的水平,因此,高水平因子是完全可以出现的。输入变量和输出响应之间的关系往往是很复杂的。计算机试验的一个重要目标是获得一个比真实模型相对简单,同时可以很好地替代真实模型的近似模型,这里我们称这个近似模型为拟模型。假设拟模型是多项式模型或高斯过程模型,则具有列正交性的设计是一个好的选择,因为列正交性可以保证多项式模型中的主效应的估计彼此互不相关,也可以使得高斯过程模型下的因子筛选更高效。当拟模型未知时,空间填充设计是计算机试验的最佳选择,且对模型的选择具有稳健性。综上,列正交性和空间填充性是计算机试验设计的两个合适的准则。文献中已经提出了许多方法来分别构造空间填充设计和列正交设计,而对于同时具有这两种性质的设计的研究却很少。最近,He and Tang（2013）提出了强正交表。出于经济节省的原因,He,Cheng and Tang（2018）提出了强度为2+的强正交表。Liu and Liu（2015）以及Zhou and Tang（2019）提出了列正交强正交表。此外,Mukerjee,Sun and Tang（2014）提出了可映射近似正交表。值得注意的是,强度为2+的列正交强正交表和可映射近似正交表在二维空间填充性和列正交性方面均表现良好。但是,这些表可容纳的列太少,并且可映射近似正交表的试验次数很不灵活,这些性质都会限制它们在实际试验中的使用。因此,如何构造拥有理想的空间填充性和列正交性,同时可以容纳大量列的设计是一个值得研究的课题。为了在三维上实现与普通正交表相同的空间填充性,强正交表的强度应该为3或更高。Shi and Tang（2020）提出了一类新的强度为3的强正交表,这类强正交表几乎具有强度为4的强正交表的所有空间填充性,并且可以容纳比后者更多的列。但是,他们没有考虑设计的列正交性。具有列正交性的这类强正交表的构造值得进一步探讨。基于上述设计,我们可以构造具有理想的低维空间填充性的设计。另外,正交表也可以用于构造空间填充设计。比如,Tang（1993）通过对正交表进行水平扩展来构造拉丁超立方体设计。在正交表中,两水平正规因子设计是常用的筛选设计,因为它们易于解释。对于这些正规设计,因子效应间要么是正交的,要么是完全混杂的。相比之下,在非正规因子设计中存在部分混杂的因子效应。与正规因子设计相比,非正规因子设计具有更复杂的混杂结构,但它们的试验次数更灵活,并可以估计更多的因子效应。Connor and Young（1961）提出的平行平面设计是常见的一类非正规因子设计,它保留了正规因子设计的一些简单性,并且具有灵活的试验次数。目前关于平行平面设计的大部分研究都集中在具有三个平面的平行平面设计上,将其推广到具有f（f>3）个平面的平行平面设计是一个值得研究的课题。本学位论文将针对上述课题展开研究。下面简要介绍本论文各章的主要内容。第一章是绪论,包括一些背景知识,以及在后续章节中用到的概念和符号。第二章提出了构造具有空间填充性的列正交设计的几种新方法。本章探索一类新的设计的构造,其包含正交的拉丁超立方体设计作为特例。这些设计不仅是列正交的,并且有很好的低维空间填充性。这些理想的性质使得该类设计可以作为计算机试验设计的很好的选择。我们基于正交表提出了几种新的构造方法,该方法易于实施,操作灵活,且基于该方法,我们能够得到许多新的具有空间填充性的正交设计。旋转矩阵在构造中起到了关键的作用。第三章提出了强组正交表并给出了相应构造方法。本章提出了一类新的设计称为强组正交表,它的列可以划分为不同的组,来自不同组的列是列正交的且具有较好的低维空间填充性。同时,整个设计可以塌陷到一个可以容纳较多列的正交表,这些性质使得这种设计非常适用于计算机试验。本章提出了基于正规和非正规正交表构造此类设计的方法。差阵在构造中起到了关键作用。第四章给出了强度为3+的列正交强正交表的构造方法。Shi and Tang（2020）提出了一类新的强度为3的强正交表,它们几乎具有强度为4的强正交表的所有空间填充特性,并且可以容纳比后者更多的列。在本章中,我们将这类强正交表称为强度为3+的强正交表。本章提出了强度为3+的列正交强正交表的一种构造方法。所得设计比Shi and Tang（2020）中的设计更具优势,并且可以容纳相同数量的列。此外,通过并置几个强度为3+的列正交强正交表,我们得到一系列的分组设计,其每个组有很好的列正交性及空间填充性,且整个设计可以容纳大量的列,这类分组设计在试验初期的筛选试验中很有用。第五章探索了两水平平行平面设计的一般理论。本章研究具有f（f>3）个平面的平行平面设计的一般理论,并提供了在给定初始设计下,获得所有非等价的平行平面设计的混杂频数向量的方法,以此得到具有最小G混杂或者最大D效率的平行平面设计。此外,我们证明了四元编码设计是特殊的平行平面设计,且平行平面设计对于构建非正规设计、裂区设计及随机化区组设计尤其有用。最后,我们展示了那些由不同家族的平面构成的设计也可能具有平行的平面结构。第六章对本文的工作进行了总结与讨论。
