基于LOM的知识模型与个性化学习控制
基于XML的教育资源元数据描述
基于XML的教育资源元数据描述摘要：教育资源建设是教育信息化的重要主题，本文首先阐述了教育资源建设的现状、国内外教育资源建设标准，在介绍国内资源标准化规范的基础上提出了基于LOM规范的教育资源标准化问题。
其次，从整体上叙述了学习对象元数据的描述方法和描述工具。
关键词：教育资源；学习对象元数据；描述方法；描述工具一、学习对象元数据及分层描述机制学习对象，指的是在任何学习行为中可以被使用、重用或是引用的任何的实体。
所谓元数据就是描述数据的数据，是对数据本身的描述。
LOM学习对象元数据，主要用于描述学习对象的属性，如学习对象的名称、格式、教学目的等。
在LOM规范中，为了资源的共享和互操作性，学习对象元数据格式应该是一致的，有相同的语义模型和绑定方法。
可以描述学习对象元数据的工具——扩展标记语言XML （Extensible Markup Language）与HTML一样，是SGML（Standard Generalised Markup Language——标准通用型标记语言），1996年由W3C XML工作组开发成功，1998年10月成为XML 1.0版。
XML的目标是使通用SGML在网上可以通过HTML 来实现。
因为XML是一种半结构化的语言，且具有良好的扩展性和结构化的数据形式，现在已成为各个领域数据、描述信息的载体。
LOM定义了一个层次结构的概念模型，层次结构的模型可以方便的表示包含许多元素和子元素的数据。
XML文档就是层次结构的，它由元素组成，元素也可以有自身的内容和属性。
因此，XML成为远程教学中描述学习对象元数据及其内容结构的一个很好的语言。
在CELTS-32标准中就制定了XML绑定子规范。
规范提供了对教育资源属性进行XML标记的格式约束，提供编写相应DTD文档或Schema文档的依据。
综合LOM规范和教育资源建设技术规范可以发现，在LOM规范中，所有的数据元素被分为两类：必需数据元素和可选数据元素。
现代远程教育资源建设技术规范--教育部
现代远程教育资源建设技术规范（试行）教育部现代远程教育资源建设委员会二ＯＯＯ年五月目录关于规范的说明1. 前言*2. 国外研究资源建设标准的现状*1．LOM模型*2．Dublin core *3. 现代远程教育资源系统体系结构*现代远程教育资源建设技术规范1. 术语定义*1.1媒体素材*1.2题库*1.3案例*1.4课件与网络课件*1.5网络课程*2. 媒体素材*2.1总则*2.2文本素材*2.3 图形（图像）素材* 2.4 音频素材*2.5 视频素材*2.6 动画素材*3. 题库*3.1 理论模型*3.2 试题组织*3.3 试题的分布结构* 3.4 试题质量要求* 3.5 试题的参数标注* 3.6 试题的抽样测试* 3.7 网络题库基本功能*3.8 题库运行环境要求*4. 网络课件库* 4.1体系*4.2 软件的功能要求* 4.3 设计原则*4.4 输入／输出标准* 4.5 运行的平台要求* 4.6 开发的要求*4.7 提交的产品要求*4.8 软件的属性标准*5. 案例库*5.1编写要求*5.2 案例组成*5.3属性标注*6. 文献资料库*6.1入选的文献资料必须符合如下要求之一*6.2属性标注*7. 网络课程*7.1基本要求*7.2 课程教学内容*7.3 课程导航*7.4 教学活动设计*7.5 教学设计原则与开发要求*7.6 基本教学环境设计*7.7 网络课程的属性描述*8. 教学支持系统功能要求*8.1授课系统*8.2 适应性学习系统*8.3 辅导答疑系统*8.4作业发布、批阅系统*8.5 网络题库系统*8.6 远程考试及评价系统*8.7师生交流工具*8.8虚拟实验环境*8.9 远程教学管理系统*8.10 教育科研搜索引擎*8.11 教学资源编辑制作工具及管理系统*8.12 远程教学评价系统*9. 管理系统功能要求*9.1 系统设计原则*9.2 教学资源库的管理*9.3 远程教育的系统管理*10．数据结构说明*10.１结构类型*10.2编码类型*关于规范的说明1. 前言实施现代远程教育工程形成开放式教育网络，构建终身学习体系，是充分利用和优化我国教育资源，普及与提高全民素质，降低教育成本与让全民享有充分受教育权利的一次重大工程。
个性化教学认知风格模型与测量
５１
探
索
与
实
践
多项研究得出十分相近的结果 ! Ｚｙｗ ｎｏ， ２００３" # 表 ４． １ 给 出 了 对 工 程 专 业 学 生 进 行 Ｆｅｌｄｅｒ－ Ｓｏｌｏｍａｎ 的学习风格量表测试结果的分布 $
值 #而活跃型和序列型则稍低 $ 见图 ４． １ 所示 $
表 !"# 工程专业学生 $%&’%()*+&+,-. 的学习 风格量表测试结果分布 !三 " 修订后的 !"#$"% 模型的实验 由于国内的学生文化背景 % 教育环境和教学方 法的差异 #在使用 Ｆｅｌｄｅｒ－ Ｓｏｌｏｍａｎ 的学习风格量表 测试时 # 首先对量表进行了一定的修订 # 以适合国内 学生情况 $ 在修订过程中主要考虑两个因素 & ! %淡化文化背景的差异 $ 在内容取材上 # 摆脱西 方测验的影响 # 从中国民族文化中寻找素材 # 这样才 能使科学测验与被试之间的距离缩短 # 更适合中国 的被试 #易于被理解和接受 $ " % 减少语言理解对问题回答的影响 $ 在试题表 述方式上 # 按照汉语的语言习惯 # 准确传达测试要素 的内涵 # 题目一目了然 # 选项简洁明了 # 使被试不因 为理解题目而增加额外的思考负荷 $
