试论高校党建工作的改革与创新

江泽民同志在广东考察时提出 :“要把中国的事情办好 ,关键取决于我们党 ,取决于党的思想作风、组织、纪律状况和战斗力、领导水平。”江泽民同志的讲话 ,深刻地揭示了当前中国共产党的鲜明的时代特征 ,为新形势下实现党的“新的伟大工程”指明了方向 ,是高校加强党的建设的根本指导思想。面对新的挑战 ,高校党建工作者必须认真研究 ,勇于探索 ,高瞻远瞩 ,与时俱进。一、面向新世纪 ,高校党建环境面临的新问题1 “西化”与“分化”对高校党建工作的挑战。在复杂多变的世界新形势中蕴含着“和平与发展”两大主题和“政治多极化与经济全球化”…     

高校要在改革中加强科学管理

管理问题正日益成为我国经济发展和社会进步的重要而紧迫的问题。无论是从我国现代化建设的成功经验,还是从社会生活中留下的许多教训来看,都可以得出一个结论：没有科学严密的管理,就不可能有改革的成功,就不可能有经济的健康发展,就不可能有社会的全面进步,也就不可能有中国的现代化。加强科学管理,应当成为全社会共同关心和重视的大问题,各个行业、各级领导干部应当把工作的重点放到加强管理上来,这是形势的需要,新世纪的要求管理无处不在,建国以来特别是二十多年来改革开放政策、科教兴国战略的实施,我国高校取得了长足的发…     

社会网络分析视角下的混合学习社群协作策略研究

研究混合学习社群协作关系的社会网络结构,以及探讨面对面协作与在线协作的关系,对于揭示混合学习社群协作关系的本质特征与规律具有重要作用。本研究在国内外同类研究述评的基础上,针对混合学习社群的协作与互动现象,结合社会网络分析、问卷调查和焦点团队访谈等方法,构建了一个混合学习社群社会网络分析框架。进而运用该分析框架对美国南加州先锋大学学习型乐团进行案例研究,分别从社群图、中心性、密度、小团体、矩阵相关性等方面来分析混合学习社群协作关系的社会网络结构。文章最终提炼了＂任务驱动—混合式协作—激励机制—过程性测评—规范管理＂的混合学习社群协作与互动的策略,以促进混合学习社群协作的成效。     

高校心理健康教育协同机制探索

高校心理健康教育是促进学生全面发展的重要环节。做好新时代高校心理健康教育工作,要以心理健康教育协同机制为突破口,建立育心与育德“一体化”协同发展格局,构建“德心共育+校院联动+多方协作”三位一体的高校心理健康教育协同育人机制,全面加强和改进学生心理健康教育工作。     

信息化促进基础教育公平政策研究——基于政策工具的分析视角

“以信息化促进教育公平”对推进教育现代化和建设教育强国有着深远的战略意义,是一项重大而紧迫的时代课题。但就理论研究而言,相关研究呈现“实践先行而认知迟滞”的现象,研究的实践效度和普遍化指向常常受到质疑。究其原因,该课题涉及教育资源的公共配置,然而教育政策指导下的教育行动边界不能等同理论分析边界;伴随信息技术的革新,研究容易陷入“追新逐热”式的表面思考而忽视“研究问题是什么”,很难从更上层、更稳定的视角整体审视“信息化促进教育公平”。根据教育问题的社会科学和人文学科属性提出“信息化促进教育公平”研究问题域框架,并从基于因果理论的经验性研究和超越工具理性的规范性研究两方面,分别提出相应的研究问题优化建议。本研究有助于理解“信息化促进教育公平”的研究具象,为践行和检视“信息化促进教育公平”提供分析框架,为开展前瞻性和储备性研究提供问题框架。     

关于网站可用性研究的探讨

网站可用性问题近年来引起了社会的广泛关注,要求提高网站可用性的呼声越来越高,本文着重讨论了网站可用性的三个热点问题:一是可用性与创新之间的关系;二是可用性研究的经济效益问题;三是可用性研究和用户使用经验问题。     

全面提高"两课"教学效果的方法论思考--在"两课"教学中如何贯彻理论联系实际的原则

要实现"两课"教育教学目标,全面提高"两课"教学的效果,就必须对"两课"教学进行方法论思考.本文从教师的角度入手,阐述"两课"教学贯彻理论联系实际的必要性,分析不足的成因并提出相关的建议.     

论思想政治工作中的“人文关怀”

当前大学生对高校思想政治工作的评价不理想，高校思想政治工作的效果不尽人意．原因有很多方面，缺少人文关怀是重要的一方面。本文从调查结果出发。论证在高校思想政治工作中体现人文关怀的必要性和重要性，并就具体的思想政治工作如何体现人文关怀提出一些粗略的见解。     

高校精品课程网站建设研究：以教育传播学为例

本文以高等学校本科教学质量工程中的精品课程建设为切入点,分析了高等教育精品课程网站的建设理念和思路,进而对华南师范大学教育技术学专业的教育传播学省级精品课程网站进行了设计开发．并在实际教学应用中验证了课程建设效果。     

深度学习支持下多模态学习行为可解释性分析研究

当前,学习行为分析已成为研究热点.基于大数据技术挖掘学生的学习行为特征,能为学习过程的改善、学习评价的优化提供重要依据.然而,现有研究却存在分析数据类型单一、实时性不强、结果准确度不高、缺乏可解释性等问题.文章从利用深度学习算法进行多模态学习分析入手,采用HDRBM(Hybrid Deep Restricted Boltzmann Machine,深度混合判别受限玻尔兹曼机)神经网络模型,建立多模态学习分析模型,为教育技术领域中利用多模态大数据挖掘学习者行为特征提供了新范式;接着从可解释性分析的角度,阐述利用深度学习算法进行多模态学习行为分析的算法设计与实现过程;通过实验表明,研究中所采用的方法与技术路线对提高学习行为分析的可解释性有较好成效.