贺思辉_华东师范大学金融与统计学院_研究生导师_创新助手_人物报告_2016-01-19
[其它考试]第一章 风险管理导论
![[其它考试]第一章 风险管理导论](https://img.taocdn.com/s3/m/7ebe14a302d276a200292eaa.png)
第一讲 风险管理导引
关于风险的第一次定义出现在1921年： F. H. Knight‘s famous distinction between risk and un- certainty, where the former is an insura- ble and the later an uninsurable hazard. The alleged economic cause for the ob- served distinction in risk-classes is that for the first there exist objective experience rates, on the basis of which profitable premiums can be set by insurance com- panies, while for the second no such ob- jective data exist。
第一讲 风险管理导论
本章教学目的：
本章教学方法： §1.1 风险管理考试要求简介（见大纲）
2018/11/20 华东师大金统学院-贺思辉 shhe@ 1
第一讲 风险管理导论
《风险管理》自考大纲对考察能力的要求 识记——能够知道有关名词、概念、知识 的含义，并能正确认识和表达； 领会——能全面把握基本概念、基本原理、 基本方法，能掌握有关概念、原理、方法 的区别与联系； 应用——能应用基本概念、基本原理、基 本方法分析和解决有关理论和实际问题。 “三基 ”—基本概念、基本原理与基本方 法。
2018/11/20
华东师大金统学院-贺思辉 shhe@
黄桃叶绿体基因组的组装与序列分析
热带作物学报2022, 43(8): 1545 1553Chinese Journal of Tropical Crops黄桃叶绿体基因组的组装与序列分析龚意辉，周桂花，李丽梅，曾永贤，陈致印*湖南人文科技学院农业与生物技术学院，湖南娄底 417000摘要：以‘锦绣’黄桃为试材，利用Illumina NovaSeq 6000测定‘锦绣’黄桃的DNA序列，用SPAdes v3.10.1组装叶绿体基因组，以桃树叶绿体基因组为参考，对其进行叶绿体基因组特征和进化树分析，为进一步开展‘锦绣’黄桃遗传与鉴定学研究奠定良好基础。
结果表明：‘锦绣’黄桃叶绿体基因组全长为157 786 bp，具有典型的四分体环状结构，GC含量为36.77%，AT含量为63.23%，包括1个大单拷贝区（LSC）、1对反向重复区（IR）和1个小单拷贝区（SSC），序列长度分别为85 924、26 381、19 100 bp，LSC、IR和SSC区域中的GC含量分别为34.61%、42.58%、30.41%。
‘锦绣’黄桃的叶绿体基因组共注释得到130个基因，包括85个蛋白编码基因、37个tRNA基因和8个rRNA基因；按照功能分类将其分为光合作用相关基因、自我复制相关基因、其他基因和未知功能基因4大类，在这些基因中包括18个双拷贝基因，分别是1个NADH脱氢酶亚基基因（ndhB）、4个自我复制基因（rpl2、rpl23、rps12、rps7）、4个rRNA基因（rrn16、rrn23、rrn4.5、rrn5）、7个tRNA基因（trnA-UGC、trnI-CAU、trnI-GAU、trnL-CAA、trnN-GUU、trnR-ACG、trnV-GAC）、2个未知功能蛋白基因（ycf1、ycf2）。
在‘锦绣’黄桃叶绿体基因组中查找248个SSR位点，分布在LSC、SSC、IR区域的SSR数量分别为165、44、39个，占比分别为66.53%、17.74%、15.73%，以单核苷酸重复占绝对优势，主要是A/T，其次是三核苷酸类型，其优势重复单元类型是ATA、TAT和TTA。
总复习题答案
2012-1-9
金统学院-贺思辉 shhe@
22
2012-1-9 金统学院-贺思辉 shhe@ 1
总复习题答案
总复习题一
第三问题：经济增长有三个层次：总量增长、生产能 力增长和人均GDP水平增长；中国尚处于发展中国 家行列，在社会生产力水平远远小于发达国家的改 革开放三十年，以10%左右速度增长是正常的过程， 也被工业化国家发展历史所证实；未来发展成为世 界经济第一大经济体是应该的，因为我们的人口最 多。
2012-1-9 金统学院-贺思辉 shhe@ 5
总复习题答案
计算题 1、解： IS : Y = C + I + G ⇒ r = 350 − 0.5 Y
re = 0.15 400 400 ⇒ Ye = 580 LM : M s = L + L ⇒ r = −1.3 + 0.25 Y 1 2 P 100 C = 150 + 0.5 × 580 = 440; I = 90; L1 = 145; L2 = 37
2012-1-9 金统学院-贺思辉 shhe@ 11
总复习题答案
五、材料分析 参考思路： （1）通胀与经济增长之间关系（可使用IS-LM） （2）注意潜在产出与均衡增长之间关系，也 2 可使用通胀、经济增长和货币发行之间关系 分析从在的问题； （3）使用AD-AS模型说明过度需求导致价格 虚增与通胀的缘由；
2、3、解法与1题类似，省略。 4、解： （1）AD：900/P=1.2Y-3600 （2）P=1时，Y=3750，r=6
2012-1-9 金统学院-贺思辉 shhe@ 6
总复习题答案
总复习三
一、填空题 1、棘轮效应 2、越高、越低 3、不同类型支出（投资、政府购买、转移支付等）增加，国民收入增加倍 数 4、总支出=总收入=总产出；意愿投资=意愿产出； 5、消费、投资、政府购买（政府支出） 6、边际储蓄倾向（1-边际消费倾向） 7、产品市场均衡条件 二、选择题： CBACBC 三、判断题：1-5：TTFTT 6-10：FFFFF
华师大金融学经济学第二讲国民经济统计与收入流量循环
Measures of Income
▪ Gross National Product (GNP) ▪ Net National Product (NNP) ▪ National Income (NI) ▪ Personal Income(PI) ▪ Disposable Personal Income (DPI)
GNP与GDP的区别
▪ 国民生产总值（Gross National Product）是一个国家或 地区居民的生产要素在一定时期内（如一年等）所生产的最 终产品和劳务的市场价值总和。
▪ 国内生产总值（Gross Domestic Product）指一个国家或 地区境内的生产要素在一定时期内生产的最终物质产品和劳 务的市场价值的总和。
四部门经济的收入循环模型与恒等关系
在宏观经济总体中，均衡实现势必是总收入等于总 支出，即
C+S+NT+M=NI=AE=C+I+G+X 即有：S+NT+M=I+G+X 储蓄投资恒等式为：I=S+(NT-G)+(M-X)
=Sp+ Sg+ Sf 一个难点(难于理解的概念)：进口M-作为国民收入
的组成部分；出口X-作为国民收入的支出部分。解 决关键是准确理解投资-储蓄恒等式I=Sp+Sg+Sf
济主体所组成的经济。
政府的经济功能：通过税收（Tax ,记为T； 最终都指向家庭征收，对于国民收入循环来 说是漏出）与政府转移支付（transfer payment，记为Tr；用于救济贫困家庭和支 付社会会保障费用，对于国民收入循环来说 是注入）来与家庭和企业发生关系，因此， 净税收（net tax）NT=T-Tr
AI_大模型在教育应用中的伦理风险与应对
