基因多态性的概念范文第1篇

通过对网络信息生态链概念的内涵、外延、属性等内容的研究，厘清网络信息生态链概念之间的关系，为网络信息生态链概念的研究提供借鉴。文章在已有研究的基础上，运用信息生态学理论、逻辑学理论，采用一定的筛选标准，再利用相应的筛选方法对网络信息生态链的上位概念、下位概念、相关概念进行研究，以建立网络信息生态链概念体系。

关键词：

网络信息生态链；上位概念；下位概念；相关概念

1网络信息生态链概念体系及其构建的意义

1.1网络信息生态链概念体系的含义

概念是反应对象特有属性或本质的思维形式，是思维中的最小单位【1】。体系是指同一类事物通过相互联系而构成的一个有机整体。概念体系是指由一组相互关联的概念而构成的有机整体。概念体系一般是以概念与概念之间的属种关系为依据来构建，再辅助概念间的其他关系。概念间的其他关系可能是全同关系、交叉关系、矛盾关系等。因此，大部分的概念体系是一种混合关系的体系。核心概念是概念体系中确立概念间属种关系或其他关系的依据，是概念体系构建的基石。属种关系是指一个概念的外延包含了另一个概念的全部外延的关系【1】。上位概念是指具有属种关系的两个概念中，外延较大的那个概念。下位概念是指具有属种关系的两个概念中，外延较小的那个概念。相关概念是与核心概念之间存在一定关系的概念。相关概念与核心概念之间的关系以非属种关系为主。网络信息生态链概念体系是指由网络信息生态链这个核心概念和与之有属种关系或其他关系的重要概念组成的有机整体。与网络信息生态链存在属种关系或其他关系的概念是非常多的，但是，并不是所有概念都适于纳入到网络信息生态链概念体系，只有与核心概念关系紧密的重要概念才能被纳入到网络信息生态链概念体系中。网络信息生态链概念体系是由网络信息生态链及其上位概念、下位概念、相关概念构成。

1.2网络信息生态链概念体系构建的含义及其意义

网络信息生态链概念体系构建是通过网络信息生态链这个核心概念来寻找与其具有属种关系的概念（上位概念和下位概念），并辅助概念间的其他关系寻找与网络信息生态链有关联的概念（相关概念）。网络信息生态链概念体系的构建能更为深入地理解网络信息生态链这个概念，例如，从网络信息生态链的上位概念和下位概念中，了解网络信息生态链的一般属和特殊属性；网络信息生态链概念体系的构建能为网络信息生态链理论研究提供新的方向，例如，从网络信息生态链相关概念的理论研究中，寻找适应的理论，借鉴到网络信息生态链的理论研究，进而扩充原有的网络信息生态链理论体系；网络信息生态链概念体系的构建能弄清网络信息生态链理论研究在信息生态学理论研究中的地位。例如，通过信息生态学中某一概念与网络信息生态链的关系，来确定某些理论是否适用于网络信息生态链的理论研究。

2网络信息生态链概念体系构建的过程

2.1网络信息生态链概念的界定

张向先认为网络信息生态链是在网络环境下为了实现信息共享，不同信息人之间通过信息流转而形成的链式依存关系【2】。杨瑶认为网络信息生态链是网络信息生态系统中，网络信息主体之间通过信息流转所形成的链式依存关系【3】。李北伟从演化博弈角度，认为网络信息生态链是在一定的网络信息环境下，信息主体之间通过不断重复的博弈形成的信息流转的链式依存关系【4】。结合学者们对网络信息生态链的理解，笔者认为，网络信息生态链是指在网络环境下，信息生产者、信息传递者和信息消费者之间由于信息流转而形成的链式依存关系。对网络信息生态链的概念需要明确以下几点：（1）网络信息生态链的本质是网络信息流转，网络信息流动和网络信息转化都属于网络信息流转。（2）网络信息生态链的构成主体是不同类型的网络信息主体，即网络信息生产者、网络信息传递者和信息消费者。（3）网络信息生态链的链式依存关系是指不同类型的网络信息主体之间多元复合关系，即互利共生关系、协同竞争关系等。

2.2网络信息生态链概念体系中网络信息生态链上位概念的筛选

网络信息生态链概念体系中网络信息生态链上位概念的筛选过程是从与网络信息生态链有关联的概念中筛选出网络信息生态链的上位概念，再从这些上位概念中筛选出合适的上位概念，纳入到网络信息生态链概念体系中网络信息生态链上位概念的范畴。（1）上位概念的筛选标准。①网络信息生态链上位概念应该隶属于信息生态学的范畴。网络信息生态链与其上位概念之间是属种关系，网络信息生态链的上位概念所属学科应该与网络信息生态链所属学科相同，即在信息生态学的范畴。属于同一学科的概念之间，其理论基础、研究方法有相似之处，能相互借鉴。因此，弄清网络信息生态链上位概念的相关理论知识，在一定程度上，能促进对网络信息生态链这个概念地理解。②网络信息生态链上位概念与网络信息生态链的层次关系不能超过两层。例如，概念A是网络信息生态链的上位概念，概念B是概念A的上位概念，概念C是概念B的上位概念，概念A、B能纳入到网络信息生态链概念体系，概念C不能纳入到网络信息生态链概念体系。筛选标准①缩小了上位概念的寻找范围，即便如此，与网络信息生态链有关联的上位概念还是较多，只有通过筛选标准②来进一步缩小范围。网络信息生态链上位概念与网络信息生态链之间存在纵向层次关系。上位概念与网络信息生态链的层次数越大，上位概念与网络信息生态链之间的紧密程度越低。将筛选标准中层次关系定为两层，使得上位概念与网络信息生态链之间的紧密程度适中。③网络信息生态链上位概念的本质属性应包含网络信息生态链的本质属性。筛选标准①、②仅缩小网络信息生态链上位概念的寻找范围，还需从概念的本质属性进行分析，概念的本质属性是将其与其它概念区分开来的依据。（2）上位概念的筛选方法。首先，利用概念的概括这种方法，来确定网络信息生态链这个概念的上位概念；其次，通过筛选标准对上位概念进行再次筛选，以确定是否将其纳入到网络信息生态链概念体系中网络信息生态链上位概念的范畴。概念的概括是通过减少概念的内涵来扩大概念的外延以确定某一概念的逻辑方法。在进行概念的概括时，可以从两个不同角度进行：一是将网络信息生态链看成一条链，因为网络信息生态链是链式结构；二是将网络信息生态链看成一个系统，因为网络信息生态链是具有链式结构的信息生态系统。①从链的角度对网络信息生态链进行概念的概括。将“网络信息生态链”减少“网络”这一属性，就扩大成为“信息生态链”，信息生态链是网络信息生态链的上位概念。信息生态链是指在信息生态系统中，不同种类信息人之间信息流转的链式依存关系【5】。信息生态链的本质属性是信息流转，信息生态链的构成要素是信息人和信息环境。对比网络信息生态链的定义及其本质属性、构成要素，信息生态链的定义及其本质属性、构成要素与其相似。两者的差异在于：前者限定在网络环境下，后者则没有。因此，可以将信息生态链纳入到网络信息生态链概念体系中。“网络信息生态链”减少“网络”、“信息”这两个属性，就扩大成为“生态链”，生态链是网络信息生态链的上位概念。生态链是指在一个生态群落中，众多的生物和非生物成份通过能量与物质循环，通过不同层次的生产者、消费者和分解者的协同，形成环环相扣的链条式依存关系【6】。在生态链中，能量与物质的传递是单向的。在网络信息生态链中，各种信息人之间是处于同一层次的，能量与物质的循环是为信息流转服务的，信息资源的流转既有双向的，也有单向的【7】。生态链的内涵与信息人、信息环境联系不大，更与网络信息生态链的本质属性无关，不适宜将生态链纳入到网络信息生态链概念体系中。“网络信息生态链”减少“网络”、“生态”、“信息”这三个属性，就扩大成为“链”，链是网络信息生态链的上位概念。链是指用金属环节连套而成的索子【8】。链与网络信息生态链的层次关系为三层，超过了两层，不符合筛选标准。因此，不将链纳入到网络信息生态链概念体系中。②从系统的角度对网络信息生态链进行概念的概括。网络信息生态系统是现代计算机网络中，网络信息主体和网络信息生态环境之间相互作用、相互依存而构成的一个有机整体【3】。网络信息生态链与网络信息生态系统的构成要素都是信息主体和信息环境这两者，并都是由于构成要素之间的相互作用、相互联系而形成的一个整体。网络信息生态链与网络信息生态系统在概念的内涵上差异不大。只不过，网络信息生态链更强调其链式结构，有针对性，是一种拥有链式结构的网络信息生态系统。而网络信息生态系统则没有着重强调其结构上的特点，网络信息系统的结构形式更具多样性，除了链式结构，还存在网络结构等其他形式。网络信息生态系统这个概念外延要大于网络信息生态链这个概念的外延。网络信息生态系统是网络信息生态链的上位概念。因此，将网络信息生态系统纳入到网络信息生态链概念体系中。信息生态系统是信息人之间、信息人与信息生态环境之间相互联系、相互作用而构成的有机整体【5】。信息生态系统与网络信息生态系统相比，在概念的内涵上，二者在其构成要素以及构成要素的相互关系上差异不大；在概念的外延上，信息生态系统的外延大于网络信息生态系统的外延，前者不仅包括了网络环境下的情况，还包括了非网络环境下的情况，而后者仅强调网络环境下的情况。信息生态系统是网络信息生态系统的上位概念。因此，将信息生态系统纳入到网络信息生态链概念体系中。信息系统是指对信息进行收集、加工、传递、存储和利用的系统【9】。信息系统的外延完全包含了信息生态系统的外延，信息系统是信息生态系统的上位概念。但是，信息系统与网络信息生态链的层次关系为三层，层次关系超过了两层，不符合筛选标准，不将信息系统纳入到网络信息生态链概念体系上位概念的范畴。

