于2020年和2021年的4—12月, 每两周对上海市闵行区浦江郊野公园内的螽斯与蟋蟀种类进行连续调查. 研究结果显示, 该地区分布有螽斯8种、蟋蟀16种、蝼蛄1种. 通过对它们生活史进行研究发现, 其成虫时间十分规律, 化性稳定, 主要通过卵滞育的方式越冬, 其次为若虫越冬. 此外, 还发现通过鸣声对物种进行鉴定, 是一种进行鸣虫物候学研究与生态学研究的简便易行的方法.
随着人工智能技术的迅猛发展, 大语言模型 (large language models, LLMs) 在自然语言处理和各种知识应用中展现了强大的能力. 研究了国内大语言模型在中小学学科知识图谱自动标注中的应用, 重点以义务教育阶段道德与法治学科和高中数学学科为例进行分析和探讨. 在教育领域, 知识图谱的构建对于整理和系统化学科知识具有重要意义, 然而传统的知识图谱构建方法在数据标注方面存在效率低、耗费大量人工成本等问题. 研究旨在通过大语言模型来解决这些问题, 从而提升知识图谱构建的自动化和智能化水平. 基于国内大语言模型的现状, 探讨了其在学科知识图谱自动标注中的应用, 以道德与法治和数学学科为例, 阐述了相关方法和实验结果. 首先, 探讨了研究背景和意义. 接着, 综述了国内大语言模型的发展现状和学科知识图谱的自动标注技术. 在方法与模型部分, 尝试探索一种基于国内大语言模型的自动标注方法, 力图完善其在学科知识图谱上的应用. 还探讨了学科知识图谱人工标注方法模型, 以此作为对比, 评估自动标注方法的实际效果. 在实验与分析部分, 通过在道德与法治和数学学科的自动标注实验和对其结果的分析, 发现两个学科的知识图谱自动标注均取得了较高的准确率和效率, 与人工标注结果进行了深入比较分析, 得出了一系列有价值的结论, 验证了所提出方法的有效性和准确性. 最后, 对未来的研究方向进行了展望. 总体而言, 研究为学科知识图谱的自动标注提供了一种新的思路和方法, 有望推动相关领域的进一步发展.
利用固相萃取联合超高效液相色谱串联质谱仪技术优化了全氟化合物 (perfluoroalkyl substances, PFASs) 仪器检测方法和复杂环境样品前处理方法, 得到了一套环境多介质中41种全氟化合物的同步提取及检测方法. 在仪器优化方面, 通过单个标准品手动调谐确定了目标物最优化的离子对质荷比和质谱参数, 确定了2 mmol/L乙酸铵溶液和甲醇组合作为最优色谱流动相. 在样品萃取和净化方面, 发现固体样品在30℃水浴下超声萃取10 min比加速溶剂萃取的回收率更高且用时更短; 使用平行定量浓缩仪进行氮吹浓缩目标物平均回收率高达104.3%, 且比传统水浴氮吹仪节省约50%的时间; 分别使用2 mmol/L乙酸铵溶液(pH = 3)和1 mL 0.5%氨水甲醇溶液进行固相萃取柱淋洗和洗脱时, 样品平均回收率可达108.2%和105.5%. 利用优化后的方法对实际样品 (土壤、沉积物和水体) 进行检测, 方法检出限为0.01 ~ 0.34 ng, 基质加标回收率为67.9% ~ 174.9%, 平行样相对标准偏差为0.03% ~ 28.10%. 总体来讲, 优化后的样品前处理方法比以往方法更省时省溶剂, 且灵敏度和回收率都较好, 为环境样品的大批量检测提供了技术依据.