ＡＩ大模型在教育应用中的伦理风险与应对禇乐阳㊀潘香霖㊀陈向东∗(华东师范大学教育学部ꎬ上海２０００６２)摘㊀要:大模型的巨大应用潜能与伴随而来的伦理问题引发了教育领域的广泛关注ꎮ伦理问题虽不是大模型所独有ꎬ但目前的技术架构增加了ＡＩ教育应用伦理的复杂性ꎮ大模型导致的伦理问题与自身的技术特征息息相关ꎬ脱离技术探讨ＡＩ伦理问题无助于理解其教育应用的真实困境ꎮ引发大模型教育应用伦理困境的主要技术诱因ꎬ包括预训练㊁交互㊁交付方式对数据隐私保护的隐患ꎬ以及偏见㊁有毒文本与幻觉的风险行为对生成内容管控的挑战ꎮ为应对这些问题ꎬ要形成 人在回路中 的政策监管ꎬ推进大模型应用民主化ꎬ以及突出基于嵌入式伦理的大模型普及教育ꎮ本研究强调了技术伦理审视在确保教育公平㊁有效和有益的重要作用ꎬ为教育工作者和技术开发者了解和应对大模型的伦理风险提供全方位的视角ꎮ关键词:大模型ꎻＡＩ伦理ꎻ数据隐私ꎻ风险行为作者简介:禇乐阳ꎬ华东师范大学教育学部博士研究生ꎻ潘香霖ꎬ华东师范大学教育学部博士研究生ꎻ陈向东ꎬ华东师范大学教育学部教授㊁博士生导师ꎮ基金项目:全国教育科学规划一般课题 基于大语言模型的青少年人工智能教育研究 (项目编号:ＢＣＡ２３０２７６)的阶段性研究成果ꎮ中图分类号:Ｇ４３㊀㊀㊀㊀㊀㊀文献标识码:Ａ㊀文章编号:２０９５－７０６８(２０２４)０１－００８７－１０ＤＯＩ:１０.１９５６３/ｊ.ｃｎｋｉ.ｓｄｊｋ.２０２４.０１.００９一㊁引言ＣｈａｔＧＰＴ㊁Ｇｅｍｉｎｉ㊁Ｃｌａｕｄｅ等ＡＩ工具在生成文本㊁回答问题㊁连续对话等任务中展现出创造性㊁逻辑推理㊁理解上下文等强大能力ꎬ使得大模型(Ｌａｒｇｅｌａｎｇｕａｇｅｍｏｄｅｌꎬ又译作大型语言模型或大语言模型)成为教育领域关注的热点ꎮ[１]与此同时ꎬ大语言模型涌现出的强大能力引发了各界对于ＡＩ伦理和社会影响的新的关注ꎮ正如圣塔菲研究所的学者们所担忧的: 大模型对普通人和科学家来说都是谜ꎮ神经网络的内部运作方式在很大程度上是不透明的ꎬ即便是构建它们的研究人员面对这样大规模的系统也仅有极为有限的直觉ꎮ [２]当模型生成出乎意料的输出时ꎬ这会引发关于谁应该对此负责和如何控制此类输出的问题:如果训练数据中存在偏见ꎬ模型可能会复制或放大这些偏见ꎬ这意味着模型可能会无意中加深社会不平等ꎻ大模型可能基于特定文化或地区的数据进行训练ꎬ这可能导致对其他文化和价值观的误解或忽㊀㊀∗通信作者:陈向东ꎬＥ－ｍａｉｌ:ｘｄｃｈｅｎ＠ｄｅｉｔ.ｅｃｎｕ.ｅｄｕ.ｃｎꎮ７８视ꎻ训练数据可能来自公共领域ꎬ但也可能包含敏感或私人信息ꎬ模型有时可能生成反映原始隐私数据的输出ꎻ由于模型的复杂性和涌现性ꎬ理解它们如何做出特定的决策也是一个巨大的挑战ꎬ这对于需要解释和验证决策的场合(例如政策制定㊁教育人才选拔等)尤为关键ꎮ这些伦理问题虽然不是大模型所独有ꎬ但是在新的技术架构下出现了更多的不确定性ꎮ[３]例如ꎬ越来越多训练数据集泄露的风险㊁数据集中包含的社会和文化偏见㊁看似合理但实际不准确或具有误导性的 似是而非 的幻觉(ｈａｌｌｕｃｉｎａｔｉｏｎ)信息ꎬ等等ꎮ当大模型被广泛应用于教育和学习领域时ꎬ伦理审视对于确保教育公平㊁有效和有益至关重要ꎮ大模型引出的伦理问题与自身的结构与参数息息相关ꎬ包括自注意力机制和多层神经网络㊁不同来源的预训练材料ꎬ与人类对齐的微调方式ꎬ以及训练过程学习率㊁优化器等参数的调整ꎬ等等ꎮ脱离大模型的技术特征探讨伦理问题无助于理解大模型教育应用的真实困境ꎮ因此ꎬ虽然诸如数据隐私㊁算法偏见等内容一直以来是ＡＩ教育应用伦理研究的重点议题ꎬ但是大模型的快速推进使得对这些议题的讨论需要新的视角ꎮ[４]二、数据隐私保护的挑战ＡＩ教育应用涉及学生成绩㊁面部识别和家庭背景等敏感信息ꎬ如何在隐私保护和技术创新之间找到平衡ꎬ是推进ＡＩ教育应用必然面临的两难问题ꎮ[５]尽管世界各国正在推进全面的立法与监管措施ꎬ目标是在不过度限制ＡＩ的发展的同时ꎬ解决个人信息的使用问题ꎮ然而ꎬ由于技术发展的迅猛ꎬ现有治理模式和立法不仅跟不上ＡＩ的发展速度ꎬ而且过于宏观ꎬ缺少实际操作的细节指南ꎮ[６]大语言模型的出现对教育数据隐私保护提出了更为严峻的挑战ꎮ大模型在预训练过程中不可避免地学习了大量私人敏感信息ꎬ用户与大模型的交互也可能无意中泄露私人数据ꎬ通过应用程序接口(ＡＰＩ)提供大模型服务的模式也增加了隐私管理的复杂性ꎮ这些新的应用特点使得大模型的数据隐私保护与传统ＡＩ有着不同的特征ꎮ(一)大模型训练对数据集的依赖加大了泄露隐私的风险大模型具有更为庞大的参数量ꎬ并在更大规模数据集上进行预训练ꎬ这种预训练过程更易造成训练数据中的敏感信息泄露ꎮ在教育应用中ꎬ这种泄露可能包括学生㊁教师和教育机构的敏感信息ꎬ例如个人身份信息和学术成绩等ꎮ早在ＣｈａｔＧＰＴ发布之前ꎬ研究者们就已经开始探讨语言模型在多大程度上存在训练数据隐私泄露的问题ꎮ例如ꎬ研究者在ＧＰＴ－２上开展了一项数据隐私泄露的审查研究ꎮ他们通过一项测试发现ꎬ如果使用特定的前缀提示ＧＰＴ－２模型ꎬ模型会自动生成一长串文本ꎬ这些文本中包含了ＧＰＴ－２训练数据中的敏感信息ꎬ如特定人员的全名㊁电话号码等ꎮ要有效解决这一问题ꎬ需要对大模型所使用的训练数据集㊁模型架构以及微调方式进行系统审查ꎮ[７]然而ꎬ由于大部分商用大模型的技术细节尚未公开ꎬ这对公众理解和防止数据隐私泄露构成了障碍ꎮ例如ꎬＯｐｅｎＡＩ在其«ＧＰＴ－４的技术报告»中ꎬ并未透露有关架构㊁硬件㊁数据集构建㊁训练方法等详细信息ꎬ其目的旨在维持ＯｐｅｎＡＩ在行业中的领先地位ꎬ而非出于对用户隐私的保护ꎮ[８]对于教育领域ꎬ这种不透明可能会阻碍教育者和政策制定者评估和理解大模型在教育应用中的隐私风险ꎮ教育领域涉及大量定制化的学习内容ꎬ这些敏感数据如果被纳入大模型的预训练ꎬ可能导致不经意的信息泄露ꎮ特别是当模型需要经过教育内容的微调ꎬ如采用课堂录音或教师讲义时ꎬ隐私泄露的风险也会增加ꎮ例如ꎬ为微调面向教育问题生成的ＥｄｕＱＧ模型ꎬ研究者设计开发了数百万条来自众多平台的用户数据集ꎬ但并未详细披露这些数据中隐私部分处理的技术细节ꎮ[９]未来随着更多细分场景的微调数据集被开发ꎬ如何保障其中的敏感数据被有效处理与保护是需要格外注意的问题ꎮ这可能需要对模型训 ８８㊀教育科学版㊀２０２４ １ＡＩ大模型在教育应用中的伦理风险与应对练和微调所用的数据进行严格的审查和管理ꎬ以确保个人和教育机构的数据安全ꎮ(二)自然语言的交流方式增加用户隐私泄露的风险在大模型使用的过程中ꎬ诸如教育管理者㊁教师㊁学生㊁家长等用户主要通过输入自然语言提示的方式与之进行交互ꎮ然而ꎬ在这种情况下ꎬ用户通常会无意识地将敏感信息作为提示的一部分发送给大模型应用ꎮ已经出现了多起因为大模型交互方式而引起的隐私泄露事件ꎬ这些事件具有以下几个显著特点:首先ꎬ数据泄露的广泛性与多样性ꎮ目前ꎬ大模型的应用场景极其广泛ꎬ从个人日常对话到各类机构的专业应用等多个业务领域和应用环境ꎮ这种普遍应用导致了隐私和数据泄露的多样化ꎮ对于教育领域ꎬ尽管涉及的敏感数据类型可能与其他领域有所不同ꎬ如教学材料㊁学生成绩㊁评估数据等ꎬ然而ꎬ具体包含哪些类型的数据也很难明确界定ꎬ因为原则上任何文本材料都可以被大模型处理ꎮ这一点使得大模型与传统ＡＩ教育应用存在显著差异ꎬ因为后者通常在特定的㊁有限的教育业务流程中被使用ꎬ数据泄露风险相对更容易控制ꎮ其次ꎬ用户意识不足和操作不当增加的风险ꎮ大多数用户和组织在使用大模型应用时对其数据处理方式和潜在的隐私风险了解不足ꎮ例如ꎬ尽管有些机构的员工被告知禁止上传敏感信息ꎬ但是上传机密和隐私数据的现象屡禁不止ꎮ[１０]因此ꎬ如果不能对教育从业者㊁学生等群体进行必要的培训ꎬ提高其信息素养ꎬ那么数据泄密等伦理风险也可能随着大模型教育应用的普及而扩大ꎮ最后ꎬ技术复杂性与数据管理的挑战ꎮ大模型的高度复杂性和通用性不仅要求更为周密的数据管理机制ꎬ还突显了技术与伦理之间的张力ꎮ正如上文所述ꎬ一些大模型应用提供方可能会利用教师和学生的交互数据来进一步训练或微调他们的模型ꎬ以改进对教育内容的理解和生成能力ꎮ这也可能加剧积累数据的大模型机构与生成数据的个人之间日益严重的权力失衡ꎮ目前ꎬ在教育领域ꎬ大模型常常被作为虚拟助手ꎬ用于执行如代码生成㊁学业评估㊁资源制作等任务ꎬ这些功能依赖于教师㊁学生等与大模型的持续交互ꎮ如果教育主体过分依赖这些模型的能力ꎬ他们可能会不加注意地将隐私数据上传至大模型ꎬ这会增加隐私泄露的风险ꎮ因此ꎬ提高教育参与者对这些交互方式的深度理解成了大模型教育应用推进的重要前提ꎮ[１１](三)大模型的交付方式提高教育隐私数据管理的难度当大模型提供方与第三方公司合作时ꎬ数据隐私管理变得更加复杂ꎮ当前的大模型交付方式可能要求采用方与第三方供应商共享客户数据ꎮ在这一过程中ꎬ客户数据不仅可能被第三方公司收集和存储ꎬ还可能被大模型提供方接触ꎮ例如ꎬＯｐｅｎＡＩ公司