【摘 要】
：
课程思政建设是高校落实立德树人根本任务的重要举措,是思想政治教育工作深化演进的创新举措。从课程思政概念提出到课程思政建设工作确立,从课程思政全面推进到课程思政高质量建设,课程思政教学模式适应立德树人的内涵发展与时代需求,与思想政治理论课同向同行、形成协同效应,取得了较好的育人成效。本文例选课程,以彰显湖湘职教品牌特色的百年楚怡精神为引领,将民族精神铸魂、求知精神培根、工匠精神渗透、创新精神塑造贯穿
【基金项目】
：
湖南省职业院校教育教学改革研究项目“共生发展、跨界协同视域下高职汽车制造专业优质教学资源开发研究”（编号:ZJGB2019023）；
论文部分内容阅读
课程思政建设是高校落实立德树人根本任务的重要举措,是思想政治教育工作深化演进的创新举措。从课程思政概念提出到课程思政建设工作确立,从课程思政全面推进到课程思政高质量建设,课程思政教学模式适应立德树人的内涵发展与时代需求,与思想政治理论课同向同行、形成协同效应,取得了较好的育人成效。本文例选课程,以彰显湖湘职教品牌特色的百年楚怡精神为引领,将民族精神铸魂、求知精神培根、工匠精神渗透、创新精神塑造贯穿课程教学全过程,搭建专业技能与思政理念互相增益的学习体系,创新课程思政实施教学模式与方法路径,实现育人成效与课程质量双向提升。
其他文献
外阴癌是一种罕见的好发于绝经后女性的生殖系统恶性肿瘤。目前并未有针对外阴癌的特别筛查方法,降低其发生率最有效的方法是及时治疗与其发生发展相关的外阴癌前病变。虽然外阴癌可以无症状,但大多数患者会出现外阴瘙痒或疼痛,发现外阴肿块或溃疡。因此,
随着网络资源的增多,信息的价值密度越来越低。个性化推荐算法能主动为用户推荐可能感兴趣的信息,改变了人们在海量信息前无所适从的局面。协同过滤推荐算法是目前研究最多的一种个性化推荐算法,因评分数据稀疏、冷启动、可扩展性不高等问题,该算法的推荐精度一直得不到很大提高。引入专家信任可以很好地降低冷启动及数据稀疏的影响,结合聚类算法能避免可扩展性不高的问题。本文从提高引入专家信任的协同过滤推荐算法推荐精度出
随着科学技术的发展,现有的单一聚合物材料已经不能满足需要,聚合物共混是获得高性能材料的重要方法,不仅价格低廉,而且能综合各组分自身的优势,使其在性能上优势互补。然而大多数聚合物是热力学不相容的,因此添加相容剂成为提高不混容聚合物共混体系性能的关键。本课题的主要目的是制备一种新型大分子接枝氧化石墨烯复合型相容剂以提高聚酰胺6（PA6）/聚丙烯（PP）的相容性,获得高性能的共混材料。首先将氧化石墨烯（
电流型多电平PWM整流器具有输出功率大、开关频率低、网侧电流谐波小以及直流电压低于网侧电压峰等优点,有效解决了当前电力电子器件功率处理能力与开关频率之间的矛盾关系,在电动汽车充电桩、感应加热等大功率场合有着显著优势。另外,随着近些年来超导储能技术的不断发展,解决了电感储能问题,因此电流型多电平PWM整流器有着广阔的应用前景。结合以上优点,本文针对三相电流型五电平PWM整流器进行了深入的分析和研究。
双枝模糊集（简称为BBFS）与R-Fuzzy集是普通模糊集的两种推广形式.对双枝模糊集而言,它的提出解决了工程决策与工程控制中一些未能解决的问题,且较传统的模糊集有更强的表达不确定性的能力,因而在学术界及工程技术界引起了广泛的关注.对R-Fuzzy集而言,亦把双枝模糊集作为特例,基于R-Fuzzy集构造了新的模糊系统,提高了不确定系统建模的灵活性,扩展了模糊系统应用的范围。80年代初,汪培庄教授提
目的:探索常态化疫情防控时期基层医院疫情防控应对管理模式。方法:以江苏省某乡镇医院新冠肺炎疫情防控工作实践为基础,深入分析基层医院疫情防控工作存在的难点问题,进而提出基层医院构建常态化疫情防控应对模式的建议。结果:基层医院的疫情防控尽管采取改造诊疗流程、设置院感督导组、科学动态排班等积极应对措施,但医院感染防控困难、老年患者就医困难、人力资源不足和医院运行压力大等难点问题非常突出,需要加强多方投入
随着移动云计算、大数据、人工智能、5G技术的飞速发展,我国进入了全新的工业4.0时代。当前小微互联网企业通过手机移动端和互联网客户端提供信息服务平台种类越来越多,如快手、抖音等,这些软件产品的火爆引发了数据规模呈爆炸式增长。面对这些数据,怎样快速准确地挖掘出有用信息是十分关键的,而这些平台都创新性地提出自己的核心推荐算法让用户被动式地接受他们感兴趣的信息。在这种发展背景下,平台下的推荐算法成为了一
近年来,计算机技术飞速发展,人工智能技术被越来越多地应用到医疗领域,辅助医生诊断治疗。磁共振成像（MRI）检查是一项疾病检查的有效方法,在心脏疾病的治疗过程中有着非常重要的作用。心脏MRI图像中不同组织的分割是心脏疾病治疗中的关键步骤,但是由于医学成像技术的限制和医学图像本身具有的特点,如边界模糊、灰度不均匀、影像重叠等,使得图像的分割任务困难重重。针对这种情况,本文提出了一种基于深度学习的心脏M
随着信息时代的飞速发展,数据规模增大与数据维度增高,造成数据处理愈发困难,从而导致“数据灾难”。降低数据维数是降低高维大数据处理难度的重要手段,流形学习作为一种数据降维方法,能够保持高维数据的原始拓扑结构,并提取数据内在特征。但传统的流形学习算法存在一定问题。一方面,基于谱分解的流形学习方法需要求解矩阵的特征值,具有较高的空间复杂度和时间复杂度,难以适应大规模数据的降维要求。另一方面,单机环境下的