【摘 要】
:
在学前儿童的幼小衔接阶段,学界不断强调科学的入学准备,不仅因为其对儿童进入小学后的学业表现具有预测性,更因为它对儿童的终身学习、成长和未来发展都具有深远的重要意义。而入学准备不仅要关注儿童自身的准备,更应关注家庭环境的准备。本研究通过调查大班儿童的家庭社会经济地位、家庭学习环境及其入学准备的基本现状,探讨家庭社会经济地位与家庭学习环境对儿童入学准备的影响机制,最终提出创设优质家庭学习环境的教育建议
论文部分内容阅读
在学前儿童的幼小衔接阶段,学界不断强调科学的入学准备,不仅因为其对儿童进入小学后的学业表现具有预测性,更因为它对儿童的终身学习、成长和未来发展都具有深远的重要意义。而入学准备不仅要关注儿童自身的准备,更应关注家庭环境的准备。本研究通过调查大班儿童的家庭社会经济地位、家庭学习环境及其入学准备的基本现状,探讨家庭社会经济地位与家庭学习环境对儿童入学准备的影响机制,最终提出创设优质家庭学习环境的教育建议,以助力大班儿童做好入学准备。研究选取广州市四所幼儿园共440名大班儿童及其家长作为调查对象,利用问卷法收集数据,在量化分析的基础上,得出的研究结论如下:(1)主、客观家庭社会经济地位之间显著正相关,且客观家庭社会经济地位能正向预测主观家庭社会经济地位。(2)家庭学习环境整体处于中等偏下水平;在文化资源维度上,非独生儿童的家庭得分高于独生儿童的家庭,二胎家庭得分高于一胎家庭。家庭学习环境在家庭结构上的差异不显著。(3)入学准备整体处于中等偏上水平;女孩在身体健康与运动技能领域的水平高于男孩;6岁儿童在认知发展与一般知识领域的水平高于5岁儿童;主要抚养人为父亲和母亲的儿童在身体健康与运动技能领域的发展比主要抚养人为祖辈的儿童更好;主要抚养人为父亲的儿童在学习方式领域的发展水平比主要抚养人为祖辈的儿童更高。(4)家庭社会经济地位、家庭学习环境和大班儿童入学准备三个变量均正相关,不同家庭社会经济地位的家庭学习环境质量不同,儿童入学准备发展状态也不同;家庭社会经济地位能正向预测家庭学习环境的质量和大班儿童入学准备水平;同时,家庭学习环境质量不同的大班儿童,其入学准备各领域发展也不同;家庭学习环境能显著预测儿童入学准备,其中,家庭学习活动预测力最大。(5)家庭学习环境在家庭社会经济地位对大班儿童入学准备的影响中起部分中介作用。根据上述研究结果,建议家长一方面要自我接纳,转变贫富归因;减少攀比,摆正育儿观念。另一方面,可以通过明确活动系统的教育意向,提升家庭学习活动的质量;创设丰富的生活情境脉络,兼顾儿童全面的入学准备;适配儿童能力发展的需要,发挥文化资源的最大效益;巧借正念教养实践的融入,彰显主体互动的潜在价值;维持和谐有序的家庭环境,提供安静舒适的学习场所等途径创设优质家庭学习环境。同时,幼儿园要为家庭创设优质学习环境提供教育指导,社会要为家庭创设优质学习环境提供条件便利。“家-校-社”协同,共育健康、幸福、全面发展的儿童。
其他文献
笔者结合小学语文教学实践,探讨从课堂教学目标,教学内容,教学方式以及德育、美育等方面进行渗透,让学生从语文的教学情感中体会语文的魅力,进而激发学生的学习积极性,并从语文课堂上获得学习的乐趣。
改革开放以来,我国经历了高速城市化带来的城市大规模建设,粗放型的城市发展使得城市中存留许多未被合理利用的、品质不佳的消极空间。在当下强调存量资源提升的精细化城市发展模式下,城市中心区域的空间品质亟待提高,消极空间的更新利用是城市研究的重要课题。桥下空间作为城市交通设施的附属空间,在桥梁设计阶段未被充分考虑,建成后又缺乏相应的管理机制,造成空间资源浪费、犯罪事件多发、环境品质不佳等问题,而位于城市中
