论文部分内容阅读
《学记》的教育思想从古至今指导着中国教育实践的发展,高中历史新课标是为适应现阶段高中教育发展现状而拟定的。以《学记》的教育思想来思考高中历史新课标提倡的立德树人教育与历史学科核心素养问题,对高中历史新课标的落实亦具有重要的现实意义。
以《学记》落实高中历史新课标的几点思考
【摘 要】
：
《学记》的教育思想从古至今指导着中国教育实践的发展,高中历史新课标是为适应现阶段高中教育发展现状而拟定的。以《学记》的教育思想来思考高中历史新课标提倡的立德树人教育与历史学科核心素养问题,对高中历史新课标的落实亦具有重要的现实意义。
【机 构】
：
渤海大学
【出 处】
：
智力
【发表日期】
：
2020年05期
其他文献
场景时代下，技术赋能使“新时代视听场域”成为文化节目的 有力支撑，非语言符号在传播场域的表达形式日趋丰富。本文将以河南卫视节目《唐宫夜宴》为例，解析非语言符号在视听场域下文博类电视节目中的创新应用，从多元叙事语态、视觉文化转向、场景重构等方面探讨空间、图像、音乐、体态等非语言符号在视听传播中的建构与价值塑造。
随着新兴技术的兴起，社会对新工科背景下的技术人员能力要求越来越高。《液压与气压传动》课程是机械类专业核心课程，在学生能力培养中起着重要的作用。针对《液压与气压传动》课程教学过程中存在的问题，以提升学生能力为目标，提出了在教学内容中融入工程应用内容，以工程应用案例为基础，融入到课程知识点的教学过程中，提高了学生职业能力。
随着我国社会组织不断健全,对于存在如听力障碍、智力障碍、视力障碍、脑瘫、自闭症或是残疾儿童的关爱程度也在不断地提升。虽然这些儿童存在一定的缺陷,但是他们却需要融入到日常生活中。所以通过特殊教育的方式帮他们掌握一定的技能和生存能力是目前特殊教学中必须要重点研究的内容。
在车联网中，由于网络拓扑的动态变化，短时间内形成的数据较多，导致大数据加密效果不佳。针对这一问题，提出基于关联规则分析的车联网大数据加密传输模型。以车联网服务为基础，借助关联规则挖掘车联网大数据。充分考虑车联网环境复杂的情况，将关联规则与加密算法混合使用。采用安全协议数据单元封装源目标地址，达到数据传输保护的目的。通过DES密钥加密数据，获得明文信息。采用基于动态实用拜占庭容错共识机制，对恶意节点
采用C18固相萃取与气相质谱法（GC-MS）联用测定了地表水中苯并（a）芘。利用固相萃取仪，选择C18萃取柱，水样无需添加氯化钠，加入5%甲醇或5%异丙醇，萃取体积1 L，流量12 m L/min，快速萃取水中苯并（a）芘。实验表明:苯并（a）芘在10～200μg/L浓度范围内响应良好，线性相关系数为0.997 4，检出限1.60 ng/L。在地表水加标10～200 ng/L范围中，苯并（a）芘回
第四次工业革命推动下的数字经济及各行业数字化转型已是不可逆转的社会发展必然，网络控制器是数字世界的“把门人”，没有技术可靠、供应链稳定的网络控制器，就无从谈起国家数字经济安全。先装“刹车”后上路，只有包括网络控制器在内的所有关键网络硬件设备实现技术可靠、供应稳定，国家网络空间安全才有可能得到保障。
目的:调查老年慢性病患者用药偏差现状并分析可能的原因及影响因素。方法:提取山东、天津两地四家医院2017年11月1日至2017年12月31日60岁及以上老年患者病历,采用调查问卷的方式分析用药偏差发生的基本情况,并采用Logistic模型分析用药偏差影响因素。结果:研究最终纳入400例患者,用药偏差发生率为59.0%;发生用药偏差的类型主要为治疗不充分（36.0%）和用法用量不适宜（30.2%）;
通过手动脉冲不分流进样和SIM模式分析,改进了用气相色谱质谱联用仪检测环境空气中苯并（a）芘含量的方法,大幅度降低了苯并（a）芘的检出量。样品经快速溶剂萃取仪提取,Florisil固相萃取小柱净化,质谱检测器检测。实验结果表明:苯并（a）芘质量浓度在0.025～1.00μg/m L范围内与峰面积线性关系良好,采样体积为6m~3时,方法检出限为1.4ng/m~3。该方法准确度高、重复性好,能够满足快
为研究复合剪力连接件群钢-混结合段的力学性能，以中国首座铁路混合梁斜拉桥为研究背景，通过数值模拟与模型试验相结合的方法研究了钢-混结合段及其复合剪力键群的静力和疲劳性能。结果表明：需注重钢-混结合段的构造细节处理以避免产生局部应力集中现象；剪力钉较PBL剪力键起主要传剪作用，与复合剪力键群形式相比，只采用PBL剪力键传剪会增大承压板传力负荷；底板剪力钉受力形式与推出试验结果一致，由于混凝土浇筑质量
文本分类作为自然语言处理领域一项重要的研究课题,具有十分重要的实际应用意义。由于近年来深度学习相关技术的迅速发展,文本分类任务得到了越来越完善的解决。但随着现实应用场景复杂程度的提升,不得不采用更加深层复杂的网络结构来应对数据维度和数据量的急剧扩增。其中,BERT是一种实现了注意力机制思想的预训练语言模型,也是一类可用于处理文本分类任务的典型深层网络模型。然而,其在文本分类任务中仍然存在诸多问题: