关键词： 颜勤礼碑  

摘要： 中书汇有句常用语:'业余爱好也需要专业对待。'很多人学习效果不明显,其根本原因是没有重视这个观点。下面简单介绍如何高效学习。

关键词： 幼儿园   有意义的学习   学习品质培养   教育课程   经历   改革项目   探究欲望   认识兴趣  

摘要： STEM是由Science (科学)、Technology (技术)、Engineering (工程)、Mathematics(数学)的首字母组成的.随着中小学STEM教育的深入开展,幼教界也开始关注STEM教育,一些教师尝试将STEM教育引入幼儿园.相对于中小学侧重追求应用、产出高品质作品(成果),幼儿园更追求简单、趣味性,强调激发幼儿的认识兴趣和探究欲望.[1]这与江苏省正在实施的学前教育课程改革项目——“课程游戏化”倡导的“自由、自主、创造、愉悦”的游戏精神有着诸多契合点:第一,都着眼于幼儿学习品质培养,强调学会学习,为终身学习打好基础.

关键词： 学习型社会   终身学习   终身教育   教育变革  

摘要： 立足新时代加快建设学习型社会"是什么""为什么""怎么做"三个核心问题进行研究。首先,从学习型社会与终身学习关系入手厘清内涵,认为终身学习是学习型社会的基础,学习型社会是终身学习实践的开展并促进社会发展的结果。其次,阐明加快建设学习型社会是新形势下提升国家竞争力、实现社会主义现代化重大战略任务、促进社会和谐发展以及满足人民终身学习需求的必然要求。最后,提出加快建设学习型社会的主要路径是:以我国实际需求为出发点,以终身学习理念和体系为引领,以学校教育体系为基础,以体制和现代信息技术创新为手段。

关键词： 癌症基因组学   生存分析   Cox比例风险模型   随机生存森林模型   LASSO回归  

摘要： 乳腺癌、宫颈鳞状细胞癌、子宫内膜癌、卵巢癌是女性常见的癌症.由于癌症的恶性发展并缺乏有效的早期诊疗手段,这些癌症已成为当今世界女性患者的头号杀手.为了探索高通量组学数据能否促进癌症患者的预后,本研究利用美国癌症基因组图谱项目中四种女性癌症的1861个样本的临床数据和多维组学数据(包括DNA甲基化、mRNA表达、miRNA表达和基于芯片的蛋白表达组学数据),建立了Cox比例风险模型和随机生存森林模型用来回顾性地预测患者的生存率.本研究发现,在宫颈鳞状细胞癌中,通过整合临床与DNA甲基化及miRNA表达组学数据建立的模型,生存预测能力显著高于仅使用临床数据的模型(一致性指数c-index中位数提高了8.73%~15.03%).本研究虽然验证了有些组学数据对特定癌症生存模型的预测能力有提升作用,但也存在着相对于临床数据,组学数据对模型的预测能力无显著提升的情况.这些结果为系统地开展基于癌症基因组学的生存预测研究及提升临床生存分析的预测准确性提供了有用经验.

关键词： 研究性学习案例   信息技术教育   计算机网络   小学   人才培养模式   学生全面发展   学习方法  

摘要： 研究性学习是新时期下人才培养模式提出的新的学习方法,是促进学生全面发展的有效途径。本文以小学信息技术为例,分析研究性学习在信息技术教育中的运用对策,以研究性学习为载体,发挥信息技术的优势,强化信息技术的应用。

关键词： 合作学习   语文教学   应用   自主探究学习   合作探究学习   学习方式   学习方法   组织行为  

摘要： 合作学习是指在现有的条件下的一种积极、主动的学习方式。它是学生在确定自己的目标后,确定适合自己的学习方法,通过相互的协助,从中互相受益的组织行为。与此相结合的是学生自主探究学习,这是指在接受学习的情况下进一步地深入学习,是从学习生活中选择自己想要研究的题目自主独立地发现问题和进行研究,其中合作探究学习密不可分。

关键词： 数据时代   数据分析   T-SQL语言  

摘要： 当前是一个掌握数据就掌握商机的时代。数据库无处不在,具备数据库思维是数字时代的基本素养,且能提高人们的工作效率。数据库知识学习者,需要举一反三,打好基础,知道数据库的基层架构,从数据收集、处理分析中得出有效数据。其中,处理分析尤为重要。希望笔者T-SQL(结构化查询语句)语句的阐述,能给初学者带来一些信心。

关键词： 骨强度   QCT   机器学习模型   机器学习方法  

摘要： 当今人口老龄化现象日益显著,骨质疏松、骨质增生等骨退变疾病是中老年群体的常见病、多发病。2018年10月国家卫健委发布的调查结果显示,我国65岁以上人群骨质疏松症患病率高达32.0%;50岁以上人群低骨量率为46.4%。骨质疏松最严重的后果是骨折。骨折的原因是骨的强度/刚度降低,不足以承担外部载荷。临床上常用的评价骨强度的方法是双能X线骨密度仪测量骨密度,然而,测量得到的是二维面积密度,不能准确反映骨强度和相应的骨折风险。骨是具有多层次结构的活的组织,其整体强度由骨的几何形态(包括宏观形态,即宏观形状和大小等,和内部骨小梁结构的排列)和骨材料/骨质的强度(包括矿化程度、胶原特性、显微损伤情况等)决定。基于临床医学影像的生物力学建模仿真方法(又称生物力学CT),是当今技术上最先进的无创评价骨强度的方法。然而,这种生物力学建模仿真方法对于力学要求高,临床医学工作者不容易掌握。因此,迫切需要建立起更为简单方便操作的基于临床医学影像评价骨强度和骨折风险的方法。本研究建立了基于临床QCT影像的机器学习模型,首先根据临床QCT影像建立个体化非线性有限元模型(QCT/FEA)预测骨强度,作为机器学习模型的输出,然后选取临床QCT影像中可以提取的与骨强度高度相关的信息作为输入,并采用参数筛选和参数降维的方法对输入参数进行处理,机器学习模型采用广义回归神经网络(GRNN)和支持向量机(SVM)。具体流程如下:(1)建立基于临床QCT影像的非线性有限元模型计算骨强度:QCT扫描获得骨影像,在Mimics软件里建立三维几何模型,并生成体网格,赋予横观各向同性、非均匀、弹塑性材料属性,在ABAQUS软件中施加载荷和边界条件,给出合适的失效准则,进行非线性显微有限元分析,计算得到骨强度,作为机器学习模型的输出量。(2)机器学习模型的输入量:包括松质骨的材料分布(灰度分布在1、2、5、8、10、15、20、25、30、40、45、50、60、70和75%位点处的灰度值)、骨内区域灰度值(整体、皮质骨和松质骨分区域灰度值)、以及综合特征参数。利用训练集内骨结构的输入量和非线性有限元分析计算的骨强度作为输出量,建立广义回归神经网络和支持向量机两种机器学习模型,并用测试集内骨结构的输入量预测骨强度,用QCT/FEA计算的骨强度来验证机器学习模型的预测效果。即将测试集样本的QCT/FEA计算强度和机器学习模型预测强度绘制Bland-Altman图,分析QCT/FEA模型和机器学习模型所预测椎体强度之间的差异。结果表明,用参数筛选方法和参数降维方法获得一些参数的组合,两种机器学习模型对于骨强度的预测效果很好,且无显著性差异。为了验证训练好的机器学习模型对新样本强度的预测能力,从社区医院随机选取志愿者的QCT影像,运用QCT/FEA计算骨强度,机器学习模型预测骨强度,从相对误差可见机器学习模型预测骨强度准确性较高(相对误差小于8%)。本研究表明,采用基于临床QCT影像的机器学习模型可以有效地预测骨强度,为个体化骨折风险的评估提供了理论方法,便于临床制定相关治疗和干预策略。基于QCT影像预测骨强度不仅可以保证精度,而且对医护人员的操作技术要求较低,因此该方法具有广阔的应用前景。机器学习模型在股骨、脊柱、桡骨和胫骨等部位的强度预测、骨折风险评估方面具有很大的应用潜力。

关键词： 学习共同体   教学方法   学习方法  

摘要： 对数学分析课程教师教学方法和学生学习方法进行了探讨,重点给出了学习共同体在数学分析课程中实施方案。

关键词： 学习难点   初中英语   朗读   利用   内涵意义   学习方法   英语教学   文本语言  

摘要： 朗读是一种有效的英语教学和学习方法,它本质是用外显的言语声音表现内隐于文本语言中的内涵意义,也就是,朗读过程并非简单的望文发声的发音过程,而应是无声的书面语言向表情达意的有声言语转化的过程,即声音和意义的相互转化。