浅议促进学生主动参与课堂学习的策略

课堂是教学活动的重要环节,是师生共同活动的舞台。在课堂教学中,教师要积极引导学生主动参与学习,通过创设和谐氛围,以趣激学;创设操作情境,以动激思。引导学生的发散思维,提高学习效率,培养创新意识。使学生真正成为课堂教学的主体,促进学生在知识与技能、过程与方法以及情感态度和价值观等方面得到全面、充分和自由的发展,最终实现教学的目的。     

课堂讨论与学生学习主动性的发挥

本认为，为现代社会的要求必须进行大学教育方式的改革和创新，注重学生能力的培养和素质的发展。激发学生接受知识的主动性应是现代大学教育的重要内容和基本方向，而课堂讨论则是法郎 学生主支性的基本的、有效的形式。本联系经济学理论教学中所进行的具体实践，对此进行了探讨。     

数学教学中怎样促进学习的迁移

迁移是心理学中的一个名词.简言之,就是一种学习对另一种学习的影响.如果一种学习对另一种学习起促进作用就叫正迁移,简称为迁移.如果一种学习对另一种学习起干扰或阻碍作用就称为负迁移,简称为干扰.     

浅谈学生学习迁移能力的培养

数学学习的迁移存在于整个数学教学系统,教师在教学过程中应有计划、有意识地通过各种教学活动培养和发展学生的学习迁移能力,从而真正使学生在掌握知识的同时,发展其分析问题和解决问题的能力。     

建构主义视阈下大学课堂学习共同体的建构

从情境、协作、会话、意义建构四个方面,研究了课堂学习共同体建构的问题,阐释了课堂学习共同体的概念及其特征,论述了目前大学课堂学习共同体存在的问题,提出了大学课堂学习共同体的重构策略。     

高等数学学习中的迁移问题

高校数学教师在教学过程中可能会遇到这样的情况 :在学习线性代数部分时 ,当学过二、三阶行列式的计算方法之后 ,学生认为高阶行列式的展开也采用对角线法则。事实上 ,对角线法则不适于高阶行列式的展开。当学过矩阵的加法运算之后 ,有同学会写出这样的算式 :1111+ 2 22 2 =3333如果只考虑算式的恒等性 ,该等式没有问题 ,但运算方法显然存在借鉴矩阵加法运算的嫌疑。再如微积分学中 ,由基本求导公式可以推出积分基本公式。微分运算的基本求导公式中有 :(Inx) ′=1x ,于是 ,在讲积分基本公式的时候 ,有同学就把 1x 的积分写成 :∫ 1xdx =Inx…     

中学数学课堂小组合作学习的策略

新课改倡导培养学生自主、合作、探究的精神,在数学课堂教学活动中,建立小组合作学习机制,营造和谐轻松的教学氛围,有利于学生积极思考、大胆发言,学生的主体地位得到体现;有利于培养学生的探究意识和合作精神.有利于培养学生发现问题和解决问题的能力.有利于培养学生适应未来社会生存发展的需要.在课堂教学过程中营造小组合作的氛围,精选探究问题,创设竞争评价机制,方能使数学课堂小组合作学习更有效.     

学习迁移规律在数学教学中的运用

本文从两种学习之间的类似因素,对材料的理解程度、对知识的概括水平和定势的作用等四个方面论述了学习迁移的规律对教学教学和学习的影响,针对在数学教学中如何运用学习迁移的规律优化教学过程,以提高教学效果,提出了自己的见解和主张,具有较强的实践性。     

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别,目前深度学习可以有效地解决该类问题,但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时,利用基于迁移学习的方法,把经过预训练的卷积神经网络模型进行迁移,即共享卷积层和池化层的权重参数,调整新网络模型的超参数,并建立一个包含4种共计6 360张竹片缺陷图像的数据库,把图片分成4种训练集测试集形式,即80%训练、20%测试;60%训练、40%测试;40%训练、60%测试;20%训练、80%测试,分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试,并将这3种方法作对比。最后,通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明,按照80%训练、20%测试的识别准确率最高,通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%,比普通深度学习提高了11.55% ,比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别,并且效果优于普通深度学习和 SVM 分类方法。     

浅谈英语在法语学习中的负迁移

由于英法两国以往深刻的历史渊源,英语和法语两门语言之间有着千丝万缕的联系。 对于已经学过英语这一语言的学生而言,学习法语的过程中会发生正迁移和负迁移两种现象。 本文将具体分析英语在法语学习过程当中所产生的负迁移,提出相应的解决办法,以期给法语 学习者一定的参考。     

