导读:本文包含了反例解释论文开题报告文献综述及选题提纲参考文献，主要关键词:企业文化,企业人类学,复杂性理论,科尔曼
反例解释论文文献综述
韩煦[1]（2015）在《企业文化的“仁”性》一文中研究指出本文反对以主客二分的认识论将企业文化视为实体对象进行研究,反对用逻辑思维定义和总结企业文化,主张它的不可定义性和感觉可靠性。为此,本文借鉴人类学关于文化的解释,以把握企业文化开放性和动态性的特征为重点,重新描绘了企业文化的概念；之后,通过糅合复杂性理论、科尔曼理性行动理论和哈贝马斯沟通理性理论,建立了一个可以解释企业文化的,具有自然科学根据的理论框架。描绘出了企业文化的概念图,通过类比思想,探索性地证明了这一概念及其依据的合理性。指出企业文化是时刻都在变化的循环,其核心要求是“苟日新、曰日新、又日新”——渴望创造的冲进,它是企业最终的归宿。这一结论不约而同地与宋代道学家程明道关于“仁”(创造的生气)的主张相呼应,最终展现出企业文化所具有的“仁”性。之后,运用该理论对一个反例的国有保险公司省分公司进行了文化解释。通过深描分析,指出在以集权体制为组织架构,以指标考核为控制形式的思想一元化的国有企业中,仅能产生以各级一把手意志和其生存法则为秩序的组织。在其中,员工个性多样性严重不足,以“更佳论据为原则”的公共空间缺失,大量有价值的工作意义无法在互动中生成,以致无法内生统领企业整体秩序的网状的稳定健全的序参量,导致企业整体行为偏执。通过分析得出,该体制虽然可以集中力量于一处,但会付出员工集体倾向于选择“只听从上级指令和遵从大多数人行为共识”的生存法则,多元主张和制衡力量缺失,使公司在非一把手关注的领域呈现整体的无序化发展,以至于一把手本人都难以抗衡和扭转的代价。最后阐明,只有注重沟通而非控制,充分尊重员工多样性,培育和支持他们主张自身价值的意识和能力,营造以“更加论据为准则”的公共沟通空间,保护和鼓励不同意见间的自由讨论,接受基于此而产生的序参量的支配,才能形成强大相干秩序,企业文化才能像“仁”的生气那样创造无限,横胜各家。(本文来源于《山西大学》期刊2015-06-01）
杨群[2]（2010）在《因果信念调整中反例信息的解释机制》一文中研究指出信念调整指的是一个理性主体将信念从一种状态转变为另一种状态的过程。具体地说,它是人们在发现新信息和原有信念系统不一致后,确定原有信念的哪一部分和新信息相冲突并对原有信念的某一部分作出调整和改变,以接受新的信息,适应新环境的过程(Elio,＆Pelletier,1997).关于信念调整的机制,哲学和人工智能理论提出了两个基本原则：最小化改变原则和信念牢固性原则。前者强调,在遇到不一致信息时,人们会对原来的信念作出最小化,最保守的调整和修正,从而尽可能多地保留原来的信念(Gardenfors,1988；Harman,1986；James,1907).后者指出,信念在人的知识体系里,其牢固程度有所差异。当必须要放弃或改变一些信念的时候,人们会选择放弃那些最不重要的信息(Gardenfors,1992).以上两个原则的共同问题是,缺少明确的操作化定义,缺少一种合理的测量最小化改变和信念牢固性的手段,最重要的是缺少实证数据的支持。心理模型理论是目前信念调整领域中第一个完整而系统的心理学理论。它强调,信念是通过心理模型的可能性的方式来表征的,这种表征方式决定了人们信念调整的过程(Johnson.Laird,& Byrne,2002；Johnson-Laird,Girotto,& Legrenzi,2004)。当人从不一致信念推理到一致信念的时候,要经过3个计算过程,每一个过程中,人们分别遵守相应的原则：首先人们会用模型一致性原则来检测不一致信息,然后是遵循不匹配原则作出修正哪一部分信念的决定,最后是产生解释以最终解决信念的冲突(Johnson-Laird,Girotto,& Legrenzi,2004).