课程文献中心 更多>>

关键词： 错误   数学思维   核心素养  

摘要： 提炼错误的教育价值,引导学生以错解为起点展开探索与分析,不仅能进一步夯实学生的知识基础,还能提高学生的数学思维,增强学生的感悟力,避免学生再次发生类似错误,为培养学生的数学学科核心素养创造条件.文章以“函数极值”的错题教学为例,从“教学内容分析”“错误案例探索”“思考与感悟”三个维度展开实践与研究.

关键词： 教—学—评”一体化   高中数学   问题解决能力   项目式教学  

摘要： 问题解决能力作为高中数学学科核心素养的重要组成部分,值得一线教师深入研究。教师可通过确立核心素养导向的目标、设计真实情境中的项目主题、组建学习小组促进协作探究、构建多元化评价体系及实施查漏补缺的精准辅导,实现“教—学—评”一体化与项目式学习的深度融合,推动学生数学学科核心素养的整体提升。

关键词： 认知逻辑   概念建构   单调性  

摘要： 教学设计不只要重视知识逻辑结构,还需要重视学生的认知逻辑发展过程.以“函数单调性”教学为例,从学生认知逻辑角度出发,分析教学中的一些常见问题,更容易找到问题的答案.

关键词： 项目式教学   物理化学   理想气体   p–V图  

摘要： 以p–V图的绘制为例，在物理化学教学中展开项目式教学。设计(等温/绝热/多方)可逆过程p–V图和绝热可逆过程与绝热不可逆过程p–V图的绘制两个任务，指导学生从不同角度分析问题、解决问题。学生在团队合作中体会抓住事物本质解决问题的必要性；并且，学生的团队协作精神、思维深度和分析解决问题的能力也得到进一步提升。

关键词： 药物重定位   图卷积神经网络   对比学习   生物网络  

摘要： 药物重定位研究对于提高药物的发现效率具有积极意义.然而,当前研究大多是将药物和疾病受同一监督方式展开训练,忽视了两者在生物特性等方面的内在区别.同时,高度稀疏的药物-疾病网络,也对模型预测产生严重干扰.因此,本文提出了一种基于图卷积神经网络和对比学习的药物重定位预测方法GL-DDI.首先,通过注意力机制对药物和疾病的多源相似性进行整合,并构建药物和疾病之间的元路径.然后,通过元路径评分矩阵,监督药物和疾病子空间的特征提取.最后,通过对比药物子空间和疾病子空间的预测结果,构建对比学习模型,从而预测药物潜在适应症.实验结果显示,本模型的受试者工作特征曲线和PR曲线下面积分别为0.9392和0.9442,优于现有方法.

关键词： 人工智能   高中数学   函数教学   教学评一体化  

摘要： 人工智能技术的迅猛发展正深刻重塑着教育领域.文中以人教A版高中数学“函数”为实践模块,为突破函数学习的痛点,借助AI技术重构“教学评”体系,实现从“线性传递”到“网络建构”的“教”之重塑、从“技能训练”到“思维进化”的“学”之突破、从“结果量化”到“过程画像”的“评”之转变.在高中数学人教A版“函数的概念”课例中,初步探索人工智能在教学评一体化中的应用,设计多模态AI融合活动,探索AI支持的教、AI驱动的学、AI赋能的评在高中数学教学中的实践应用,提炼高效的函数学习方法,总结函数专题的科学评价经验,为函数专题的学习及教育数字化转型提供具有参考价值的实践案例.

关键词： 钠离子导体   沸石结构   机器学习势函数   固态电解质筛选  

摘要： 随着机器学习原子间势(MLIP)的发展,采用分子动力学解决大尺度体系结构下的离子输运问题成为可能。沸石结构由于其特殊的孔道和空腔,且结构中存在复杂的Si/Al无序排布,使得其动力学性质的模拟较为困难。采用原子位置光滑重叠(SOAP)描述符找到TO4四面体排布差距最大的10个沸石结构框架作为MLIP训练集,得到适用于在Na–Si–Al–O四元结构进行分子动力学模拟的MLIP,计算统计了具有代表性的18个结构中的Na+均方位移,筛选到了迁移势垒为0.25eV和外推室温离子电导率为2.66 mS/cm的ACO框架沸石材料,可以作为具有高稳定性的钠离子导体。

关键词： 初中数学   问题提出   反比例函数  

摘要： 问题提出正逐渐成为数学课程教学改革的核心议题之一.在备课过程中,教师不仅要深入挖掘基础概念,还需精准预判学生在学习过程中可能遇到的困惑与难点,通过巧妙设计引导学生主动思考与探究,避免课堂停留在被动接受或浅尝辄止的层面.以“反比例函数的图象与性质”为例,从“无中生有”“对中生疑”和“常中生奇”三个角度深入解读学生的“不明白”.通过质疑“理所当然”的思维定势,激发学生的认知冲突与求知欲,推动深度学习的真正发生.

关键词： 漏洞检测   代码结构特征   函数关联   图注意力网络  

摘要： 漏洞检测是软件系统安全领域的关键技术.近年来,深度学习凭借其代码特征提取的卓越能力,在漏洞检测领域取得了显著进展.然而,当前基于深度学习的方法仅关注于代码实例自身的独立结构特征,而忽视了不同漏洞代码间存在的结构特征相似关联,限制了漏洞检测技术的性能.针对这一问题,提出了一种基于函数间结构特征关联的软件漏洞检测方法(vulnerability detection method based on correlation of structural features between functions,CSFF-VD).该方法首先将函数解析为代码属性图,并通过门控图神经网络提取函数内的独立结构特征.在此基础之上,利用特征之间的相似性构建函数间的关联网络并构建基于图注意力网络进一步提取函数间关联信息,以此提升漏洞检测的性能.实验结果显示,CSFF-VD在3个公开的漏洞检测数据集上超过了当前基于深度学习的漏洞检测方法.此外,在函数内各独立特征提取的基础上,通过增加CSFF-VD中函数间关联特征提取方法的实验,证明了集成函数间关联信息的有效性.