关键词： 核心素养   高中英语   学习方法  

摘要： 在大力推广核心素养教育的背景下,探索英语学习方法在高中教育中占据着重要位置。本文主要对当前高中生英语学习方法的培养现状以及重要性进行分析,从学生角度出发,提出在核心素养视域下高中英语学习方法的具体实践。

关键词： 语文学习   上海教育出版社   意义   教育思想   文献资料   一线教师   专家学者   于漪  

摘要： 2018年8月,上海教育出版社出版了《于漪全集》,为深入研究于漪教育思想提供了重要文献资料。2018年12月,于漪教育思想研讨会隆重举行,专家学者和一线教师对于漪教育思想进行了全方位、多层次、立体化的研讨。本期选择三篇代表性文章,欢迎读者讨论。

关键词： 案件现场信息   特征识别   分类算法   侵财类案件   决策树  

摘要： 传统的时空犯罪预测仅适用于犯罪的时空分布概率分析,无法应用于具体的案件预测,而基于犯罪人特征属性判断犯罪人风险行为的预测方式往往会受到特定工作场景的限制,缺乏良好的迁移性和扩展性(背景)。抽象出案件现场构成要素并从信息化侦查的角度建立了以时间、区域、部位、目标和手段等5种案件现场信息为属性、以分类算法为基础的犯罪人地域特性识别模型,并以北京市盗窃电动车案件数据作为案例、利用决策树算法进行了实证分析(方法)。结果表明:该模型能够有效地实现对犯罪人地域特征的分类识别,其分类正确率达到了80%以上,并且决策树算法在结果的准确率上较其他分类方法具有更好的效果(结果)。以犯罪人的地域特征性作为案件侦查的一个切入点,利用案件现场特征挖掘犯罪嫌疑人的地域特征,可为侦查人员缩小侦查范围提供了一种方法,有利于侦破犯罪嫌疑人身份不明的案件,提升侦查效率(意义)。

关键词： 档案行政管理角度   档案工作   概念认知  

摘要： 国家经济社会建设离不开高效的档案工作,其对于推动国家稳定发展而言具有重要作用。就性质定位而言,档案工作可以呈现出不同的性质,可以呈现出事务性、服务性和管理性等多种性质,本文通过结合档案工作动态化的发展定位来探讨如何重新认识档案工作概念。

关键词： 高中数学   数形结合思想   学习方法  

摘要： 众所周知,数学是一门极具抽象性的学科,对于数学学习能力有限的高中生来说数学知识是难以理解的,数学方法是难以应用的。造成这一现实情况的原因在于,教师在组织教学活动的时候,没有将数学思想方法呈现在学生面前。数学思想方法作为数学学习的精髓所在,其不仅可以帮助我们降低数学的抽象性,还可以引导学生积累数学知识的应用方法。数形结合作为数学思想方法的一种,其有效地将相对独立的'数'与'形'结合起来了,在'数'与'形'的相互作用下,抽象的数学变得具象了。

关键词： 分数的意义   学习体验   教学反思  

摘要： 教思考、教体验、教表达的“三教”理念,倡导要教学生积极思考、自主体验、充分表达,在引导学生获得知识的同时,促进核心素养的培育。怎样在教学中渗透“三教”理念?又通过什么样的反馈了解学生的学习收获呢?课后,通过搜集学生真实的学习体验,了解学生学习情况,查找课堂教学不足,进行深度教学反思,有利于把教的研究转向学的研究,促进学生核心素养的培育。

关键词： 高中化学   思维技巧   学习方法  

摘要： 化学是从分子、原子层次上研究物质的性质、组成、结构与变化规律的自然科学。对于高中生,能充分地理解和掌握高中化学的解题思路和技巧,不仅能够巩固已学知识,还能提高学习效率,让学生能在有限的时间内解决化学问题,收到事半功倍的效果。对高中化学解题过程中的思维方法进行了简单的介绍,通过理论和例题相结合的形式让学生能尽量减少错误,并培养学生化学学科的思维能力。

关键词： 数字辐射成像   仿真数据   机器学习  

摘要： 工业辐射成像领域中,系统获取的数据往往难以直接用于区分被检物体性质。分类学习作为机器学习的重要方向之一,可以充分挖掘不同类型的数据特征,在辐射成像领域有着巨大的应用潜力。然而工业辐射成像图像内容物和照射条件复杂,通过实际测量获取分类学习所需的完备训练集样本成本高、时间长。基于此背景提出使用数值模拟方法获得相应场景下的仿真数据,并通过仿真数据建立分类学习训练集的方法。分别采用基于集成学习的袋装树方法和基于K近邻分类方法对由仿真数据建立的训练集进行训练,抽取部分仿真数据作为测试集、实际工业数字辐射成像数据作为验证集对模型进行准确性验证。袋装树方法对测试集和验证集数据预测准确率分别为99.6%和81.25%;K近邻分类方法对测试集和验证集数据预测准确率分别为89.1%和50%。结果表明:袋装树方法对基于仿真数据的辐射成像分类学习具有较好的效果。

关键词： 中医治未病   贝叶斯算法   病例大数据   机器学习  

摘要： 本文采用贝叶斯网络对"未病人群"健康检查数据进行及时准确的分析,依据病例大数据,构建机器学习模型,推进健康医疗大数据的应用,从而科学的评估自身健康状况及存在风险,合理的管理健康指标,并及时进行健康干预。本研究提出的方法在一定程度上提高了量化评估结果,缩短建模时间,使临床医生针对特定人群制定相应策略;提高医生工作效率,使新型中医诊疗方法不断继承、创新、发展。

关键词： 慢性阻塞性肺疾病   k-最近相邻法   SVM   准确度  

摘要： 目的:采用基于机器学习的分类判断算法,建立慢性阻塞性肺疾病(以下简称"慢阻肺")分期模型,提高慢阻肺诊断和分期的准确度。方法:选择确诊慢阻肺住院患者2 504例,以国际GOLD分期为依据,收集与慢阻肺分期密切相关的临床特征参数指标,对参数进行筛选,参照医院的临床确诊结果,采用机器学习方法(k-最近相邻法、SVM)训练并测试慢阻肺的分期模型。结果与结论:数据为不平衡数据,虽采用分层比例抽样,但针对此类数据SVM的准确率更高为85.26%。说明机器学习提供的模型能为慢阻肺分期提供较准确的分类依据。