36、数学乐园:现实世界中的建构主义数学学习

混合现实应用“数学乐园”助力建构主义数学学习

数学乐园:现实世界中的建构主义数学学习

1. 引言

数学体验是日常生活中固有的,但数学教育大多局限于教科书。数学焦虑是一个普遍的问题,它并不是一个人的实际能力,而是感知能力阻碍了他们在数学上的卓越表现。数学焦虑导致科学、技术、工程和数学(STEM)领域的高辍学率,特别是对女性来说,她们在上完数学课后更有可能退出STEM领域。数学焦虑可以归因于数学教学的方式,使用对学生来说没有内在意义的抽象符号,以惩罚的方式进行教学,使得数学变成一种惩罚,以及作为一套需要记忆的规则而不是去理解。为了改变这种现状,我们构建了一个混合现实应用程序——数学乐园,通过交互式的数学概念增强物理世界,以实现在现实世界中的建构主义数学学习。使用数学乐园,人们可以协作探索、体验和实验数学现象,以有趣、应用和探索的方式。我们的初步研究表明,数学乐园不仅具有吸引力(83%),而且在协作学习(92.8%)、问题解决(96.6%)和数学教育(90%)方面也具有成效。

2. 建构主义学习理论与背景

教育环境在过去几年中逐渐发生了变化,教育逐渐转向学习,强调学习者。主动学习、体验学习和基于发现的学习方法与建构主义学习理论有关,该理论认为学习者通过观察构建知识。西摩·帕普特提出了以项目为基础的学习,作为他建构主义学习理论的核心,建议学习者在从事有意义的项目工作时构建他们的知识。建构主义学习允许进行有趣、探索性和应用型学习,并被认为对数学学习有希望。

数学乐园整合了建构主义、基于模拟和游戏化的学习方法,但与计算机屏幕或虚拟现实世界不同,数学乐园允许通过虚拟注释和模拟在现实世界中进行数学学习。混合现实(MR)允许我们用虚拟对象和注释增强物理世界,使学习者能够在现实世界中探索和实验数学。因此,数学乐园作为用户

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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