CN113630461B - 一种基于用户交互信任网络的在线协作学习用户分组方法 - Google Patents

一种基于用户交互信任网络的在线协作学习用户分组方法 Download PDF

Info

Publication number
CN113630461B
CN113630461B CN202110897794.6A CN202110897794A CN113630461B CN 113630461 B CN113630461 B CN 113630461B CN 202110897794 A CN202110897794 A CN 202110897794A CN 113630461 B CN113630461 B CN 113630461B
Authority
CN
China
Prior art keywords
user
group
learning
platform
trust
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110897794.6A
Other languages
English (en)
Other versions
CN113630461A (zh
Inventor
周一峰
林诗超
赵琦
蒋嶷川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110897794.6A priority Critical patent/CN113630461B/zh
Publication of CN113630461A publication Critical patent/CN113630461A/zh
Application granted granted Critical
Publication of CN113630461B publication Critical patent/CN113630461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/185—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast with management of multicast group membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/48—Routing tree calculation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1044—Group management mechanisms 

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于用户交互信任网络的在线协作学习用户分组方法，主要包括以下步骤：(1)在线协作学习平台的用户交互信任网络构建；(2)基于斯坦纳树的协作学习小组初始化；(3)基于交互信任网络局部搜索的用户分组。本发明解决了在线协作学习平台中考虑交互信任关系对学习效用影响的用户组队问题，与现有技术相比能够有效利用用户交互信任网络对协作学习小组中的用户效用进行评估，提高平台中用户协作学习效用，减小协作学习小组在用户数量及学习效用上的组间差距，提高协作学习平台用户分组的组间公平性。