2.3网络信息生态链概念体系中网络信息生态链下位概念的筛选

（1）下位概念的筛选标准。网络信息生态链的下位概念除拥有网络信息生态链的所有属性外，网络信息生态链下位概念还具有各自的特点，因此，网络信息生态链概念体系中上位概念的筛选标准①、②就不再适用于网络信息生态链概念体系中下位概念的筛选，而筛选标准③稍作修改能够继续使用。①网络信息生态链下位概念与网络信息生态链的层次关系不超过一层。网络信息生态链上位概念的寻找是一个将网络信息生态链的内涵变得越来越抽象的过程，网络信息生态链的上位概念的数量呈现出逐步减少的趋势；网络信息生态链下位概念的寻找是一个将网络信息生态链的内涵变得越来越具体的过程，网络信息生态链的下位概念的数量呈现出逐步增加的趋势。当网络信息生态链下位概念与网络信息生态链的层次关系数增大时，网络信息生态链下位概念数会急剧增加。因此，在网络信息生态链概念体系中，网络信息生态链下位概念与网络信息生态链的层次关系数确定为1即可。②网络信息生态链下位概念的认知度要高。从不同层面切入，会得到不同的网络信息生态链下位概念。当得到的网络信息生态链下位概念被大多数专家认同时，关于这方面的理论研究就会多，对这些理论进行总结归纳，可能会对网络信息生态链有新的认识，进而扩充网络信息生态链的原有理论。当针对同一个概念，不同的学者有不同提法时，认知度高的提法才能被采纳。因此，将网络信息生态链下位概念的认知度作为筛选标准。③某一层面中的网络信息生态链下位概念要全面而准确地反映网络信息生态链在该层面上的特点。在网络信息生态链的不同层面中，网络信息生态链下位概念由哪些概念构成，决定着这些下位概念是否全面反映这个层面的特点，但是，网络信息生态链下位概念并不是越多越好，还重视其准确性。在上述三个筛选标准中，筛选标准①是在筛选过程中必须遵守的，而筛选标准②、③，在筛选过程中，能两个标准都遵守更好，如果不能同时满足这两个标准，满足其一即可。在筛选标准②中，要想反映某一层面的特点，需要从整体角度进行把握，并且注重概念之间的联系。而筛选标准③则就单个概念而言，来进行概念的筛选。因此，会出现筛选标准②③不能同时满足的情况。（2）下位概念的筛选方法。研究网络信息生态链的下位概念，能促进对网络信息生态链这个概念的理解。对于网络信息生态链这个概念而言，一般需要了解：网络信息生态链主体之间的关系、网络信息生态链形成的目的、网络信息生态链的发展过程、网络信息生态链在不同领域的应用。而这些需要研究的内容，对应于网络信息生态链的结构、功效、发展、类型。因此，将网络信息生态链的下位概念分为结构层面、功效层面、发展层面、类型层面。在研究网络信息生态链的结构时，有的学者从网络信息生态链的节点、节点关系和链接模式这三个方面进行阐述，那么，在结构层面，网络信息生态链下位概念可能为网络信息生态链的节点、节点关系和链接模式。网络信息生态链的节点是指网络信息生态链上不同类型的信息人。网络信息生态链的节点关系是指节点之间的对立统一关系，例如在共同的利益追求时，节点间选择合作、互利的方式共生，在信息共享时，节点间存在竞争【10】。网络信息生态链的链接模式包括了节点间一对多、多对一、一对一的模式【10】。一对多模式是指一个上游节点对应多个下游节点的信息传递模式。多对一模式是指多个上游节点对应一个下游节点的信息传递模式。一对一模式是指上下游节点间一一对应的信息传递模式。笔者认为网络信息生态链下位概念可能为网络信息生态链的主体、连接方式、节点组合形式和链式依存关系。网络信息生态链的主体也就是网络信息生态链的节点。网络信息生态链的连接方式包括单一连接方式、多重连接方式【11】。网络信息生态链的节点组合形式是指节点的种类、数量和分布【11】。网络信息生态链的链式依存关系是指网络信息主体之间存在一种由多种关系相互交织、相互结合而成的多元复合关系，包括平等关系、互利关系、合作关系、竞争关系等，例如，网络信息主体之间可能会同时存在互利关系和合作关系【5】。对比网络信息生态链的节点关系与网络信息生态链的链式依存关系这两个概念，前者主要包括了竞争关系、互利关系、合作关系，后者除了包括这三种节点间的关系外，还包括其他的节点间的关系，后者能够更为全面地反映节点间的复杂关系。因此，网络信息生态链的链式依存关系这个概念更为适合地纳入到网络信息生态链概念体系中。网络信息生态链的链接模式这个概念，仅从局部反映了节点间的连接情况。而网络信息生态链的连接方式这个概念所包含的内容，从整体的角度反映节点间的连接情况，因此，网络信息生态链的连接方式这个概念更适宜纳入到网络信息生态链概念体系中。网络信息生态链的节点与网络信息生态链的主体这两个概念含义相同，网络信息生态链的节点组合形式这个概念从另一种角度反映了网络信息生态链上节点的状况，这个概念有必要存在。综上所述，网络信息生态链的主体、连接方式、节点组合形式和链式依存关系是网络信息生态链这个概念在结构层面上的下位概念。网络信息生态链的实质是信息流转，信息流转的目的是为了获得价值增值【12】。因此，在功效层面，网络信息生态链的下位概念可能为网络信息生态链的价值增值、信息流转。网络信息生态链中除了价值增值活动，还存在其他与价值有关的活动。因此，网络信息生态链在功效层面的下位概念为网络信息生态链的信息流转、价值活动。要想了解网络线信息生态链的发展过程，应从生命周期理论的角度来对网络信息生态链进行分阶段研究。因此，在发展层面，网络信息生态链下位概念可能为网络信息生态链的形成、进化、运行。网络信息生态链的形成包括了网络信息生态链形成的动力与条件、网络信息生态链形成过程与形成路径。网络信息生态链的进化包括网络信息生态链进化的动力与条件、网络信息生态链进化过程与模式。网络信息生态链的运行包括了网络信息生态链的信息流转、价值增值、互利共生、协同竞争、动态平衡。但是，网络信息生态链的运行所包含的内容与其在结构层面和功效层面的下位概念所包含的内容有重复。因此，网络信息生态链在发展层面的下位概念应更改为网络信息生态链的形成、进化、平衡。只有这样才能体现网络信息生态链下位概念的准确性。依据不同的划分方法，网络信息生态链下位概念也不同。如果按照信息人所处的地理范围划分，网络信息生态链下位概念为跨境网络信息生态链和境内网络信息生态链；如果按照信息人的主导地位划分，网络信息生态链下位概念为信息生产者为主导的网络信息生态链、信息传递者为主导的网络信息生态链、信息消费者为主导的网络信息生态链；如果按照功能划分，网络信息生态链下位概念为电子商务生态链、电子政务生态链、网络教育生态链、网络信息服务生态链（包括数字图书馆生态链、数字档案馆生态链、网络信息咨询服务生态链、网络信息分析服务生态链）、网络文化娱乐生态链（包括网络游戏生态链、网络音乐生态链、网络动漫生态链、网络影视生态链、网络文学生态链）、社交网络生态链。选取最后一种划分法所得出的六个概念作为网络信息生态链在类型层面的下位概念，是因为这六个概念的认知度要高于其他划分方法所得出的下位概念。关于电子商务生态链这个概念，有的学者有不同的提法，即商务网络信息生态链，但是，大多数学者对于电子商务生态链的认知度要高于商务网络信息生态链，因此，未将商务网络信息生态链纳入到网络信息生态链在类型层面的下位概念。

