多元表征

摘要： 泛娱乐化的互联网发展趋势使历史虚无主义改头换面,以全新的形式亮相发声.其呈现出虚无手法"接地气"(以投其所好实现哗众取宠)、虚无形式"软性化"(以感性认同消解理性认知)、虚无表达"隐形化"(以网络传媒播散虚无之果)等多元表征,此种趋势在无形中抽空了受众对历史的价值理解,离散了受众对历史的合力凝聚,致使受众陷入虚无主义危局.为此,文章从四重维度给予化解径路:以"知"察娱,树立正确的历史观与娱乐观;以"辨"识娱,强化史实教育提升敬畏意识;以"舆"化娱,加强舆论建设引领社会思潮;以"权"治娱,加强市场监管营造良好生态.

摘要： 复习课是初中数学教学的重要课型之一,如何优化初三数学复习课教学是一线教师的不懈追求.据长期的课堂观察,教师容易误入高密度、低思维的刷题圈套,种种低效现象难以保证复习效果.文章以“开放问题,多元表征;基于表征,优化知识结构;例题变式,揭示本质;领悟题魂,感悟升华”的课堂教学模式,阐述了用多元表征优化初三数学复习课教学模式的建构.

摘要： 量感是数学核心素养的重要组成部分,教师在新授课时逐步开始重视以多种方式帮助学生经历对量感的体悟、积累对量感的经验、实现对量感的建构,但在练习课时往往又会回到书面解答的常规思路。笔者以“厘米和米的练习”为例,通过多元表征、探寻本质、建构方法等策略,试图通过练习资源的挖掘,使学生量感的培养再上新的台阶。

摘要： 数学是思维的体操,促进学生思维的发展是数学教学的灵魂。在日常教学中,笔者认为:师生间相互尊重、平等对话是促进学生思维发展的基础,引导学生学会多元表征是促进思维发展的途径,而激励性评价能助推学生思维进阶。

摘要： 初中数学教学中,要借助于学生的学习过程,发展学生的思维生长力.学生在很多数学知识学习与运用的过程当中,表征方式都是有所不同的,而多元表征的背后,实际上也就是学生思维的多元性.只要学生的思维得到了发展,那么学生对所学习的数学知识理解与运用就会更加顺利,数学学科核心素养的培育也能够在此基础上得到巩固,发展思维力更是水到渠成.

摘要： 在小学数学教学中实施深度学习就是要在深入研究教材和学生学情的基础上,创设有效的问题情境,激发调动学生头脑中的最近发展区,推动学生深度思维能力,从而完成学生核心素养的生成过程。

摘要： 学习“除数是整十数”的口算除法时,理解算理是教学的重点之一,也是教学的难点所在。可采用如下教学过程帮助学生深入理解算理。一、多元表征,理解算理1.出示学习单(如图1),请学生完成学习任务。2.学生独立完成后,教师先请全班学生核对问题的答案:80÷20=4(人),然后展示学生的验证方法,并引导学生相互交流。

摘要： 受物理学中支点的启发,教学中同样存在巨大价值的支点。教师以前拥理解为支点,让学生的学习起点可视化;以多元表征为支点,让学生的内隐思考可视化;以元认知为支点,让学生的学习变化可视化。借助支点,让学生的学习历程可视化,让教师看见学生的学,学生看见教师的教。

摘要： 以多元表征理论对教材中“逼近”的内容进行理解,教材在内容呈现时选取学生经验模型中已有经验进行表征联结,分析多元表征系统下教材如何实现“逼近”内容的数学抽象以及数形互译的双向表征。

摘要： 数学表征是指学生对学习的数学知识进地记录、储存、改组的方式,是学生运用某种形式将数学概念或关系表达出来的过程。多元表征是指根据实际情况灵活运用各种不同的表征方式。在数学教学中积极合理地使用多元表征,有助于学生准确把握数学知识的本质,促进他们的思维深度发展。不同学者对表征的分类不同,如美国学者莱什等人提出。

摘要： 本发明公开了一种岩体随机结构面的三维离散元表征方法，首先基于所需的岩体随机结构面三维网络数值模型范围，确定各随机结构面的等效半径，设置半径阈值，小于阈值的结构面不予以建模；然后对需要建模的结构面，按照等效半径从大到小的顺序在三维离散元软件3DEC中依次生成各结构面，并在生成前隐藏与该结构面不相交的块体；最后将同一个结构面分为真实结构面部分和虚拟结构面部分，对两部分赋予不同的力学参数，以精确界定结构面的真实边界。本发明保证一个真实结构面只需要切割一次，从而最大可能地减小了虚拟结构面数量，极大地提高了计算效率，克服了虚拟结构面变形参数难取值而导致的计算误差。

摘要： 一种具有高性能Ti-Mo-N多元表面薄膜的切削工具，其是采用磁控溅射的方法在切削工具表面制备Ti-Mo-N三元薄膜，主要通过优化多元薄膜的制备工艺参数，以及薄膜的热处理工艺参数，从而获得一种具有高性能Ti-Mo-N三元薄膜的切削工具，与Ti-N二元薄膜相比，成膜后切削工具试样外观表面平整光滑，致密性好，经测试，经热处理后薄膜表面的元素的原子百分含量为30.5Ti-28.3Mo-41.2N，薄膜表面的硬度为35GPa，800°C条件下的氧化增重仅为Ti-N薄膜的一半。

