课题小组 更多>>

关键词： 大学生科研训练计划   SRTP   嵌入式教学   信息素养教育  

摘要： 解读ACRL 《面向高等教育的信息素养框架》教育理念和大学生科研训练目标,进行一条主线三维的嵌入式信息素养教学模式实践,即以科研工作流程为主线,以信息素养"阈"概念为指导,从教学内容、方法、师资三个维度设计教学过程,以期大学生在科研训练中培养信息素养,在信息素养学习中提升科研能力。

关键词： 信息素养教育   创新创业课程体系   慕课   金课  

摘要： 创新创业信息素养是创新创业课程建设的着力点。针对当前高校创新创业信息素养课程建设普遍存在着定位不明确,内容单薄、形式单一和缺乏保障等问题,要以建设创新创业信息素养"金课"为目标,以嵌入式思维推进信息素养元素融入到创新创业课程体系,以慕课等五大"金课"教学载体丰富教学手段,从而提高创新创业型人才培养质量。

关键词： 大学生   信息素养   高校图书馆  

摘要： 在大学生信息素养教育中,图书馆发挥着极为重要的作用,能够有效推动大学生信息素养的培养、提升。本文通过信息素养的含义及构成,在分析大学生信息素养现状的基础上,对大学生信息素养教育中高校图书馆的作用及教育措施展开了探讨,以期对大学生信息意识、道德、搜集及处理等多方面能力进行培养。

关键词： 信息素养教育   教育模式   医学文献检索课程   霍尔三维结构  

摘要： 以霍尔三维结构理论为指导,结合医学生信息素养教育特点,对信息素养教学的时间维、逻辑维、知识维3方面进行全面分析,构建新的医学生信息素养教育三维教学模式,并结合本校的医学文献检索课程分章节进行了实证探讨。实践证明,基于霍尔三维结构的医学生信息素养教学新模式,对课程设计、课堂教学、教学反馈、提高教学效果、全面提升医学生信息素养均具有良好的现实作用。

关键词： 融媒体   图书馆   信息素养教育   定位   策略  

摘要： 对于高校的教育体系而言，图书馆占据十分重要的位置，其是高校教育不可或缺的一部分。高校图书馆拥有海量的信息资源，为广大师生学习和研究活动提供了便利条件。时代在不断发展，融媒体技术也在不断进步，进而有效拓展了图书馆的服务内容和范围，融媒体技术的运用对于学生而言产生了积极影响，其是进行信息素养教育的主要途径之一。本文主要针对融媒体时代背景下，高校图书馆进行信息素养教育方向进行深入探究，并与时代相结合进行全面分析，为接下来的工作奠定良好基础。

关键词： 图书馆   信息素养教育   空间再造   融合   创新  

摘要： 高校图书馆"空间再造"是对传统空间布局的颠覆和重构,"信息素养教育"是培养社会主义建设者和接班人的重要任务。在论证空间再造与信息素养教育的涵义和二者的关系基础上,探讨了信息素养教育与空间再造有机融合的功能策略,进而推进信息素养教育与空间再造进入高校图书馆服务改革的主渠道。

关键词： 美国爱达荷大学   信息素养   教学改革   参考借鉴  

摘要： 在对美国爱达荷大学信息素养教育项目进行简单介绍的基础上,对该项目的主要组成内容分模块进行详细剖析,由此得出相关启示并提出改善信息素养教育的相关对策建议,主要包括信息素养教育内容的更新布局、策略的多元整合以及团队的优化精进等,以期为国内信息素养教育相关探索提供运行经验和参考借鉴。

关键词： 大数据   数据素养   大学生  

摘要： 大数据时代对于大学生的数据素养的要求越来越高,而我国的数据素养教育起步比较晚,人才培养的体系略显滞后,缺乏系统性和针对性。通过文献调查法及网络调查法,在大数据的泛在环境里,高校应该结合国外数据素养教育的发展情况,以及借鉴信息素养教育的实践经验,加强宣传力度,政府部门发挥号召作用,让大学生意识到数据素养的重要性,各社会团体,组织机构,地区学校应该合力开展相应的教育实践工作,在课程教学与实践中融入数据素养教育内容,创造条件加强学生的创新性数据素养教育。

关键词： 教育创新模式   MOOC课程   信息素养教育   翻转课堂  

摘要： 本文分析了传统信息素养教育的弊端,探索在MOOC环境下提高大学生信息素养的创新模式。指出在MOOC环境下创建信息素养类MOOC课程、构建信息素养类课程体系、创新翻转课堂教学模式、加强信息素养教育激励制度等模式以应对信息素养教育的变革。

关键词： Code snippets recommendation   information retrieval   supervised learning   topic model   feature  

摘要： When implementing unfamiliar programming tasks, developers commonly search code examples and learn usage patterns of APIs from the code examples or reuse them by copy-pasting and modifying. For providing high-quality code examples, previous studies present several methods to recommend code snippets mainly based on information retrieval. In this paper, to provide better recommendation results, we propose ROSF, Recommending code Snippets with multi-aspect Features, a novel method combining both information retrieval and supervised learning. In our method, we recommend Top-K code snippets for a given free-formquery based on two stages, i.e., coarse-grained searching and fine-grained re-ranking. First, we generate a code snippet candidate set by searching a code snippet corpus using an information retrieval method. Second, we predict probability values of the code snippets for different relevance scores in the candidate set by the learned prediction model from a training set, re-rank these candidate code snippets according to the probability values, and recommend the final results to developers. We conduct several experiments to evaluate our method in a large- scale corpus containing 921,713 real-world code snippets. The results show that ROSF is an effective method for code snippets recommendation and outperforms the-state-of-the-art methods by 20-41 percent in Precision and 13-33 percent in NDCG.