2.4网络信息生态链概念体系中网络信息生态链相关概念的筛选

（1）相关概念的筛选标准。①网络信息生态链相关概念应是链的下位概念。网络信息生态链相关概念与网络信息生态链隶属不同学科的可能性大，相关概念的理论基础与网络信息生态链的理论基础不同，利用概念的概括的方法来寻找相关概念是行不通的。因此，从网络信息生态链的结构形态出发，寻找网络信息生态链相关概念。存在链式结构的概念较多，而且有些概念从字面上很难了解这些概念是否存在链式结构，必须进行深入地了解，增加了寻找网络信息生态链下位概念的难度。如果将网络信息生态链相关概念限定为链的下位概念，就能很快缩小范围。②网络信息生态链相关概念的本质属性，或形成机理，或构成要素要与网络信息生态链存在一定的联系。将网络信息生态链相关概念纳入到网络信息生态链概念体系，是为了通过对相关概念的认识来促进对网络信息生态链的认识。如果网络信息生态链相关概念的本质属性，或形成机理，或构成要素与网络信息生态链没有一定的互通性，相关概念的借鉴作用就不存在。③与网络信息生态链相关概念相关的理论，应是较为成熟的理论。当基于网络信息生态链相关概念的理论基础不成熟时，相关概念对于网络信息生态链的借鉴作用不仅不能促进对网络信息生态链的了解，还有可能对网络信息生态链生成错误的理解。因此，成熟的基于网络信息生态链相关概念的理论非常重要。（2）相关概念的筛选方法。供应链是链的下位概念，符合筛选标准①。供应链是企业从原材料的购买、运输、加工、分销，到最终产品送到消费者的整个过程中各个环节联系起来的一个链条，实现了对信息流、资金流、物流的控制【13】。网络信息生态链的本质属性是信息流转，供应链中存在信息流，符合筛选标准②。供应链的相关理论研究较为成熟，符合筛选标准③。因此，供应链这个概念可以纳入到网络信息生态链的概念体系。价值链是链的下位概念，符合筛选标准①。价值链由企业的基本活动和支持性活动构成（基本活动包括企业的生产、销售、售后等，支持性活动包括人事、财务、研发等。），是企业创造价值的动态过程【14】。网络信息生态链的形成动因之一是不同类型网络信息人的价值追求，价值链中的价值创造与网络信息生态链中的价值增值有关联，符合筛选标准②。价值链的理论研究较为成熟，符合筛选标准③。因此，价值链这个概念可以纳入到网络信息生态链的概念体系。产业链是链的下位概念，符合筛选标准①。产业链是指在经济活动中，产业之间存在着一定的技术经济联系，各产业依据前向关联关系、后向关联关系形成了一条网络结构【15】。产业链既与信息流动有关，又与价值增值有关，符合筛选标准②。有关产业链的理论研究较为成熟，符合筛选标准③。因此，产业链这个概念可以纳入到网络信息生态链的概念体系。生态链是链的下位概念，符合筛选标准①。生态链的形成机理与网络信息生态链的形成机理相似，符合筛选标准②。生态链的理论研究较为成熟，符合筛选标准③。因此，生态链这个概念可以纳入到网络信息生态链的概念体系。

3网络信息生态链概念体系的构架

通过上述分析可知：网络信息生态链概念的上位概念有两个层级共三个概念。信息生态系统是网络信息生态链的一级上位概念，网络信息生态系统、信息生态链是网络信息生态链的二级上位概念。网络信息生态链概念的下位概念分四个层面共15个，这15个概念都是网络信息生态链的一级下位概念。在结构层面，网络信息生态链的下位概念为网络信息生态链的主体、连接方式、节点组合形式和链式依存关系；在功效层面，网络信息生态链的下位概念为网络信息生态链的信息流转、价值活动；在发展层面，网络信息生态链的下位概念为网络信息生态链的形成、进化、平衡；在类型层面，网络信息生态链的下位概念为电子商务生态链、电子政务生态链、网络教育生态链、网络信息服务生态链、网络文化娱乐生态链、社交网络生态链。网络信息生态链概念的相关概念共四个，即生态链、供应链、价值链、产业链。如果用→表示属种关系，箭头始端是上位概念，箭头终端是下位概念；用↔表示相关关系，则可得到网络信息生态链概念体系构架。

作者：叶磊 娄策群 娄冬 单位：华中师范大学 湖北省电子商务研究中心 中师范大学信息管理学院

参考文献

1刘韵冀.普通逻辑学简明教程（第三版）[M].北京：经济管理出版社,2006:19,27-28.

