孩子需要权威的书单吗?

【孩子们是否需要一份权威书单?】眼下正值“双减”政策下的第一个暑假,从校外培训负担中解放出来的孩子们有了更多时间进行课外阅读。媒体报道,当家长们在眼花缭乱的童书市场上为孩子,尤其是为幼儿选书时,就会发现这不是件容易事。儿童该读什么书?首先当然是适合他们的书。据统计,2020年我国童书市场有新书品种2万种,动销品种数则达30万种之多,给孩子选书,既要适合他们的年龄特点,又要与其阅读能力相匹配——不同孩子的成长发育有快慢之别,认知能力也不完全一样,需要结合其特点进行有选择地阅读,这实际上是一项相对专业的工作。从威廉·麦加菲1836年开发出第一套分级阅读标准算起,儿童分级阅读在国外已有上百年历史。在我国,尽管部分出版机构也在进行分级探索,但总体而言分级方式还比较粗放。市面上大多数童书还没有进行明确的分级。借助专业力量,建立一套更加科学的童书分级阅读标准,将有助于缓解家长们的焦虑。历史上,曾有学者受邀为清华学子开列了一个“最低限度的国学书目”,深受欢迎。实际上,儿童读书也应该有一个权威的指导书单。近年来,社会上也出现一些儿童书单,但权威性、普遍性、市场认可度还远远没有达到社会预期。谁来指导儿童阅读,怎样确定权威书单,如何检验阅读效果等等,这些是中国家庭迫切求解的问题。有关部门、相关机构、专业人士不妨聚合力量、开展研究,总结出一份权威书单来,这可能是成人社会送给孩子们的一份最好礼物。

孩子需要权威的书单吗?这是“双减”政策下的第一个暑假,从校外培训的负担中解脱出来的孩子,有了更多的课外阅读时间。据媒体报道,在眼花缭乱的童书市场,当家长为孩子,尤其是年幼的孩子选书时,会发现并不容易。孩子应该读什么书?首先,适合他们的书。据统计,2020年,中国少儿图书市场新增图书2万种,待售图书多达30万种。给孩子选书不仅要适合他们的年龄特点,还要和他们的阅读能力相匹配。自1836年威廉麦加菲制定第一套分级阅读标准以来,儿童分级阅读在国外已有数百年的历史。在中国,虽然一些出版机构也在探索分类,但总体上分类方法还是比较广泛的。市面上大部分儿童读物都没有分类清楚。借助专业力量,建立更科学的儿童读物阅读标准,有助于缓解家长的焦虑。历史上曾邀请一些学者为清华学生列出一份“中国研究最低书目”,非常受欢迎。其实孩子也应该有权威的阅读指导单。近年来,社会上出现了一些儿童读物,但其权威性、普及性和市场接受度远未达到社会预期。谁来指导孩子阅读,如何确定权威书单,如何检验阅读效果等等,都是中国家庭亟待解决的问题。相关部门、相关机构、专业人士不妨汇聚力量,进行研究,总结出一份权威书单,这或许是成人社会送给孩子最好的礼物。

孩子们是否需要一份权威书单?

来源:光明日报

内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/41113.html

(0)

相关推荐

  • 经常散步对身体好?医生提示:年过50,常做2件事或有益于健康

    导语:随着生活压力越来越大,许多年轻人重工作而轻健康,导致了亚健康的状态。他们经常偏头痛、肠胃不好、恶心呕吐,长时间的饮食不规律,一顿饱一顿饿得,这样对健康是极其不利的。这群年轻人...

    生活 2021年9月27日
  • iphone14传来概念机消息,取消刘海,定价1万,这能接受?

    从概念图看,刘海全面屏这一设计已经取消掉了,采用120Hz自适应刷新率,光是屏占比就达到95%,屏幕整体的颜值比较高,额头与下巴黑边比较狭窄。屏幕尺寸还是6.7英寸。

    科技 2021年11月6日
  • 双十一购机建议,多个价位神仙打架 3000-5000 最值

    众所周知,一年有好几个换机潮。第一:年初的处理器首发,很多的厂家会扎堆发布骁龙新旗舰处理器;第二,年中年中大促销,除了手机迎来一波打折促销为下半年做准备外,骁龙旗舰处理器会迎来一波补强,譬如骁龙888Plus。第三,金九银十,九月和十月,是下半年的包括新机发布潮,从过去的狙击苹果,到了现在百花齐发,也是见证了国产手机品牌的崛起。第四,双十一,毫无疑问每年购机折扣最大的应该就是双十一了。

    科技 2021年11月6日
  • 干货!面向开放世界的推荐系统:基于图结构学习的归纳式协同过滤

    基于协同过滤的推荐模型通过将观察到的用户评分矩阵分解为两组嵌入因子(用户embedding和物品embedding)的内积,可以有效地估计潜在的用户兴趣并预测用户的未来行为。然而,特定于用户的嵌入因子只能以传导式(transductive)的方式学习,这使得推荐模型很难处理测试数据中的新用户。在现实场景中,推荐模型往往只能在有限时间窗口内收集的数据上训练,在未来的测试阶段则需要处理训练阶段未见的新用户。本文提出了一种可以实现归纳式学习的新型协同过滤方法。该方法包含两个表示学习模型:第一个模型遵循传统的矩阵分解方法,即对一组种子用户(key users)的评分矩阵进行分解,以获得他们对应的嵌入因子;第二个模型采用基于注意力机制的图结构学习方法,估计新的查询用户(query user)与种子用户之间的隐含关系,并通过图上的神经消息传递来归纳式的估计查询用户的嵌入表示。理论分析表明本文提出的模型可以保证与矩阵分解等价的表示能力。在5个公开数据集上的实验表明,我们的方法能够显著提升在具有少量行为数据的用户上的推荐性能,并且当模型仅在一部分用户上完成训练后可以有效迁移到新用户(不需要新的训练)。

    科技 2021年12月2日
  • 特斯拉model y 销量,11月汽车销量特斯拉

    协会最新数据显示,11月SUV销量达84.1万辆,同比下降12.6%,环比增长7.0%。累计销量826.1万辆,同比增长5.0%。如今,在特殊时期和缺芯的双重影响下,大火的SUV市...

    科技 2021年12月10日