亲子分离对儿童社会情感能力的影响研究--家庭关系与校园人际关系的中介作用

本文基于4个省份15所中小学的调查数据,探讨亲子分离对儿童社会情感能力的影响以及作用机制。研究发现,较早经历亲子分离的儿童,其社会情感能力低于那些较晚经历亲子分离的儿童。亲子分离对儿童自我意识、自我管理以及人际交往技能的发展有显著的消极影响。异质性结果显示,亲子分离对小学生的负面影响强于初中生,对农村儿童的负面影响强于城镇儿童。中介机制检验显示,亲子分离不利于家庭关系和校园人际关系的构建,从而会间接影响儿童社会情感能力的获得。因此,应将学前教育纳入随迁子女教育保障体系中,减少亲子分离,构建良好的家庭关系和友善的校园氛围,发挥家校合力,提升儿童的社会情感能力水平。

农村中小学生社会情感能力对校园欺凌的影响

基于1903份农村中小学生的调查问卷数据,分析学生社会情感能力与其遭受校园欺凌之间的关系,并检验家庭情感支持和学校情感支持在其中发挥的中介作用。研究发现:农村中小学生的社会情感能力水平与校园欺凌发生率显著负相关;家庭情感支持和学校情感支持分别在农村中小学生社会情感能力与校园欺凌之间起中介作用,且后者发挥的中介作用大于前者。因此,在校园欺凌防治中家庭和学校系统都应重视培育学生的社会情感能力,并为其构建多维度的情感支持网络。

认知能力的代际流动性:学前教育的作用

以往大量研究探讨了教育的代际流动性及其影响因素,但基于新人力资本理论的能力视角,分析认知能力代际流动性的文献相对较少。从能力的视角出发,或有助于打开教育代际传递的“黑箱”。本研究利用CFPS 2010、2014、2018年三期的调查数据,通过父代与子代匹配的数据发现,弱势群体不仅有更高的比例处于认知能力分布底端,同样其实现向上流动的比例更低;父代与子代数学测试代际相关性在0.269到0.299之间,而字词测试代际相关性在0.306到0.323之间,两者都显著高于受教育年限间的代际相关性,且父子之间的相关性均小于母子之间;其中,学前教育会显著负向调节认知能力的代际相关性。通过异质性分析可以发现,认知能力的代际相关性在农村、中西部地区、父母受教育水平较低、年轻样本中更大,且学前教育在此类样本中更具显著的调节作用,说明学前教育更有利于弱势群体,并且有促进认知能力代际流动的作用。

农村留守儿童更易遭受校园欺凌吗?——基于1487份农村中小学生问卷调查的实证分析

基于1487份问卷数据,采用二元Logistic回归模型对农村中小学生遭受校园欺凌的影响因素进行实证研究后发现:在控制其他变量情况下,农村留守儿童相较于普通中小学生更易遭受校园欺凌,欺凌发生率按照非留守儿童、仅母亲在家、仅父亲在家、父母都在外的顺序依次增加,后者依次比前者高9.4%。不同留守类型样本遭受校园欺凌的影响因素和作用机制具有显著差异。农村留守儿童更易遭受欺凌是留守状态和低龄、走读、具有负向人格、父母关系不佳、具有欺凌他人经历、家庭及教师支持不足等风险因素叠加交互影响的结果,不同样本实际遭受校园欺凌风险的大小取决于风险因素的多少和保护力量的大小。良好的家庭支持和有效的教师支持可以显著降低农村留守儿童的校园欺凌发生率。中小学生校园欺凌防治工作要重视留守儿童的群体特性和内部差异性,为其提供良好的家庭支持和学校支持,同时促进其良好个性品质的形成。

农村留守儿童校园欺凌的个体影响因素研究——基于Logistic回归的实证分析

校园欺凌现象频频发生,农村留守儿童群体问题更受关注。除家庭环境这一个体无法掌控的外部环境之外,农村留守儿童与普通中小学生整体上没有根本性的群体差别,因此本文更多从个体层面挖掘农村留守儿童校园欺凌的影响因素。基于969名农村中小学留守儿童校园欺凌的问卷调查数据,采用Logistic回归对影响农村中小学留守儿童遭受校园欺凌的个体因素进行了实证分析。结果表明:农村中小学留守儿童是否遭受校园欺凌受到年龄、住宿情况、个体心理特征、欺凌经历和人际关系处理能力等个体因素的显著影响,低年级,走读生,具有孤独性、攻击性、胆怯性、敏感性等人格特质,曾经欺凌过他人,不善于处理人际关系的农村留守儿童更易遭受校园欺凌。防治农村留守儿童校园欺凌需要从提供寄宿服务、塑造个体的积极人格品质、加强亲职教育、提高人际交往能力等方面入手。

