文摘

随着社会的发展和互联网的迅速发展,目前有大约1亿1亿网页和超链接,而在未来,网页和超链接的数量也会加强。如何更好地让这个巨大的互联网使用的人已成为国际社会普遍关注的问题。加速度的近年来,随着中国基础教育课程改革,人们越来越意识到特殊地位和优越性的总体教育、艺术教育和普遍的共识,“缺乏艺术教育是不完整的教育。“因此,本文提出了平台建设的数字艺术教育在“互联网+”环境。本文首先介绍了如何进行数据挖掘在互联网时代,并提出了交互式网络与众包数据融合算法和模型。然后,统计分析了学前艺术教育教学大纲的20个学院和大学在不同的省市。实验结果表明,有八个本科学院和大学没有写教学大纲为大学审美教育主修艺术课程,和他们仍然占样本总数的40%。这表明,一些中国的学院和大学没有足够的关注大学审美教育专业的艺术课程,在课程管理漏洞,和被忽视的教学人员。

1。介绍

21世纪是一个信息时代,大量的信息和数据如潮。在当今科技进步,信息化的浪潮推动了现代化的社会和教育的现代化。2015年,国务院总理首次提出“网络+”12日全国人民代表大会。从那时起,“互联网+”的快速发展推动了各种行业的改革和发展。“互联网+”的深度集成和教育是中国教育学领域的一个重要课题。作为教学改革的中心,教室里已成为一个重要的研究课题。随着学习者越来越吸引人,有什么直接说他们的工作将如何,艺术教育有助于决策、增加自信,使人变得更加自信。他们可以发展成为终身学习者,经常把自己和提高他们的关注达到他们的目标。合作和团体研究也促进了通过艺术教育。它经常把个人和孩子们在一起,让他们受益和相互支持他们继续生产。 It enhances emotional stability and fosters teamwork in children. Kids take ownership of their errors and assume accountability for them while functioning collaboratively, which increases responsibility.

作为学生审美教育的主要方式,艺术课程教学不仅是一个简单的技巧和技能培训,也是一种文化研究。在提倡素质教育的今天的环境,它扮演着非常重要的作用在推广艺术教育对中小学学生。通过研究艺术教育的意义和作用,本文将艺术教育的重要性。主要体现在五个方面:学生的审美评价能力、身心素质和认知能力,手脑协调,和学生的创造力。因此,增加艺术和审美教育对中小学学生可以带来良好的宣传效果,在中国高素质人才的培养。网络数据融合来自不同来源的信息结合提供知识哪个更可靠,准确,实际提供的比任何一个单独的数据来源。只能使用网络数据融合用户和程序员访问管理在项目现场提供的服务。数字和环境敏感产品使用的现代教学模式,如智能教育经验,加快学习过程。因此,为了合并不同来源的多媒体学习艺术中的数据集成,应适当地采用信息融合的方法和途径。审美教育是一种教学方式,涉及学生探索,提问,讨论,和创造艺术研究的艺术作品。 People who are educated in aesthetics are better able to judge beauty. It teaches how to properly feel, enjoy oneself, and manage emotions. People are encouraged to be imaginative via creating a learning environment. Meeting the requirements of perceptual, intellectual, and social learning is the goal of aesthetic education.

本文主要讨论数据挖掘的使用数据统计在互联网大数据。然后,交互式数据融合算法和网络与众包模式的建议。然后让一个统计分析本科教学大纲的20个不同省份的高校。城市和地区收集数据从12高校和设计实验。本文的创新是使用大数据算法分析和歧视,并分析各种数据的学院和大学,所以最终的实验结果也很权威。