方式之间的关系 ， 以及学生在信息加工过程中表现 出来的认知差异 ( & +认知风格和学习材料表征方式之间的关系 实验结果表明 ： 言语型的学习者在文本形式的 信息表征中存在学习优势 ， 而表象型的学习者在图 像形式的信息表征中存在学习优势 ( 另一项实验结 果也表明 ： 言语型学生对语义性材料的回忆成绩比 表象型学生好 ， 而表象型的学习者对于形象性材料 的回忆成绩比言语型的好 ( 这就证明： 学生的认知风 格和学习材料 的 表 征 方 式 之 间 存 在 着 显 著 的 相 关 ， 即学生的认知风格与学习材料的表征方式匹配与 否 ， 将直接影响学习结果 ( 或者说 ， 不同认知风格的 学生对学习材料的表征方式有一定的适应性 ( 因此， 在教学过程中 ， 教师要注意提供多种表征方式的学 习 材 料 ， 如 文 本 $ 图 像 或 文 本* ** 图 像 等 表 征 方 式 ， 以提高教学效果 ( !$学生在信息加工过程中表现出来的认知差异 个体在信息加工时也存在个体差异 ( Ｒｉｄｉｎｇ 等 人 １９９３ 年对 ７７ 个 １１ 岁的学生进行一项研究 ， 要求 他们对一段短文加以回忆 ( 结果发现： 就整体型学生 而言 ， 当散文题目放在正文之前时 ， 其回忆成绩较之 将散文题目放在正文之后更好 ； 而双极型 （ 介于整体 型和分析型之间） 和分析型学生对题目的位置并不敏 感 ( 还有一项心理实验也得出了类似的结论 ( 拉埃丁 等人抽取了 ２００ 个 １０!１５ 岁的学生进行一项研究 ， 要求男女学生分别在两种情况下回忆两篇同样内容 的短文 ， 一种情况是短文未经任何处理 ； 另一种情况 是已将短文细分为三段 $而且每段都有次标题 ( 结果 发现 ： 后一种情况大大促 进 回 忆 成 绩 的 提 高 ， 而 且 ， 提高幅度受到认知风格和性别的影响 ( 以上实验都 证明 ： 个体在信息加工存在不同的倾向 ， 而且个体加 工方式和不同 的 学 习 材 料 之 间 存 在 一 定 的 相 关 性 ( 这就提醒教师在教学中要考虑到学生的认知风格差 异 ， 并针对不同的特点采取不同的教学策略 ( , 二 #’()#(* 模型的教学实验 Ｍｉｃｈ ｉｇａｎ 大 学 的 Ｍｏｎｔｇｏｍｅｒｙ 比 较 了 Ｋｏｌｂ $ Ｍｙｅｒｓ－ Ｂｒｉｇｇｓ 和 Ｆｅｌｄｅｒ－ Ｓｏｌｏｍａｎ 的学习风格量表 , Ｍｏｎｔｇｏｍｅｒｙ， １９９５# ! 研究表明 Ｋｏｌｂ 的学习风格 量 表 含 有 太 多 的 术 语 致 使 回 答 起 来 很 困 难 !Ｍｙ－ ｅｒｓ－ Ｂｒｉｇｇｓ 学 习 风 格 量 表 主 要 着 重 个 性 的 测 试 ! 而 削弱了对学习风格的研究效果 !Ｆｅｌｄｅｒ－ Ｓｏｌｏｍａｎ 的 学习风格量表学生感到易回答 ( 该量表可操作性强 ! 学习者可以自我测定 ! 利用 Ｆｅｌｄｅｒ－ Ｓｏｌｏｍａｎ 的学习 风格量表检测不同学习风格的分布情况 ! 国际上有
《3D打印技术》课程标准
《3D打印技术》课程标准一、课程说明二、课程定位本课程是应用电子技术专业无人机应用技术方向的核心课程、专业必修课程。
先修课程是无人机概论、机械基础、无人机构造与制作、无人机装调实训等课程。
本课程通过项目式任务驱动方式，采取一体化教学方法，培养学生从事无人机生产、调试、维护的能力、具备上岗的基本综合专业能力以及可持续发展的社会能力。
三、设计思路本课程是应用电子技术专业无人机应用技术方向的核心课程，是一门实践性强的理论结合实践的课程，要求学生学习本课程之前掌握机械基础、电工基础、电子技术基础、无人机构造与制作等理论知识，且有一定的动手能力即理论联系实践解决实际问题的能力。
本课程重点讲解了3D打印机的产生与发展历史，简述了打印原理以及材质的分类；通过生动案例展示3D打印的具体流程，分析了主流打印技术，包括光固化成型技术，激光烧结技术等，介绍了当前主要3D打印机的类型，阐述了打印机保养维护的方法，最后介绍3D打印机在各行业特别是无人机行业的应用。
本课程的学习按照工学结合的学习模式，以任务为载体，贯彻“做、学、教”的一体化项目教学模式的指导思想，运用项目教学法编制教学项目，通过模块化编写方式，力求体现趣味性、易学性的特点，教学中加入了丰富的案例和图片，结合职业院校学生的学习特点，使学生“一教就懂，一学就会，一做就成”，符合高职学生的知识水平、能力水平以及职业岗位的需求，充分运用互联网+教育信息化，在网络中开设网络课程，在实训室多做多练，真正掌握3D打印技术基本设计、编程、工艺、操作等关键技能，为从事无人机行业打下良好基础。
四、课程培养目标1.专业能力（1）了解各种3D打印机基本构造，了解国内外3D打印技术的发展技术，了解3D打印机的型号、类型；（2）了解3D打印机的工作原理，懂得3D打印技术的应用，熟练操作机器。
具有维护、保养3D打印机的能力；（3）能够掌握设计软件的安装、应用，打印切片软件的安装及应用；（4）掌握3D打印机操作能力，能够设计制造打印出无人机相关配件。
杭州3D打印分享：3D打印技术之LOM技术
杭州3D打印分享：3D打印技术之LOM技术1.分层实体制造。
箔材叠层实体制作（Laminated Object Manufacturing）快速原型技术是薄片材料叠加工艺，简称LOM。
1）、由美国Helisys公司的Michael Feygin于1986年养发成功，该公司推出了LOM-1050和LOM-2030两种型号的成型机。
除了美国Helisys公司以外，还有日本Kira 公司、瑞典Sparx公司、新加坡Kinersys精技私人公司、清华大学、华中理工大学等！2）、LOM原理：箔材叠层实体制作是根据三维CAD模型每个截面的轮廓线，在计算机控制下，发出控制激光切割系统的指令，使切割头作X和Y方向的移动。
供料机构将地面涂有热溶胶的箔材（如涂覆纸、涂覆陶瓷箔、金属箔、塑料箔材）一段段的送至工作台的上方。
激光切割系统按照计算机提取的横截面轮廓用二氧化碳激光束对箔材沿轮廓线将工作台上的纸割出轮廓线，并将纸的无轮廓区切割成小碎片。
然后，由热压机构将一层层纸压紧并粘合在一起。
可升降工作台支撑正在成型的工件，并在每层成型之后，降低一个纸厚，以便送进、粘合和切割新的一层纸。