摘要： 本发明公开了一种岩体随机结构面的三维离散元表征方法，首先基于所需的岩体随机结构面三维网络数值模型范围，确定各随机结构面的等效半径，设置半径阈值，小于阈值的结构面不予以建模；然后对需要建模的结构面，按照等效半径从大到小的顺序在三维离散元软件3DEC中依次生成各结构面，并在生成前隐藏与该结构面不相交的块体；最后将同一个结构面分为真实结构面部分和虚拟结构面部分，对两部分赋予不同的力学参数，以精确界定结构面的真实边界。本发明保证一个真实结构面只需要切割一次，从而最大可能地减小了虚拟结构面数量，极大地提高了计算效率，克服了虚拟结构面变形参数难取值而导致的计算误差。

摘要： 本申请公开了一种用于检测斑马鱼多元表型的微流控芯片，包括：若干个微型结构单元，所述微型结构单元包括液体输入通道、液体输出通道以及设置在液体输入通道和液体输出通道之间的斑马鱼幼鱼行为表型测试通道和斑马鱼幼鱼大脑表型测试通道；所述斑马鱼幼鱼行为表型测试通道被配置为检测第一斑马鱼幼鱼的行为表型，所述斑马鱼幼鱼大脑表型测试通道被配置为检测第二斑马鱼幼鱼的大脑表型，该微流控芯片操作简便、不损伤斑马鱼、低成本、高通量、可以在显微镜试视野下同时测试药物对斑马鱼幼鱼行为学表型和大脑表型的影响的斑马鱼多元表型的微流控芯片。

摘要： 本发明公开了一种聚合物基多元表面增强拉曼检测基底及其制备方法与癌症诊断应用，依次包括相互叠加设置的聚合物基材、树脂层、贵金属薄膜层、金属氧化物薄膜层和三维岛状超薄银膜；三维岛状超薄银膜中的岛状结构为分布均匀的纳米结构，银膜的厚度为1.5‑20nm。该柔性表面增强拉曼散射基底具有简便、灵敏度好高、一致性好、高通量的性能，可以用于实现癌症的早期诊断。

摘要： 本申请涉及报关技术领域，公开了突破多元表单壁垒的一键转换方法、系统及存储介质。方法包括：建立表头信息数据库及表体信息数据库；获取待转换的表单；基于预先设置的与待转换的表单对应的第一类型模板，抓取待转换的表单中与第一类型模板匹配的表头信息和表体信息，将表头信息和表体信息分别存储至表头信息数据库及表体信息数据库；基于预先设置的与目标表单对应的第二类型模板，从表头信息数据库及表体信息数据库中提取匹配的目标数据，生成目标表单。本申请实现了从一个表单至其他具有相同数据信息的表单的直接转换，节约了制单时间，提高了制单效率，同时也降低了制单的出错率。

摘要： 一种具有高性能Ti-Mo-N多元表面薄膜的切削工具，其是采用磁控溅射的方法在切削工具表面制备Ti-Mo-N三元薄膜，主要通过优化多元薄膜的制备工艺参数，以及薄膜的热处理工艺参数，从而获得一种具有高性能Ti-Mo-N三元薄膜的切削工具，与Ti-N二元薄膜相比，成膜后切削工具试样外观表面平整光滑，致密性好，经测试，经热处理后薄膜表面的元素的原子百分含量为30.5Ti-28.3Mo-41.2N，薄膜表面的硬度为35GPa，800°C条件下的氧化增重仅为Ti-N薄膜的一半。

摘要： 一种具多元表现效果的立体展示盒，包含：一盒体，该盒体内部为中空，具有一底部及侧壁，该底部连接该侧壁，该侧壁环绕封闭且形成一开口可供容纳物品用；一外盖体，该外盖体枢连于该盒体上，该外盖体可于该盒体上自由开合转动，并且可封闭该盒体的开口；一内盖体，为一板体，该内盖体的一侧边附着在该盒体的侧壁的内壁面，并可于该内壁面上自由转动，其中该内盖体与该盒体的底部具有一适当距离，使得物品可置放于该内盖体与该盒体的底部之间；至少一立体叠合件，安装于该内盖体上，当该外盖体展开时，当该立体叠合件被拉开时会呈现立体的结构型态，当该立体叠合件被压缩时会呈现平面体的型态。

摘要： 本发明公开了一种基于多元表征和度量学习的试题检索方法、装置、计算机设备及存储介质，该方法步骤如下：获取试题库数据，提取试题中的多元异构数据的特征；对多元特征分别建立索引；提取输入查询的试题特征，利用BM25算法从题库中粗召回一定量的候选相似试题；将输入查询的试题和BM25算法返回的候选试题特征输入到多种度量学习方法进行精排，最后按照相似度程度从大到小排序返回检索结果。本发明根据试题多源异构，分别对图片、文本、公式进行特征提取和建模。采用粗召回和精排两阶段检索策略，利用概率模型召回候选试题再重排序，提升匹配的效率。在精排阶段，多维度融合不同度量学习匹配算法，提升搜索方法的准确率和鲁棒性。

摘要： 本发明公开了一种基于多元表征和度量学习的试题检索方法、装置、计算机设备及存储介质，该方法步骤如下：获取试题库数据，提取试题中的多元异构数据的特征；对多元特征分别建立索引；提取输入查询的试题特征，利用BM25算法从题库中粗召回一定量的候选相似试题；将输入查询的试题和BM25算法返回的候选试题特征输入到多种度量学习方法进行精排，最后按照相似度程度从大到小排序返回检索结果。本发明根据试题多源异构，分别对图片、文本、公式进行特征提取和建模。采用粗召回和精排两阶段检索策略，利用概率模型召回候选试题再重排序，提升匹配的效率。在精排阶段，多维度融合不同度量学习匹配算法，提升搜索方法的准确率和鲁棒性。