今天受刺激了

本文讨论了中国大学教育的问题,包括知识与应用脱节、缺乏创造力培养等,并对比了国内外教育的不同。作者认为,真正的教育应该注重学生的全面发展。

刚刚搜论文应该怎么开头,就看到了一些人的评论,叹为观止啊!!

 

作者文中的观点:可见国内大学基础教育并不比国外差,只是国内高校与研究机构缺少大师级的教授,缺少好的科研环境,这些学生只有到了国外研究机构或在国外读博士时,才做出了一流的研究成果。[引用结束]

这点我并不同意。国内的基础教育的确不比国外差,但大学并非基础教育。其实,严格说起来,中国的基础教育真的不差吗?去看看现在那群被老师们表扬的小书呆子,他们有多少创造力?再看看十年前的那群小书呆子,现在有多少真正工作在需要创造力的岗位的?科学的发展依靠的是创造力,不是死记硬背!不是你背了多少个公式、背诵过多少篇文章就能成为优秀的人员的。中国的教育连大学都算上,几乎全部都是死记硬背的填鸭式教育。一次又一次的所谓教育改革,其实根本没有把中国教育体制中真正的弊端改掉,反而越改越顽固。现在北京的学生上学甚至要拖着旅行箱装书本了!这是一种什么样的怪胎?!!!  

 

 SIGGRAPH 2005 papers 里的中国人 2005-08-11 13:11 Tim_BlogOB

@icebird

您好

我不同意您的观点

您可能是听说了 谣传中的西方教育

我在国外几个大学访问过一段时间

我认为 国外的大学生比中国的辛苦多了!

一个礼拜一个project 都和学分挂钩

再看 中国大学生 4年像是在度假一样

一个学期一个才课程设计 而且也不自己做 网上找点资料找点源代码 交了就行了

不知道您是不是出身名校

如果您在大公司或者国内的核心研究所呆过 您就明白我的以下观点了

1

大学应该是精英教育 当然现在扩招了成了 大众教育

但是

真正的名校 还是少数 还是好的

清华也扩招了 但我遇到的 流体和焊接的研究生个个都优秀

再比如 计算机图形学 浙大和清华 还是强的

(如果上个垃圾大学 也搞图形学 毕业论文是“中值滤波”“ BMP->Jepg”这一级别的 然后就骂中国计算机图形学垃圾 那可真是太可笑了)

您不能奢望 每个人 上个垃圾大学 自己不努力 就变成优秀人才了
您也不能奢望 每个人 都上好大学

2

不用背公式?呵呵 您这就相当与说 学英语 不用背单词一样

那个研究员的脑子里不是公式?

你说的那些人 是只背公式 而没有去思考公式的内涵和思想

就好象 牛顿3定律 中学生都会背,看起来3条有点重复 ,但要是问 为什么要3条?把其中一条去了 行不行 ?有几个中学生能答上来?

3

呵呵 优秀的人 总是少的

而 社会真正需要的是很多朴实的人!

中国这么多人 都去搞创造性劳动了 那谁来干重复性劳动?

就好像 我们只需要几个图形学大师 就可以了

但是需要很多计算机图形学的工作人员

但是人们不甘心呀 都想当“优秀的人”

于是 现在年年一大堆垃圾计算机博士(一般都是垃圾学校的)

他们是大师吗?SIGGRAPH 的论文他们能看懂题目就不容易了

他们是工作人员吗?他们可能连着色语言是什么都不知道

夹在中间 直接就等于垃圾

4

书呆子?什么时候都有!只能怪他们自己智商低!

普通大学也了很多优秀人才的!不能怪学校 只能怪自己!

如果天天呆在贫民区 然后得出结论说中国人生活水平底 那不是很搞笑吗

那您来我们这里的别墅区看看就知道了

中国的精英教育还是不错的 只是只有少数人才享受到

很简单

好学校 就是少 也应该少 上的人也少

普通学校多 也应该多 上的人也多

您不能抱着公产的思想说这个问题

所有人都上好大学 大家都不努力 一毕业 大家都是优秀人才

呵呵 做梦呢

5

您说的"现在北京的学生上学甚至要拖着旅行箱装书本了!"

怎么?难道上学不用带书?难道上学要带二奶?

吃这么一点苦都不行,能成优秀人才吗?