最后形成由许多小废料块包围的三维原型零件。
然后取出，将多余的废料小块剔除，最终获得三维产品。
3）、适用领域：由于分层实体制造在制作中多适用纸材，成本低。
而且制造出来的木质原型具有外在的没感性和一些特殊的品质，所以该技术在产品概念设计可视化、造型设计评估、装配检验、熔模铸造型芯。
砂型铸造木模、快速制模母模以及直接制模等方面得到广泛的应用！4）、LOM优缺点：优点在于：A、成型速度快，由于只要使激光束沿着物体的轮廓进行切割，不用扫描整个断面，所以成型速度很快，因此常用于加工内部结构简单的大型零件，制作成本低。
B、不需要设计和构建支撑结构。
C、原型精度高，翘曲变形小。
D、原型能承受高达200摄氏度的温度，有较高的硬度和较好的力学性能。
E、可以切削加工。
LOM数据描述
五、LOM规范提供的数据扩展机制
对LOM定义的元数据模型进行扩展涉及到与LOM规 范的一致性问题,LOM规范中的一致性有两个层次： 1、严格一致 元数据实例包含LOM 核心集的所有数据元素，可以 包含LOM 模型中的可选数据元素，不包含除此之外的任 何数据元素。 2、一致
10
三、LOM规范中的四种数据类型
• 2）词汇表——互换能力的进一步提高
<Interactivity Type> 对于某些数据元素，规范直接给出了可能的 <source> 取值集合，称之为词汇表 . <langstring xml:lang=”en”>LOMv1.0</langstring> </source> <value> <langstring xml:lang=”zh”>主动型</langstring> </value> </InteractivityType>
LOM规范及教育资源元数据描述
主要内容 一、LOM规范概述
二、元数据的分层描述
三、LOM规范中的四种数据类型
四、资源的元数据描述示例
五、LOM规范的提供的数据扩展机制
2
一、LOM规范概述
1、LOM概述 LOM(learning object metadata ）学习对象元数据，所谓 元数据就是描述数据的数据。 在LOM规范中，学习对象元数据主要用于描述学习对象的 属性，如学习对象的名称、格式、教学目的等。 为了资源的共享和互操作性，学习对象元数据格式应该是 一致的，有相同的语义模型和绑定方法。
12
三、LOM规范中的四种数据类型
4）持续时间
数据类型为“持续时间”的数据元素的值是一个二 元组（持续时间，描述）。
02毕业设计答辩组定稿0607
曾凌 柳旦 江一帆 胡新权 陈磊 罗浩然 周向荣 杨俊 邹鹏 唐辄 匡亮军 朱伟 段伟希 王威 蔡驰 肖利军 黄恒 贺鑫 罗燕 廖文捷 鲁湘 刘杨兵 陈园园 刘原奇 杨晶 印球 蒋伟 唐亮 刘磊 李向楠 李衡 蒋继强 刘明红 陈祥 周杰雄 魏蔚 甘桂红 黄娟 郑佳新 徐侃 周酩超 聂立业 伍辉
WEB日志数据挖掘中数据预处理研究 欧阳柳波 企业的网络办公系统设计 彭黎 企业业务管理系统设计 彭黎 基于WEB的项目申报系统设计 彭黎 企业物流库存管理系统设计 彭黎 银行卡的用户管理系统设计 彭黎 网上超市设计 彭黎 银行卡的帐目管理系统设计 彭黎 Personalized Search Engine for BBS 荣辉桂 基于Eclipse平台的插件开发与实践 荣辉桂 FDD方法在POWERHR管理系统之薪资管理模块中的设计与实现 荣辉桂 TDD方法在POWERHR管理系统之招聘管理模块中的设计与实现 荣辉桂 基于globus tookit 4 的工作流系统的研究和实践 荣辉桂 OSS运营支撑系统之信息管理模块设计与实现 荣辉桂 基于测试驱动开发（TDD）方法在在线购物系统中的应用和实现 荣辉桂 分布式数据库在多服务器档案管理系统中的实践和应用 荣辉桂 TDD方法在POWERHR管理系统之合同管理模块中的设计与实现 荣辉桂 协同工作平台之工作流引擎 王如龙 劳动力市场管理系统 谢健 基于ArcObject的3DGIS探索与实践 谢健 异构数据访问技术在企业中的应用 谢健 基于GIS组件的二次开发方法的研究与实践 谢健 基于.NET的开放实验室信息管理系统设计与实现 谢健 基于.NET的开放实验室设备管理系统设计与实现 谢健 人事薪资考勤管理系统-薪资系统 谢健 基于嵌入式linux的移动办公软件的开发 金敏 RFID卡中证件人像信息的压缩与还原算法研究 金敏 基于GIS的蓄洪区蓄洪过程模拟研究 金敏 可移植的命令处理核心模块在针式打印机中的设计与实现 金敏 基于XML的商品信息交换协议在RFID读卡器网络中的设计与实现 金敏 基于GIS的三维地形产生与分析 金敏 水库遥测数据远程传输系统 金敏 嵌入式系统日志管理实现 李玮 车载定位管理系统实现 李玮 汽车故障诊断仪的设计与实现 李玮 基于自动测试的生产管理系统 李玮 基于GPRS技术配用电侧通信平台中数据加密及压缩方法实现 李玮 软件缺陷管理与跟踪系统实现 李玮 基于Web服务Push技术的实时报警监测应用 李玮 传感器网络中的小波数据处理 林亚平 传感器网络密钥预置方案模拟器的设计与实现 林亚平 健康体检系统的开发与设计 林亚平 基于LINNIDS的网络入侵检测系统的设计与实现 林亚平
用快速成型技术制作产品模型体会
图1
图2
三、模型制作
（ 一） 模型的三维设计。本次三维建模软件为 UG。UG
（ Unigraphics） 是美国 UGS 公司推出的一种强大的 CAD /
决，有待进一步研究。
【参考文献】 1． 陈志杰，张淑莲． 设施蔬菜病虫绿色防治技术初探［J］． 西 北植物学报，2003 2． 朱国仁，李 保 聚． 蔬 菜 产 业 可 持 续 发 展 的 病 虫 防 治 对 策 ［J］． 中国蔬菜，2000
需要的材料剥离，得到所需要的原型。 （ 二） 机器简介。我们本次创新活动采用 HPＲ － IIB 系列