2张向先,史卉,江俞蓉.网络信息生态链效能的分析与评价[J].图书情报工作,2013,(8):45-48.

3杨瑶.网络信息生态链演进机理与发展策略研究[D].武汉：华中师范大学,2013:20-22.

4李北伟,董微微,富金鑫.基于演化博弈理论的网络信息生态链研究[J].图书情报工作,2012,(22):102-106.

5娄策群,周承聪.信息生态链的概念、本质和类型[J].图书情报工作,2007,(9):29-32.

6伟辉,戴勇.网络游戏生态链研究[J].软科学,2005,(1):11-14.

7娄策群,等.信息生态系统理论及其应用研究[M].北京：中国社会科学出版社,2014:36,162-167.

8舒必才,苏联波.多功能现代汉语词典[M].成都：四川人民出版社,1996:377.

9李朝明,谭观音,杜宝苍,等.信息管理学教程[M].北京：清华大学出版社,2014:180.

10许孝君,张海涛,瓮毓琦,刘阔.商务网络信息生态链结构模型构建[J].图书情报工作,2013,(15):50-55.

11娄策群,余杰,聂瑛.网络信息生态链结构优化方略[J].图书情报工作,2015,(22):6-11.

12娄策群,杨小溪,曾丽.网络信息生态链运行机制研究：价值增值机制[J].情报科学,2013,(9):3-9.

13陈国权.供应链管理[J].中国软科学,1999,(10):101-104.

基因多态性的概念范文第2篇

虽然正态云模型具有普适性，但它在描述论域内单调上升或下降的概念时存在一些局限性，同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题，为此提出一种新的指数云模型来描述单调概念，并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器，先通过层次分析法确定各个条件的属性权重，再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中，并与模糊推理结果进行比较，验证了该算法的有效性和实用性。

关键词：云模型；指数云；权重；云推理；层次分析法；规则发生器

中图分类号： TP301.6

文献标志码：A

Weight-based cloud reasoning algorithm

Abstract：

Although the normal cloud model is universally used， it faces some difficulties when describing some monotonic rise/fall conceptions. This model also has big subjective influence under multiple conditions and large computation consumption. To overcome these shortcomings， a new kind of exponential cloud model was provided along with a weight based cloud reasoning algorithm. By splitting the multi-condition generator to several single-condition generators， the algorithm firstly used Analytic Hierarchy Process （AHP） method to get weight of each property， and then used them to calculate weighted average of single-condition generator output to quantitfy value. The validation and effectiveness of this method is checked through a comparison between fuzzy reasoning and stimulation of torpedo avoid system.

Key words：

cloud model； exponential cloud； weight； cloud reasoning； Analytic Hierarchy Process （AHP）； rule generator

0 引言

自然语言是人类智慧的结晶，在人工智能中具有重要的地位，它是通过语言值来表示概念，而这些概念通常具有不确定性。以往研究不确定性的方法有很多，如概率论、模糊集理论、粗糙集理论等，但利用这些方法来研究概念的不确定性尚存在一定的局限性。特别在研究自然语言的模糊性和随机性时，这些方法没有很好地将两者联系起来。李德毅院士在传统模糊数学和概率统计的基础上提出了定性定量互换模型——云模型，它把概念的模糊性和随机性有机地综合在一起，实现了概念的定性值与数字的定量值之间的自然转换[1-2]。

近年来，正态云模型被广泛应用于空袭目标威胁评估[3]、遥感图像分类[4]、项目评价[5]等领域。尽管正态云具有普适性[1]，但仍无法表述一些特定的概念。文献[6]中提出多种扩展的正态云发生器，有效地扩大了云模型的应用场合。同时，李德毅院士在云模型基础上，引入不确定性推理方法，通过构建规则发生器能有效表示用自然语言描述的定性规则，实现了带有不确定性的推理。现有的应用与研究主要集中在利用云模型构建单条件单规则发生器进行不确定推理。对于多条件的情况，文献[1]提出通过“软与”操作构建规则发生器；文献[7]则将单条件单规则发生器推广到双条件单规则发生器，乃至多条件单规则发生器，并给出相应算法。由于这两种方法存在人为主观因素影响大、运算量大和定性概念单一的问题[8]，本文提出一种新的指数云模型来描述单调概念，并基于此提出一种基于权重的云推理算法。

1 指数云模型

1.1 云模型相关概念

定义1 论域X={x}中的元素根据某个法则f，可将X映射到另一个有序的论域X′上，X′中有且仅有一个x′和x对应，则X′为基础变量，隶属度在X′的分布叫作隶属云[2]。

云模型的整体特征可以用三个数字特征值来表征，即期望Ex、熵En和超熵He。

期望 云滴在论域空间分布的期望。它是最能代表定性概念的点，是概念量化的最典型样本。

熵 在云模型中用来衡量定性概念的模糊程度，其值的大小直接决定满足该定性概念所涵盖的论域范围，熵越大，则该定性概念横跨的论域范围越大。

超熵 表示熵的熵，主要用来体现云滴的离散程度。从云图分布上看，超熵越大，云滴分布越离散，云层也就越厚。当超熵为0时，隶属云退化为模糊理论中的精确隶属度函数曲线。

李德毅等基于正态分布和钟形隶属度函数的普适性，论证了正态云模型的普适性。

1.2 新的指数云模型

指数分布是常见的概率分布之一，文献[9]基于指数分布函数提出一种指数云模型，用来描述关于寿命、排队等待时间和失效分布等定性概念。除此之外，在日常生活中经常会遇到一些在论域内单调上升或下降的概念，比如“寒冷”，通常人们认为气温低于0度时，气候十分寒冷；再比如“优秀学生”，通常认为学生的成绩高于90分就是优秀学生。对于此类定性概念，正态分布同样无法准确描述，而指数分布的累积分布函数在论域中具有单调性，更适于表述此类定性概念。

隶属函数是模糊集合论的基础，模糊概念的隶属函数并没有严格的确定方法，大多依靠实际经验确定。指数分布的累积分布函数描述该类定性概念较为合适，参考文献[9]中的隶属函数，本文给出一种新的指数型隶属度函数定义，μ（x）=1-e-λx。正态云模型的确定度是基于正态型隶属函数建立的，因此，可以在指数型隶属函数的基础上定义指数云。

定义3 设U是一个精确数值表示的定量论域，C是U上的定性概念，若定量值x∈U，且x是定性概念C的一次随机实现，若x满足：x～P（λ），其中1/λ～N（Ex，He2），且x对C的确定度满足

