基于Miller金字塔能力模型的渐进式教学方案在外科护理实习中的应用

目的:探讨基于Miller金字塔能力模型的渐进式教学方案在外科护理实习生中的应用,为提升护理实习生综合素质能力提供一定的参考依据。方法:2022年10月~2023年6月,以在德阳市人民医院外科进行实习轮转的64名护理实习生作为研究对象,将护理实习生的实习名单进行排序,采取随机数字表的方法抽取单号为实验组,双号为对照组,实验组和对照组各32名。对照组采取传统常规式的教学工作,实验组采用基于Miller金字塔能力模型的渐进式教学方案,比较两组护理实习生岗位胜任力、专业知识能力和临床操作得分的情况。结果:在实施干预后,实验组护理实习生岗位胜任力、专业知识及操作得分均显著高于对照组护理实习生,差异具有统计学意义(P<0.05)。结论:基于Miller金字塔能力模型的渐进式教学方案能够提升外科护理实习生的岗位胜任力、专业知识及操作得分,值得推广应用。

基于Miller金字塔能力模型的规范化培训在ICU新护士中的应用效果

目的:探讨基于Miller金字塔能力模型的规范化培训在ICU新护士中的应用效果。方法:将2022年12月—2023年2月江门市中心医院ICU新护士30名设为对照组,将2023年3—5月ICU新护士29名设为试验组。对照组护士实施传统培训模式,试验组护士实施基于Miller金字塔能力模型的规范化培训。比较两组考核成绩、ICU核心能力、培训满意度。结果:培训后,试验组理论知识考核成绩和操作实践考核成绩均高于对照组,差异有统计学意义(P<0.05)。培训前,两组专业基础理论知识、专业临床实践能力、护理管理能力、专业发展能力、临床判断思维能力得分及总分对比,差异无统计学意义(P>0.05);培训后,两组专业基础理论知识、专业临床实践能力、专业发展能力、临床判断思维能力得分及总分均升高,且试验组高于对照组,差异有统计学意义(P<0.05);两组护理管理能力得分均升高,但组间比较,差异无统计学意义(P>0.05)。试验组对教学水平、教学方法、教学效果的满意度高于对照组,差异有统计学意义(P<0.05);两组对教学态度的满意度比较,无统计学差异(P>0.05)。结论:基于Miller金字塔能力模型的规范化培训在ICU新护士中的应用效果较好,可有效提高新护士专业理论、实践能力,提升ICU核心能力和培训满意度。

基于骨架关键关节构建时空金字塔模型的人体行为识别

针对当前骨骼数据信噪比低及特征信息不足的问题,提出人体关键关节构建时空金字塔模型的动作识别方法。该算法利用人体骨架关键关节构建空间域金字塔特征,保留骨架铰链系统的空间结构;利用多层级叠加协方差,构建时序金字塔特征,解决需要预处理视频序列长度的问题。在MSR-Action3D和UTKinect数据集上的实验结果表明,该方法准确率高、实时性好,可广泛应用于行为识别的各个领域。

米勒金字塔模型在护理培训中的应用进展

作者介绍了米勒金字塔模型的起源、发展、核心内容以及各层级在护理培训中的侧重点,该模型在护理培训方案的构建、不同类型护理人员培训和培训效果评估等方面的应用,并提出全面把握模型内涵、科学设计培训方案、注重培训效果的长效性、建立多维度的评估体系等建议,旨在为护理培训领域中的实证研究提供思路。

基于“金字塔”模型培养民办高校应用型人才的探索与实践

民办高校是我国高等学校的重要组成部分。我国民办高校的人才培养目标以应用型人才为主。因此,如何立足于中国民办高校的特殊性和优势培养应用型人才,是一个值得探讨的实践问题。以学生发展为中心,结合民办高校人才培养目标,打造以OBE教学理念为塔尖、以五育融合第二课堂为塔身、以班团一体化建设为塔基的“金字塔”式育人体系,培养高水平应用型人才。

