设计与编写教学目标(第八版)

设计与编写教学目标(第八版) pdf epub mobi txt 电子书 下载 2026

出版者:中国轻工业出版社
作者:[美] 诺曼·E. 格朗伦德(Norman E. Gronlund)
出品人:
页数:221
译者:盛群力
出版时间:2017-10
价格:42.00元
装帧:平装
isbn号码:9787518415946
丛书系列:
图书标签:
  • 教学法
  • 教学
  • 教学目标
  • 教学设计
  • 教育评估
  • 课程开发
  • 学习成果
  • 布鲁姆分类学
  • 目标导向教学
  • 教学策略
  • 教育理论
  • 教学方法
想要找书就要到 小美书屋
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

具体描述

1.教学目标的编写,一直是靠前很多一线教师感到难以驾驭的事情,尤其是情感、态度和价值观的教学目标的编写。美国的《设计与编写教学目标》这本教材经七次修订,已较为完善,对靠前教师感到困惑的教学目标问题几乎都有所涉及,很适合我国教师学习和借鉴。

2.该书通俗易懂,实例丰富,所举例子涉及中小学各科,具有较强的实践指导性。

3.盛群力教授是靠前有名的教学设计研究专家,他亲自从国外众多的教学设计著作中挑选了这本教材,并组织翻译,希望能给我国教师的教学提供切实的帮助。

深度学习在计算机视觉中的前沿应用 书籍简介 本书深入探讨了深度学习技术在计算机视觉领域的最新发展与实际应用,旨在为研究人员、工程师以及对该领域感兴趣的专业人士提供一份全面而深入的指南。计算机视觉是人工智能领域最活跃、发展最快的方向之一,而深度学习,特别是卷积神经网络(CNNs)和Transformer模型的崛起,彻底革新了图像和视频的理解与分析方式。 本书结构清晰,内容涵盖了从基础理论到尖端实践的多个层面。第一部分聚焦于深度学习在视觉任务中的理论基石。我们详细阐述了经典CNN架构(如LeNet、AlexNet、VGG、ResNet到DenseNet)的演进历程和核心设计哲学,解释了残差连接、批标准化(Batch Normalization)和注意力机制(Attention Mechanisms)如何解决深度网络训练中的关键挑战。同时,本书也对现代Transformer模型,如Vision Transformer (ViT) 及其变体,在图像处理中的有效性进行了深入的剖析,讨论了自注意力机制与局部特征提取的平衡。 第二部分深入研究了深度学习在核心视觉任务中的应用。在图像分类领域,我们不仅展示了如何利用迁移学习(Transfer Learning)和微调(Fine-tuning)技术高效地解决特定领域的数据稀疏问题,还探讨了模型量化、剪枝和知识蒸馏等模型压缩与高效部署技术,确保复杂的模型能够在资源受限的边缘设备上高效运行。 在目标检测方面,本书全面覆盖了当前主流的两阶段(如Faster R-CNN系列)和一阶段(如YOLO系列、SSD)检测框架的最新迭代。重点分析了Anchor-Free检测方法的兴起及其带来的设计优势。我们不仅关注了精度的提升,更强调了实时性的优化,并对各种损失函数(如Focal Loss)的内在机理进行了细致的解读。 对于语义分割和实例分割,本书详细介绍了全卷积网络(FCNs)、U-Net架构的变体,以及Mask R-CNN及其后续优化。我们讨论了如何精确地在像素级别上划分图像内容,并探讨了弱监督和半监督学习在提高分割效率方面的潜力。 第三部分将焦点转向更复杂的视觉理解与生成任务。这部分内容前沿且具有很高的实用价值。我们详细讲解了深度学习在三维视觉中的应用,包括从单目图像中进行深度估计(Depth Estimation)、三维重建(3D Reconstruction)以及神经辐射场(NeRF)等新兴技术,展示了如何从二维数据中恢复真实世界的三维几何信息。 在视频理解方面,本书探讨了时空网络的构建,分析了如何捕捉时间依赖性以实现动作识别(Action Recognition)、视频预测和视频目标跟踪。我们特别关注了时序卷积网络(TCNs)和基于Transformer的视频模型在处理长序列数据时的优势。 生成模型是当前视觉领域最引人注目的方向之一。本书投入大量篇幅介绍生成对抗网络(GANs)的最新突破,如StyleGAN系列在高质量人脸生成和图像编辑中的应用。更重要的是,我们详尽地阐述了扩散模型(Diffusion Models)的工作原理,如DDPM和潜在扩散模型(LDM,如Stable Diffusion),这些模型已经成为文本到图像(Text-to-Image)生成任务的标准范式,并分析了它们在图像修复、超分辨率和风格迁移中的巨大潜力。 第四部分关注模型的可解释性、鲁棒性与伦理考量。随着深度学习模型在关键决策系统中扮演越来越重要的角色,理解“模型为何做出如此判断”至关重要。本书介绍了LIME、SHAP以及梯度相关的可视化技术(如Grad-CAM)来揭示网络内部的决策过程。同时,针对对抗性攻击(Adversarial Attacks)和模型的脆弱性,我们探讨了防御策略,如对抗性训练和认证鲁棒性(Certified Robustness),确保视觉系统的安全可靠。 本书的特色在于: 1. 理论与实践的深度融合:每章节都提供了详细的算法描述、数学推导,并附带了如何在主流深度学习框架(如PyTorch或TensorFlow)中实现这些关键模型的示例思路。 2. 前沿性覆盖:本书不仅回顾了经典成果,更紧密追踪了近两年的顶级会议(如CVPR, ICCV, ECCV, NeurIPS)中的突破性进展,确保读者掌握最前沿的技术栈。 3. 清晰的脉络结构:从低级特征提取到高级语义理解,再到复杂的生成与三维重建,内容组织逻辑严密,便于读者系统性地构建知识体系。 本书是计算机视觉领域研究者和从业者的必备参考书,它不仅教授“如何构建”高效的视觉模型,更引导读者理解“为何这些模型有效”,从而推动该领域未来的创新与发展。

