关键词： 英语综合技能课   有意义学习理论   跨学科  

摘要： 英语综合技能课从听、说、读多方面培养学生的技能,教学内容融入了其他学科的相关知识,注重培养学生正确的态度与价值观。然而,教师采用机械教学模式无法实现英语综合技能课的教学目标。奥苏贝尔的有意义学习理论为英语综合技能课的实施提供了新的视角,有助于达成多维教学目标,实现跨学科教学,促进学生综合能力的提升。

关键词： 2D Triple-Collocation   机器学习   土壤湿度   多源融合   降尺度  

摘要： 为提高卫星遥感土壤湿度产品精度及空间分辨率,支撑水文过程的高精度模拟与预报,首先基于SMOS、SMAP、ASCAT 3种遥感土壤湿度产品,采用2D Triple-Collocation(2D TC)从时空两方面分析不同产品精度并基于最小二乘框架融合。而后分析支持向量机(SVM)、随机森林(RF)、极端梯度提升机(XGBoost)3种机器学习方法的降尺度效果及适用性,并对融合成果降尺度。研究结果表明:多源遥感融合成果较单一卫星遥感产品RMSE更小(RMSE=0.04 m3/m3),且优化了单一卫星监测数据缺失及高估的问题。3种基于融合成果的降尺度模型均有较好的抗过拟合能力,其中以XGBoost表现最优,其测试集R2较RF、SVM测试集分别提高了4.5%、36.6%,RMSE分别降低了15%、46.9%。以CLDAS产品为参考,XGBoost降尺度成果较融合成果R值提高了16.53%,RMSE降低了17.50%。融合与降尺度方法组合能有效提高遥感土壤湿度产品空间分辨率及精度,适用性更好。

关键词： 全媒体时代   大学生   生命意义感   学习投入  

摘要： 在全媒体环境下,大学生接触的信息更加多元化,大学生生命意义感和学习投入的关系问题受到学界广泛关注。此研究运用生命意义感量表和学习投入量表进行问卷调查。研究发现:大学生生命意义感和学习投入总体水平较高;大学生生命意义感和学习投入关系呈显著正相关;大学生生命意义感对学习投入具有正向预测作用。研究结果有助于了解全媒体时代下大学生生命意义感水平,为高校开展心理健康教育工作提供参考。

关键词： 结构损伤识别   模态识别   安全评定   机器学习   结构健康监测  

摘要： 结构健康监测通过在大型工程结构上安装多类型传感器,感知、采集、传输和处理多元数据,已经成为保障重大工程结构安全的重要手段.随着结构健康监测系统的广泛应用,产生了海量的监测数据,如何通过监测数据识别和评估结构状态与安全是核心科学问题之一.由于土木工程结构的复杂性,状态识别与评估的核心难点是高维问题优化与求解,机器学习在高维问题求解方面具有很强的能力,为该问题的解决提供了新的思路.本文重点阐述机器学习在结构模态识别、损伤识别及可靠性评估等方面的研究进展,并讨论未来在该研究方向的发展趋势.

关键词： 一线城市   房价   稳预期   机器学习方法  

摘要： 一线城市的房地产市场在全国房地产市场中具有举足轻重的地位,因此,维持一线城市房价平稳从而对保障全国房价平稳健康发展具有重要意义。运用XGBoost等机器学习方法和SHAP值可解释性方法,对四大一线城市房价的主要影响因素及其在2012年前后的动态变化进行测算并分析,研究发现:第一,预期因素是一线城市房价上涨的主要影响因素,并且其影响在不断增强。第二,供给因素和需求因素对一线城市房价上涨也起到了较为重要的作用,不过其作用呈现出减弱态势。第三,货币政策等因素对一线城市房价上涨的影响相对偏弱,并且近年来其影响进一步下降。考虑到预期因素是一线城市房价上涨的最主要因素,因此对一线城市而言,稳房价的关键在于稳预期。进一步地,结合实证结果可知,需要让房价更多地由基本面因素来决定,并且通过稳定房地产调控政策来稳预期。一是从供给端发力,构建一线城市土地供给与房价以及土地供给与常住人口之间的联动机制。二是从需求端发力,缩小一线城市与其周边城市以及其他三四线城市之间的公共服务差距,从而减轻一线城市的外来人口压力以及由此引发的住房需求增长。三是保持房地产调控政策的连续性、一致性、稳定性,通过稳定政策来稳定房地产市场的预期。