薄材叠层快速成型机（ 见图 2） ，该成型机由三部分系统组成： 数控系统、精密 数 控 机 械 系 统、激 光 器 及 冷 却 系 统。 数 控 系 统由可靠性工业 控 制 计 算 机、性 能 可 靠 的 各 种 控 制 模 块、电 机驱动单元、高精度的传感器组成，配以 HＲP2001 软件，其功 能用于三维图形数据处理，加工过程的实时控制及模拟。机 械单元（ 主机） 由六个基本单元组成： 伺服驱动的激光扫描单 元、可升降工作台、送 收 料 装 置、热 压 叠 层 装 置、通 风 排 尘 装 置、机身与机壳。它主要完成系统的加工传动功能。激光器 由二氧化碳激光管、激光电源、控制器及外光路组成，它能提 供加工所需的能量。冷却装置由可调恒温水冷却器及外管 路组成，用于冷却激光器，以提高激光能量稳定性。
（ J51402） 研究成果。 【作者简介】谢庆年（ 1990． 10 ～ ） ，上海工程技术大学材料成型及控制工程（ 模具 CAD / CAM） 专业学生
LOM
LOM快速原型技术与应用发表时间：2008-4-3 郭启全来源：CADesigner关键字：快速成型LOM技术应用原理信息化应用调查在线投稿加入收藏发表评论好文推荐打印文本LOM快速原型系统是所有快速原型系统中，效率最的一种快速原型系统，LOM快速原型系统可以制作大型、复杂与体积大原型件。
本文转载自台湾《CADesiner》杂志第239期，在此致谢！著作权与出版权属于作者所有, 所有未经同意的任何转载的行为都属于非法使用本文,须负法律责任。
前言快速成型系统技术其结合了计算机信息、机械设计、自动控制、高能光束学、材料科学等领域的知识而成。
快速成型系统特色为可整合设计与制造，即在产品设计时间便以模型测试设计之可行性、可制造性、外观、功能等，并可缩短设计时间。
产品外形可很复杂，中空状工件不需模心，适合制造小尺寸工件。
此外，工件可用多种材质、颜色来建构组成。
劲度、密度、热传导性等机械性质可由制程中予以优化控制至所需要条件。
不需发展特殊刀具、模具，可节省制作模具之成本，而且不需要设计到制造间之转换过程或定义复杂之加工程序。
由于LOM 快速原型系统所使用之CO2雷射仅对原型件外形轮廓(outline of shape)进行切割，此过程如与SLA(Stereo lithography Apparatus)快速原型系统相较，LOM快速原型系统是所有快速原型系统中，效率最高(the most efficient process)的一种快速原型系统，LOM快速原型系统可以制作大型(large)、复杂(complex)与体积大(voluminous)原型件。
因此，本文针对LOM快速原型系统原理进行简介，接续介绍LOM快速原型系统应用。
快速原型技术概述快速原型系统(Rapid Prototyping System ,RP)乃是使用计算机辅助设计(Computer Aided Design, CAD)之产品数据或其他数字数据藉由快速高自动化的制程而可直接制作三维的立体对象(physical model)。
培训开发理论模型及讲解(培训管理者必懂的知识理论模型)
2周后学习内容平均保持率
5% 10% 20% 30% 50% 75% 90%
来源
由美国学者、著名的 学习专家爱德加·戴 尔1946年首先发现 并提出的。
应用
• 艾宾浩斯记忆遗忘曲 线
时间间隔 刚记完
20分钟后 1小时后 8~9小时后 1天后 2天后 6天后
记忆量 100% 58.2% 44.2% 35.8% 33.7% 27.8% 25.4%
程设计，先有再优，不断迭代。知识类和技能类
适用。
• FAST高效开发模型
萃取方法 让内容更有效
明确问题 初定开发方向
培训分析 选定价值问题
第一步
Focus on Problems
聚焦问题显价值
梳理目标 突出价值定位
搭建结构 让内容更好记
量化成果 让内容可衡量
第二步
Aggregate Methods
应用
学习项目的设计遵循 的原则，流程
柯氏四级评估模式
04 03 02 01
成果评估(Result) 行为评估(Behavior) 学习评估(Learning)
反应评估(Reaction)
——唐纳德•L.•柯克帕特里克于 1959年提出
• 柯氏四级评估-项目评估模型
第一级-学员反应
• 学习参与度 • 相关性 • 满意度
用以改进在线教学、多媒体教学或E-
Learning 学习中只重视信息呈现、忽
略有效教学特征的弊端。
应用 用于线上课程教学活动的设计，学
员参与线上教学活动遵上述流程。充 分调动学习积极性，帮助学员有效掌 握学习内容，
• 4C法-颠覆培训课堂
1-Connections-联系
热身活动 快速通道活动
AI人工智能教育应用领域 -个性化学习30例
AI人工智能教育应用领域 -个性化学习30例AI 人工智能教育应用领域个性化学习 30 例在当今数字化的时代，AI 人工智能正在以惊人的速度改变着教育领域。
个性化学习作为其中的一个重要方面，为学习者提供了更加贴合自身需求和特点的教育体验。
以下将为您呈现 30 个 AI 人工智能在教育中实现个性化学习的实例。
1、自适应学习系统许多在线学习平台利用 AI 技术开发了自适应学习系统。
例如，Khan Academy（可汗学院）通过分析学生的学习行为和表现，为每个学生定制个性化的学习路径，推荐最适合他们当前水平和进度的课程内容。
2、智能辅导软件像松鼠 AI 这样的智能辅导软件，能够实时解答学生的问题，并根据学生的困惑点提供针对性的讲解和练习。
3、个性化阅读推荐一些阅读类的教育应用，如 ReadTheory，会根据学生的阅读水平、兴趣爱好为他们推荐合适的文章和书籍，提高阅读兴趣和能力。
4、语言学习应用Duolingo（多邻国）运用 AI 评估学生的语言能力，制定个性化的学习计划，包括单词、语法、听力和口语等方面的练习。