为组织或个体提供ＧＰＴ－４模型的ＡＰＩꎮ第三方公司可以通过这些ＡＰＩ将ＧＰＴ－４模型融入其原有业务ꎬ为用户提供服务ꎬ如语言学习软件多邻国(Ｄｕｏｌｉｎｇｏ)就采用了这种方式使用ＧＰＴ－４模型ꎮ但是ꎬ由于现有的数据安全机制并不完善ꎬ这种数据共享方式可能使敏感信息面临泄露的风险ꎬ如被竞争对手或黑客获取ꎮ一些研究已经证明了这种做法的可能性ꎮ例如ꎬ在生物医学隐私方面ꎬ可以利用图形模型从父母关系和专家知识中推断出个体的基因组ꎻ利用来自社交媒体的信息渠道ꎬ使用聚类进行用户位置的推断ꎻ等等ꎮ[１２]尽管存在数据隐私泄露风险ꎬ为确保在大模型上的领先地位ꎬ各家大模型的服务提供方反而加快了商业化进程ꎮ因此ꎬ为增强对数据隐私保护的力度ꎬ大模型采用方须对利益相关者阐明正在使用的数据及其目的ꎬ持续监控和调整大模型的应用伦理策略ꎬ并确保大模型与现有的㊁安全的平台集成ꎮ随着大模型在教育领域的推广应用ꎬ各类敏感信息将面临被滥用的风险ꎮ尽管相关的监管机制正在推进ꎬ但现实中技术发展与伦理规范建设之间存在明显鸿沟ꎮ在个人信息权力失衡的情况下ꎬ教育机构与大模型提供方有义务为其教育应用的数据隐私议题提供可控的保护措施ꎮ同时ꎬ提高不同利益相关者对数据隐私的关注与维权意识ꎬ也是消除这一隐患的重要途径ꎮ９８三、风险行为的涌现算法偏见的伦理风险防范与治理一直是ＡＩ应用中需要重点关注的议题ꎮ这种关注主要源于部分学者认为ꎬＡＩ算法并非完全客观和价值中立ꎬ其偏见属性实际上是人类社会中固有偏见在ＡＩ算法训练与运行过程中的映射ꎮ[１３]在大模型应用的背景下ꎬ算法偏见问题已经呈现出新的㊁更复杂的特点ꎮ当大模型系统各部分相互作用时ꎬ可能会出现一些难以预测的负面效应ꎬ如更为直接的偏见内容㊁有毒文本和模型幻觉等ꎮ更麻烦的是ꎬ随着服务交付和用户交互日趋复杂ꎬ相关的问责机制也更难建立ꎮ这些因素不仅相互关联ꎬ而且可能进一步影响大模型在教育领域的安全和有效性ꎮ(一)偏见内容产生多种负面影响大模型已经开始深度应用于许多学科教育领域ꎬ然而ꎬ大模型在处理某些类型的数据时会表现出倾向性或偏好ꎬ导致其输出结果存在系统性错误ꎮ随着模型训练所需的数据量的增长和模型结构的复杂化ꎬ识别和修正这些偏见变得尤为困难ꎮ已有研究报道ꎬ大模型有时会生成具有歧视㊁仇恨和排斥等有害特质的文本ꎮ如果不加以控制ꎬ这些偏见性内容可能助长社会刻板印象的固化与传播ꎮ根据对现有文献的梳理ꎬ大模型偏见内容的特点可以归纳为以下两个方面:一方面ꎬ模型输出的内容可能包含社会刻板印象㊁不公平歧视㊁仇恨言论和攻击性语言等ꎮ一些实证研究通过反事实评估表明ꎬ语言模型Ｇｏｐｈｅｒ不仅会将负面情绪与不同的社会群体联系起来ꎬ还会显示性别和职业之间的刻板印象ꎮ[１４]ＧＰＴ－３模型在测试中表现出对宗教文化的偏见ꎬ明显地将特定宗教信仰的群体与恐怖组织参与者建立关联ꎮ[１５]在教育应用中ꎬ如学生就业推荐ꎬ大模型在接收到与学生未来职业规划相关的查询时ꎬ可能会倾向于为学生推荐符合传统性别角色的职业发展路径ꎬ这不仅会限制学生的选择ꎬ也可能进一步加深社会性别刻板印象的固化ꎮ另一方面ꎬ大模型展示的偏见也包括对现存社会规范的强化ꎮ对那些不符合规范的群体或个体产生排斥或压制ꎬ这种现象体现了大模型学习方式的一种排他性ꎮ例如ꎬ当提到 女医生 ꎬ大模型可能会认为 医生 这类群体原本就不包含女性ꎬ 女医生 是一种社会性规范之外的新群体类别ꎮ[１６]这很有可能导致大模型产生排除㊁否定或压制不属于这些类别的身份的内容ꎬ受影响的个人也可能遇到 分配 或 表征 伤害ꎮ[１７]在教育应用中ꎬ如果一个教学辅助大模型被设计来辅助学生理解不同时期的社会和文化背景ꎬ它可能在解释某些历史事件时展现出文化或政治偏见ꎬ无法提供多元视角的解释ꎬ从而影响学生对历史文化发展建立批判性思维ꎮ大模型存在的潜在偏见性对于自动化评价㊁在线教科书等方面应用的影响尤为显著ꎮＫａｓｎｅｃｉ等认为ꎬ这些偏见的文本将潜移默化地影响学习者的心智ꎬ进一步加深其已有的刻板印象ꎮ[１８]为解决这些问题ꎬ教育工作者和研究人员已经开始探索多种应对策略ꎬ包括对训练数据集的管理㊁微调策略或是内容过滤工具等ꎬ以期减轻大模型生成偏见内容对教育带来的负面影响ꎮ(二)有毒文本威胁学习者的身心健康大模型为大规模㊁敏捷地创建教材ꎬ个性化练习等教学资源提供了一种富有前景的解决方案ꎬ并已被初步验证与人类制作的资源质量相当ꎮ[１９]然而ꎬ与其带来的便利性相对ꎬ大模型生成的有毒文本可能在不经意间损害了教育过程的公平性和有效性ꎮ有毒文本ꎬ如模型生成的攻击性㊁歧视性或其他令用户不适的负面内容ꎬ对心智尚未成熟的学习者可能造成严重的身心影响ꎮ有毒内容通常指的是模型生成的攻击性㊁歧视性或其他让用户感到不适的负面内容ꎮ这些内容可能是训练数据中的现有信息所导致的ꎬ也可能是由于模型的生成策略或参数设置产生的ꎮ一种在业界广泛接受的定义来自Ｊｉｇｓａｗ公司: 如果生成的话语是粗鲁㊁不尊重或不合理的ꎬ到了可能会驱使人们离开对０９㊀教育科学版㊀２０２４ １ＡＩ大模型在教育应用中的伦理风险与应对话的程度ꎬ那么这样的内容就可以被认为是有毒的ꎮ 有研究发现大模型往往会模仿训练数据中的有毒信息和刻板印象ꎬ因为这些模型本身缺乏逻辑推理和批判性思考的能力ꎮ[２０]除此之外ꎬ即使是看似无害的用户输入也有可能触发模型生成有毒内容ꎮ特别是当模型接到与特定角色相关的提示时ꎬ生成有毒内容的概率会明显增加ꎮ例如ꎬ当在提示中赋予ＣｈａｔＧＰＴ特定的角色时ꎬ有毒言论的产生数量可能增加高达６倍ꎮ[２１]从源头上解决有毒文本生成问题的难度较大ꎬ目前计算机领域的研究主要聚焦于对其的修复和补救措施ꎮ但这些方法也存在短板ꎬ例如ꎬ在解毒中可能导致某些群体声音被边缘化ꎮ这为教育领域为大模型应用设置防护措施提供了一些启示:在教育领域ꎬ仅依赖技术干预是不够的ꎮ正如Ｋｈｏｓｒａｖｉ所指出的ꎬ仍需强化教育者(人类)对大模型生成内容的质量和安全性审核ꎬ同时持续评估学习者的使用体验ꎮ[２２](三)大模型生成的幻觉降低教育教学决策的可靠性幻觉 原本是心理学术语ꎬ指的是一种主观感觉真实的心理幻觉ꎬ近年来也被用来形容大模型生成的特定内容ꎬ如 产生不真实或无意义的文本 ꎮ这种不良现象与这种心理幻觉具有相似的特征ꎬ因为生成内容会给用户留下流畅和自然的印象ꎮ由于大模型生成的幻觉内容大部分是以用户所提供的真实上下文为基础ꎬ因此实际上用户也很难具体核实幻觉的存在ꎬ对于学生群体来说更是如此ꎮ即便是对于教师ꎬ这种幻觉也可能在一些常见的教学场景中造成伦理问题ꎬ例如ꎬ如果模型产生的学生评估数据是幻觉信息ꎬ教师不加判断地相信这些信息ꎬ则可能会做出错误的教学决策ꎬ造成教学事故ꎮ整体而言ꎬ造成大模型输出内容产生幻觉的原因包含以下两个方面ꎮ１.对训练数据集的处理方式影响教育生成内容的可靠性与准确性大语言模型的预训练过程是幻觉产生的重要来源之一ꎮ这一阶段通常涉及海量的数据集和复杂的算法ꎬ由于其内部机制是不透明的ꎬ模型在实际应用中容易产生与训练数据不一致或误导性的输出ꎮ现有研究发现ꎬ训练阶段造成模型幻觉的重要原因包括数据收集方式与对数据集中重复项的处理等方面ꎮ一方面ꎬ启发式数据收集方式可能导致模型在学习过程中产生误解ꎮ在启发式数据收集的环境中ꎬ研究者会根据一些经验规则或者策略ꎬ选择并配对真实的句子或数据表单作为源和目标ꎮ例如ꎬ当构建训练所需的数据集时ꎬ研究者使用维基百科的信息框作为源ꎬ并将维基百科页面的首句作为目标参考ꎮ[２３]由于这两者之间可能存在内容不匹配ꎬ模型在学习这些数据时会形成误导性的知识ꎮ对于生成教育资源这类常见的应用场景ꎬ若大模型的预训练或微调阶段存在这种数据收集方式ꎬ可能会产生生成内容不准确或与课程目标不匹配等问题ꎬ影响生成资源的可靠性ꎮ另一方面ꎬ未经过滤的重复数据项可能导致模型的幻觉ꎮ重复的数据会导致模型过度拟合这些重复项ꎬ使得模型在训练过程中过多关注它们ꎬ而忽视了其他重要的信息ꎮ在大模型教育应用的过程中ꎬ未过滤的重复数据可能会导致模型在提供学习资源或答案时产生重复或过度简化的内容ꎮ需要指出的是ꎬ目前人工筛查的方式无法解决这一问题ꎬ因为人工处理数百ＧＢ的文本语料库几乎不可能ꎮＬｅｅ等研究初步验证了这一问题的存在ꎬ大模型的训练集中出现的近似重复的例子和长重复子串会导致大模型的输出倾向于重复这些内容ꎮ[２４]因此ꎬ需要专门的工具来鉴别和移除训练数据中的重复项ꎮ２.