探寻数形变化规律,提升数形结合思想

数形结合的本质就是将直观的图形与抽象的语言符号相结合,实现形象思维与抽象思维的融合,让复杂、抽象的问题变得直观、简单化.在初中数学教学的各个环节,有效地渗透数形结合思想,能激发学生思维的灵活性与创造性.本文中,从数量变化规律、图形变化规律与数形结合思想的实际应用三方面着手,具体谈谈数形结合思想在教学中的应用.     

化学类拔尖学生培养与高校青年教师成长协同发展实践*

在高等教育大众化的背景下,通过教学改革培养高素质的拔尖人才已显得非常重要。介绍一种以新入职的青年教师为实施主体的“理论课助教+实验课教学+科研训练”相结合的教学形式。通过连续、跟踪式的教学,不但可以选拔、培养出拔尖的化学类本科生,而且能够促进新入职的青年教师快速成长进步,起到“教学相长”的作用。     

单元教学设计过程中的“教学问题链”设计——以上海科学技术出版社《物理·必修》(第三册)静电场单元为例

根据教育部颁布的《普通高中物理课程标准(2017年版)》,在上海市物理教育教学基地(上海高校“立德树人”人文社会科学重点研究基地)的大力支持下,由上海市教育委员会组织编写的上海高中物理非统编教材进行了正式使用前的试教试用活动,此教材是在上海高中物理“二期课改”教材的基础上全面改写而成的.单元教学设计已成为当前教学设计的焦点问题,以《物理·必修》(第三册)静电场单元为例,详细阐述了“教学问题链”的设计理念,希望与广大一线教师交流试教试用的心得与反思,推动新课改课堂转型.     

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。     

优化初中数学概念教学“三部曲”

初中数学概念教学的最终目标在于帮助学生理解概念,并且掌握概念应用方法.具体而言,概念教学目标体现在引导学生对概念来源进行把握;帮助学生梳理各种概念之间的关系,把握相应的数学思想方法;引导学应用概念.因此,在组织开展初中概念教学活动的过程中,教师需要引导学生对概念来源展开分析,让学生形成对概念的初步认知,然后,组织学生概括抽象的数学概念,把握数学概念的基本特征,了解各要素之间的关系,掌握数学表达方法,强化对概念的认知;最后,指导学生应用数学概念,帮助学生建立完善的概念结构.     

从学生的“问题”出发审视空间向量内容的教学和育人价值北大核心

1问题提出高中数学课程引入空间向量内容后,使很多原本需要进行推理演化的立体几何问题的求解“代数化”、“程序化”了,以往的一些立体几何的“难题”变得“简单”了.有老师认为,立体几何内容在培养学生直观想象、逻辑推理核心素养的育人价值减弱了.在教学中,不难发现即便有空间向量作为解决立体几何问题的有力工具,学生在解决立体几何问题时依然会存在各式各样的“错误”.     

整体观视角下高中数学教学的建构与思考——兼谈“双曲线的标准方程”的教学北大核心

1引言《现代汉语词典》(第7版)中关于“整体”的解释为:“整个集体或整个事物的全部(对各个成员或各个部分而言)”[1].在哲学范畴,联系是唯物辩证法的起点,生活中所有事物都是紧密联系的.数学是研究数量关系和空间形式的一门科学,对现实世界的抽象是数学的来源.关于数学的整体性,有不少经典的表述,如著名数学家约瑟夫·傅里叶曾说:“Mathematics compares the most diverse phenomena,and discovers the most secret analogies which unite them.”(数学能从事物的个性之中寻求事物的共性特征.)普遍联系的原理走向具体化与深层次的体现之一就是系统观的形成,而系统论最本质的特征就是整体性.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.