关键词： 本真语文   活动推进   深度学习   自主学习   任务驱动  

摘要： 传统课堂中学习活动呈现碎片化特点,学生缺乏自主学习、深度学习的时间和空间。“碎片化解说”“零散式提问”让学生一直处于被动接受的状态,无法实现高阶学习。《义务教育语文课程标准(2022年版)》(以下简称“新课标”)明确,以生活为基础,以语文实践活动为主线,以学习主题为引领,以学习任务为载体,整合学习内容、情境、方法和资源等要素,设计语文学习任务群。

关键词： 心力衰竭   利尿剂抵抗   LASSO回归   特征选择   机器学习  

摘要： 目的 基于LASSO回归等机器学习方法探讨心力衰竭患者(heart failure, HF)医学指标对鉴别利尿剂抵抗(diuretic resistance, DR)状态的诊断价值,构建心力衰竭患者利尿剂抵抗早期识别模型,为医生提供更早的干预时机,缩短患者住院时间。方法 收集天津市胸科医院267例心衰患者作为研究对象,以患者64项医学指标作为自变量,以标准尿量、状态类别作为因变量。根据因变量的不同,采用两种方法构建心衰患者利尿剂抵抗早期识别模型。第一种方法是运用最小绝对值收敛和选择算子算法(least absolute shrinkage and selection operator, LASSO)进行回归拟合,采用十折交叉验证法确定最佳λ值,在测试集上通过预测患者标准尿量划分利尿剂抵抗状态;通过均方根误差(root mean square error, RMSE)、决定系数(coefficient of determination,R^(2))、分类准确度判断识别效果。第二种方法首先是使用最大相关性最小冗余度算法(max-relevance and min-redundancy, mRMR)选择出与状态类别相关的特征子集;然后利用三种不同的机器学习方法:logistic回归(logistic regression, LR)、随机森林(random forest, RF)和支持向量机(support vector machine, SVM)对患者进行状态分类,通过受试者工作特征曲线(receiver operating characteristic, ROC)下面积(AUC)、准确度、精确度、召回率、F1分数判断识别效果。结果 LASSO回归模型的最佳λ值为0.0161,测试集上均方根误差为0.3489,测试集上的决定系数为0.7200,准确度为91.36%。mRMR+LR、mRMR+RF、mRMR+SVM的AUC值分别为0.94、0.89、0.95,准确度分别为0.86、0.77、0.90,精确度分别为0.87、0.80、0.90,召回率分别为0.86、0.75、0.90,F1分数分别为0.86、0.75、0.90。在验证集上,LASSO回归相比于三种机器学习方法展现出更好的预测性能。结论 LASSO回归模型和mRMR+机器学习方法均能有效识别患者利尿剂抵抗状态。相比mRMR+机器学习方法,LASSO回归模型具有更好的利尿剂抵抗识别效果,能够为医院的早期干预提供更为精确的科学依据。