Ｔｒａｎｓｆｏｒｍｅｒ架构的推理方式影响大模型对教育场景任务的理解虽然大语言模型的训练方式是产生幻觉的重要原因ꎬ然而模型推理方式的局限也可能会导致幻觉的存在ꎮ[２５]特别在基于Ｔｒａｎｓｆｏｒｍｅｒ架构中ꎬ编码器和解码器的交互方式以及预训练知识的应用会放大模型的幻觉ꎮ一方面ꎬ在某些Ｔｒａｎｓｆｏｒｍｅｒ架构的语言模型中ꎬ编码器主要负责理解输入ꎬ解码器则负责生成输出ꎬ两者之间的交互方式和 曝光偏差 (ＥｘｐｏｓｕｒｅＢｉａｓ)共同决定了模型的输出质量ꎮ编码器部分重点解析输入文本ꎬ并转化为模型内部的代表性编码ꎬ然而ꎬ注意力机制有时会导致模型过度集中在输入文本的某一小部分ꎬ导致忽视了其他重要信息ꎮ解码器潜在的问题同样不容忽视ꎬ由于编码阶段可能存在的误差ꎬ１９解码器有可能放大这些误差ꎬ导致更严重的幻觉ꎮ这种现象在处理长篇文本时尤为明显ꎬ因为曝光偏差会让错误逐渐累积ꎮ大模型很可能在教育应用中涉及长文本处理的任务ꎬ例如ꎬ在自动批改学生的长篇作文时ꎬ可能存在对作文文本的理解偏差ꎬ从而影响批改的质量ꎮ另一方面ꎬ大模型在实际应用中常常过度依赖预训练阶段获得的知识ꎮ尽管这种依赖能够提升模型在多数下游任务上的表现ꎬ但同时也可能导致生成幻觉ꎮ这一问题在教育场合下也值得关注ꎮ例如ꎬ模型在解答学生个性化问题时ꎬ可能会忽视其特定的上下文对话背景ꎬ从而给出不准确或与问题不相关的回答ꎮ大模型本身的偏见属性及其生成内容的潜在风险日益凸显ꎬ为减少这些新出现的风险ꎬ训练数据集的管理㊁训练与推理机制的改进以及输出内容的检测等技术层面问题也应成为教育应用伦理研究关注的焦点ꎮ四、教育领域的应对教育界已经开始正视大模型的应用价值并探索如何有效地落地ꎮ大模型在数据隐私㊁风险行为㊁可解释性等方面的潜在伦理风险已经开始得到关注ꎬ一些研究开始评估大语言模型在教育领域的伦理风险和挑战ꎬ并寻找最有效的应对策略ꎮ[２６]有研究者通过广泛的社会调查以收集公众的观点和反馈ꎬ将咨询对象扩大至教育管理者㊁教师㊁学生㊁家长及公众等广泛的利益相关者ꎬ并据此提出了大模型教育应用的典型应用场景和伦理风险应对策略ꎮ[２７]下文将主要结合教育界的现有行动解释三条应对策略ꎬ分别为坚持 人在回路中 的监管策略㊁推进大模型应用民主化以及基于嵌入式伦理的课程教学ꎮ(一)以 人在回路中 理念推动对大模型教育应用的监管 人在回路中 是指人类在决策过程中需要发挥积极作用ꎬＡＩ系统提供的建议或方案在实施前需要人类批准ꎮ这种方法允许人类将他们的专业知识和判断应用于人工智能生成的建议ꎬ确保最终决策是明智和准确的ꎮ[２８]结合现有的监管动向ꎬ确保 人在回路中 的理念主要包含以下几个特点ꎮ首先ꎬ人的中心性在大模型监管策略中得到了明确的体现ꎮ美国教育部的教育技术办公室发布的«人工智能和未来的教与学:洞见与建议»(ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅａｎｄｔｈｅＦｕｔｕｒｅｏｆＴｅａｃｈｉｎｇａｎｄＬｅａｒｎｉｎｇ:ＩｎｓｉｇｈｔａｎｄＲｅｃｏｍｍｅｎｄａｔｉｏｎｓ)将 人在回路中 作为ＡＩ教育应用的核心标准之一ꎬ这一标准强调教育工作者在ＡＩ融入教育过程中的决策权和对学生数据采集的监管责任ꎮ与此同时ꎬ日本文部科学省也发布了关于«初等和中等教育阶段ＡＩ使用的暂行指南»ꎬ特别强调教育主体批判性理解大模型输出的重要性ꎮ除此之外ꎬ联合国教科文组织(ＵＮＥＳＣＯ)于近期发布的«教育与研究领域的生成式人工智能指南»(ＧｕｉｄａｎｃｅｆｏｒＧｅｎｅｒａｔｉｖｅＡＩｉｎＥｄｕｃａｔｉｏｎａｎｄＲｅｓｅａｒｃｈ)也呼吁用人本和价值导向的方式看待大模型在教育中的应用ꎮ这三份文件均着重于突出人在大模型应用流程中的主体地位ꎬ以实现应用的可解释性和信任提升ꎬ并呼吁开展更多的实证研究来验证大模型的教育应用ꎮ然而ꎬ据ＵＮＥＳＣＯ的统计ꎬ全球仅有不足１０％的教育机构制定了与大模型应用相关的政策ꎬ这也说明全球范围内还需进一步完善这些规定ꎮ其次ꎬ大模型技术的应用受到了明确的规范ꎮＣｈａｔＧＰＴ在学生群体中的火热ꎬ使得教育机构不得不迅速制定应对的规则和准则ꎬ以防止大模型在学生作业和考试中的不当使用ꎮ在ＣｈａｔＧＰＴ发布的最初两个月ꎬ许多欧美的中小学采取了果断的限制策略ꎮ但高等教育领域的态度相对温和ꎬ制定了一系列有选择地使用大模型的政策ꎮ例如ꎬ英国剑桥大学除发布限制政策外ꎬ也邀请相关研究人员对包括学生㊁教员等进行正确使用大模型的培训与普及ꎻ美国哈佛大学虽然限制了大模型在学术环境中的使用ꎬ但也允许在特定场合下有选择地利用这些工具ꎬ并陈述使用原因ꎮ值得注意的是ꎬ这些限制并未影响高等教育机构探索大模型在课堂教学中的潜力ꎮ哈佛大学将在其著名的计算机科学导论课程ＣＳ５０中引入一个大模型聊天机器人ꎬ旨在引导学生思考而非直接提供答案ꎬ促进学生批判性思维的发展ꎮ最后ꎬ积极建立教育领域内外各方的合作机制ꎬ以审慎㊁有效地应用大模型技术ꎮ教育机构正积极与２９㊀教育科学版㊀２０２４ １。
利率决定的八种理论
案例1 1992年索罗斯成功狙击英镑
在1990年，英国决定加入西欧国家创立的新货币体系——欧 洲汇率体系（简称ERM）。索罗斯认为英国犯了一个决定性 的错误。因为欧洲汇率体系将使西欧各国的货币不再盯住黄 金或美元，而是相互钉住；每一种货币只允许在一定的汇率 范围内浮动，一旦超出了规定的汇率浮动范围，各成员国的 中央银行就有责任通过买卖本国货币进行市场干预，使该国 货币汇率稳定到规定的范围之内；在规定的汇率浮动范围内， 成员国的货币可以相对于其他成员国的货币进行浮动，而以 德国马克为核心 。 特别是在1992年2月7日，欧盟12个成员国签订了《马斯特 里赫特条约》。这一条约使一些欧洲货币如英镑、意大利里 拉等显然被高估了英国经济日益衰退，英国政府需要贬值英 镑，刺激出口，但英国政府却受到欧洲汇率体系的限制，必 须勉力维持英镑对马克的汇价。英国政府的高利率政策受到 许多金融专家的质疑，国内的商界领袖也强烈要求降低利率。
形 成
牺
报
生产费用 牲
节 欲
构 成
价值
酬
形 成
形 式
利润
2016/4/9
金统学院-贺思辉 shhe@
19
利率决定的八种理论 ——(4)时差利息论 代表人物：奥地利经济学家欧根· 冯· 庞巴维克（Eugen Von Bohm-Bawerk，1851-1914）以人的主观评价 与时间因素来解释利息。他认为人们对于“现在财 货”的评价通常大于对于“未来财货”的评价，这 种由于对现在和未来两个时间的主观评价的不同而 带来的价值上的差异就是“时差”。时差的存在， 要求未来财货的所有者必须向现在财货的所有者支 付相对于价值时差的“贴水”，这个贴水就是利息。 这种时差理论不仅适用于借贷利息，也适用于其他 的各种经济租金的解释（如：利润、地租）
浅析我国普通家庭投资理财的现状和对策
徐若桐 长春师范大学经济管理学院张丽辉 长春师范大学生命科学学院摘要：随着我国经济建设的发展以及人们经济水平的提高，很多家庭会更渴望将家庭闲置的资产用于投资理财，以获取家庭收入最大化。
家庭投资理财主要解决的是在家庭财产资金有限的情况下，通过对投资理财产品进行科学合理地配置和财富的保值、增值，来实现家庭生活的目标。
本文从家庭投资理财为视角，分析了家庭投资理财在我国发展的现状及存在的问题，并提出了家庭理财的解决对策和建议。
关键词：家庭投资理财；现状；对策中图分类号：F832 文献识别码：A 文章编号：1001-828X(2017)031-0234-02在现代经济发展中，投资对于经济发展是很重要的，社会主义国家宏观经济的目标是促进国民经济持续、快速、健康稳定发展。
通过合理规划家庭投资，居民家庭的收入会增长，人们的生活水平质量进一步提升，必然有利于宏观经济目标的实现；此外，还能够对家庭经济生活的风险进行有效规避，保障其基本的生活水平质量。
一些家庭通过合理科学的投资理财观念和方式增加了可观的收益，使家庭生活变的舒适幸福，而另外一些家庭通过错误的理财理念和方式，使家庭资产一去不复返，荡然无存，并且背负着沉重的负债和负担。
因此不管是怎样的家庭，正确合理的家庭投资理财是必不可少的。
一、家庭投资理财基本概念家庭投资理财不等于简单的存钱，它是根据家庭的需要将所有资产和负债，进行积极主动的规划、安排、替换和调整，使其达到保值、增值的效果。
因此，家庭投资理财就是基于家庭现有的资金和未来预期的资金，建立各阶段的财产目标，设计相应的理财方案，调整布局和投资资金，在取得所投资产品的资产信息基础上控制风险，来实现家庭投资财产收益的最大化，最终满足家庭保值增值的需要[1]。