心理模型理论存在的问题是,它认为信念的表征和信念调整的过程是确定性的,非概率性的。它夸大了理性在信念调整中的作用,它采用二分思想,把人的信念调整看做是个或者否定大前提或者否定小前提的的过程,不符合人们实际的心理过程。此外,该理论还弱化了解释的作用。解释机制假说是继心理模型理论之后,关于信念调整的第二个心理学解释。它认为,当遇到不一致信息之后,人们会主动建构解释,并将它作为一个新成分,引入原有因果结构,人们正是基于这种新的因果结构进行信念调整的(Walsh,& Sloman,2004,2008; Walsh, Johnson-Laird,2009).解释机制假说目前缺少对信念调整过程或阶段的研究,尤其缺少理论观点的系统构建。基于以往关于信念调整的研究,本研究通过5个实验,围绕“一个中心两个基本点”——以信念调整的机制为中心,以解释对信念调整的决定性影响和解释建构的阶段为两个基本点,逐步探索因果信念表征的可能形式,因果信念调整的机制及其可能的过程和阶段,从而检验以往关于信念调整的理论,并在此基础上,发展信念调整的心理学理论模型。为了初步探讨解释是否会对因果信念修正的过程产生作用,研究一在传统的信念调整的任务中操纵了因果结构和新信息的呈现顺序,对比和检验了心理模型理论和解释机制假说。实验一中被试的任务是,在知觉到不一致信息后选择修改大前提或者小前提。实验自变量为：因果结构,包括肯定的因果结构(cause:A发生了导致B发生)和否定的因果结构(prevent:A发生了阻止B发生)；分类前提和事实的呈现顺序,包括肯定前件式(先呈现分类前提再呈现事实,A-not B)和否定后件式(先呈现事实再呈现分类前提not B-A)。实验因变量为被试选择修改大前提的分数。实验一的结果与心理模型理论(Hasson,& Johnson-Laird,2003)预测不一致的是,因果结构和呈现顺序之间的交互作用差异不显着,被试在所有条件下都有修改大前提的强烈倾向,这种倾向在否定的因果结构(prevent)中比在肯定的因果结构中更为明显,肯定前件式和否定后件式这两种呈现顺序对被试修改大前提的倾向没有显着影响。实验结果初步支持基于因果模型理论的解释机制假说,而不支持心理模型理论。为了进一步确定解释对信念调整过程的决定性影响,研究二直接操纵针对不同前提的反例的解释可获得性高低。本研究中被试的任务是,在检测到不一致信息后,需要选择修改大前提或者类别前提或者两者都修改或者两者都不修改,实验记录被试在每个选项中的分数。实验二和实验叁分别采用熟悉和假设性的实验材料,自变量为针对不同前提反例的解释可获得性。在选择任务之后,被试还需要对题项中的冲突信息给出解释,实验者对被试给出的解释进行分类。实验结果发现,无论是熟悉的还是假设性的实验材料中,无论是在选择任务中还是在解释任务中,对前提反例的解释可获得性的操纵可以直接影响被试对原有信念的调整模式,提高针对某类前提的反例的解释可获得性可增强修改某类前提的倾向。此外,熟悉和假设性任务下反应模式的一致性说明了目前的信念牢固性原则对信念调整的解释力比较小。前两个研究基本上可以从功能上证明,前提反例的解释可获得性决定人们信念调整的结果,要最终确定解释和信念调整反应之间的因果关系,时间上,解释的构建必须发生在信念调整决策之前。因此,研究叁的目的是在新的实验范式基础上探索解释构建发生在信念调整中的哪一个阶段。以下两个实验分别研究了不同概率命题的信念调整任务中,人们建构解释可能发生的阶段。实验四的自变量为：大前提的概率高低(那些包含了很少失效条件的命题为高概率命题,那些包含了很多失效条件的命题为低概率命题)和解释的时间(在大前提出现之前让被试对可能的反例进行解释或者在矛盾信息出现之后让被试对出现的反例进行解释)。实验因变量为：解释产生之前和之后对同一因果信念的概率判断值。实验结果发现,在高概率命题中,大前提之前要求被试对其可能的反例进行解释会降低之后对此前提的概率判断,而在低概率命题中,前提的概率判断因此受到的影响就会小很多。