【摘 要】
:
文化具有鲜明的时代属性与民族属性,体育舞蹈在国内的发展应持续注入有价值的时代元素与民族元素,因此体育舞蹈与中国传统文化元素融合势在必行。此过程中亟需解决内容、人才、技术与传播问题:内容层面,运用中国元素创新体育舞蹈的服饰、音乐、动作等要素;人才培养层面,借助国家宏观育人力量构建复合型文化融合人才培养保障机制,培养复合型人才;技术层面,要加强数字化技术在舞蹈创新编排中的应用;传播层面:创建区域文化空
【基金项目】
:
安徽省高校人文社会科学研究一般项目“‘一带一路’背景下体育舞蹈融入中国元素的路径研究”(SK2021B08); 滁州学院校级重点教学研究项目“基于OBE理念的体育舞蹈课程教学体系创新研究”(2021jyz008);滁州学院大学生创新创业训练计划资助项目“‘一带一路’背景下体育舞蹈融入中国元素的路径研究”(2021CXXL216);
论文部分内容阅读
文化具有鲜明的时代属性与民族属性,体育舞蹈在国内的发展应持续注入有价值的时代元素与民族元素,因此体育舞蹈与中国传统文化元素融合势在必行。此过程中亟需解决内容、人才、技术与传播问题:内容层面,运用中国元素创新体育舞蹈的服饰、音乐、动作等要素;人才培养层面,借助国家宏观育人力量构建复合型文化融合人才培养保障机制,培养复合型人才;技术层面,要加强数字化技术在舞蹈创新编排中的应用;传播层面:创建区域文化空间解决中国传统文化元素与体育舞蹈融合的传播问题,促进中国文化不断发展。体育舞蹈与中国传统文化元素融合是发扬我国文化精髓、增强文化软实力的正确选择,有助于中国文化彰显于广阔的国际舞台。
其他文献
LiCoO2是锂离子电池中最常用的正极材料之一,因其具有易合成、高质量密度和高体积能量密度、出色的循环稳定性和高压平稳性等特点。虽然LiCoO2正极材料已经得到了很好的发展,但仍有提高倍率能力的空间。掺杂或表面涂层等材料处理方法已经被用来提高LiCoO2的电导率。施加应变是调节电极材料离子电导率的另一种有效方法。本文主要工作内容以及创新如下:(1)基于原子模拟技术准确地重现LiCoO2的实验结构参
受到自然界生物响应性运动现象的启发,近年来仿生智能机器人的设计层出不穷。研究学者设计开发了多种新型仿生智能材料以构造柔性驱动器,该柔性驱动器可以将外部刺激(如光、热、电、磁和溶剂等)转换为机械变形。聚合物因其优异的柔弹性、吸水性以及生物相容性等优点,所以在柔性驱动材料方面得到了快速发展和广泛研究。碳基纳米材料(如碳纳米管)因其制造成本低、易于加工、柔韧性好、稳定性佳、独特的光电性能以及高电导率和热
近年来,大数据技术日趋成熟,实践证明了其参与新闻制作的可能性,新闻可视化生产也随之而来。作为传统新闻制作的实践创新,新闻可视化给以往的新闻观念带来了新的挑战。在信息生产和通信向可视化全面转变的现实背景下,海德盖尔曾经预言的“世界被构想并被理解为图像”以可视化的方式广泛传播,全球新闻机构基于技术和概念的成熟性开始彻底的探索和应用。为探寻我国可视化新闻的发展,本文将具有代表性的人民网与重大主题报道“两
目标定位与检测作为一个长期存在的基础性难题,是新一代计算机视觉领域重点研究内容。目标定位与检测的研究目的是从给定图像中快速、准确地判断出是否存在给定类别的目标实例,并对图像中存在的目标实例返回其覆盖范围的位置信息。当仅有图像级标签作为监督信息时,现有基于弱监督学习的目标定位模型在优化图像分类时往往只激活目标部分而忽略完整的目标区域,将激活部分扩展到完整范围又会降低模型分类的能力。本文以“如何在保证
自锂离子电池问世以来,碳材料应用于锂离子电池负极表现出良好的结构稳定性,成为负极材料的主要研究对象,并得到了广泛的商业化应用。但随着近年来新能源车和电子器械等的快速迭代,提高锂离子电池的能量密度成为了主要研究目标,传统石墨负极已无法满足当今社会的发展,因此人们寻找代替传统石墨的具有高能量密度的负极材料的脚步永不停歇。硅氧碳负极材料是硅基负极的一类衍生材料,制备方法多样,原材料价格低廉,电化学循环过
激光因具备有高单色性、高度的相干性等特点而被广泛应用,是当前众多科学家研究的热点和重点方向。不同波段的激光具有众多应用,例如在激光雷达、大气探测等众多领域都有非常巨大的商业应用前景,而在可见光波段,因为处于能够被人眼直接感知的电磁频谱范围,广泛的应用在成像显示、激光照明、生物医疗与诊断、倍频产生紫外激光等诸多与人类日常生活息息相关的领域。其中三价镨离子(Pr3+)因为在可见光波段(480-720
研究旨在评价重组禽流感三价灭活疫苗在临床中的效果。将40 000只三黄肉鸡分为A组、B组、C组,A组20 000只,B组19 900只,C组100只。A组与B组分别免疫疫苗A与疫苗B,C组为不免疫对照组。2周龄首免,颈部皮下注射,0.3 mL/羽份。6周龄进行二免,颈部皮下注射,0.5 mL/羽份。20 000只蛋鸡分为D组、E组、F组,D组10 000只,E组9 900只,F组100只。D组与E
联邦学习是一种以隐私保护为前提的分布式机器学习范式,用户首先完成本地模型训练,然后共享本地模型参数并通过聚合的方式得到高精度全局模型。联邦学习通常采用同步聚合方式进行模型聚合,即收集到所有客户端的本地模型后一起完成全局模型的聚合。但实际情况下,客户端之间存在数据量、处理能力等方面的差异,使得训练时间不一致,导致全局模型出现聚合时间长、聚合效率低等问题,从而严重影响联邦学习的性能。为了应对上述问题,