摘要：数字化学习已经成为当下主流的学习方式。线索是数字化学习材料的构成要素之一,是影响数字化学习效果的重要因素。然而,现有研究对于线索在引导学生注意力、降低认知负荷和提高学习结果方面的成效和理路尚未达成一致意见。为进一步探寻线索促进数字化学习的机理及适用场景,研究运用元分析方法,对国内外数字化学习材料中线索设计与应用的实证研究进行量化分析。结果表明:在数字化学习材料中加入线索,对注意力和学习结果都有显著促进作用,但对认知负荷没有显著影响。同时研究发现,线索设计成效受到线索类型、数字化学习材料类型、学科类别、学习者学段等因素的影响。最后,研究分析了线索对学习者认知加工和深度学习的作用机理,并基于调节效应分析结果探讨了线索的适用场景。

摘要：本报告分析了我国济南市10岁和15岁组学生社会与情感能力测评数据,结果发现:10岁组学生在所有16项社会与情感能力中的得分都高于15岁组学生。总体上,男生在多项社会与情感能力上得分高于女生;在10岁组学生群体中,除责任感和成就动机外,男生在其他各项社会与情感能力上得分均高于女生,差异最大的前三项能力分别为好奇心、创造性和信任。在15岁组学生群体中,责任感、共情、包容度三项能力得分女生高于男生,差异最大的能力为共情。其他各项社会与情感能力男生得分高于女生,差异最大的前三项能力分别为抗压力、情绪控制和好奇心。高社会经济地位学生群体社会与情感能力均高于低社会经济地位学生群体。普通中学和职业中学学生在社会与情感能力上无显著差异。15岁组学生群体中民办学校学生在交往能力和开放能力上都稍高于公办学校学生,而其他能力上结果相反。乐观是迄今为止与健康行为、身体意象、生活满意度、关系满意度、心理幸福感最为密切的能力。情绪控制和抗压力与学生学业焦虑的关系最为密切。任务能力尤其是成就动机和毅力,还有好奇心,和学生的语文、数学和艺术方面的成绩密切相关。值得注意的是,15岁组女生比男生从社会与情感能力中获益更多,而10岁组男生比女生从社会与情感能力中获益更多,且高社会经济地位学生的身体意象、健康行为、心理幸福感、关系满意度与大多数能力之间的关系要强于低社会经济地位学生。高社会经济地位学生往往比低社会经济地位学生参加更多的职业发展活动。社会与情感能力较高的学生,尤其是创造性和好奇心比较高的学生,其参与的职业发展活动更多。女孩和高社会经济地位学生往往比男孩和低社会经济地位学生对未来的教育和职业更有抱负。开放能力和任务能力水平高的学生对未来的教育期望和职业抱负更高。

摘要：近年来,随着机械互锁分子领域的快速发展,化学家们开始尝试将发光基元引入机械互锁分子中,并探究其独特的发光性质.相比于发光小分子,机械键的存在使所得的功能化机械互锁分子表现出优异的发光性能.进一步地,通过巧妙地应用机械互锁分子独特的动态性,成功设计构筑了多样化具有突出刺激响应光学特性的机械互锁分子,并探索了其在光催化、光学传感、智能发光材料等领域的应用.此外,将手性元素引入机械互锁发光体系中,其圆偏振发光性能也引起了越来越多的关注.本文从机械键对发光性能的调控、刺激响应型机械互锁发光材料、手性机械互锁分子的圆偏振发光性能三方面综述了近年来基于机械互锁分子的新型发光材料的研究进展,并分析了当前面临的挑战,展望了未来该领域的发展前景.

摘要：自19世纪无线电发明以来,脱域化、远距离的声学传播带来了听觉感知上的媒介革命。对此,在无线电广播新媒介诞生之初就进行广播创作的本雅明,曾以不同的方式对德国早期无线电广播“可分离”与“可传达”的技术形态与声学特征展开讨论:前者不仅关涉广播媒介在声源乃至视听联觉上的分离形式,也论及大众在现代媒介语境中的分心现实与感知训练;后者不仅指向听觉媒介技术革命下得以强化的声学效果、普及效力以及教育潜力,更指向魏玛时期无线电广播面向现代听众时所蕴含的政治美学潜力以及不容忽视的内在危机。因此,围绕被本雅明归纳为“可分离”与“可传达”这两条相异又互补的早期广播技术特征与媒介反思展开讨论,能够进一步考察在艺术的传播途径与文化的消费方式发生持续变化的技术革新时期,本雅明如何在听觉媒介领域阐释以及回应时代转型中的知识生产与知识实践、大众媒介与大众文化等相关问题。

摘要：大语言模型(LLM)作为一种先进的AI技术,正对人类生活产生深远影响。与传统AI技术相比,LLM能够处理大量的文本数据,并在自然语言处理等领域发挥着巨大作用。LLM的快速发展与应用推进已经对AI教育的课程内容、教学模式与学习平台产生了显著的影响,这些影响也迫切要求青少年AI教育课程与时俱进的变革。为应对这种变革,该研究从课程内容框架、基于LLM的教学模式以及LLM辅助学习平台三个维度设计了一个面向LLM的青少年AI课程架构,并以教学活动设计为切入点,深入探讨了如何使该课程架构与学科核心素养紧密契合。基于此架构,设计并开发了一门高中LLM示范课程,重点展示了如何利用自主开发平台(LLM 4 Kids)进行人机协同教学。选取了示范课程中《面向LLM的提示与评估》的单元内容,解释了如何在教学过程中有效的应用和整合LLM技术。通过提供面向LLM的青少年AI课程架构以及解释案例,为AI教育实践者提供面向LLM的框架体系与课程参考,推动最新的人工智能前沿知识进入中小学课堂,从而有助于青少年适应AI快速发展的时代。