μ=1-e-λx

则x在论域U上的分布称为指数云。如同正态云，指数云的数字特征也用期望Ex、熵En和超熵He三个数值来表示：Ex（期望）为确定度接近0.9的定量值；En（熵）为定量值的起始点，确定论域中模糊概念的范围；He（超熵）和正态云模型中的超熵意义相同，是不确定度量，其大小间接地表示了指数云的离散程度和厚度。

如图2所示，正向指数云发生器从概念表达的定性信息中获取定量数据的范围和分布情况，即由指数云的数字特征得到指数云的云滴分布，正向指数云发生器实现算法如下。

算法1 一维正向指数云发生器算法。

输入 定性概念的数字特征（Ex，En，He）及云滴数N；

输出 N个云滴的定量值以及代表的确定度μi。

1）计算期望值Ex′=（Ex-En）/（ln 10）；

2）生成以Ex′为期望值、He为方差的正态随机数λ；

3）生成以λ为期望值的指数分布的随机数μi；

4）计算确定度μi=1-e-（1/λ）xi；

5）具有确定度μi的xi成为数域中的一个云滴；

6）重复步骤2）～5），直至产生要求的N个云滴为止。

由指数云特征参数定义可知，En为定量值起始点，当Ex>En时，期望曲线在论域内单调上升；当Ex

1.3 前件指数云发生器和后件指数云发生器

在云推理过程中，给定论域中一个定量值x，通过正向云发生器生成定量值x属于定性概念的确定度μ，称为前件云发生器。确定度μ每次实现都带有不确定性，一维前件指数云发生器具体算法如下：

算法2 一维前件指数云发生器算法。

输入 一维定性概念的数字特征（Ex，En，He）及定量值x；

输出 定量值x属于定性概念的确定度μ。

1）生成期望值Ex′=（Ex-En）/ ln 10；

2）生成以Ex′为期望值、He为方差的正态随机数λ；

3）计算确定度μ=1-e-（1/λ）x。

给定确定度μ∈[0，1]，通过正向云发生器生成定性概念上满足确定度μ的定量值x，称为后件云发生器。定量值x每次实现都带有不确定性，后件指数云发生器具体算法如下：

算法3 一维后件指数云发生器算法。

输入 一维定性概念的数字特征（Ex，En，He）及确定度μ，μ∈[0，1]；

输出 满足确定度μ的定量值x。

1）生成期望值Ex′=（Ex-En）/ ln 10；

2）生成以Ex′为期望值，He为方差的正态随机数λ；

3）计算定量值x=En-λ ln（1-μ）。

2 基于权重的云推理算法

2.1 传统云推理算法

传统的云规则发生器是基于正态云模型的不确定性推理，规则库由正态云描述的定性概念组成，未讨论其他类型的云模型。现有的应用与研究主要集中在利用云模型构建单条件单规则发生器进行不确定推理，而对于多条件情况，目前有以下两种常用算法：一是通过“软与”操作将多个一维前件云发生器和一个后件云发生器连接起来构成规则发生器。以双条件单规则发生器为例，在进行“软与”操作时，常用二维正态云C（1，Enx，Hex，Eny，Hey）表示“软与”概念。Enx、Hex、Eny、Hey作为“软与”程度的调节参数需要有经验的专家来确定它们的值，所以人为主观因素会影响到推理过程。而且随着规则条件数增加，需要专家确定的调节参数变多，其存在的不确定性也大大增加。二是将二维前件云发生器与一维后件云发生器相连接构造出双条件单规则IF A1，A2 THEN B发生器[7]。由于给定的输入值可能激活规则前件概念A1和A2的上升沿和下降沿，因此规则的后件具体输出情况分为4种。若规则包含n个条件，需要讨论的后件输出情况就有2n种，所以，随着条件数的增加，运算量也变得更大。

2.2 基于权重的云推理算法

针对传统云推理算法存在的问题，本文提出一种基于权重的云推理算法。该算法的主要思想是将多维发生器拆分为多个一维发生器，再向一维发生器中嵌入指数云发生器，最后采用加权平均法将多个一维发生器输出的定量值精确化为一个输出值，其权重是每个条件的属性权重。假设规则包含n个条件， “软与”法需要专家确定2n个调节参数的值，文献[7]提出的多条件发生器需讨论2n种输出情况，而本文提出的云推理算法只需通过单条件单规则发生器计算n次再将输出的结果精确化为一个输出值即可，其不确定性和计算量均远小于传统方法，并将指数云模型融入到云规则发生器中。

由于传统的云规则发生器没有考虑条件对结果的贡献不同，认为所有条件的重要性是一样的。本文提出根据条件对结果的相对重要程度确定前件属性权重。系统工程理论中的层次分析法[10]是一种较好的权重确定方法，它不仅降低了计算的复杂度，提高了权重的精确度和科学性，而且通过对判断矩阵进行一致性检验等措施，提高了权重确定的可信度。本文应用层次分析法确定条件属性权重并使用Matlab 7.0软件实现该算法，具体算法如下：

算法4 基于层次分析法的条件属性权重计算：

输入 多条件规则IF A1，A2，…，An THEN B以及各个条件对结果的相对重要程度.

输出 各条件权重δ1， δ2，…， δn。

1）构造判断矩阵：uij表示Ai对Aj的相对重要程度，并由uij组成判断矩阵P。

算法5 基于权重的多条件单规则发生器。

输入 前件定性概念的数字特征C1（Ex1，En1，He1），C2（Ex2，En2，He2），…，Cn（Exn，Enn，Hen），定量值（x1， x2，…， xn），前件权重δ1， δ2，…， δn以及后件定性概念的数字特征C（Ex，En，He）；

输出 满足后件定性概念的定量值x。

1）先将N维单规则发生器拆分为一维规则发生器，分别计算每个属性条件对应的输出值xi。

2）若前件定性概念的数字特征为正态云，转到步骤3）；数字特征为指数云，转到步骤5）。

3）若x≤Exi，则x处于上升沿；若x>Exi，则x处于下降沿。

3 实例验证

在水下作战中，潜艇被鱼雷发现时，鱼雷规避系统[11-12]根据设备提供的鱼雷、诱饵、干扰机等信息推理决定诱饵、干扰机的下一步工作，诱骗或发射干扰鱼雷使潜艇能够规避鱼雷攻击。

在鱼雷规避仿真规则库中，所有规则的条件分为3种：鱼雷与潜艇间的距离、诱饵的状态以及干扰机的状态；结果也分为3种：潜艇的行驶方式、诱饵的工作方式以及干扰机的工作方式。规则库由模糊规则组成：

文献[11]中采用模糊推理法进行决策，这种方法要求数据精度高，并且不能兼顾随机性和模糊性，而云模型具有在定性概念与其定量值表示之间转换的优良特性，能够很好地将随机性与模糊性结合起来。本文将描述定性概念的隶属度函数转化为正态云模型以及指数云模型，以鱼雷与潜艇间距离这一定性概念为例，原隶属度函数图中，距离“远”在3000～8000m范围内单调上升，“近”在0～2000m范围内单调下降，均用指数云来表示，距离“中”用正态云来表示，如图4所示。

