国际青年日:IAEA亚洲核科学技术新学生竞赛北大核心CSCD

2022年5月,一次虚拟核科学技术(NST)教育竞赛的学生和教师获奖者访问了奥地利的国际原子能机构(IAEA)总部,向原子能机构专家介绍他们的项目,并亲身体验核技术的许多用途。每年8月12日是国际青年日,可持续发展需要年轻人的精力、技能和动力。今年的重点是建立和促进更大的代际团结。原子能机构支持这一努力,并正在努力通过在亚洲及太平洋地区举办一系列新的学生和教师竞赛,提高年轻人对核科学技术的兴趣———获奖者将参加2023年对原子能机构在奥地利的实验室和设施的考察旅行。《全球可持续发展议程》所设想的世界是当今青年将继承的世界,因此,他们参与全球发展挑战,熟悉科学支持的解决方案,将是成功的关键。原子能机构核科学技术(NST)学生竞赛通过及早激发兴趣并突出科学改变世界的潜力,帮助我们将接力棒传递给下一代。     

初中美术教学的兴趣培养

在初中美术教学中,学生缺乏学习兴趣、重视度不够等问题直接影响了教学质量。教师要从学生的实际情况出发,采用多种教学方法激发学生的美术学习兴趣,提高初中美术的教学质量和效果。     

基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

我奇妙的“互”生活

随着现今互联网技术的飞速发展,网络的应用也是五花八门、更迭不断,只有你想不到的,没有它做不到的。为了提高人们对网络应用的兴趣,网络市场更是煞费苦心地推出形形色色、各种各样的游戏,以提高人们对其的关注度。就连互联网上的商家平台也是不断推陈出新,整出许许多多的各式游戏,以吸引更多买家的眼球。     

基于大数据挖掘的城市公交站点生活服务评价方法研究

针对目前城市管理中无法准确了解公交站点对居民生活服务真实水平的弊端,在智慧城市与大数据背景下,基于云计算架构,研发一套全自动采集城市地理兴趣点与公交线网结构数据并进行可视化分析的应用平台,提出公交站点生活圈搜索算法以及基于地理兴趣点数据的公交站点生活服务水平评价指标。经验证,该方法可量化评价公交站点的生活服务指数,并准确识别城市各辖区的经济活动中心和衡量生活资源的聚集程度。该方法与应用平台为城市公交站点生活服务水平评价与城市规划提供重要的决策依据。     

物理化学课堂导入方向讨论

物理化学是一门逻辑性和理论性较强的学科,需要学生具有一定的逻辑思维和理论基础,在刚开始学习物理化学理论课程时,学生难免会对抽象的理论知识感到枯燥,从而导致学习积极性降低。利用良好的课堂导入可以激发学生的学习兴趣,唤起学生的求知欲,迅速进入学习状态,启发学生探究性思维,提高课堂效率。本文以好奇心和利益为课堂导入方向,例举了一些比较成功的教学实例。     

浅析如何提高大学生语文学习的积极性

大学语文是高校公共基础课程之一。然而,目前大学语文教学现状不容乐观。受多元文化思潮的影响,学生对语文学习渐渐失去兴趣,学习倦怠。针对大学生语文学习积极性不高的现状,本文重点探讨了如何激发大学生对语文学习的兴趣,改进大学语文教学存在的问题,提高学生对语文学习的积极性,推动学生语文能力向更高水平发展。     

寓教于乐——计算机课程教学改革创新实践

针对计算机课程中如何提高学员学习兴趣,提升教学质量的问题,采用寓教于乐形式从玩中教学,激发学员兴趣和好奇心,由浅入深逐步设置问题,引导学员逐个解除疑问,最终取得问题的解,以此在教学中将学员由被动学习改变到主动学习,最终达到提升教学质量的效果。     

地理分层结构与社会关系的兴趣点推荐

随着基于地理位置的社交网络的兴起,兴趣点(POI)推荐引起了人们的许多关注。POI推荐向用户推荐他们可能感兴趣但没有访问过的地方,从而解决用户"下一步去哪"的问题。本文提出新的用户相似性度量、全局影响力以及热门POI的概念。综合考虑了多个影响因素之间的关系,以地理分层结构的矩阵分解模型(HGMF)为基础,提出新的POI推荐算法HGS-MF。在Yelp和Gowalla社交网络数据集上对HGS-MF进行了评估。实验结果表明,HGS-MF方法的实验表现均优于传统的POI推荐算法。