教育投资问题的表上作业法

教育投资问题的表上作业法使小规模情形下的手工操作变得十分方便、迅速,而且大规模情形下更有利于计算机的实现。本还就此算法给出了实例和复杂性分析。     

面向能力培养的分析化学混合式教学改革研究*

提出了MOOC建设中的关键点,开展了分析化学线上线下混合式教学的课前、课堂和课后教学设计与应用研究,建立了科学合理的教学综合评价方法,总结了面向能力培养的分析化学混合式教学改革与实践经验,并客观分析了混合式教学实践中遇到的问题且提出了切实可行的解决方法。实践证明,线上线下混合式教学模式能够提高教学效果,有效培养学生的分析问题和解决问题的能力。     

“精细化学品化学”课程思政实施策略与实践*

“精细化学品化学”专业课教学中引入“课程思政”,紧密结合知识点从中挖掘思政元素,充分发挥授课教师在教学过程中立德树人的作用,培养学生绿色发展和高质量发展以及服务人民的理念,培养学生的创新精神和敬业精神、科学思维方法和研究方法,培养学生正确的价值观和人生观等。阐述了课程思政教学实施策略,以全面提升学生综合素质,为社会输送高素质精细化工人才。     

顺铂:从意外合成到抗癌应用

19世纪中叶,顺铂在实验室意外合成。18世纪末到19世纪80年代,以原子-分子论为基础的配合物理论,对顺铂结构的探索从依赖宏观现象和经验归纳发展为微观层面的假说演绎。19世纪末,电子的发现使得配合物理论进入电子时代,并因此对顺铂结构有了新的解释。20世纪60年代,顺铂的抗癌价值得以发现,至今仍不断改良顺铂以减弱其副作用。顺铂的合成和抗癌应用过程,包含着对物质由表及里的认识过程,展现了化学家认识物质、改造物质的动态发展过程,对化学研究和化学教育均有重要的启示。     

化学工程领域本科生国际化全英文通识课程“过程强化”教学探索

阐述了北京化工大学化学工程学院整合校内教师及短期外籍专家师资力量,面向化学工程领域本科生开展全英文通识课程“过程强化”建设的经验。针对高校通识教育普遍存在课程覆盖面窄、学生积极性低、师资力量薄弱、授课形式单一等问题,从课程内容设计、教学模式创新、专业思政融合等3个方面,总结了课程教学改革方面的特色实践。在全英文的教学环境下,通过简单的语言将化工过程强化的概念原理与日常生活紧密联系,生动展示化工学科实用性强和适用面广的特点,既能够增强学生对专业学习的热情,又促进了学生对专业英语感悟能力、口语表达和沟通能力的提升,为化工类通识教育课程建设和高素质复合型人才培养提供了借鉴与参考。     

物理电学实验仿真软件的设计

基于探究式学习的物理电学仿真软件以探究式学习的理论为软件设计的指导理念,利用仿真技术和统一的建模语言(UML)等一些软件工程的方法,以C 作为编程语言,运用VC 开发平台作为开发工具,编程开发了物理电学实验仿真软件.     

“粗盐提纯”实验的历史背景及其教育价值

通过分析课程标准和初中、高中化学教材中的“粗盐提纯”实验的编排方式,检索现有中学化学教学研究的相关文献,发现缺少关于实验的历史背景的研究。分析了我国的盐业生产类型以及发展历程,最后,在HPS理念的指导下,分析了粗盐提纯实验历史背景的教育价值。     

国际化学元素周期表年纪念邮票及其教育价值

2019年为国际化学元素周期表年,世界范围内举行了丰富多彩的庆祝活动,邮票发行成为各国参与国际年活动的内容之一。在对世界12个国家发行的国际化学元素周期表年邮票进行收集的基础上,解读了邮票图案中的化学信息,阐述了这些化学信息在普及元素知识、拓展教学情境素材、培养科学态度方面的教育价值。     

Discriminable Multi-Label Attribute Selection for Pre-Course Student Performance Prediction

The university curriculum is a systematic and organic study complex with some immediate associated steps; the initial learning of each semester’s course is crucial, and significantly impacts the learning process of subsequent courses and further studies. However, the low teacher–student ratio makes it difficult for teachers to consistently follow up on the detail-oriented learning situation of individual students. The extant learning early warning system is committed to automatically detecting whether students have potential difficulties—or even the risk of failing, or non-pass reports—before starting the course. Previous related research has the following three problems: first of all, it mainly focused on e-learning platforms and relied on online activity data, which was not suitable for traditional teaching scenarios; secondly, most current methods can only proffer predictions when the course is in progress, or even approaching the end; thirdly, few studies have focused on the feature redundancy in these learning data. Aiming at the traditional classroom teaching scenario, this paper transforms the pre-class student performance prediction problem into a multi-label learning model, and uses the attribute reduction method to scientifically streamline the characteristic information of the courses taken and explore the important relationship between the characteristics of the previously learned courses and the attributes of the courses to be taken, in order to detect high-risk students in each course before the course begins. Extensive experiments were conducted on 10 real-world datasets, and the results proved that the proposed approach achieves better performance than most other advanced methods in multi-label classification evaluation metrics.