“双减”背景下利用模型游戏促进化学深度学习——在“物质的分类”复习中建构微粒观

来源 :化学教育(中英文) | 被引量 : 0次 | 上传用户:harry810
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
<正>“双减”背景下,教师为了节省课时,存在“去结构、去过程、去逻辑”的浅层教学弊端,“提速”与“增效”是课堂教学中亟待解决的问题。九年级学生对微粒观的相异构想来自对微观世界的认知不足,《义务教育化学课程标准(2022年版)》建议采用游戏、模型拼插等可视化教学手段,帮助学生建立宏观和微观之间的联系,将压扁在教材上的微观粒子重新立起来。以“物质的分类”复习课为例,将教学目标和重难点蕴含在模型游戏中,引领学生在愉悦、合作、紧张的状态下建构微粒观。
其他文献
文物保护修复档案是对文物保护修复工作的记录,不仅保留了文物本体的各种信息,同时也详尽地记录了文物保护修复的全过程,是文保工作的重要环节。随着数字化技术的发展,文物保护修复档案的数字化工作也逐步开展。本文旨在通过梳理分析清宫画家蒋懋德画《山水图》贴落保护修复档案的数字化工作,初步探索数字化文物保护修复档案的可行性。
期刊
<正>最近多次到房山琉璃河考古现场调研,每次都有一个挥之不去的高大身影出现在我面前,宛如元宇宙状态下的虚拟现实场景。琉璃河是目前有考古确凿证据的最早的北京城遗址,距今已有3066年。其始创者为西周初年的大政治家、思想家召公。召公、周公、姜太公三位先贤,奠定了周朝八百年江山的制度基础,给中华民族注入了礼仪之邦的文化基因,是中华文明思想库中里程碑式的人物,值得我们永远崇敬。
期刊
在故宫博物院文物保护修复档案数字化建设过程中,为解决档案数据的合理管理、安全存储与便捷共享等问题,本文通过对文物保护修复工作流程及档案数据特点进行梳理总结,并结合实际工作需求,提出了利用NAS私有云技术搭建文物保护修复档案数据管理平台的解决方案,制定了文件存储结构与命名方式规范,构建了RBAC访问控制策略与安全防护措施,实现了档案数据的安全规范存储与分权限共享利用。实际运行验证了平台的有效性、可靠
期刊
当代社会是“读图时代”,对视觉素养的培养显得越来越重要;然而,针对视觉素养的培养方法和实证研究还很缺乏。数字博物馆情境下的教学模式POI教学法基于建构主义学习理论,为视觉素养的培养提供了新的方法。疫情之下,通过对这一模式进行课堂实证检验,验证了这一教学模式对学生视觉素养培养具有明显效果,且能很好地激发学生的学习兴趣,体现“以人为本”的学习理念。
期刊
本文梳理了微服务的概念和内涵,将微服务理念引入和应用到博物馆藏品数字化管理中,研究了基于微服务理念的藏品数字化全生命周期的管理模式,将相对复杂的业务划分成高内聚、低耦合的微业务,形成藏品数字化全生命周期管理微业务架构。同时,以中国国家博物馆为例,以微业务架构指导微服务设计,基于微服务技术构建了数字资产管理系统,从而形成更加精细化和规范化藏品数字化全生命周期管理模式。
期刊
基于发展性教育评价理论和SOLO分类评价理论提出“教、学、评”一体化的单元教学模型,分析教学设计流程,并以逆向教学设计形式开展教学设计。最后总结经验,提出教学建议:第一,设计教学时,要关注“教和学的可见性”,做到“心中有教学,眼中有学生”;第二,开展教学时,要让学生积极主动地参与到教学评价中;第三,注重开发和利用科学有效的评价工具。
期刊
革命文物概念、特性和价值是考察革命文物不可忽视的三个维度。革命文物的概念从产生到最终确立经历了漫长的演变过程,其独特的精神属性是革命文物超越自身“实体”的伟大飞跃,体现出体系性和多样性特征。通过梳理和诠释革命文物的概念、特性和价值,发挥革命文物当代价值,对弘扬革命精神、正确认识党史、反对历史虚无主义具有重要的作用。
期刊
文物点交是文物借用过程中的必要环节。受新型冠状病毒肺炎疫情的影响,线下的文物点交工作面临着巨大的风险和挑战,各馆纷纷采取了视频点交、委托第三方点交的新模式来应对困境。这种新模式带来的不仅是交接方式的转换,更有效推动了展览工作的顺利开展。通过引入新设备、加强培训、规范流程,视频点交有望向更加规范和专业的方向发展。
期刊
以“探究易拉罐中金属材料的成分”为项目主题,开展高中化学“金属材料”的学习。学生通过“探究可乐易拉罐罐体和罐盖的耐腐蚀性”“探究罐体金属材料是纯铝还是铝合金”“探究罐体铝合金中是否含铁”“探究不同用途铁合金性能和组成的差异”“认识新型合金”等5个项目任务,将铝合金、铁合金及新型合金的学习转化为持续的探究与实践,形成“组成与结构决定性能,性能决定用途”的核心观念,养成沟通与合作的习惯,发展批判性思维
期刊
针对月度旅游客流量影响因素复杂,时间序列数据中可能存在异常值和噪声的特点,提出了一个基于局部异常因子(LOF)和奇异谱分析(SSA)的LOF-SSA-PSO-LSSVM预测模型.数据预处理阶段,对原始序列运用X12季节加法模型消除季节性的影响,采用LOF方法检测季节调整后序列的异常值,并使用线性插值和最小二乘支持向量机(LSSVM)方法来修正异常值,新的待预测序列由修正后的季节调整序列与季节因子序
期刊