首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 171 毫秒
1.
概念模型验证是建模与仿真校核、验证与确认中的重点和难点。在分析复杂系统与概念模型概念特点的基础上,指出了影响概念模型验证的因素,从系统行为特征、行为之间的关系与系统使用环境3个方面对概念模型验证的重点内容进行了论述,并给出了概念模型验证的通用过程。  相似文献   

2.
编制高校教师工作形塑问卷,并对其信度和效度进行检验。在项目收集和预试的基础上,通过对全国15所大学的900名高校教师进行问卷调查,采用探索性因素分析和验证性因素分析处理数据。高校教师工作形塑的结构包括三个维度:任务形塑、认知形塑和环境形塑;三因素模型在验证性因素分析中得到了较好的验证;信度分析表明高校教师工作形塑问卷的内部一致性信度系数为0.820。编制的高校教师工作形塑问卷具有较好的内部一致性,可以为高校教师人力资源管理提供理论支持。  相似文献   

3.
本文通过描述统计、数据验证和计量回归分析高校教师海外研修对课程国际化的效果及影响因素。实证结果表明,海外研修对高校教师开设全英文专业课程、转变涉外课程教学方式效果显著;海外研修模式、实施过程及收益满意度是影响课程国际化效果的重要因素。本文由此提出制定基于课程国际化目标的研修效益评估指标、选取合理的研修模式、依据过程反馈适时调整研修项目的建议。  相似文献   

4.
为了解河南省高校教师亚健康及其体育锻炼现状,文章在对河南省高校教师的亚健康现状和体育锻炼相关因素调查的基础上,就体育锻炼相关因素对高校教师亚健康发生率的影响进行了研究。结果显示:河南省高校中有59.18%的教师处于亚健康状态;经常参加体育锻炼的教师占44.63%,其亚健康发生率明显低于不经常参加体育锻炼的教师;锻炼周数、锻炼时间、锻炼频度、锻炼强度、锻炼项目数量是影响河南省高校教师亚健康发生率的主要因素。  相似文献   

5.
为了解河南省高校教师亚健康及其体育锻炼现状,在对河南省高校教师的亚健康现状和体育锻炼相关因素调查的基础上,就体育锻炼相关因素对高校教师亚健康发生率的影响进行了研究。结果显示:河南省高校中有59.18%的教师处于亚健康状态;经常参加体育锻炼的教师占44.63%,其亚健康发生率明显低于不经常参加体育锻炼的教师;锻炼周数、锻炼时间、锻炼频度、锻炼强度、锻炼项目数量是影响河南省高校教师亚健康发生率的主要因素。  相似文献   

6.
现阶段我国高校正进行着全面而深入的改革,特别是国家进行高等学校本科教学工作水平评估以来,高校教师所感受到的压力无论是在频率还是强度上都比以往任何时候强烈,呈现亚健康状态的高校教师的人数也随之急剧增加。亚健康状态不仅威胁教师的身心健康,同时也给教师的教学、科研工作带来了很大影响。本文通过对高校教师亚健康状况的调查,分析亚健康状态产生的原因,并提出了具体的改善对策。  相似文献   

7.
现阶段我国高校正进行着全面而深入的改革,特别是国家进行高等学校本科教学工作水平评估以来,高校教师所感受到的压力无论是在频率还是强度上都比以往任何时候强烈,呈现亚健康状态的高校教师的人数也随之急剧增加.亚健康状态不仅威胁教师的身心健康,同时也给教师的教学、科研工作带来了很大影响.本文通过对高校教师亚健康状况的调查,分析亚健康状态产生的原因,并提出了具体的改善对策.  相似文献   

8.
以宁波高校教师为研究对象,采用问卷调查法,研究高校教师亚健康状态的发生情况及体育锻炼对高校教师亚健康状态的影响.结果表明:高校教师群体是亚健康状态的高发人群,特别是中年教师,是亚健康高发生年龄段.亚健康状态的发生与性别、年龄、文化程度等因素有关,女性教师亚健康发生率高于男性教师,亚健康发生率随着年龄的增大而升高,亚健康发生率与学历成反比.缺乏运动是导致亚健康发生的重要诱因之一,坚持科学、合理的运动对于预防亚健康的发生有一定积极的作用.  相似文献   

9.
《考试周刊》2016,(35):159-160
教学质量评估是教学质量管理过程中必不可少的重要方面。本文针对高校教师教学质量评价复杂、模糊的现状,利用直觉模糊多属性决策的模糊结构元分析技术,建立了高校教师教学质量评价模型,并用实例说明了其可行性。通过建立高校教师教学质量评估指标体系,利用直觉模糊综合评价模型对高校教学质量进行综合评价。实证结果表明,该模型具有较强的科学性和实用性,是一种评估高校教学质量的有效方法。  相似文献   

10.
针对丁醇生产过程中发酵产物品质参量难以实时测量,现有测量方法精度不高、测量结果受不确定因素影响较大的问题,提出一种基于贝叶斯推断和支持向量回归(Support vector machine regression,SVR)的多层软测量建模方法。首先应用贝叶斯推断计算后验概率、筛选偏置数据,并对偏置数据校准,建立第一层SVR模型;然后利用贝叶斯推断进行二次校准,建立第二层SVR模型,对第一层SVR模型输出进行修正,得到最终预测结果,克服干扰和偏差引起的模型不准确问题。将基于贝叶斯推断的多层支持向量回归(Bi-SVR)预测模型应用于丁醇发酵过程,仿真及实验结果表明,相较于传统SVR预测模型,系统在低干扰的情况下预测精度提高了4.52%,在高干扰时预测精度提高了5.37%。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号