一种基于金字塔模型的电磁态势仿真方法

战情模拟仿真与多维态势效果展示技术研究是开发现代化军事作战训练系统的必要条件之一。提出了一种基于金字塔模型的电磁态势仿真方法,通过由上到下分层对仿真区域地形进行四叉树剖分,建立改进的金字塔模型并将其纵向分层、横向分块,实现各层模型间的密切联系和连续平滑过渡,达到将仿真区域地形进行精细化三维建模的效果。对于上下相邻两层模型中的结点来说,父级结点之间地形格网间距大于子结点、采样点少于子结点,因此在绘制仿真场景地形时效率更高,具有较高的工程应用价值。

基于Miller能力金字塔模型的中等长度导管置管培训方案实施

目的培养院级中等长度导管置管护士,提高静脉治疗质量。方法基于Miller能力金字塔模型构建中等长度导管置管护士培训方案,进行中等长度导管置管规范化培训及考核。结果共培训48名护士,通过认证考核的护士31名,认证通过率为64.58%。中等长度导管置管1736例次,成功率为96.34%,带管患者均无置管并发症发生。结论基于Miller能力金字塔模型的中等长度导管置管护士培训可规范中等长度导管置管操作技术,提高静脉治疗质量。

风险社会下的社区韧性建设金字塔模型

为有效提升我国基层社区对风险的动态适应能力,引入社区韧性概念,研究社区韧性的建构模型与实践路径。首先,通过政策文本分析及田野调查,探讨我国社区韧性建设的三向度困境;然后,构建社区韧性建设的金字塔模型;最后,提出提升社区韧性的实践路径。研究结果表明:我国社区韧性建设存在政策引导力不足、建设目标模糊、建设意识缺乏的三向度困境;我国社区韧性建设可以围绕空间韧性、设施韧性、技术韧性、制度韧性、组织韧性和文化韧性6个维度开展实践。社区韧性提升的实践路径包括完善政策体系,加强资源投入;制定清晰目标,增强建设意识;设计评估体系,以评促建。

基于“金字塔”模型的机电类应用型本科人才工匠精神培养

面对西方发达国家对我国关键核心技术“卡脖子”的严峻问题,建设制造强国迫切需要大量德才兼备、又红又专的各层次高素质科技人才。以应用型本科人才的工匠精神培养为主线,搭建了以德育为塔基、专业理论素养教育为第二层理论支撑、专业技能素养教育为第三层技能支撑、以创新品质教育为塔尖的机电类应用型本科人才工匠精神金字塔培养模型。该模型以热爱祖国、服务人民、爱岗敬业的德育为根本,执着专注、夯实基础的理论素养教育和求真务实、一丝不苟的技能素养教育为必由之路,精益求精、追求卓越的创新品质教育为最高追求。对标机电类本科学生工匠精神培养,用好讲台阵地讲好大国工匠故的先进事迹,激发青年学子的新时代使命感,促进工匠精神根植于心、外化于行,注重夯实专业理论基础和提升专业理论素养,着力强化专业实践能力和提升专业技能素养教育,在精益求精中推进追求卓越的创新品质教育等,开展了一系列行之有效的研究实践。实践结果表明,新的模型有效地推动了工匠精神融入我校机电类应用型本科人才的高质量培养。

基于“金字塔模型”的名人手稿数字档案馆顶层设计

名人手稿数字档案馆“金字塔模型”,是在梳理国内外数字档案馆建设历程的基础上提出来的。其设计思路是运用金字塔原理对名人手稿数字档案馆进行顶层设计,构建以两大主目标为统领、“增量电子化+存量电子化”数字档案管理体系、“局域网+外网”数字档案服务体系、“三位一体”的数字档案安全保障体系的四层金字塔模型。“金字塔模型”构想为未来建成名人手稿数字档案馆提供理论前瞻,也为其他类型的数字档案馆建设提供一种可以参照的理论模型。

“1+2+3+4+5”——经贸类课程教学的金字塔型新范式

随着数字经济的迅猛发展和社会的不断进步,高校经贸类课程的教学改革显得尤为迫切。为此,高校需要历经多周期、多人次的实践、改进和完善过程,始终“以学习者为中心”,并以ARCS模型作为理论基础,充分调动学习者的学习动机,进而达到提高学习效果、提升专业素养的目标。通过调研、培训和资料梳理,课题组从分析教与学的动机问题入手,运用混合式(书架)教学方法对独创的教学设计进行深度实施并展开科学评估,形成五个层次分阶段的金字塔型教学新范式。