摘要：优才在任何社会都是宝贵的资源,优才禀赋具有一定的生物学属性,更需要后天环境与条件的支持;关于优才的识别与培育却始终是个难题,众多研究表明,无论智商还是学业成绩表现,都难以构成从学校学优到社会绩优的可预测变量。本文通过对不同招录方式博士生人群的主观感受与学术活力的研究发现,经过严格学业成绩(GPA)排序获得资格的本科直接攻读博士生群体并没有表现出相对优势,甚至在学术激情与抱负等方面较弱。教育过程中优才的选拔与培育需要淡化单一成绩导向,在面向全体、尊重个人禀赋与偏好、加强引导、尊重个人选择、实现差异性与个性化教育的同时,应适当降低优才选拔的成绩门槛、扩大人才池,为天才乃至更多具有发展潜质的人群创造机会。

摘要：ChatGPT等技术实现了从感知智能向认知智能的重大进步,标志着生成式人工智能在通向通用人工智能的道路上又迈进了一步,也预示着教育的育人目标与学习样态将发生范式转变。高意识学习作为生成式人工智能赋能学习的新效标,是个体在认识外部世界的过程中觉知、调用自己的思想或意识体验以实现认识发生的过程,涵盖了问题意识、协同意识、审辨意识、价值意识、创造意识和愿景意识。教育提示语作为促进人类与生成式人工智能高效协同的思想通道,通过灵活规则、递进对话、开放指令和逆向工程设计,为个体高意识学习提供了数据源、推理链、策略集和心智图。本研究提出了促进高意识学习的教育提示语设计螺旋模型,即通过智慧型设计、复合脑思维、循证性决策、高意识创生、跨界性学习和前瞻性构想,引导学习者合理设计提示语并实现高意识学习。

摘要：随着高校信息系统应用的普及以及使用频率的提高,师生对数据一致性、准确性、及时性和完整性提出了更高的要求,原数据同步方案中使用XML(extensible markup language)进行数据同步具有同步效率低下、难以扩展的缺点.考虑到开源工具DataX可以完成多种异构数据库之间的数据同步且不会对源数据库造成破坏,本文使用DataX对原数据同步方案进行改进,并针对高校研究生信息系统建设过程中存在的多个业务需求和应用场景,提出了不同的数据同步方案.同时,针对DataX在启动和执行过程中一次读只能进行一次写的缺点,设计了一次读可以多次写的方案.对比实验表明,优化后的方案可以提高数据同步效率,具有较好的扩展性,能够满足高校数据同步需求.

摘要：基于评论的推荐系统是一种主要通过挖掘文本信息抽取物品特征和用户偏好,以提高性能的推荐系统方法.现存的大多数方法忽略了撰写评论的陌生人信息,引入陌生人信息可以更准确地衡量用户的相对感受并对目标用户的表达进行补充,从而进行更精细的用户建模.近年来,一些研究尝试整合相似陌生人的信息,但忽略了对其他陌生人信息的利用.提出了基于偏好级别陌生人信息辅助的推荐系统模型CSRR(collaborative stranger review-based recommendation),利用陌生人信息,更加准确地对用户建模并进行适当扩展,提升了推荐性能.具体地,为了准确捕捉用户的偏好,首先,设计了一个基于陌生人信息辅助的注意力模块,该模块不仅考虑了评论文本的相似性,也考虑了目标用户与撰写评论的陌生人之间的偏好交互作用;其次,一个基于陌生人信息过滤的门控模块根据目标用户–物品对的特征,在偏好级别动态整合陌生人信息,有效地过滤了陌生人的偏好信息以及丰富目标用户的建模;最后,应用隐因子模型(latent factor model,LFM)来完成评分预测任务.实验结果说明CSRR模型在多个来源的真实数据集上均具有较高的预测准确度.

摘要：为促进高等教育中高素质创新人才培养,构建以学生为中心的科研训练与课程教学整合模式是有效途径。当前基于课程的本科生科研体验(CUREs)教学模式虽在增强学生对科学本质的理解等方面具有一定优势,但在激发学生研究动机方面存在一些不足。将支持高效反馈的生成式人工智能ChatGPT引入人机协作研究过程中,有助于改善学生的科研体验,推动科研项目化学习。通过对ChatGPT支持的CUREs教学模式的设计与实施,发现该模式有助于培养学生的科研能力,提升他们的科研知识水平、科研技能水平和科研情感水平。尽管学生认同该教学模式的有效性和易用性,但其实际效果的发挥仍需人类智慧的参与。未来需要持续升级和优化生成式人工智能技术,确保技术应用高效且符合伦理标准;应用生成式人工智能技术重构教学模式,并通过长周期、跨场域实践检验其应用效果;强调人工智能与人类智慧的互补协作,真正实现生成式人工智能赋能学生科研能力提升。