二、家庭投资理财存在的问题1.家庭理财观念不科学在投资理财观念上，我国居民家庭对社会经济术语、理财知识以及投资工具的掌握上认识不足。
首先，传统的、单一的理财观念制约着家庭的理财理念，大多数家庭都认为应该保持省吃俭用，量入为出的传统财务理念，消费观念和理财意识根深蒂固，所以家庭理财投资缺乏开拓性。
高中生数学思维僵化问题及对策研究
效ꎬ重难点突破将更加顺利.笔者安排各小组选出代表展示自己的学习成果ꎬ老师进行适时点拨㊁总结ꎬ着重学生核心素养的培养.环节６.课堂练习翻转课堂的教学效率提高ꎬ课堂富余时间较多ꎬ使我们可以根据教学内容多设计一些练习放到课内.作业设计一般要求在２５分钟左右ꎬ以近年来的高考真题与模拟试题为主ꎬ有一定的坡度.环节７.习题研讨翻转后的课堂教学要在课堂上完成习惯的反馈.学生可以在小组内部分享解题思路ꎬ也可以由小组选出代表给全班同学分享解题思路ꎬ也可以师生之间进行交流.环节８.反思提升反思环节是翻转课堂必不可少的一个内容.通过该环节ꎬ引导学生对本节课的知识进行总结ꎬ对解题方法进行提炼.３.高中数学核心素养发展量表普通的数学测试是很难全面评价学生数学学科核心素养的发展水平的.为了较为科学地评价学生的核心素养发展水平ꎬ我们设计了高中数学核心素养发展量表ꎬ记录学生在完成学习任务时的真实表现.本节课笔者依据教学内容设计了 数学抽象核心素养发展量表 数学建模核心素养发展量表 .㊀㊀三㊁基于提升学生核心素养的翻转课堂冷思考１.借助翻转课堂ꎬ能有效提升学生核心素养的发展水平翻转课堂这种新的教学模式ꎬ能有效提升学生 学会学习 实践创新 科学精神 等素养.在本节课中ꎬ学生通过课前微课学习㊁课中合作探究小组展示ꎬ着重发展了 数学抽象 数学建模 素养.学生在学习中ꎬ扎实有效地提升了核心素养的发展水平.２.如何借助翻转课堂教学模型ꎬ确保提升核心素养的有效性一是分析教学内容包含哪些具体的核心素养ꎬ并依据知识要点ꎬ课前认真制作针对核心素养发展的微课.二是课堂互动要围绕具体问题开展.学生先独立思考ꎬ然后交流讨论ꎬ教师主要进行答疑解惑ꎬ引领提升.总之ꎬ 两案两段八环节一量表 翻转课堂教学模式ꎬ能够充分激发学生自主学习的积极性ꎬ提高课堂教学的互动性㊁学生探究的主动性ꎬ使发展学生核心素养不再是空洞的口号ꎬ为学科教学变革提供了一种新的途径.㊀㊀参考文献:[１]赵笑笑.翻转课堂教学模式的实践探索[Ｊ].国网技术学院学报ꎬ２０１７ꎬ２０(０６):６３－６５＋７４.[责任编辑:杨惠民]高中生数学思维僵化问题及对策研究贺红慧(江苏省白蒲高级中学㊀２２６５１１)摘㊀要:随着教育课程新课改的实施ꎬ教育理念㊁教学手段和教学方式都在随着现代化不断的更新和进步.思维能力是学生在学习当中综合体现思考ꎬ质疑ꎬ和确信的过程ꎬ对于高中的每一门学科来说都至关重要ꎬ它能够在学生思考的过程中帮助学生迅速㊁正确的找到解题思路.然而在当下ꎬ高中生数学思维僵化问题愈发严重ꎬ本文正是在此情况下结合高中学生学习僵化产生的原因ꎬ提出相关对策.关键词:思维能力ꎻ僵化ꎻ高中数学中图分类号:Ｇ６３２㊀㊀㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀㊀㊀文章编号:１００８－０３３３(２０１８)３６－００３３－０２收稿日期:２０１８－０８－２５作者简介:贺红慧(１９８９.７－)ꎬ女ꎬ江苏省南通人ꎬ本科ꎬ中学二级教师ꎬ从事高中数学教学研究.㊀㊀一㊁高中生学习思维僵化的分析１.学生思维能力弱不爱思考ꎬ这是很多学生的现状ꎬ也是让老师头疼的地方.如果问起学生说想要直接讲还是思考了再讲ꎬ学生的回答肯定是直接讲.这是为什么呢?直接讲就是一种吸收的过程ꎬ它没有经过自身的处理再吸收ꎬ简言之就是过滤到了消化这一步骤ꎬ囫囵吞枣ꎬ最后什么都没有吸收到.㊀㊀２.缺乏运用思维能力的条件由于教师缺乏对思维能力的重视ꎬ直接导致了学生刻板的接收知识ꎬ而不经过大脑思考ꎬ不能利用思维训３３Copyright©博看网 . All Rights Reserved.练.都希望学生按照自己的方式不要落下什么差错的解答一道题目ꎬ而忘记了学生自行思维的过程.就好比教室为学生讲请了一道题目ꎬ让学生再叙述一遍ꎬ无疑就相当于重复ꎬ直接省略掉了思维的过程ꎬ这在大多数课堂当中是极为常见的.３.教师引导存在一定的问题由于新课改后ꎬ很大一部分教师追求教学效率极致化ꎬ学生活动多元化ꎬ而忽视了对学生学习思维的多角度引导ꎬ寄希望于活动中发展学生思维ꎬ这难免陷入极端.㊀㊀二㊁改变高中生数学思维僵化的策略１.调动学生的学习兴趣 加强学生主动性思维学生的思维并不是成熟的ꎬ在这样的情况下学生对于很多知识的学习都是出于朦胧的感情驱动型阶段ꎬ只要教师抓住学生的这一特点ꎬ在数学的教学期间牢牢地吸引学生感兴趣的目光ꎬ加强学生主动性思维训练ꎬ才能够让学生对教师的教学内容有足够的学习兴趣.高中数学是具有逻辑性的ꎬ学生在解题的过程中让自己的思维活跃起来ꎬ主动思考ꎬ就更容易使得教师的教学目标达成.比如:函数单调性教学时学生僵硬的背诵公式效果往往不好ꎬ因此教师可以让学生主动地参与公式推导转化过程ꎬ根据公式逻辑性ꎬ动手实践.可设ｘ１ꎬｘ２ɪａꎬｂ[]ꎬｘ１<ｘ２.那么ｘ１－ｘ２()ｆｘ１()－ｆｘ２()[]>０⇔ｆｘ１()－ｆｘ２()ｘ１－ｘ２>０⇔ｆ(ｘ１)<ｆ(ｘ２)⇔ｆｘ()在ａꎬｂ[]上是增函数.ｘ１－ｘ２()ｆｘ１()－ｆｘ２()[]<０⇔ｆｘ１()－ｆｘ２()ｘ１－ｘ２<０⇔ｆ(ｘ１)>ｆ(ｘ２)⇔ｆｘ()在ａꎬｂ[]是减函数.每个推导过程都是有严密逻辑性的ꎬ学生单纯的进行背诵记忆会严重限制学生思维ꎬ主动推导ꎬ探索才能促进学生思维发展.２.设置轻松愉悦的学习环境 加强环境熏陶良好的课堂氛围是思维培养的保障ꎬ也是高效学习的前提.因此在数学教学中ꎬ需要对课堂学习氛围进行培养ꎬ使学生在轻松㊁积极的教学过程中提高自己的学习效率.在营造良好的教学氛围中ꎬ需要教师突破传统的教学观念.教师在教学过程中ꎬ以学生的性格特点为依托ꎬ将学生的兴趣充分地调动起来.当然ꎬ教师的语言体态还可以声情并茂㊁形神兼具㊁甚至幽默搞笑ꎬ将学生的注意力完全集中在课堂之上则效果更好.３.引导学生在课堂上互动学习 加强一题多解教学在传统的教学模式当中ꎬ课堂上就是教师在讲台上讲解本堂课堂的重点学习的目标ꎬ学生在讲台之下奋笔疾书记录下教师口中的重点知识ꎬ这样的教学模式呆板而又枯燥ꎬ学生在这样无聊的课堂上学习会容易产生厌学的心理反应.因此想要从根本上解决学生的厌学情绪就需要教师在传统呆板的课堂中融入自己的教学想法ꎬ让学生在新型的课堂当中产生有趣又持久的学习动力.教师可以在课堂当中设置有趣的问答题ꎬ让学生通过教师的思维引导找到正确的答案ꎬ这样就会让学生的思维在无形之中跟着教师的教学思路走.但这是通过学生的自己思考得到的答案ꎬ在学生的印象当中也会更加的深刻.从而提高了学生的学习质量.在课堂的最后教师在对本堂课上学生的表象提出自己的看法ꎬ再对学生的不足之处进行有效的归纳总结ꎬ并提出自己的解决方法.比如我们在学习空间几何的概念这章内容的时候ꎬ要引导学生从多角度去观察一个立体图形的形状特点.最好将一个图形画成三视图ꎬ这样更有利于学生空间想象力.学生在遇到困难时ꎬ我们要帮助学生解决ꎬ以启发性的讲解方式来引导学生ꎬ最常见的就是 举一反三 .这样讲解有利于学生解决以后遇到的类似的问题.４.提高教师在课堂上的教学质量 加强逻辑思维引导在新课堂上ꎬ教师不能够压抑学生的学习想法ꎬ教师应该想出办法解决学生的呆板思想ꎬ解放出学生活泼ꎬ开朗的天性.在传统的教学模式中就是教师讲学生听ꎬ学生的思维天性都被压抑着ꎬ没有得到解放.当下教师应该做的就是解放学生的天性ꎬ让学生能够在课堂上提出自己的见解ꎬ让学生有 有问题就要自己进行思考的 想法ꎬ不能够就是呆板地听教师的解决方法ꎬ没有自己动脑的时刻.让学生在自己解决问的时候有自己充分的见解ꎬ通过让学生对问题的思考来加深学生对相关问题解决方法的掌握.进而提高课堂的教学质量ꎬ提高学生的学习成绩.在学习函数综合应用知识时ꎬ可以引发学生思考其图象(有无交点㊁交线围成的图形面积㊁数形结合等)ꎬ也可以通过多媒体向学生展示不同函数所表示的图象ꎬ学生通过这些图象的变换很快就能理解函数的概念了.除了多媒体教学ꎬ教师还可以组织学生参加动手绘画等有趣的活动来学习数学.综上所述ꎬ高中数学的教学应该有意识㊁有目的㊁有策略地针对学生逻辑思维能力培养的需要进行变通ꎬ让学生在日常生活中养成逻辑思维的习惯ꎬ以此提高高中数学教学效率㊁促进学生学习效率的提高.㊀㊀㊀㊀参考文献:[１]侯蚺.分析高中数学课堂教学中对学生数学思维能力的培养方式[Ｊ].课程教育研究ꎬ２０１７(１９):１４６.[２]徐亚玲.高中数学教学中数学思维的渗透之我见[Ｊ].新课程:中学ꎬ２０１８(０６):１３４.[３]张灼.创新教学模式ꎬ促进思维发展 浅谈如何提高高中生的数学思维能力[Ｊ].学周刊ꎬ２０１６(２４):２１５－２１６.[责任编辑:杨惠民]４３Copyright©博看网 . All Rights Reserved.。
