关键词： CT   Attention-MIL模型   COVID-19   社区获得性肺炎  

摘要： 目的:利用深度学习技术,全自动标注病变的计算机断层扫描(CT)数据,开发准确快速区分新型冠状病毒感染(COVID-19)和其他社区获得性肺炎的人工智能模型。方法:回顾性分析248例COVID-19患者及347例其他肺炎患者的资料,进行COVID-19与其他肺炎分类;在人工智能肺分割提取后将异常的CT图像特征降维,输入几种经典强化机器学习模型、三维卷积神经网络(3D CNN)和注意力多示例学习(Attention-MIL)深层神经网络架构中,模型诊断性能利用受试者工作特性(ROC)曲线、精确召回率(PR)曲线、曲线下面积(AUC)、敏感性、特异性、准确性指标进行评价。结果:在经典机器学习模型中K邻近算法(KNN)具有较好的效果,在外部测试集上的AUC值和平均精度(AP)值分别为0.79和0.89,平衡F分数(F1)值为0.76,准确率为0.75,敏感性为0.76,精确率为0.77;经典的3D CNN在外部测试集上效果良好,AUC值和AP值分别为0.64和0.82,F1值为0.71,准确率为0.78,敏感性为0.66,精确率为0.62;Attention-MIL模型在外部测试集上表现出更好的鲁棒性,AUC值和AP值分别为0.85和0.94,F1值达到0.82,准确率为0.92,敏感性为0.74,精确率为0.76。结论:与强化影像组学和3D CNN模型相比,深度学习Attention-MIL模型在鉴别诊断COVID-19和其他社区获得性肺炎上表现出更高的效能。

关键词： 核心素养   小学数学   观察记录   教师反思   四基   四能   学生作业   结构化学习  

摘要： 小学数学结构化学习评价是为了促进学生反思和调节学的节奏,也是为了促进教师反思和调节教的精度,从而更好地促进学生核心素养的提升。结构化学习评价关注学生素养形成的过程与结果,通过对教师、学生在课堂上具体表现的观察记录,以及对学生作业的有效分析等,聚焦学生“四基”“四能”以及核心素养的形成和发展。

关键词： 机器学习   孔隙度估算   滩坝相   白垩系   车排子凸起  

摘要： 准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。

关键词： 一线教师   历史课堂   合作学习方法   基础教育   教学效率   每一个学生   学习的主人   发展为本  

摘要： 合作学习是新时代基础教育的重要形式。根据2022年课程改革的要求,如何尽最大可能把学生变成学习的主人,挖掘每一个学生的潜力,成为一线教师需要思考的关键内容。新课程标准强调“以人的发展为本”,重点培养学生的创新精神和实践能力,因此,为了让每一个学生参与到课堂中实现发展,就要增强历史课堂上学生之间的互动,让学生动起来。所以,学生的合作学习正好契合这个主题。

关键词： 启发式教学   认知地图   地理项目化学习   核心素养  

摘要： 认知地图起源于心理学对学习认知方式的一种定义。认知地图的学习方法有两层概念:一是通过教育者设定教育期望与目标,引导被教育者最终达到学习的既定目标,顺利完成教学过程;二是被教育者通过外界认知对地理位置的空间感知,学习地理过程中生成的认知图片化地图的成果。基于此,在教学过程中,通过启发式教学方法与项目化学习方式,自主选择“卡塔尔世界杯”为主题地理研究。学生基于已掌握的地理知识,完成分组讨论、认知关系网确立、研究报告撰写及成果展示等教学过程,达到既定学习目标。而教师在本次项目化学习教育过程实施中起设定期望和目标引领的作用。基于认知地图学习方法的项目化学习的最终目的是强化学生的地理思维,激发学生的地理学习兴趣,最终达到培养学生地理核心素养的目的。