Description

一种基于用户交互信任网络的在线协作学习用户分组方法
技术领域
本发明属于在线学习(E-Learning)技术领域，具体涉及基于用户交互信任网络的在线协作学习用户分组方法。
背景技术
随着网络信息技术的快速发展，在线协作学习平台作为计算机支持的协作学习领域的一个热点方向发展迅速；由于其教学模式灵活，在高校、中小学及其他教育机构的各类线上教学活动中被快速推广。现阶段由于网络协作学习环境不断融入快速发展的社交平台与移动网络技术，涌现了大量以社交平台及移动应用为媒介的新型在线协作学习环境；在享有模式灵活、资源丰富优势的同时，在线协作学习平台也逐渐面临复杂的协作学习环境构建问题，其直接影响用户参与协作学习的综合效用，对于协作学习中的智能决策技术提出了新的要求。
协作学习是学习者以小组形式通过交互协作完成学习任务以共同达到特定学习目标的一种学习模式，能够使学习者在交互协作中完成知识建构，促进进一步的高级认知活动，并最终提高协作任务相关技能的水平。学习者(即在线协作学习平台中的用户)的分组技术是在线协作学习平台的一个核心问题；协作学习小组的不同用户组合及其导致的小组中用户交互网络差异将直接影响用户的协作学习效用。目前网络协作学习平台的用户分组除了依赖于用户偏好或平台中教学组织人员的主观经验进行组队，越来越多地依赖于协作平台所能提供的分组服务技术。
现阶段在线协作学习平台通常采用面向指定协作学习小组成员数量(譬如3人一组、5人一组等)或小组成员属性异质性(譬如成员的能力分布异质性、性别异质性或偏好异质性等)的用户分组技术。上述方案在进行协作学习平台中的用户分组时，常常忽略了协作学习小组内用户间的交互信任关系对用户学习效用的影响(用户学习效用具体指能力水平提升程度)，而当前已有相关工作指出学习者间的交互信任关系会显著影响协作学习中的用户学习效用。因此上述协作学习用户分组方案会导致分组后平台中用户总体学习效用低，不同小组间用户数量及学习效用不平衡等问题。针对以上问题，本发明考虑用户交互信任网络进行用户学习效用评估，并基于此实现面向全平台学习效用及组间平衡性优化的用户分组。
发明内容
技术问题：本发明针对现有技术不足，提出了一种基于用户交互信任网络的在线协作学习用户分组方法，该方法能够考虑协作学习用户间交互信任关系对用户学习效用的影响，实现在线协作学习平台中用户分组，达到全平台协作学习效用的优化与组间平衡。
技术方案：
为了实现上述发明目的，本发明采取“用户交互信任网络构建-协作学习小组初始化-协作学习用户分组”的总体技术构架，包含以下步骤：
步骤1：基于在线协作学习平台的用户协作过程数据，构建用户交互信任网络。
步骤2：考虑用户能力要素进一步构建用户交互信任增强网络，并通过斯坦纳树方法实现协作学习小组初始化。
步骤3：协作学习小组进行交互信任网络的局部搜索，实现小组成员增补并完成协作学习用户分组。
所述步骤(1)中的在线协作学习平台用户交互信任网络构建，具体包括以下步骤：
(1.1)从协作学习平台中获取用户协作过程历史数据，包括用户对其参与的协作小组的评分、用户对其存在交互历史的用户评分；
(1.2)通过(1.1)获取的协作过程历史数据，评估平台用户间的交互信任关系；任意平台用户间的交互信任关系计算方法如下：
Figure BDA0003198553300000021
其中wij为用户i对用户j的信任强度，Gij及|Gij|为用户i与用户j已共同参与的协作学习小组集合及数量，
Figure BDA0003198553300000022
为用户i对协作学习小组Gx的效用评分，
Figure BDA0003198553300000023
为用户i在协作学习小组Gx中对用户j的评分。
(1.3)构建用户交互信任网络TN＝<A,W>,其中A为平台用户集合，W为平台用户间的交互信任关系集合。
所述步骤(2)中的基于斯坦纳树的协作学习小组初始化，具体包括以下步骤：
(2.1)针对协作学习平台所关注的能力集合分别构建领先用户集。针对指定能力集合的领先用户集构建方式如下：初始化针对协作学习平台所指定的某种用户能力sx∈S的领先用户集A(sx),此时该集合为空集；随后将平台中针对sx能力水平最高的d个用户加入领先用户集A(sx)，其中d为期望协作学习小组数量。
(2.2)针对(2.1)中平台指定的用户能力集合S，构建用户交互信任增强网络。其具体构建方式如下：在平台用户交互信任网络TN中加入|S|个虚拟节点；每个虚拟节点x与能力sx的领先用户集包含的各节点建立双向连接，权值即交互信任关系设置为负数(譬如-100)。
(2.3)在(2.2)构建的用户交互信任增强网络基础上，完成预期d个协作学习小组初始化。具体初始化方式如下，为每个协作学习小组随机指定一个初始虚拟节点x加入该小组技能虚拟集合
Figure BDA0003198553300000031
随后按照虚拟节点与协作学习小组信任距离最短为原则，不断为协作学习小组技能虚拟集合加入新的虚拟节点；在加入虚拟节点的同时，将信任路径中的成员加入协作学习小组成员集合
Figure BDA0003198553300000032
若信任增强网络包含的虚拟节点x均已加入协作学习小组技能虚拟集合
Figure BDA0003198553300000033
或预期协作小组成员数量大于群组成员规定数量则停止该循环。
虚拟节点与协作学习小组信任距离定义如下，式中
Figure BDA0003198553300000034
表示从x到aj的所有可行路径集合。
Figure BDA0003198553300000035
Figure BDA0003198553300000036
所述步骤(3)中的基于交互信任网络局部搜索的用户分组，具体包括以下步骤：
(3.1)在步骤(2)的协作学习小组初始化基础上，对各小组实现成员增补。具体初始化方式如下：首先对系统中各协作学习小组成员按照小组邻居数量
Figure BDA0003198553300000037
进行升序排序，小组邻居
Figure BDA0003198553300000038
的具体定义如下。
Figure BDA0003198553300000039
小组邻居数量少的小组优先从小组邻居
