解无理不等式的若干求简策略

解无理不等式是中学数学的一个重要内容．求解无理不等式的常规思路是利用平方法将无理不等式转化为有理不等式组求解，以解脱根式的纠缠和困扰，但与此同时需严格注意不等式两边的符号，往往运算繁琐冗长，若我们细心观察，抓住题目特征，因题定法，选择合理的途径，则可避开讨论，优化求解过程，提高解题效率．在具体的解题过程中，有以下求简策略．

“简”出精彩课堂——小学数学课堂教学中“简策略”初探

提高课堂教学有效性是教育界永恒的主题。＂简策略＂是指在数学课堂教学中通过＂化难为简＂的方式,开发学生思维的＂梯度＂和＂广度＂,从而提高教学有效性的手段。教师可以运用＂简策略＂,从＂简＂新授环节、＂简＂问题设计和＂简＂用＂强＂算三方面,来提高小学数学课堂教学的有效性。

小学一年级儿童简算策略发现的意识性研究

考察不同问题呈现方式和不同问题情境对小学一年级儿童简算策略发现的影响,及策略发现有无意识性。结果表明,问题呈现方式与问题情景对相反数策略发现影响显著,完整呈现比不完整呈现,封闭问题情景比混合问题情景更容易促使儿童发现新策略。研究证实了无意识策略的存在。通常情况下是先出现无意识策略,再出现有意识策略。但并非所有有意识策略出现之前都出现无意识策略。

小学数学简算探究式策略教学例析

简算是新课程标准的强调内容 在一项调查中,小学生在加减乘除法的基本运算中表现出很少有简算策略意识及简算技能 文章提出对小学生进行简算策略的探究式教学,并结合实例分析了教学过程以及教学中应注意的问题 通过策略教学将不仅能提高学生的策略意识和策略技能,而且将促进人人都获得必需的数学。

亲密伴侣暴力中的性别差异研究

目的:调查亲密伴侣暴力的发生率,比较暴力发生率的性别差异,分析影响亲密伴侣暴力发生的社会心理因素。方法:采取分层抽样的方法,在全国选取7个地区,运用自编人口学资料和中文修订版冲突策略量表简版(CTS-2s)量表,共调查2567名处于或曾经处于亲密伴侣中被试。结果:亲密伴侣暴力的总发生率为50.88%;男对女的暴力与女对男的暴力发生率相当,多数为互相施暴,但性强迫维度,男对女的暴力高于女对男。协商、年龄、婚姻满意度是亲密伴侣暴力的保护性因素;现居地、男性收入比重、儿子女儿数量、工作状况、家庭收入、经济压力、吸烟数量、男性精神疾病、男性父母暴力都与亲密伴侣发生有关。结论:亲密伴侣暴力的总发生率没有性别差异,且多数为互相施暴。亲密伴侣暴力的发生是各种心理社会因素综合作用的结果,年龄、协商、婚姻满意度是家庭暴力的保护性因素。

Co-evolutionary cloud-based attribute ensemble multi-agent reduction algorithm

In order to improve the performance of the attribute reduction algorithm to deal with the noisy and uncertain large data, a novel co-evolutionary cloud-based attribute ensemble multi-agent reduction（CCAEMR） algorithm is proposed.First, a co-evolutionary cloud framework is designed under the M apReduce mechanism to divide the entire population into different co-evolutionary subpopulations with a self-adaptive scale. Meanwhile, these subpopulations will share their rewards to accelerate attribute reduction implementation.Secondly, a multi-agent ensemble strategy of co-evolutionary elitist optimization is constructed to ensure that subpopulations can exploit any correlation and interdependency between interacting attribute subsets with reinforcing noise tolerance.Hence, these agents are kept within the stable elitist region to achieve the optimal profit. The experimental results show that the proposed CCAEMR algorithm has better efficiency and feasibility to solve large-scale and uncertain dataset problems with complex noise.