依托“周期学习单”开展初中生整本书阅读实践

依托“周期学习单”,通过预学、导学和延学三个阶段的教学,能够提高整本书阅读质量,促进学生阅读力、创新力和实践力的提升。预学阶段,整体把握,激活阅读兴趣;导学阶段,分组布置,保证任务驱动;延学阶段,交流探究,培养迁移能力。三个阶段互为保证、互为促进、环环相扣,做实、做活、做细依托“周期学习单”阅读整本书的三环节工程,以此助力学生阅读素养的培养,助力学生阅读与精神生命的丰盈。

依托“周期学习单”开展小学生整本书阅读及小练笔

当前在小学各学段,整本书阅读的现状存在课堂内的学习比重小、阅读缺乏常态化的氛围营造、忽略了人文性的沉淀等问题。研究表明,“周期学习单”对整本书阅读有引领、推进、吸收、内化的作用。基于“周期学习单”激发学生兴趣,增强阅读欲望;精心设计“周期学习单”,引导学生快乐阅读;通过定时交流,提高阅读效率;注重反刍吸收,突出教学重点;重视学生写作欲望的唤起,指导学生多写小练笔等策略,引导小学生进行整本书阅读,提升学生思想品质。

依托周期学习单开展整本书阅读之我见——以《西游记》为例

整本书阅读是一项长期工程,必须要有一个划分明确、前后照应、凸显重点的周期学习单.读前,整体规划,激活全程阅读;读中,任务引领,点燃阅读激情;读后,交流输出,培养转化能力.《西游记》正是依托周期学习单进行高效而完整阅读的典范文本.教师引领学生沉浸在《西游记》的阅读深处,能够较好地提高学生的阅读能力和实践能力.

“周期学习单”运用于小学英语课堂教学的实践探讨

文章分析了“周期学习单”运用小学英语课堂教学的必要性,重点介绍了“周期学习单”运用于小学英语课堂教学的设计方法与步骤,呈现了小学英语“周期学习单”设计示例。期望此研究对提高小学英语课堂教学质量有所帮助。

依托周期学习单提高初中生整本书阅读能力——以《骆驼祥子》为例

整本书阅读需要有一定的依托和路径。其中,依托周期学习单发挥整本书的优势,不失为一条有意义的实践之路。周期学习单分为三个阶段:预学阶段,以“引”为介,整体规划不可或缺;导学阶段,以“法”为杖,专题研讨不可或缺;延学阶段,以“探”为引,读写结合不可或缺。做好三个阶段的周期安排和衔接,能够有效提高学生的鉴赏能力、阅读能力和创新能力。

周期学习单:开展整本书阅读的有效支架——以三年级上册“快乐读书吧”《安徒生童话》为例

整本书阅读是提升学生语文素养的有效途径,“周期学习单”是在遵循儿童整本书阅读的周期性和个性化的基础之上研制出的有效支架。本文以周期学习单为支架,通过预学、导学、延学,为学生设置一个完整的阅读周期,在学生周期阅读的关键处,教师创设阅读情境,点燃学生的阅读热情;以任务为驱动,培养学生的阅读能力;引发思辨,发展学生的高阶认知;通过拓展延伸,形成阅读期待。本文希望通过“周期学习单”层层推进整本书阅读,引导学生向深度阅读迈进。

将周期学习单运用于学生的英语挑战性学习中

学生在一个知识周期中进行学习时,周期学习单便是其预学、导学、延学的支架。在英语教学中,教师适时、适切地为学生提供周期学习单,能帮助其完成挑战性学习任务,并发展英语学科核心素养。

周期学习单在古诗词学习中的应用

“周期学习单”是体现学习的周期性、规律性、动态性、生成性的一种学习工具,可以辅助学生将课前预习、课内学习和课后复习建构为一个完整的学习周期。统编本小学语文教材在编排古诗词时,以单元主题统领将两篇或者多篇相关联的文本组合呈现,这种“整合”有助于进行整体教学。运用周期学习单将几首古诗词进行统整,有助于激发学生的挑战性思维,提升学生的语文素养。

挑战性学习:让学习真正发生

挑战性学习是一种以挑战性任务为驱动,以学生自主参与和主动建构为方式,注重概念内化、技能运用以及高阶思维发展的学习方式。由于挑战性学习具有一定的难度,所以学生在完成挑战性任务时需要有支架的辅助。周期学习单、任务链及项目书是挑战性学习支架的重要载体和形式,借助它们,学生不仅能完成挑战性任务,还能发展认知能力、创造能力、合作能力等。

基于ResNet50-OC模型的彩色眼底照片质量多分类方法效果评估

目的对基于深度学习的ResNet50-OC模型彩色眼底照片质量多分类的效果进行评估。方法纳入2018年7月在南京医科大学附属明基医院收集的彩色眼底照片PD数据集及EyePACS数据集,临床医师根据眼底图像的成像质量将其大致分为质量较好、曝光不足、曝光过度、边缘模糊和镜头反光5类。在训练集中,每个类别包含1000张图像,其中800张选自EyePACS数据集,200张选自PD数据集;在测试集中,每个类别包含500张图像,其中400张选自EyePACS数据集,100张选自PD数据集。训练集总计5000张图像,测试集总计2500张图像。对图像进行归一化处理和数据扩增。采用迁移学习方法初始化网络模型的参数,在此基础上对比当前深度学习主流分类网络VGG、Inception-resnet-v2、ResNet和DenseNet,选取准确率和Micro F1值最优的网络ResNet50作为分类模型的主网络。在ResNet50训练过程中引入One-Cycle策略加快模型收敛速度,得到最优模型ResNet50-OC并将其应用于眼底照片质量多分类,评估ResNet50与ResNet50-OC对眼底照片进行多分类的准确率和Micro F1值。结果ResNet50对彩色眼底照片质量多分类准确率和Micro F1值明显高于VGG、Inception-resnet-v2、ResNet34和DenseNet。ResNet50-OC模型训练15轮对眼底图像质量多分类准确率为98.77%,高于ResNet50训练50轮的98.76%;ResNet50-OC模型训练15轮对眼底图像质量多分类的Micro F1值为98.78%,与ResNet50训练50轮的Micro F1值相同。结论ResNet50-OC模型可以准确、有效地对彩色眼底照片质量进行多分类,One-Cycle策略可减少训练次数,提高分类效率。