Figure BDA00031985533000000310
中采用贪心策略选择一个用户au加入小组，各小组轮流执行以上步骤直至待添加用户集合为空集。此处的贪心策略具体指加入该成员后，小组Gx的预期收益U(Gx∪au)最大，其中协作学习小组预期收益定义如下。
Figure BDA00031985533000000311
Figure BDA00031985533000000312
其中
Figure BDA00031985533000000313
为协作学习小组Gx中在能力x上的领先用户，
Figure BDA00031985533000000314
为
Figure BDA00031985533000000315
在能力x上的能力水平。
有益效果：
(1)在线协作学习平台的用户分组中，考虑用户间交互信任关系对用户学习效用的影响，并通过斯坦纳树及贪心策略实现小组初始化及用户分组，提高平台用户总体学习效用。
(2)在协作学习小组初始化中采用的斯坦纳树方法能够有效平衡各协作学习小组用户能力分布；在随后的小组成员贪心选择中考虑各协作小组交互信任网络局部邻居数量差异，能够有效降低小组成员数量的不平衡性；最终在协作学习小组的用户学习效用与成员数量上，提高平台中的协作学习小组组间公平性。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
一种基于用户交互信任网络的在线协作学习用户分组方法，如图1所示描述了本发明的主要流程。首先是协作学习平台用户交互信任网络构建，主要包括用户间交互信任关系的评估与用户信任网络构建；其次是基于斯坦纳树的协作学习小组初始化，主要包括面向指定能力的领先用户集构建、用户交互信任增强网络构建与协作学习小组初始成员选择；最后是基于交互信任网络局部搜索的用户分组，在协作学习小组初始化基础上，对各小组实现成员增补。
本发明的一种基于用户交互信任网络的在线协作学习用户分组方法，包括以下步骤：
(1)在线协作学习平台用户交互信任网络构建；
(2)基于斯坦纳树的协作学习小组初始化；
(3)基于交互信任网络局部搜索的用户分组。
所述步骤(1)中的在线协作学习平台用户交互信任网络构建，具体包括以下步骤：
(1.1)从协作学习平台中获取用户协作过程历史数据，包括用户对其参与的协作小组的评分、用户对其存在交互历史的用户评分；
(1.2)通过(1.1)获取的协作过程历史数据，评估平台用户间的交互信任关系；任意平台用户间的交互信任关系计算方法如下：
Figure BDA0003198553300000051
其中wij为用户i对用户j的信任强度，Gij及|Gij|为用户i与用户j已共同参与的协作学习小组集合及数量，
Figure BDA0003198553300000052
为用户i对协作学习小组Gx的效用评分，
Figure BDA0003198553300000053
为用户i在协作学习小组Gx中对用户j的评分。
(1.3)构建用户交互信任网络TN＝<A,W>,其中A为平台用户集合，W为平台用户间的交互信任关系集合。
所述步骤(2)中的基于斯坦纳树的协作学习小组初始化，具体包括以下步骤：
(2.1)针对协作学习平台所关注的能力集合分别构建领先用户集。针对指定能力集合的领先用户集构建方式如下：初始化针对协作学习平台所指定的某种用户能力sx∈S的领先用户集A(sx),此时该集合为空集；随后将平台中针对sx能力水平最高的d个用户加入领先用户集A(sx)，其中d为期望协作学习小组数量。
(2.2)针对(2.1)中平台指定的用户能力集合S，构建用户交互信任增强网络。其具体构建方式如下：在平台用户交互信任网络TN中加入|S|个虚拟节点；每个虚拟节点x与能力sx的领先用户集包含的各节点建立双向连接，权值即交互信任关系设置为负数(譬如-100)。
(2.3)在(2.2)构建的用户交互信任增强网络基础上，完成预期d个协作学习小组初始化。具体初始化方式如下，为每个协作学习小组随机指定一个初始虚拟节点x加入该小组技能虚拟集合
Figure BDA0003198553300000054
随后按照虚拟节点与协作学习小组信任距离最短为原则，不断为协作学习小组技能虚拟集合加入新的虚拟节点；在加入虚拟节点的同时，将信任路径中的成员加入协作学习小组成员集合
Figure BDA0003198553300000055
若信任增强网络包含的虚拟节点x均已加入协作学习小组技能虚拟集合
Figure BDA0003198553300000056
或预期协作小组成员数量大于群组成员规定数量则停止该循环。
虚拟节点与协作学习小组信任距离定义如下，式中
Figure BDA0003198553300000057
表示从x到aj的所有可行路径集合。
Figure BDA0003198553300000058
Figure BDA0003198553300000059
所述步骤(3)中的基于交互信任网络局部搜索的用户分组，具体包括以下步骤：
(3.1)在步骤(2)的协作学习小组初始化基础上，对各小组实现成员增补。具体初始化方式如下：首先对系统中各协作学习小组成员按照小组邻居数量
Figure BDA0003198553300000061
进行升序排序，小组邻居
Figure BDA0003198553300000062
的具体定义如下。
Figure BDA0003198553300000063
小组邻居数量少的小组优先从小组邻居
Figure BDA0003198553300000064
中采用贪心策略选择一个用户au加入小组，各小组轮流执行以上步骤直至待添加用户集合为空集。此处的贪心策略具体指加入该成员后，小组Gx的预期收益U(Gx∪au)最大，其中协作学习小组预期收益定义如下。
Figure BDA0003198553300000065
Figure BDA0003198553300000066
其中
Figure BDA0003198553300000067
为协作学习小组Gx中在能力x上的领先用户，
Figure BDA0003198553300000068
为
Figure BDA0003198553300000069
在能力x上的能力水平。