2。相关工作

大学审美教育的核心内容是教育和教学体系,和艺术是不可或缺的专业课程。大学艺术教师不仅要关注学生的学习能力,但也要注意他们的专业能力,并注意提高学生的审美意识和个人成就从现代的角度创新与企业家精神教育。艺术是一个重要的课程来提高学生的审美意识和个人成就。目前,许多大学本科专业艺术课程审美教育机构列为必修课之一,但仍有许多问题在大学审美教育。燕提出了一些措施,促进大学生的创新和创业的发展(1]。计算机辅助技术的普及,大学作为知识传播的重要机构,积极探索现代信息技术和课程的组合模式。Hanfei分析了艺术设计的创新教学模式和方法的背景下,信息技术课程。艺术设计和表达过程中,学生主修艺术设计需要了解绘画的详细步骤和展示他们的教学效果2]。在这个视觉的文章,cosmopolitanization作为唤起一个调谐方法,通过共同的经历和情感,和归属感。布莱基没有放过任何一件芝麻小事告诉多通道故事组成的理论与实践,提供艺术的反思,实践教育学和奖学金(3]。在这个视觉的文章中,我们描述多通道场景结构的研究和模型,提供评估的艺术,教育,和研究实践,借鉴讨论此事作为方法诱导敏感,出现,并通过日常经验和情感联系。与丹尼的讨论提出了与她的艺术作品和写作的整体表征的发展self-spanning位置,位置,和时间,受到年轻的民族,透水视觉表象,重要性,体格控制,衣服,流行文化,和社交网络。Nacak旨在识别当前的趋势在发表的文章中对艺术教育和社会领域的系统回顾。文献分析作为一种定性研究方法用于研究来实现这一目标。本研究的数据来自谷歌学术搜索数据库,通过搜索关键字,如“艺术教育”,“沟通”和“社会”(4]。他们都解释了艺术教育的重要性很好,但是他们没有详细研究,和没有去大学课堂真正地分析实验数据,这是相对片面的。

互联网是由新兴传感、通信、云计算、大数据分析技术,在工业领域都得到了广泛的关注,其潜力在工业生产智能化和高效化。融合的智能设备、智能系统、智能决策,和最新的信息技术,互联网将提高生产率和降低成本,浪费整个工业经济。使用数据从一个纵向调查中西部大学的本科生,尼尔森发现数字公民参与填补留下的空白的衰落更传统的政治参与形式。也发现,教育者在发展中起着重要的作用并保持年轻人的公民参与在线和离线。结论表明,学者和本科生教育工作者需要开发课程根据学生目前的方式参与民主(5]。摘要Papagiannidis等人提出使用一种新的大数据挖掘方法和互联网作为一种新的行业分类有用的元数据来源。他提出的方法可以用来作为决策支持系统的实时识别产业集群在一个特定的地理区域,导致战略合作和政策制定的操作和供应链管理跨组织边界通过大数据分析6]。本文概述了工业网络,专注于架构,支持技术,应用程序,和现有的挑战,开始调查的互联网简史工业。然后,李等人介绍了5 c体系结构,被广泛用于工业网络系统的特点。此外,他已经从各个方面进行研究使能技术,如工业网络、工业智能传感、云计算、大数据、智能控制、安全管理(7]。他们都做了研究互联网技术通知大家关于互联网的重要性,但他们没有做研究与数字技术相结合。

3所示。数字数据融合算法在“互联网+”环境

3.1。“互联网+”的时代

“互联网+”连接一切。个人的网络连通性、流程、数据和对象被定义为“网络+连接任何东西。“造福这个更大的连接产生当“一切”重新上线和建立联系的因素影响,流程,信息,和对象使埃克斯波特学院有益的。它连接在一起的个人、流程、信息和对象进行网络化的关系比以往任何时候都更有用和有意义的。通过将知识转化为行动,它给组织、个人和国家前所未有的经济机会。如图1,它总是提供了一个开放和公平的态度。灌输和接收的简单的关系,给予和接受过去将不再使用。

在中国的互联网用户数量达到了7.1亿2016年6月,主要是手机、台式电脑、笔记本电脑。手机用户的数量已经达到6.56亿人,占92.5%,远远超过其他网络设备,可以看到在图2(8)和表1。

3.2。网络数据融合

随着社会的发展和互联网的迅速发展,如何使这个巨大网络更好的为人们已成为国际社会普遍关注的问题。一方面,人们希望快速获得信息,准确,全面,另一方面,很难做出选择,因为在互联网上各种各样的信息。过去,他们中的多数人仍在初级阶段的数据收集、手动分类的网页,机器检索等,缺乏知识的处理和理解,以及互联网的开采和利用,使其智力水平不高。

为此,本文提出了一个交互式基于互联网和众包的数据融合技术。它可以执行不同的模式匹配和物理匹配在不同的情况下获得更好的融合效果。通过这种方式,可以获得更多的信息和潜在的可以更好的利用。此外,本文提出了一种新的模型,结合了上述两种方法的优点和解决他们的局限性9]。

