“健康中国2030”战略下健康数据协同治理体系研究

[目的/意义] 提升公民健康水平是经济社会发展到一定程度后的必然要求，健康数据协同治理体系的构建有助于从信息科学角度达成这一要求，治理体系需要以国家战略为宏观指导，全方位服务于公民健康水平提升的总体目标。[方法/过程] 通过对《"健康中国2030"规划纲要》文本精神的领会，在分析了各治理主体对健康信息治理需求的基础上，提出一种面向"健康中国2030"战略的健康数据协同治理体系，并针对关键环节提出保障措施。[结果/结论] 协调各层级、各部门与各利益主体的健康数据治理体系构建与保障，有助于在推动国家健康战略目标的同时实现健康数据的社会价值，拓展健康信息学的研究范畴。     

中国足球超级联赛U23新政何以有效?——基于“足协-俱乐部”的博弈

中超联赛自2017赛季推出U23新政以来备受争议。在"上有政策下有对策"的非合作博弈下，U23新政如何才能实现政策初衷?该文首次采用不完全信息静态博弈模型分析了U23新政下足协与俱乐部的博弈均衡。研究表明：（1）足协推行新政的最优概率为俱乐部采取积极策略给足协带来的净收益与消极策略带来的净收益之比，实质上取决于俱乐部的遵从度。（2）在缺乏讨价还价权时，俱乐部对新政采取消极应对策略是为了减少净损失。俱乐部积极应对的最优概率为消极应对的净损失占其与积极应对的加成即期收益损失之和的比值，实为两害相权取其轻。为激励俱乐部采取积极策略，应降低俱乐部消极应对策略的净收益或积极应对策略的加成即期收益。（3）提高U23新政有效性的治标之策是减少U23政策对中下游球队的冲击，实行有差别的U23政策；对U23球员上场时间低于均值的俱乐部，实行等额或超额递减分成机制。治本之策是培育一个可预期、可持续、可盈利的足球市场，俱乐部能够内生出建立百年基业的长效机制；继续深化足协的去行政化改革，使之向完全社团法人转型。     

以社区为驱动力实现全民健康的研究

以社区为驱动力实现全民健康的研究是一条社区推动全面小康之路,最终目的是解决国民健康面临的现实困境,促进健康中国战略的实施。文章通过文献资料法、逻辑分析法等研究方法,从社区对全民健康计划实施的意义着手,较为全面、系统的分析了社区在全民健康目标实现过程中的作用、价值及内在联系,并提出:以卫生服务管理为突破口,构建新型卫生健康管理服务模式;以社区为单位,提升国民健康素养水平;以环境治理为基点,优化社区环境质量;以国家战略为引领,发展社区健康产业等路径,助推全民健康目标的实现进度。     

小学道德与法治课程校本化实施的基本路径

道德与法治课程要落实立德树人的根本任务,发挥"道德情感启蒙"的教育作用,在拥有《课程标准》、系列文件和"文化母乳"般教材基础上,只有引导学校、教师找到校本化实施的基本路径,才能真正发挥其在课程体系中的政治引领和价值引领作用。这个路径就是以把握课标、吃透教材为基础,以基于学情、深化目标为灵魂,以"新鲜"事件为拓展资源,以便于操作的教学模式为关键,以提升品位、知行合一为策略。     

上海建设具有全球影响力的体育资源配置中心内涵研究

结合上海建设体育科技创新平台和国际一流赛事之都的时代背景，展开对上海建设具有全球影响力的体育资源配置中心的内涵研究。文章运用文献资料法、实地调研等定性与定量的研究方法，通过科学界定体育资源配置中心的内涵，构建上海建设具有全球影响力的体育资源配置中心的技术指标，分析上海体育资源配置的现状与存在的问题，探讨上海建设具有全球影响力的体育资源配置中心的契机，设计上海建设具有全球影响力的体育资源配置中心的步骤与目标，提出上海建设具有全球影响力的体育资源配置中心的政策建议与保障机制。     

一种基于图卷积自编码模型的多维度学科知识网络融合方法

[目的/意义] 针对包含单一类型知识单元的知识网络难以全面反映学科知识结构的问题，提出一种从多维度进行知识网络结构融合的方法，为学科领域知识结构挖掘提供借鉴。[方法/过程] 利用LDA及TF-IDF方法抽取学科知识单元，然后运用语义相似度和关键词共现分析方法构建3个学科知识子网络：主题网络、关键词网络和实体网络，并采用空间节点传递对齐方法对齐子网络节点，接着设计基于图卷积操作的自编码模型对知识节点进行表示，最后通过计算余弦相似度重构学科知识网络。[结果/结论] 实验部分以人工智能领域为例，构建融合主题、关键词和实体的学科知识网络并展开分析，实验结果表明，本文所提方法能有效地揭示学科领域研究内容和知识结构，为学科知识发现与组织研究提供有益参考。     

“互联网+”背景下大学生心理健康教育的“心”路径

文章针对高校心理健康教育课程教学设置学时少,无法满足大学生心理健康持续发展的“心”需要的问题,讨论了如何充分发挥新媒体的功能与特性,使新媒体能够成为大学生心理健康教育的“心”出路,开启网络心理健康教育的“心”时代。     

普通高校大学生形体礼仪课程实践与研究

利用体育教育自身所承载的文化内涵及其独有的实践特征,整合资源,优化课程,将过去不同学科的形体训练与大学生形体礼仪、行为规范教育有机的容为一体。开设大学生形体礼仪课,指导大学生在塑造健康匀称,曲线、姿态优美,气质高雅的外部形态的同时按照社交礼仪规范来约束自己行为,真正做到“诚于中而行于外,慧于心而秀于言”,把内、外美有机地统一起来。为全面提升大学生素质教育开辟新的渠道。     

Understanding the topic evolution of scientific literatures like an evolving city: Using Google Word2Vec model and spatial autocorrelation analysis

Topic evolution has been described by many approaches from a macro level to a detail level, by extracting topic dynamics from text in literature and other media types. However, why the evolution happens is less studied. In this paper, we focus on whether and how the keyword semantics can invoke or affect the topic evolution. We assume that the semantic relatedness among the keywords can affect topic popularity during literature surveying and citing process, thus invoking evolution. However, the assumption is needed to be confirmed in an approach that fully considers the semantic interactions among topics. Traditional topic evolution analyses in scientometric domains cannot provide such support because of using limited semantic meanings. To address this problem, we apply the Google Word2Vec, a deep learning language model, to enhance the keywords with more complete semantic information. We further develop the semantic space as an urban geographic space. We analyze the topic evolution geographically using the measures of spatial autocorrelation, as if keywords are the changing lands in an evolving city. The keyword citations (keyword citation counts one when the paper containing this keyword obtains a citation) are used as an indicator of keyword popularity. Using the bibliographical datasets of the geographical natural hazard field, experimental results demonstrate that in some local areas, the popularity of keywords is affecting that of the surrounding keywords. However, there are no significant impacts on the evolution of all keywords. The spatial autocorrelation analysis identifies the interaction patterns (including High-High leading, High-Low suppressing) among the keywords in local areas. This approach can be regarded as an analyzing framework borrowed from geospatial modeling. Moreover, the prediction results in local areas are demonstrated to be more accurate if considering the spatial autocorrelations.