基于金字塔模型和多策略协同的萤火虫算法

为克服萤火虫算法使用全吸引模型和单一学习策略易陷入局部最优的缺点,提出一种基于金字塔模型和多策略协同的萤火虫算法。将种群分为4层,最高层粒子使用柯西突变策略;第二和第三层粒子分别使用双粒子领导和精英邻域搜索策略向更高层学习;最后一层粒子使用三样本学习策略向前三层学习。各层粒子向更高层粒子及自身学习,形成金字塔模型;各层粒子采用不同的学习方法,构成多策略协同。分层寻优减少运动次数,避免算法运行过程中的粒子振荡;多策略协同平衡算法的探索与开发能力,保证算法的多样性。通过在两组测试函数上与改进萤火虫算法及其它群智能算法进行比较,验证了该算法的优化性能。

利用GAN和特征金字塔的模型鲁棒性优化方法

人工智能对抗环境下,深度神经网络对于对抗样本有明显的脆弱性,为提高对抗环境下的模型鲁棒性提出一种深度神经网络模型鲁棒性优化方法AdvRob。首先将目标模型改造为特征金字塔结构,然后利用潜在特征先验知识生成攻击力更强的对抗样本进行对抗训练。在MNIST和CIFAR-10数据集上进行的实验表明,利用潜在特征生成的对抗样本相较于AdvGAN方法攻击成功率高,更具多样性且可迁移性强;在高扰动下,MNIST数据集上AdvRob模型相比原模型对FGSM和JSMA攻击的防御能力提升了至少4倍,对PGD、BIM、C&W攻击的防御能力提升了至少10倍;CIFAR-10数据集上AdvRob模型对FGSM、PGD、C&W、BIM和JSMA攻击的防御能力相较于原模型提升了至少5倍,防御效果明显。在SVHN数据集上,与FGSM对抗训练、PGD对抗训练、防御性蒸馏和增加外部模块的模型鲁棒性优化方法相比,AdvRob方法对白盒攻击的防御效果最显著。为对抗环境下DNN模型提供了一个高效的鲁棒性优化方法。

改进的语义分割模型及其应用

训练语义分割网络模型需要较为繁琐的人工标注作为训练标签,同时语义分割模型在构建和运行过程中也存在超参数较难确定以及模型过于庞大等问题。为解决这类问题,提出了一种基于标注框生成热点图的标签生成方法,简化了语义分割训练标签的人工标注过程。以及在可微分神经网络结构搜索方法的基础上提出了一种对硬件要求更低的神经网络结构搜索方法,并基于此种方法改进了特征金字塔结构,构建了一个改进的语义分割模型,并在安全帽与口罩检测数据集上进行了试验。与U-Net、FPN等模型比较,新的模型在参数量、计算速度以及精确度上都更有优势。

基于多尺度风格自适应的手写维文识别模型

基于字符形态与书写风格的强关联性,提出一种多尺度风格自适应的手写维文识别模型,模型从浅层笔划到深层序列建模多尺度风格特征,提高对手写风格的自适应能力。针对手写维文特点改进Transformer提取多尺度笔划特征;构建多尺度风格自适应模块提取序列特征;构建特征泛化融合模块对笔划特征和序列特征进行深度融合,提升识别效果。实验结果表明,该模型在真实手写维文测试集WER、CER分别下降3.75%、0.19%,在IAM数据集中验证了模型迁移性。

基于L-FPN的无人机上小目标识别模型轻量化方法

由于遥感图像拍摄的高度和设备不同导致每张图像的地面采样间隔(GSD)也不同,许多小目标往往易被忽略,遥感图像中旋转框目标检测成为当下研究热点。现有的旋转框检测算法主要面向通用场景下的多尺度目标检测,特征金字塔中特征融合计算操作复杂且耗时,部署到无人机上的边缘端设备时面临很大的挑战。因此本文针对该场景下的小目标检测提出基于L-FPN的无人机上小目标识别模型轻量化方法,首先依据图像的GSD信息进行尺度归一化,然后去除特征金字塔中冗余的高层特征图,最后针对小目标检测调整锚框的尺寸。本方法在DOTA数据集上进行训练验证,结果表明本文提出的基于L-FPN的无人机上小目标识别模型轻量化方法在识别精度与传统模型一致的情况下,模型参数量较原模型减少2.7%,模型大小减少28%,推理速度提升13.24%。