3.2.1之上。记录匹配的似然估计

首先,逻辑乙状结肠函数是用来减少上述复杂函数的线性函数,而不是完全计算属性之间的依赖关系。乙状结肠功能是有限的,可微的,执行函数,精确的一个转折点,一个非负导数在每一个关键时刻,并指定实际的输入值。只有一个参数被用来控制属性之间的依赖关系的影响记录匹配的可能性。属性匹配的影响,记录的可能性是平滑的乙状结肠函数可判断的方法。此外,为了克服误差累积问题,需要定义一个函数的贡献,用对数函数映射中的值 。

为了实现这一点,首先所有属性对彼此认为是相反的,所以可以使用线性函数来计算匹配概率(类似于Noisy-All模型)。唯一的这类系统,可以预测一个特定的事件称为静态概率相似性是线性模型。此外,它是证明模型属于这类的额外特性称为边际一致性预测近似概率匹配。阻尼因子被引进来弥补假设这个设置的属性是独立的。然后,匹配的概率的计算方法d和可以通过以下公式表示:

一个对象的阻尼系数揭示了一种物质是否会反弹或供应能量系统。下面是一些原因阻尼比很重要。它被用来评估系统的抑制程度。其中,阻尼系数是用来弥补属性之间的相互依存关系(这个系数可以和好数据验证组)和 的总贡献分数匹配属性设置 ,这是计算如下:

使用对数函数值在0和1之间映射到整个实轴如下:

其中, 匹配的可能性吗X和Y。最后一个 是和相似度的贡献函数,计算如下:

其中, 由字符串相似性计算相似度函数,如Levingston相似性函数, , 定义的转折点是专家判断一个属性值提供了一个积极的还是消极的贡献。距离值指定了最小数量的切口,删除或替换所需的源字符串转换成目标字符串。的贡献函数定义在方程(4)地址错误积累问题,而不是直接使用 的贡献。在这种情况下,更大的成绩 可以通过较小的积累相似吗 在多个属性 并导致错误的匹配(10,11]。

综上所述,该模型有以下两个优点:它可以解决问题的记录匹配概率计算的nonindependence属性之间的一个小成本;它解决了误差累积的问题。它可以在图中找到3Noisy-All模式相对僵硬和变化很快x很小。的曲线平滑和对应于一个大区域x设在。此外,当应用方程(4),模型引入负不像Noise-All模型,因为这将是毫无意义的。

3.2.2。属性匹配的似然估计

现在,如何估计1和2的概率匹配进行了探讨。当对当前匹配的记录 ,记录匹配中使用相同的模型是用来计算两个属性匹配的概率。但是这里不需要阻尼系数来控制相关的记录之间的依赖关系,因为他们通常是相互独立的。不幸的是,与系统的质量和刚度不同,系统的阻尼系数不能确定本质上。它影响振荡器的固有速度除了输出波形的逐步衰落。正式的属性匹配可能是下面的表达式:

其中, 的总贡献分数匹配记录,准备好了吗 ,这是计算如下:

随着迭代过程的进行,越来越多的属性对和记录对匹配在一起。每一次迭代后,目前计算匹配概率需要更新,和连接属性对和记录对还需要调整。

有一种相辅相成的关系双属性双和记录。如图4,一式两份的图可以用来表示属性对和记录对之间的关系。边缘上的重量代表一个属性的贡献得分或一双记录。具体来说,如果一个边缘来自一双记录 一个属性对 ,他们的边缘的重量 。如果一个边缘来自一双记录 一个属性对 ,他们的边缘的重量 。然后函数 可以应用于所有边缘的全职和指向记录本身。这种方法也可以用来计算属性的匹配概率对,和匹配记录的可能性对和属性对记录为向量和 ,分别。上面的交互式算法表示为IntSRM,正式的结论是:

IntSRM交互算法是收敛的,匹配的记录对和匹配属性对将独特的最后决定12]。所有这些假设是符合艺术教育的想法可能增加学生的动机。一个只需证明艺术教育是鼓舞人心的结果变量的错综复杂的网络连接到这样的指令。最好的方法表明,有一个高艺术的可能性提高学业成绩是随机的学生一个学校一个艺术程序和其他没有这样的程序,然后监视他们的发展。