关键词： 癫痫   颞叶癫痫   Kullback-Leibler散度相似性估计法   脑网络分析   队列研究  

摘要： 目的利用机器学习算法探寻和发掘颞叶癫痫亚型分类及不同亚型手术预后的脑代谢网络特征,为实现颞叶癫痫亚型分类及评估手术预后提供帮助。方法回顾性收集2016年1月至2021年6月就诊于中南大学湘雅医院综合癫痫中心137例药物难治性颞叶癫痫(TLE)患者^(18)F-FDG PET图像作为训练组数据,通过Kullback-Leibler散度相似性估计法获取网络连接数据,提取了6902个网络属性指标以及相关人口学和临床特征。采用决策树、随机森林等8种机器学习模型进行训练。将上述提取的网络特征构建模型对TLE进行亚型分类,并采用2021年7月至2023年8月来自中南大学湘雅医院综合癫痫中心92例药物难治性TLE患者的^(18)F-FDG PET代谢网络数据对训练模型进行验证(独立测试组)。进一步使用决策曲线分析评估,选择临床实用性最高的模型分别对105例颞叶内侧癫痫(训练组76例,独立测试组29例)和33例颞叶外侧癫痫(训练组23例,独立测试组10例)中手术患者进行预后预测。结果训练组男84例,女53例,年龄(22.0±8.0)岁,独立测试组男45例,女47例,年龄(24.2±12.8)岁。训练组8种机器学习模型的受试者工作特征曲线下面积(AUC)在0.904至0.985之间;独立测试组AUC在0.859至0.946之间。根据上述模型性能比较,发现随机森林模型的预测结果最准确且稳定[AUC 0.985(95%CI:0.985~0.986),准确度0.998(95%CI:0.995~1.000),灵敏度0.957(95%CI:0.898~1.000),特异度1.000(95%CI:1.000~1.000)]。颞叶内侧癫痫手术患者训练组对手术预后的预测AUC为0.838(95%CI:0.753~0.923),准确度为0.838(95%CI:0.836~0.841);独立测试组AUC达到了0.783(95%CI:0.549~1.000),准确度为0.793(95%CI:0.782~0.804)。颞叶外侧癫痫手术患者训练组对手术预后的预测AUC为0.962(95%CI:0.881~1.000),准确度为0.957(95%CI:0.953~0.960);而独立测试组AUC也达到了0.800(95%CI:0.408~1.000),准确度为0.900(95%CI:0.882~0.918)。结论提取^(18)F-FDG PET的代谢网络特征构建机器学习模型可协助颞叶癫痫的亚型分类和手术预后评估。

关键词： 小数的意义   数的概念   一致性   深度学习  

摘要： 小学数学中“认识小数”的教学通常分为两个阶段:第一阶段是“小数的初步认识”,主要讲的是生活中的小数,理解它们的实际意义。第二阶段是“小数的意义”,主要讲的是小数是十进分数的特殊形式,以及从十进分数的意义来认识小数。在《义务教育数学课程标准(2022年版)》的“数与代数”领域中,将“数的认识”与“数的运算”两个主题整合为“数与运算”主题,并提出了该主题教学的一个“大概念”——数的概念、数的运算本质上的一致性,认为整数、分数和小数都可以从计数单位和计数单位的个数两方面来认识。

关键词： 行政协议   双重法源   民法典   概念范畴   属性识别  

摘要： 民法法系国家行政协议是否以及如何适用《民法典》的问题至关重要,而我国《行政协议司法解释》第27条中的“可以参照适用”却语焉不详。以德国为例,1976年《联邦行政程序法》第62条第2句明确规定《民法典》可以补充适用,由此行政协议存在行政法与民法双重法源,直接受到公法与私法的双重规制。于是德国行政协议从概念及其引申的范畴与识别开始就直接受到德国民法理论与实践的深刻影响:公法合同并非仅由公法定义,还须结合民法总论、法律行为全面理解;依法行政要求下的类型法定在实务冲击下通过解释论扩张到了民事合同理论范畴;识别路径中主流的公务目的论也在司法实践中面临统一原则与分离理论之争。由此可见,民法作为直接法源,不仅直接决定行政协议的具体适用规范,更能从源头开始直接影响行政协议的概念及其范畴与识别,进而影响整个理论基础与制度构建,因此有必要进一步明确《民法典》是否为直接法源。

关键词： 组合零样本学习   情境感知   门控网络   特征解耦  

摘要： 组合零样本学习将类别定义为属性和对象的组合,要求模型在训练时对未见过的组合上进行准确的识别,不仅可以有效降低模型对标注数据的依赖,还可以探究深度学习模型的组合泛化能力。现有方法在组合识别时,往往忽略了属性和对象在不同组合情境下的外观差异性,导致泛化能力不足。为此,提出了一种基于情境感知决策的组合零样本学习方法,利用多模态预训练模型CLIP作为编码器,结合文本软提示、适配器微调和特征去噪机制,分别提取属性、对象的独立特征,并设计情境相关门控网络,在模型决策阶段根据图像自适应地融合属性和对象的预测得分。在四个主流基准数据集上进行了实验,结果表明,该方法显著提升了组合零样本学习的性能,证实了基于属性和对象组合的情境参与决策的有效性。