图像超分辨率重建作为计算机视觉低层任务之一,具体为将低分辨率图像通过一定的算法重建出高分辨率图像。该技术可以在不升级成像硬件的条件下,提升图像质量,故其受到广泛关注。目前基于卷积神经网络的图像超分辨率重建算法重建地的具有较高的峰值信噪比,但重建的图像较为平滑,观感较差;基于生成对抗网络的图像超分辨率重建算法重建的图像具有较多的纹理细节,观感更佳,但也存在着重建速度较慢,容易生成不真实伪影。本文主要
随着深度学习的出现与发展,人脸识别技术日趋成熟,识别准确率在受限环境下已然接近饱和。然而在非受限条件下的人脸识别仍然面临着诸多巨大的技术挑战,比如遮挡,光照条件,人脸角度姿态等。其中,姿态是引起人脸识别模型性能大幅下降的重要因素。在早期的人脸识别方法中,往往假设输入模型的人脸图像是一张平视角度的正面视图或者是小角度的近正面视图。在这样的假设条件下,模型能够得出良好的识别效果,但对于大姿态,特别是极
隐私比较是指协议双方或多方参与者对各方隐私数据进行比较,得出其大小关系或相等关系,同时要保证各方隐私数据不被泄露。隐私排序问题为隐私比较大小问题的扩展。随着量子密码学的兴起,隐私比较和排序向量子领域拓展。目前量子隐私比较和量子隐私排序协议存在效率偏低、资源态制备复杂度高和依赖第三方等问题。鉴于此,本文提出了一个基于量子随机行走搜索算法的量子隐私大小比较协议和一个基于Grover算法的量子隐私排序协
网络流量分类之所以一直是学术界和产业界共同关注的热点之一,是因为它对于网络安全监管、网络发展规划和网络流量调度具有十分重要的意义。其中,基于深度学习的集中式训练方法是研究人员的关注焦点,这种训练模式需要将客户端的私有流量集中部署在网络运营商的大型设备中用于存储和计算海量数据。但是集中式训练过程频频出现数据泄漏等安全隐患,这将严重威胁客户的隐私。而联邦学习能够在不集中原始流量的情况下,协同网络运营商
抑郁症群体执行功能受损方面的研究很多,但从步态操纵的角度去研究改善抑郁症群体执行功能的研究不多。运动心理是一个心理模拟运动的过程,没有实际的动作。有研究表明,前额叶皮层参与了步态运动想象和步态控制,但支持这种观点的证据并不一致。本研究旨在通过两个实验来探究抑郁症大学生执行功能与行走步态的关系,验证行走步态控制是否可以改善抑郁症群体的执行功能,并利用近红外技术探究行走步态控制影响执行功能的生理基础。
目的:随着国家对高等教育的重视,大学生群体越来越庞大。他们的心理问题受到了相当程度的重视,然而在这个群体中有一个小群体却被大家所忽视,那就是肢体活动受限的大学生。这个群体中的学生因为各种原因肢体活动受到了限制,致使不能像大部分人一样自由的进行体力活动,伴随而来的就有可能是各种心理问题。本研究针对肢体受限大学生的心理问题开展研究,调查广州大学肢体受限大学生的日常体力活动情况,研究体力活动和情绪调节相
网络表示学习是通过机器学习方法将高维稀疏数据转换为低维稠密数据,现有的工作主要集中在静态网络和动态同质网络。然而绝大部分网络属于动态异质网络。随着时间推移,网络中节点和边的增加或删除会导致网络的拓扑结构和语义发生变化。目前,大多数动态异质网络表示学习方法使用快照对动态异质网络定义,其前提是需要确保相邻两个时刻的子网络的平滑演化。但是,在一些真实网络中,子网络的节点和边存在巨大差异,基于快照的划分方
近年来,随着深度学习的发展及非限定条件下的人脸数据采集,人脸识别效果日益完善。在日常生活中,人脸识别技术也得到了广泛的应用,如门禁系统,扫脸支付等。但在非限定条件下,人脸识别依旧存在着一些问题,有研究表明:相比于近正脸的人脸识别效果,侧脸的识别显得不尽人意。其中有两个因素导致这一现象:一方面,人脸的姿态偏转会引起自遮挡和非线性面部扭曲等现象,增大了模型对侧脸图像提取特征的难度。另一方面,对于非限定