我国核专业人才缺口大

被日本福岛核电站事故吓了一大跳的我们,突然发现自己之前很＂懵懂＂原来我们早已身处＂核时代＂,生活中有核电站、核医疗、核农业……可一直没有明确的意识。现在意识到了,但许多人的意识中恐怕就是对核安全的担忧。这让核专家们忧上加忧别因此吓跑了有志于投身核科技领域的年轻人!当年日本电视剧《血疑》（女主角受了核辐射,得了白血病）和前苏联切     

幂等矩阵与秩幂等矩阵的充要条件

满足A2=A的n阶方阵A称为幂等矩阵,它是矩阵环Mn（F）的一个幂等元;满足r（A）=r（A2）的n阶方阵A称为秩幂等矩阵。它们与空间的分解、不变子空间的研究有密切关系。利用线性空间的理论方法研究幂等矩阵与秩幂等矩阵的性质,分别得到与它们等价的一些充要条件。     

“一核三带”区域背景下的区域文化传播策略研究

国家为了进一步发展东北地区区域经济,推行了"一核三带"的战略举措,这一举措对于区域文化传播具有非同寻常的重要作用。民众生活节奏过快会导致对于传统文化的淡忘以及对于优秀文化内涵的缺失,从而不利于对城市文化品牌的建设。大力推行文化传播策略,采用具有特色的文化传播方式,才能继承和建设一个地区区域的优秀文化。本文将对于一核三带区域背景下的区域文化传播策略进行综述及研究,以推进四平市以及周边区域全面发展。     

乙酸铜对黄鳝毒性效应的遗传学研究

以黄鳝为材料,研究了不同浓度的乙酸铜对黄鳝外周血白细胞数目、红细胞微核和核异常、以及肝脏过氧化氢酶(CAT)活性的影响。结果发现:在低剂量范围内,随着乙酸铜剂量的增加红细胞的微核率及核异常率逐渐增加、CAT活性升高,白细胞的数目则下降;至3.00 mg/kg剂量时红细胞的微核率、核异常率及CAT活性均达最大值,至1.00 mg/kg剂量时白细胞的数目达最低值;随着剂量的进一步增加红细胞的微核率、核异常率以及CAT活性反而下降,白细胞的数目则反而上升。结果说明一定剂量乙酸铜对黄鳝外周血细胞具有明显的遗传学毒性效应,且乙酸铜的作用具有双向性。     

课程思政建设的“一核两翼三层”模型构建研究

全面推进课程思政建设是新时代高校教学改革的重要举措,课程思政建设应有其内在的理论基础。该理论可以回答为何进行课程思政建设、如何持续推进课程思政建设,以及效果如何保障等核心问题。文章首先对相关课程思政建设理论进行了梳理;其次,从系统设计视角,构建了课程思政建设“一核两翼三层”理论框架;最后,以“三层”为着眼点,归纳总结了治理层要突出顶层设计与协同效应、设计层要突出以学生为中心、运行层要突出现代技术与方法创新。     

生物科学史视角下对高考评价体系的理解

高考评价体系是深化新时代高考改革的理论支撑和实践指南.本文基于"一核四层四翼"的整体架构,从生物学科学史的视角,深度理解高考评价体系的逻辑路径有利于落实考查目的、评估教育目标的达成度,实现考查要求.     

让学习者进入现场:空间介绍类文本阅读方法探索——以《核舟记》为例

对于空间介绍类文本的学习,教师应带领学生进入现场,创设真实或拟真情境,开展语言实践活动,让学生的体验在场、思维在场、审美在场,并以“复盘式”评价活动走向深度学习,形成适应日常生活、学习、发展需要的基本能力和素养。     

真实情境 落实立德树人 六个维度 彰显学科价值——2021 年山西省初中学业水平考试地理试题分析

2021年山西省初中学业水平考试地理试题全面落实立德树人根本任务,以《义务教育地理课程标准(2011年版)》(以下简称"课程标准")为依据,在山西省中考命题"一核·六维·四手段"理论体系指导下,秉承地理课程标准中区域性、综合性、思想性、生活性和实践性的课程性质,将课程标准要求与学科核心素养有机融合,将学科核心素养有机融合试题。试题以任务情境为载体,以问题驱动为手段,着重考查地理能力、地理思维和学科素养,充分体现学科育人价值,真正发挥对地理课堂教学的导向功能。     

聚焦核心素养 放眼学生未来——2022年山西省初中学业水平考试物理试题分析

2022年山西省中考物理试题以《义务教育物理课程标准（2011年版）》为依据,全面落实立德树人的根本任务,按照“考改促课改,课改推考改”的工作思路,进一步完善以核心素养为目标、科学思维为核心、多样化的情境为载体、层级化评分为标准的命题框架,科学实施命题。山西省中考物理试题秉承“一核·六维·四手段”理论,提高命题技术,引导山西省初中物理学科的教育教学朝着更有价值的“教”和更有意义的“学”的方向迈进,较好地发挥中考“指挥棒”的正面导向功能。     

基于Universum学习的核聚类方法

为解决原始核聚类(Kernel Clustering, KC)中模式信息不足、聚类结果不佳的缺点,以KC为基础,利用Universum学习带来的优势,提出基于Universum学习的核聚类(Universum learning based Kernel Clustering, UKC)方法.首先利用Universum学习生成相应的Universum模式,再利用KC算法把数据集分割成多个簇,最后利用每个簇中所包含的Universum模式和训练模式来更新该簇,从而使得这些簇更加合理.实验表明,该算法可以更好地改善聚类效果和分类器的分类性能、泛化能力和计算效率.虽然该方法的步骤比KC多,但是其较好的聚类性能可以帮助人们处理分类问题.