吃得苦中苦。。。 。。。

我们这新来的博士后 他的资料 那天用了一个小客货两运才拉来的

我看了看 都是好笔记(也就是对公式的理解和自己创造的公式)

(呵呵 说不定他的论文发表了 就有以他自己名字命名的公式了)

6

总是 国内的大学并不差 只是发展有了问题

明明是个文科学校 文科强 就继续强么

非要搞个计算机系 那这个系当然垃圾了

明明是个工科学校 工科强 就继续强么

非要搞个法律系 那这个系当然垃圾了

总是 对于现在的学生们来说

1。好好准备高考 争取考个好大学

2。考不上也没关系,大学只是个环境而已 关键是在自己! 

我大概跟你们比只能算个小字辈了,看了你们的见解,觉得有对的,也有片面的。
只想请教一个问题:“教育=教书+育人?”
然而从我的体会,国内现在的教育的确难做到这两点。其实教授知识相对来说不是件难事,有好的教材,加上教师清晰的解释,学生只要是愿意学的,都可以掌握。尤其是现在的孩子,脑子笨的没几个,条件又比以前好很多,应该是才人辈出的年代。 然而,有一点被忽视了--知识的应用。举个例子来说,上过本科的人都学过高等数学,线性代数和随机过程概率统计,然而对于一个刚本科毕业的学生,甚至很多研究生,尤其是计算机专业的学生,又有多少清楚地知道这些基础数学理论在计算机科学领域的应用的?拿图形学来说,没有扎实的数学功底,如何做得一流研究?但是,几乎所有的人在学习数学的时候是不知道理论和应用的联系的,于是乎这样子学习数学就成了机械式的灌输。公式是记了不少,但是却不知道如何真正的使用,就算记得再清楚,时间长了也会遗忘,学了等于没学,只是摸着点皮毛而已。
我那个时候学习高数还是本科一年级,成绩也算是不错。可是后来的三年基本上再也没和高数沾什么边儿。同学们中还流行一种说法:“大学四年学得最没用的课,一是政治,而是高数。”呵呵,结果怎么样呢?出国后,真正做起学问来,才发现数学是一切的指导理论。于是乎花了整整一年时间,把学校里从本科到硕士的数学课程重新学了一遍,这才不至于遇到问题满头雾水。线性代数也是一样,如此重要的基础知识,本科时教材中只是教如何高斯消元,如何求逆矩阵,如何求特征值……可是逆矩阵是干什么的?为什么要求?特征值有什么几何意义?如何用线性代数解决微分几何问题?这些基础又有几个人在本科的时候已经完全了解掌握了?傅立叶变换在image processing中是如何被使用的?spacial domain和frequency domain是怎么通过傅立叶变换联系的。Laplacian的应用是哪些?
当然,作为这些概念本身,的确在大学里面都教过了。但是那是为讲概念而讲概念,根本不能说可以把学生交明白了,反过头来,大家一应用,第一反应是“有概念”,然后便没有下文了。
总之我的体会就是:国内大学教育的一个普遍弱点在于知识和应用的严重脱节。教材更是乱七八糟,过时的过时,错误连篇,语言前后矛盾,这都已经不是最严重的了。

再说说“育人”:唉! 现实是充斥着急功近利的浮躁,和自以为是的愚昧。“精英”们只有躲避开这种环境才能静下心来做点事情而已,何谈教育的成功?如果这都能说是教育的成功,那也只能是自我解嘲的意淫罢了。

