概念性理解视角下的小学数学教材比较研究--以“分数除法”为例

分数除法不仅是培养学生数感及运算能力的良好素材,也是培养学生代数推理能力的重要载体。分数除法的概念性理解对小学生来说具有一定的挑战性。选取中国、美国,新加坡、英国的小学数学教材,对分数除法算法建构的过程进行比较研究。结果表明,各个版本的教材在分数除法部分渗透的推理类型有较大差异,中国及新加坡教材在概念性理解方面的要求高于美国与英国教材。     

中国网络文学研究主题的可视化分析 ——基于中国知网CNKI的分析

采用文献计量与可视化方法,使用VOSviewer、Citespace软件对CNKI收录的国内1993—2021年网络文学研究的5629篇论文进行可视化分析,考察其研究热点主题与高频关键词.结果显示:研究主题划分出24个子聚类,整体呈现出分散性与多样性的特点;研究内容分布整体全面,局部研究不均衡;近年来研究有多学科交叉的趋势.网络文学研究应多吸收统计学与计算机技术,增加定量研究.     

全球胜任力导向下初中语文学科建设与思考

在新时代背景下,"全球胜任力"的教育理念得到了广泛的关注和认可.如何培养学生成长为具有健全人格、善于创新思考的国际化人才,如何培养具有全球胜任力的中国青少年,目前正成为我国学校基础教育的重要议题.笔者从初中语文学科教学实际出发,结合"全球胜任力"的理念,认为适应新形势下人才的需要,要以"立足根本,放眼全球,全面发展,重视能力"为教学宗旨,从教师理念、学科融合、课堂模式等几个方面进行初中语文学科建设,为培养具有全球胜任力的人才打好基础.     

OBE-POA双维导向下大学英语混合式"金课"设计与实践

大学英语"金课"建设既是当前国家教育形势所需,也是课程本身扭转僵局之路.本研究以OBE教育理念和POA教学法为指导,尝试构建了大学英语混合式"金课"教学模式,并按照"两性一度"标准从教学目标、教学内容、教学组织和教学评价的四个方面阐述了"金课"教学设计方案.最后,通过一个学期的对比教学发现,新型"金课"教学方式更能促进学生英语产出能力的较快发展,问卷调查结果显示多数学生对大学英语混合式"金课"的教学质量表示满意.     

焊接机器人模块化工装组夹及复现工艺研究

焊接机器人工装组夹及产品复现在生产中是极为重要的,文章针对焊接机器人对工装精确度的要求,采用棋盘方格定位法和复现工艺,实现了焊接工装和机器人重复定位精度的要求,在多种产品上得到应用推广。     

上兵伐谋:大学发展中的战略选择

当代社会对大学的需求是多种多样、多领域、多层次的。大学必须对它所活动的主要领域和主要层次作出选择,对其职能发挥的主要领域和主要方向作出取舍;在格外激烈的院校竞争中,大学的领导层、决策层能否把握机会,作出让学校高速发展、跨越式发展的战略选择,关乎大学的核心竞争力。因此,战略选择和规划对大学的发展至关重要。大学的战略定位和选择需要考虑诸多因素,主要包括外部环境、内部资源和能力、利益相关方的期望和反响等。本文以南京大学将美国《科学引文索引》引入科研评价的战略选择与决策过程为例,分析大学战略选择的关键与难点。     

德国知识传播和信息服务创新与探索研究 ——以CrossAsia平台为例

本文以德国柏林国家图书馆开发的CrossAsia平台为研究对象,采用个案研究法,辅以网络调研和个人采访的方式收集资料,从CrossAsia的概念、地位与驱动因素、实践探索、作用分析等三个方面入手,系统梳理柏林国家图书馆在知识传播和出版服务工作方面的创新与探索.对CrossAsia网站的知识传播和出版工作进行系统性的分析...     

Lower grade students tend to give up early in multimedia learning

European Journal of Psychology of Education - This study examined the relationship between grade and the ability of text-picture integration in terms of task completion and the pattern of using...     

Cheating among elementary school children: A machine learning approach

Academic cheating is common, but little is known about its early emergence. It was examined among Chinese second to sixth graders (N = 2094; 53% boys, collected between 2018 and 2019) using a machine learning approach. Overall, 25.74% reported having cheated, which was predicted by the best machine learning algorithm (Random Forest) at a mean accuracy of 81.43%. Cheating was most strongly predicted by children's beliefs about the acceptability of cheating and the observed prevalence and frequency of peer cheating at school. These findings provide important insights about the early development of academic cheating, and how to promote academic integrity and limit cheating before it becomes entrenched. The present research demonstrates that machine learning can be effectively used to analyze developmental data.