将规则库中所有定性概念进行云模型转换，规则转换完毕后，应用层次分析法计算属性权重：首先根据条件与结果建立层次模型，如图5所示。

4 结语

本文提出了一种新的指数云模型，并给出其定义以及一维正向云发生器算法。指数云模型较正态云能更好地表示在论域内具有单调性的定性概念，同时也是对其他云模型理论应用的一些探索。另外，本文提出了一种基于权重的云推理算法，它解决了传统云理论中人为主观因素影响过大和运算量大的问题，并且允许规则库中包含以指数云描述的定性概念。文中实例表明：该方法能对战场态势的不确定性与随机性进行处理，提高了潜艇在受到鱼雷攻击时安全逃离的可能性，效果明显优于模糊推理算法。在仿真过程中规则的激活对决策结果有较大影响，当输入值激活多条规则时采用求和平均得到输出值，因此多规则发生器的研究是下一步工作重点。

参考文献：

[1] LI D，DU Y. Artificial intelligence with uncertainty[M].Beijing：National Defense Industry Press，2005.（李德毅，杜鹢.不确定性人工智能[M]. 北京：国防工业出版社，2005.）

[2] LI D，MENG H，SHI X.Membership clouds and membership cloud generators[J].Journal of Computer Research Development，1995，32（6）：15-20.（李德毅，孟海军，史雪梅.隶属云和隶属云发生器[J].计算机研究与发展，1995， 32（6）：15-20.）

[3] WANG X，WANG W. Air-attack target threat assessment based on cloud model[J]. Computer & Digital Engineering， 2013， 41（2）： 201-203.（王晓璇，王蔚旻.基于云模型的空袭目标威胁程度估计[J].计算机与数字工程， 2013， 41（2）： 201-203.）

[4] LI G，WAN Y. Uncertainty classification method of remote sensing image based on high-dimensional cloud model and RBF neural network[J]. Science of Surveying and Mapping， 2012， 37（1）： 115-118.（李刚，万幼川.基于高维云模型和RBF神经网络的遥感影像不确定性分类方法[J].测绘科学，2012， 37（1）： 115-118.）

[5] ZHANG X，JIANG F，LIU G. Comprehensive evaluation method of energy saving project based on cloud model[J].Oil & Gas Storage and Transportation， 2012， 31（2）： 294-296.（张旭东，蒋方美，刘桂范. 基于云模型的节能项目综合评价方法[J]. 油气储运， 2012， 31（2）： 294-296.）

[6] CHEN H，WANG D，ZHANG L. The extended normal cloud generator[J]. Journal of Hubei University：Natural Science， 2011，33（2）：251-255.（陈昊，王代萍，张莉.扩展的正态云发生器[J].湖北大学学报：自然科学版，2011，33（2）：251-255.）

[7] CHEN H， LI B. Approach to uncertain reasoning based on cloud model[J].Journal of Chinese Computer Systems，2011，32（12）：2449-2455.（陈昊，李兵.基于云模型的不确定性推理方法[J]. 小型微型计算机系统，2011，32（12）：2449-2455.）

[8] LIU B，LI H，YANG L. Methods of conception soft-and operation in cloud model[J]. Journal of Computer Applications， 2008， 28（10）： 2510-2512.（柳炳祥，李海林，杨丽彬. 云模型中的概念软与求解方法[J]. 计算机应用， 2008， 28（10）： 2510-2512.）

[9] WEN Y. Research and realization of qualitative and quantitative integration modeling method based on COSIM[D].Nanjing： Nanjing University of Aeronautics and Astronautics，2013.（温艳.基于COSIM的定性定量混合建模方法的研究与实现[D].南京：南京航空航天大学，2013.）

[10] DENG X，LI J，ZENG H，et al. Research on computation methods of AHP wight vector and its applications[J].Mathematics in Practice and Theory， 2012， 42（7）： 93-100.（邓雪，李家铭，曾浩健，等.层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识， 2012， 42（7）： 93-100.）

基因多态性的概念范文第3篇

［关键词］动态规划；最优性原理；无记忆性；记忆性

在运筹学的分支体系中，动态规划因其应用的广泛性而占有十分重要的地位。但动态规划仅仅是解决某类特殊的多阶段决策问题的一种方法，不具有统一的数学模型和算法步骤[1]，而且概念多，因此学生普遍反应“动态规划真的有用但确实难学”。本文以最短路问题为案例，对动态规划相关概念、最优性原理、无记忆性等进行了阐释。

一、案例的选择

可用动态规划求解的问题很多，如最短路、资源分配、生产与存储等，而最短路问题因其空间特征明显，易于划分阶段、易于描述每阶段开始和结束时的状态，以及在每个状态之下做出的决策、每次决策产生的决策指标值等，因此，对初学者而言，最易接受和理解的例子还是最短路问题。本文以最短路问题作为引例，帮助学生们理解和掌握动态规划的相关概念及基本方程、最优性原理等。

二、相关概念的解释

动态规划相关概念繁多，从阶段、状态开始，到过程指标函数，刚接触时，不少学生感到一头雾水，十分茫然。而借助于最短路问题，将动态规划的相关概念与最短路问题中大家耳熟能详的名称相对应，则十分有助于学生对动态规划基本概念的把握。

三、最优性原理的解释教材[1]

对最优性原理作了如下表述：无论过去的决策和状态如何，对前面的决策所形成的当前状态而言，余下的决策序列必须构成最优策略，即最优策略的子策略总是最优的。

四、无记忆性与记忆性

在动态规划一章中，教师经常会提到“无记忆性”与“记忆性”两个看似完全矛盾的概念，不少学生也感到十分茫然。其实，这两个概念在动态规划中得到了完美的统一。“无记忆性”指的是可用动态规划方法求解的多阶段决策问题，在划分阶段时，状态必须满足的一个特性，也称为无后效性或马尔科夫性。其实质是：某阶段的状态一旦确定，则此后过程的演变不再受此前各状态及决策的影响。即“未来与过去无关”，当前的状态是此前历史的一个完整总结，此前的历史只能通过当前的状态去影响过程未来的演变。[1]“记性性”指的是用动态规划方法求解多阶段决策问题时（以逆序为例），为求得第K步最优子策略fk（Sk），必须先计算出从第K＋1阶段的各状态出发所对应的最优子策略fk＋1（Sk＋1），并由第K＋1步的最优子策略fk＋1（Sk＋1）去求取第K步最优子策略fk（Sk）。这些后续状态对应的最优子策略实际上构成了一张查找表（LookupTable）。[3]为更好地理解无记忆性与记忆性，仍以最短路问题为例进行说明。假设有一个可分为10个阶段的最短路问题，每阶段有10个状态可供选择。“无记忆性”指的是当游客在第k阶段处于状态Sk时，则该游客从Sk出发到终点的最短路径（K步最优子策略）只与Sk相关，而与Sk之前的状态、决策无任何关系。“记忆性”指的是当用动态规划方法求解最短路问题时，第K步最优子策略是由第K步的决策和第K＋1步的最优子策略共同决定的，而第K＋1步的最优子策略已在之前求出并存放于内存之中，这就是记忆性。动态规划的记忆性可节省大量的计算时间，但会占用较多的计算机内存，即常用的“空间换时间”策略。以上题为例，10个阶段每阶段10个状态的最短路问题，如果采用穷举法，则需要计算的路径条数（相当于动态规划中的全策略）为109条，每条路径需要进行10次加法运算；在109条路径中找出最短路径需要进行109－1次比较运算，则总的基本运算是11＊109－1次。而采用动态规划方法时，每阶段的每个状态需要进行10次加法运算和9次比较运算，则总的基本运算次数为1539次（其中加法运算810次，比较运算729次），和穷举法比较可节省大量的计算时间。从该例题的分析可知，一个多阶段决策问题之所以可采用有“记忆性”的动态规划方法求解，恰恰是因为该问题在划分阶段时，各阶段的自然特征（即状态）满足“无记忆性”。因此，我们说，“记忆性”与“无记忆性”在动态规划中得到了完美的统一。

