参与式课堂

摘要： 互联网时代催生了混合式教学交互的新模式。根据课程教学内容和不同学生的个性化需求,科学合理地设计混合式教学方案。教师可以教学活动的设计为主线,加强师生交互;创造混合式教学交互氛围,提升学生的学习心向;调整混合式教学交互的节奏,改善学生的学习体验,从而优化教学交互结构,对促进教学发展具有重要意义。

摘要： 数学认知具有一定的抽象性与复杂性,只有小学生真正参与到数学认知之中,借助积极观察、主动思考、自觉探究与互助成长,充分焕发小学生的主观能动性与生命活力,才能在数学教学中获得更好的认知效果。

摘要： “参与式”数学教学课堂的实施需要老师和学生的共同配合，老师要学会适当改变传统的授课方式，学生需要积极主动地配合老师，回答问题，为构建良好的“参与式”数学课堂一起努力，从而实现学生更为长远的发展。

摘要： 随着教育体制改革的不断推进,越来越多的教师意识到小学数学"参与式"课堂教学实践的重要性。但受传统教学模式的束缚,在实际教学中,很多教师仍然不注重学生的主体地位,无法转变教学角色,降低了学生小学数学学习的兴趣。本文探究了在小学数学教学中开展"参与式"课堂教学实践的具体策略。

摘要： 在新课程改革背景下,小学数学教学理念的更新及教学方法的完善成为了小学课程教学改革的重要工作。因为教学本身具 有双向性,所以在教学中除了要注重教师的传授讲解外,还要注重学生对课堂教学的反馈,这样才能使教学活动科学、完整。因此, 教师与学生在课堂上的参与度至关重要。文章主要以参与式课堂教学为出发点,探讨其在小学数学课堂教学中的实施方法,以此来为 小学数学教学质量的提升提供参考。

摘要： 在国内教育体制全方位改革的今天,如今很多教师都有意识到小学数学教育使用参与课堂的必要性。小学数学教育对于绝大多数学生而言都有一定难度,参与式课堂可以打破这样的问题,带给学生直接参与的体验。学生在参与中形成理解,明白了知识的本质以及和生活的联系。正因参与课 堂教育效果显著,所以小学数学才需要表现出参与课堂重视度。不过在传统教育模式下很多教师被束手束脚,并没有体现学生的课堂主体地位。教师仍在使用传统教学模式、教学方法,没有吸引学生课堂兴趣。改变这样的问题需要教师转变理念、调整方法。

摘要： 小学是学生的初级学习阶段,也是知识积累的重要阶段,对学生未来的学习和发展都有着非常重要的影响。在传统教学中,很多教师都是发挥自己在课堂的主体地位,而忽略了学生才是学习的主体。所以在教学过程中,要倡导教师及时转变角色,认清自己在教学过程中的位置。充分发挥学生的主体作用,使学生能够自己主动进行数学学习,培养学生对于数学学习的兴趣,调动学生学习的积极性,使学生与教师之间的互动更加有效,培养学生的学习习惯。

摘要： 参与式课堂教学的构建,能充分尊重学生的学习主体地位,提高学生的学习积极性,让学生更好地完成学习任务,提高学生的学习效率,促使学生综合能力及素养的提升.本文对小学数学参与式课堂教学的构建意义、问题及实践措施进行研究,旨在提高数学课堂教学的质量.

摘要： 通过对园林植物与应用课程的分析,找出课程存在的教学方法陈旧、授课方式不符合学生特点、教学资源不足等问题。利用改革,引入任务驱动模式、打造参与式课堂、创新实践教学、升级教学资源库等措施,激发学生主动参与的学习兴趣,满足学生的个性化学习需求,使教学效果明显提升。

摘要： 对高职护理专业老年护理学课程实施基于信息化学习平台的参与式教学设计,以"跌倒"为例详细阐述参与式课堂设计思路,探讨护理课程中参与式课堂设计的教学实施方法、教学效果、教学评价和注意事项,为高职护理专业课程教学改革提供思路.

摘要： 本申请提出了一种面向在线课堂的学习参与度智能评估方法和装置，该方法包括：获取受教育者的在线学习数据，并对在线学习数据进行预处理；通过两分支网络学习预设数量的图像数据的大类样本特征和小类样本特征，并通过3D卷积神经网络对两分支网络输出的特征进行提取，获得每个图像数据的特征向量；通过聚合模块对每个图像数据的特征向量进行加权处理；基于每个图像数据对应的特征的相似性构造困难四元组，并通过困难四元组的损失函数对两分支网络的网络参数进行优化；将受教育者的实时数据输入至优化后的两分支网络，获取参与度识别结果。该方法可在参与度识别任务中样本分布不均衡的状况下，显著提升网络模型识别学习参与度的准确性和鲁棒性。

摘要： 本发明公开一种基于课堂视频的学生课堂参与度分析系统，综合评估学生课堂参与度状况，分为学生课堂注意力评估模块和学生举手发言情况评估模块；学生课堂注意力评估模块基于课堂视频信息，利用Kinect传感器获取肢体骨骼以及面部特征与可观察到的学生行为之间的相关性，提取相关特征进行深度神经网络分类器的构建，对不同等级的注意力集中水平进行分类；学生举手发言情况评估模块利用Kinect传感器的骨骼点信息和音频阵列进行多模态融合，对学生举手和回答问题情况进行统计；该系统能够评估学生的课堂行为，结合课堂参与度的相关指标，全面客观的反应课堂不同学生的课堂表现，并可作为教师教学的参考。

