关键词： 制度要素   ESG信息披露   机器学习   SHAP值  

摘要： 制度对企业ESG信息披露行为有重要的规范与激励作用.已有研究围绕制度要素对企业ESG信息披露质量的作用机制与路径展开探讨,但对于制度要素的认识仍是单一、线性的,缺乏对多元制度要素作用的综合考量,在要素重要性差异、可能存在的非线性影响等方面认识仍然有限.鉴于此,本研究基于制度理论,以2011-2021年中国A股上市公司为样本,融合CatBoost等多种机器学习算法与SHAP值方法,旨在揭示规制性、规范性等多元制度要素对企业ESG信息披露质量的复杂影响.研究结果表明,在制度要素中，文化-认知性要素对ESG信息披露质量最具影响力;往期披露质量是影响企业ESG信息披露质量的最重要特征;在各制度要素内部,地区治理、公共关注和行业水平分别在规制性、规范性和文化-认知性要素中最为重要;多数制度要素特征与ESG信息披露质量呈现出非线性关系.进一步分析表明,制度要素在不同地区、不同行业以及不同规模企业呈现异质性影响.本研究拓展了中国情境下企业ESG信息披露的研究,并为政府部门优化制度建设与企业提升ESG实践水平提供了重要的理论参考和实践启示.

关键词： 连续学习   不确定性   校正   信息熵   知识蒸馏  

摘要： 连续学习是一种能在连续的数据流中训练模型的深度学习范式，适合日益开放复杂的智能应用场景。连续学习最大的挑战是“灾难性遗忘”，即模型在学习新知识后会遗忘过去学习的知识。现有的连续学习忽视了不确定性对模型训练的影响，且大多数方法都聚焦于连续学习后续阶段的改进，对模型初始阶段研究较少。本文提出一种基于不确定性校正的可信连续学习方法，通过在初始阶段约束模型输出的不确定性来弥补模型参数漂移带来的分类误差，从而缓解“灾难性遗忘”。本文方法可以与其它连续学习方法相结合并形成改进模型，具有较强的通用性。本文对三种经典的连续学习方法进行改进，实验结果表明均能有效提高原始模型的性能：在两个数据集上平均准确率提升1.2%-19.1%。除此之外，本文引入期望校准误差评判连续学习模型的可靠性，实验表明，对比原始模型，基于本文方法的改进模型具有更低的期望校准误差，这证明基于本文方法的改进模型更加可信。

关键词： 因果图结构学习   一体化铸造   根因分析   智能铸造  

摘要： 铝构件一体化铸造质量影响因素多且关联耦合，厘清质量影响因素与铸造质量指标间的因果关系是高效解决质量问题的基础。为提高PC（Peter-Clark）算法在铸造质量问题根因分析中条件独立性检验效率，减少马尔科夫等价类问题，本文提出了汽车铝构件一体化铸造质量因果图结构学习的新方法。该方法有效地结合从铸造工艺知识中整理出的“不相邻规则”、“分离集筛选规则”和“定向规则”三个规则。其中，“不相邻规则”移除全连接图中不相邻边形成部分连接图，减少边缘独立性检验次数；“分离集筛选规则”剔除分离集合中对相邻节点独立性检验无影响的变量，减少条件独立性检验次数；“定向规则”引入知识指导辅助定向，避免马尔可夫等价类问题。所提出方法应用于副车架铸造质量因果图结构学习，使因果图输出时间和有效边占比较改进前分别提高42.6%、25.62%，马尔可夫等价类问题减少12.57%。

关键词： 高光谱图像去噪   图神经网络   深度学习   空谱特征   核范数  

摘要： 基于传统深度学习的高光谱图像去噪方法通常难以捕捉空间位置的长程相关性和全局不规则局部块的相似性，导致去噪后细节信息丢失和结构完整性不足。为此，本文提出了一种新的面向高光谱图像去噪的超像素级图特征学习方法，旨在利用图神经网络提取空谱特征，捕捉不规则局部块空间位置的长程相关性，以保留纹理细节和结构信息。首先，设计了门控注意力模块来抑制噪声并增强光谱相关性，为后续的超像素分割奠定基础。而后设计了超像素级图聚合模块，通过将高光谱图像按空间维分割成多个空间相连的超像素，并使用共享线性层学习超像素中像素的加权值，之后使用图卷积更新节点信息，从而有效地保持高光谱图像结构完整性和内部细节的清晰度。最后，利用高光谱图像的低秩性，在训练过程中引入核范数正则化进行约束，提出了低秩-空谱损失，以关注结构信息的保留。实验结果表明，本文提出的方法在性能上优于当前先进方法。

