概念课

摘要： “指数函数的概念”是一节典型的概念课,是实施数学建模的一个载体.这节课概念的形成能更好地展示通过运算发现规律、抽象模型,图象的研究展示了丰富的视角.基于此,在教学实践、反思的基础上,改进完善,形成了新的教学设计,主要环节是:创设情境,分析数据,发现规律,抽象定义;利用模型,回归情境,解决问题.

摘要： 一、引言问题引领式的课堂教学模式是指通过充分发挥教师的主导作用,把学习内容置于问题之中,让学生自主感受问题、发现问题、探究问题。为学生提供充分自由表达质疑,探究、讨论问题的机会,实现知识的意义建构,促进学生认知.技能.情感全面发展的一种有效教学模式。在教学中,精心选择适当内容,以问题引领学生的思维.能唤起学生积极的情绪反应,从而提高教学效果。问题引领式的教学,在实验课、概念课、规律课、习题课等课型中,都可以收到事半功倍的效果。

摘要： 学科教学知识(PCK)是《中学教师专业标准》中专业知识维度的核心要素,而概念教学在初中数学教学中是非常重要的,因此结合PCK内涵对抽象的数学概念进行解析,能够帮助教师深刻理解概念的本质、认识概念教学的学科教育价值,发现课题和课题之间的联系,了解学生的现实,采用恰当的教学策略,提升概念教学的有效性.

摘要： 新的一轮课程改革已经实施三年,本次课程改革倡导以生为本,希望通过对数学核心素养的培养,完成立德树人的根本任务.而“整体单元教学设计”作为推进课堂教学改革及落实核心素养的重要途径,有利于做好整体设计与整体统领下的后继学习,形成单元内部的连贯、单元与单元的一致性、数学与生活的应用性、数学与其他学科之间的创新性;形成数学学习的一般观点,研究问题的普适性.

摘要： 本文以《函数的奇偶性》为例,论述高中数学概念课教学途径,从“初识概念”“认识概念”“理解概念”“总结概念”等四个维度,结合教学实践进行具体阐述,以期达到提升高中数学教学效果,实现学生核心素养提升及教师专业水平发展的目标。

摘要： 数学概念是数学的逻辑起点,是学生认知的基础,是学生进行数学思维的核心.数学概念课的教学中,多数教师轻概念、重解题.大量解题训练代替了学生对数学概念和思想方法的理解,导致教学重心错位.长此以往,数学课堂效益低下,学生学习质量差,苦不堪言.基于上述原因,笔者以近期教学研讨活动中开设的“丰富的图形世界”概念课为例,谈谈自己粗浅的见解.本课着眼于数学概念的形成过程、数学思想方法的渗透、数学基本活动经验的感悟.

摘要： 数列是高中数学学习的重要内容,而数列概念作为学习数列的基础,在教学中起着举足轻重的作用.学生只有充分掌握了数列概念,才能为学习等差数列、等比数列等知识奠定牢固的基础.因此,文章以“数列的概念”的教学设计为例,从“对基于核心素养的高中数学概念课教学设计的理解”“教学设计与分析”“小结”三方面,初步探索基于核心素养的高中数学概念课的教学设计,力求可以在高中数学概念课教学中更好地渗透核心素养.

摘要： 随着新课程改革的深入实施,相关教育部门和学校对学生初中数学概念理解能力的培养也越来越重视。数学是初中教育教学阶段的重要组成部分,在培养学生解数学决问题的应用能力和数学思维空间构建能力中发挥着非常重要的作用。随着现代教育教学信息化的全面改革,学校也引进了各种基础教学设施并应用在初中数学概念课的教学过程中,从而优化初中数学概念课堂的教学模式,辅助和弥补教育工作中的缺陷,激发学生的数学学习兴趣,丰富和发展初中数学教学方式,旨在进一步提高初中数学概念课的教学质量和学生的学习效率,从而促进教育事业的完善与进步。本文主要分析微课模式在初中数学教学中的应用策略,以提高初中数学的教学质量,促进初中数学教育的深入发展。

摘要： “小先生制”是陶行知“知行合一”思想的具体体现。它既是一种教学方式,又是一种学习方式,可以让学生从被动接受知识转为主动获得知识,有效提升学生的学习能力。

摘要： 概念教学是数学教学的重要组成部分。如何在数学的概念课中彰显学科核心素养?数学的概念课教学又该注意些什么呢?本文试做讨论。

摘要： 概念课教学包括概念的引入、巩固,以及由相关概念引出的定理、公式的教学.概念引入需要创设适当情景、其后巩固和定理、公式教学需要补充一定的变式材料,使学生对概念能深刻理解,对定理、公式有清晰认识,以形成完整的认知结构.

