百姓彩票投注 - 新版APP下载-安全购彩

聚焦类型定位推动职业教育高质量发展******

　　党的二十大报告指出，教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。职业教育作为国民教育体系和人力资源开发的重要组成部分，是广大青年打开通往成功成才大门的重要途径。建设教育强国、人才强国，离不开高质量发展的职业教育。

　　在全面建设社会主义现代化国家新征程中，职业教育前途广阔、大有可为。要优化职业教育类型定位，深化产教融合、校企合作，深入推进育人方式、办学模式、管理体制、保障机制改革，稳步发展职业本科教育，建设一批高水平职业院校和专业，推动职普融通，增强职业教育适应性，加快构建现代职业教育体系，培养更多高素质技术技能人才、能工巧匠、大国工匠。

　　优化职业教育类型定位。随着经济发展和产业结构升级，社会对技术技能人才的需求日趋多样，国家对职业教育的重视程度前所未有。新修订的职业教育法，以法律形式明确了职业教育是与普通教育具有同等重要地位的教育类型，明确国家鼓励发展多种层次和形式的职业教育，着力提升职业教育的认可度。党的二十大报告指出，要统筹职业教育、高等教育、继续教育协同创新，推进职普融通、产教融合、科教融汇，优化职业教育类型定位。职业教育是类型教育而非层次教育的“官方认证”，过程艰辛、意义非凡，是转化职业教育认知、提升职业教育地位、增强职业教育服务社会能力的逻辑起点。不断优化职业教育的类型定位，就要以党的二十大精神为指引，坚持为党育人、为国育才，加快构建中国特色现代职业教育体系，关键在于深化产教融合，增强职业教育适应性。这就要求职业教育必须服务区域、服务行业，全面提高技术技能人才自主培养质量；要因地制宜、量体裁衣，接地气；要加强与普通教育的沟通，深化中高职贯通培养改革，进一步提升职业教育的认可度，为学生多样化选择、多路径成才搭建“立交桥”。

　　坚持以学生为中心理念。职业院校学生通常在入学前未能养成良好的学习态度和习惯，普遍缺乏自信心，因此要加倍予以呵护和培养。职业教育不仅要教学生知识和技能，使他们掌握一技之长，还要培养他们良好的职业素养与职业习惯，培养脚踏实地、精益求精的工匠精神，不断激发他们的职业热情和创新创业激情，使他们能够高质量就业，并通过优异的表现获得社会尊重。

　　创新“扬长教育”实践。职业教育的类型定位与制度举措，厘清了职业教育与普通教育的基本区别和主要联系，明确了发展目标、创新了发展范式，促进了量的累积与质的飞跃。同时，反复强调职业教育的地位，不断出台加快发展职业教育的政策，某种程度上折射出职业教育满足经济社会需要的作用发挥得还不充分、与人才市场的供需还不适配的问题。随着职业教育政策实施，职业院校的生源也更趋多元化，通过实施以个体长处为基点、以激励为核心、以情感为介质的“扬长教育”，让每个学生都得到个性发展，具备“硬技能”；通过“以长促全”，让每个学生都得到全面发展，具备“软实力”，将学生培养成高素质的技术技能人才，最终获得人生出彩的机会。

　　深化职业教育供给侧改革。供给侧改革并非单纯增加或减少供给，而是矫正要素配置的扭曲状态，核心是生产要素的激活。同理，职业教育改革应当不断激发学生的主体性和参与性，以此促进创新发展。要进一步探索与完善办学模式和人才培养模式改革，服务社会和个体发展，培养大批高素质技术技能人才支撑国家现代化建设。首先要在课程设置上增加有效供给，满足多样性需求，打破专业壁垒，开发更多适合学生潜在优势和能力发挥的课程，减少纯知识性课程及其内容的比重。其次要开辟更多的“第二课堂”，让学生在兴趣小组、社团和大量社会实践中找到兴趣点与兴奋点，在活动中实现自己价值和能力的提升。再其次要因材施教，改变教学管理模式，打破标准化流水线式的培养模式，推行柔性教学和弹性教学模式，采用小班制、导师制等，提高教育教学的针对性和有效性。最后要改变教学方法，以学生学习为中心，确立学生在教学中的主体地位，变生硬的灌输为激励式、参与式教学，提高学生学习的主动性与创造性。

　　职业教育与经济社会发展紧密相连，对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义。随着新一轮科技革命和产业变革深入发展，人工智能、大数据、云计算等科技手段引发数字化转型革命，新制造、新零售、新金融等商业模式引发生产与消费革命。职业教育要把握形势、顺应趋势，准确识变、科学应变、主动求变，进一步深化产教融合、校企合作，结合新技术、新产业、新模式、新岗位强化专业设置与建设，进行课程体系研发，增强学生的创造力、技术力、问题解决和团队合作能力，为学生实现自由而全面的发展创造良好条件，为党和国家源源不断地培养担当民族复兴大任的高素质技术技能人才。

　　（作者：张洁，系北京财贸职业学院副教授）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）