试谈初中数学课堂教学有效性的提高策略

在知识经济时代下,由于社会环境等诸多方面的变化,传统的教育教学方式已经逐渐面临淘汰。在当下的信息社会当中,知识也在急速发生着改变,因此,传统的仅仅提高学生考试成绩的教学策略必须被摒弃掉。与此同时,良好的教学策略可以很好地提高课堂教学效率;通过教学策略对学生的情绪变化、知识运用、思维结构的完善等内容进行适宜改善,不仅可以帮助教师及时对自己的教学方式作出有效调整,而且可以帮助学生更好地规划个性化的教学活动。因此,根据新课改的相关要求,及时对当前教育的教学策略进行完善改进是非常重要的教育目标。综上,本课题以基础性学科——初中数学课程为研究对象,对我国当前的课堂教学策略进行问题分析,并根据实际教学试验课程提出相关改进策略。     

基于甘肃省Y村个案的随迁老人城市社区适应困境研究

随着中国经济社会快速发展,城市化进程日益加快,人口流动、迁移的浪潮越发活跃,跨省市迁移的老年人口逐渐引起社会的广泛关注。随迁老人长期生活在农村,习惯农村的生活方式、村落文化,从熟人社会进入到完全陌生的生活场域,城乡间生活、文化巨大的差异,使之产生了诸多不适应问题,例如语言沟通的障碍、价值观念的冲突、社会交往的困境等。以甘肃省Y村的8位随迁老人为调查对象,通过深入访谈,利用类属分析方法,划分出生理适应、心理适应、文化适应和角色适应4个方面的研究内容,基于相关指标进行详细描述,分析阻碍老人融入城市生活的根源,依据萨姆纳"内群体、外群体"理论,探讨影响随迁老人城市适应的原因,希望能够引起随迁老人子女和社会民众的关注,给予随迁老人更多的支持和帮助,增进随迁老人对城市生活的认同感和归属感,提升晚年生活的快乐度和幸福度。     

长江经济带碳排放强度与产业结构的灰色关联分析

基于长江经济带11个省(市)2000～2015年省级数据,采用灰色关联分析方法对长江经济带产业结构与碳排放强度之间的关联进行分析.研究发现:三次产业中第三产业对长江经济带各地区碳排放强度的影响最大,第二产业其次,第一产业对长江经济带碳排放强度的影响最小;分区域来看,江西、湖北、湖南以及云南4省的第二产业与碳排放强度关联度最大,其他7个省(市)的碳排放强度与第三产业的关联性最大.综合而言,长江上游和下游地区中第三产业与碳排放强度关联性最强,长江中游地区中与碳排放强度关联性最高的是第二产业;探讨长江经济带控制碳排放的产业发展政策,以期能有效控制产业发展对长江经济带碳排放强度的影响.     

网络“裸持”信贷中的犯罪及其刑法规制

通过分析“裸持”信贷中的犯罪现状，可知我国法律对裸持信贷规定存在不足。此类犯罪行为具有多样刑法性质和特定的犯罪规律。结合域外英美对信贷的立法、监管方面的规定，应当从刑法规制路径和社会制度层面的构建解决措施，完善规制裸持信贷的法律规制路径。     

提升英语口语思辨能力的教学改革策略

针对21世纪对英语口语思辨表达能力的要求，分析了英语口语和思辨性表达的关系，回顾了提升英语口语思辨能力的理论文献，总结了在英语听说课程中实践话题性内容听力导入、小组活动、演讲范例分析和呈现、文学经典作品导入和呈现有效提升英语口语思辨表达能力的作用。     

国企宣传加强网络舆情引导的几点体会

随着近些年来信息技术的不断进步,网络作为现阶段一种重要的信息传播手段在整个社会得到广泛应用。伴随着网络的广泛应用,社会舆论的形成机制也在发生着变化。网络参与到社会舆论的形成、传播、扩散等各个方面。网络舆论的形成不可避免地会对企业员工的思想认识造成一定的冲击。因此,在国有企业宣传工作过程中强化对网络舆情的引导极为重要。本文将就此展开讨论。     

直觉与分析:民初两种认识取向的紧张——侧重梁漱溟和屠孝实

在民初的过渡时代,确立中的新学术典范推崇分析的方法,即把整体的研究对象分为各个部分进行考察,并大体成为一种众人追求的"正确"论学模式。而梁漱溟和屠孝实则提倡一种另类的认识和论述方式,即不全靠分析来论证,而更多凭借自己的直觉;也不全靠证明来说服,而是直接诉诸受众的观感。前者往往通过"打碎"来观察,后者则主张对事物"全来全受"。从认识论的角度言,对"知识"的界定以及认识和分享知识的取向异同,是本质性的区别。认识论不同,则怎样认知研究对象,采用何种研究方法,以及什么可以作为证据等,都可能不同,进而导致对什么是知识以及知识产生的过程,都有不一样的理解。当年直观取向对分析取向的挑战,多少呼应了19世纪末以来西方学者对科学客观的反省和对机械论的批判,反映出学术的大转变。故那时学界新旧取向并存甚至竞存的复杂程度,超出了我们既定的认知。     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型，简称FEPA，由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集，应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF），然后通过主成分分析将分解后的数据降维，提取最有信息量的特征；然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想，有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达，提供了今后融合更多信息的算法接口；2）通过多步长预测输出深入研究EMD分解的有效信息结构；3）通过切换到更细时间框架来处理EMD的端点效应，并探索了两级时间框架下的预测效果；4）给出了金融时间序列组合预测模型的一般性架构，具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证，结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%，在澳大利亚股指日线上也达到了74%的命中率，经比较，明显高于文献中常见的5种模型。