以上是小弟愚见,偏颇错误之处还请大家担待了。谢谢
  

#  re: SIGGRAPH 2005 papers 里的中国人 2005-11-06 02:55 librayhl
各位大哥说的太对了,都说出了小弟的心声啊,我现在正在经受大学的洗礼呢....今天算是在各个BLOG长见识了,觉得更加应该加强算法,数据结构,数学的学习,人,一定要靠自己....努力中.  
果然是牛人说的话啊,想想我,大学4年了,浮躁了四年,根本没有安心做过学问,浮躁阿浮躁,要努力啊,不要在乎别人的看法了,就像上面说得一样, 一个星期做一个project精英”们只有躲避开这种环境才能静下心来做点事情,心要静!!!
本测评旨在科学评估5-6岁学前儿童的社会情感发展水平,重点测评其情绪识别能力、共情反应、社会性注意偏好及冲突情境下的社会认知策略。通过高精度的眼动仪设备,客观捕捉儿童在观看社会性刺激材料时的视觉行为指标,将内在的社会认知过程外显化、数据化。其意义在于: 1. 个体评估:为教师和家长提供超越主观观察的科学依据,了解儿童社会情感发展的优势与待支持领域。 2. 教育干预:为设计个性化的社会情感学习活动提供方向。 3. 科研价值:积累学前儿童社会性发展的眼动数据库,探索其发展规律。 本测评采用结构化实验设计与行为观察法相结合的方式。 实验设计:采用 within-subject design(被试内设计),每名儿童需完成三项标准化的眼动任务。 刺激材料:使用经过预实验验证的图片和短视频,确保其年龄适宜性和文化适应性。 数据整合:定量数据(眼动指标)与定性数据(行为观察、简单访谈)进行三角互证,提高测评效度。 年龄:5岁0个月至6岁11个月。 数量:每个班级随机抽取12名儿童(男女各半为宜)。 排除标准:经家长报告存在自闭症谱系障碍、注意力缺陷多动障碍等神经发育性障碍的儿童;存在未经矫正的视力或听力问题。 伦理要求:测评前需获得幼儿园同意及儿童家长的书面知情同意。向儿童本人用其能理解的语言说明活动内容,并获得其口头同意,强调随时可以休息或退出。 1.设备准备: 眼动仪:Tobii Pro Fusion或Tobii Nano,采样率不低于60Hz。提前校准,确保精度。 电脑与显示器:屏幕尺寸不小于21英寸,分辨率1920×1080,刷新率60Hz以上。 软件:Tobii Pro Lab(用于刺激呈现、数据采集与分析)。辅助设备:摄像机(用于录制儿童的整体行为反应)、三脚架。 2. 材料准备: 校准材料:动态的、吸引儿童的卡通气球飘动动画。 任务一(情绪识别)材料:6张高清彩色人脸图片,分别呈现高兴、悲伤、愤怒、恐惧四种基本情绪(各1张),以及2张中性情绪图片。图片中人物年龄与儿童相仿,性别平衡。 任务二(共情反应)材料:一段时长30秒的无声动画短片,内容为:一个小朋友的积木城堡被另一个小朋友不小心撞倒,撞人者表现出惊讶和歉意,被撞者从难过到接受道歉并一起重建。 任务三(社会偏好)材料:4张图片,每张图片描绘一个幼儿园常见场景,如:分享玩具(合作)、争夺玩具(冲突)、一起游戏(积极)、一个孩子被孤立(消极)。 3. 环境与人员准备: 环境:安静、光线柔和的独立房间,避免过多装饰分散注意力。儿童座椅高度调整至眼动仪能舒适捕捉的位置。显示器中心与儿童视线平齐,距离约60-65厘米。 主试:1名,负责操作设备和引导儿童。 观察员:1名,负责记录儿童的口头语言、面部表情和肢体动作。 测评任务与维度 具体内容 眼动指标 行为观察指标 任务一:静态情绪识别 随机呈现6张情绪图片,每张呈现5秒,间隔1秒灰屏。 1.兴趣区(AOI):划定眼睛、嘴巴区域。 2.注视总时长:在眼睛、嘴巴AOI内的注视时间。 3.首次注视点位置:首次注视落在眼睛还是嘴巴区域。 4.注视点数量:在面部关键区域的注视点数。 儿童是否口头命名情绪(如“他生气了”)。 任务二:动态共情反应 播放30秒动画短片。 1.瞳孔直径变化:在关键事件(城堡倒塌、表情变化)时的瞳孔直径平均值,作为情绪唤醒度的指标。 2.注视轨迹:关注点是否跟随事件主角和关键动作。 3.热点图:直观显示视觉注意力分布。 儿童的面部表情(是否皱眉、表现出同情)、自语(如“哎呀,倒了”)、身体姿势(前倾表示关注)。 任务三:社会情境偏好 每张情境图片呈现8秒,儿童自由观看。 1.兴趣区(AOI):分别为“合作者”、“冲突者”、“积极互动者”、“消极互动者”。 2.注视时间比例:在每个AOI上的注视时间占总注视时间的百分比。 3.首次注视AOI:首先关注的是积极还是消极社会角色。 儿童对图片的评论(如“他们这样不对”)。 阶段一:准备与适应(约5分钟) 1. 热情迎接:主试在活动室门口以友好、轻松的态度迎接儿童,称呼其昵称。 2. 简单介绍:“今天我们一起来玩一个‘眼睛看电影’的游戏,这个机器(指眼动仪)会看看你的小眼睛最喜欢看画面的哪里,特别有趣!” 3. 