中文摘要
Abstract
第一章 绪论
第二章 具有空间填充性的正交设计的构造
第一节 引言
第二节 预备知识
第三节 构造方法和理论结果
第四节 进一步结果
第五节 本章小结
附录A:证明
附录B:表格
第三章 强组正交表及其构造
第一节 引言
第二节 预备知识
第三节 强度为2 的强组正交表的构造
第四节 强度为3 的强组正交表的构造
第五节 本章小结
附录A:证明
附录B:表格
第四章 强度为3+的列正交强正交表及相应的分组设计
第一节 引言
第二节 预备知识
第三节 强度为3+的列正交强正交表的构造
第四节 由强度为3+的列正交强正交表构成的分组设计
第五节 本章小结
附录A:证明
第五章 两水平平行平面设计
第一节 引言
第二节 预备知识
第三节 平行平面设计的一般结果
第四节 最优平行平面设计
第五节 平行平面类
第六节 平行平面设计与其他设计的联系
第七节 本章小结与工作展望
附录A:f-PFD的平行平面类(f=7,8,9)
附录B:5-PFD的方差膨胀系数
附录C:例5.5的细节
附录D:两水平正规因子设计的构造
附录E:证明
第六章 本文工作总结
参考文献
致谢
在学期间发表的学术论文与研究成果
个人简历
参考文献
[1]Construction, Properties, and Analysis of Group-Orthogonal Supersaturated Designs[J] . Bradley Jones,Ryan Lekivetz,Dibyen Majumdar,Christopher J. Nachtsheim,Jonathan W. Stallrich. Technometrics . 2020 (3)
[2]Construction of Latin hypercube designs with nested and sliced structures[J] . Bing Guo,Xue-Ping Chen,Min-Qian Liu. Statistical Papers . 2020 (2)
[3]Construction results for strong orthogonal arrays of strength three[J] . Chenlu Shi,Boxin Tang. Bernoulli . 2020 (1)
[4]Column-orthogonal strong orthogonal arrays of strength two plus and three minus[J] . Zhou Yongdao,Tang Boxin. Biometrika . 2019 (4)
[5]Design selection for strong orthogonal arrays[J] . Chenlu Shi,Boxin Tang. Canadian Journal of Statistics . 2019 (2)
[6]CONSTRUCTION OF ORTHOGONAL SYMMETRIC LATIN HYPERCUBE DESIGNS[J] . Wang Lin,Sun Fasheng,Lin Dennis K. J.,Liu MinQian. Statistica Sinica . 2018 (3)
[7]Flexible sliced designs for computer experiments[J] . Xiangshun Kong,Mingyao Ai,Kwok Leung Tsui. Annals of the Institute of Statistical Mathematics . 2018 (3)
[8]Optimal maximin $L{1}$-distance Latin hypercube designs based on good lattice point designs[J] . Lin Wang,Qian Xiao,Hongquan Xu. The Annals of Statistics . 2018 (6B)