一族新的免求二阶导数的Chebyshev—Halley型迭代法
ｄ ｒｖ ｔ ｅ ｆｒ ｓ ｌｉ ｇ ｎ ｎ ｉ ｅ ｒｅ ｕ ｔ ｎ ．Ｔ ｅ ｃ ｎ ｅｇ ｎ ｅ ａ ａｙ ｉ ｓ ｏ ｅ ｈ ｔ ｈ ｅ ｍｅｈ ｄ ｅ ｅ ａ ａ ｔ ｅ ａ ｉ ｏ ｏ ｖｎ ｏ ｌ ａ ｑ ａ ｉ ｓ ｈ ｏ ｖ ｒ ｅ ｃ ｎ ｓ ｈ ｗ ｄ ｔ ａ ｅ ｎ ｗ ｔ ｏ ｓｗ ｒ ｔ ｅ ｓ ｉ ｖ ｎ ｏ ｌ ｓ ｔ ｌ ｔ ｉ — ｒ ｅ ｏ ｖ ｒｅ ｔ ｎ ｎ ｙ ｒ ｑ ｉ ｄ ｔ ｕ ｃｉｎ ｎ ｎ ｒｔ ｅ ｖ ｔ ｅ ｅ ａｕ ｔ ｎ ｅ ｅ ａ ｉｎ ｈ ｒ ｏ ｄ ｒ ｎ ｅ ｇ ｎ ，ａ ｄ ｉ ｏ ｌ ｅ ｕｒ ｄ ｃ ｔ ｅ ｗｏ ｆ ｎ ｔ ｓａ ｄ ｏ ｅｆ ｓ ｒ ａｉ ｖ ａ ｉ ｓｐ ｒｉ ｒ ｔ ．Ｅｓ ｏ ｉ ｄｉ ｖ ｌ ｏ ｔ ｏ —
（） １
收敛 阶为 ２ ．
近年 来 ， 有不少 工作 者对 Ｎ ｗｏ ｅｔ ｎ迭代 法进 行 了改进 ． 如文献 ］ ［ 中的 Ｎ ｗｏ—ｔ ｅｓ 迭代法 ， ５ ｅｔ Ｓ ｆｎｅ ｎ ｅ ｎ 其迭 代公 式 为
学生视角下影响中外合作办学双语课程的因素
嘉教论坛Higher Education Forum学生视角下影响中外合作办学双语课程的因素许冬瑞（安徽新华学院安徽•合肥230001）摘要目的：从学生的角度研究影响中外合作办学双语课程的因素.方法：根据安徽新华学院国际教育学院4个专业200份学生问卷调查的数据，运用SPSS22.0统计软件进行Binary Logistic回归分析并建立模型，从学生基本情况、事后感悟两个方面分析了影响中外合作办学双语课程的因素.结果：年级、性别、双语课程开设6勺时间及类型、双语课开设的实际意义、课堂中英语的使用比例、双语课的教学模式对中外合作办学双语课程质量的影响显著，高考英语分数、是否出国留学与中外合作办学双语课程质量的影响不显著.结论:在学生的视角下，影响中外合作办学双语课程的因素有年级、性别、双语课程开设的时间及类型、双语课程开设的实际意义、课堂中英语的使用比例、双语课的教学模式.关键词中外合作办学双语课程学生视角中图分类号：G642文献标识码:A DOI:10.16400/ki.kjdkz.2019.03.010Factors Influencing Bilingual Courses in Sino-foreignCooperative Schools from the Perspective of StudentsXU Dongrui(Anhui Xinhua University,Hefei,Anhui230001)Abstract Objective:To study the factors affecting the bilingual curriculum of Sino-foreign cooperatively-run schools from the perspective of students.METHODS:According to the data of200questionnaires from four majors of the International Education College of Anhui Xinhua University,Binary Logistic regression analysis was conducted with SPSS22.0statistical software and a model was established.The factors affecting the bilingual curriculum of Sino-foreign cooperative education were analyzed from two aspects:the basic situation of students and their post-experience.Result:Grade,gender,time and type of bilingual courses,practical significance ofbilingual courses,the proportion of English used in class,and the teaching mode of bilingual courses have significant effects on the quality ofbilingual courses in Sino-foreign cooperative schools,but the scores of English in college entrance examination,whether to study abroad and the quality ofbilingual courses in Sino-foreign cooperative schools have no significant effects.CONCLUSION:From the perspective of students,the factors affecting the bilingual curriculum in Sino-foreign cooperatively-run schools are grade,gender,the time and type ofbilingual curriculum,the practical significance ofbilingual curriculum,the proportion of English used in classroom,and the teaching mode ofbilingual curriculum.Keywords Sino-foreign cooperation in running schools;bilingual courses;perspective of students1现有研究及存在的问题为了促进我国高等教育与国际尽快接轨，我国高校在中外合作办学方面进行了有益的探索和实践，并取得了一定的成效。
金融市场中的不确定性与其风险测度技术
金融市场中的不确定性与其风险测度技术
贺思辉;李佼瑞
【期刊名称】《西安石油大学学报（社会科学版）》
【年(卷),期】2005(014)002
【摘要】介绍了金融市场上三种不确定性的形成机理,探讨了精算学中对于不确定性金融后果进行量化管理的风险管理技术,特别是金融风险测度技术所应遵循的计量原则,并就不同风险系统下的风险管理技术选择问题进行了深入系统的研究,给出了相应的结果.
【总页数】7页(P26-32)
【作者】贺思辉;李佼瑞
【作者单位】西北工业大学研究生院,陕西,西安,710072;西安财经学院,精算学系,陕西,西安,710061;西北工业大学研究生院,陕西,西安,710072;西安财经学院,精算学系,陕西,西安,710061
【正文语种】中文
【中图分类】F830.9
【相关文献】
1.网络环境下企业技术创新过程中不确定性来源与风险测度 [J], 蒋军锋;党兴华;刘爱文;
2.基于贝叶斯统计的金融市场若干风险测度分析 [J], 李世杰;
3.基于R-vine Copula的金融市场系统性风险测度 [J], 胡一博;赖玉洁
4.基于Copula-GARCH模型的互联网金融市场风险测度 [J], 陈耀辉;马凌云
5.基于Copula-GARCH模型的互联网金融市场风险测度 [J], 陈耀辉;马凌云因版权原因，仅展示原文概要，查看原文内容请购买。
