SOLO分类法在物理教学形成性评价中的应用

论证了将SOLO分类法应用于物理教学形成性评价的必要性与可行性,提出应用SOLO分类理论指导物理教学形成性评价单元试题编制的方法并给出了实例,构建了考查学生认知反应层次的试题评价标准,为教师评价学生的认知反应水平提供了可操作的方案.     

基于变构学习模型的大学物理深度学习研究——以大一学生解决某一力学问题为例

变构学习模型提倡在原有心智结构解构的基础上进行新知识的有效建构,与深度学习理论相适切。本研究基于变构学习模型理论和深度学习理论,以大学物理力学部分的教学为例,采用质性和量化相结合的研究方法对大一学生在解决一道力学问题时的心智处理和思维结构展开分析,进而对学生力学知识的变构和学习深度进行研究。结果表明：大一学生强大的中学力学心智结构对大学物理的学习具有阻碍作用,而采用“师生对质”的教学模式有利于变构学习的产生,变构学习的产生也更有利于深度学习的达成。     

基于实验方案设计与优化的课堂深度学习——以“探究光的反射定律”为例

深度学习是相对浅层学习而言的,深度学习旨在培养学生的高阶思维能力.以深度学习理论为指导,以“探究光的反射定律”一课为例,关注学生思维加工的程度,优化实验方案的教学设计,促进学生深度学习.     

基于SOLO分类理论的试题分析与教学策略——以“2021年广东高考物理实验试题”为例

以2021年广东高考物理实验试题为例,探索了基于SOLO分类理论的试题分析与教学策略.发现科学探究水平与SOLO层次存在对应关系:水平1对应单点结构,水平2和水平3对应多点结构,水平4对应关联结构,水平5对应抽象扩展结构.得到了基于SOLO分类理论的教学策略:用"器材发散"突破单点结构试题,用"原理中心"突破多点结构试题,用"知识整合"突破关联结构试题,用"方法迁移"突破抽象扩展结构试题.     

基于 SOLO 分类理论的高考物理试题分析

利用 SOLO(Structure of Observed Learning Outcome) 分类理论对2016 年高考3 套新课标全国卷物理 试题进行了分析,从问题解决的角度出发,综合知识和能力的考查设计了相应的 SOLO 层次判定标准. 结果表明,3 份物理试题均集中在对多点结构水平和关联结构水平的考查,且主要通过对力学模块知识的考查体现. 全国 玉 卷 高考物理试题对关联结构水平有较高要求,其他两份试卷SOLO层次分布相对均衡,此外,3份全国卷也针对不同的 适用地区体现出了相应的能力要求     

基于SOLO分类理论的物理教材习题比较分析——以人教版高中《物理·必修1》两个版本为例

基于SOLO分类评价理论对物理教材中的习题进行分析,以根据普通高中物理课程标准(2017年版)编写的新版人教版高中《物理·必修》第一册和人教版高中《物理·必修1》(2006年版、以下称旧版)为例,得出新版教材的习题更加符合学生认知规律,提升学生学科素养,同时新版教材新增的章末习题有助于提高学生思维能力.     

基于SOLO分类理论的高中物理开放题编制与评价

SOLO分类评价理论是一种以等级描述为特征的"质性"评价方法.本文提出了基于SOLO分类理论的物理开放性问题编制原则,并通过实例介绍开放性问题的形式和评价方法.     

深度学习下高中物理大单元主题教学实践探究

大单元主题教学实践是一种整合性的学习方式,能够实现高中物理的深度学习,避免了高中生将学习停留在教学的浅层面。在深度学习视角下的高中物理大单元主题教学中,教师需要根据高中生的物理学习经验、基础、能力为起点,利用深度学习指导大单元主题教学的开展,进行高阶的、具有思维能力的教学,来展开物理教学实践[1]。这就意味着高中的物理教师需要贯彻与执行有关于深度启发学生思维能力的教学方式,并跳出单个的知识点和教学实践,以学生为中心,建立教学内容之间的结构关联,帮助物理学习从纵深化的方向发展,以此获得整体性的学习感受与体验,实现高中物理高效课堂的构建。     

高考物理试卷能力层次分析——以2019年高考5套物理试卷为例

高考作为人才筛选和阶层流动的方式,物理试卷要基于物理学科素养的视角,对学生问题解决能力进行考察.本研究通过SOLO分类理论对2019年5套高考物理试卷能力层次进行分析,得出了高考5套物理试卷总体能力层次差别.由此,新高考物理试卷命题应重视能力层次分布的合理性和全面性;教师需在提高学生问题解决能力的过程中更加注重促进物理学科核心素养的达成.     

指向深度学习的物理教学实践

教学实践中,深度学习中的“深度”主要体现在4个方面,情感的深度投入,知识的深度理解,思维能力的深度发展,学科育人价值的深度追求.     

