【摘 要】
：
情境模型与问题模型是数学问题解决研究的两个重要概念,前者(又称心理模型)是解决者从日常生活角度对问题情境的质性理解,后者是基于问题图式知识对数量关系的表征。研究者对
论文部分内容阅读
情境模型与问题模型是数学问题解决研究的两个重要概念,前者(又称心理模型)是解决者从日常生活角度对问题情境的质性理解,后者是基于问题图式知识对数量关系的表征。研究者对二者关系持有不同看法。Van Dijk和Kintsch(1983)最先在文本阅读领域提出情境模型的概念,Kintsch和Greeno(1985)以此为基础在数学问题解决领域首次提出问题模型的概念,但未阐述二者的关系。后续研究者不断提升情境模型的重要性。Nathan,Kintsch和Young(1992)认为二者相互协作;Moreau和Coquin-Viennot(2003)通过调查解决者的信息选择类型证明了解决者的能力水平影响其对不同表征的使用;Thevenot,Devidal,Barrouillet和Fayol(2007)提出情境模型是提问前置提高解决成绩这一现象的原因;Thevenot(2010)直接对比心理模型理论与图式激活理论(Kintsch & Greeno,1985)在简单比较应用题中的有效性。通过梳理两种模型的争论历史,本文认为,二者的关系不能一概而论,受到解决者能力水平与任务难度及具体要求等多种因素的影响。
其他文献
针对马钢棒材净循环冷却水系统管道、设备的腐蚀情况,结合系统工艺,介绍了该循环水系统不停车清洗水质稳定技术的应用以及水质稳定效果评价.
氧化锌避雷器是保证电力系统安全运行的重要保护设备之一,主要用于限制由线路传来的雷电过电压或由操作引起的内部过电压,其缺陷故障可引起本体爆炸,危及整座变电站甚至电网
目前布料仿真所采用的布料模型主要是单一材质的,导致了布料的真实性和多样性没有得到很好体现。从布料材质的多样性角度出发,对Narain提出的自适应Remeshing方法进行改进和
在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询
根据声强测试原理,应用B&K 3560C便携式振动与噪声测试系统中的声强测试模块,对4190型柴油机的表面辐射噪声源进行识别。绘制了三维声强图,找出了该发动机的各个辐射面上的主要噪声源,并对其进行了排序,分析了这些噪声源的产生根源。提出了控制主要噪声源的一些建议,以便于进一步降低该柴油机的噪声水平。
针对防滑防振型结构胶合板的开发，探索采用阻尼涂料对意杨胶合板进行表面涂饰处理，以构建新型木基阻尼结构体系。试验了自由型和约束型两种阻尼结构，全面分析了阻尼涂饰意杨胶合
网络产品评论的情感分析对网络用户的日常购买行为有着重要的决策作用,因此,如何利用细粒化的处理方法提高情感分析的准确率,成为了 一个热门的研究话题.针对该问题提出一种
随着人工神经网络和数字处理技术的发展,从另一角度研究了一种不必增加光栅刻线,仅采用普通刻线的光栅(50刻线 mm),即可实现高精度、高分辨率的光栅测量技术,并用该技术设计了一个测量系统。系统以高速数字信号处理器(DSP)为核心硬件,用单输入单输出模糊小脑神经网络(SISOFCMAC)拟合出光栅信号,再利用FCMAC的泛化能力,实现对光栅信号的连续数字细分,提高光栅测量精度与分辨率。