证明:是表示两偶图的算法 ,在哪里 , 。 所有记录的节点集对,是所有属性对节点的组合;结合边缘在吗 ,和是一组边 。我们表示X和Y表示的邻接矩阵 ,分别。为方便表达式的值X和Y需要重新定义。如果有一个边缘节点在一个节点 ,然后邻接矩阵的对应值X被定义为的贡献价值方程(4)。如果有一个节点的边缘的节点 ,然后邻接矩阵的对应值Y也定义为贡献值。在j-step迭代中,匹配的属性对和记录对向量的可能性和 ,分别。现在以下四个功能矩阵的定义。(1) 应用函数的操作吗 对每一个x值矩阵米;(2) 应用函数的操作吗 对每一个x值矩阵米;(3) 是应用函数 对每一个x值矩阵米在哪里c是一个常数(4) 是应用函数 对每一个x值矩阵米。此外,表示作为应用rth函数X的矩阵N,在那里 使用,可以获得以下两个公式:

后用方程(7)方程(8),然后用方程(8)方程(7),可以得到:

得到更多的显式表达式,需要做一些转换。类似于级数收敛性证明的方法,可以得到以下公式:

因此,以下表达式1和2可以得到: 是一个常数向量。

3.3。交互式数据融合互联网和众包的

由于大量的失踪在两种数据集,交互式算法常常无法完成。然而,特定的模式匹配或实体匹配可以通过网络进行,众包填写少量的丢失的数据,或者直接确定属性的匹配和记录(13,14]。然后它可能使交互过程更好,从而达到更好的数据融合效果。描述艺术教育数据和每个子层,模式匹配利用数据融合分析和模式识别的方法。这允许合并的多源信息,并运行操作数据的子层的规模。结果表明,多源子层信息融合方法使用模式识别可以获得每个子层的多维特征,节省大量的人工分析时间,降低主观性质和片面的分析,并提供专家和数据帮助相应变量的精确测定(15]。

首先,丢失的属性值在一定数量的记录对充满了互联网的帮助,然后上面提出的匹配模型用于计算的可能性匹配双属性双或记录。如果重新计算属性的匹配可能一对或记录仍然没有达到指定的阈值,只有两种可能。首先,缺失值爬在互联网上是不可靠的,第二个是两个属性并不匹配。第二个原因是,由于数据本身的局限性,它不能被改变。对于第一个原因,它可以与众包试图解决它。因此,在偏好策略是使用基于互联网的方法,如果它不工作,使用crowdsourcing-based方法。如果crowdsourcing-based方法没有更多的属性对在当前模式匹配,匹配的交互过程被认为是结束了。收集和理解的困难任务的结果是嵌入框架在开发人群为基础的过程,其中包括学习者与简单操作属于同质的实体。

3.3.1。填充框架基于互联网和众包

本节介绍了匹配框架如何使用互联网和众包。如图5的基本流程框架可以说明了以下步骤:首先,石斑鱼组目前的缺失值匹配的记录,以便可以使用相同的数据填充模型在同一组。然后,需要填充的数据选择和一个基于互联网的人口模型是用来帮助填充数据。如果这些填充物的使用值不足以继续相互作用过程,crowdsourcing-based方法直接用于执行属性或记录匹配。包化和基于互联网的数据填充模型框架的详细描述。

再次分析的数据是一个更好的匹配模式的一部分,从各种数据中提取使用通过限制的过程。一旦数据被提取,值是问的分析模式与互联网的使用。进一步验证过程进行的众包平台的模式匹配与训练数据,发现最大的概率。

石斑鱼:石斑鱼将垫一些记录缺失值分成不同的组。它主要是基于以下两点:每个元组中的遗漏值的分布;数据约束如FDs、差价合约和一些用户定义的规则。通过这个组织,希望记录缺失值在同一组可以使用相同的查询方法从互联网上获得数据。每一个查询模式使用属性值的集合和一个关联的模式,形成一个查询。因此,记录在同一组可以使用相同的基于互联网的人口模型。

基于互联网的人口数据模型:该模型从互联网上获取数据通过输入人口查询在前面的步骤中生成的。模型不仅从互联网上获取相关数据,但也从多个返回值选择更准确的数据来帮助我们完成高质量的模式和实体匹配。如图6两套参数需要考虑在这个模型:相关网站的准确性和履带的准确性(对应于每个查询方式)16]。

