一般观念统领下的“初小衔接”要衔接什么、如何衔接北大核心

0引子2022年4月21日教育部颁布的《义务教育数学课程标准(2022年版)》(以下简称“课标”)是我国继续深化课程改革落实立德树人根本任务过程中的一个标志性文件.本次课标修订在2011版的基础上对课程内容做了适当的调整,使课程内容更具结构化,实现“作为研究对象的数学”和“作为学习对象的数学”的和谐统一。     

具身学习视角下的教学环节再思考——以“全等三角形判定”第1课时为例

《义务教育数学课程标准(2011年版)》(以下简称《课标》)指出,数学教学活动,特别是课堂教学应激发学生兴趣,调动学生积极性,引发学生的数学思考,鼓励学生的创造性思维.这就要求教师在设计教学环节时,以学生经验为逻辑起点,以学生经验生长为目的,重视学生的多感官参与,拒绝单一的听中学,创设环节帮助学生体悟学习过程,关注学生的学习过程,具身学习正是通过身体的感觉运动系统与周围环境的互动,促使学习者的认知、心理和情感水平发生变化,为我们提供了一个引导学生学习方式转型的新视角。     

激光实验诊断集成管控系统中人工智能技术应用

针对激光聚变实验中诊断系统种类多、原理各异、排布变换频繁等特点，发展了基于流程驱动的诊断集成管控系统。对控制节点中依赖经验以及人工判读的测量系统参数配置、系统瞄准、多诊断系统空间干涉等操作流程，开展基于深度学习技术的示波器量程智能化设置、自动瞄准以及空间干涉预警技术等诊断系统智能化控制方法的初步探索。     

我与《大学物理》杂志的学术渊源

《大学物理》是我国重要的物理学教学和教育的专业期刊，也是笔者科学研究起步的学术平台.笔者在大学时代有两篇文章在《大学物理》上发表，这不仅影响了笔者后来的研究风格和学术品味，而且坚定了笔者走向科学研究道路的信心.笔者个人成长经历表明，办好《大学物理》这类专业教学期刊，的确可以助推年轻人实现从学习知识到创造知识的飞跃.     

Ensemble-SISPLS近红外光谱变量选择方法

近红外光谱具有高维小样本的特点，变量选择是提高定量分析模型稳健性和可解释性的一种有效方法。确定独立筛选（SIS）是一种基于边际相关性的超高维数据变量选择方法，广泛用于基因微阵列数据的变量选择。SIS具有将数据维度降低至样本大小规模的能力，其降维能力与LASSO相当，在相当宽泛的近似条件下，由于具有安全筛选性质，所有重要变量被保留的概率趋于1。基于确定独立筛选偏最小二乘（SIS-SPLS）的变量选择是一种迭代式的SIS变量选择方法，首先利用SIS方法完成光谱重要变量的初选；然后根据重要变量的边际相关性大小进行逐步前向选择：建立偏最小二乘回归模型，依据贝叶斯信息准则（BIC）确定最终的变量选择结果。SIS-SPLS以逐步前向选择的方式实现对重要变量的增量式筛选，随着潜变量个数的增加及因变量残差的逐步减小，SIS-SPLS方法选择的变量个数将趋于稳定。然而仅以边际相关性对变量重要性进行评价，当光谱变量个数远大于样本数时，该方法也存在选择的变量过多、变量选择结果不够稳健等问题。为进一步提高小样本情况下变量选择的稳健性，将集成学习引入SIS-SPLS方法之中，提出了一种集成SIS-SPLS变量选择方法（Ensemble-SISPLS）。该方法首先对校正集样本进行自助重采样，对采样得到的每一个校正子集分别使用SIS-SPLS方法进行变量筛选，通过投票机制并设置频次阈值对所有校正子集的变量选择结果进行集成，选择出现频次大于给定阈值的变量并建立偏最小二乘回归模型，计算5折交叉验证均方根误差。对频次阈值和潜变量个数两个关键参数使用网格搜索法进行优选，根据子模型的交叉验证均方根误差和变量个数对子模型性能进行综合评价，以最优子模型包含的变量作为最终的变量选择结果。分别在Corn数据集和当归数据集上进行变量选择实验，比较Ensemble-SISPLS，SIS-SPLS和UVE-PLS三种变量选择方法的性能。其中当归数据集共77个样本，样本采自甘肃岷县和渭源县，使用Nicolet-6700型近红外光谱仪扫描得到所有样本的近红外光谱并对当归中的阿魏酸含量进行预测。Ensemble-SISPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为22，0.000 8和0.999 8；SIS-SPLS方法在Corn数据集上选择的变量个数、RMSEP和决定系数分别为97，0.007 3和0.998 8。Ensemble-SISPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为24，0.018 1和0.996 3；SIS-SPLS方法在当归数据集上选择的变量个数、RMSEP和决定系数分别为38，0.022 6和0.994 3。结果表明，该方法进一步提高了变量选择结果的稳健性和预测能力。Ensemble-SISPLS变量选择方法有效结合了SIS-SPLS较强的变量选择能力和集成学习良好的泛化能力，提高了变量选择的稳健性。此外，由于在子模型的预测能力和变量个数之间进行了折中，一定程度上减少了选择变量的个数，提高了模型的可解释性。     

基于结构性思维的生物化学实验教学探索

为了多维度地培养学生的实践创新能力、终身学习能力及信息获取能力等核心素养，以具体实验为例，探讨结构性思维在生物化学实验教学中的综合应用。教学实践表明：结构性思维可使知识更有序、梯度更明确、更易表达，实验操作变得程序化，学生学习倾向主动，是一种多维度地培养学生核心素养的教学模式。     

基于深度跳跃级联的图像超分辨率重建

针对模型VDSR(very deep super resolution)收敛速度慢,训练前需要对原始图像进行预处理,以及网络中存在的冗余性等问题,提出了一种基于深度跳跃级联的单幅图像超分辨率重建(DCSR)算法。DCSR算法省去了图像预处理,直接在低分辨率图像上提取浅层特征,并使用亚像素卷积对图像进行放大;通过使用跳跃级联块可以充分利用每个卷积层提取到图像特征,实现特征重用,减少网络的冗余性。网络的跳跃级联块可以直接从输出到每一层建立短连接,加快网络的收敛速度,缓解梯度消失问题。实验结果表明,在几种公开数据集上,所提算法的峰值信噪比、结构相似度值均高于现有的几种算法,充分证明了所提算法的出色性能。     

以自变量的和差为定值统领抽象函数的对称性和周期性

以“定值”的视角分析了函数具有对称性和周期性时所具备的特点,发现对称性和周期性的表达式在结构上高度相似.通过分析抽象函数的对称性和周期性的表达式,最后将对称性和周期性进行结合,阐述了双对称性与周期性的关系.通过揭示知识间的联系,帮助学生更好地掌握知识间的联系,促进学生的深度学习,亦为教师设计探究型作业提供一定的参考.