汉语作文自动评价及其关键技术——来自作文自动评价(AEE)的经验

作文自动评价(AEE)是作文教学和考试评分领域中的一项新技术,能有效减轻人工评阅作文的负担,并提升考试评价的客观性、准确性和一致性。AEE的发展可划分为起步、快速发展和广泛应用三个阶段,近年来在应用领域和深度上不断拓展,从统计加回归逐渐过渡到结合NLP等人工智能技术。然而,AEE当前也面临了有效性验证、语义特征的提取和系统的评价方法等技术瓶颈和挑战。借鉴AEE的经验,汉语作文自动评价主要从修辞、词汇、主旨等方面进行特征选择和抽取,评价模型构建方法也有所创新。未来,汉语作文自动评价研究与开发可从中文信息处理、作文语义理解和深度学习三个方面加以改进。

基于语言学特征的小学生作文流畅性自动评价

基于作文自动评价的研究思路,采用机器学习的方法对小学生作文流畅性进行自动评价。首先,从作文的总篇、段落、句子、短语、词汇和语法错误层面分析并抽取了一系列能够反映作文流畅性的语言学计量特征;其次,基于逻辑回归、决策树和支持向量机三种经典模型以及逻辑模型树、SimpleLogistic和随机子空间三种集成模型,训练了六个流畅性分类器进行实验。实验结果表明,文中选取的17个特征项对于作文流畅性具有较好的区分度,训练的模型能够根据流畅程度对作文进行较为准确的分类,集成了逻辑回归和决策树模型的SimpleLogistic分类器表现最佳,其分类准确率达到了85.2%。

广播机制解决Shuffle过程数据倾斜的方法

在Spark 计算平台中,数据倾斜往往导致某些节点承受更大的网络流量和计算压力,给集群的CPU、内存、磁盘和流量带来了巨大的负担,影响整个集群的计算性能.本文通过对Spark Shuffle 设计和算法实现的研究,深入分析在大规模分布式环境下发生数据倾斜的本质原因.提出了广播机制避免Shuffle 过程数据倾斜的方法,分析了广播变量分发逻辑过程,给出广播变量性能优势分析和该方法的算法实现.通过Broadcast Join 实验验证了该方法在性能上有稳定的提升.

基于优化的CAS算法实现线程安全的HashMap

HashMap内存数据结构存在相当广泛的应用场景,通过Hash函数的Key直接获取对应的值,能够确保搜索的时间复杂度为O(1)。HashMap数据结构存在哈希冲突与线程安全问题,悲观锁机制实现线程安全的方法存在很大的性能开销。本文提出了基于优化的CAS算法,实现线程安全的哈希映射数据结构,内部采用数组、链表和红黑树实现了高并发环境下读写操作。通过增加版本戳避免CAS算法的ABA问题,CAS算法实现的无锁方式避免了锁竞争的开销,使用红黑树来优化链表,确保大规模数据集的检索时间复杂度保持O(logn)。支持多线程扩容操作,在执行效率方面有良好的表现。通过大规模的并发压力测试,验证了该数据结构在性能上有稳定的提升。

基于JAVA大规模应用中GC算法和调优技术研究

JAVA虚拟机垃圾回收技术在大规模应用时是必须要考虑的问题。JVM执行GC而停止应用程序的执行,直到GC任务完成。文章分析了GC算法和Tomcat中GC如何影响系统性能,基于实际案例分析其算法并提供优化技术。

决策树模型预测Spark SQL作业执行时间的方法

Spark SQL在超大规模集群和数据集上存在易用性问题,如Catalyst最优执行计划的选择,Shuffle Partition的配置对性能有较大的影响,数据倾斜往往导致集群性能变差。为了在作业执行之前准确预测执行时间,更加充分地使用运行时数据,选择最优执行计划,提出通过决策树及其组合算法的回归模型预测作业执行时间的方法。采用交叉验证方法优化模型超参数,通过剪枝和组合算法优化过度拟合问题,选择相关指标评估机器学习模型预测的准确性。实验表明,梯度提升树回归模型预测作业执行时间的R 2超过0.8,且能够满足在线预测的实时性要求,模型评估指标达到预期效果,相对于线性回归模型的评估指标具有一定的优势。