高中英语课程中学生全球胜任力培养的标准构建与教学实施研究

来源 :江南大学 | 被引量 : 0次 | 上传用户:Z12456879
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
面对当今飞速变化的全球社会,作为未来发展中坚力量的学生正不容选择地被卷入全球化进程之中,“全球胜任力”理念应运而生。英语作为一门非母语的国际通用语言学科,对全球胜任力的培养无疑具有特殊意义。基于此,本研究按照从定义到文本再到实践的逻辑顺序,致力于解决全球胜任力的概念界定、本土化标准构建与在我国高中英语学科教学中的实践路径这三个问题,以达到促成全球胜任力教育融入英语学科教学实践中的目的。本研究的研究发现如下:第一,既有全球胜任力概念存在共性,即均为多个维度构成的立体结构、均强调情境下的全球胜任力、均强调了行动维度的培养。在充分考虑《课标》中核心素养的内涵、外延及其标准的基础上,本研究对全球胜任力进行了概念界定,即“国家人才与全球公民的综合素养的统一体,不同情境下认知力与应用力的统一体”。第二,全球胜任力教育与高中英语核心素养具有落脚点以及推进过程中的区别与联系,且核心素养的培养是获取全球胜任力的重要途径之一。在此基础上,结合英语学科核心素养理念构建的全球胜任力本土化标准应包含知识、技能、态度和价值观以及行动四大维度及其下十一项次维度。其中知识包括语篇知识、语言知识和文化知识;技能包括语言能力、交际能力、思维能力和学习能力;态度与价值观包括文化态度与世界观、学习态度与价值观;行动包括跨文化交流行动和为集体福祉和可持续发展采取行动。第三,以本文建构的全球胜任力标准为工具,本文对译林版高中英语教材的全球胜任力内容维度分布进行统计分析,发现全球胜任力四大维度分布并不均衡,其中技能维度居多;全球胜任力的知识与技能维度内分布较为均衡,而态度和价值观、行动的维度内分布比较单一。第四,针对教师在英语学科教学中开展全球胜任力教育,本文提出两条路径。首先是践行英语学习活动观,设置多元学习任务。本文针对此路径设计了三个教学案例。其次是聚焦全球性问题,开展跨学科融合教学。该路径需把握教学主题、课堂讨论和教学成果三要素。教学主题的确定需遵循背景知识学生基本具备、优先考虑全球性议题、主题具有充分的跨学科空间三原则;课堂讨论的开展需确保学生的多维度投入、多角度分析问题;教学成果的评价要求注重过程性评价和终结性评价标准的多元化。本文基于此路径设计了关于water resource主题的跨学科教学案例。
其他文献
命名实体识别(Named Entity Recognition,NER)旨在从非结构化文本中提取出人名、地名、机构名或其他专有名词等类型的实体。其作为自然语言处理领域的基础任务之一,在对话问答、机器翻译、信息检索和知识图谱等各种自然语言处理任务中承担着重要的角色,在许多落地应用中具有关键性作用。近年来,命名实体识别技术虽已趋向成熟,但仍然面临许多挑战,尤其是在中文命名实体识别方向中,字词边界模糊、
学位
针对目前推荐算法存在的问题,本文对社交化推荐场景中的推荐方法进行研究,设计了两个基于图神经网络的社交化推荐算法框架,实现提高召回率、优化排序结果的目的。本文的主要研究内容如下:1.基于多图注意力融合的社交化推荐算法。图神经网络技术在社交化推荐领域中有着广泛的应用。然而,随着扩散深度的增加,它往往会导致过度平滑问题,从而抑制其性能。本文提出了一种基于相似性的多关系注意力网络用于社交化推荐场景。提出的
学位