关键词： 《彝族诗学》   一流课程   新文科   教学改革   课程思政  

摘要： 彝族诗学课程是中国少数民族语言文学(彝语言文学)专业的必修课。在新文科和一流本科课程建设背景下,对彝族诗学课程也提出了新的要求。从《彝族诗学》教学理念的创新、课程思政的融入、教学资源的构建、教学内容的重构、教学方法的改进等五方面进行了实践和探索,努力把《彝族诗学》打造成为具有高阶性、创新性、挑战度、特色性的民族高校一流的本科课程和课程思政示范课程。

关键词： 深度学习   主题意义   高中英语   读思课   教学活动  

摘要： 阐述深度学习的内涵和特征。分析目前高中英语读思课存在的问题。以人教版(2019)高中《英语》选择性必修四Unit 2 Iconic Attractions的Experience the iconic features of Australia读思课教学为例,探究基于深度学习理念的主题意义探究式高中英语读思课活动设计策略。指出在高中英语教学中,教师要尊重学生的主体地位,使读思课活动主题化、整体化,最终达成全面提高其英语学科核心素养的目标。

关键词： 主题意义探究   小学英语   项目化学习  

摘要： 新课标指出,教师应引导学生有效结合个人生活经验和社会生活需要,围绕特定的主题,设计真实的问题进行有效驱动,引领学生积极突破学科壁垒,融合多元学科自主积极地开展项目实践学习。教师应精准分析单元教材内容,确立项目主题,提出驱动问题,明确项目任务,推动项目实施,升华主题意义,构建评价量表,促进个性生长,从而让学生真正关联英语语言知识和真实生活,引领学生在调查探究、实践体验和迁移运用中培养解决实际问题的关键能力,有效提升学生的核心素养。

关键词： 机器学习   C5.0算法   CART算法   神经网络  

摘要： 选取2015—2018年贵阳国家气象站逐时观测数据,归纳整理了影响雾、浓雾的11个气象因子,在分析影响因子与能见度关系的基础上,以多次随机选取80%的样本数据为训练集,剩余20%的样本数据为预报模型的检验集,利用机器学习中C5.0、CART和神经网络算法分别构建贵阳站雾和浓雾的预报模型,检验评估了各预报模型的应用效果。结果表明:基于机器学习的雾、浓雾预报具有较好的业务应用前景,3种算法的检验准确率均在90%以上,其中CART算法对贵阳站雾的预报效果最好,C5.0算法和神经网络的多层感知器算法对贵阳站浓雾的预报效果最佳。

关键词： 中文法律条文推荐   深度学习   判决预测   文本表示  

摘要： 法律条文推荐是判决预测的关键任务,旨在根据法律文书的案情描述和事实预测案件所涉及的法律条文。传统的基于机器学习的方法难以提取案情描述的深层特征,近年来基于深度学习的方法取得了较好的推荐效果。从中文法条推荐模型的构建模式、深度学习方法以及复杂应用场景等多个视角系统梳理现有研究成果,重点以卷积神经网络、循环神经网络、图神经网络以及混合模型为索引,分析其在中文法律条文推荐中的应用,并在公开数据集上比较中文法律条文推荐深度学习算法的性能。通过分析现有研究,总结出数据集构造、复杂场景及可解释性问题是未来中文法律条文推荐研究面临的挑战。