我的航海第一课

金秋九月，我怀着成为一名优秀的船舶驾．驶员的梦想，踏入了广两交通运输学校的校园。开学伊始，我们就投入了紧张而艰苦的新生军训中，在经历了7天的汗水与泪水的洗礼后，我与我的同学们最终以全校军训会操第一名的好成绩开始了我们的大学生涯，而这7天的共同拼搏也为我们迎来了彼此的友谊。     

大学生资助政策与行为选择研究回顾及前瞻

各国高等教育财政政策的改革和成本分担的实施成为解决高校经费短缺的重要举措。家庭经济困难学生借助高校资助政策完成大学学业是发展的必然趋势。学者开始关注高校资助政策对学生行为选择的影响。首先，学者从理论层面探讨了资助政策与学生行为选择间的关系。其次，关注高校资助政策对高等教育入学行为和学生学业发展行为这两方面的影响。对学生行为选择研究能有效揭示高校资助体系政策的实施效果，有助于探寻影响大学生行为抉择的重要因素。     

基于计划行为理论的电动车送货人员不安全行为意向分析

电动自行车送货人群是电子商务和物流业快速发展在交通中的新产物,不仅顺应了绿色出行的要求,也很好地解决了物流配送的"最后一公里"问题。由于送货人员出行频率高、骑行速度快、送货时间紧迫,违章行为极为普遍。本文通过设计调查问卷,收集送货人员个人属性、骑行特性、风险感知、骑行偏好、闯红灯和分心行为意向的数据。基于计划行为理论,从心理行为角度,构建送货人员不安全行为意向的多层回归模型,揭示其不安全行为的产生作用机理,并提出针对性的安全提升策略。     

针刺加中药熏蒸治疗膝关节术后功能障碍

目的观察针刺、中药熏蒸加运动疗法治疗胫骨平台骨折术后膝关节功能障碍的临床疗效。方法将84例胫骨平台骨折术后患者采用随机数字表法分为两组，行针刺、中药熏蒸加运动疗法的（治疗组）56例，行单纯运动疗法的（对照组）28例。采用视觉模拟评分（Visual Analogue Scale，VAS）评估患者疼痛改变，根据Harris评分法标准进行康复评定。结果治疗组治疗前VAS评分8.14±0.94，治疗后1.93±1.08；对照组治疗前VAS评分8.03±1.02，治疗后2.71±0.99，差异均有统计学意义（P﹤0.05）。治疗组与对照组治疗后的VAS评分比较，差异有统计学意义（ P﹤0.05）。膝关节功能改善总有效率比较，治疗组为96%（优35例，良14例,中5例,差2例），对照组为82%（优12例,良7例,中4例,差5例），差异有统计学意义。结论与单纯运动疗法相比，针刺、中药熏蒸加运动疗法对治疗胫骨平台骨折术后膝关节功能障碍疗效更佳，值得临床推广应用。     

外语专业女研究生就业难问题调查与分析

通过实证研究方法，对辽宁省三所具有代表性高校的外语类专业女研究生进行问卷调查，分析她们的就业心理、就业定位及促成其就业难现象的原因。调查显示，女研究生对就业难及就业市场存在性别歧视问题已达成共识。指出解决该问题的途径是靠政府政策倾斜、加强立法、学校调整学科结构及个人提高自身就业能力。     

社会转型期大学生思想道德教育对策思考

随着网络化、经济全球化的进程,中国社会正处在深刻变革和快速转型期,人们的价值观念、思维方式和行为方式发生剧烈变化,传统的道德规范受到了强烈冲击。正处在人生观、价值观、道德观的形成时期的大学生,面临极大的道德冲突与思想困惑。文章在分析大学生的思想道德现状及其成因的基础上,就社会转型期如何加强大学生思想道德建设进行探讨。     

基于网络学习空间的S-ISAL教学方法在《旅游英语》课程中的实证研究

以云计算为依托的现代信息技术带动高职课程资源整合方式和教学方式改革。本文依托网络学习空间平台,以《旅游英语》课程为例,详细阐述S-ISAL整体教学设计、空间课程资源建设和创新实践,旨在探寻S-ISAL基本要素配置规律,进一步验证S-ISAL教学方法在日益普及的网络教学中的应用及推广价值。     

大学生职业生涯规划“赛教互促”模式的构建与实践

文章通过总结多年的大学生职业规划大赛指导与高校职业发展教育的实际工作经验,提出大学生职业生涯规划"二元一体,赛教互促"的新模式,该模式既有利于推动学校职业生涯规划教育,又可以不断提高学校职业生涯规划大赛的比赛水平和成绩。     

基于SOM的我国民用机场分类研究

科学准确地对民用机场分类可以将机场自身定位,为机场发展及评估提供可靠依据,具有重要的现实意义。本文选用了15个影响我国机场分类的关键因素,运用神经网络技术中的自组织映射(Self-Organizing Map,文中简称SOM)将我国民用机场进行了细分,并分析了各类机场的特点。结果表明,SOM能很好地应用于我国民用机场分类,是一种科学、有效的分类方法。     

基于人头目标检测的商场人流量自动统计

针对商场人流量自动统计中行人遮挡情况下计数的困难,提出基于人头目标检测的商场人流量自动统计算法.首先提取Haar特征训练Adaboost人头目标分类器,再利用Camshift算法对目标进行跟踪,使用Kalman缩小跟踪目标的搜索范围,最后利用人头模板匹配方法,判断目标是否属于同一行人.实验结果表明,此方法平均正确率达到98.2%,且统计每个行人目标只需19 ms.