女大学生体育锻炼能力的培养

通过问卷调查和教学实验，不仅能改进高校体育教学模式、促进高校体育课程的改革，而且能够在教学过程中树立高校体育教学新思想，培养学生的终身体育锻炼能力和兴趣。     

互惠分组教学在女生体育教学中的运用与研究

根据《中国教育改革和发展纲要》和全面实施素质教育的要求,结合女生体育教学的特点,分析运用了互惠分组教学。在教学过程中根据学生的兴趣,成绩,交往意愿及语言组织能力进行分组。各组学习的时间又因教学内容和教学环节的不同而不等。通过实践,充分调动了学生的学习积极性和内在潜力,提高了学习成绩和社会交往能力,起到了体育教学使学生能够终身受益的目的,从而提高了教学效果。     

田径教学课件制作初探

在全球科技日新月异的今天，信息技术在教学中得到了广泛运用，使教学条件得到了极大的改善。多媒体技术的引入，在体育田径项目的教学中开辟了田径运动教学的新领域。运用文献资料法结合多媒体操作经验．指出田径教学课件应包含的内容及对田径教学质量提高的重要意义。     

近年来我国教师文化研究探析

随着国外教师文化研究的逐渐发展和我国社会转型的时代要求，教师文化研究也成为国内专家和学者竞相探讨的课题。通过对近几年来教师文化研究的查阅和分析我们可以发现，学术界在教师文化定义界定、教师文化建设的基本途径、新课程改革中如何构建教师文化这三个方面已经取得了丰硕的成果，但是仍然存在明显的不足。笔者试图通过对此进行一个较为系统的梳理，便于未来教师文化的研究有一个更清楚的脉络。     

竞技体育可持续发展的评价指标及其人力资源研究

竞技体育可持续发展是新世纪我国体育界面临的重大课题。笔者以 4省 44 2人为调查对象 ,研究和探讨了竞技体育可持续发展的评价指标 ,经因子分析和专业理论研究 ,建立了 5类共 15项指标 :科技道德教育类、体制规范类、经济竞技发展类、外部投入类和消除“近亲繁殖”的教练员培养制度类。笔者在研究中发现 ,我国无论是体育还是非体育家庭都不愿意孩子从事体育和竞技体育 ,主要原因有传统思想问题、体育的社会地位问题、运动员的教育问题等 ,其中教练员的“近亲繁殖”培养制度是影响我国竞技体育人才资源的最主要的原因之一。     

职业学校学生综合素质的考核与评价

上个世纪90年代中期,为了加强对职业高中文化课的教学管理,保证文化课的基本教学质量,常州市教育局实行第一学年结束对语、数、外进行统考,第二学年结束对语、数、外进行毕业会考的制度,受到了当时省教委的首肯,并得以在全省推广.但是,近年来,职业教育在培养目标、教学任务、培养手段等方面发生了很大的变化,职业学校的工作主要围绕如何提高学生综合素质来展开,由此引发了对统考和会考以至对职业学校学生综合素质的考核与评价问题的讨论,产生了许多新的思想.笔者认为,对职业学校学生综合素质的考核与评价,其根本意义在于促进其综合素质的提高,至于考什么,怎么考,必须与时俱进,实事求是,从实际出发,不搞一刀切.     

中英两国综合型大学体育系若干问题的比较研究

通过对中英两国综合型大学体育系的课程设置、师资力量等比较研究、发现英国综合型大学体育系的课程设置比较科学、合理,充分考虑了市场需求和人才培养的关系;师资力量雄厚,授课质量高,经常从事科研工作,并善于培养学生具有发散性思维和实际操作能力。     

CSSCI来源期刊微信公众号跨平台学术传播全样本实证分析

[目的/意义]社交媒体提高了学术信息传播与推送效率,丰富了学术信息和服务的供给能力。学术信息在学术生态中呈跨平台传播态势,微信公众号、知识服务平台和期刊官方网站是重要的学术信息推广媒介。[方法/过程]以CSSCI来源期刊为研究对象,全面调查统计C刊微信公众号开设情况,分析C刊微信公众号运营数据和同期CNKI论文下载量之间的关系。[结果/结论]C刊微信公众号运营能力有待提升,运营数据显著影响CNKI平台论文下载量。提出C刊公众号运营应进行持续性改进的建议。     

融合深度学习和链路预测的细粒度技术预测研究——以合成生物技术为例

[目的/意义]面向专利文本进行更细粒度的技术实体识别和技术预测,利于更详细地把握专利技术布局与趋势。[方法/过程]首先利用深度学习方法自动识别专利技术术语类实体,通过实验对比多组深度学习算法的优劣。其次,提出新的半监督标注和自定义标注方案,提高人工标注效率。最后,执行训练得到的最优模型,结合链路预测方法,对合成生物技术进行细粒度的技术预测。[结果/结论]实证结果表明RoBERTa-BiLSTM-CRF模型更适用于语义复杂的专利技术实体识别,F1值可达到86.8%,技术识别结果比传统IPC分析方法更精细。同时,细粒度的技术预测结果表明,合成生物学的合成方法在不断改进创新,合成物研究向合成燃料发展。     

基于无监督图神经网络的学术文献表示学习研究

学术文献特征表示,是学术文献搜索、分类组织、个性化推荐等学术大数据服务的关键步骤。研究表明,图神经网络能够有效学习文献的特征表示,然而当前研究主要集中在有监督学习方法上,不仅对数据集的大小和质量的要求较高,且学习到的文献特征表示与具体任务高度耦合。基于此,本文将四种无监督图神经网络方法引入学术文献表示学习,从Cora、CiteSeer和DBLP (database systems and logic programming)数据集的引文网络、共被引网络和文献耦合网络中学习文献的表示向量,并应用于文献分类和论文推荐两大下游任务。研究结果表明,(1)深度互信息图神经网络适合于文献分类任务,对抗正则化变分图自编码器则在论文推荐任务上性能更佳;(2)Cora数据集上的结果表明,相较于共被引和文献耦合网络,引文网络更适合于学习通用的文献表示向量。