网络课程成本构成与补偿

随着国家教育部“中央广播电视大学人才培养模式改革和开放教育试点项目”的全面展开。远程教育成本的研究和计算问题摆在了我们面前。本文从远程教育成本构成的分析入手,把教育管理同成本分析有机地结合起来,把教育学和会计学结合起来,为教育成本补偿机制的研究开拓了新的思路。     

现代社会与教育的思维模式探析

构成现代社会的各个领域和因素综合交错，形成了现代社会因素的立体网络系统，其中，科技与教育是促进社会进步与发展的巨大力量；科技日益成为现代社会发展的重要手段，也形成了现代教育的基本特色。现代社会要求我们在立体互动关系中确立一种合理、有效的思维模式，表现在教育领域，便是要确立开放的教育思维模式；它是由现代社会和现代科技的开放性特征所决定的，也是现代社会的开放思维模式的具体体现。     

网络交流工具在体验式英语写作教学中的应用

传统英语写作教学存在着许多不足之处,网络交流技术的飞速发展为改进写作教学提供了全新的视角,教师应充分利用网络资源,运用网络交流工具辅助英语写作教学,进一步促进资源共享,加强师生之间的互动,积极探索网络英语写作教学的新模式,全面提高学生的书面表达能力.     

正态分布随机Petri网的串并行结构化简

基于正态分布随机Petri网的串行和并行两种基本结构的化简开展研究,推导出在正态分布广义随机Petri网中化简串行模型的等价理论公式,即合成执行时间为各个变迁的执行时间之和,仍服从正态分布,并且合成均值等于所有变迁执行时间的均值之和,合成标准偏差等于所有变迁执行时间标准偏差的方和根。还提出了并行模型的模拟仿真计算方法,分析了两个并行变迁独立不同分布时的情况,并给出了近似估算公式,在公式中,均值较大的变迁权重较大。     

传统广告公司网络化运营策略思考——以江西三个广告公司楔入网络传播为例

本文以江西三个广告公司楔入网络传播案例为研究开端，认为媒体新发展导致传统广告公司市场价值链的裂变，传统广告公司对这种裂变有一个逐渐认识的过程。在此基础上对传统广告公司网络化运营的对外联姻类策略和对内拓展类策略做了初步探讨。     

高校网络德育的实效性及实践探索

高校网络德育在理论上有探索但没有完成，在实践上有尝试但没有成熟，其实效性也就更难以保证。高校网络德育的要件与一般意义的德育基本一致，而高校网络德育主体与客体的“分离性”与“间接性”决定了其实效性要件具有相对特殊性。从其特殊性出发，学校采取可行的措施，教师积极参与，主动介入并引导学生网络生活，适当开展网络德育活动，是提高网络德育实效性的一条比较可行的途径。     

东中西部地区农村居民收入比较研究

对我国东中西部地区农村居民人均纯收入总量及来源结构进行分析后发现,1999年中央实施西部大开发战略以来,东中西部地区之间的差距不仅没有缩小,反而呈扩大之势。从战略的高度讲,缩小区域农村之间差距主要应采取如下一些对策:以财政投资为主,着力普及农村十二年义务教育,重点发展农村职业技术教育;以“丰”字型的城市经济发展战略为轴心,加快农村剩余劳动力向城市转移的步伐;以中央财政为主,有计划分步骤地在中西部地区建立社会保障制度;以农业产业化为龙头,加快中西部地区非农产业发展;以增加农民收入为切入点,深化中西部地区农村税费改革;以统筹城乡发展为基调,走城乡协调发展的道路。     

伏羲文化内涵一说

伏羲文化的主要内涵是发明网罟、始制婚姻、始画八卦。发明网罟用于捕鱼打猎,带来生产力的大飞跃,关乎人的生存。始制婚姻用于规范两性关系,使两性关系脱离了动物界,关乎人类延续后代。始画八卦用于认识万事万物,使人类社会逐渐走出蒙昧时代,开启了通向文明时代的道路。伏羲文化主要内涵的价值具有根本性、普遍性和永恒性,伏羲是首位中华人文始祖。顾颉刚先生认为,伏羲是文明社会中的人们回溯古代社会,因而从理性上推演出来的一个古代社会的渔猎阶段。冯友兰先生认为,文化是一种有选择的积累。本文讨论伏羲文化的内涵,是以顾、冯两位先生的上述见解为前提的。     

现金流不确定状态下财务指标IRR的应用探析

内含报酬率是目前评价项目可行性的主要指标之一,在应用时都是建立在对现金净流量值给出确切估计的基础上,但在实际经营活动中现金净流量存在着很多不确定性,往往是不能确切地估计出来。在此基础上考虑了各期现金流是概率排序型、各期现金净流量值是一个区间数以及各期现金净流量满足特定的概率分布这三种不确定状态下的IRR应用情形,使其能够更加贴近现实,提高项目评估的准确性。     

Regression Methods for Combining Multiple Classifiers

As no single classification method outperforms other classification methods under all circumstances, decision-makers may solve a classification problem using several classification methods and examine their performance for classification purposes in the learning set. Based on this performance, better classification methods might be adopted and poor methods might be avoided. However, which single classification method is the best to predict the classification of new observations is still not clear, especially when some methods offer similar classification performance in the learning set. In this article we present various regression and classical methods, which combine several classification methods to predict the classification of new observations. The quality of the combined classifiers is examined on some real data. Nonparametric regression is the best method of combining classifiers.