8、以课堂实践为“思考工具”:职前教师计算思维培养探索

以课堂实践为“思考工具”:职前教师计算思维培养探索

1. 构建主义与计算思维基础

在学习过程中,人工制品或“思考工具”起着关键作用,它连接了感官知识与抽象知识,也连接了个人世界与社会世界。当人工制品与共享理解通过表征和解释的循环相结合时,就构建了共享知识。通过围绕自己或他人的人工制品进行对话,能够促进共享理解的发展,并为新理解奠定基础。构建主义意味着一个构建的过程,既包括构建人工制品,也包括构建新的理解。

计算思维的概念源于Papert的研究,他提出计算机可以成为儿童通过编程发展程序思维的工具。直到2006年,Wing发表开创性文章,计算思维才受到广泛关注。Wing将计算思维定义为在配备计算设备的情况下,利用计算机科学的基本概念来表述和解决问题的思维过程。其核心要素包括:
| 要素 | 定义 |
| ---- | ---- |
| 抽象 | 减少不必要的细节,突出相关细节,使过程更简单易懂 |
| 算法思维 | 设计逐步解决问题的方案 |
| 分解 | 将复杂问题分解为可管理的小问题 |
| 泛化 | 寻找一类问题的通用方法 |
| 调试 | 识别、消除和修复错误的技能 |

此外,还有一系列被认为对计算思维发展至关重要的倾向或态度,如Brennan和Resnick提出的计算实践和计算视角。计算实践包括迭代和增量、测试和调试、重用和混合、抽象和模块化;计算视角则涉及学生对自己、与他人的关系以及周围技术世界的理解。

目前已经提出了一些计算思维的实施框架,大部分针对中学和高等教育,少数针对小学。在小学课堂中,常用编程工具如Scratch来提供计算思维的学习机会。然而,职前小学教师在这方面受到的关注

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
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