美术教学实践的新课堂

《全日制义务教育美术课程标准(实验稿)》的颁布，使当今的美术教育改革如沐春风，“美术课程具有人文性质，是学校进行美育的主要途径，是九年义务教育阶段全体学生必修的艺术课程，在实施素质教育的过程中具有不可替代的作用”。这是新美术课程标准对美术课程性质的定位，“以人为本”、“以学生发展为本”的基本教育理念贯穿在整个课程标准之中。在课程设置上，改变了以往“单纯以学科知识体系构建的课程为思路和方法”，突出强调了“综合性学习”，它使教师的课程角色开始发生变化，将学生置于“开放、多元、互动、创新”的学习情景中，充分发挥了教师“教”的主导作用和学生“学”的主体地位，     

中国体育明星对大学生的影响及人文教育价值

大学生崇拜体育明星,既有心理因素,也有社会环境因素。崇拜心理包括情感投射、榜样认同、审美认同等;社会环境因素包括共同利益、社会环境影响等。体育明星象征成功、健康、强壮、快乐、豁达、平等、自由、善良、竞争和爱。他们对大学生的影响包括社会公信力、激励作用、政治认同、社会文化心理等。借用体育明星的励志作用,开展大学人文教育,是体育明星反哺社会的方式之一。     

主打新闻人物这张牌——十运会特刊关于人物报道的有益尝试

辽宁日报为期两周的十运会特刊最具魅力的两个专栏是“倾情讲述”和“北方感动”。在这场大型战役报道中,我们以新闻人物为支点,走进他们的内心世界,凸现他们含辛茹苦的奋斗经历;在十运会竞争激烈的新闻大战中,我们开辟了第二战场,给运动员和教练员、尤其是竞技场上失利的运动员和教练员人文关怀,关注被忽略的“小人物”的命运。所以辽宁日报十运会特刊区别其他媒体最为显著的特征是,情感交融,以情动人。总结历届大型综合体育赛会的报道,我们不难发现,能经受住时间考验的、能深深刻在记忆里的、能被广泛传播的,就是关于新闻人物的报道。所以…     

应对新课程挑战 关注学生数学学习自我评价

课程改革推进和实施过程中一个重要的问题是评价问题．现实中，学生丰富的数学学习活动常常被最终一份考卷简化为几个数字，无论是教师还是学生的工作都以最终的考试成绩作为唯一的评价．通过考试成绩这一标签将学生分成三六九等，学生思考问题的方法，解决问题的途径，对数学的思想方法及问题解决的心态包括情感、意志、     

对中国篮球人文发展方向的探讨

分析了中国篮球人文发展方向的历史必然性,并在与美国NBA的对比中探讨了中国特色篮球文化、篮球市场等方面的发展问题.     

省教育厅人文社会科学重点研究基地“地方文化资源保护与开发研究中心”顺利通过专家组评审

设在我校的“地方化资源保护与开发研究中心”顺利通过省教育厅专家组评审。这将有力地推动我校人社会科学的发展，促进我校人社会科学的教学与研究再上新台阶。     

人文关怀与英语教学

如何有效的开展英语教学这一问题一直以来就受到广大专家学者的重视。本文结合实例，从人文关怀的角度探讨英语教学的开展模式，提出在教学过程中重视学生和老师的个体因素的重要性。     

基于本体的简帛医药知识组织研究

［目的/意义］ 中医药是中华文化的传承,对现代医学发展具有重要作用,应受到高度重视。利用数字技术组织中医古籍,对其进行保护与重用具有重要意义。［方法/过程］ 以简帛医药文献为研究对象,分别构建简帛医药书目本体和内容本体,并通过书目本体和内容本体的连接形成简帛医药文献本体模型;利用命名实体识别模型抽取实体概念,利用依存句法分析和规则的方法抽取实体关系,最终将简帛医药文献数据存入图数据库,实现简帛医药文献知识图谱可视化与检索查询结果呈现。［结果/结论］ 利用本体和知识图谱,提出简帛医药知识组织方法,建立具有逻辑关系的简帛医药知识链,形成中医药领域知识的语义网络,在中医古籍的智能化方面做出有益的探索,有助于中药知识的普及与传承。     

史书多维知识重组与可视化研究——以《史记》为对象

艰涩的古汉语文法和线性的内容呈现方式是普通读者从史籍原文获取所需信息的两大障碍。该问题的解决需要实现史书知识重组与形式再造,即支持从时间、人物、地点等多个维度出发获取史书中的知识,并以图结构的方式呈现所返回的结构化知识以及对应的史书原文,从而在降低相关信息的获取与理解难度的同时,拉近读者与史籍原文的距离。然而,目前基于史书原文获取结构化知识的研究较少,已有研究自动化程度较低,且多在可视化呈现上与史书原文相割裂。因此,本研究提出并实现了史书多维知识重组与可视化系统,该系统包括史书多维知识建模、基于古籍智能处理技术的史书多维知识库自动构建与多维知识可视化三部分。最终将该系统应用于我国第一部纪传体史书《史记》,实现了其以人物、时间、地点、社会集团、职官等不同维度为中心的自动重组与可视化。     

数字人文视角下的非物质文化遗产文本自动分词及应用研究北大核心CSSCI

文本自动分词是非物质文化遗产相关数字人文研究的基础与关键步骤,是深度发掘非遗内在信息的前提。文章构建了国家级非物质文化遗产项目申报文本自动分词模型,探究了融入领域知识的机器学习模型CRF、深度学习模型Bi-LSTM-CRF和预训练语言模型BERT、RoBERTa、ALBERT在非遗文本上的分词性能,并对比了通用分词工具HanLP、Jieba、NLPIR的效果。在全部14种模型中,RoBERTa模型效果最佳,F值达到了97.28%,预训练模型中ALBERT在同等条件下训练速度最快。调用分词模型,构建了非遗文本领域词表和全文分词语料库,对非遗文本词汇分布情况进行了分析挖掘。开发了中国非物质文化遗产文本自动分词系统(CITS),为非遗文本自动分词及分词结果的多维可视化分析提供了工具。