从建构主义和能力本位理论出发, 提出了一种基于知识图谱的在线学习系统设计方法, 即打破传统的知识结构, 以提升能力为目标, 构建知识、技能等多维度的能力框架; 搭建了以知识图谱为底层逻辑, 链接数字学习资源的学习系统; 开展了教学实践和实证研究. 首先, 使用调查问卷对学习系统进行了验证; 其次, 以“阅读英文学术论文”能力为学习任务, 随机分配实验组和对照组; 最后, 评估两组对于知识、技能的理解、记忆水平以及综合运用能力. 研究结果显示, 学习系统的有效性和易用性实验组总成绩、知识得分、技能得分和能力得分均高于对照组成绩, 其中总成绩和能力得分具有显著性差异, 表明该系统对于在线学习效果有一定的促进作用.
传统教育大数据管理面临隐私数据泄露、数据可信度存疑和越权访问等安全风险, 为了避免上述风险, 提出了一种新型基于智能合约的教育大数据安全管理与隐私保护算法: ASPES (algorithm for security management and privacy protection of education big data based on smart contracts), 算法融合了基于Shamir秘密共享的密钥切割改进分享算法、基于SM2-SHA256-AES算法的混合加密算法和基于分层数据访问控制的智能合约管理算法. 在真实数据集MOOCCube上的实验结果表明, 相较于较先进的方法, ASPES的执行效率和安全性有显著提高, 可以有效存储和管理教育大数据, 实现教育资源的合理分配. ASPES通过向区块链中嵌入智能合约, 将数据读写等操作上链, 能够优化管理路径、提高管理效率, 保证教育公平, 极大地提升教育质量.
针对智慧教育场景下, 在线学习评价的全面性和有效性所面临的不足, 构建了一个基于模糊层次分析法 (fuzzy analytic hierarchy process, FAHP) 和模糊综合评价法 (fuzzy synthetic evaluation method, FSEM) 的在线学习行为指标评价框架. 框架以CIPP (context, input, process, product) 教育评价模型为指导, 融合教育评价标签类目体系, 确立了学习探索、编程实践、知识掌握、创新协作和沟通交互这5个维度, 并细化为二级指标和三级指标, 从而实现了评价的全面覆盖. 通过FAHP-FSEM计算各级指标权重, 并进行一致性检验, 确保了评价的科学性和合理性. 以水杉在线平台为案例, 利用大规模多源的过程化学习数据, 从多维度、多视角进行了综合评价, 并通过可视化大屏呈现学生画像和学习行为特征. 所提框架为个性化学习效果的提升和在线教育改革提供了有力数据支持, 具有广泛的应用前景.
基于现行的材料降解率测定标准及特定微生物的降解性能, 设计了4种材料降解率的检测方法, 即两种标准方法 (接种物: 腐熟堆肥、蛭石 $+ $ 腐熟堆肥浸提液) 和两种实验方法 (接种物: 蛭石 $+ $ 芽孢杆菌、蛭石 $+ $ 嗜热菌). 采用生产环保胶带所用的原纸、塑料薄膜 (主要成分为polylactic acid, PLA) 和胶带成品作为受测材料, 对比不同处理方法下材料降解性能的效率. 结果表明, 在60 d的实验周期中, 原纸和PLA薄膜在4种方法处理下均呈现快速降解. 然而, 胶带成品降解率在腐熟堆肥、蛭石 $+ $ 腐熟堆肥浸提液处理下上升缓慢; 在蛭石 $+ $ 芽孢杆菌处理下略高; 在蛭石 $+ $ 嗜热菌处理下上升速率显著高于其他处理方法 (约1.7 ~ 7.5倍). 添加微生物菌剂尤其是嗜热菌, 能有效提升产品降解率的测定效率. 因此, 优化降解接种物的方法可提高材料降解率的测试效率, 有利于企业缩短可降解材料的研发及生产周期.