关键词： 作业练习   语文教学实践   学生核心素养   有意义学习   情境性   有效载体   提高学习质量   作业实践  

摘要： 作业是落实语文要素、培养语文能力、提高学习质量、发展核心素养的有效载体之一。在语文教学实践中,教师要以促进学生核心素养发展为出发点和落脚点,精心设计适合的作业,做到依标扣本,突出情境性和实践性;贯通单元,呈现结构性和渐进性;尊重学情,体现选择性和趣味性。让学生在适合的作业实践中,找到“已知”和“未知”的连接,在作业练习中学会运用知识和迁移知识,培养学生的能力,实现有意义学习。

关键词： 卫星遥感   海表温度   云下海表温度   机器学习   Himawari-8卫星   瑞利校正  

摘要： 针对Himawari-8卫星因云层覆盖导致云下位置海表温度缺失或者反演精度下降的问题,利用近红外波段瑞利校正后阈值递增方法,建立6种无云-有云混合的遥感-实测样本数据集,评估了3种机器学习算法多层感知机(multi-layer perceptron,MLP)、随机森林回归(random forest regression,RFR)和支持向量回归(support vector regression,SVR)的云下海表温度反演的性能。实验结果表明,当阈值为0.125(无云)时,R^(2)都超过了0.98;当阈值为0.4时,性能指标趋于平稳,MLP、RFR和SVR算法的R^(2)分别为0.80、0.81和0.76。通过阈值递增方式构建的阈值模型对无云区域的海表温度影响较小,能够确保无云区域的反演精度。随着阈值的递增,模型对有云区域出现不同程度的低估和反演精度的下降,但在无云区域的制图效果与葵花卫星海表温度产品一致性较高。该方法可以显著提高海表温度反演结果的空间覆盖率,使得研究区空间覆盖率从75%提高到99%。

关键词： 机器学习   多元逐步回归   随机森林   支持向量机   空气污染预报  

摘要： 以中国西北5个省会城市为研究区域,利用2015年1月1日-2020年7月21日空气质量监测资料与气象数据构建基于多元逐步回归(MSR)、随机森林(RF)与支持向量机(SVM)的空气污染预报模型,以平均绝对误差、均方根误差及拟合度指数I_(A)为评判指标,对模型的模拟精度进行对比分析.结果表明,针对5个城市构建空气污染预报模型时,RF重要性评估法比Spearman相关系数法更适用于筛选预报因子.MSR、RF与SVM模型的预报性能由强至弱依次为MSR>RF>SVM.3种模型预报结果均I_(A)>0.8,预报值与实际观测值之间的相关程度较高.

关键词： 发现   幼儿   有意义学习   路径  

摘要： 2022年2月,教育部为深入贯彻全国教育大会精神,加快建立健全教育评价制度,促进学前教育高质量发展,出台了《幼儿园保育教育质量评估指南》。它通过5个维度、15项关键指标和48个考查要点,对新时代学前教育的科学规范发展要求做了细致描述。在重点内容“教育过程”中特别提到“发现和支持幼儿有意义的学习”,这是实现过程性质量建设的重要渠道。如何将此精神落实到日常教育教学中,是需要考虑到发现和支持两个方面的实践,而发现幼儿有意义的学习成为首要思考的问题,笔者尝试从幼儿观察和师幼互动中探寻到可参考的适宜路径。

关键词： 硕士研究生   中国近现代史   人生信仰  

摘要： 今天的主题是硕士研究生的学习方法。讲三个问题:明白学习的意义,树立健康的人生信仰,读书期间的规划与方法。我从1992年开始带硕士研究生,到2015年,共计带了26个学生。人数不算多,但却是一个指导研究生的锻炼机会。据教育部公布的数据,全国在校硕士研究生大约是300万。~(1)这是一个庞大的群体。硕士研究生的专业培养,或者说他们如何学习,是一个值得研究的问题。怎样充分利用3年时间圆满完成学业,所有学科的同学都应该有所思考。