探索地市级教育兴农之路

去年以来,我们紧紧抓住强化组织领导,拓展服务渠道,突出工作效果这三个关键环节,使全市教育兴农工作取得了明显的阶段性成果,为农村经济增长、农业增效、农民增收及社会稳定作出了贡献。一、明确工作目标,形成兴农合力地市级教委实施教育兴农,首先要解决好导向问题。鉴此,我们结合实际提出了全市教育战线实施教育     

乡镇成人学校的办学模式及特点

一、乡镇成人文化技术学校办学模式种类模式是事物的范型样式,是再现现实的一种理论性的简化形式。模式是在实践中逐渐形成的,是对现实的抽象概括。乡镇成校的办学模式是反映乡镇成校办学的结构、功能、层次及活动方式等的标准样式。随着我国乡镇成校的改革和发展,各地...     

“停课不停学”时期的在线教学研究——基于全国范围内的33240份网络问卷调研

新冠肺炎疫情期间,教育部发布"停课不停学"号召,各地纷纷响应并陆续出台相关政策,利用互联网教育资源开展教学。在此背景下,文章在全国范围内对区县教育管理者、学校管理者、教师、学生和家长进行了网络问卷调查,以了解"停课不停学"时期的在线教学情况和不同主体对在线教学的态度。基于此,文章总结了"停课不停学"时期在线教学存在的问题并提出了应对措施,以更好地服务于在线教学,确保疫情结束后在线教学的健康发展,并为统筹、协调全国力量开展在线教学以应对未来不可预见的公共危机提供参考。     

基于信息技术的表现性评价：概念解析、构成要素及分类框架

基于信息技术的表现性评价是技术赋能学生综合素质评价的实践方法,对于推动学生综合素质评价改革和基础教育高质量发展意义重大。在教育信息化发展新阶段,如何准确理解基于信息技术的表现性评价及其构成要素、分类框架,已成为学生综合素质评价改革中的热点问题。在教育数字化转型背景下,基于信息技术的表现性评价是一种遍及教育评价各要素、流程和层面的立体式变革,呈现出表现性、智能性和客观性的特点,且具有评价目标、评价任务、评价数据、评价结果、评价反馈和信息技术支持六大要素。结合教育信息化发展特点,基于信息技术的表现性评价可被划分为预设式静态性评价、预设式适应性评价、预设式交互式评价、预设式真实性评价和自然式非侵入性评价五类。     

襄樊市农村教育现代化构想

农村教育是农村社会事业的一个重要组成部分。农村教育现代化必须与农村城市化、农业现代化和城乡一体化相适应,与农村社会主义精神文明建设和社会全面进步相适应。从现在起到2018年,襄樊市农村教育现代化拟分“三步走”,即:第一步(1999—2005)高标准、高质量实施九年义务教育,为实施农村教     

互联网社区中网络化知识实体抽取研究

互联网社区中"群体贡献、生产众筹"的知识涌现和汇聚现象,颠覆了知识稳定、权威的本质特征,改变了知识的表征形式与抽取方式.已有研究从理论层面提出"网络化知识"内涵及其表征模型,但缺少实践层面的落地应用.为此,本研究重点探究一套适用于互联网社区中网络化知识实体抽取的方法框架,以适应新时期网络化知识抽取的需要.抽取框架包括"...     

基于演化思想的互联网时代知识发展规律研究框架

互联网时代三元空间的出现改变了知识的本质,带来了全新的知识观。揭示新知识的发展与演化规律,是从根本上回答“互联网+”时代背景下“教什么”“如何教”等核心问题,也为构建适合国情的教育服务、教育治理、教育评价以及教育供给模式等提供重要参考。为破解这些问题,研究基于演化思想将数据挖掘方法融入互联网知识演化规律中,从新知识内涵特征出发,构建互联网时代知识发展演化规律的研究框架,为从实践层面探究知识发展演化规律提供理论支持。整个研究框架分解为互联网知识表征模型研究、互联网知识抽取机制研究以及互联网知识发展演化规律研究等三个关键问题。在知识表征模型中,重点界定互联网中知识的内涵与特征,并此基础上依据知识表征原则构建知识表征模型;随后,依托专业社区文本数据探索互联网知识的抽取机制;最终深层次挖掘知识数据的统计学规律,探寻互联网知识发展演化规律。     

基于联邦学习的学生综合素养评价数据共享与安全保护研究

智能时代,开展学生综合素养评价需要多场域多模态的数据。然而,当下数据孤岛尚未有效打通,数据安全问题又愈发严峻,这都成为阻碍学生综合素养评价落实的关键问题。联邦学习作为人工智能领域的前沿技术,具有数据不出本地而仅共享模型训练参数的优势,能够打破数据孤岛、保护数据隐私,为学生综合素养评价数据共享与安全保护提供了新的解决方案。基于联邦学习技术的核心思想,研究设计了“云-边-端”三层的学生综合素养评价数据共享与安全保护技术逻辑架构,以实现个人、学校、区域、企业以及专门机构等之间的数据共享与安全保护。为推动联邦学习技术的落地应用,该研究以横向联邦学习中的学生自主学习素养研究、纵向联邦学习中的学生体质健康素养研究以及联邦迁移学习中的学生数学素养研究三类实现场景为例进行了详细说明。联邦学习技术在学生综合素养评价中的先导应用,能为未来教育领域数据孤岛、数据安全等藩篱的突破提供参考,进而发挥数据价值,服务教育发展。     

教育领域学生队列资源的价值、框架与挑战

如今，教育大数据的应用进入了瓶颈期，机械、单一、截断式的数据已无法满足当下教育发展的需要。而与一般性的教育大数据相比，教育领域中学生队列资源具有连续、丰富、可解释等优势，有望成为破解发展瓶颈的重要举措。基于此，文章首先梳理了学生队列资源的概念与价值潜能，然后基于医疗领域队列建设思路，总结包含教育目标选取、暴露因素定义、研究对象设置、随访计划制定和数据分析存储的队列资源建设整体框架，最后指出队列资源建设存在的隐私保护、追踪成本和样本覆盖面等诸多挑战，并提出提高安全意识、发挥技术优势和开展更大规模队列建设等策略。文章通过研究，旨在为推动教育领域学生队列资源建设与发展提供参考，弥补现有教育数据缺陷，发挥数据在教育领域中的作用。     

基于信息技术的表现性评价：内涵、作用点与发展路向

信息技术为新时代表现性评价变革提供了重要机遇，促进信息技术与表现性融合创新是深化教育评价改革和推进素质教育发展的必然要求。该文着眼素质教育对高阶思维能力评价的现实需求，在分析当前表现性评价实践问题的基础上，提出了基于信息技术的表现性评价，其本质是在教育信息化背景下，以证据中心设计理论为指引，充分利用信息技术变革表现性评价全流程。从创新测评任务呈现、拓展测评数据采集、优化测评数据分析和促进测评活动实施等维度剖析了基于信息技术的表现性评价的作用点。未来需要从下列方面来推进基于信息技术的表现性评价：树牢改革理念，正确认识表现性评价的内容、形式与方法；优化技术服务，持续改进表现性评价的可用性、易用性与实用性；完善数据标准，稳步提高表现性评价的规范性、统一性和效率性；建强人才队伍，大力推动表现性评价的专业性、科学性和可靠性。