溶解有机碳 (dissolved organic carbon, DOC) 是海洋中最大的活跃有机碳库. 精确刻画大河河口及其近海水体表层DOC浓度的时空分布, 有助于更好地理解河流输送的有机碳在河口近海经历的生物地化过程及在该区域的归宿. 本研究采用机器学习方法, 通过反演水体溶解态有机碳库中的有色溶解有机物 (colored dissolved organic matter, CDOM) 的吸收光谱信息, 并基于其与水体DOC浓度的相关关系, 发展了基于地球静止轨道水色成像仪 (geostationary ocean color imager, GOCI) 的DOC遥感反演模型. 结果表明, Nu支持向量回归 (nu-supporting vector regression, NuSVR) 方法可准确反演CDOM光谱吸收特性 (如验证集CDOM在300 nm处的吸收系数aCDOM(300)和275 ~ 295 nm处的光谱斜率S275–295的平均绝对误差 (mean absolute percent differences, MAPD) 分别为32%和8.6%). 分别基于该区域表层水体CDOM光谱吸收特性与DOC浓度之间表现的3种不同的相关关系进行DOC算法构建, 结果表明, 基于aCDOM(300)与DOC浓度之间的线性相关, 并考虑这一相关关系的季节性差异所构建的DOC反演算法可较为准确地反演水体DOC浓度, DOC反演现场数据验证集和卫星验证集的MAPD分别为11%和14%. 将构建的DOC算法模型应用到GOCI卫星图像上, 结果显示, 受长江径流影响, 季节尺度上, 长江口夏季水体表层DOC浓度显著高于冬季; 而受潮汐、风场等因素的影响, 小时尺度上河口近岸海域DOC分布呈现逐时高动态变化. 本研究利用卫星遥感反演河口近海水体DOC浓度, 为进一步在不同时间尺度上研究该区域水体DOC动态变化及驱动因素提供了有效手段.
台风等极端天气会使淤泥质潮滩发生数十厘米的冲淤变化. 在全球变暖导致台风强度及频率增大的背景下, 厘清台风影响下潮滩冲淤变化及其机制, 对潮滩保护与生态系统完整性维持具有重要意义. 本文借助基于运动恢复结构算法的无人机(unmanned aerial vehicle, UAV)摄影测量方法, 于2021年7月“烟花”台风前后对崇明东滩典型样地进行滩面高程测量, 并在盐沼-光滩过渡带现场采集水动力泥沙数据. 结果表明: 无人机摄影测量精度为4.1 cm; 台风影响下光滩区域侵蚀、盐沼区域淤积, 变幅达 ±32 cm. 其原因是: 台风影响下, 光滩区域在天文大潮时波高及水深增大, 达到波浪破碎条件后表层沉积物被侵蚀并被强潮流搬运; 涨潮流携带悬浮泥沙进入盐沼后, 因盐沼缓流消浪作用导致水体挟沙能力下降, 泥沙在盐沼区域沉积. 因此, 盐沼-光滩过渡带呈现光滩区域侵蚀、盐沼区域沉积的冲淤分带性. 本文将无人机摄影测量与同步水动力泥沙现场观测结合, 为深刻认识台风事件对潮滩冲淤的影响提供了新视角.
抑制遥感影像水面耀光污染并重构影像信息, 是改善无人机遥感信息质量、扩大水环境监测区域的有效途径. 针对传统经典的耀光信息重构算法难以适用于无人机高光谱影像这一问题, 提出了一种耀光自动检测去除与信息重构算法, 即采用归一化水体指数提取水体, 以全波段总和灰度图像的最低值为阈值对耀光进行分割, 利用拉普拉斯算子提取水面耀光纹理, 通过多轮形态学膨胀与阈值更新迭代计算出两者面积差值, 以投票机制获得最小差值的出现频率, 并逆向获取最佳阈值自动去除耀光. 而后, 基于主成分分析确定匹配波段, 通过改进Criminisi算法对去除区域进行重构. 去除算法应用于四个真实耀光场景, 去除率均在99%以上. 重构算法结果在主观和客观上均优于其他算法, 耀光重构水体与正常水体各波段变异系数差值在1%以内, 具有良好的光谱应用能力.