无论是在高概率的信念中还是低概率的信念中,无论是大前提之前给出反例解释还是之后给出解释,只要后面出现关于反例的新信息,被试都会降低针对原来大前提的概率判断。不过,高概率信念条件下的信念调整幅度显着高于低概率信念条件下的信念调整幅度。实验四的结果说明,原有信念概率的高低是影响信念调整的一个重要因素,进一步证实人们的信念表征更可能是概率性的。人们对低概率前提的表征中可能包含了反例的解释,对于高概率的信念,因为其反例的解释可获得性相对比较低,需要附加的任务才可以增加被试提取反例解释的主观努力。另外,人们对解释在信念调整中的作用的评估可能是一个动态过程。实验五采用单因多果的因果结构(A发生导致B发生；A发生导致C发生),以一般性的规则信念为材料,要求被试在知道原因发生和一个结果发生或者没有发生后判断另一个结果发生的概率大小(P(C/A,B)(一致条件下)或者P(C/A,-B)(不一致条件下))。实验自变量为：新信息的一致性(和原有信念一致的或者不一致的信息)和解释提示问题的相关性(直接询问导致新信息一致性原因的问题为相关问题,否则为不相关问题)。实验因变量为：前后对结果的概率判断,对新信息的阅读时间(RT1)以及第二次判断概率的时间(RT2)。实验结果发现,在概率判断上,当之后出现的新信息是反例时,人们会降低原因所导致的各个结果的概率。当之后出现的新信息是正向例子时,人们会提高原因所导致的各个结果的概率。在反应时上,无论后面解释提示的问题是否是相关问题,人们阅读不一致信息的时间要长于一致信息的时间。在最后判断条件概率P(C/A,-B)或者P(C／A,B)时,不一致条件下,两种问题类型条件下判断反应时没有显着差异。致条件下,问题不相关条件下的判断反应时要长于问题相关条件下的判断反应时。实验五的结果说明,人们会在遇到不一致信息时,马上搜寻解释,而不会在遇到一致信息时,有意去解释原因导致结果的机制。但之后的信念调整任务,比如判断条件概率P(C/A,B)会迫使被试在遇到一致信息后进一步思考因果机制。研究叁发现了人们构建解释发生在信念表征阶段或者阅读矛盾信息时,即人们是在决定如何修改信念之前构建解释的。研究叁在时间上确定了解释可获得性和信念调整反应之间的因果关系。以上叁个研究不能很好地支持以往关于信念调整的理论解释,本文因此提出了基于因果模型理论的解释机制假说：人们对因果信念的表征基于的是因果结构,而不是心理模型。对于因果信念,无论是最开始的信念表征还是遇到新信息后的信念调整过程,都更可能是概率性的,而非确定性的。人们很少会直接否定一个前提,而更多地是去修改或者调整前提的概率。从加工阶段上来看,在遇到新信息后,人们先评价不一致信息,然后构建解释,最后根据所产生的解释对原有信念的强度进行重新的调整。从加工机制上来看,解释的性质决定了人们信念调整的模式。对于低强度的信念,人们在表征大前提的时候可能就包含了反例和反例解释。对于高强度的信念,人们是在遇到矛盾信息之后构建解释的。(本文来源于《西南大学》期刊2010-04-20）
李大卫,刘洪,刘昊[3]（2008）在《反例和几何解释在线性代数教学中的作用》一文中研究指出在线性代数课程教学中,列举恰当的反例能帮助学生正确理解和掌握抽象的数学概念和定理内容,对重要的代数概念和性质给出直观的几何解释,易于被初学者在短期内掌握线性代数课程的精髓,从而提高学生分析问题和解决问题的能力。(本文来源于《科技资讯》期刊2008年11期）