关键词： 选择性必修   教学视角   学习拓展   课程意义  

摘要： 在高中历史课程的整体结构中,选择性必修课程是必修课程的递进与拓展,是学生从多角度认识历史的发展与变迁,进一步提升历史核心素养的重要载体。因此,选择性必修课程的教学须努力寻找有意义的教学路径,选好视角,做好拓展,帮助学生实现应有的学习意义,在更高层次上实现历史课程的育人价值。

关键词： 小学数学   学习单   核心素养  

摘要： 《义务教育数学课程标准(2022年版)》中彰显了当前教育以人为本的趋势。在国家重视培养创新型人才的背景下,个体的主动性发展尤为重要。因此,在核心素养导向下的小学数学课堂教学中,教师应该认识到,课堂是学生自由成长的沃土。在这片沃土上,教师应该为学生提供更多的空间和时间,让他们在以学习单为导向的群学氛围中汲取知识,享受群学的乐趣,从而通过生生互动来激发学习主动性。在生生互动中,学生需要将学习单作为生生共学的支架。因此,课前应如何设置学习单,课中又如何以学习单为导向进行学习,成为教师关心的热点问题。文章以“百分数的意义”的教学设计为例,对学习单的设置和使用进行了阐述,以期为其他教育工作者提供参考。

关键词： 经济发展   经济与社会   社会进步   高中政治  

摘要： 一、教材内容概述《经济发展与社会进步》是高中政治《经济与社会》教材中的一个重要单元,它系统地介绍了习近平新时代中国特色社会主义思想中关于经济发展和社会建设的主要内容。该单元旨在帮助学生理解经济发展与社会建设中的基本问题。经济建设与社会建设的内容很难截然分开。

关键词： 小学数学   探究性学习   数学建模   跨学科主题  

摘要： 本文从三个维度阐述探究性学习的实践意义,并在此基础上探讨了构建递进式数学建模探究范式、设计跨学科主题探究项目、实施基于错误分析的思维诊断探究三大具体策略,要求教师在建模探究中注重认知支持,在跨学科探究中关注知识整合,在错误分析中强化思维诊断。研究表明,探究性学习能有效培养学生的数学思维品质,发展其问题解决能力,提升数学核心素养,是促进小学数学教学改革的重要路径。

关键词： 党的自我革命   党内集中教育   目标导向   问题导向  

摘要： 在全党开展集中性学习教育,是我们党加强自身建设的一个行之有效的方法,是推进党的自我革命的重要途径。坚持目标导向和问题导向相统一是党的十八大以来历次党内集中教育的鲜明特点:既以目标为着眼点,增强方向感、计划性;又以问题为着力点,增强精准性、实效性。在以中国式现代化全面推进强国建设、民族复兴伟业的关键时期,党中央部署开展深入贯彻中央八项规定精神学习教育,正当其时,意义重大。

关键词： 机器学习   品种分类   基因组标记   绵羊   准确性  

摘要： 旨在评估基于基因组标记的机器学习(machine learning,ML)算法在品种分类中的有效性,检验不同ML算法在绵羊品种分类中的应用效果如何。本研究采用2种方式对10个绵羊品种进行单核苷酸多态性(single nucleotide polymorphisms,SNPs)位点选择,第一种利用群体间分化指数(fixation index,FST)进行选择,第二种方式是在FST的基础上使用Boruta特征选择算法对SNPs位点进一步筛选。采用K-近邻、支持向量机(support vector machines,SVM)和自适应增强(adaptive boosting,AdaBoost)等8种不同类别的ML算法对绵羊品种进行分类,采用准确性评估不同SNPs选择方式和不同ML算法在品种鉴定中的差异,鉴定绵羊品种分类的最佳组合方式。本研究采用的数据中既有遗传关系较远的品种,也有遗传相似的品种,保证了后续分析的可靠性。根据前1%的筛选标准,FST分析每次筛选出5361个SNPs位点,Boruta算法最终保留(328±11.7)个SNPs位点用于ML品种分类,且在多次迭代后,被标记为“确认”的SNPs位点得分稳定高于阴影特征和被标记的其他两类SNPs位点。Boruta算法保留的SNPs位点数远低于FST分析。在使用ML模型进行品种分类时,大多数模型的准确性均高于0.9。其中,经过Boruta算法选择SNPs位点之后使用SVM模型进行品种分类准确性最高(0.953),AdaBoost表现也同样优秀(0.947),仅使用FST选择SNPs位点之后使用NB模型分类效果最差(0.601)。除NB外,其余模型接收者操作特征曲线下面积均接近于1。无论使用哪种SNPs选择方式均具有较强的区分能力,使用Boruta算法后效果略好。根据上述结果表明,ML方法的实施有效提高了品种分类的准确性,在绵羊品种鉴定中有良好的应用潜力。