52、技术算法与教育学习的多领域探索

技术算法与教育学习的多领域探索

1. HPR Greedy算法：影响力最大化的高效解决方案

在影响力最大化的研究中，HPR Greedy算法基于非均匀网络中的幂律影响分布被提出。从运行时间来看，在LT模型里，图11和图12显示HPR Greedy 01在NetHEPT和NetPHY上比Greedy算法分别快5倍和9倍。这表明HPR Greedy算法具有显著的效率优势。

与其他贪心算法相比，HPR Greedy算法在不损失影响力的情况下更加高效，尤其在大型社交网络中表现出色。而且，它在不同模型中具有良好的可扩展性。不过，要让HPR Greedy算法达到最佳性能，需要确定合适的比率r。当r过小时，算法的影响力会受损；当r过大时，算法效率会变差；极端情况下，当r = 100%时，它就退化为Greedy算法。这个比率还与节点数量、种子节点数量、模型影响因子等参数相关。

2. 数字摄影课程中的ICT学习态度研究

在教育领域，数字学习环境受到许多国家教育当局的推崇，信息与通信技术（ICT）融入学习和课程已成为现代教育的主要趋势。然而，对于ICT学习，研究者们看法不一。一方面，ICT融入教学和课程能激发学生的学习方式、自主学习、信息积累、小组学习以及与师生的互动；另一方面，也存在一些负面情况，如学生不愿改变、感到孤独等。

为了明确学生对网络学习环境的学习态度，开展了为期一学期的数字摄影实验课程。研究考察了5个因素：意识、沟通、有用性、学习动机和满意度。研究结果显示，满意度因素与成绩表现显著相关，但其他ICT应用和认知在本研究中可能不会带来高成绩。

2.1 ICT的发展现状与问题

互联网连接和传输构建了双向交