提出了一种基于自注意力融合的多图知识追踪方法(multi-graph knowledge tracing method based on self-attention, SA-MGKT), 旨在通过学生的历史答题数据, 对其知识的掌握程度进行模型化, 并评估其未来学习的表现. 首先, 该方法构建了学生–习题异质图来表示学生–习题的高阶关系, 通过图对比学习技术捕获学生的答题偏好, 并采用3层LightGCN进行图表征学习. 然后, 引入概念关联超图和有向转换图的信息, 通过超图卷积网络和有向图卷积网络进行节点嵌入. 最后, 通过引入自注意力机制, 成功融合了习题序列的内部信息以及多图表征学习所蕴含的潜在信息, 从而显著提升了知识追踪模型的准确性. 实验数据在3个标准数据集上均展现出令人鼓舞的结果, 模型的分类性能得到了大幅提升, 具体表现为相对于基线模型, 在评估指标上分别提高了3.51%、17.91%和1.47%. 这些结果充分验证了融合多图信息和自注意力机制对于增强知识追踪模型性能的有效性.
为了及时更新大金山岛苔藓植物名录, 为其就地保护研究提供科学依据, 在对上海大金山岛5次野外调查的基础上, 报道了大金山岛苔藓植物20科38属67种, 与该岛历史数据相比, 新增23种苔藓植物, 包括上海新记录13种, 首次发现叶附生苔类植物 (拟疣鳞苔Cololejeunea raduliloba Steph.) 在大金山岛的分布. 结合气候变化及苔藓植物生理生态特性对大金山岛苔藓植物物种组成变化进行了讨论, 提出了及时更新一个地区的名录对多样性就地保护的重要性.
由于受到潮汐过程的影响, 河口区微塑料的调查和研究存在着方法不统一、数据误差较大的问题. 2019年夏季使用泵采法在九龙江河口开展原位全水层微塑料采样, 对不同水层、不同站位间的微塑料丰度及其赋存特征进行分析, 并与其他在该河口的相关调查研究结果进行对比. 结果表明: 九龙江河口表、中、底层水体中的微塑料赋存量存在明显差异, 河流入海口及靠近污染源处表层水中微塑料丰度明显高于中、底层中, 在潮汐作用剧烈的河口区, 中、底层中微塑料丰度高于表层水中, 存在明显分层现象; 使用不同采样方法获取的微塑料数量浓度值存在较大差异, 泵采法相比拖网法能更有效地截留塑料纤维; 使用泵采法过滤水样体积、滤经筛网孔径大小都对收集到的微塑料丰度、尺寸有显著影响. 采样方法的不同将导致微塑料丰度结果的显著差异, 在潮汐河口进行微塑料监测有必要将潮汐作用考虑在内. 因此, 建议建立潮汐河口的微塑料业务化监测和通量观测, 并采用洪、枯季, 大、小潮的全潮时段的观测采样方法.
数字教育资源自动化内容审查是教育信息化时代的迫切需求, 特别是对教育资源是否超标的适用性审查, 存在知识点难定位和难理解的问题. 针对这一需求, 提出了一种基于教育知识图谱和大语言模型(简称“大模型”)协同的教育资源内容审查方法. 具体地, 首先利用“本体”思想, 设计并构建一个面向中小学教育的知识图谱; 之后, 利用大模型在文本生成和排序任务上的优势, 设计基于教学内容生成和排序剪枝的知识定位方法; 最后, 通过教学内容核心知识子图与知识图谱教学路径的冲突检测, 实现超标教学内容识别. 实验结果表明, 所提出的方法可有效应对教育资源内容的超标知识审查任务, 为基于知识图谱及大语言模型协同的教育应用开辟新的技术路径.
为进一步厘清上海自然博物馆植物标本室模式标本的基本情况, 促进标本的利用和共享, 通过比对馆藏标本与植物标本资源共享平台和植物分类学期刊中模式标本的采集信息, 整理出模式标本418份, 隶属69科147属239种, 其中新发现模式标本390份. 本文还对馆藏模式标本的数量、类型、种类组成、优势类群、采集地、采集时间及采集人等进行了统计和分析.
