发达国家教育信息化政策的推进路径及启示

信息技术对教育发展具有革命性影响,以教育信息化全面带动教育现代化是应对信息时代教育发展挑战的战略抉择。世界发达国家十分重视教育信息化的发展,相继制定了系列政策规划指引教育信息化的发展方向,同时采取了多项举措推动教育信息化政策目标的具体落实。本文从组织机构、发展路线、推进策略及评估机制等四个方面深入分析了发达国家教育信息化政策推进路径及其典型特征。其推进路径是:设施建设—教育应用—变革创新;其特征是:多方参与政策推进,专门组织提供长期支持,配套激励措施提升政策效能,开展评估促进政策完善。在此基础上,立足我国实际,提出了对我国教育信息化推进的启示:一是注重调动多方面力量参与,促进教育信息化政策的有序推进;二是关注教育信息化政策的倾斜性,强调基础条件的均衡发展;三是建立数字教育资源的审查与评估机制,提升数字资源服务水平;四是重视教育信息化推进工作的评估,加大对评估标准及工具的研究。

面向区县层面的教育信息化绩效评估及其影响因素实证研究——以东部S市为例

近年来我国教育信息化发展迅速,取得了令人瞩目的成就,但教育信息化整体均衡协调发展并不理想。辨析教育信息化绩效评估中的影响因素,对全面客观认识教育信息化的实际发展水平,充分发挥教育信息化建设的效果、效率和效益,确保可持续发展都具有重要意义。该研究针对东部地区经济较为发达、教育信息化发展较快的S市开展了实证调研,测算各区县教育信息化的五大维度发展指数,并采用多元回归分析对五大维度之间的交叉作用予以探讨,借以确定区县层面教育信息化绩效评估的主要影响因素。研究发现,教师信息化终端设备指数、校园网指数、数字资源指数等8个信息化变量对教育信息化发展有不同程度的影响。

教育信息化评估:研究、实践与反思

进入"十三五"以来,我国教育信息化发展逐步从重视学校网络建设和资源配置转为重视信息技术在教育教学中的深度应用、融合创新。在这一背景下,教育信息化的评估日益受到重视,以评估驱动教育信息化的深入发展成为越来越多地区、学校的普遍做法。开展教育信息化评估,能精准衡量教育信息化发展水平,对促进科学决策,指导后续发展具有重要意义。本文首先回顾了国内外关于教育信息化评估的相关研究,并从评估的价值、内容、方法三个方面对开展评估的思路进行了分析,然后介绍了作者近年来开展教育信息化评估的实践体会,最后提出了以评估驱动教育信息化发展的若干建议:一是明确评估意义,注重以评估作为驱动教育信息化持续快速发展的主要抓手;二是转换评估重点,由投入导向的教育信息化发展水平评估转为产出导向的绩效评估;三是调整评估思路,由单维度评估转向多元交叉评估;四是创新评估手段,拓展大数据等新兴技术在评估中的深度应用。

基于HVS模型的误差扩散方法

针对传统误差扩散算法处理过程中图像边缘信息不完整,中色调区域有纹理结构存在的问题,提出一种基于人类视觉系统（HVS）模型的误差扩散半色调方法。该方法先对原图像进行了图像分割,在非边缘区域采用传统误差扩散算法处理,边缘区域采用基于HVS模型的误差扩散系数进行误差扩散处理,最后再在HVS模型的基础上对像素进行矫正。实验结果表明该算法能够有效减少图像细节损失,保留原图像信息。

我国中部地区基础教育信息化发展水平研究——基于湖北、湖南、江西、河南、安徽5省14个市(区)的调查分析

我国中部5省经济水平相当,基础教育规模接近且总量较大,基础教育信息化整体发展水平在全国范围内属于中等偏下,省域间、省域内的差异较大。基于中部5省14市(区)的基础教育信息化抽样调查数据,该文对我国中部地区省域间、省域内的基础教育信息化发展现状及其差异性进行对比分析。研究发现影响中部省份基础教育信息化发展的显著因素包括:(1)数字资源整体差异较大,绝大部分中小学校未建有校本资源库,且优质数字资源与教材配套情况较差;(2)对信息化教学应用的重视程度逐步提高,但尚未引入至教育教学活动各环节中;(3)基础教育管理信息化尚处于起步阶段,管理信息化应用与普及情况有待加强;(4)省会城市和省域副中心城市的基础教育信息化发展水平远高于一般地市,省域内基础教育信息化发展差异明显。

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。