5、数学学习平台IXL Math 可以根据学生的数学成绩和薄弱环节，生成个性化的数学练习题，帮助学生巩固知识、提高解题能力。
6、虚拟学习伙伴某些教育产品中引入了虚拟学习伙伴，如微软小冰。
它可以与学生交流，了解他们的学习心情和困难，提供鼓励和支持。
7、智能写作助手比如 Grammarly，不仅能检查语法错误，还能根据学生的写作水平和风格提供改进建议，帮助学生提高写作能力。
8、个性化课程生成一些在线教育平台能够根据学生的学科偏好、未来规划等因素，生成专属的课程组合。
9、学习进度跟踪与提醒AI 可以实时跟踪学生的学习进度，当学生进度落后时，及时发送提醒和鼓励的消息，帮助他们保持学习的动力。
10、智能错题本作业帮等应用通过 AI 技术分析学生的作业和考试错题，整理出个性化的错题本，并提供相应的错题讲解和同类题练习。
基于Bloom模型的五步梯度递进混合式教学--以邮件合并应用的教学设计为例
【关键字】布 鲁 姆 认 知 能 力 模 型 ； 邮 件 合 并 ； 教 学 设 计
一、布鲁姆教育目标分类体系及其在教学中的指导意义 在修订后的布鲁姆教育目标分类体系中，把人的认知划分 为六个由低到高的层次：知道、理解、应用、分析、评价和创造。 “知道” 是指认识并记忆， 主要涉及具体知识和抽象知识的辨 认；“理解”是指对事物的初步领会；“应用”指初步学会正确地 运用抽象概念分析相应的现象；“分析” 是指把理论分解为要 素，并详细说明各要素之间的关系；“评价”是指综合运用内在 与外在的资料，作出符合客观事实的推断；“创造”是指能够将 要素组织成新的模式。 人们对事物的认识，也是一个由简到繁、 由易到难的过程，借助布鲁姆教育目标分类体系，教师能够更 为准确地把握学生的认知水平，进而合理地组织教学活动。 在我国，“老师讲、学生听”的教学模式延续多年，然而，这 种教学模式只能满足学生低层次的需要。 只有精心设计教学过 程，帮助学生自主构建知识，引领学生学会自主学习，才能满足 其较高层次的需要。 通过开展教学设计创新，既能满足学生较 低认知层次（比如知道和理解）的需要，又能够满足学生较高认 知层次（比如应用、分析、评价、创造）的需要，以更好地达成教 学目标。 根据布鲁姆教育目标分类体系，我们对邮件合并功能 进行了有效的教学设计，具体设计如下： 二、“邮件合并应用”教学设计 整个教学设计分为：总体设计、教学过程、教学效果、特色 创新四个方面。 1、总体设计分析 从设计理念、教学内容、学情分析、教学目标和教学重难点 五个方面加以展开: 第一，设计理念。 我们的总体设计理念是：基于 Bloom 模型 的五步梯度递进混合式教学。 基于 BLOOM 模型，我们把课堂教 学过程分解为导、听、看、做、拓五个环节。 结合了学习的三个层 次：认识、理解、应用，并选取了职业活动中的三个由易到难的 任务形成了职业活动导向下的连锁性任务，让学生在课堂上完 成；混合式教学，是指线上与线下的混合，使用蓝墨云班课信息 化教学平台，使线上教学能顺利开展。 第二，教学内容。 教学内容选自“十二五”职业教育国家规 划教材《计算机应用基础》（第 4 版）中 的 第 六 章 WORD 邮 件 合 并应用，把教材内容进行适应处理，遵循认知规律，增加了适量 的例题，并融入到职业场景中。 第三，学情分析 授课对象分析：授课对象为高职一年级学生，他们喜欢使 用手机，但电脑的操作能力较差；在操作的过程中喜欢依赖教
教育资源研究热点述评
【作者简介】荆永君,东北师范大学理想信息技术研究院博士研究生;钟绍春,东北师范大学理想信息技术研究院教授、博士生导师。
教育资源研究热点述评荆永君,钟绍春(东北师范大学 吉林 长春 130024) 【摘 要】教育资源作为教育信息化建设的核心,其相关问题研究越来越受到人们的关注。
鉴于教育资源的研究工作将对今后教育信息化发展的影响,笔者对教育资源建设的规范和途径、资源的存储、搜索、共享、配送和评价等问题进行了分析和总结,讨论了教育资源相关问题研究的未来发展方向。
【关键词】教育资源;建设规范;建设途径;存储;搜索;共享;配送;评价【中图分类号】G 40-057 【文献标识码】B 【文章编号】1001-8700(2008)02-0026-04 教育信息化将信息作为教育系统的一种基本构成要素,在教育领域全面深入地运用现代化信息技术来促进教育改革和教育发展过程。
教育信息化的结果必然形成一种全新教育形态:信息化教育。
信息化教育具有教材多媒体化、资源全球化、教学个性化、学习自主化、活动合作化、管理自动化、环境虚拟化等显著特点,其中教育资源是所有应用的核心[1]。
教育信息资源作为教育信息化建设的核心,在提高教育教学质量,挖掘教育发展潜力上发挥着重要的作用。
《教育大词典》对教育资源涵义的解释是:“(1)通常指为保证教育活动正常进行而使用的人力、财力、物力的总和。
(2)教育的历史经验或有关教育信息资料。
”[2]教育资源是以保证教学活动正常进行为基本功能,具有支持教学和提高教育效果的功能。
从资源的本质角度出发,有人把教育资源定义为:“教育资源是指支持、促进、教育的物质、能量、信息等方面的内外因素和条件。
”[3]随着远程教育的出现和发展教育资源并不局限于人力、物力和财力三个方面,教育资源的外延变得更为宽泛和丰富。
本文所探讨的教育资源是指以数字信号在互联网上进行传输的教育信息。
一、教育资源建设规范的研究教育资源建设是教育信息化的基础,是需要长期建设与维护的系统工程。
层叠实体制造-LOM
叠成分层实体制造（Laminated Object Manufacturing：LOM）一、概念LOM工艺将单面涂有热溶胶的纸片通过加热辊加热粘接在一起。
位于上方的激光器按照C AD分层模型所获数据，用激光束将纸切割成所制零件的内外轮廓，然后新的一层纸再叠加在上面通过热压装置和下面已切割层粘合在一起，激光束再次切割，这样反复逐层切割、粘合、切割，直至整个零件模型制作完成。