近年来, 大规模开放在线课程(massive open online courses, MOOCs)已成为获取知识和技能的重要途径. 然而, 因课程数量激增导致信息过载的问题日益严重. 知识概念推荐旨在识别并向学生推荐需要掌握的特定知识点. 现有研究通过建立异质信息网络应对数据稀疏性, 但在充分挖掘异质信息网络数据和考虑学习者与知识概念之间多样互动方面存在局限性. 为了解决这些问题, 本文提出了一种名为融合异质信息网络与行为感知的知识概念推荐(heterogeneous learning behavior-aware knowledge concept recommendation, HLB-KCR)的新方法. 首先, 使用基于元路径的随机游走和skip-gram算法生成富含语义信息的元路径嵌入, 并通过两阶段元路径嵌入增强模块优化嵌入效果; 其次, 构建融入时间上下文信息的多类型交互图, 利用图神经网络(graph neural network, GNN)进行消息传递, 更新节点嵌入, 获得包含时间和交互类型信息的深度嵌入表示; 再次, 引入语义注意力模块, 将元路径嵌入与多类型交互嵌入相融合; 最后, 使用扩展的矩阵分解评分预测模块优化推荐算法. 在大型公开的MOOCCubeX数据集上进行大量的实验证明了HLB-KCR的有效性与合理性.
在国家新工科建设背景下, 早期的C++教学已不能满足“两性一度” (高阶性、创新性和挑战度) 的要求, 另外存在知识点碎片化、理论与实践难以结合、单视角偏差等问题, 针对以上问题, 通过将QT (Qt Toolkit)和C++这两门课程合二为一, 提出了有效融合QT和C++的创新教学模式, 并在智慧树平台部署了相应的课程知识图谱辅助教学. 一方面, 扩展了教学的广度, 有效关联课程知识点, 实现多模态教学资源的整合和共享, 促进学生多视角学习知识, 体现课程的创新性和避免单视角偏差; 另一方面, 提高了教学的深度, 构造融合QT和面向对象程序设计C++的知识图谱, 通过这两门课程知识点的有机融合, 搭建从理论到实践的桥梁, 提高课程高阶性和挑战度. 本研究另辟蹊径, 为C++的教学改革开辟了新途径, 也为其他高校的编程课程教学改革提供了有价值的参考和借鉴.
投加增氧剂作为一种提升水体溶解氧的重要手段常用于城市水环境的治理与修复, 研发具有缓释效果的增氧材料可使增氧剂在实际工程中更持久、更稳定地发挥作用. 本文梳理了近年来缓释氧材料的制备方法和释氧性能, 综述了投加缓释氧材料对河湖沉积物和上覆水中营养盐等污染物赋存形态与迁移转化的影响及作用机制, 最后对缓释氧材料在河湖水体污染修复中的应用研究提出了展望和建议.
提出并实现了一个本地轻量化课程教学智能辅助系统. 该系统利用IPEX-LLM (Intel PyTorch extention for large language model)加速库, 在计算资源受限的设备上高效部署并运行经过QLoRA(quantum-logic optimized resource allocation)框架微调的大语言模型, 并结合增强检索技术, 实现了智能问答、智能出题、教学大纲生成、教学演示文档生成等4个主要功能模块的课程灵活定制, 在帮助教师提高教学备课和授课的质量与效率、保护数据隐私的同时, 支撑学生个性化学习并提供实时反馈. 在性能实验中, 以集成优化后的Chatglm3-6B模型为例, 该系统处理64-token输出任务时仅需4.08 s, 验证了其在资源受限环境下快速推理的能力. 在实践案例分析中, 通过与原生Chatgml-6B和ChatGPT4.0在功能实现上的对比, 进一步表明了该系统具备优越的准确性和实用性.
中国综合性科技类核心期刊(北大核心)
