儿童视角下的师幼关系研究

来源 :天水师范学院 | 被引量 : 0次 | 上传用户:seayi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
“儿童的发现”是教育史上的“哥白尼革命”,儿童和成人一样,是权利的持有者,是知识的创造者,是积极的行动者。师幼关系作为幼儿园重要的人际关系之一,对儿童的发展有着深远的影响。因此,了解儿童是怎么看待师幼关系的、儿童对当前的师幼关系是否满意、儿童期望的师幼关系是什么样,对于建立良好的师幼关系、促进儿童发展有着重要的意义。本研究选取了30名大班儿童作为研究对象,利用专门研究儿童视角的马赛克方法,将观察、访谈、儿童会议、角色扮演游戏、儿童绘画等多种工具结合在一起,通过分析儿童视角下师幼关系的认知因素、行为因素、情感因素,还原儿童视角下师幼关系的完整图像。探讨儿童视角下师幼关系存在的问题,并以哈贝马斯交往行为理论为基础分析问题的成因,在此基础上,对教师与幼儿园提出具有实践价值的教育建议。研究发现,大班儿童能够初步理解师幼关系的含义,能够认识师幼关系与亲子关系、同伴关系间的区别。儿童在判断师幼关系时,主要从自身的实际感知与体验出发,以自己是否喜欢教师、感受到的教师是否喜欢自己作为判断师幼关系的依据。但在实际建立师幼关系的过程中,教师始终都是动作的发出者与决定者,占据着主导地位,前者是由儿童的年龄特点所决定的,后者是由教师在儿童眼中的重要性所决定的。儿童对当前师幼关系的满意度较高,但仍存在一些问题:师幼关系缺少良好的开端、教师缺失对儿童的单独关注、师幼间交往存在不平等现象且场景单一、缺乏持续性。针对儿童眼中师幼关系存在的问题及分析出的成因,对幼儿园和教师提出了几点建议,从入园准备开始,注重培养教师倾听与观察、家园沟通的能力,引导儿童建立良好的同伴关系与正确的自我价值观,帮助儿童建立他们期望中有温度、平等、稳定的师幼关系。
其他文献
近年来,深度神经网络在二维图像领域的应用取得了很大的成功,随着三维传感器的普及,机器人可以直接通过深度相机获取深度数据,如何利用三维信息去提升机器人的感知能力也成为了计算机视觉领域的一大热点,本文主要针对机器抓取任务,利用三维信息实现对物体的识别和姿态估计。本文研究物体的机器抓取中的两个核心感知算法,包含三维识别和姿态估计,其中姿态估计是基于标准模型的相对姿态估计。抓取过程中首先需要知道物体的位置
图像属性转换是一项新兴的图像处理技术,其任务是根据使用者需求,对图像中的一种或多种属性进行相应转换,同时保证生成图像的高质量、真实度和多样性。图像属性转换技术的应用十分广泛,涉及电影制片、照片编辑、电子商务等众多行业,也因此成为了当今计算机视觉领域的热门研究课题。早些年间,图像属性转换的主要形式为神经风格迁移,依靠卷积神经网络进行学习。由于传统卷积神经网络需要设立明确的训练目标,所以无法适用于其他
360度视频的高精度和全景特性既给用户带来了沉浸式体验,也使其在现有网络中传输面临巨大的挑战。这种挑战性表现在传输整个360度视频会占用大量的带宽资源,容易引起网络拥堵和造成传输延迟。事实上,当用户佩戴头戴式显示设备观看360度视频时,同一时刻仅能看到一部分视频区域。因此,结合Tiling技术和自适应流传输技术,将360度视频在时间和空间上切片,以Tile粒度传输视频可以节约大量带宽资源。另一方面
视频中的行为识别一直以来都是计算机视觉社区中最热门并且悬而未决的问题之一。行为识别不仅能够直接运用在智能监控,无人驾驶,人机交互等多个领域,并且是许多其他视频研究任务的基础。随着深度学习技术的发展,行为识别这一领域涌现了许多基于深度神经网络的新算法。主流的方法大体上分为3D卷积,双流,循环神经网络三个家族。依靠这些方法,视频的时空特征能够被有效地挖掘和运用。这些模型能够在UCF101,HMDB51
深层页岩气储层岩石组构复杂、非均质性强,基于矿物含量三端元的岩相分类无法精细反映其非均质性变化。利用X射线衍射、物性、薄片、地球化学以及测井等资料,对川南泸州地区五峰组—龙马溪组深层页岩地层开展了以“氧化还原+TOC含量+矿物组分”三重信息为基础的微相细分,分析了不同测井曲线对微相细分类型的敏感性,并采用基于K-means的贝叶斯判别法建立了微相细分类型的测井精细识别方法。结果表明:(1)研究区页
转移肿瘤是指癌症从身体的一个部位扩散到了另一个部位,大约三分之二的癌症患者都会患有骨转移肿瘤,而脊柱是骨转移肿瘤最常见的发病部位,脊柱转移肿瘤可能会引起病人疼痛、脊椎不稳定和神经损伤。因此,脊柱转移肿瘤的早期检测对于疾病的精准分期、改善患者的预后以及最佳治疗方案的选择至关重要。在脊柱转移肿瘤的临床诊疗中,脊椎的检测分割以及骨质质量的诊断分类是两个非常重要的问题。本文针对这两个问题,基于深度学习的方
随着科技的发展,学者的数量也迅速增长,由于学者之间交流频繁,而且学者个人信息在许多领域都有应用,因此如何准确快速地获取学者信息变得非常重要。Acemap作为一个学术大数据平台,目前数据库中还缺少相关学者信息的数据。本文从Acemap的实际情况出发,对使用计算机方法自动从互联网中获取学者信息进行了研究。本文将该过程分成三大部分,分别是网络数据采集、学者主页判别和学者主页信息抽取,对每一部分分别进行了
期刊
语义分割是一种细粒度的场景理解任务,在自动驾驶、计算影像等众多应用中起着至关重要的作用。随着深度学习的发展,基于深度模型的语义分割算法也取得了重大的进步。但是由于语义分割需要像素级别的精确标注,相较于分类模型极大地提升了标注的难度和成本,也限制了语义分割任务在新场景的应用和扩展。为此,本文探究在弱监督情况下,即如何在降低数据标注的数量或者质量的情况下,保证分割模型的效果。针对语义分割任务中图像标注
智能驾驶中车辆检测技术这一核心环节,在自主导航、碰撞检测等应用中有着重要的地位。通过输入的传感器数据,车辆检测算法提取环境中的特征,实时检测环境中的车辆目标及其空间位置以及车辆目标当前的姿态,从而合理地对车辆前进路线进行规划。虽然在现有研究下,已经有部分较为成熟的车辆检测算法,但这些算法仅能在光照等环境条件理想的情况下实现车辆检测,并且由于激光雷达本身的限制,远距离目标的点云数据十分稀疏,极大地影