高中化学优质教学案例中教材分析的现状研究及分析模型建构*

以核心期刊《化学教育》2018-2021年高中化学教学设计及实施类文献为研究对象,在较完备的教材分析视角指引下,采用内容分析法研究优质教学案例中教材分析的现状及特点,在此基础上构建教材分析模型,探索优质教学案例的设计路径。     

基于认识模型建构与应用的化学教学设计*——“水溶液中的离子反应与离子平衡”一轮复习课

分析了“水溶液中的离子反应与离子平衡”主题内容,通过学生前测发现学生对这一部分内容的认识存在着认识水平较低、认识不够深入等问题。针对这一问题,在实际教学中通过构建水溶液中的离子反应与离子平衡认识模型的方式,创设真实的问题情境,引导学生明确任务类型、丰富认识角度、形成认识思路,从而使学生对主题内容的认识走向深入和系统。通过后测,分析了教学效果,进行了教学反思,为在教学实践中开展认识模型建构教学提供参考。     

基于思维模型建构的高三化学复习教学*—— 以“平衡原理的应用”为例

以高三复习课“平衡原理的应用”为例,通过真实情境的剖析让学生感知模型,引导学生分析归纳提炼模型,并进行针对练习运用模型,变式训练体会模型,让学生在实践中以模型思维为突破,深入领悟建构模型的实质,有序解决复杂化学问题,提升科学思维能力,发展化学学科核心素养。     

基于深度学习的“实验方案设计”主题式复习教学——以“阿司匹林的制备和提纯”为例

针对实验方案设计题的得分率分析和教学现状,基于课程标准、教材、真题和文献研究,构建“阿司匹林的制备和提纯”深度学习主题模型。通过设计制备和提纯阿司匹林的实验方案,构建实验方案设计的思维模型,并以制备七水合硫酸锌为例内化思维模型,在解决真实、复杂的问题过程中实现核心知识结构化,生成指向深度学习的主题式复习教学流程。     

影响高浓度氧化石墨烯分散液流变行为的重要因素及群体平衡动力学分析

氧化石墨烯(GO)片的基面和边缘上存在大量的含氧官能团,能很好地分散在水中,因而具有很好的加工性和广阔的应用前景。在较高浓度范围下,GO水分散液中存在着强烈的竞争性相互作用,从而对流变行为产生较大影响。在本文中,通过稳态、动态等流变实验以及理论分析,研究了pH值、温度和不同的有机溶剂对GO分散液流变行为的影响。结果表明,降低pH值、适当增加温度以及加入吡啶均可促进GO水分散液从粘弹性液体到凝胶态的转变。利用DLVO (Deryagin-Landau-Verwey-Overbeek)理论,探讨了GO片之间的范德华作用力以及双电层排斥作用的相互关系,及其对流变性能的影响。通过群体平衡模型(PBE)分析了GO分散液的屈服应力与体积分数的正相关关系。同时,通过蠕变和松弛实验发现,高浓度的GO分散液中结构变化及流变行为在很多方面与高聚物相似,利用Poyting-Thomson模型能较好地拟合其粘弹性行为。上述研究结果为深入研究复杂的GO分散体系提供理论支撑和实验依据。     

基于雨课堂和BOPPPS改进模型的教学设计——以大学化学课程为例

在高等学校专业课程教学中融入思政教育教学的理念,是以"立德树人"为教育根本任务的基本要求。结合结构化学课程特点和教学内容,以"培养学生的哲学观和科学观、培养学生民族自豪感和自信心"的目标为切入点,提出结构化学教学中思政元素的融入策略,发挥结构化学课程的"育德功能",实现知识传授和价值引领的有机统一。     

定量的复合金属锂作为三维泡沫锂电极用于锂电池的研究

金属锂作为电池的负极材料具有极高的比容量和极低的氧化还原电位,能够显著提升电池的能量密度。然而,金属锂负极在实际应用中所面临的主要问题是锂枝晶、界面副反应和电极体积变化大的难题。在本文中,我们提出了一种通过将定量的金属锂与三维骨架进行复合形成三维泡沫锂负极的策略,并利用三维泡沫锂来抑制锂枝晶的生长和缓解电极的体积变化。因此,三维泡沫锂电极有利于金属锂负极的高效利用,并能借助其与平面锂箔相比更高的比表面积和更多的反应位点来提升电池的倍率性能。因此,通过采用三维泡沫锂,对称电池的循环寿命和倍率性能都得到了有效的提升。EIS数据结果表明,三维泡沫锂能够减小对称电池的电荷转移阻抗。而且,将三维泡沫锂作为负极组装的LTO全电池,与锂箔作为负极相比,循环1000周平均放电比容量从65 mAh·g^-1提升至121 mAh·g^-1。     

以模型认知素养为导向的电化学模拟题的命制*——以双极膜的应用为例

以双极膜发展进程为线索,以海水淡化、钠碱循环法脱除烟气中的SO₂等现实发展中真实问题为载体,结合中学生的认知能力水平,构建了电化学双极膜认识模型;命制了双极膜及其应用的电化学模拟题,以此测查学生模型认知素养的水平等级。阐述命题策略及过程,提供以模型认知素养为导向的试题命制思路;从模型建构的角度对2020年高考新课标Ⅰ卷第12题进行了评析。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

聚焦形貌恢复方法模型设计

采用基于拉普拉斯算符聚焦形貌恢复方法,提出了模拟目标深度测量的数值模型。数值模拟的核心是基于通过几何光学预测的理想图像的卷积与透镜广义孔径函数的多色点扩散函数,即用聚焦误差替代抛物线圆柱形貌或高斯函数。该模型可以使用基于聚焦形貌恢复方法的传感器真实组件参数、光源光谱、光学系统离差、相机的光谱灵敏度。提出了光学系统离差（消球差、消色差、色差）对确定目标表面形貌的精确度和可靠性的影响。结果表明,该模型可以有效提高实验效率,缩短时滞,降低成本。