五、结束语

经教学实践证明，在动态规划教学中以最短路为引例，有利于学生对动态规划相关概念的理解，尤其有利于学生掌握最优性原理和无记忆性、记忆性这些晦涩难懂的原理与性质，为学生学好、用好动态规划打下了良好基础。

［参考文献］

［1］胡运权.运筹学教程（第四版）［M］．北京：清华大学出版社，2012：191-232．

［2］［M］．普林斯顿大学出版社，1957：58-92．

［3］北京：人民邮电出版社，2008：744-754．

［4］《运筹学》教材编写组.运筹学（第三版）［M］．北京：清华大学出版社，2005：194-215．

基因多态性的概念范文第4篇

关键词：解释性方法 重要概念 生物学教学

中图分类号：G633.91 文献标识码：B

《义务教育生物学课程标准（2011年版）》（以下简称《标准（2011年版）》）在修订过程别强调要“凸显生物学重要概念的传递”，这就需要教师对生物学重要概念的教学有更加深入的理解和认识。下面介绍一种“解释性方法”去理解和认识生物学重要概念的教学。

1.解释性方法——重要概念教学的工具

1.1解释性方法

解释性方法是指一些以人的内心活动、精神世界以及作为人的精神世界的客观表达的文化传统及其辩证关系为研究对象的一种研究方法。解释性研究方法目前主要用于人文社会科学的研究，强调从“理解”意义的角度区别于自然科学的因果说明的研究。它不是追求自然科学模式的科学化目标，也不是强调以实验的客观性为研究的方法，而是强调人文社会科学的特点及人的精神与文化的特殊性，通过探寻某种规律来体验与理解人的生命，进而在解释其意义的基础上重构人的生活世界。

解释性方法起源于哲学，是经历了胡塞尔的现象学等的影响，逐渐成为对一些研究领域有借鉴意义的一种方法。解释性方法主要是体会“理解”，它不是进行因果说明，而是把自己移入到另一个异在的生活经验之内，以“我”作为一个生命存在，重构地理解另一个对象化的生命，在体验中把握意义。而体验是“对陌生的生命表现和他人的理解建立在对自己的体验和理解之上，建立在此两者的相互作用之中”。体验不仅是对自己生命和生活的体验，而且是通过这种体验达到对理解他者生命与生活的重构。

在施莱尔马赫看来，一切个性都是普遍生命的表现，每一个人都在自身内与其他人有某种联系，因此理解可能通过心理解释来达到。狄尔泰把这种由外在感官所给予的符号去认识内在思想的过程称之为理解。海德格尔认为现象学是让人从显现的东西本身所显现的那样来看它。伽达默尔提出“理解何以可能”的问题，认为理解是普遍性的，理解的经验乃是“先于现代科学并使之得以可能的东西”。理解不是重建而是调解，把理解定义为一种“视域融合”，为发生在一切意义转换中的进程提供了一个更为真实的图像。

“何种答案回答何种问题依事实而定”，这句话其实就是解释学能够被应用于教学中的一个原因，引中出一个必然，每一个想学习一门科学的人都必须学会掌握它的方法论。

2.解释性方法在生物学重要概念教学中的实际意义

2.1生物学重要概念

重要概念是对课程内容中重要指示内容的提炼。生物学重要概念是在众多的生物学事件、生物学事实、生物学现象的基础上进行归纳、推理得出的结论，是对同一类生物学问题本质特征的概括。《标准（2011年版）》提出的50个生物学重要概念是以概念内涵或命题的方式具体描述，采用完整陈述句的形式来表述课堂教学中期望学生掌握的概念。

2.2解释性方法在生物学重要概念教学中应用的范例

解释性方法在生物学重要概念教学中应用的前提，是一定要明确重要概念的内涵、外延和作用。例如：

名称：生态系统。

定义：一定空间范围内生物与环境所形成的统一整体叫做生态系统。

内涵：生物与环境所形成的统一整体。

外延：一片森林，一条河流等。

重要概念：对生命基本现象、规律、理论等的理解和解释。

作用：传达给学生如下的信息，任何生境中都有多种多样的生物，每种生物都离不开它们的生活环境，同时，又能适应、影响和改变环境。生物与环境保持着十分密切的关系，并形成多种多样的生态系统，生物圈是最大的生态系统。

具体范例一：生物与环境。

生物的存在离不开环境，环境的生成同样离不开生物。生物与环境之间存在着普遍的联系和多种多样的相互作用。二者之间相互依赖，相互影响。

（1）生物与环境相互依赖、相互影响。

（2）一个生态系统包括一定区域内所有的植物、动物、微生物以及非生物环境。

（3）对生命基本现象、规律和理论等的理解和解释。

在准备教学时，教师先罗列本节重要概念，围绕重要概念，设计这节的教学活动。例如，“生态系统”，重要概念是“生态系统——生物与环境构成的统一整体”。教师怎么帮助学生构建这个概念？先提供事实，先让学生去感知事实性材料，带学生到农田里，或者到池塘边走走看看。若是条件不允许，给学生提供图片、文字资料、以展示生态系统，反映生态和环境密不可分的关系。教师要先了解该重要概念的内涵、外延和作用等，再充分了解学生的学前状态、学生对于该部分内容的内心反映、其精神活动以及他们认为异在的东西。教师在解释这个概念时，可让学生进入另一个异在的生活中，假设让学生在一定时间内离开空气、离开水等，让学生进行自我体验，思考生物的存在离不开环境的原因。如果反过来说，环境的存在离开了生物，又将会是怎样的？教师要让学生通过体验去“理解”，不要正面进行因果解释，最终通过这种学生自我体验达到对理解他者生命与生活的重构。

具体范例二：生物圈中的人。

生物圈中另一重要生物就是人，其实学习了各种生物，尤其绿色植物，无非就是想逐渐理解人体的基本生命结构。人体的组织、器官和系统的正常工作使得人可以生存。人体的几大系统的基本结构和机理以及相互关系则是中学生要掌握的基本知识。

