【摘 要】
：
高校党史教育中传播革命文化,有利于大学生充分认同革命文化,抵制历史虚无主义思潮的不良影响.面对大学生参与的主动性、自觉性不足问题,高校要建构以革命文化育人为主线的传播格局,利用现有的革命文化资源拓宽党史教育的广度与深度,培育革命文化传播的载体,采用线下与线上相结合的方式建立党史教育与革命文化传播的桥梁.
论文部分内容阅读
高校党史教育中传播革命文化,有利于大学生充分认同革命文化,抵制历史虚无主义思潮的不良影响.面对大学生参与的主动性、自觉性不足问题,高校要建构以革命文化育人为主线的传播格局,利用现有的革命文化资源拓宽党史教育的广度与深度,培育革命文化传播的载体,采用线下与线上相结合的方式建立党史教育与革命文化传播的桥梁.
其他文献
智能手机和5G网络的快速普及,使传统移动音频迅速发展.在内容庞大的有声世界中,最具声音特色的广播剧如何在新媒体领域分得一杯羹,实现广播剧的振兴与发展,是媒体人需要思考的问题.笔者从当前广播剧的困境出发,提出创新广播剧形式、选取多元化素材、树立精品意识、开启付费收听等发展策略.
网络调查是大数据背景下一种重要的抽样调查方法,然而大多数网络调查样本属于非概率样本,其入样概率未知,需要进行建模估计.之前的研究大多通过构建Logistic倾向得分模型计算入样概率,但是Lo-gistic 倾向得分模型通常适用于协变量或混杂变量较少的情况,存在较多协变量或混杂变量时如何进行倾向得分建模推断是一个亟待解决的问题.针对此问题,文章充分考虑经典的变量选择方法Adaptive LASSO的降维特点,提出对网络调查样本建立Adaptive LASSO Logistic倾向得分模型估计倾向得分,进一步
受到新媒体的冲击,电视新闻媒体不得进行改革和创新.播音主持人怎样更好地掌握新闻播读技巧,是不可忽视的重要方面.本文从重视新闻播读基本功的训练、对新闻播读状态进行快速调整、对口头语言加以合理运用、关注新闻直播现场细节的掌控和处理、强化专业知识的拓展等方面,提出播音主持新闻播读技巧有效提升的策略.
基于机器学习进行因果推断是学术界研究的一个热点,双重机器学习是最新的因果效应估计方法之一,然而,相关理论并没有对不同机器学习方法之间的选择提供指导.鉴于此,文章运用蒙特卡洛模拟方法,研究不同情况下常见机器学习方法在双重机器学习处理效应估计中的表现,比较分析各种机器学习方法的估计结果,研究发现:基于不同机器学习方法的因果效应估计结果存在明显差异,双重机器学习方法的表现受到非线性函数形式以及样本容量的大小的影响;最后,在此基础上提出对机器学习方法选择的建议.
本文通过梳理相关文献,结合实际工作经验,深入了解融媒体时代对新闻采编内容、新闻传播速度及新闻服务对象的影响,明确了新闻采编流程再造的要点,即重视内容、团队协作、精准化内容生产、全天候及针对性传播.
由于历史差异性,戏剧影视长期“同而不和”,从教者圄于学科独立性,其开课取向、科研目标和收徒授徒模式都相去甚远,大学科方向混沌模糊,无法建立适应当代“戏剧影视学”融合发展的整合性、规范性学科架构.以互补联动策略,建立戏剧影视学整饬的学科主体,并追求其完型和发展,迫在眉睫.戏剧与电影、广播电视艺术审美取向、社会立场、艺术精神具有一致性,其对情感、性格和命运的高度关注,其对叙事逻辑的强调,其在视觉艺术原点和共有的“一对多”传播模式上,都系“铁杆盟友”关系.特别是在新文科语境下,以“共享性”“丰富性”取代“单一性
医学期刊在一定程度上承担着传播医学科技信息、发布医学领域先进研究成果和促进医学、医术发展的重要职责,与其他科技期刊相比,有其独特之处,即直接关系到广大患者的生命安全.基于此,必须做好医学期刊的审稿工作,针对其中存在的问题,制定一系列切实可行的解决之策.
随着科学技术的发展,新媒体作为一个全新的媒体名词走进大众视野,一方面以“新”命名的媒体形式并没有固定的语意定义,另一方面,其新不仅体现在技术的革新上,更多地体现在创作者的创作过程中,利用新形式创作出的全新作品,新媒体技术给作品的形式革新带来了新景象.图片、声音、影像、绘画等传统艺术创作方式,在新媒体背景下有了全新的面貌.
在综合评价过程中,权重的确定是综合评价的关键环节,综合评价方法是获得评价结果的重要手段.只有针对不同问题选择合适的综合评价方法,才能使获得的评价结果具有准确性和科学性.文章首先采用文献综述法,总结9种综合评价方法的原理和特点.其次,根据权重将9种综合评价方法划分为两类,并验证方法分类条件的可行性.然后,以案例数据为例,应用两类方法进行评价,分析两类方法的计算原理,为提出的两类方法的适用条件提供依据.最后,提出了综合评价方法的适用条件:第一类综合评价方法适用于解决确定权重或选取影响因素的问题;第二类综合评价
对给定的数据,文章分别建立了以残差的平方和及绝对值和为目标的线性最小二乘与最小一乘模型,采用正弦余弦算法计算模型参数;然后应用于无异常值的模型和包含异常值的模型,计算结果发现异常值对最小二乘有着较大的影响,而对最小一乘的影响较小;表明最小一乘具有较好的稳健性.