高分辨率高光谱图像同时具有丰富的空间信息以及丰富的光谱信息。因此,高分辨率高光谱图像在目标检测、识别以及跟踪领域有丰富的应用空间。然而,受囿于当前成像设备性能的不足,我们无法直接获取到高分辨率高光谱图像。而是只能退而求其次,在空间上以及光谱上进行一定的退化,转而对同一取景取得一组低分辨率高光谱图像和高分辨率多光谱图像,再通过一定算法的处理,将这一组图像尽可能重建还原成高质量的高分辨率高光谱图像。这
学位
作为图像理解和计算机视觉的基石,目标检测是解决图像分割、场景理解、目标追踪等任务的基础。现在目标检测算法种类繁多,根据是否包含区域建议网络可以分为两阶段目标检测算法和单阶段目标检测算法。根据是否具有锚框又分为基于锚框的目标检测算法和无锚目标检测算法。虽然现在的目标检测算法在精度和速度上都取得极大提升,但是由于视角的多样性,多尺度变化,遮挡和光照强度等复杂场景的影响,以及模型的泛化能力不足等问题使得
学位
阿尔茨海默症(Alzheimer’s Disease,AD)是一种不可逆的大脑神经退行性疾病,一旦发病就没有治愈的可能。随着我国老龄化程度的加深,阿尔茨海默症患者越来越多,给家庭和社会都带来了沉重的负担。日渐增多的患者,极大地增加了相关领域医生的工作量,而计算机技术飞速发展,使之在医学领域有广泛的应用。近年来深度学习技术蓬勃发展,使得深度学习技术在医疗图像的分类、分割等领域有了广泛的应用。因此利用
学位
近年来,随着深度学习的迅速发展,伴随着计算机硬件性能的快速提升,行人重识别在智能监控、智能安保领域扮演着越来越重要的角色,吸引了研究者的广泛关注。相较于过去基于手工设计特征的行人重识别方法,基于卷积神经网络的行人重识别方法从大规模行人图像数据中挖掘信息,具备更好的特征表示能力。很多最近的研究在这一领域取得了一定的成果,但仍存在很多问题需要解决。在行人重识别研究中,按监督级别的不同,可以大致划分为有
学位
准确和鲁棒的视觉目标跟踪是计算机视觉领域中最具挑战性的基础任务之一,在智慧安防、自动驾驶和机器视觉等场景中有着非常广泛的应用。在只给定初始目标状态的情况下,目标跟踪旨在实现对图像序列中后续目标轨迹和状态的准确估计,对目标跟踪算法提出了很高的要求。经过国内外学者多年的研究,目标跟踪方法取得了很大的进展。尤其是近些年来,基于孪生网络的算法提供了全新的跟踪范式,得到了广泛的关注,极大地推动了目标跟踪领域
学位
人群计数旨在利用给定场景中的人群特征估计人数和密度分布,其作为一项视频图像处理技术在当今很多行业中都发挥着重要的作用。尤其随着世界人口增长和城市化进程发展,人群计数的应用场景也越来越多,对社会安全和人群控制管理有着举足轻重的意义。得益于计算机硬件不断提升和深度学习飞速发展,近年来人群计数的研究取得了相当大的进展。本文针对不同复杂场景具体分析了现阶段人群计数存在的困难和挑战,主要研究和解决了场景中存
学位
高光谱图像是一种复合信息图像数据,同时包含了空间信息与光谱信息。与自然图像相比,高光谱图像拥有更为丰富的光谱特征。因此,高光谱遥感极具应用价值,在地质探测、环境监测、军事监视和农业领域内都有广泛的应用。近年来,随着光学传感器的发展,高光谱图像的成像质量越来越高,合理的分析高光谱图像数据可以准确的区分地物覆盖类别,高光谱图像分类也因此成为高光谱遥感中最为重要的应用之一。目前,深度学习凭借着强大的特征
学位
细粒度图像识别是对大类下的子类图像进行更为精细的划分,比如区分一只狗是哈士奇还是萨摩耶。细粒度图像识别的挑战在于其不同类之间的差异较小,相同类别有时差异较大等。基于细粒度图像中固有的特性,如判别性区域较小、图像特征差异化程度不够等,以往的识别方法存在着有区分度的区域信息提取单一和特征不够丰富等问题,使得此任务还存在一些改进空间。针对这些瓶颈,本文设计了多个以深度学习为基础的细粒度图像识别方法,在弱
学位