[9]The Split-Plot Design[J] . W. M. Wooding. Journal of Quality Technology . 1973 (1)
[10]D-optimal two-level parallel-flats block designs with partial replication[J] . Shin-Fu Tsai,Chen-Tuo Liao. Journal of Statistical Planning and Inference . 2018
计算机博士论文范文参考
计算机博士论文范文模板三：计算机支持的协作学习中参与者模型研究
协作学习是指两个或两个以上的参与者一起参与学习,以实现学习目标的学习形式。它是参与成员针对某种特定的主题,自由地分享观念、感情和态度,进而达到知识、技能增长和态度转变的相互学习形式。相对于传统的课程学习,协作学习存在着以下优势:从技能方面而言,（1）可以使较高层次的认知技能获得发展;（2）可以增进口头表达与交流的技能;此外,还可以（3）发展创造性思维;（4）可以达到情感态度的改变;（5）协作学习还提供了扩展可用信息池的机会,从而使团队能够获得比任何独立个体更高质量解决方案。然而,在协作学习过程中不是每一个参与者都有同样学习效果,在计算机支持的协作学习中不同类型参与者之间的知识获得存在着差异,为了深入的了解计算机支持的协作学习中参与者的类型,十分有必要对计算机支持的协作学习中的参与者模型。随着互联网络和计算机技术的发展,计算机支持的协作学习受到越来越多研究者的重视。当前对于计算机支持的协作学习中参与者建模还存在许多争议。本研究旨在考察以下两个问题:（1）分析参与者在计算机支持的协作学习中的行为表现（用于建构参与者模型）。首先,基于积极互相依赖维度,分析了参与者在计算机支持的协作学习中的行为表现,即ICCC变量（Individual Conversation Characteristics Curves variables）包括:参与度、响应速率、内在关联度、整体响应率、社会影响和交流密度;其次,通过文本分析和社会网络分析的方法计算参与者在ICCC变量得分,并采用潜在剖面分析、潜在剖面转变分析、敏感性分析来检验参与者建模（ICCC变量）的有效性。（2）考察计算机支持的协作学习中参与者建模相关变量（ICCC变量）的预测变量及其有效性。一方面,考察参与者的个体因素（前摄性人格、自我效能、积极情绪和任务价值）与ICCC变量关系;另一方面,考察上述预测变量的个体-团体一致性与ICCC变量的关系。本研究采用文本分析、社会网络分析、路径分析和多项式回归等方法对参与者在计算机支持的协作学习中的对话文本和问卷数据进行分析,结果表明:（1）用ICCC变量能较为精确构建计算机支持的协作学习中参与者模型;（2）个体的前摄性人格对参与度、内在关联度、整体响应率、交流密度和社会影响起着显著的正向预测作用;任务价值对参与度、整体响应率起着正向预测作用;自我效能对个体的参与度、内在关联度、整体响应率、交流密度和社会影响起着显著的正向预测作用;积极情绪对参与者的参与度、响应速率起着显著的正向预测作用,对整体响应率起着负向预测作用;（3）个体-团体一致性线上,随着前摄性人格水平的升高,参与者的参与度、响应速率和内在关联度都会随之升高。随着自我效能水平的提升,参与者在计算机支持的协作学习中的参与度、响应速率、整体响应率、社会影响和交流密度都会随之升高。随着积极情绪水平的提升,参与者在计算机支持的协作学习中的参与度、响应速率和社会影响都会随之升高。随着任务价值水平的提升,参与者在计算机支持的协作学习中的参与度、响应速率、内在关联度和整体响应率都会随之升高。而在不一致性线上,团体的前摄性人格高于参与者前摄性人格时,个体在计算机支持的协作学习中的参与度更高;在参与者自我效能与团体自我效能不一致时,它们的不一致水平越高,社会影响也就越高,而交流密度越低。在参与者积极情绪高于团体积极情绪条件下,参与者在计算机支持的协作学习中的内在关联度和整体响应率也较高。本研究的结果表明,参与者的讨论文本和社会关系网络模式表征了其在计算机支持的协作学习中的行为模式,个体因素、团体因素和它们之间的互动会影响参与者在计算机支持的协作学习中的行为表现,影响了计算机支持的协作学习中参与者模型的建构。更广泛地说,本研究者提供了一个探讨参与者内部认知过程、人际模式和社会认知过程的框架,为构建参与者模型,也为未来相关的理论研究和“自适应”计算机支持的协作学习系统的构建提供了理论和实证依据。