Claims (1)

1.一种基于用户交互信任网络的在线协作学习用户分组方法，其特征在于，包括以下步骤：
(1)在线协作学习平台用户交互信任网络构建；
(2)基于斯坦纳树的协作学习小组初始化；
(3)基于交互信任网络局部搜索的用户分组；
所述步骤(1)中的在线协作学习平台用户交互信任网络构建，具体包括以下步骤：
(1.1)从协作学习平台中获取用户协作过程历史数据，包括用户对其参与的协作小组的评分、用户对其存在交互历史的用户评分；
(1.2)通过(1.1)获取的协作过程历史数据，评估平台用户间的交互信任关系；任意平台用户间的交互信任关系计算方法如下：
Figure FDA0003631841510000011
其中wi,j为用户i对用户j的信任强度，Gij及|Gij|为用户i与用户j已共同参与的协作学习小组集合及数量，
Figure FDA0003631841510000012
为用户i对协作学习小组Gx的效用评分，
Figure FDA0003631841510000013
为用户i在协作学习小组Gx中对用户j的评分；
(1.3)构建用户交互信任网络TN＝<A,W>,其中A为平台用户集合，W为平台用户间的交互信任关系集合；
所述步骤(2)中的基于斯坦纳树的协作学习小组初始化，具体包括以下步骤：
(2.1)针对协作学习平台所关注的能力集合分别构建领先用户集；针对指定能力集合的领先用户集构建方式如下：初始化针对协作学习平台所指定的某种用户能力sx∈S的领先用户集A(sx),此时该集合为空集；随后将平台中针对sx能力水平最高的d个用户加入领先用户集A(sx)，其中d为期望协作学习小组数量；
(2.2)针对(2.1)中平台指定的用户能力集合S，构建用户交互信任增强网络；其具体构建方式如下：在平台用户交互信任网络TN中加入|S|个虚拟节点；每个虚拟节点x与能力sx的领先用户集包含的各节点建立双向连接，权值即交互信任关系设置为负数；
(2.3)在(2.2)构建的用户交互信任增强网络基础上，完成预期d个协作学习小组初始化；具体初始化方式如下：为每个协作学习小组随机指定一个初始虚拟节点x加入该小组技能虚拟集合
Figure FDA0003631841510000014
随后按照虚拟节点与协作学习小组信任距离最短为原则，不断为协作学习小组技能虚拟集合加入新的虚拟节点；在加入虚拟节点的同时，将信任路径中的成员加入协作学习小组成员集合
Figure FDA0003631841510000015
若信任增强网络包含的虚拟节点x均已加入协作学习小组技能虚拟集合
Figure FDA0003631841510000021
或预期协作小组成员数量大于群组成员规定数量则停止循环；
虚拟节点与协作学习小组信任距离定义如下；式中
Figure FDA0003631841510000022
表示从x到aj的所有可行路径集合；
Figure FDA0003631841510000023
Figure FDA0003631841510000024
所述步骤(3)中的基于交互信任网络局部搜索的用户分组，具体包括以下步骤：
(3.1)在步骤(2)的协作学习小组初始化基础上，对各小组实现成员增补；具体初始化方式如下：首先对系统中各协作学习小组成员按照小组邻居数量
Figure FDA0003631841510000025
进行升序排序，小组邻居
Figure FDA0003631841510000026
的具体定义如下：
Figure FDA0003631841510000027
小组邻居数量少的小组优先从小组邻居
Figure FDA0003631841510000028
中采用贪心策略选择一个用户au加入小组，各小组轮流执行以上步骤直至待添加用户集合为空集；此处的贪心策略具体指加入该成员后，小组Gx的预期收益U(Gx∪au)最大，其中协作学习小组预期收益定义如下：
Figure FDA0003631841510000029
Figure FDA00036318415100000210
其中
Figure FDA00036318415100000211
为协作学习小组Gx中在能力x上的领先用户，
Figure FDA00036318415100000212
为
Figure FDA00036318415100000213
在能力x上的能力水平。
CN202110897794.6A 2021-08-05 2021-08-05 一种基于用户交互信任网络的在线协作学习用户分组方法 Active CN113630461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110897794.6A CN113630461B (zh) 2021-08-05 2021-08-05 一种基于用户交互信任网络的在线协作学习用户分组方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110897794.6A CN113630461B (zh) 2021-08-05 2021-08-05 一种基于用户交互信任网络的在线协作学习用户分组方法