LOM原理：将CAD模型输入成型系统，通过切片软件进行切片处理。
系统组成：计算机、原材料存储及送进机构、热粘压机构、激光切割系统、可升降工作台和数控系统、模型去除装置和机架。
控制系统与控制软件控制对象：材料送进、热压辊、扫描与切割、工作台、温度控制、激光能量控制。
控制软件：STL格式文件的纠错和修补软件。
三维模型的切片软件激光切割速度与切割功率的自动匹配软件激光束宽度的自动补偿软件材料处理系统制造过程：1、原材料存储及送进机构将存于其中的原材料，按照每层所需材料的送进量将材料送至工作台上方。
2、热粘压机构将一层层材料粘结在一起。
3、激光切割系统按照计算机提取的横截面轮廓线，逐一在工作台上方的材料上切割出轮廓线，并将无轮廓区切割成小方网格，为了在成型之后能剔除废料。
4、可升降工作台由伺服电动机经精密滚珠丝杠驱动，用精密直线滚珠导轨导向，从而能在高度方向做快速、精密往复运动。
分层实体特点：优点：◎原材料价格便宜，原型制作成本低◎制件尺寸大◎无须后固化处理◎无须设计和制作支撑结构◎废料易剥离◎能承受高达200℃的高温（热物性与机械性能好，可实现切削加工0◎原型精度高◎设备可靠性好，寿命长◎操作方便缺点：◎不能直接制作塑料工件◎工件的抗拉强度和弹性不够好◎工件易吸湿膨胀◎工件表面有台阶纹，需打磨层叠实体制造工艺的分层叠加过程（1）叠层实体制造工艺参数：1）激光切割速度2）加热辊温度与压力3）激光能量4）切碎网格尺寸（2）原型制造过程：1）基底制作2）原型制作层叠实体制造误差分析：1）CAD模型的前处理造成的误差2）设备精度误差3）成形过程中的误差4）成型之后环境变化引起的误差提高层叠实体制造精度的措施：1）在保证成型件形状完整平滑的情况下，在进行STL转换时，尽量避免过高的精度。
人工智能智能辅助学习 个性化学习路径设计
人工智能智能辅助学习个性化学习路径设计在当今信息时代，人工智能（Artificial Intelligence，AI）已经渗透到我们生活的方方面面，对教育领域的影响也愈发显著。
人工智能技术的快速发展和广泛应用，为学生提供了个性化学习路径的设计，使得教育变得更加智能化、高效化、满足学生的学习需求。
本文将就人工智能智能辅助学习，重点探讨个性化学习路径的设计。
一、人工智能智能辅助学习的定义与优势人工智能智能辅助学习是指通过教育科技和人工智能技术，对学生进行个性化学习支持和激励。
它的优势主要体现在以下几个方面：1.1 提供切实有效的学习辅助人工智能智能辅助学习可以基于学生的学习习惯、知识水平和学习进度，提供有针对性的学习资源和辅导，进一步激发学生的学习兴趣，帮助他们更好地掌握知识。
1.2 个性化学习路径设计借助人工智能技术，教育平台可以根据学生的学习表现和特点，智能地制定个性化学习路径。
不同的学生有不同的学习风格和需求，个性化学习路径可以为每个学生量身打造适合他们的学习计划和资源，提高学习效果。
1.3 实时智能评估与调整人工智能智能辅助学习系统可以根据学生的学习情况以及做题和答题的准确性，进行实时评估并给出个性化反馈。
同时，它还可以根据评估结果调整学习内容和难度，使学生在逐渐掌握基础知识的同时，挑战更深层次的学习内容。
二、个性化学习路径设计的关键因素个性化学习路径的设计需要充分考虑以下几个关键因素：2.1 学生的学习表现和特点个性化学习路径应该基于学生的学习表现和特点进行设计。
通过分析学生的答题情况、学习时长、学习兴趣等数据，系统可以自动调整学习内容和推荐学习资源，确保学生可以高效、有针对性地提升学习水平。
2.2 学科内容和难度不同学科的学习内容和难度各异，个性化学习路径必须根据学科的特点进行设计。
例如，在数学学科中，系统可以根据学生的数学能力和知识水平，智能调整题目的难度和顺序，提供适合学生掌握的学习内容。
人工智能视域下个性化学习路径推荐：机理、演进、价值与趋势
人工智能视域下个性化学习路径推荐：机理、演进、价值与趋势人工智能视域下个性化学习路径推荐：机理、演进、价值与趋势一、引言随着信息化时代的来临，个性化学习成为教育领域研究的热点之一。
个性化学习是指根据学习者的特点，通过科学的手段和方法，为每个学习者提供有针对性的学习内容和学习路径。
而在人工智能的快速发展下，个性化学习的机理、演进、价值与趋势也日益受到关注。
本文将通过对人工智能视域下的个性化学习路径推荐进行综合分析和探讨，以期揭示个性化学习在人工智能时代的新面貌和潜力。
二、机理探究1.数据驱动的学习模式。
在人工智能视域下，个性化学习路径推荐的机理主要基于学习者的数据分析与模式识别。
学习者通过学习活动产生的大数据被聚集和分析，从而形成学习者的特征向量。
通过对学习者个性化需求的预测和分析，可以实现对学习者个性化学习路径的推荐。
数据驱动的学习模式使个性化学习成为可能。
2.深度学习与模式识别技术的应用。
在个性化学习推荐中，深度学习和模式识别技术发挥着重要作用。
深度学习模型可以从海量的学习数据中自动提取和学习学习者的特征，实现对学习者个性化需求的准确预测。
模式识别技术可以帮助系统识别学习者的学习模式和偏好，从而更好地为学习者推荐合适的学习内容和学习路径。
三、演进过程1.基于知识推荐的个性化学习路径。
最早的个性化学习路径推荐主要是基于知识推荐的。
这种推荐方式主要根据学习者的学习目标和知识需求，为学习者推荐相关的学习资源和学习路径。
虽然这种方法可以较好地满足学习者的个性化需求，但是由于缺乏对学习者特征的深入挖掘，推荐效果常常不理想。
2.基于协同过滤的个性化学习路径。
协同过滤是一种常见的个性化推荐算法，在个性化学习路径推荐中也得到了广泛应用。
该方法通过分析学习者之间的相似性和共同行为，为学习者推荐与其兴趣相似的学习资源和学习路径。