一种改善光照对深度人脸识别影响的方法
⼀种改善光照对深度⼈脸识别影响的⽅法收稿⽇期:2018-04-18 修回⽇期:2018-08-21 ⽹络出版时间:2018-12-20基⾦项⽬:⼴东省⾼校重⼤科研项⽬-特⾊创新项⽬(⾃然科学)(2016KTSCX 167);⼴东省⾃然科学基⾦(2016A 030313384)作者简介:贺 辉(1979-),⼥,博⼠,副教授,研究⽅向为图像处理与智能分析;陈思佳(1995-),男,硕⼠研究⽣,研究⽅向为深度学习三⽹络出版地址:http :///doc/a0013eb2df3383c4bb4cf7ec4afe04a1b071b0d1.html /kcms /detail/61.1450.TP.20181220.1001.014.html ⼀种改善光照对深度⼈脸识别影响的⽅法贺 辉,陈思佳,黄 静(北京师范⼤学珠海分校信息技术学院,⼴东珠海519087)摘 要:在⼈脸识别领域,消除光照变化的不利影响⼀直以来都是⼀个难以解决的问题三⽽与过去的机器学习模型不同,深度学习模型的结构具有和⼈类视觉神经结构相似的特性三这虽然使模型表现出了⾮常好的识别效果,但也使模型变得难以解释,以⾄于以往的⼈脸光照预处理⽅法不再可靠三考虑到卷积神经⽹络具有⽣物视觉神经的特点,⽂中在带彩⾊恢复的多尺度视⽹膜增强(MSRCR )⽅法的基础上,结合对⽐度增强处理,提出了⼀种类视⽹膜⼤脑⽪层增强法,以改善基于深度学习的⼈脸识别模型中光照不均造成的错误识别问题三同时,与基于⼦空间统计的⽅法⼆基于光照不变表⽰的⽅法⼆基于直⽅图均衡化⽅法进⾏了多组对⽐实验,结果显⽰该⽅法⽐其他⽅法更有效,可使深度学习模型的识别率显著提⾼三关键词:⼈脸识别;深度学习;光照;视⽹膜⼤脑⽪层增强中图分类号:TP 301 ⽂献标识码:A⽂章编号:1673-629X (2019)04-0038-04doi :10.3969/j.issn.1673-629X.2019.04.008An Improved Illumination Approach in Deep Face RecognitionHE Hui ,CHEN Si -jia ,HUANG Jing(School of Information Technology ,Beijing Normal University ,Zhuhai ,Zhuhai 519087,China )Abstract :It has always been a difficult problem to eliminate the adverse effects of varying illumination in face recognition.Different from existed machine learning models ,the structure of deep learning model is similar to that of human visual nerve.This makes the model show better recognition effect ,but also makes it difficult to explain ,so that the previous face illumination pretreatment method is no longer reliable.Therefore ,considering the convolutional neural network owning characteristics of biological visual nerve ,on the basis of multi -scale Retinex with color restoration (MSRCR ),combining contrast enhancement processing ,we propose a Retinex enhancement method to improve the error identification problem caused by uneven illumination in face recognition model based on deep learning.And com?pared with the methods based on subspace statistics ,illumination invariant representation and histogram equalization ,the results show that this method is more effective than other methods ,and can significantly improve the recognition rate of the deep learning model.Key words :face recognition ;deep learning ;illumination ;Retinex reinforcement 0 引 ⾔⼈脸识别⼀直以来都是计算机视觉领域的⼀个研究热点,相⽐指纹识别⼆虹膜识别等识别⽅式,⼈脸识别有更多优势,因此,基于⼈脸识别技术的应⽤也越来越⼴泛三随着深度学习的兴起,越来越多的领域采⽤深度学习模型作为主要模型,⽽在计算机视觉领域,卷积神经⽹络(convolutional neural network ,CNN )成为了最有效的模型之⼀,⼈脸识别也不例外,基于卷积神经⽹络分类模型的⽅法具有明显优于以往机器学习模型的效果[1]三神经⽹络如此强⼤的⼀个主要原因是深层神经⽹络拥有的万有逼近”能⼒:深层神经⽹络可以逼近任意连续函数三⽽卷积神经⽹络具有强⼤的采样能⼒,能够⾃动提取图像集中的主要成分[2]三然⽽,虽然⼈脸识别率已经接近100%,但是市⾯上⼈脸识别设备的应⽤却很少,主要原因还是模型训练集远远不能覆盖现实中所有的影响因素,⽽在这些影响因素中,光照是最具代表性的⼀种三虽然卷积神经⽹络本⾝⼗分强⼤,在数据集⾜够好的时候可以⼏乎不采⽤任何图像预处理⽅式,但是当数据集不够全⾯,或者说缺少⾜够多的数据时,光照对识别率的影响很⼤三因此,改善光照对⼈脸识别的影响对实现⼈脸识别在⼯业上的应⽤有着极其重要的意义[3-4]三在光照问题上,近年来并没有提出与CNN 相结合的⽅法,主要原因是⼈为提取⾼质量的特征⼗分困难,第29卷 第4期2019年4⽉计算机技术与发展COMPUTER TECHNOLOGY AND DEVELOPMENTVol.29 No.4Apr. 2019。
第十讲-1：经济增长理论
shhe@
美国经济增长因素分解
1953-1971
国民收入 全 部要 素投 入 劳动 资本 全 部要 素生 产率 知识进展 资源配置改善 规模经济
2011-12-26
8.77 3.95 1.85 2.10 4.82 1.97 0.95 1.94
增长方式转变： •高投入、高消耗、粗放型 的外延式增长； •提高全要素生产率的集约 式、效益型、内涵式增长
10
∆y ∆A ∆k = +β y A k
2011-12-26
shhe@
肯德里克对“剩余”的估计
美国John Kendirich1961 出版《美国生产率趋势》考察 美国1889-1957投入与产出 增长，发现要素投入增长只部 分解释产出增长，而“剩余” 的产出增长归因于技术进步引 起的全要素生产率的提高。
2011-12-26
索洛假定：1/一种产品；2/资本和 劳动两要素；3/无折旧；4/不存在 技术进步，生产规模报酬不变 新古典增长模型的基本方程：人均 储蓄（投资）=资本广化+资本深化
sf ( k ) = nk + ∆k
其中人均产出：
y= f ( L, K ) K = f ( ,1) = f (k ) L L
自然增长率：自然资源、劳动力 增长和技术进步所允许达到的最 大增长率。适宜的储蓄率、合意 的资本-产出比 r
2011-12-26
Gt = GW = Gn
索洛的批评：这一理想的增长路 s 径，宛如 “刀刃”（Knife edge） Gn = shhe@ 6 cr
新剑桥增长模型
2011-12-26
