多媒体环境下课堂提问的设计与优化

多媒体环境下课堂提问是优化教学过程、增强教学效果的重要手段,具有鼓励性、开放性、序列性和提示性等特点;课堂提问的设计应遵守有疑而发、难易适度、富有启发性和良好的课堂气氛等原则;课堂提问的运用要对摸底提问、重点提问、扩展提问和归纳提问进行区别处理,才能取得好的教学效果。     

思想道德修养与法律基础课程课堂实践教学设计

在思想道德修养与法律基础课程授课中,课堂实践教学有助于开拓学生的新境界,演讲形式的课堂实践教学有助于提高学生的自信心;辩论形式的课堂实践教学有助于培养学生的思辩力;社会焦点事例分析、情感体验式课堂实践教学有助于升华学生的人生观;形式多样的课堂实践教学方式有助于提高学生理论联系实际的能力,加强学生自身修养和综合素质的提升。     

六个“一”教学环节构建中职学校活力课堂——以发动机润滑油路学习任务为例

2019年6月,扬州市职业教育汽车运用与维修专业教科研中心组申报了江苏省职业教育研究课题:"中等职业学校活力课堂构建的实践研究——以扬州市中等职业学校汽车运用与维修专业为例"(课题编号:XHYBLX2019009),着力研究中职学校汽车运用与维修专业活力课堂构建,以多样化的六个"一"教学环节实施专业课程教学改革,提高教学的有效性,让教学充满生机,让课堂充满活力,提高课堂教学质量,发展学生核心素养,让汽车运用与维修专业的学生真正成为高素质的劳动者和技能型人才。     

疫情背景下中职汽修网络教学“一二三四五”范式探究

2020年初,新冠肺炎疫情让全国各类学生不得不居家学习很长一段时间,也因此产生了"停课不停学""停校不停课"等口号。而突如其来的线上学与线上教,对广大学生、教师而言都是极大的挑战。对学生而言,由于缺少教师的当面监督,难有足够的自觉性始终保持认真学习的状态;对教师而言,由于线上教学缺少传统课堂的互动便捷性,总感觉上课是在讲给自己听,课堂学习氛围不得而知。在面临这场突发疫情时,网络教学似乎是被赶上架的那只鸭子。但也正因为疫情,让我们一直提倡的信息化教学被动地往前迈了一大步。     

论改进课堂教学控制中的几个基本环节

课堂教学既是一门科学,又是一门艺术,它是整个教学环节的最重要一环。作为高等院校的专业教师如何做好课堂教学的控制,以进一步提高课堂教学的效果,提高学生的学习兴趣的质量,需要我们认真研究。本文从教学内容、教学情绪、教学语言和教学行为等方面,提出了相关建议。     

SACE教学模式对高职思政课教学改革的启示——在南澳英文学院学习的体会与感悟

SACE作为澳大利亚的一所语言培训学校，其教学模式的核心是始终将学生作为课堂活动的主体，用形式多样的课堂活动来提高学生的学习兴趣，培育学生的团队精神，提高其语言能力，实现教学目标。高职恩政课若能从实际出发，充分借鉴和吸收SACE教学模式的优点，一定能为高职思政课教学改革增加有益的养分。     

人工智能背景下学习中心课堂的价值困境与突破路径

建构学习中心课堂是我国当今课堂教学改革的基本取向,人工智能为学习中心课堂带来了全新的机遇和挑战.从时空发展、学习资源以及学生个性发展三个方面审视人工智能下学习中心课堂的价值.揭示目前人工智能下学习中心课堂的困境,包括“工具价值大于教育价值——明显的技术主义倾向”、“学生主体大于教师主导——教师的主导性作用被轻视”以及“...     

工匠精神引领下高职数控实训教学的实践策略探究

从工匠精神的角度入手,针对高职数控实训课堂教学的改革创新进行了探究,在分析渗透工匠精神重要性的基础上,从把握日常实训教学契机、挖掘实训项目德育内容、开发数控实训实践探究、开展实习实训活动的角度提出了数控实训课堂上工匠精神的渗透措施。研究发现：在高职数控实训课堂教学实践中,教师积极探索工匠精神的合理化组织实施,促进工匠精神与数控实训课堂教学活动的有机融合,能够显著改善高职数控实训课堂教学活动的基本情况,对学生的思想道德素质、职业道德素养等实施合理化的培养,从而真正打造高质量的高职数控实训课堂,使高职学校学生实现全面发展和高质量发展的目标,真正为社会输送高素质的职业技能型人才。     

智慧教学工具雨课堂在汽车运行保障技术课程中的应用

汽车运行保障技术是一门理论性和实践性都很强的课程,对学生综合运用专业知识分析解决实际工程问题的能力要求较高。文章针对该课程教学过程中存在的问题,依托雨课堂智慧教学工具对混合式教学模式进行了设计与实践。结果表明,雨课堂智慧教学工具提升了课堂教学效果,培养了学生自主学习能力、同行交流能力及工程问题分析能力,对同类型实践性较强课程的教学具有借鉴意义。     

基于CNN与LSTM混合算法下的学生学习表情识别研究

智慧课堂中学生学习表情的精准识别对于提升课堂效率,掌握学生实时学习状态具有重要的作用。传统单一性的卷积神经网络(CNN)算法对学生学习表情的特征抓取精度不够,尤其是学生微表情状态下的抓取效果更不理想。基于此,本文创新性地提出基于CNN与长短期记忆网络(LSTM)的混合表情特征提取识别算法,充分利用CNN提取学生学习表情中的空域特征并存储,对应的时域特征提取层面充分利用LSTM对学生学习表情视频序列特征进行挖掘抓取,将学生学习表情的时域特征与空域特征进行平均化处理,从而构建一套完整的学生学习表情识别算法,最后基于该算法网络进行深度学习训练。基于本文的实验结果,对应的愉悦、困惑、惊讶、中性和疲倦这五种学习情感状态识别率得到了大幅提升,对应的识别准确率最高可达71.9%,识别性能大幅提升。