3.3.2。网络质量控制的缺失值

为了保证高质量的数据从互联网上获取更好的互动融合,一个概率模型用于估算正确的属性值从互联网上获取。为了方便人们理解,首先一个网站年代和一个履带h被认为是作为一个整体,来标示 。然后,使用 为缺失值,提供填写的值的概率 提供了一个值d来y可以得到如下:

的准确性 , 填写正确的值吗b, 的概率是 提供了一个错误的值y和错误的值d。然而,现在还不知道哪个值是正确的,所以方程(12暂时无法计算。这里,迭代EM方法用于估计每个组合的准确性 ,也就是说,估计 。的策略进行最大似然估计的潜在结构是采用方法。为了实现这一点,首先优化模型,然后潜伏构造值估计,等等,直到收敛。高斯混合模型和其他聚类方法经常使用这种高效、全面的密度估计方法使用不完整的信息。

表示为填充y向量的所有满值(包括副本)刮的网站 site-crawler组合3返回的值,那么所有满值的联合分布y是:

他们的目标是找到一种方法最大化 。具体来说,推导的步骤如下:

E-step: E-step,组里的值对于每一个缺失值y的概率, 可以通过下面的贝叶斯计算规则:

所有不同值的集合在吗 。在第一个E-step, 给出一个统一的先验概率,因此我们不需要考虑先验知识的正确值。

M-step: M-step期间,的价值y更新替换的值 ,然后 所有替代价值最大化,这是:

然后,下面的公式是用于更新 。

这个公式是治疗的平均概率 作为 提供正确的值Y。E-steps M-steps交替执行,直到所有 已经达到一个稳定值。

其中,的准确率是网站年代,是履带的准确率h,是履带的召回率h。

4所示。抽样实验数字艺术教育的“互联网+”的环境

4.1。数据采样的大学艺术课程教学大纲

以下4.4.1。数据收集和教学人员

本研究采用目的抽样的方法,收集大学审美教育主要的艺术课程的教学大纲主要高校通过互联网搜索,直接访问教师和家庭,和间接访问朋友。根据中国法规课程设置,所有课程在教学计划中应该有相应的教学大纲。然而,事实上,在收集的过程中艺术课程的教学大纲为大学审美教育专业主要的学院和大学,本文发现,一些正式的本科学校没有义务写课程教学艺术课程中指定的大学审美教育课程教学计划,也就是说,没有课程教学大纲编写的文本形式(17,18]。

本文选择在不同的省市高校作为收集的样本。在收集过程中,大约20个本科院校与大学审美教育专业学习。然而,其中20本科院校,本文只收集12本科院校写大纲文本为艺术课程在大学审美教育,占样本总数的60%。从8个本科学校有关人员表示,学校并没有写在艺术审美教育专业大学生的文本教学大纲课程,占样本总数的40%。

本文发现,八个本科学校中没有编译大学审美教育艺术课程的教学大纲(注意:学校名称与数字编码),有1985所,1211所学院,4一级重点大学,和2个普通的二级学院。如表所示2这八个本科大学的位置:华东、华北、东北、华中、西南。可以看出,有一个现象,本科院校在我国不同地区不同层次不注意文本编译高校的艺术课程,如表所示2。

4.1.2。学校的类型和分布

根据这12个本科高校的类型和分布,本研究将进行统计数据的类型和地区12个采样获得的学院和大学,如图7。本研究的样本是12本科院校,和选择的样本是艺术的教学大纲课程为大学审美教育专业12个学院和大学。

从区域的角度分布,在12个学院和大学,2正常大学位于中国北部,2师范院校和综合性大学是位于中国东部。有两个普通大学,1师范学院,1中国中部的综合性大学。有两个中国西南地区师范院校和1在华南师范大学。从分布面积的角度来看,12所高等学校主要是在中国中部和东部。这不是故意的,但完全是根据选择的便利收集样本,抽样的针对性和成熟的多年的高校培养大学生审美教育专业。这不是收集根据各地区经济发展的现状和总体布局院校招收大学审美教育专业(19]。

在学校类型方面,12所高等院校中,有9个师范院校,1师范学院和综合性大学。样品符合培训单位在中国招收本科生主修大学审美教育与普通高校为主体。艺术课程的教学大纲为大学审美教育本科生在12个学院和大学可以代表大学审美教育的教学大纲的现状在中国高校本科艺术课程。因此,本研究的抽样和典型代表,也奠定了基础为进一步深入分析本研究[20.]。