沈胜宇[4]（2005）在《模型检验的反例解释》一文中研究指出近年来,随着硬件系统(尤其是超大规模集成电路)规模不断增大,单纯的动态模拟方法已经无法提供足够的覆盖率,以满足系统验证的充分性和完备性要求。因此模型检验等形式化验证方法成为复杂硬件系统验证的重要手段。与定理证明等其他形式化验证方法相比,模型检验的主要优点在于:当断言被违反时,模型检验方法能够给出反例,以解释断言被违反的原因。 然而复杂系统的反例非常难以理解,需要花费大量时间检查大量的变量和事件,才能够找到错误的根源。这就导致模型检验带来的验证效率提升,被浪费在低效的反例理解和错误定位上。因此从反例中提取有用信息,以帮助验证工程师高效地理解反例和定位错误,成为目前的研究热点。另外,许多模型检验算法需要存储和处理反例或证例(witness)。从反例中剔除无关变量,可以使这些算法在空间和时间复杂度上获得指数改进。因此,根据不同应用的要求,对模型检验的反例作进一步处理,具有重要的意义。我们将这些方法统称为反例解释。 不同的应用环境,对反例解释方法有不同的要求,主要反映在完备性、时间开销和结果尺寸方面。当反例解释的结果需要由验证工程师阅读、理解和定位错误时,对完备性和时间开销的要求不高,但要求结果一定要紧凑和精简。我们称之为″非完备的错误定位方法″。另一方面,当反例解释的结果需要由其他算法作进一步处理时(比如抽象精化模型检验方法),对完备性和时间开销的要求非常高,而将结果尺寸放在第二位。我们称之为″完备的反例压缩方法″。 本文对非完备和完备方法都进行了深入研究,完成的主要研究工作和取得的主要研究成果如下: 1.在非完备错误定位方法方面,提出了迭代式证例搜索算法。在对现有最近证例搜索算法进行深入分析时,我们发现:在广度优先的代码检查过程中,多个最近证例和高扇入节点会对错误定位的精度产生巨大影响。为了解决这一问题,我们提出了迭代式证例搜索算法。该算法迭代地搜索最近证例,每次迭代产生一个谓词差异集合,并添加到一个谓词列表的后端。越是位于列表前端的谓词,越有可能是实际的错误。使用该谓词列表作为定位结果,可以避免广度优先搜索导致的精度损失。试验结果证明,本算法与单纯的最近证例搜索算法相比,定位精度有很大提高。 2.针对确定性系统的路径反例(path-like counterexample),提出了基于悖论分析和增量式SAT求解的反例压缩算法,以降低BFL算法的时间开销。BFL是目前压缩效率最高的算法,通常能够剔除70%以上的无关变量。然而,BFL的线性收敛特性导致其时间开销过大。为此我们在BFL中引进了悖论分析方法。该算法通过分析导致悖论的原因,从而能够一次剔除多个无关变量,而不是象BFL那样一次只能剔除一个无关变量。同时我们发现,BFL中的相邻SAT问题非常相似,存在着大量的重迭状态空间。单独的求解这些SAT问题,将导致这些重迭状态空间被反复(本文来源于《国防科学技术大学》期刊2005-04-01）
反例解释论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信念调整指的是一个理性主体将信念从一种状态转变为另一种状态的过程。具体地说,它是人们在发现新信息和原有信念系统不一致后,确定原有信念的哪一部分和新信息相冲突并对原有信念的某一部分作出调整和改变,以接受新的信息,适应新环境的过程(Elio,＆Pelletier,1997).关于信念调整的机制,哲学和人工智能理论提出了两个基本原则：最小化改变原则和信念牢固性原则。前者强调,在遇到不一致信息时,人们会对原来的信念作出最小化,最保守的调整和修正,从而尽可能多地保留原来的信念(Gardenfors,1988；Harman,1986；James,1907).后者指出,信念在人的知识体系里,其牢固程度有所差异。当必须要放弃或改变一些信念的时候,人们会选择放弃那些最不重要的信息(Gardenfors,1992).以上两个原则的共同问题是,缺少明确的操作化定义,缺少一种合理的测量最小化改变和信念牢固性的手段,最重要的是缺少实证数据的支持。心理模型理论是目前信念调整领域中第一个完整而系统的心理学理论。它强调,信念是通过心理模型的可能性的方式来表征的,这种表征方式决定了人们信念调整的过程(Johnson.Laird,& Byrne,2002；Johnson-Laird,Girotto,& Legrenzi,2004)。