（1）人体的组织、器官和系统的正常工作为细胞提供了相对稳定的生存条件，包括营养、氧气等以及排除废物。

（2）消化系统包括口腔、食道、胃、小肠、肝、胰、大肠和，其主要功能是从食物中获取营养物质，以备运输到身体的所有细胞中。

（3）呼吸系统包括呼吸道和肺，其功能是从大气中摄取代谢所需要的氧气，排除代谢所产生的二氧化碳。

教师在介绍这一重要概念时，先分析学生的心理活动和精神世界的状态、学生客观表达对“人”的理解的方式。教师应从学生角度理解：由外在感官所给予的符号而去认识内在思想的这样一个过程，让学生最终达到“理解”的水平。以重要概念的建构为目的或方向，教师从学生思维发展和其惯用的学习方法两个角度考虑学习活动的设计，在情境、素材或者开展的活动中体现出重要概念，并且将其转化为学生容易理解和接受的内容。

基因多态性的概念范文第5篇

[摘要]小学科学概念学习，是科学教学的重要内容，是学生科学判断、科学推理、科学论证等思维发展的基础，是提高学生科学素养的重要途径。在小学科学教学中，如何根据科学学科特点和小学生认知心理，运用一些行之有效的教学策略，使学生更好地形成科学概念，将学生“内隐”的思维方式和结果启发和转化为知识的建构，对此进行了初步探究。

[关键词]小学科学 科学概念 有效注意

科学概念的学习，使学生更加本质地认识事物与现象，促进科学知识的系统化与结构化，帮助学生发展逻辑推理能力，提高学生的科学素养。因此，在教学过程中，应设计符合学习规律和学生学习心理的多样化教学活动，尽可能地启迪学生思维，增进学生对科学概念的认识建构与理解水平，避免对科学概念的机械记忆。但是，已有的研究表明，科学概念教学的效果往往不是很理想，学生对科学概念的认识不能达到较高水平。导致这一现象的主要原因在于教师在教学过程中没有引导学生进行科学概念系统的建构。

科学概念是小学生学习科学基础知识的一个非常重要的方面。因为性质、法则等不仅是由概念组成的，而且概念是有关判断的组成部分，概念的定义可以作为推理的依据。同时从思维角度来看，概念、判断、推理是思维的基本形式，因此优化概念教学对提高小学科学教学质量有着极其重要的作用。

对学习结果而言，可能有三种学习状态。既没有学到知识，也不能够迁移运用，这是第一种学习状态——“无效学习”；能记住相关的信息，但不理解也不会运用，学习者所做的是尽量多的在记忆中增添新的东西，主要的认知过程是“编码”（即将信息储存到长时记忆中），这是第二种学习状态——“机械学习”；既能熟记相关信息，同时也能理解和运用，这是第三种学习状态——“意义学习”。三种学习状态中意义学习最为重要。法国著名教育家梅耶认为要促进有意义学习，必须满足几个重要内部条件：第一，教学必须帮助学习者选择相关的信息；第二，组织信息；第三，整合信息；第四，理解信息。

本文以《惯性》一课作为课例，来谈谈小学科学教学中概念的学习。

一、促进学生信息选择——引起有效注意

建构主义者认为，学习不仅是概念的认知，也是概念的一种建构，而概念的形成即包含了概念的改变与概念的再建构。当学习者在学习时，并不是直接的接纳新知识，而是首先提取与新知识有关的旧有知识，学习者会以这些经验或概念（前概念）来解释、理解概念。而由于小学生的知识经验有限，辩证思维还不发达，思维的独立性和批判性还不成熟，考虑问题容易产生表面性，且往往会被表面现象所迷惑，而看不到事物本质。在复杂的科学概念体系中，选择合适的、能引起学习者注意的信息，在教学中显得尤为必要。

《惯性》这一课，我拿出一只空玻璃杯，杯子上面放一块长方形纸板，在纸板上面放一只鸡蛋，提问：用铁片迅速把硬纸板弹出去时，硬纸板上的鸡蛋会怎么样？大部分学生认为，鸡蛋会随纸板一起飞出去，掉落到地面上。因为日常生活经验告诉他们，鸡蛋应该随纸板一起运动。

二、促进学生信息组织——表明逻辑关系

《惯性》中，学生认为“鸡蛋一定会随纸板飞出去”后，教师提问：真的是这样吗？教师迅速弹击纸板，学生们惊奇地看到，纸板虽然飞出去了，但鸡蛋却在原处落到了玻璃杯里，鸡蛋并没有跟纸板一起被弹出去。这是怎么一回事呢？

发生概念上的改变时，孩子们肯定会对已有的概念产生质疑。这种概念上的冲突，要求学生能够在探索、理解的基础上给予合理的解释。当已有概念不被实验事实所支持时，人们就会怀疑它的有效性，意识到了自己认为对的与所观察到的现象之间的冲突。

三、促进学生知识整合——建立新旧联系

当实际发生的现象与学生认为应该发生的现象在比较时，如果两者产生了不一致或者根本相反的结果时，学生就会产生的不满意的心理，也称为认识上的不协调。建构主义者预先会建立一种环境，鼓励孩子们对已有的观点产生怀疑，并对正在发生的现象提出疑问，从而减少认识上的不平衡。

在《惯性》学习中，学生观察到了实验的事实后，先会感到不可思议，紧接着就会产生认识上的不平衡，然后马上会质疑老师做的实验有问题，认为老师在杯子里搞了名堂。如有的学生提出让他们自己动手来做一下实验。

为了帮助孩子们重新塑造已有的前概念，我鼓励孩子自己进行实验。接下来他们作了相同的实验，他们的鸡蛋都落在了玻璃杯里。老师还要求仍持怀疑态度的学生再做一个实验：小球放在木片上，下面是一个球洞的支架，迅速撞击木片。他们最后不得不对自己的实验结果折服：鸡蛋和小球都落在了原地。

意识到认识上的不平衡是学习的一个必要前提，是建构主义方法的一个基本原则。

接下来，我帮助孩子来分析其中原因，使学生明白鸡蛋和小球都是处在怎样的状态，木片和纸板又怎样了。引导学生认识到原来静止的鸡蛋和小球都有保持其原来静止状态的性质。接着我又提出：运动着的物体是否也有保持原来运动状态的性质呢？你能通过实验来说明问题吗？在老师的引领下，孩子们完成了第二个实验：载着一块直立小木块的小车在运动中突然停止，小木块会向前倒，从而确认运动着的物体有保持原来运动状态的性质。学生在实践中得出了惯性的概念：物体具有保持原有的静止或运动状态的性质。

四、促进学生理解信息——达成概念运用

概念的转变并不意味着学习者已完成了概念的扩充或概念的重组，只能说学生改变了对旧概念的认知。新、旧概念间仍存在着竞争与选择的张力，换言之，平衡化并不表示学习者已用新的概念更替旧有的概念。学习者可能兼具此两种概念并存于大脑之中，这种学习者对不同的问题或情境，会选择不同的知识来处理。譬如，应付学校考试时用一套知识，解释日常生活时又使用另一套知识。因此，学习者必须再努力去建构新概念的意义，当学习者建构出意义时，方可说概念已经形成为稳定的状态。这些形成的新概念，是否是学习者真正理解的，仍需视学习者是否能正确有效的使用这些知识而定。当学习者能正确无偏的使用这些知识时，我们才称其为真正的理解。