基于迁移学习的棉花识别

提高智能采棉机效率的一个重要途径是实现单个、重叠和遮挡棉花的识别,避免误采摘和漏采摘。针对不同形态棉花的识别,常规的特征提取方法难以达到令人满意的结果,因而采用基于迁移学习的棉花识别方法和基于迁移模型的特征提取与极限学习机(extreme learning machine,ELM)相结合的方法进行棉花识别研究。首先更改AlexNet、GoogleNet、ResNet-50模型分类层和设置相关参数,用训练好的迁移模型对棉花验证集识别,然后利用训练好的迁移模型进行棉花数据集特征提取,再用训练集的特征训练ELM模型,统计不同隐含层神经元个数的ELM模型对棉花的识别准确率。AlexNet、GoogleNet、ResNet-50迁移模型识别率依次为92.03%、93.19%、93.68%;使用特征提取再与ELM结合的方法,准确率比对应迁移模型分别提高了1.97、1.34、1.55百分点。结果表明,迁移模型对小样本棉花识别也有较高准确率,基于特征提取与ELM相结合的方法可进一步提高准确率。     

论外语学习中本族语的迁移

在外语的学习过程中,本族语(母语)的语言特征、模式或语法形式对外语会有促进或干扰作用。因此,在外语学习中,要根据迁移理论,利用母语正迁移的优势,排除母语负迁移的干扰,更快、更好、更有效地学习和掌握外语。     

基于迁移学习的水稻病虫害识别

【目的】水稻病虫害是引起水稻减产的重要因素。准确地识别水稻病虫害类型,及 时采取有效的针对性预防措施,有助于避免因水稻减产带来的经济损失。然而,聚焦于人 脸和花草等常见事物的识别技术,在农业领域特别是水稻病虫害识别领域应用较少,而 目前已有的水稻病虫害识别研究存在数据量小和数据种类不够丰富等问题。【方法】文 章搜集了2.0372 万张水稻病虫害图片,并以此构建了完整的水稻病虫害识别数据集,基 于迁移学习的思想,在ResNet50 的预训练模型基础上构建了一个针对16 种主要水稻病 虫害识别的深度模型。同时,考虑实际应用的需要,搜集了9 928 张其他图片（包括人 像、汽车等）,结合9 675 张水稻病虫害图片,构建了一个二分类数据过滤模型,以此来 避免非水稻病虫害图片被识别为某一类病虫害的不合理结果。【结果】有预训练模型验 证结果的top-1 准确率达到了95.23%,F1 系数为77.83%,相较无预训练模型top-1 准确 率提升了24.51%,F1 系数提升了56.66%。数据过滤模型的过滤准确度达到了99.60%。 【结论】基于迁移学习的水稻病虫害识别模型,使水稻病虫害识别结果更加准确。非水稻病 虫害过滤模型,有效地解决了实际应用中非水稻病虫害图片被错分为某一类水稻病虫害的 问题。     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。     

翻转课堂与大学英语自主学习能力的培养

随着信息化的发展,终身学习的概念越来越受到重视,培养自主学习能力也变得越来越重要。针对当前中国大学生英语自主学习能力普遍较弱的现象,本研究提出翻转课堂有助于这一能力的培养。翻转课堂体现以学生为中心的教学理念,培养学生的认知策略和元认知策略,它的评价方式也符合自主学习的评价方式。为了更好地帮助学生培养英语自主学习能力,教师在实施翻转课堂的过程中,要注意激发学生的学习动机,给学生提供优质、多元化的学习资源并给予学生足够的指导、监控和反馈。     

浅析初中化学学习中的知识迁移

在当今的知识经济时代,人们的学习理念、学习方式要不断适应时代的要求,如此才能不断进步。世界是客观存在的,但对世界的理解和意义赋予要以我们自身的主观经验为基础进行建构和解释。学生是学习的主体,学生学习是自主的、能动的、富有创造性的,     

翻转课堂在大学教与学中的方案设计

从大学的教与学的双主体角度,结合教育学的理念,设计了三段式的翻转课堂教学模型;运用思维导图方法进行了翻转课堂的学案设计,提供了一种翻转课堂在大学教学中运用的新思路。     

基于迁移学习的多模型水稻病害识别方法研究

水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97％,尤其是Xception模型不仅可以达到98.50％的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性.     

打造高中历史有效课堂的策略

随着素质教育和新课标的深入实施,努力打造高中历史有效课堂、提高历史教学有效性成为一种发展趋势。这对广大教师而言,既是新的挑战又是一次良好的发展机遇。基于此,教师必须运用多种教学方式提高学生学习的主动性、积极性和创造性,激发学生的学习兴趣,树立学生的主体地位,从而提高高中历史教学效果。     

基于深度迁移学习的酿酒葡萄种植信息提取

为利用遥感手段快速、精准提取宁夏贺兰山东麓酿酒葡萄种植信息,提出了一种基于深度迁移学习的酿酒葡萄种植信息提取方法。该方法以全卷积神经网络(Fully convolutional networks,FCN)为基础,利用高分二号卫星遥感资料,以地面采集样本数据进行网络模型训练,利用迁移学习方法将训练好的网络模型迁移到FCN网络模型中,对其进行初始化,避免过拟合问题的发生,其网络训练验证集准确率高达88.16%,较传统的基于深度学习方法准确率提高7.17个百分点。结果表明,基于深度迁移学习的贺兰山东麓酿酒葡萄种植信息提取检测准确率可达91.93%,检测召回率达到91.15%。