基于DenseNet结合迁移学习的胰腺囊性肿瘤分类方法

本文采用了DenseNet结合迁移学习的分类模型,对胰腺黏液性囊性肿瘤（MCN）和浆液性囊性肿瘤（SCN）进行分类.首先对来自长海医院的65例MCN和107例SCN数据进行扩增和预处理,其次构建DenseNet结合迁移学习的分类模型并进行微调,实验过程采用五折交叉验证,对MCN和SCN进行识别分类,并将该模型与AlexNet、VGG16、ResNet50等其他深度学习模型进行对比.结果显示本文的分类模型识别效果最好,在测试集上ROC曲线下面积（AUC值）达到0.989,准确率为0.943,召回率为0.949,精确率为0.938.由此可见基于DenseNet结合迁移学习的分类模型对MCN和SCN具有较高的识别准确率,优于其他深度学习模型,并具有较强的学习能力,可以辅助医生在临床上的诊断,在一定程度上节省人力物力.该模型对于胰腺囊性肿瘤识别分类的潜在价值和临床意义.     

SOLO分类理论在教学设计中的应用——以“摩擦力”教学为例

物理学是一门基础的自然科学,其中有许多概念抽象难懂,对学生思维结构水平的要求较高.为了更好地培养学生的物理科学思维,本文以"摩擦力"教学为例,以SOLO理论为基石,分析学生思维结构水平为核心,分层次安排教学活动.     

让学生真正成为学习的主人

1 中学物理自助学习法的初步设想 将自助用于中学物理学习之中,我们称之为"中学物理自助学习法".作为一种体现素质教育要求的学习方法,它不同于传统的学生被动接受知识的学习方式,从情感的调节、目标的制定、评价的选择等等一切学习活动都是自我完成.自助学习者对自己的学习享有自决权,学生真正成为学习的主人.如一个知识点的学习,学生若觉得困难,可以自动地放慢学习速度,或自觉地增加学习时间.该学习方法的最显著标志是自我帮助、自我管理、自我调节、自我激励.这种开放型、自由型的学习,符合高中生物理学习个性化的求知心理,符合现代教育思想.可以说,它属于元认知理论和控制论的范畴.     

基于DBN深度学习算法的民航发动机状态监测

民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息。传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意。此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好。本文将民航发动机自身特点与深度学习理论有机结合,研究发动机状态监测方法。其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取。实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。     

转变中学生认识需求 突破物理学习倦怠

人本主义心理学家马斯洛将他的需要层次理论分为两大类: 缺失性需要、 成长性需要. 学生上学求学是 认识需要, 理应属于成长性需要, 但是在物理教学实践中发现应试教育下的学生往往将知识的学习停留在类似缺失 性需要上, 从而产生学习倦怠的现象. 针对此问题提出在物理教学中如何使学生转变对知识需要的认识, 做到类似 缺失性需要到成长性需要的顺利过渡. 使学生由被动的学习转向主动求知, 从根本上解决学生物理学习倦怠问题     

基于深度学习的高中物理试卷讲评课的实践研究

将深度学习引入试卷讲评中,就是要以物理学科核心素养为引领,了解学情,对症下药,关注学生个体的发展,在试卷讲评中体现针对性、有效性、深发性和延展性.以高中物理试卷讲评课型为例,阐述通过对学生和教师的双向数据的深入挖掘,在试卷讲评的过程中要从多维度、多视角,对各类数据进行精准深入的整理、分析、总结,引发深度思考,促进学生深度学习.     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

面向高阶思维训练的实验教学模式设计与实践

通过深度学习在课堂教学中来发展学生高阶思维能力是近年来教育改革中的一个重点。我们在面向本科一年级新生的物理实验课程中,对传统的教学模式进行了改革,增加了激发高阶思维产生的最大动力来源——“真实情境问题”为导向的课程内容。以此为核心抓手和发力点,通过引入探索型实验课题,依托传统实验和探索型实验课题这两类不同层次实验教学具有的互补性特性,对大学物理实验的教学内容和形式进行了合理的重构,将大一新生高阶思维能力的培养有机地融入实验教学过程之中,形成了促进学生快速进入大学探究性深度学习的教学模式。问卷、访谈和成绩对比等数据表明该模式在一年级本科生的高阶思维能力和研究素养养成上起到积极的作用。这一变革在新形势下对物理实验教学具有积极的指导意义,也对于实践类课程教学具有一定借鉴作用。     

物理规律学习的三个阶段

在我国古代,"学"就是指获取知识,"习"就是练习.现代学习理论认为,"学习"是个体在生活过程中,由于反复的实践,而产生的行为或行为潜力比较持久的变化.人们解决实际问题的能力,就是在不断地学习中得到巩固、加强和发展的.根据学生在各个时期能力的不同,可把学生对物理规律的学习分为三个不同的,而又逐渐深化的阶段,即机械性学习阶段、意义性学习阶段和创造性学习阶段.     

基于情境创设和深度学习的课堂教学设计策略

深度学习是学生主动的、有意义的、自主参与学习的过程,需要教师引导以及对教学内容及学生学习过程与方式的精心设计.本文提出指向深度学习的教学设计需要重视“注重主动建构、促进批判理解、追求关联整合、强调反思评价、着意迁移应用”的情境创设,并结合实践作出说明.