基于改进YOLOv5s模型的车辆及行人检测方法

针对道路交通环境中车辆及行人目标较小或被遮挡造成的检测精度低以及误检、漏检问题,提出一种基于改进YOLOv5s模型的车辆及行人目标检测方法。针对小目标和遮挡目标,引入SIoU边界框损失函数,增加小目标检测层,增强对小尺度特征的获取;改进特征金字塔结构,增加横向特征图传递,并使用CSP stage替换C3_F特征提取网络,使其获得更多的语义信息和图形信息;改进后处理NMS算法,优化冗余边界框剔除方法,筛选出高质量检测结果。试验结果表明:改进YOLOv5s模型算法的Precision、Recall、mAP@0.5和mAP@0.5:0.95指标均优于Faster-RCNN、YOLOv3-tiny和YOLOv8s算法,与原YOLOv5s模型算法相比Precision下降了0.4%,但Recall、mAP@0.5和mAP@0.5:0.95提高了3.4%、2.1%和6.0%,分别达到了86.1%、92.9%和70.0%,对小目标和遮挡目标的检测效果明显提高,证明此改进方法有效解决了对小目标和遮挡目标检测精度低以及误检、漏检问题。

融入AI大模型的计算机程序设计教学实践

“计算机程序设计”是面向本科一年级学生的基础课程。结合学习金字塔理论与AI大模型,创新了教学方法,在课前、课中、课后及团队项目中,融入讨论、实践和教授他人等主动学习策略,并引导学生合理借助AI大模型展开预习、程序调试和案例检索。以运算符重载为例具体介绍了教学过程,教学结果显示所采用的教学方法能够提高学习主动性,改善学习效果。

基于设计思维教学法的小学语文项目式学习理念与实践模型

国家政策积极倡导要培育适应新时代的创新型、技能型人才,如何在基础教育课程中培养创新型、技能型人才成为了重要的研究议题。基于设计思维教学法的小学语文项目式学习,其基本理念包括以建构主义理论为指导,促进高级目标的达成,和从六维度出发的方法体系。本文在此基础上提炼出以设计思维教学法为基础的项目式学习“P—POTEO”金字塔实践模型。该模型遵循“以学生为中心”的“创新型”教育理念,强调以驱动性问题促进学生对知识的深层理解,重视一线教师对项目实践活动的参与和引导,同时也注重在教学实施过程中的多元化评价,可以为一线教师实施项目式学习提供切实指引,是新时代创新人才培养的有效途径。

InternDiffuseDet:结合可变形卷积和扩散模型的目标检测方法

针对现有目标检测中存在的漏检和误检、特征提取能力有限、处理复杂场景时检测精度不高等问题,基于DiffusionDet进行改进,提出了一种结合可变形卷积和扩散模型的目标检测方法。以模型在进入检测头之前需要更多且优质的特征图为核心思想,在主干网络中引入InternImage和DCNv3可变形卷积算子提升模型的感受野和非线性建模能力。对中间层的FPN特征金字塔进行改进,设计了一种基于选择性加权的特征金字塔CS-FPN;利用深度可分离卷积实现通道和区域的分离,同时采用CARAFE算子替代传统的上采样操作,提高分辨率和语义信息的传递;随后利用SGE注意力机制对特征图进行重组,以确保特征图在扩散的过程中保留更多的层次化信息。在特征图进入检测头之前,进行DDIM的扩散操作,获得不同时刻的特征图,以扩充检测特征图的数量。最后在目标框匹配和损失函数方面采用EIOU算法以处理目标框之间的位置偏移和尺度差异。实验数据显示,在COCO数据集和道路检测数据集上,改进后的模型在相同的实验环境下比原有模型分别提升了3.8和3.6个百分点。实验结果表明该方法在提高目标检测的准确性和鲁棒性方面具有一定的潜力,并为解决现实场景中的目标检测问题提供了新的思路和方法。