摘要： 本发明公开了一种移动式储能电池参与分布式电源电能分配方法，针对目前分布式电源并网时普遍存在的谐波、三相不平衡以及无功问题引起的电压问题，在考虑移动式储能电池的荷电状态的基础上，提出一种基于SOC反馈的移动式储能电池工作模式自适应控制策略，通过对电网中存在的电能质量问题设定优先级，根据移动式储能电池SOC状态自适应治理相应等级的电能质量问题。本发明将基于SOC反馈的移动式储能电池工作模式自适应治理技术，有效的改善电网的电能质量问题，延长移动式储能电池寿命。

摘要： 描述了用于沉浸式远程参与由交互环境托管并由用户在沉浸式现实中体验的活动事件的系统和方法。因此，一种用于沉浸式远程参与现场事件的系统包括多个交互环境，所述交互环境托管现场事件并且包括记录设备；耦合到交互环境的发射器；云服务器，具有至少一个处理单元，存储器和至少一个渲染器，所述处理单元被配置为处理相应的记录，在一个或多个交互元素上生成交互体，利用所处理的数据和交互体生成观看者的沉浸式体验，以及处理观看者对所述多个交互环境中的一个或多个的反馈，并且所述渲染器被配置为渲染来自所述沉浸式体验的图像数据，以生成被发送到所述一个或多个观看者的媒体流；以及一个或多个交互设备，其被配置为接收具有所述沉浸式体验的经处理和渲染的媒体流，并且输入对云服务器所发送的现场交互环境的反馈。

摘要： 本发明提供了一种连续釜式反应装置及正丁基锂参与生产的连续釜式反应系统。连续釜式反应装置包括N个依次串联设置的连续反应釜，每个连续反应釜包括本体，本体具有反应腔、进料口、溢流口以及出料口；其中，N为≥2的自然数，第N‑1个连续反应釜的溢流口与第N个连续反应釜的进料口相连通。这种连续釜式反应装置适用于正丁基锂等性质活泼的化学物质参与的化学反应，实际生产中可以根据反应量的需要选择合适数目的连续反应釜进行连续化反应，不仅减少了单釜批次生产中一次性转移或长时间滴加大量反应原料，降低了反应操作风险，提高了安全性和反应效率。

摘要： 为了从第一交通参与者将信息发送到第二交通参与者，通过传感器检测(1)第一交通参与者的手或者至少一个手指。确定(2)第一交通参与者通过手或者至少一个手指实施的手势。分析(3)所确定的手势是否指向了第二交通参与者。如果所确定的手势指向了第二交通参与者，则将具有关于所确定的手势的信息的信号从第一交通参与者发送(4)至第二交通参与者。由第二交通参与者接收(5)信号并且分析(6)由第一交通参与者实施的手势是否从第一交通参与者指向了接收的第二交通参与者。如果手势指向了第二交通参与者，则将关于由第一交通参与者实施的手势的信息输出(7)至第二交通参与者。在此，第一交通参与者尤其可以处于本交通工具(8)中并且第二交通参与者处于本交通工具的交通工具周围环境内的外来交通工具(9)中。

摘要： 本申请涉及一种基于课堂行为分析的学生参与度计算方法，其包括以下步骤：获取课堂教学视频数据；获取识别结果：根据课堂教学视频识别学生行为，得到识别结果；进行行为归类：对识别结果进行归类，得到归类结果，其中学生行为的类别包含：听讲、读写、学生互动、举手、应答；计算权重占比率：根据学生行为对学生参与度的影响程度为学生行为分配权重值，计算单次识别结果的学生行为权重占比率；计算参与度：根据归类结果进行参与度计算。解决了缺乏科学有效且能客观评估学生课堂参与情况的问题，本申请具有算法可靠、结果直观和便于利用的效果。

摘要： 本申请提出了一种区域编码和样本平衡优化的课堂参与度识别方法，该方法包括：获取学生在线学习的视频数据，并根据视频数据生成原始样本数据，其中，原始样本数据包括高参与样本数据和低参与样本数据；将低参与样本数据输入StarGAN模型，生成具有不同风格的目标低参与样本；将原始样本数据和目标低参与样本输入RCN模型中进行训练，得到训练好的RCN模型；获取待识别视频数据，根据待识别视频数据生成待识别图像数据；将待识别图像数据输入训练好的RCN模型，得到参与度识别结果。本申请有效解决了参与度识别任务中样本分布极不平衡和手遮挡面部问题，显著提升了网络模型的判别力和鲁棒性。

摘要： 本发明实施例提供一种课堂参与度评价方法及系统，属于课堂分析技术领域。所述方法包括：实时采集学生课堂行为图像信息；从所述图像信息中进行各学生目标定位，并基于预设参与度识别模型判定各学生的实时课堂参与状态；获得所有学生在完整课堂时间内各图像采集时刻的课堂参与状态，获得课堂参与状态集；基于所述课堂参与状态集进行对应课堂参与度评价。本发明方案在提取学生课堂行为状态特征的过程中，引入时序关系，使得课堂参与度评价结构更加符合现实情况。

摘要： 本申请提出了一种面向在线课堂的学习参与度智能评估方法和装置，该方法包括：获取受教育者的在线学习数据，并对在线学习数据进行预处理；通过两分支网络学习预设数量的图像数据的大类样本特征和小类样本特征，并通过3D卷积神经网络对两分支网络输出的特征进行提取，获得每个图像数据的特征向量；通过聚合模块对每个图像数据的特征向量进行加权处理；基于每个图像数据对应的特征的相似性构造困难四元组，并通过困难四元组的损失函数对两分支网络的网络参数进行优化；将受教育者的实时数据输入至优化后的两分支网络，获取参与度识别结果。该方法可在参与度识别任务中样本分布不均衡的状况下，显著提升网络模型识别学习参与度的准确性和鲁棒性。