浅谈公益广告传播中的人文关怀

人文关怀就是对人的尊严与符合人性的生活条件的肯定.人文关怀是公益广告的灵魂,这是由公益广告的本质特征即人本性、公益性、非赢利性所决定的.     

当代高校美术基础教学观浅谈

当代的美术基础教学观,对于教师的能力也提出了很大的挑战.当代的高校美术教师要有开阔的胸怀,丰富的知识面,敏锐的观察和发掘能力,要善于引导学生,在专业方面要有自己的建树,作品要有自己的面貌,这样才有能力进行言传身教.     

走进艺术名校——浅谈美术高考素描的教学体会

<正>高考素描是一个需要基本功的课程,需要不断地练习才能达到熟练的水平,拿到高分。因此我们可以先从素描的基本概念包括形、体积、比例、线条、明暗、空间、调子、构图等一些理论去理解,然后通过细致的观察和完美的表现去学习和提高自己的素描水平,目的就是为了让同学们在学习的路程上,不会走错路走弯路,用正确的有规律的方法去学习素描。     

通过我的作品谈油画创作技法和肌理材料

油画材料、技法作为表达思想情感的媒介与载体,是连接主客体的桥梁和理解主客体关系的中心,而情感表现则是油画材料、技法的生命力与价值所在.     

超常学生成就动机模型的比较研究

该研究采用“适应性学习模型问卷”调查了北京一所高中52名超常学生和84名普通学生,研究结果表明:1)从总体情况看,学生中存在两种动机模型,一种是适应性动机模型,另一种是非适应性动机模型;2)与普通班学生相比,超常班学生的动机模型更倾向于适应性动机模型,同时,学校和家庭对超常班学生更为民主,更强调掌握目标;3)在高一到高二阶段,超常班学生的动机模型发生了负面变化,超常班高二学生与高一学生相比更倾向于非适应性的动机。这种超常班学生的消极变化与学校在高二阶段对超常班学生强调表现目标有关。本研究认为超常班学生比普通班学生更倾向于采用掌握目标,具有适应性动机模型,但是如果学校强调表现目标,超常学生易于向非适应性的动机模型转化。     

提高证道效果之我见

目前,一些教会普遍存在这样的情形:证道者在台上神采飞扬、妙语如珠、口干舌燥,而台下呢,听众反应冷淡、无精打采,打瞌睡甚至熟睡有之,东张西望有之,低声嘀咕有之,来回走动有之。对此,证道者和听众也各说其理:证道者认为信徒信心不足,文化素质偏低,自觉性又不高;而听众却认为证道过深过长。     

苏州传统民居特征在现代建筑中的表现方式

苏州是国家历史文化名城，对其传统民居特征在现代建筑中的表现方式进行探讨。梳理苏州地域文化与传统民居现况，结合色彩和三雕艺术分析苏州传统民居的空间布局和结构形式，并结合苏州地区的代表性案例，分别从继承转换、提炼重构、改造创新以及传统文化的隐喻转化四个方面展开探索。     

布莱德雷、罗素与维特根斯坦论关系

关系问题是形而上学中的基本问题,布莱德雷与罗素发生在二十世纪初的关于关系问题的争论使正统的分析哲学采取了多元论这一默认观点。但实际情况却是,罗素并没有真正解决布莱德雷提出的关系问题,因而默认观点本身是站不住脚的。维特根斯坦以自己的方式解决了关系问题,在这种解决方案的压力之下,需要放弃从语义学过渡到本体论的惯常通道。     

口语句子的韵律边界：窥探言语理解的秘窗

韵律边界加工与言语理解紧密相关, 最近十几年来逐渐成为心理学和语言学的研究焦点。韵律系统包含若干由小到大的韵律单位, 不同单位的韵律成分其边界强度不同, 表现在音高、延宕和停顿三个声学线索上的参数也不同。句子的听力理解过程中, 听话人运用声学线索感知权重策略对韵律边界的声学线索进行加工。从神经层面上来看, 对于韵律边界的加工, 大脑显示出独立且特异性的神经机制。韵律边界的加工能力在婴儿出生后随年龄的增长而发展, 到了老年阶段则逐渐退化, 而且似乎能够对二语迁移。未来, 需要扩大对韵律边界声学表现的考查范围, 进一步明确韵律边界的加工过程, 进一步厘清韵律边界加工和句法加工之间的关系, 进一步关注二语者韵律边界加工能力的发展。     

心理因素与学业表现：机器学习分类预测模型

随着高等教育规模的扩大,学业表现不良逐渐成为一个不容忽视的现象,对学业表现不良的学生进行预测并提早给予干预可降低退学率并减少教育资源的损失。由于导致学业表现不良的因素众多且关系复杂,传统的基于相关分析的研究方法很难建立早期预测模型并进行应用。本研究旨在利用机器学习算法,对数据进行挖掘,并建立学业表现预测模型。研究对653名大一新生的心理健康状况、应对方式、人格、内外控倾向和相关人口统计学信息进行了收集,并在一年后采集了其学业成绩,利用随机森林(RF)、K邻近（KNN）、支持向量机（SVM）、决策树（DT）、朴素贝叶斯（NB）等机器学习算法建立了分类模型。结果显示,随机森林算法在识别学业表现不良学生时有最好的表现,其中准确率95.86%, 召回率91.83%,f1分数为93.80%。特征重要性分析显示,前10个对模型有最高贡献度的特征包括：年龄、性别、是否为独生子、内外控倾向、神经质倾向、积极应对倾向、宜人性倾向、一般症状指数、开放性倾向和焦虑水平。为避免过度拟合问题,本研究在一年后收集的166名新生样本中进行了模型验证,结果显示模型在新数据集上有较好的泛化表现,其中f1分数90.90％,准确率92.60％,召回率89.26％。研究提示基于人口统计学和心理测评信息,机器学习算法有助于及早识别学业表现不良学生并为开展早期干预提供启示。