高职大学新生孤独感与心理健康的关系:核心自我评价的中介作用

目的:考察核心自我评价在高职大学新生孤独感与心理健康之间的作用,为提升高职大学新生的心理健康水平提供参考。方法:采用整群抽样的方法抽取2所高职院校的1119名大学新生,用孤独感量表、核心自我评价量表和心理健康量表进行问卷调查。结果:高职大学新生心理健康得分(27. 06±4. 61)、核心自我评价得分(32. 97±5. 85)、孤独感得分(11. 97±3. 88)。高职大学新生孤独感与心理健康得分呈显著正相关(r值为0. 46,p<0. 01),即孤独感越高,心理健康得分越高,心理健康水平越低;高职大学新生孤独感与核心自我评价得分呈显著负相关(r值为-0. 52,p<0. 01),即孤独感越高,核心自我评价得分越低,核心自我评价水平越低。同时,高职大学新生核心自我评价与心理健康得分呈显著负相关(r值为-0. 63,p<0. 01),即核心自我评价水平越高,心理健康得分越低,心理健康水平越高。核心自我评价在高职大学新生孤独感与心理健康之间起部分中介作用,中介效应占总效应的比例为40. 18%。结论:高职大学新生的孤独感可以通过核心自我评价对其心理健康产生间接影响。     

新三板企业转科创板上市背景下私募投资策略

在新三板深化改革、科创板设立的背景下,转入科创板成为新三板企业的良好选择。文章基于此分析G私募基金可能面临的机遇和风险,总结该基金在转板企业方面的投资策略框架,并以贝特瑞为例进行验证。在行业方面,选取高成长性科创类行业;在企业方面,选择有核心竞争力的企业,多维度财务分析但不局限于财务指标,考虑企业所处行业的特点,结合多种方法估值;在投资方面,注意时机避免突击入股。文章对拟投资转板企业的私募基金提出建议:针对科创板优先领域投资,重视企业成长性,结合行业特点多维度财务分析,对照标的企业合理估值,密切关注企业动向,把握投资时点等。这为类似基金提供了投资转板企业方面的策略参考,对促进新三板企业直接融资有一定意义。     

大学生线上学习的效果及影响因素分析

本研究会通过一些统计分析办法,对疫情期间的学习状况以及存在的问题,做出更加深入的、更加专业化的了解,为之后的线上教学实践,提供科学依据。本研究通过收集学生疫情期间的具体学习状况的反馈,深入挖掘学生存在的各种问题,包括物质上,以及心理上,对网课学习效率不高的症结所在。研究结果可以看出,学生在自我管理方面依旧是存在短板,导致长时间的学习后,对网课产生抵触心理,外界的干扰,基础条件也是客观层面上,降低积极性的很大原因。仍需要学校的家庭,通过引导和培训,构建起学生自主学习的能力,发挥学生的自主性,激发学习兴趣。并且,将基础设施的配套视为同等重要的因素,为学生打造一个良好的学习环境。     

社会服务对评价大学生科技创新团队的意义

高校大学生科技创新团队是一支不容忽视的科技创新力量。将社会服务作为评价大学生科技创新团队的重要标尺,是高校落实立德树人根本任务的需要、参与国际竞争和建设科技强国的需要。     

指向深度学习的古诗教学“四意识”——以部编版小学语文四年级上册第三单元《古诗三首》为例

深度学习是落实学科核心素养的重要途径,古诗教学是语文阅读中的重要组成部分。指向深度学习的古诗教学开展尤为迫切,要打破以往传统的教学方法,应具备四个意识即关联意识,转化意识,横纵意识和聚焦意识。     

深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。     

从支付角度看大型科技公司带来的挑战

当前,大型互联网平台的发展及其可能带来的问题引发了广泛的关注与争论.为此,中国社会科学院国家金融与发展实验室于2021年4月举办专题研讨会,就大型互联网平台的特征与监管进行探讨.本刊特邀请参与研讨会的部分学者,在发言基础上撰写一组专题笔谈文章,以飨读者.