关键词： 铸牢中华民族共同体意识教育   有意义学习   认知同化  

摘要： 新时期中华民族共同体意识教育亟需创新,其中掌握有意义学习的规律具有重要的现实意义。根据有意义学习理论,铸牢中华民族共同体意识教育中的知识学习需要关注有意义学习的各个方面,但最重要而且最容易解决的是提供先行组织者、促进认知同化和提升内驱力。先行组织者的内容能为正式学习铸牢中华民族共同体意识新知识提供适当的“观念固定点”,要把先行组织者作为课堂过程的组织技术来建构教学模式;认知同化过程就是大学生认知结构中原有的知识吸收同化新知识的过程,要通过加强程序性知识教学提升铸牢中华民族共同体意识教育的实效性,要通过提升大学生原有认知结构对新知识学习发生重要影响的三个变量(即可利用程度、可辨别程度、稳定程度),促进认知同化顺利完成;需要利用动力机制帮助提升大学生的学习成效和创新意识,重点通过讲好导入课、创设学习情境、利用提取练习效应等方面帮助提升大学生的认知内驱力。

关键词： 理论多相催化   催化剂理性设计   机器学习   机器学习势   生成式模型  

摘要： 多相催化反应在化工领域具有重要地位,是合成氨、煤制油等工业部门的核心.一直以来,为了更好地理解活性位点、反应路径以及微观动力学等信息,基于密度泛函理论的计算方法在这一领域发挥着独特的作用.但受限于计算能力,这样的研究手段难以处理涉及大时间与空间尺度的问题.近年来,作为人工智能重要分支的机器学习方法逐渐兴起,为理论多相催化研究带来了全新的研究范式.本文首先介绍了针对特定催化问题的统计学习模型、应用策略与局限性;然后重点探讨了机器学习势函数及其在多相催化理论模拟中应用的现状与挑战,并强调了近期兴起的通用机器学习势模型及其预训练-微调部署方式在多相催化模拟中的潜力;最后讨论了新兴的包括大语言模型在内的生成式模型在多相催化研究中的前景.在可预期的未来,机器学习方法与多相催化将有更深入的交叉,为多相催化剂理性设计工作带来更多便利,这既是相关研究者的一大机遇,也是新的挑战.

关键词： 大地热流   南海   机器学习   洋壳   洋中脊  

摘要： 大地热流是地球动力学研究与资源勘查的重要指标,但其测量易受气候、热液活动等因素的干扰,导致实测数据匮乏。本研究针对现有基于机器学习的热流预测模型对洋壳热流特异性考虑不足的问题,整合南海实测热流和多源地质、地球物理等数据,基于线性模型、支持向量机和XGBoost算法,通过对比引入与不引入洋壳特征(距洋中脊距离和洋壳年龄)的预测模型,揭示洋壳特征对南海热流分布的影响机制。结果显示:洋壳特征虽与实测热流值无显著相关性,但其使预测热流在洋中脊附近呈现更显著的带状分布;且在引入洋壳特征的模型中,布格重力异常的特征重要性显著高于其他特征。基于热流值、布格重力异常和距洋中脊距离的K-means聚类分析识别出构造主导型洋壳(类型1)与岩浆主导型洋壳(类型2)区域,印证南海洋壳扩张自23.6 Ma洋中脊跃迁后扩张机制由岩浆主导向构造主导的演化特征。本研究为南海深部动力学过程提供了数据驱动的新认知框架。

关键词： 机器学习   量子物理学   科学发现   科学理解   人工智能  

摘要： 随着人工智能技术的飞速发展,机器学习已成为量子物理学领域的一个重要工具,它在量子技术中的多样化应用包括:测量数据分析,实验参数估计,硬件级量子控制策略,量子实验和量子协议的自动设计,量子纠错。在理论量子物理学中,机器学习也有重要的应用,它不仅可以帮助人们解决量子纠缠领域的疑难问题,甚至对量子力学基础研究也有一定的启示。机器学习的应用不仅提高了实验效率和精确度,还促进了新的科学发现,并对科学哲学的传统观点提出了进一步挑战。它在科学发现和科学理解中都有重要的哲学意义,可能改变科学研究的未来面貌及传统的科学观念。