这种方法可以较好地解决冷启动和数据稀疏等问题，提高了推荐的准确性和效果。
3.基于学习者模型的个性化学习路径。
基于LOM的人工智能教学资源整合与个性化学习导航
基于LOM的人工智能教学资源整合与个性化学习导航摘要:学习对象元数据(LOM, Learning Object Metadata)是IEEE采用的一种表示学习对象(教学资源)信息的规范,本文采用LOM规范管理网络教学资源,通过LOM中的“关系”元素表示教学资源之间的依赖关系,构造从LOM到扩展知识结构图的转换接口,从而利用基于扩展知识结构图的教学规划方法为学习者提供个性化学习导航。
以人工智能教学资源整合和学习导航为例加以说明。
关键词:学习对象元数据;学习导航;资源整合随着无线互联网、“三网”融合等信息高速公路基础设施的逐步完善以及互联网教学资源的迅速增长,互联网作为一种信息与知识的传播手段正在改变教与学的关系。
同时,现代社会对人才的多元化需求也要求学生具备通过互联网进行自主学习与评价的能力。
互联网教学资源具有数量多、形式多样、分布式存储、不断变化且无统一规范等特点。
同时,教学资源与学习者及学科知识模型之间也没有统一的关联规范。
对于大多数学习者而言,在利用含有海量教学资源的互联网进行学习时通常会迷失方向。
为提高互联网优质教学资源的利用效率,迫切需要对互联网上不断增加的海量教学资源进行整合并为学习者提供个性化学习导航服务。
关于教学资源整合以及学习导航的方法得到了广泛地研究[1-4]。
学习对象元数据(LOM, Learning Object Metadata)规范是IEEE采用的一种表示学习对象(教学资源)信息的规范。
不但可以用于整合教学资源,还可以表示教学资源之间的依赖关系。
本文提出一种教学资源整合以及学习导航的框架,采用LOM表示教学资源元信息,利用XML表示LOM,并将LOM的XML数据转换为扩展知识结构图,并在扩展知识结构图的基础上实现教学规划与学习导航。
1基本框架1.1基于学习对象元数据(LOM)的资源整合全国信息技术标准化技术委员会(CELTS)教育技术分会制定了教育信息相关规范,CELTS将IEEE的学习对象元数据(LOM, Learning Object Metadata)规范封装在CELTS-3中,包括3个子规范,其中CELTS-3.1为信息模型规范,CELTS-3.2为元数据的XML绑定规范,CELTS-3.3为实践指南,CELTS-3.4为测试规范。
基于LOM的知识模型与个性化学习控制
基于LOM的知识模型与个性化学习控制韩光辉;曾诚【期刊名称】《计算机与现代化》【年(卷),期】2012(0)5【摘要】As the core of expert model, knowledge representation is a key problem for intelligent teaching in ITS. Form representation of knowledge topics and their relation are discussed. A model of knowledge topics and learning control strategy based on LOM are presented. Knowledge topics are designed and packaged as learning objects, so reusability, manageability, customizability and interoperability of learning contents are improved. ITS itself has some knowledge understanding ability based on semantic description ability of LOM. Knowledge can be discovered and associated based on semantic computing ability of knowledge network whose nodes are LOM model. Personalized learning is realized by mapping dynamically expert knowledge network into the students knowledge network.%在智能教学系统中,知识模型是专家模型的核心,是实现智能教学的一个关键问题.本文讨论知识点及其相互关系的形式表示,提出基于LOM的知识点模型与学习控制策略.知识点被设计、封装为学习对象,提高了学习内容的可重用性、可管理性、可定制性与互操作性.LOM的语义描述能力,使得系统本身具有一定程度的知识理解能力.以知识点LOM模型为结点的知识网络是语义网络,其语义计算能力便于知识的发现与关联.将专家知识网络动态映射为学生知识网络,实现了个性化学习.【总页数】4页(P149-151,156)【作者】韩光辉;曾诚【作者单位】武汉商业服务学院信息工程系,湖北武汉430056;武汉大学软件工程国家重点实验室,湖北武汉430072【正文语种】中文【中图分类】G434【相关文献】1.基于SoLoMo的图书馆个性化信息推送服务研究 [J], 贺宜春2.基于云计算的个性化知识模型研究 [J], 王小军3.基于Web的智能教学系统知识模型与学习控制 [J], 刘寅;黄燕4.基于SoLoMo的智慧图书馆个性化服务研究 [J], 张晓霞5.基于KADS的个性化机电产品知识模型 [J], 陈洪军; 毛宁; 陈庆新因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
用性 、 可管理性 、 可定制 性与互操 作性。Ｌ Ｍ 的语 义描述 能力 ， Ｏ 使得 系统本 身具 有一 定程度 的知识理 解能 力。以知 识点