作者简介

目录信息

前言
第一部分 编写教学目标
第一章 关注预期学习结果
作为预期学习结果的教学目标
教学目标的不同水平
训练水平(较低层次)的目标
较高水平学习结果的目标
运用教学目标
教学目标在教师教学中的作用
教学目标在学生学习中的作用
教学目标在形成性评估和总结性评估中的作用
教学目标在向他人传达教学意图中的作用
教学目标在评价教学中的作用
学习结果和教学过程
用预期学习结果表述教学目标
标准是什么?
小结
练习
第二章 学会清晰地表述教学目标
表述一般教学目标
选择一般教学目标的适当水平
表述具体学习结果
学会选用有代表性的具体学习结果
强调教学意图的重要性
确保具体学习结果能有效地涵盖各种学习单元
在课的设计中运用具体学习结果
确保具体学习结果与目标之间是相关的
根据需要调整一般教学目标
小结
练习
第三章 在设计教学和评估时运用目标
设计教学
安排评估
教学前的评估
教学中的评估
教学后的评估
准备和运用评估过程
小结
练习
第四章 教学目标与内容标准保持一致
内容标准的特征
教学目标的需要
小结
练习
第五章 编写教学目标需要考虑的因素
运用参考框架作为编写教学目标的指导依据
教育目标分类学
韦布的知识深度框架
选用任一框架作为指导时需要注意的事项
运用其他指导材料来编写教学目标
课程指南
图书和专业报告
测验工具
在选择教学目标时需要考虑的问题
作为预期学习结果的教学目标是否与教学领域相匹配?
目标是否在逻辑上涵盖了教学领域所有的学习结果?
对特定的学生来说目标是否可以达成?
目标是否与学校所奉行的哲学目标相一致?
目标是否符合学习的基本原理?
在准备教学目标时协同努力
小结
练习
第二部分 面向不同学习结果编写教学目标
第六章 编写“知识、领会和应用”结果的目标
在知识、领会和应用水平上表述目标
表述与教学内容相匹配
表述与教学水平相匹配
目标局限于智力结果时会出现的问题
小结
练习
第七章 编写高层次思维能力的目标
列出高层次思维结果的分类清单
表述与教学内容相匹配
表述与教学水平相匹配
高层次思维能力中的情感成分
小结
练习
第八章 编写情感结果的目标
基于分类学的目标表述
基于传统分类的目标表述
表述与教学的内容和水平相匹配
考虑情感结果是否需要单列
小结
练习
第九章 编写技能和产品的表现性目标
编写程序性结果的目标
编写产品性结果的目标
编写程序性结果和产品性结果并重的目标
编写目标时把表现性技能单列
编写与运用技能和产品的表现性目标的原则
小结
练习
第十章 编写问题解决项目的表现性目标
表述限定性问题解决项目的目标
表述拓展性问题解决项目的目标
编写与运用问题解决项目的表现性目标的原则
小结
练习
第三部分 在评估中运用教学目标
第十一章 在学业成就测验中运用教学目标
编写一份教学目标清单
经济学领域学习单元的目标实例
列出课程内容的提纲
经济学领域学习单元的内容概括实例(货币和银行)
编写考试内容规范表
根据考试内容规范表编制相应的试题
在试题编写中运用简单的规范表
在试题编写中运用详细的规范表
运用目标来解释测验结果
小结
练习
第十二章 在表现性评估和情感评估中运用教学目标
评估表现性技能
等级量表
核对表
全面评分量规
评估情感结果
等级量表和核对表
自我表述法
运用学生档案法
准备和运用评估工具的原则
小结
练习
附录A 评估教学目标的核对表
附录B 教育目标分类学(主要类别和示例性教学目标)
附录C 教育目标分类学修订框架
附录D 主要学科深度知识分级描述
附录E 编写教学目标的动词示例
附录F 本书各章练习参考答案
参考文献
译后记
· · · · · · (收起)

读后感

评分

评分

评分

评分

评分

用户评价

评分

评分

评分

评分

评分

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有