网络舆论的演化与事实公布的节奏

网络舆论的传播过程是一个动态过程,主要呈现出四个不同的阶段:萌芽期、生成期、发展期和式微期.处于网络舆论的不同阶段,网络舆论传播的自身特点、受众对信息的需求、媒体的引导重点都不相同.网络舆论引导者公布事实的节奏不应局限于网络舆论演化过程的某一阶段,而应当着眼于全过程,即根据网络舆论演化过程中不同阶段的不同特点适时调整舆情监控的重点,把握好事实公布节奏,形成一个有秩序、有节奏的事实公开过程.     

别让“生成”牵着鼻子走

生成是新课标倡导的理念。叶澜教授指出：“课堂就是向未知方向挺进的旅程．随时都有可能发现意外的通道和美丽的图景．而不是一切都必须遵循固定线路而没有激情的行程。”新一轮的课改中．老师们对“生成”是倍加珍爱．课堂也常常因生成而精彩．但有些教师却被生成牵着鼻子．不仅课堂失控了．“生成”最终也沦为“无成”．真是令人叹息。[编者按]     

数学课堂"动态生成"的问题凝视与策略建构

课堂教学是"向未知方向挺进"的旅程.但实践中常常走进误区,出现了漠视儿童的"虚化生成"、迁就儿童的"伪化生成"以及偏离目标的"无效生成"等.因此教师不仅要被动"跟进生成",更要主动"调控生成".在弹性预设、营造情境、提升机制、优化资源中,将课堂教学中儿童的"出错""出轨"演绎成"出奇""出色""出彩"!     

高中信息技术教学对话理念渗透浅探

<正>现代教学论强调,教学不是简单的教师教、学生学的过程,而是师生交往、积极互动、共同发展的过程。体现这个过程的主要形式与途径是对话。对话教学是一种"在多种价值相等、意义平等的意识之间相互作用的特殊形式",是教师与学生、学生与学生在互     

巧妙应对教学变故，涵养数学教学机智

课堂是一个动态生成的过程,教者在教学过程中或许会遇到一些意外状况,这些突发事件阻碍或影响了教学活动的正常有序开展,尤其是在一些规模比较大的公开课教学中,教师或许会由于场面的紧张气氛导致心里恐慌、怯场而产生教学失误,面对种种教学变故,我们若能发挥自己的教学睿智,随机应变,巧妙解决,或许会化解尴尬,甚至收到意想不到的效果。     

生成性教学的实践困境与应对方略——以小学数学教学为例

生成性教学破解了传统课堂运行呆板、机械的栅障,成为课堂实践自觉的价值诉求。当下生成性教学存在目标预成与目标生成、教材内容与教学内容、周密预设与灵活应变、鉴定评价与赏识评价等方面的实践困境。以小学数学教学为例,破解困境的方略有四:捕捉意义权变、发展数学核心素养是生成性教学的意蕴旨归;"生本"预设是生成性教学的实践支点;预设性生成是生成性教学的艺术观照;激励评价是生成性教学的关键路向。     

广场舞对哈尔滨市60～69岁老年人体脂肪率、骨密度和血管机能的影响研究

为了深入了解广场舞对哈尔滨市60～69岁老年人体脂肪率(FAT％)、骨密度(BMD)和血管机能(PWV、ABI)的影响,提高哈尔滨市老年人身体健康水平.采用实验法、测试法、数理统计法研究广场舞对哈尔滨市60～69岁老年人体脂肪率、骨密度、血管机能的影响.结果显示实验组实验前脂肪处于标准健康的人数为33.2％,实验后增加到45.3％,增加了12.1％,差异具有显著性;实验组实验前骨密度T值为-1.06±0.8,实验后骨密度T值为-1.03±0.7,差异不具有显著性;实验组实验前,PWV测试值为1456.3 ±224.3,实验后测试值为1244.2±243.3,实验后血管弹性数值较实验前减少了212.1±2215,测试结果具有显著性差异;实验组实验前血管ABI测试值为1.10±0.18,实验后测试值为1.13±0.13,差异不具有显著性;对照组实验前后FAT％、BMD、PWV、ABI指标差异都不具有显著性.研究说明科学规律的广场舞能够有效降低60～69岁老年人体脂肪率,增加血管弹性,但是对于提高骨密度,改善血管阻塞程度效果不明显.     

教育智慧的呼唤与生成

时代发展、教育发展、新课改、教师专业发展、教师生命质量的提升呼唤教育智慧,但教育实践中教师教育智慧处于缺失状态。创造教育智慧生成的内外部条件:创建共同愿景,创建校本培训模式,创设终身学习的氛围,认识教育智慧的价值,对学生的爱,反思,参加创造性实践,可以促进教育智慧的生成与提升。     

图式理论下英语写作错误与写作教学的认知分析

写作教学的认知语言学观认为写作是写作者主体的体验与创造的过程。而对于作文文本中的错误研究,很有必要也很有意义。在认知图式理论指导下深化语篇语境下词汇教学,加强语篇衔接手段,完善语篇生成的监控机制,充分激活写作意识,有助于促使二语习得学生形成写作自觉。     

非平衡多阶段物流系统建模与优化方法

首先提出了参数化界面分布的新概念,将一个非平衡多阶段物流系统转化为多个相互独立的单一阶段物流系统,然后采用Prüfer数对每个阶段上的物流模式进行编码.通过一种改进的解码方法,任何一个随机产生的Prüfer数都能够被解码为一个与物流系统的节点容量相匹配的可行的物流模式.基于这2点创新,建立了一种新的基于参数化界面分布和Prüfer数编码的系统建模方法,相应的遗传算法称为PIP-GA方法.与st-GA方法相比,PIP-GA不但具有更好的优化结果,而且需要的计算时间更少;虽然所需的存储空间有所增加,PIP-GA仍然是一种有效而稳健的非平衡多阶段物流系统建模与优化方法.