摘要： 本发明提供一种面向产品概念设计的FBAS功能模型以及基于FBAS功能模型和基因表达的产品概念设计方法，能够解决传统概念设计中因设计信息模糊不全造成的结构方案可行性低，设计周期长，耗费成本高的问题。该方法通过分析自顶向下的产品正向设计过程，建立基于功能、行为、属性和结构的功能扩展模型；然后类比生物基因，提出产品基因的概念、模型和编码方法；根据产品基因的交叉、组合、转录和翻译等操作进行产品概念设计。本发明利用产品基因明确概念设计中的关键信息，通过基因的交叉、组合得到对应各功能元的更多基因形式，将这些基因进行转录和翻译，能够得到更多设计方案可行解，为产品的创新设计提供更多的选择空间，有效提高产品的创新性。

摘要： 本发明公开了一种基于概念树的高校课程体系的增量式概念计算方法。该方法首先分析了在路径树中新增对象节点对概念的影响；其次，通过路径树、概念、概念树三者之间的转换关系，得出新增对象对概念树产生的影响；最后，通过分析新增对象的特征，并给出了概念树更新的约束条件，直接进行概念树的更新。该算法以对象拓扑理论为支撑，无需实际操作对象拓扑，且对形式背景没有硬性要求，实现数据动态更新下的概念更新。本发明对高校学生不同学期学习课程与毕业要求数据构成的形式背景进行增量式的形式概念计算，将不同学期的课程逐渐加入到所构成的概念树中，进行概念树的更新，得到最终更新后的概念树，从而获得所有课程的知识体系。

摘要： 基于概念关联的概念空间导航方法，含以下步骤：1)用户选定某概念C为起始概念进行导航；2)计算C与概念空间中其他概念的相似度，并更新相似度旧值(若存在)；3)获取C的语义关联信息{}；4)整合并标准化每个其他概念与C的相似度值、语义关联的有无这两个指标；5)依据步骤4)的两个指标，计算其他每个概念与C的相关程度值，并据此值高低排序取Top K个概念；6)用概念图可视化呈现这K个概念及其与C的相似度值、语义关联信息；7)用户找到目标概念，导航结束；或选择需要进一步扩展(探索)的概念，重复以上步骤。本发明从指定概念导航至其关联概念群，方便用户找到目标概念，提高检索效率。

摘要： 本说明书实施例提供了用于训练概念识别模型的方法和装置，以及识别概念的方法和装置。其中，用于训练概念识别模型的方法的一具体实施方式包括：获取训练样本集，训练样本包括目标领域的样本文本和样本文本所包含的目标领域概念词；基于主题模型，生成样本文本对应的样本主题表示；将样本文本、样本文本对应的样本主题表示、预设的提示模板和待训练的软提示作为预训练语言模型的输入，将与输入样本文本对应的目标领域概念词作为预训练语言模型的期望输出，对软提示进行调整，得到训练后的概念识别模型。

摘要： 本发明属于定制产品辅助设计领域，提供一种辅助概念设计者进行定制产品概念设计的系统，包括：知识推送模块，用于提供设计资源，通过所述知识推送模块检索相关知识；信息交互模块，用于为各种人员提供设计信息输入的功能，并由该人员选择设计信息的类别；过程设计模块，用于提供方案创建窗口，并以结构图的形式建立过程方案，并支持概念设计者进行编辑。本发明能够以结构化的方式辅助设计者进行产品创新设计。

摘要： 本申请提出了一种对科技概念图谱进行概念扩展的方法，包括：使用全文检索与规则过滤的方式查询输入语料中与待扩展节点关联的文献，根据查询到的文献的展示顺序选择预定比例的文献作为目标文献；选择目标文献中的长度大于预设阈值的自填关键词作为候选种子概念集合并进行筛选，得到目标种子概念；基于目标文献、使用N‑Gram生成第一候选短语集合，并使用关键词抽取算法生成第二候选短语集合，然后根据第一、二候选短语集合生成候选概念集合；对候选概念集合进行筛选，得到目标候选概念；使用目标种子概念对目标候选概念的权重进行调整，生成目标概念集合。采用上述方案的本申请能够完成对多种科技领域的扩展任务，并兼顾准确率和召回率。

摘要： 本发明公开了一种设计概念生成网络构建方法及概念方案自动生成方法，该设计概念生成网络包括Transformer编码器，Transformer解码器，重要度约束矩阵生成模块，重要度约束嵌入层，跨注意力层和优化模块。本发明在Transformer的注意力机制基础上，巧妙地引入了词汇重要度约束，记录生成的文本序列中包含的输入词汇约束信息，能够有效保证生成概念方案的可靠性和有效性；并有利于捕获潜在的、语义层面的重要度信息，实现语义层面的知识推理。

摘要： 本发明提供概念图处理装置、概念图处理方法和计算机可读介质。概念图处理装置包含处理器，所述处理器进行如下处理：根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及根据所述概念单词图生成包含所述新概念的被扩展的概念图。

摘要： 本发明公开了一种判断三支概念格与概念格同构的方法，其特征在于，包括以下步骤：S1，定义对偶属性、属性对偶背景,得出在对偶背景下三支概念格与概念格是同构的；S2，定义对偶可交属性及属性对偶可交背景,得出在对偶可交背景下三支概念格与概念格是同构的；S3，判定属性对偶背景与属性对偶可交背景的方法；S4，同构理论下三支概念格的构造方法。本方法对符合背景特点的数据进行知识挖掘时，无论选择形式概念分析与三支概念分析进行知识挖掘，均能达到同样的效果。

摘要： 本发明涉及人工智能领域，构建了一个开放的基于概念稳定特征及其差异化的网络模型SCDNet(Stable characteristics and their differentiation)，该模型具有可扩展性并能够从少量标注样本中学习概念。通过使用向量形式的稳定特征表示每个概念，我们让模型更具有可解释性。我们对初级特征进行压缩编码，在最大化该编码与稳定特征相似度的同时，加入不同概念的稳定特征之间差异性的约束条件。这样不仅能够提高实例特征对所属概念的稳定特征的敏感度，同时还可以增强我们从少量样本中学习的能力。我们对每个概念使用相同的子网络结构，使用统一的学习方法，这使得我们的模型具有很好的扩展性，能够自由的增加概念，即实现连续学习。