文本课程

摘要： 【文本课程定位】《反对党八股》隶属于统编高中《语文》必修上册第六单元,体裁为演讲稿。该单元的主题为"学习之道",该课文的主题为"批判教条主义、主观主义和宗派主义","倡导理论联系实际的马克思主义学风和文风"。教材的"学习提示"中,要求思考"这篇文章的针对性和现实意义",关注"这篇文章的表达方式和语言风格与作者提倡的文风"的一致性,并能够"从表达目的、听众感受等角度品评其表达效果"。

摘要： 【文本课程定位】统编版高中《语文》必修上册第二单元第六课最初由《芣苢》《文氏外孙入村收麦》两首古典诗歌构成。2019年版的教材中,以杨万里的《插秧歌》替换了苏辙的《文氏外孙入村收麦》。编者之所以作这样的替换,或许是认为《插秧歌》的内容与情感更切合该单元的“劳动”主题。

摘要： 【文本课程定位】《立在地球边上放号》是统编版高中《语文》必修上册第一单元第二课选录的第一首必读诗歌。第二课的另一首必读诗歌为闻一多的《红烛》,另两首自读诗歌为昌耀的《峨日朵雪峰之侧》和雪莱的《致云雀》。作为升入高中后接触的第一个主题单元,教材编写者立足于“立德树人”的根本任务,将该单元的主题确立为“青春”,旨在引导刚刚踏入高中大门的15岁的少年“怀着美好的梦想、纯真的感情,带着对自我的认识、对社会的思考和对理想的追求”,迈好步入青春的第一步。

摘要： "爱国是本分,也是职责,是心之所系、情之所归""爱国主义自古以来就流淌在中华民族血脉之中,去不掉,打不破,灭不了"。这是习近平总书记在纪念五四运动100周年大会上所指出的。适值新中国成立70周年华诞,正是激发学生爱国主义情怀、厚植爱国主义理念的绝佳时机,语文教师应立足现当代经典文本.

摘要： 《语文课程标准》指出:''学生是学习和发展的主体。语文课程必须根据学生身心发展和语文学习的特点,关注学生的个体差异和不同的学习需求,爱护学生的好奇心、求知欲,充分激发学生的主动意识和进取精神,倡导自主、合作、探究的学习方式。''自主共生理念顺应了这一要求,为语文课堂注入了新鲜的血液。新课程理念指导下的自主共生理念认为,课程不仅是知识.

摘要： 新课程理念认为课程不仅是文本课程,更是体验课程;教学过程不是教师向学生灌输知识的过程,而是教师和学生共同探求新知识的过程,是学生获取知识、自我建构的过程;课程是由教材、教师与学生、教学情景、教学环境构成的一种生态系统。＂教＂必须服务于＂学＂,在教学过程中促进学生学习方式的转变才是首要的任务。一、营造和谐的教学环境和谐的教学环境,对于提高教与学的质量具有重要的作用,营造和谐的课堂气氛,需要教师的精心组织和创设。

摘要： 新一轮课程改革更加关注学生,由＂文本课程＂向＂体验课程＂转变。在这一背景下,高中英语教学更加强调生活化,贴近学生生活实际,英语学习变得活泼有趣。

摘要： 实现人与自然的和谐,培养学生尊重意识和实践能力史家科技教育课程开发遵循＂显性与隐性相结合、必修与选修相结合、校内和校外相结合＂的理念,以学校科技馆建设为依托,构建了科技馆课程群。显性课程包括文本课程、活动课程两大类,如揭秘科技馆、有趣的水试验、创新思维课程、模型制作课程、

摘要： 老师们在课堂教学中,一定要灵活面对,在面对不同情境课堂教学的时候,老师可以跟学生一块去创建一个有趣的教学活动,提升同学们的学习热情.学生也有尊严,有自己的人格,因此,老师要尊重学生,尊重学生的思维方式,适宜地开展一些有利于学生发展的课堂活动,使得每名学生都亲身体会学习的快乐,收获经历.一、巧用教学资源——动态课堂生成的基础要想获得良好的教学目的,成功教学就是要把课本的知识活化,赋予知识＂鲜活的生命＂.

摘要： 本发明公开了一种面向课程领域的图像文本聚合方法及系统，将对象特征及邻接矩阵作为输入构建图像对应的对象关系图，利用图卷积神经网络更新关系图中节点的特征；将所有语块特征向量的集合作为整个文本描述的特征表示；以对象特征集合和步语块特征集合作为输入，构建图文对之间的局部相似度矩阵；计算整个课程领域图像和文本描述之间的全局相似度；通过梯度下降法训练图文匹配模型的参数，通过已学习到的参数得出全局相似度最高的一段文本描述作为和该张图像相匹配的描述文本，实现图像文本聚合。本发明能够有效提取课程领域图像和文本描述的特征，从而将课程领域示意图和文本知识碎片聚合，进而自动化构建跨模态的知识碎片。

摘要： 本发明涉及人工智能，提供一种基于人工智能的文本课件的内容抽取方法及相关设备，在提取课件页面中的实体及实体的属性值后，搜索每个实体的最近邻实体，在实体与最近邻实体之间生成实体边，根据属性值计算每个实体边的边特征，从而得到实体网络结构图，利用图卷积神经网络基于预设线性约束对实体网络结构图进行预测，得到实体边的类别，通过设置线性约束能够有效的保证预测结果的准确性；在得到图卷积神经网络的目标层的各个节点的隐藏状态之后，对隐藏状态进行最大池化处理，最大池化可以将参数隐藏状态中的参数极大地缩小，减少了信息的冗余度，提高了全局嵌入表示的效率和文字描述的生成效率，进而提高了课件语义结构树的生成效率。