Publications (2)

Publication Number Publication Date
CN113630461A CN113630461A (zh) 2021-11-09
CN113630461B true CN113630461B (zh) 2022-06-24

Family

ID=78382977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110897794.6A Active CN113630461B (zh) 2021-08-05 2021-08-05 一种基于用户交互信任网络的在线协作学习用户分组方法

Country Status (1)

Country Link
CN (1) CN113630461B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1829158A (zh) * 2005-02-18 2006-09-06 阿尔卡特公司 受管理的多播虚拟专用局域网树的结构及供应工具
CN111709640A (zh) * 2020-06-15 2020-09-25 浙江大学 一种针对教育场景的特征均衡智能分组方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011088412A1 (en) * 2010-01-15 2011-07-21 Apollo Group, Inc. Dynamically recommending learning content
US9940606B2 (en) * 2013-10-30 2018-04-10 Chegg, Inc. Correlating jobs with personalized learning activities in online education platforms

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1829158A (zh) * 2005-02-18 2006-09-06 阿尔卡特公司 受管理的多播虚拟专用局域网树的结构及供应工具
CN111709640A (zh) * 2020-06-15 2020-09-25 浙江大学 一种针对教育场景的特征均衡智能分组方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Group-Oriented Task Allocation for Crowdsourcing in Social Networks;Jiuchuan Jiang at al.;《IEEE Transactions on Systems, Man, and Cybernetics: Systems 》;20190828;全文 *
社会网络中的团队形成问题研究综述;黄健斌等;《软件学报》;20161124;全文 *

Also Published As

Publication number Publication date
CN113630461A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
Liu Research on the teaching quality evaluation of physical education with intuitionistic fuzzy TOPSIS method
CN108830478B (zh) 一种面向众包任务处理的团队推荐方法
CN110120888B (zh) 一种云众包平台海量服务资源组合优化方法与系统
CN102819769A (zh) 一种基于集成化建模的个性化学习资源优化方法
CN109121105A (zh) 基于马尔可夫博弈的运营商竞争切片强化学习方法
CN114139453A (zh) 基于分组学习粒子群优化的众包软件项目调度方法及介质
Cardullo et al. Living Labs, vacancy, and gentrification
CN113630461B (zh) 一种基于用户交互信任网络的在线协作学习用户分组方法
Hespanhol et al. Surrogate Optimal Control for Strategic Multi-Agent Systems
Wenjing Modeling method and application of college comprehensive teaching mode based on artificial intelligence
Yan et al. Sustainability-oriented social innovation design: The value of Co-creation
Shi The multi-factor action mechanism of knowledge flow on collaborative innovative learning platforms for college students
OuYang et al. Design of automated Course Scheduling system based on hybrid genetic algorithm
Smith et al. “Getting Better at Getting Better”: A Connectivist Approach to Building a Community of CSEd Graduate Students
Kudo et al. Translocal learning approach: facilitating knowledge exchanges across communities with different localities
Frenzel et al. Globalization from below? ICTs and democratic development in the project “Indymedia Africa”
Garrido The Latin American and Caribbean higher education institutions, and the international entrepreneuship training. New oportunities with institutional networking and Open Education approach
Nabila et al. IMPACT OF CREATIVE TOURISM DEVELOPMENT ON CONDITIONS SOCIO-ECONOMIC LOCAL COMMUNITIES IN DAGO POJOK TOURISM VILLAGES
CN112988380B (zh) 一种基于Kubernetes的集群负载调节方法及存储介质
Kurniawan Post-Covid-19 Msme Business Incubation Model Development in Madura
Mccarthy The ecology of InnovaTIon
Ahmadi et al. Multiobjective Line Balancing Game: Collaboration and Peer Evaluation
Chen Asynchronicity and learning in cost sharing mechanisms
Zhou Discussion on the current situation and quality evaluation model of online course teaching in universities based on social network analysis
Alaterou Case study: Arup–Melbourne, Australia

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant