-
题名基于学习者特点的高校公共英语课程思政实施策略
被引量:4
- 1
-
-
作者
杨雨光
徐涵
-
机构
香港浸会大学社会科学学院
华南师范大学外国语言文化学院
-
出处
《中国人民警察大学学报》
2022年第8期92-95,共4页
-
文摘
目前学术界对现有高校公共英语课程思政的研究视角大多类同,基于学习者特点的探讨尚不多见,而新时代大学生群体特点与以往相比发生了很大变化。从教师视角,基于新时代大学生学习者特点,聚焦高校公共英语课程思政教学,从课程思政教学目标、教学内容、教学方法、教师意识和能力提升等方面探讨高校公共英语课程思政融合实施策略,以期提升高校公共英语课程思政实效,在落实立德树人任务中发挥应有作用。
-
关键词
学习者
高校公共英语
课程思政
-
Keywords
learner
public English in colleges and universities
ideological and political theories teaching in all courses
-
分类号
H319.3
[语言文字—英语]
G434
[文化科学—教育技术学]
-
-
题名基于诉求词典的突发事件情报感知与实证研究
被引量:6
- 2
-
-
作者
白沛沅
夏一雪
杨雨光
张双狮
-
机构
中国人民警察大学网络舆情治理研究中心
香港浸会大学
-
出处
《情报杂志》
CSSCI
北大核心
2022年第9期88-98,共11页
-
基金
国家社会科学基金项目“基于大数据的网络舆情全息建模与决策情报感知研究”(编号:20BXW074)。
-
文摘
[研究目的]面向民众诉求,针对互联网大数据快速精准感知突发事件情报,可以作为政府应急管理与决策的重要依据。[研究方法]通过研究突发事件诉求信息的产生机理逆推出面向诉求信息的突发事件情报感知过程,并面向诉求词典构建突发事件情报感知模型。在词典构建方面,分别使用词性标注法、TF-IDF算法、Word2vec算法构造诉求停用词典、基础诉求词典和扩展诉求词典。在感知与验证方面,建立基于诉求信息占比的词典匹配方法,同时设置识别规则,对照检验,寻求识别效果最好的词典构造参数。[研究结论]对新冠肺炎疫情期间微博舆情进行识别验证,得到最终效果最好的词典为Word2vec扩展词典,训练词向量维度为1000维,相似度阈值设置为0.77,诉求占比阈值为0.2。该词典F1值达到67.9%,准确率达到92.5%。面向民众诉求提出了突发事件情报感知过程,并探寻了具体的可行路径,针对政府应急管理提出了情报感知与决策方案,构建的词典对诉求感知具有较好的适用性,具备一定的应用价值。
-
关键词
突发事件情报
诉求信息
情报感知
诉求词典
TF-IDF
Word2vec
领导留言板
新冠疫情
-
Keywords
emergency information
demands information
intelligence perception
demands dictionary
TF-IDF
word2vec
message board for leaders
COVID-19 outbreak
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
G202
[文化科学—传播学]
-