Ｌ Ｍ模 型为 结点的知识 网络是 语义 网络 ， Ｏ 其语 义计 算能力便 于知识的发现与 关联 。将 专 家知识 网络 动态映射 为学生知
识 网络 ， 实现 了个性 化 学 习
Ｌ Ｍ ａ ｒｓｎｅ ．Ｋ ｏ ｌ ｇ ｐ ｓａｅｄｓ ｎｄａ ｄｐ ｃａｅ ａｎｎ ｂ ｃｓ Ｏｒｕａｉｔ，ｍ ｎｇａｉｔ， ｕｔ ｚ Ｏ ｒ ｐｅｅｔ ｅ ｄ ｎｗｅ ｅｔ ｉ ｒ ｅｉ ｅ ｎ ａｋｇｄａ ｌ ｒｉｇｏｊ ｔ，Ｓ ｅｓｂ ｉ ｄ ｏｃ ｇ ｓ ｅ ｅ ｌｙ ａａｅｂ ｉ ｃ ｓ ｍｉ ｌｙ ｏ －
Ｋｎ ｏｗｌ ｄ ｅ Ｍ ｏ ｌａ ｄ ｒ ｏ ａ ｉ ｅ Ｌｅ ｒ ｎｇ Ｃｏ ｒ ｌＢａ ｅ ｎ ＬＯＭ ｅ ｇ ｄｅ ｎ Ｐｅ ｓ ｎ ｌｚ ｄ ａ ｎｉ ｎｔ ｏ ｓ ｄ ｏ
ＨＡＮ ａ ｇ ｈ ，ＺＥＮＧ ｅ ｇ Ｇｕ ｎ — ｕｉ Ｃｈ ｎ
（ ．ｎｏｍ ｔ ｎＥ ｇｎｅｉ ｅ ａ ｍ ｎ ， ｈｎＣ ｍｍ ｒｉ ｅｖ ｅＣ Ｕ ｇ ， ｈｎ４ ０５ ， ｈｎ ； １ Ｉ ｒ ａｉ ｎｉｅｒ ｇＤ ｐ ｒ ｅ ｔ Ｗｕａ ｏ ｅｃ ｌ ｒ ｃ ｏ ｅｅ Ｗｕ ａ ３ ０ ６ Ｃ ｉ ｆ ｏ ｎ ｔ ａＳ ｉ ａ ２ ｔｅＫ ｙＬ ｂｒｔ ｙｏ Ｓｆ ａ ｎｉｅｒ ｇ Ｗｕ ａ ｎｖｒｔ， ｈ ｎ４０ ７ ， ｈｎ ） ．Ｓａ ｅ ａｏａ ｒ ｆ ｏ ｗ ｒ Ｅ ｇｎｅ ｎ ， ｈ ｎＵ ｉｅｓｙ Ｗｕ ａ ３ ０ ２ Ｃ ｉ ｔ ｏ ｔ ｅ ｉ ｉ ａ
计 算
２ １ 第 ５期 ０ ２年 文 章 编 号 ：０ ６２ ７ （０ ２ ０ －１９０ １０ —４ ５ ２ １ ）５０ ４ －３
机与现 代来自化 总第 ２ １期 ０
ＪＳ Ａ Ｊ Ｙ Ｉ Ｎ Ａ Ｈ Ａ ＩＵ Ｎ Ｉ Ｕ Ｘ Ａ Ｄ Ｉ Ｕ
基 于 Ｌ Ｍ 的知 识模 型与 个 性 化 学 习控 制 Ｏ
关 键 词 ： 识 表 示 ；学 习控 制 ；Ｌ Ｍ ； 能教 学 系统 ； 识 库 ； 识 网络 知 Ｏ 智 知 知
中图分类号 ：４４ Ｇ ３ 文献标识码 ： Ａ ｄ ｉ ０ ３ ６ ／． ｓ．０ ６２ ７ ．０ ２ ０ ．４ ｏ：１． ９９ ｊｉ ｎ １０ － ５ ２ １．５ ０ ２ ｓ ４
ａ ｉ ｔ ｎ ｎｅ ｏ ｅ ａ ｉ ｔ ｆｌａ ｉ ｇ ｃ ｎ ｅ ｔ ｅ ｉ ｒｖ ｄ Ｉ Ｓ ｉ ｅｆｈ ｏ ｎ ｗｌｄ ｅ ｕ ｄ ｒｔｎ ｉ ｇ ａ ｉ ｔ ａ ｅ ｎ ｓ ・ ｂ ｌ ｙ ａ ｄ ｉ ｔｒ ｐ ｒ ｂ ｌ ｙ ｏ ｒ ｎ ｏ ｔｎ ｓ ａ ｍｐ ｏ ｅ ． Ｔ ｔ ｌ ａ ｓ ｍｅ ｋ ｏ ｅ ｇ ｎ ｅ ｓａ ｄ ｎ ｂ ｌ ｙ ｂ ｄ ｏ ｅ ｉ ｉ ｅｎ ｒ ｓ ｓ ｉ ｓ
Ａｂｓｒ ｔ ｔ ａｃ ：Ａｓ ｔ ｅ ｃ ｒ ｆｅ ｐｅ ｍｏ ｅ ，ｋ ｗｌｄｇ ｅ ｅ ｅ ｔ ｔ ｎ ｓａ ｋ ｙ ｐ ｏ ｌ ｍ ｏ ｎｅｌｇ ｎｔｔａ ｈ ｎ ｎ Ｉ ｈ ｏ ｅ ｏ ｘ ￣ ｄ ｌ ｎｏ ｅ ｅ ｒｐｒ ｓ ｎ ａｉ ｉ ｅ ｒ ｂ ｅ ｆｒｉ ｔｌｉｅ ｅ ｃ ｉ ｇ ｉ ＴＳ． Ｆ ｒ ｅ ｒ ｓ ｎ ｏ ｏ ｍ ｒｐｅｅ －
韩 光 辉 曾 ， 诚
（ ． 汉 商 业服 务 学 院 信 息 工 程 系 ， 北 武 汉 ４ ０ ５ ； ． 汉 大 学软 件 工 程 国 家重 点 实验 室 ， 北 武 汉 ４ ０ ７ ） １武 湖 ３０ ６ ２ 武 湖 ３０ ２ 摘 要 ： 智 能 教 学 系统 中 ， 识模 型 是 专 家模 型 的核 心 ， 实现 智 能 教 学 的 一 个 关 键 问 题 。 本 文 讨 论 知 识 点 及 其 相 互 关 在 知 是 系的 形 式 表 示 ， 出基 于 Ｌ Ｍ 的知 识 点模 型 与 学 习控 制 策 略 。知 识 点被 设 计 、 装 为 学 习 对 象 ， 高 了 学 习 内容 的 可 重 提 Ｏ 封 提
ｎ ｔ ｒ ｏ ｅ ｎ ｄ ｓ ａｅ Ｌ ｅｗｏ ｋ ｗｈ ｓ ｏ ｅ ｒ ＯＭ ｄ ｅ ．Ｐ ｒｏ ａｉｅ ａｎ ｎ ｓｒ ａｉｅ ｙ ｍａ ｐ ｎ ｙ ａ ｃ ｌ ｘ ｅｔｋ ｏ ｌ ｄ ｅｎ ｔ ｏ ｋ ｉ ｔ ｅ ｍｏ １ ｅ ｓ ｎ ｌｚ ｄ ｌ ｒ ｉ ｇｉ ｅ ｚ ｄ ｂ ｐ ｉｇ ｄ ｎ ｍｉａｌ ｅ ｐ ｒ ｎ ｗ ｅ ｇ ｅｗ ｒ ｎｏ ｔ ｅ ｌ ｙ ｈ ｓｕ ｅ ｔ ｋ ｏ ｅ ｇ ｅｗｏ ｋ ｔ ｄ ｎ ｓ ｎ ｗｌｄ ｅ ｎ ｔ ｒ ． Ｋｅ ｒ ｓ：ｋ ｏ ｌｄ ｅ ｒｐ ｅ ｅ ｔ ｔ ｎ；ｌ ａ ｉ ｇ ｃ ｎ ｒ ｌ Ｏ ；ｉ ｔｌ ｇ ｎ ｕｏ ｎ ｙ ｔｍ ；ｋ ｏ ｌｄ ｅ ｂ ｅ；ｋ ｏ ｅ ｇ ｅ ｗ ｒ ｙ ｗｏ ｄ ｎ ｗ ｅ ｇ ｅ ｒ ｓ ｎ ａｉ ｏ ｅ ｒ ｎ ｏ ｔ ；Ｌ Ｍ ｎ ｏ ｎ ｅｌ ｅ ｔｔ ｔｒ ｇ ｓ ｓｅ ｉ ｉ ｎ ｗ ｅ ｇ ａ ｓ ｎ ｗｌｄ ｅ ｎ ｔ ｏ ｋ
ｔｔ ｎ ｏ ｎ ｗ ｅ ｇ ｏ ｉｓ ａ ｄ ｔｅ ｒｒ ｌ ｔ ｎ ａ ｅ ｄｓ ｕ ｓ ｄ Ａ ｍｏ ｅ ｆｋ ｏ ｌ ｄ ｅ ｔ ｐｃ ｎ ｅ ｒ ｉ ｇ ｃ ｎ ｒ ｌｓ ａｅ ｙ ｂ ｓ ｄ ｏ ａｉ ｆｋ ｏ ｌ ｄ ｅ ｔ ｐｃ ｎ ｈ ｉ ｅ ａｉ ｒ ｉｃ ｓ ｅ ． ｄ ｌｏ ｎ ｗ ｅ ｇ ｏ ｉｓ ａ ｄ ｌａ ｎ ｎ ｏ ｔ ｔ ｔ ｇ ａ ｅ ｎ ｏ ｏ ｏ ｒ
ｍａ ｔ ｅｃ ｐｉｎ ａ ｉｔ ｆ ＯＭ． Ｋ ｏ ｅ ｇ ａ ｅｄｓｏ ｅｅ ｎ ｓｏ ｉｔｄｂ ｓｄ ｏ ｅ ｎ ｔ ｏ ｕｉｇａ ｉｔ ｆ ｎ ｗｅ ｇ ｎｉ ｄ ｓ ｒ ｔ ｂｌ ｙｏ ｃ ｉ ｏ ｉ Ｌ ｎ ｗｌｄ ｅｃ ｎｂ ｉｃｖ ｒｄａ ｄａｓｃａｅ ａ ｅ ｎｓｍａ ｉ ｃ ｍｐ ｔ ｌ ｏ ｏ ｌｄ ｅ ｃ ｎ ｂ ｉ ｙ ｋ