设备适应:引导儿童坐在椅子上,调整姿势,确保舒适。 阶段二:眼动校准(约2分钟) 1. 校准说明:“看,屏幕上会有个好玩的气球飞来飞去,你的眼睛跟着它看就好啦!” 2. 执行校准:使用5点校准法。若校准不准,可重复1-2次。若仍不成功,可短暂休息后再试,不强迫。 阶段三:正式测评(约15分钟) 1. 任务指令:指令简单一致,如:“接下来我们会看一些图片/小动画,你就像刚才一样自然地看就可以了。” 2. 任务顺序:固定顺序为任务一 → 任务二 → 任务三,由易到难。 3. 中途休息:每完成一个任务,询问儿童“要不要喝点水?”,尊重其节奏。 阶段四:结束与反馈(约3分钟) 1. 积极强化:无论儿童表现如何,都给予表扬:“你配合得太棒了!你的小眼睛真厉害!” 2. 赠送小奖品:奖励贴纸或小印章。 3. 送回班级:愉快地将儿童送回班级教师处。 阶段五:数据处理与分析(测评后) 1. 数据导出:使用Tobii Pro Lab导出每个被试的眼动数据。 2. 数据分析: 描述性统计:计算各组指标的平均值、标准差。 对比分析:将个体数据与常模(或本样本平均值)对比。 质性分析:结合行为观察记录,解读眼动数据背后的行为意义。例如,一个在冲突场景中长时间注视“冲突者”且瞳孔放大的儿童,可能表现出较高的警觉性或焦虑。 3. 报告撰写:形成个体测评报告,包括测评概况、各维度分析、综合评价与教育建议。 1.儿童权利保护:本测评全程严格遵循伦理规范。生存权:确保物理环境安全,无任何安全隐患。发展权:测评过程本身即是一种认知活动,结果用于促进其发展。受保护权:所有数据严格保密,进行匿名化处理,仅用于既定研究目的;避免任何可能对儿童造成心理伤害的刺激;儿童有权随时退出。参与权:尊重儿童意愿,使用征询性语言,赋予其选择权和控制感。 2. 结果应用:测评结果应被视为理解儿童的工具之一,而非唯一标签。需结合教师日常观察、家长访谈等多种信息源,对儿童进行综合评估。 3.主试素质:主试和观察员需具备基本的儿童心理学知识,掌握与幼儿沟通的技巧,并接受过眼动仪操作的专门培训,确保数据采集的规范性和科学性。 4. 设备维护:定期对眼动仪进行校准和维护,确保设备处于最佳工作状态。 降AI
09-27
在5 - 6岁学前儿童社会情感发展水平测评中,AI技术可从多方面应用。 ### 测评设计与内容生成 AI能够基于大量的儿童发展数据和教育研究成果,设计出更具针对性和适应性的测评任务。例如,利用机器学习算法分析不同社会情感维度下的典型行为和情境,为测评生成如个性化的情绪识别图片、共情反应动画短片和社会情境偏好图片等材料。这些材料可以根据每个儿童的特点进行定制,提高测评的精准度。 ### 数据采集与分析 在数据采集方面,AI可与眼动仪等设备集成,实时处理和分析眼动数据。通过深度学习算法,能快速准确地识别儿童的注视模式、瞳孔变化等眼动指标。例如,利用卷积神经网络(CNN)对眼动热点图进行分析,更精确地确定儿童的视觉注意力分布。同时,AI还可以结合行为观察数据,如儿童的面部表情、语言表达和身体姿势等,进行多模态数据分析。以下是一个简单的Python代码示例,用于模拟AI对眼动数据的初步处理: ```python import pandas as pd # 假设这是眼动数据,包含注视时间和注视点位置 eye_movement_data = { 'AOI': ['眼睛', '嘴巴', '其他'], '注视时间': [10, 5, 3], '注视点数量': [20, 10, 5] } df = pd.DataFrame(eye_movement_data) # 计算注视时间总和 total_fixation_time = df['注视时间'].sum() # 计算每个AOI的注视时间比例 df['注视时间比例'] = df['注视时间'] / total_fixation_time print(df) ``` ### 测评结果解读与反馈 AI可以根据数据分析结果,为教师和家长提供详细的测评报告。利用自然语言处理技术,将复杂的数据转化为易懂的语言描述和建议。例如,分析儿童在不同测评任务中的表现,指出其社会情感发展的优势和待提升领域,并给出针对性的教育干预建议。同时,AI还能对儿童的发展趋势进行预测,帮助教师和家长提前制定教育计划。 ### 模拟情境与交互测评 借助虚拟现实(VR)和增强现实(AR)技术,结合AI的智能交互能力,为儿童创造更加真实和丰富的社会情感体验场景。例如,在虚拟环境中模拟各种社交冲突和合作情境,让儿童参与其中,并实时监测他们的情绪反应和行为表现。AI可以根据儿童的表现动态调整情境难度和任务要求,实现个性化的测评和训练。
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值