关注物理化学教学中的细节

教学细节的把握在物理化学课堂教学中可以成为学生思维的启发点、破解教学难题的钥匙.以数年教学过程的体会为基础，本文提出了经典内容的讲授实例，包括熵的引出及意义、焓变与热力学能变量间的关系、表面Zeta电位的意义及应用注意事项等，指出其中的细节及教学闪光点，针对教学效果的提高，提出了几点建议和体会，抛砖引玉.     

教育教学新理念在高校教师技能培养的创新应用

随着我国高校教育的大众化,高校能否培养出社会需要的人才,直接关系到国家的发展和民族的未来,而教师则是教育的具体实施者,只有在思想上热爱本职岗位,拥有丰富的、渊博的知识,以学生为主题注重方式,实现教与学、科学性与艺术性的双结合,才能创新教育教学理念,培养更加适应社会需求的专业人才。高校教师的教育教学技能不仅对教学行为和全校的教学质量产生重要影响,而且还是高校培养优质人才、生存、立足的根基。所以,及时更新教育教学的理念,势必在高校教师教育教学技能培养中起到至关重要的作用。     

Ag+掺杂的立方相Y2O3:Eu纳米晶体粉末发光强度研究

采用化学自燃烧法制备了不同Ag⁺掺杂浓度的Y₂O₃:Eu纳米晶体粉末样品(［Y³⁺］∶［Eu³⁺］∶［Ag⁺］=99∶1∶X，X=0—3.5×10^-2)，以及通过退火处理得到了相应的体材料.根据X射线衍射谱确定所得纳米和体材料样品均为纯立方相.实验表明在纳米尺寸样品中随着Ag离子浓度的增加，荧光发射强度随之增加，当X=2×10^-2时达到最大值，其发光强度比X=0时提高了近50%.当Ag离子浓度继续增加，样品发光强度保持不变.在相应的体材料样品中则没有观察到此现象.通过对各样品的发射光谱，激发光谱，X射线衍射图谱，透射电镜(TEM)照片和荧光衰减曲线的研究，分析了引起纳米样品荧光强度变化的原因是由于Ag离子与表面悬键氧结合，从而使这一无辐射通道阻断，使发光中心Eu³⁺的量子效率提高；Ag⁺的引入所带来的另一个效应是使激发更为有效.这两方面原因使发光效率得到了提高.     

流形上微分方程求解的渐近展开方法

文章陈述了流形上微分方程、渐近级数和渐近展开等概念和相关命题,然后给出了例子,用渐近展开方法求解了微分方程。     

应用简谐运动加速度的对称性解题

物体做简谐运动的过程中，在关于平衡位置对称的位置，各个物理量的大小相等．图1所示，弹簧振子在A，B点时的加速度等大反向，任意一对对称点都符合此规律。     

双氯芬酸钠与牛血清白蛋白结合反应的特征

在模拟人体生理条件下,采用荧光光谱和紫外 可见吸收光谱法研究了双氯芬酸钠与牛血清白蛋白的结合反应.实验结果显示,双氯芬酸钠对牛血清白蛋白有较强的荧光猝灭作用,该猝灭过程主要为静态荧光猝灭过程;二者结合常数KLB=2.167×105mol·L-1;二者的结合位置距212位色氨酸2.13nm;同时,由结合反应的热力学参数得出二者作用力主要是氢键或VanderWall's力.     

构建高素质专业化的高校管理队伍之我见

面向21世纪,社会对高等专业人才的需求在不断增长,我国的高等教育管理改革任重而道远,这无疑对我国高校管理队伍的素质提出了更高的要求。本文就目前高校管理队伍素质建设中存在的问题,分析了高校管理队伍的现状,提出了构建一支高素质、专业化的高校管理队伍的对策。     

怎样解综合题

同学们在学习中存在的一个重要问题是 ,遇到综合题 ,常常有一种老虎啃天 ,无处下牙的感觉 .那么 ,怎样解综合题呢 ?我们认为应当注意以下三点 .1　要敢想许多同学每当遇到难的综合题 ,往往就被众多的已知条件吓倒了 .一看到综合题 ,首先出现的念头就是 :“我不会” .这个念头一出现 ,就不想再往下做了 ,自己认为自己解不出来 .从心理学上来说 ,这就抑制了自己的思维 ,当然就做不出来了 .反过来 ,换个角度考虑问题 .命题人出题 ,肯定是按照我们的现有认知水平命题 ,不可能出超出我们所学范围的题目 .因此 ,按我们的学习水平 ,我们一定能解出…     

静电加速管中强流空间电荷效应的研究

 对一种工业用大功率电子加速器(450kW)的加速管中的空间电荷效应作了5点假设，建立了物理模型。对模型的束内外径向电位分布、空间电荷对轴上电位的影响，以及空间电荷力对束流传输的影响等进行了理论分析，得到了束内径向电位分布。结果表明：束流内部径向电位沿径向均呈抛物线变化，并在轴上达到最小值；而空间电荷产生的束内电场与半径呈线性变化；空间电荷不仅会引起轴上电位的跌落，而且对束流有发散作用，特别是在电子速度较低时更为明显。在考虑了空间电荷效应后，强流静电加速管的电场设计关键在加速管的前端，与弱流加速管相比，强流加速管的电场变化要大得多。     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。