关键词： 跨学科学习   教研   中华优秀传统文化  

摘要： 为探究小学语文跨学科学习的实践路径,以统编教材三年级下册第三单元为例展开项目式教学研讨,回溯教研历程:首先要认真解读教材,厘定教学目标;再在此基础上重点聚焦跨学科学习“用什么学”“怎么学”“学得怎么样”这几个关键问题;最后从“学”和“教”两方面进行反思,梳理后续研究的要点与路径。如此,可把握基于教材资源的跨学科学习逻辑与实施要点,为进一步提高教学质量、发展学生核心素养做好准备。

关键词： 数学概念   深度学习   小学数学  

摘要： 数学概念教学要立足概念本质,促进学生深度学习,让数学素养培养真正在课堂中落地生根。研究者以“小数的意义”一课的教学为例,提出“着眼概念本质的智慧预设”“基于意义建构的智慧探究”“彰显数学思想的教学达成”等设计策略,以期形成多方合力,将促进学生深度学习的教育目标落到实处。

关键词： 中小学   数学学习方式   衔接路径   学习内容   学习方法   学习策略  

摘要： 中小学数学学习方式的衔接是每一位中小学数学教师必须关注的重要课题。为了让小学生顺利过渡到初中阶段,需要针对中小学数学学习方式之间的差异,通过融内容、接方法、续策略,对中小学数学学习方式的衔接进行研究,促进“教与学”“师与生”尽快相互适应、协调运转,增强学生数学学习的后劲。

关键词： 思政公共课   党支部   理论学习“走心”   学科建设  

摘要： 思政公共课党支部理论学习“走心”,可提高思政公共课党支部理论学习的实际效能,提升思政公共课党员教师综合素质,以落实思政公共课立德树人传承红色基因的根本任务。为此,要做好思政公共课党支部人员配置,避免部分思政公共课教师有“因人废学”逆反情绪,而且思政公共课党支部理论学习要制度化、学习时间要有灵活性、学习内容要多样性、学习形式要有新颖性,并发挥“学教相长与学研相长”优势,实现多管齐下激活思政公共课党支部理论学习的效能。

关键词： 执政本领   思想境界   坚定理想信念   共产党员   干部综合素质   理论修养   加强党性锻炼   科学理论武装  

摘要： 高度重视并不断加强共产党员的理论学习,坚持以科学理论引领、用科学理论武装全党,是我们党的优良传统和政治优势。理论学习是共产党员坚定理想信念、提升思想境界、加强党性锻炼的重要保证,也是提高理论水平、领导水平和执政本领的重要途径。习近平总书记强调:“理论修养是领导干部综合素质的核心,理论上的成熟是政治上成熟的基础,政治上的坚定源于理论上的清醒。”

关键词： 机器学习   连续学习   多模态   行为识别   特征蒸馏  

摘要： 人们希望深度学习模型在学习新知识的同时不忘记旧的知识，近年来连续学习成为一个新的研究热点。然而，在多模态架构的连续学习任务中，数据不能被完全利用，导致严重的灾难性遗忘和学习受阻问题仍然存在。因此提出了一种基于特征蒸馏的多模态连续学习方法。该方法重点考虑不同模态在任务表现方面的差异性，选择较多或较少地保留模态旧知识，以激发各模态从整体角度挖掘具有判别性特征的潜力。在多模态行为识别数据集UESTC-MMEA-CL上的实验验证了本文方法的有效性。在进行到第8个任务时，本文的方法在微调基础上提升了22.0%的平均准确率，在LwF的基础上提升了20.1%的平均准确率。与经典的知识蒸馏方法相比，所提出的差异性特征蒸馏方法显著提高了传感器模态的利用率，从而更显著地缓解了多模态网络的灾难性遗忘问题。

关键词： 元学习   车速预测   城市交通  

摘要： 准确预测交通道路上的车速,有助于提升交通安全、缓解交通拥挤、促进自动驾驶技术的发展。针对这一需求,本文首次将元学习方法应用到道路车速预测这一领域,研究了基于元学习方法的道路车速预测模型。构建滑动时间窗口,通过6个基础预测器进行初步预测,并用元学习方法给这些预测结果分配一组权值,最终形成组合预测。在公开的数据集上进行了实验,结果表明:该元学习器的预测性能优于目前较为先进的基准模型,为道路车速预测模型提供了更好的解决方案。

关键词： 县域高中   学习意义   学习行动   学业投入  

摘要： 本研究基于一项对广东省县中的大规模调查,对县中学生的学习投入和同辈群体文化状况,以及学生家庭的文化和社会资本占有状况、同辈群体文化对他们的学业投入特征的影响进行了分析。研究发现,虽然县中学生中“好学者”的比例低于地市高中,但比例依然高达40%,以农村生源为主的县中学生并不像部分小范围田野工作所揭示的普遍不认可学业目标、学业倾向不佳、学习投入程度低。数据也的确显示,他们成为“迷惘者”和“撤退者”的比例要高于城市学生,而家庭的文化资本投入和社会资本投入状况是重要的解释。上述理解和发现有助于克服因小规模田野工作结论的过度推广而导致的农村学生学业污名化。

关键词： 流体力学相互作用   机器学习   深度神经网络  

摘要： 对于研究高分子溶液的动力学行为来说,计算分子动力学(MD)采用的隐式溶剂模型中的流体动力学相互作用(HI)是极其重要的。对于计算HI来说,Cholesky方法是最常用到的分解扩散张量的方法。然而,当体系包含粒子的数目较大时,该方法所需的计算量往往大到难以承受。因此,开发计算HI的高效率技术非常必要。近来,机器学习,特别是深度神经网络(DNN),已经在计算多体相互作用方面得到了显著提升。该技术可以显著减少MD模拟所需的计算时间,因此受到了越来越多的关注。在本项研究中,通过应用机器学习方法,我们发展了一种用于加速计算HI的DNN模型,其相互作用训练集通过针对高分子和溶剂的MD模拟来获取。该DNN模型则通过Deepmd-kit软件包来训练。我们选取表现最好的模型,用以取代对扩散张量的分解。计算得到的高分子链的回转半径和扩散系数用来验证模型的精确度。测试结果表明,相较于显式溶剂模型,我们的DNN模型在计算单链的回转半径和扩散系数方面具有优秀的计算精度。此外,该方法还具有两个显著优势。首先,设计训练集只需要特定链长的一条链,其结果却可以应用于其他链长却不影响计算精度。这就大大降低了训练需求。其次,运行时间与链长线性相关,这就使得计算HI的计算成本也大幅缩减。总之,我们开发的方法提供了一种针对长期悬而未决的计算高分子溶液中的HI的成本过于高昂的解决思路。

关键词： 意义学习   算法与数据结构   教学实践  

摘要： 意义学习基于真实的实践活动,从意义解构到意义建构,它倡导学生思维的综合发展,促成教学多方对话,从知识习得走向思维发展,从课本学习走向多维探究,从单向输入走向教学共生。本文以“意义学习”为切入点,探讨对初中信息科技“算法与数据结构”模块教学的启迪意义,并探索了意义学习的过程。