当人从不一致信念推理到一致信念的时候,要经过3个计算过程,每一个过程中,人们分别遵守相应的原则：首先人们会用模型一致性原则来检测不一致信息,然后是遵循不匹配原则作出修正哪一部分信念的决定,最后是产生解释以最终解决信念的冲突(Johnson-Laird,Girotto,& Legrenzi,2004).心理模型理论存在的问题是,它认为信念的表征和信念调整的过程是确定性的,非概率性的。它夸大了理性在信念调整中的作用,它采用二分思想,把人的信念调整看做是个或者否定大前提或者否定小前提的的过程,不符合人们实际的心理过程。此外,该理论还弱化了解释的作用。解释机制假说是继心理模型理论之后,关于信念调整的第二个心理学解释。它认为,当遇到不一致信息之后,人们会主动建构解释,并将它作为一个新成分,引入原有因果结构,人们正是基于这种新的因果结构进行信念调整的(Walsh,& Sloman,2004,2008; Walsh, Johnson-Laird,2009).解释机制假说目前缺少对信念调整过程或阶段的研究,尤其缺少理论观点的系统构建。基于以往关于信念调整的研究,本研究通过5个实验,围绕“一个中心两个基本点”——以信念调整的机制为中心,以解释对信念调整的决定性影响和解释建构的阶段为两个基本点,逐步探索因果信念表征的可能形式,因果信念调整的机制及其可能的过程和阶段,从而检验以往关于信念调整的理论,并在此基础上,发展信念调整的心理学理论模型。为了初步探讨解释是否会对因果信念修正的过程产生作用,研究一在传统的信念调整的任务中操纵了因果结构和新信息的呈现顺序,对比和检验了心理模型理论和解释机制假说。实验一中被试的任务是,在知觉到不一致信息后选择修改大前提或者小前提。实验自变量为：因果结构,包括肯定的因果结构(cause:A发生了导致B发生)和否定的因果结构(prevent:A发生了阻止B发生)；分类前提和事实的呈现顺序,包括肯定前件式(先呈现分类前提再呈现事实,A-not B)和否定后件式(先呈现事实再呈现分类前提not B-A)。实验因变量为被试选择修改大前提的分数。实验一的结果与心理模型理论(Hasson,& Johnson-Laird,2003)预测不一致的是,因果结构和呈现顺序之间的交互作用差异不显着,被试在所有条件下都有修改大前提的强烈倾向,这种倾向在否定的因果结构(prevent)中比在肯定的因果结构中更为明显,肯定前件式和否定后件式这两种呈现顺序对被试修改大前提的倾向没有显着影响。实验结果初步支持基于因果模型理论的解释机制假说,而不支持心理模型理论。为了进一步确定解释对信念调整过程的决定性影响,研究二直接操纵针对不同前提的反例的解释可获得性高低。本研究中被试的任务是,在检测到不一致信息后,需要选择修改大前提或者类别前提或者两者都修改或者两者都不修改,实验记录被试在每个选项中的分数。实验二和实验叁分别采用熟悉和假设性的实验材料,自变量为针对不同前提反例的解释可获得性。在选择任务之后,被试还需要对题项中的冲突信息给出解释,实验者对被试给出的解释进行分类。实验结果发现,无论是熟悉的还是假设性的实验材料中,无论是在选择任务中还是在解释任务中,对前提反例的解释可获得性的操纵可以直接影响被试对原有信念的调整模式,提高针对某类前提的反例的解释可获得性可增强修改某类前提的倾向。此外,熟悉和假设性任务下反应模式的一致性说明了目前的信念牢固性原则对信念调整的解释力比较小。前两个研究基本上可以从功能上证明,前提反例的解释可获得性决定人们信念调整的结果,要最终确定解释和信念调整反应之间的因果关系,时间上,解释的构建必须发生在信念调整决策之前。因此,研究叁的目的是在新的实验范式基础上探索解释构建发生在信念调整中的哪一个阶段。以下两个实验分别研究了不同概率命题的信念调整任务中,人们建构解释可能发生的阶段。