在线学习系统应用效果研究

本文描述的中国移动广东公司在线学习U-learning系统,构建了包含价值定位、价值创造和价值传递在内的在线学习价值链研究模型,并选取中国移动服务厅营销经理为例,采用柯氏四级评估的方法对在线学习的应用效果进行了研究分析;同时,结合效果评估的情况,对在线学习的策略进行了详细的分析,明确了移动学习、社交学习、碎片学习等现在和将来企业在线学习领域需要重点把握的方法。     

C2C在线交易系统的标准信誉模型研究

本文从信誉标度方法和信誉集结方法两个角度对现有主要信誉模型进行了研究,提出了一种基于均值法的信誉模型——标准信誉模型,深入分析了模型的信誉标度、信誉评价可信度以及历史信誉评价可信度等影响因子,并运用系统仿真的方法对其可用性进行了研究。该模型将所有用户的信誉值统一到同一个标准,使不同用户以及同一用户不同时期的信誉状况具备了可比性,使在线信誉系统能够更好地发挥作用,从而促进在线交易的发展。     

基于透镜模型的在线口碑传播的有效性研究

  当前国内外研究多数探讨在线口碑传播的动机、效果和影响因素等,而这些探讨是基于在线口碑传播接收者可以有效接收口碑发送者信息假设基础上的,如果假设不成立,那么针对接收者的研究也就难以成立,因此研究在线口碑传播的有效性这一问题十分有必要。         无论从口碑发送者的传播目的,还是从口碑接收者的感知能力的角度看,在线口碑传播的有效性取决于诸多不确定因素。基于BRUNSWIK透镜模型理论,建立在线口碑传播模型,探讨在模型的编码、传播、解码过程中,在线口碑接收者能否有效感知到发送者想要传播的态度和情绪。同时,提出自动文本分析方法产生的语言指标简化近端线索和远端线索的识别。基于在线口碑传播模型及其简化模型提出相关假设,通过问卷调查获得口碑发送者和接收者的实验数据,并运用自动文本分析方法将口碑发送者的评论生成语言指标,利用Spss和Lisrel进行统计分析和模型修正。         研究结果表明,在线口碑发送者的传播目的可以有效地被接收者感知,且显著影响接收者的态度、情绪和购买意愿,但口碑接收者对感知积极情绪持谨慎态度;确定了在有效在线口碑传播过程中发送者的远端线索和接收者的近端线索,得出9个可靠的传播线索;语言指标比星级评价能更好地解释在线口碑参与者的态度和情绪;初步证明语言指标可以代替远端线索和近端线索,利用自动文本分析方法可以简化对在线口碑参与者的态度和情绪的预测。         传播线索可以提高产品或服务质量,与星级评价相比,更要注意文本评论的重要影响,可利用文本分析方法监测在线口碑状态,以了解产品或服务的质量水平,研究结果对企业实践具有一定的指导意义。     

考虑订单类型的两台平行批处理机在线调度模型研究

探讨了两台平行批处理机的调度决策问题,着重考虑了订单具有不同加工类型、同一批次只能加工相同类型的订单以及机器批容量有限的调度情形。针对订单实时到达且需要立即决策是否接受的实际情景,运用在线理论构建了平行机批调度在线模型。证明了该问题的竞争比下界为2Bw/（1+√Bw）,其中B和w分别表示批容量和单个订单的最大完工收益。进而设计给出了收益阈值算法PT并证明其对于订单具有紧交货期限的情形竞争比为2（1+Bw）/（1+√Bw）;对于非紧交货期限的情形,证明了修正的PT算法具有竞争比为1+2（1+Bw）/（1+√Bw）。     

COVID-19背景下基于IMB模型的中老年人在线健康信息搜寻行为影响机制研究

COVID-19对中老年人的健康造成了巨大冲击,疫情期间中老年人对于健康信息的需求及在线健康信息搜寻行为的频率显著增加。为探究COVID-19背景下,中老年人在线健康信息搜寻行为的内在机理和影响因素,本文基于信息-动机-行为技巧模型(IMB模型),选择COVID-19健康知识、自我感知老化、自我效能、感染人数、隔离程度和在线健康信息搜寻行为6个变量构建结构方程模型,通过收集到的350份有效问卷,进行了实证研究。研究结果表明,除了3条调节效应的假设不成立外,其余5条假设均成立。本研究为今后在突发公共卫生事件中解释中老年人的在线健康信息搜寻行为提供了依据。     

基于知识采纳模型和多层感知机神经网络的评论有用性识别研究

移动互联网、社交媒体平台及电子商务的迅速发展,产生了大量的用户评论,其商业价值凸显,如何有效识别用户评论的有用性成为重要研究主题。本文提出基于知识采纳模型(Knowledge Adoption Model, KAM)理论和多层感知机(Multilayer Perceptron, MLP)神经网络的分类算法对评论文本进行有用性识别。该算法根据知识采纳模型理论从评论质量和评论来源可信度两方面进行评论有用性识别的特征提取：利用先验领域知识词典构造领域词占比、停用词占比等评论质量方面的特征,有效解决了特定领域评论存在的领域知识壁垒问题;根据评论作者的粉丝数、作者获赞数等信息构建评论来源可信度方面的特征。为了验证本文所提方法的识别效果,本文采用知乎论坛中医相关评论数据进行实验;实验结果表明,本文提出的方法能有效提高在线评论有用性的分类效果,提高了可解释性。     

在线知识社区中用户付费行为的发展轨迹:基于潜类别增长模型的研究

在线知识社区内知识付费产品得以发展的关键因素在于用户付费行为的持续性。但是,用户的付费意愿和付费行为,在与知识产品以及社区交互的过程中会发生改变。因此,了解用户付费行为随时间的动态变化规律至关重要。本研究利用潜类别增长模型对社区内用户的付费行为进行纵向分析,刻画用户付费行为的发展轨迹,并根据发展轨迹的异质性识别社区内存在的用户亚群(谨慎型用户、领先型用户和学习型用户)。研究结果有助于管理者理解付费知识社区中不同亚群用户的角色、行为特征和演化特点,优化管理策略。     

混合式教学模式下基于概率神经网络的学生学习评价模型研究

随着各种网络学习平台的不断发展,混合式教学模式已经成为高校普遍采用的一种教学模式。如何在混合式教学模式下,对学生进行过程化、多样化、科学化的学习评价至关重要。本文构建了涵盖线上、线下由13个指标组成的学习评价指标体系,建立了基于PNN神经网络的学习评价模型,以学生学习行为数据为样本进行了仿真实验。仿真实验结果表明,本文方法在对学生进行学习评价时可以为教师提供有效的参考依据。