36、多元学生团队中敏捷估算学习及教育机器人的思考

多元学生团队中敏捷估算学习及教育机器人的思考

在当今的教育领域,数字化技术正深刻地改变着学习的方式和内容。一方面,以“Planning poker with NAO”为代表的游戏化学习活动在学生敏捷估算学习中展现出独特的魅力;另一方面,教育机器人在儿童编程教育方面也有着巨大的潜力。下面我们将详细探讨这两个方面的内容。

一、“Planning poker with NAO”游戏化学习活动

在针对学士和硕士学生的两项试点研究中,开展了“Planning poker with NAO”这一基于游戏的学习活动。研究围绕学生对人形机器人NAO作为规划扑克游戏促进者的看法、与敏捷估算相关的学习成果自我评估,以及文化差异对学生对机器人和学习成果看法的可能影响展开。

  1. 不同维度的统计分析
    • 文化背景维度 :将学生按欧洲和非欧洲背景分组(组2,n = 9),对HRIES量表及其他与NAO机器人认知和学习成果自我评估相关的项目进行独立样本t检验。分析发现,仅在将NAO机器人视为可能朋友的认知上存在统计学显著差异(p = .037)。欧洲背景的学生对与NAO机器人交朋友的可能性评分略高(M = 2.80,SD = 1.609),而非欧洲背景学生的评分(M = 2.87,SD = .972)稍低。
    • 学习项目维度 :针对学习项目(数字商业学士/工程硕士)进行独立样本t检验,旨在确定不同学习项目的学生在基于HRIES量表对NAO的认知以及学习成果达成方面是否存在显著差异。结果显示,仅在“理解机器人如何运作”这一学习成果上存在统
【EI复现】基于主从博弈的新型城镇配电系统产消者竞价策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于主从博弈理论的新型城镇配电系统中产消者竞价策略的研究,结合IEEE33节点系统,利用Matlab进行仿真代码实现。该研究聚焦于电力市场环境下产消者(既生产又消费电能的主体)之间的博弈行为建模,通过构建主从博弈模型优化竞价策略,提升配电系统运行效率与经济性。文中详细阐述了模型构建思路、优化算法设计及Matlab代码实现过程,旨在复现高水平期刊(EI收录)研究成果,适用于电力系统优化、能源互联网及需求响应等领域。; 适合人群:具备电力系统基础知识和一定Matlab编程能力的研究生、科研人员及从事能源系统优化工作的工程技术人员;尤其适合致力于电力市场博弈、分布式能源调度等方向的研究者。; 使用场景及目标:① 掌握主从博弈在电力系统产消者竞价中的建模方法;② 学习Matlab在电力系统优化仿真中的实际应用技巧;③ 复现EI级别论文成果,支撑学术研究或项目开发;④ 深入理解配电系统中分布式能源参与市场交易的决策机制。; 阅读建议:建议读者结合IEEE33节点标准系统数据,逐步调试Matlab代码,理解博弈模型的变量设置、目标函数构建与求解流程;同时可扩展研究不同市场机制或引入不确定性因素以增强模型实用性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值