美国体育小镇的运行机制及其对中国的启示

体育是美国人生活中不可或缺的一部分，发达的体育文化为美国小镇体育的繁荣奠定了基础。研究以美国体育小镇为对象，运用文献资料、实地考察、逻辑分析及ArcGIS地理信息绘图等方法和技术对美国体育小镇进行了研究。结果表明：美国体育小镇的布局属非均匀化发展，存在东强西弱，南强北弱的特点且表现出"马太效应"。进而从社会学的角度分析了美国体育小镇运行的外部环境和内在动力机制，并以典型案例对体育小镇运行特点进行了剖析。建议我国体育小镇的建设应从目标引领、政策驱动、环境支持、形成正反馈循环和塑造灵魂等方面思考以推动体育小镇的建设。     

谈对篮球前锋队员的攻击性防守

加大防守,特别是功击性防守是当代篮球发展的需要,也是一个球队取胜的重要保证.针对前锋队员的攻击性防守,提出了进行攻击性防守的一些要求,以及怎样对篮球前锋队员攻击性防守能力培养的观点.     

普通话语音教学认识误区举隅

当前各高校的普通话教学工作主要由普通话测试员承担.而测试员的语言学尤其是语音学素养良莠不齐,导致对学生普通话存在问题的认识不够深入,甚至出现认识误区,从而影响普通话教学效果.试图通过对普通话教学中常见认识误区的分析,一方面针对具体问题提出部分解决方案,一方面引起有关方面对提高普通话测试员语言学素养问题的重视.     

排球正面上手发球技术教法研究

在对排球正面上手发球技术教学难点及其成因分析的基础上,对课次与阶段划分、教学顺序、教学时数与练习次数、练习手段作了全面的分析,为完善和丰富正面上手发球技术教学的理论与方法提供了一定的参考依据.     

论美声唱法的"靠前"与"靠后"

美声唱法分为“靠前”与“靠后”两大学派。“靠前唱法”强调声音的明亮、靠前、打在硬口盖上．集中于面孔前部（鼻腔、面罩）部位；“靠后唱法”则强调声音的厚度、力度、喉腔开度大，音的立体柱状感及音的落点感受较深。它们有机结和点在于声音的明亮集中、圆润、丰满，两派是互补的辩证统一的。     

国际体育运动中的人权问题研究

长期以来，国际体育运动中的人权一直是个被忽略的问题，而其也应当属于国际人权法研究的范围。体育权已被认为是一项人权，作为人权基础的自由、平等和不歧视同样可以被视为体育权的基础。儿童、妇女、残疾人等弱势群体参与体育运动的权利应当得到特殊的关照，而第三代人权则与参与体育运动的权利关系更为密切。联合国组织和国际奥委会在以上方面进行的合作促进了体育权的实现。     

英国公共借阅权制度评介

对英国公共借阅权制度进行了全面系统完整的剖析阐释,通过评介该法案的发展经过、体制分析及其运行操作过程,深入分析了英国公共借阅权制度对英国社会的影响.同时,对我国的公共借阅权立法进程提供一定的参考.     

美国计算机犯罪立法的发展与启示

计算机犯罪已严重危害了信息系统安全，各国政府也已认识到打击和惩罚计算机犯罪、保护信息系统安全的重要性。美国很早就将保护信息系统安全纳入了法治化的轨道，在打击计算机犯罪中也积累了丰富的经验。文章通过探讨美国计算机犯罪立法的历史沿革和最新发展，对信息系统安全的法治化进程中的规律进行总结，以期为我国的信息法制建设提供借鉴。     

Unique unto itself: The records of the Federal Bureau of Investigation 1908 to 1945

This paper addresses several misunderstandings about the nature of the FBI's Central Records System. Although depicted in popular culture and much of FBI historiography as a tool for the Cold War suppression of American radicals, the FBI's records system grew out of Department of Justice systems already in place before J. Edgar Hoover became Director in 1924. The system grew in size and complexity according to the demands placed on it by the changing priorities of the FBI's criminal and intelligence missions, guided by a “progressive” drive for efficiency through centralization.     

Automated Classification to Improve the Efficiency of Weeding Library Collections

Previous studies have shown that weeding a library collection benefits patrons and increases circulation rates. However, the time required to review the collection and make weeding decisions presents a formidable obstacle. This study empirically evaluated methods for automatically classifying weeding candidates. A data set containing 80,346 items from a large-scale weeding project running from 2011 to 2014 at Wesleyan University was used to train six machine learning classifiers to predict a weeding decision of either ‘Keep’ or ‘Weed’ for each candidate. The study found statistically significant agreement (p?=?0.001) between classifier predictions and librarian judgments for all classifier types. The naive Bayes and linear support vector machine classifiers had the highest recall (fraction of items weeded by librarians that were identified by the algorithm), while the k-nearest-neighbor classifier had the highest precision (fraction of recommended candidates that librarians had chosen to weed). The variables found to be most relevant were: librarian and faculty votes for retention, item age, and the presence of copies in other libraries.