摘要
Abstract
第1章 引言
第2章 文献综述
2.1 计算机支持的协作学习历史、概念和理论
2.1.1 计算机支持的协作学习的历史沿革
2.1.2 计算机支持的协作学习的概念
2.1.3 计算机支持的协作学习的理论
2.2 以往计算机支持的协作学习中参与者模型的研究
2.2.1 计算机支持的协作学习中参与者模型分析方法
2.2.2 构建参与者模型的变量
2.3 参与者在计算机支持的协作学习中行为的影响因素
2.3.1 团体因素
2.3.2 环境因素
2.3.3 个体因素
2.4 前摄性人格与个体在组织/学习中行为的关系
2.4.1 前摄性人格
2.4.2 前摄性人格与学习表现的关系
2.4.3 前摄性人格与组织行为的关系
2.5 学习动机因素与参与者在协作学习中行为的关系
2.5.1 学习动机因素
2.5.2 自我效能与学习行为的关系
2.5.3 积极情绪与学习行为的关系
2.5.4 任务价值与学习行为的关系
2.6 个体-团体一致性对个体在计算机支持的协作学习中行为的影响
第3章 总体设计
3.1 问题提出
3.2 研究框架
第4章 参与者在计算机支持的协作学习中的行为表现及参与者模型构建
4.1 研究目的
4.2 计算机支持的协作学习中建构参与者模型的变量
4.2.1 数据结构
4.2.2 参与者在计算机支持的协作学习中的行为表现(ICCC变量)
4.3 研究方法
4.3.1 被试
4.3.2 研究工具
4.3.3 数据分析方法
4.4 研究程序
4.5 研究结果
4.5.1 各变量的描述性统计结果
4.5.2 潜在剖面分析
4.5.3 效度验证
4.5.4 潜在剖面转变分析
4.6 讨论
第5章 ICCC变量与个体因素的关系
5.1 研究目的
5.2 研究假设
5.3 研究方法
5.3.1 研究对象
5.3.2 研究材料
5.3.3 数据分析方法
5.4 研究程序
5.5 研究结果
5.5.1 描述性统计结果
5.5.2 路径分析结果
5.6 讨论
第6章 个体-团体一致性与ICCC变量的关系
6.1 研究目的
6.2 研究假设
6.3 研究方法
6.3.1 研究对象
6.3.2 研究材料
6.3.3 数据分析方法
6.4 研究程序
6.5 研究结果
6.6 讨论
第7章 综合讨论
7.1 计算机支持的协作学习中参与者模型
7.2 ICCC变量的影响因素
7.3 本研究的创新性与贡献
7.4 本研究的不足
第8章 研究结论
参考文献
附录
攻读学位期间研究成果
后记
参考文献
[1]在线协作学习中的集体责任与个体生成角色[J]. 斯琴图亚. 现代教育技术. 2020(03)
[2]在线协作学习中小组学习投入的分析模型构建及应用[J]. 李艳燕,彭禹,康佳,包昊罡,苏友. 中国远程教育. 2020(02)
[3]亲子间教育期望差异对小学生情感幸福感的影响:学业成绩和学业自我效能感的中介作用[J]. 郭筱琳,何苏日那,秦欢,刘春晖,罗良. 心理发展与教育. 2019(04)
[4]从主动性人格到主动担责行为:基于角色定义的视角[J]. 黄勇,余江龙. 中国人力资源开发. 2019(03)
[5]互动视角下道德领导与主动性人格影响新员工敬业度的作用机制[J]. 毛凯贤,李超平. 科学学与科学技术管理. 2018(12)
[6]社交网络群组用户知识共享行为动机研究:以Facebook Group和微信群为例[J]. 耿瑞利,申静. 情报学报. 2018(10)
[7]大数据时代心理学文本分析技术——“主题模型”的应用[J]. 曹奔,夏勉,任志洪,林秀彬,徐升,赖丽足,王琪,江光荣. 心理科学进展. 2018(05)
[8]主动性人格:机制与未来走向[J]. 张颖,杨付. 心理科学进展. 2017(09)
[9]在线学习投入结构模型构建——基于结构方程模型的实证分析[J]. 尹睿,徐欢云. 开放教育研究. 2017(04)
[10]计算机支持的协作学习分析模型及可视化研究[J]. 郑娅峰,徐唱,李艳燕. 电化教育研究. 2017(04)
以上是计算机博士论文范文样本，如果你了解更多关于论文写作的资料或者注意事项，可以在本网站查阅；如果需要论文写作的帮助，可以在线咨询。