摘要： 本发明公开了软件领域内的一种课程文本资源到课程知识图谱的自动映射方法，包括：步骤1）通过现有数据建立课程语料库，并实现对课程概念标签的抽取，最后构建数据集；步骤2）模型训练，利用数据集训练模型；步骤3）模型调优，使用对抗学习算法FGM参与模型BERT训练，得到FGM‑BERT模型；步骤4）模型预测，将待映射文本输入到训练后的模型中，根据模型的输出及验证时自动选择概率阈值，自动将文本映射到概念标签上，最终完成了到课程知识图谱的映射，本发明解决了多标签文本分类的问题，实现了互联网的习题和博客等课程文本资源到课程知识概念的有效映射。

摘要： 本发明公开了一种校本课程管理和优化的方法和系统，涉及教学方法领域，包括开课环节、授课环节和结课评估环节，采集开课环节、授课环节和结课评估环节的结构化数据，对结构化数据进行挖掘分析，给出校本课程的教学调整建议。通过本发明的校本课程管理和优化的方法和系统可以引导教师自觉提炼标准的培养目标，把教育学理论和个性化实践形成关联；并在教学过程中给出工具和数据分析，提醒教师注意调整教学方式，不要偏离预设目标或认识到预设目标本身的不足；同时在结课时自动形成分析报告，减轻教师负担；通过数据统计的方式，可以规模化找到课程和教师开课教学的共性问题，利于学校、教育局针对性组织课程开展和教师培训。

摘要： 本发明一种基于校本课程的在线测评系统，其特征在于：包括语音输入端、语音识别平台、测评软件系统、校本课程数据库、评测平台、后台管理系统、网络服务器、显示装置，语音输入端与语音识别平台和测评平台分别通过无线网络连接。其优点在于：通过结合线上大数据的处理能力，对校本课程教学质量的一个反馈，评价出教学质量，将线上和线下评价向综合，碎课程效果作出更加公正客观的评价。

摘要： 本发明公开了一种幼儿英语教育用英语剧本课程体系，包括教学管理系统、3D控制系统和线上连接系统，教学管理系统包括登录模块、教学管理单元、剧场教学单元、分类管理模块、教学选取模块、第一反馈模块、远程发送单元、显示模块和测试单元，本发明涉及英语教育技术领域。该幼儿英语教育用英语剧本课程体系，通过剧场教学单元、分类管理模块和教学选取模块，选取依次需要进行的英语教育课程，然后经过数据分析模块、场景配对模块、VR显示模块形成三维场景，能充分调动孩子们的参与兴趣，通过教师的引导和示范，孩子们在场景中感受彼此不同的角色分工，尝试着运用英语来进行沟通和互动，从而获得非常真实的语言信息传导体验。

摘要： 本申请涉及一种文本图像的文本框排序方法、装置、计算机设备和存储介质，可应用于对视频中的文本框进行排序。方法包括：基于目标文本图像中包含的文本框，确定用于表征各文本框之间的位置关系的空间位置特征；针对每一文本框，提取文本框对应的视觉特征和文本特征，并进行特征融合处理，得到每一文本框在图结构中所映射节点的节点特征；基于图结构中各节点的节点特征，对基于空间位置特征所确定的各节点间的初始节点连边特征进行特征更新，得到更新节点连边特征；基于更新节点连边特征所确定的各节点间的节点连接关系，对图结构中每一节点各自表征的文本框进行排序。采用上述方法能够对目标文本图像中的文本框进行准确的排序。

摘要： 本发明提供了一种基于课程学习的文本实体识别方法，包括将构建的文本标注数据集划分为训练集、验证集和测试集；将训练集中的文本数据按照从易到难的顺序进行排列，通过自然断点分类算法将排序后的训练集中的文本数据划分为n个区块；使实体识别模型对训练集中n个区块的文本数据进行课程学习，直至模型收敛；学习训练过程中将实体识别模型在验证集上进行评估，获取最优模型参数设置；将符合训练效果的实体识别模型应用于真实项目文本实体识别场景中。本发明通过使实体识别模型进行课程学习，训练时模型对局部极小值的跟踪会引导其走向更优的参数空间，更有可能逼近全局最小值，使其具有更好的泛化性，从而达到提升训练效率和识别准确度的效果。

摘要： 本公开提供了一种基于深度学习的课程评论文本情感分析方法及系统，包括：获取待分析的课程评论文本；将所述课程评论文本输入预先训练的课程评论文本情感分析模型中，获得课程评论文本情感分析结果；其中，所述课程评论文本情感分析模型包括输入层、嵌入层、BiGRU层、Attention层以及激活层，所述嵌入层采用XLNet模型以及预先构建的课程评论情感词典将输入的文本状态表示为加权词向量矩阵，所述XLNet模型以排列组合的形式对输入的文本进行重构，通过将部分课程评论文本上下文信息中的部分下文内容引入到上文中，实现双向预测的功能。

摘要： 本发明公开了融合数据扩充与课程学习的小样本文本分类方法，先用策略对已标注样本集进行数据扩充，再根据扩充样本的改变程度划分数据集，继而构建神经网络分类器并训练分类模型，最后使用训练得到的模型对新的样本进行分类。对学习方法进行改进和重构，一方面采用多种策略进行数据扩充，另一方面将样本按照变化程度从小到大对样本划分等级，并且在学习过程中采用课程学习的策略从易到难逐步学习，分类准确率方面显著提高。