2002年底我国出台相关转 让上市公司国有股和法人 股方面的政策法规后，上 海已在7大领域取消对外资、 民资参与的限制。虽然目 前具体的国资管理体制框 架和改革方案还未“浮出 水面”，但外资和民资参 与国资重组已初露端倪。
第四讲：产品市场和货币市场的一般均衡
2019/7/24
23
r ra re
2019/7/24
IS曲线两侧I S?
• A (IaSa)
E (Ie=Se)
Ya
Y
因为ra>re Ia<Ie 而Ia<Ie =Se=Sa 因此有Ia<Sa，国民产出大
于总支出AP>AE，存货机 制作用下，经济运行进入 下行轨道，如果经济处于IS
5
贴现与MEC
初始
投资I
R1 R2 R3
Rn t
01 2 3
n n+1
假如初始投资为I，则未来现金流R1,R2,…,Rn的现值和为
P V (p r e s e n tv a lu e ) 1 R 1 r 1 R 2 r2 1 R n rn
当PV>I时，投资是值得的！否则就不会投资。
I
(4)
Y2 Y1 y
21
推导过程如下：
图（1）： r=r1时，I=I1； 图（2） ：如果商品市场均衡，则S1=I1； 图（3） ：要使商品市场均衡，即则S1=I1，
则国民产出必须为：Y=Y1； 图（4） ：则意味着当r=r1时，国民产出为
Y=Y1；即找到B点。 同理可找到A点，连接两点，得IS曲线。
可见：资本的边际效率MEC就是使得未来投资收益现金流 的贴现值正好等于投资品价格的贴现率！
2019/7/24
6
案例1 贴现率=MEC
设某企业投资$30000购置一台设备，使用期 限3年，3年后全部损耗无残值。三年收益依 次为$11000,$12100,$36410。
2019/7/24
22
IS曲线的几何含义和经济意义
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0% 0% 0% 0% 100% 0% 50% 0% 0% 33%
2.1.2 中文期刊论文产出表
图表 2 中文期刊论文产出表 总发文量 第一作者发文量 比例
4
1
25%12.1.3 发表中文期刊论文所分布刊情况图表 3 人物发表期刊论文刊分布图
2.1.4 最近发表中文期刊论文情况 从"新国十条"看保险大发展机遇对保险教育改革的影响 华东师范大学金融 与统计学院；贺思辉； 2014 寿险、非寿险发展与经济增长-基于国际视角的实证分析 华东师范大学国际 金融与风险管理研究中心；上海财经大学金融学院；占梦雅；粟芳；贺思辉； 2011 中国企业年金税收优惠政策建模及分析 华东师范大学金融与统计学院；谌 明超；贺思辉；钱林义； 2009 因应房地产金融危局 华东师范大学金融与统计学院风险管理与保险系；周 斌；贺思辉； 上海金融办研究课题 2008 2.1.5 近十年研究热点推荐
I
一、人物简介 二、人物相关科技论文产出分析
2.1 中文期刊论文
2.1.1 中文期刊论文年度发文量
图表 1 中文期刊论文年度发文量 年代 文献量 累积量 增长率
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
0 0 0 1 1 0 1 0 0 1
0 0 0 1 2 2 3 3 3 4
创新助手报告 ——人物分析报告
创新助手平台提供
微信公众号：INFOSOFT_STADS 电子邮件：stads@ 官方网站：
北京万方软件股份有限公司出品
2016-01-19
报告目录
报告核心要素........................................................................ 错误!未定义书签。 一、人物简介........................................................................................................ 1 二、人物相关科技论文产出分析........................................................................ 1 2.1 中文期刊论文 ........................................................................................ 1 2.1.1 中文期刊论文年度发文量 ......................................................... 1 2.1.2 中文期刊论文产出表 ................................................................. 1 2.1.3 所发表中文期刊论文所分布刊情况 ......................................... 2 2.1.4 最近发表中文期刊论文情况 ..................................................... 2 2.1.5 近十年研究热点推荐 ................................................................. 2 2.2 学位论文 ................................................................................................ 3 2.2.1 学位论文年度指导数量 ............................................................. 3 2.2.2 所导硕博论文数量饼状图 ......................................................... 4 2.2.3 所导学位论文 ............................................................................. 4 2.3 中文会议论文 ........................................................................................ 5 2.3.1 会议论文年度发文量 ................................................................. 5 2.3.2 所发表的中文会议论文 ............................................................. 5 三、学术网络........................................................................................................ 5 3.1 学术引用指标 ........................................................................................ 5 3.2 高被引论文 ............................................................................................ 5 四、 人物科研合作关系...................................................................................... 6 五、人物相关关键词............................................................................................ 6 附录一 联系方式.................................................................................................. 7