“增材制造技术”案例教学及案例库建设探讨

增材制造是一门在材料成形及工程领域有着广泛应用需求和发展前景的先进制造技术,其知识的获取以感性认知为主,注重人才的实践和创新能力培养.相比传统简单的一对多和填灌式课堂讲授模式,开展案例教学方法在“增材制造技术”课程中的应用研究,对培养创新实践型人才具有重要意义.以安徽工程大学材料学院开设的“增材制造技术”课程教学为例,从课程内容、教学方式、思政育人等不同角度,系统地探讨了案例教学及案例库建设的思路和方法,为新工科教学的建设和实践提供有益参考.     

浅析地方师范类高校的招生计划编制原则

地方师范类高校既肩负着为本地区培养基层教师的重任,又要在适应社会快速发展中,不断调整自身专业结构,加快学校发展。在制订计划时既要注重自身特点又要符合社会发展的需求,既要符合教育规律,又要尊重市场规律。因此只有在计划编制中不断总结、分析、研究招生计划编制原则,才能更加科学、合理地编制本校的招生计划,更好地发挥师范类院校的作用,促进学校更好更快的发展。     

天津港保税区电力用户安全用电情况分析

电力用户的安全用电工作,对于电网的安全运行以及区域经济发展具有极其重要的意义。本文对2010年至2012年天津港保税区电力用户安全用电情况进行了统计和分析,总结目前电力用户普遍存在的问题,并提出改进意见。     

高校美术类专业测试阅卷工作的信息化管理

由于美术类专业测试的评判结果直接关系到考生的求学前程,所以高校必须保证此类测试阅卷工作的公平与公正。借助信息化手段规范阅卷工作的每一个环节,可以有效减少阅卷过程中人为因素的影响,实现阅卷结果的零差错,从而提高阅卷的效率,充分保证考生的切身利益,为高校的人才选拔把好关键的第一关。     

高考专业服从分配对考生影响的调查研究

我国的高考志愿信息填报卡中,有一个特殊的选项——＂专业服从分配＂。设置这一选项的目的是增加考生被高校录取的机率。但是,考生选择了专业服从分配后,就会存在被调剂到自己不喜欢的专业的风险,由此给学校和考生自身带来了一系列问题,如产生厌学情绪、成绩下降、申请转专业、退学等。本文针对上述情况,以问卷调研的形式,了解考生填报了＂专业服从分配＂后对所调剂专业的主观认识,以及在校学习生活等多方面情况,并逐一进行分析,力图全面反映此类学生的学习状况,提出相应措施以减少专业服从分配给考生带来的消极影响。     

网络传媒在“顺风车”治理中的作用研究

顺风车行动的推行需要驾车人和乘车人即时性的信息支付和沟通,在信息的持续更新中达成两者的合意.网络传媒实时可搜索性、广泛参与性、低成本性的特征使得顺风车活动的推行有了基本的工具性保障,其评价功能监督并改进了顺风车行动的质量水平.但由于网络传媒平台的功能不健全、法制建设显现短板、人际之间缺失信任等问题使网络传媒的顺风车治理举步维艰.为此要构建并健全顺风车出行的网络平台,研发并完善顺风车行动手机APP的应用软件,建立健全顺风车网络传媒的信任机制和监管机制,多管齐下,在相互促进中推进社会交通事业的发展.     

细小的快乐

我不知道大的快乐是什么样的,只觉得真正的快乐应该是那些细小的快乐。把它形象化就是——烈日炎炎下,你走上一座桥,桥下的湖水波澜不惊。燥热难耐之际,你突然看见一朵白色的睡莲静静滑过来,有着湿润的黄色花蕊……     

关于专业服从调剂考生对被调剂专业主观认识的调查分析

我国高考填报志愿中,为了增加考生录取的几率,在专业志愿中加入了“专业服从调剂”选项。但是部分考生由于选择了“专业服从调剂”,导致最终被录取的专业与自己的初衷相差甚远,从而产生厌学情绪。本文研究分析了高考中专业服从调剂考生对所调剂专业的主观认识,从多个方面反映了此类学生的学习状况,并提出了多种措施,从而避免专业服从调剂考生产生消极的学习态度,提高此类学生的学习兴趣。     

日藏古抄九条本《文选》引《文选集注》辑补

九条本是日本现存《文选》古抄本,抄写年代较早,故而很好地保存了《文选》古抄本原貌。其注文所引《文选集注》现仅有少部分残卷,且《文选集注》所保留的唐代古注《文选钞》《文选音决》已佚。《文选旧注辑存》是刘跃进先生近年出版的经过系统整理的汇注本,对九条本所引《文选集注》有大量收录,但仍有许多错漏之处,尤其未收入九条本卷背引文。因此,对九条本所引《文选集注》加以辑录,并在《文选旧注辑存》的基础上加以补正,仍具有较高的文献价值。     

走向可解释性：打开教育中人工智能的“黑盒”

教育是人工智能的重要应用领域,探索教育中人工智能的可解释性,是让人工智能在教育领域中更具“责任感”的重要议题。该文从教育中人工智能应用的现实问题出发,重点回应教育中人工智能的可解释性是什么,做了什么,以及未来走向三个问题。首先,以数据、任务、模型、人四个关键要素为切入点,分析阐述教育中人工智能的可解释性内涵;之后纵观教育中人工智能的可解释工作的演进过程,分析得出已有工作在教育意义注入、模型趋于复杂以及单向解释信息传递等方面的局限性;最后,从知识联邦、模型融生、人在回路三个角度,阐释教育中人工智能可解释性的未来发展方向。