实验四的自变量为：大前提的概率高低(那些包含了很少失效条件的命题为高概率命题,那些包含了很多失效条件的命题为低概率命题)和解释的时间(在大前提出现之前让被试对可能的反例进行解释或者在矛盾信息出现之后让被试对出现的反例进行解释)。实验因变量为：解释产生之前和之后对同一因果信念的概率判断值。实验结果发现,在高概率命题中,大前提之前要求被试对其可能的反例进行解释会降低之后对此前提的概率判断,而在低概率命题中,前提的概率判断因此受到的影响就会小很多。无论是在高概率的信念中还是低概率的信念中,无论是大前提之前给出反例解释还是之后给出解释,只要后面出现关于反例的新信息,被试都会降低针对原来大前提的概率判断。不过,高概率信念条件下的信念调整幅度显着高于低概率信念条件下的信念调整幅度。实验四的结果说明,原有信念概率的高低是影响信念调整的一个重要因素,进一步证实人们的信念表征更可能是概率性的。人们对低概率前提的表征中可能包含了反例的解释,对于高概率的信念,因为其反例的解释可获得性相对比较低,需要附加的任务才可以增加被试提取反例解释的主观努力。另外,人们对解释在信念调整中的作用的评估可能是一个动态过程。实验五采用单因多果的因果结构(A发生导致B发生；A发生导致C发生),以一般性的规则信念为材料,要求被试在知道原因发生和一个结果发生或者没有发生后判断另一个结果发生的概率大小(P(C/A,B)(一致条件下)或者P(C/A,-B)(不一致条件下))。实验自变量为：新信息的一致性(和原有信念一致的或者不一致的信息)和解释提示问题的相关性(直接询问导致新信息一致性原因的问题为相关问题,否则为不相关问题)。实验因变量为：前后对结果的概率判断,对新信息的阅读时间(RT1)以及第二次判断概率的时间(RT2)。实验结果发现,在概率判断上,当之后出现的新信息是反例时,人们会降低原因所导致的各个结果的概率。当之后出现的新信息是正向例子时,人们会提高原因所导致的各个结果的概率。在反应时上,无论后面解释提示的问题是否是相关问题,人们阅读不一致信息的时间要长于一致信息的时间。在最后判断条件概率P(C/A,-B)或者P(C／A,B)时,不一致条件下,两种问题类型条件下判断反应时没有显着差异。致条件下,问题不相关条件下的判断反应时要长于问题相关条件下的判断反应时。实验五的结果说明,人们会在遇到不一致信息时,马上搜寻解释,而不会在遇到一致信息时,有意去解释原因导致结果的机制。但之后的信念调整任务,比如判断条件概率P(C/A,B)会迫使被试在遇到一致信息后进一步思考因果机制。研究叁发现了人们构建解释发生在信念表征阶段或者阅读矛盾信息时,即人们是在决定如何修改信念之前构建解释的。研究叁在时间上确定了解释可获得性和信念调整反应之间的因果关系。以上叁个研究不能很好地支持以往关于信念调整的理论解释,本文因此提出了基于因果模型理论的解释机制假说：人们对因果信念的表征基于的是因果结构,而不是心理模型。对于因果信念,无论是最开始的信念表征还是遇到新信息后的信念调整过程,都更可能是概率性的,而非确定性的。人们很少会直接否定一个前提,而更多地是去修改或者调整前提的概率。从加工阶段上来看,在遇到新信息后,人们先评价不一致信息,然后构建解释,最后根据所产生的解释对原有信念的强度进行重新的调整。从加工机制上来看,解释的性质决定了人们信念调整的模式。对于低强度的信念,人们在表征大前提的时候可能就包含了反例和反例解释。对于高强度的信念,人们是在遇到矛盾信息之后构建解释的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
反例解释论文参考文献
[1].韩煦.企业文化的“仁”性[D].山西大学.2015
[2].杨群.因果信念调整中反例信息的解释机制[D].西南大学.2010
[3].李大卫,刘洪,刘昊.反例和几何解释在线性代数教学中的作用[J].科技资讯.2008
[4].沈胜宇.模型检验的反例解释[D].国防科学技术大学.2005