4.1.3。长度和形式的教学大纲

从细节的角度来看,每个学校不同的艺术课程,所以收集的大纲文档的数量和规模也参差不齐。摘要12高校编码的形式一个字母,并进行分类和分析,如图8。可以看出,单词的总数在大学审美教育主要的艺术课程的教学大纲在这12个本科学院和大学有很大的不同。例如,在学校的字数J是最大的,达到10953个单词,单词的总数在艺术课程的教学大纲在学校E只有560字,J学校的19倍,E。由于不同的开放时间每个学校的课程,教学大纲文档的数量在每个学校也不同,比如,我,H, D, B, C,文档的数量是一致的数量是学期的课程。当然,也有例外,例如,幼儿园艺术课程K, B,和G都长两个学期,但他们都写成一个文档。

此外,它还可以看到从图9这12个本科学前教育专业艺术院校有不同的时间课程(21]。例如,只提供学期艺术课程,而H E、D、B L和C都提供初级的艺术课程,而我,G, F, J, K提供美术的奇迹并计划。这也表明,每个学校不同的关注艺术大学审美教育专业的课程。

根据上面的讨论,可以看出,仍然有巨大的差异在艺术在中国本科高校学前教育专业的课程。从教学大纲的结构和长度的差异,可以看出,一些学院和大学写了相对详细的解释了条件和标准的课程内容尽可能明确。然而,一些高校相对敷衍了事,并没有足够的关注。也可以从写作的方式,中国的幼儿园艺术课程一般分为理论知识和实践技能的组合,和开放时间和学期是不同的,这也反映了幼儿教师在高校改革。艺术课程的学习是一个过程的时间积累和技能培训。它不仅使学生理解系统的艺术知识,还要求学生加强技能的学习和培训的基础上理解知识。艺术大学审美教育专业课程培训幼儿教师将在未来从事大学审美教育。他们还应该学习基本的艺术系统知识和基本技能,也需要一定的训练才能掌握。

4.1.4。结构元素的教学大纲

由于不同的训练条件和目标不同的学院和大学,每个部分的元素的艺术课程的教学大纲为大学审美教育专业也不同。统计是根据一级标题和12的单词频率的艺术教学大纲课程为大学审美教育专业在本科院校。“课程简介”、“课程基本信息”,“课程性质和任务,”“教学目的、课程目标、教学目的和任务,“统计结果如表所示3。统计结果的“教学内容和要求,安排教学章节”如表所示4(22]。

在这12艺术课程的教学大纲大学高校审美教育专业,只有8教学大纲解释了“自然的基本信息和课程”的课程;8教学大纲提到的“教学方法和手段”;11个教学大纲所有涉及“教学目标”的定位,只有7教学大纲明确规定具体的“小时分配”的艺术课程;11个教学大纲规定的“参考列表”和7与相关课程教学大纲明确联系,与其他课程的关系,教学设备和设施,教学周任务,教学大纲说明和其他细节。所有的教学大纲明确指出的描述“绩效评估方法和评估”,并统计结果如表所示5。

上述数据表明,教学大纲是由学院和大学自己制定,和每个大学都有自己的意见的内容应当参与艺术课程的教学大纲为大学审美教育专业和有自己的重点元素,这使得当前的艺术课程教学大纲的元素本科生主修大学审美教育不是完全统一的,甚至是不完整和系统化。然而,大多数教学大纲还可以介绍一些教学大纲的核心元素,如课程性质、教学目标、教学内容和时间分配,教学方法和手段,和评估方法。虽然它能反映大学生主修大学审美教育的培训特点,它仍然需要进一步标准化和改进。

4.2。艺术课程的教学大纲内容为大学审美教育在12本科院校专业

从图可以看出10在大学审美教育主要艺术12本科学院和大学提供的课程,知识和技能目标出现最频繁,也就是说,掌握艺术技能和技术(11次)。其次是过程与方法目标,即实践能力(6次)、创新能力(6次),和欣赏能力(5次)。目标的情感、态度和价值观是最不经常使用在所有目标语句,几乎只有经过。例如,“形成正确的审美观,发展健康的个性,展示一个积极的对绘画的兴趣,喜欢用艺术来表达孩子们的生活,和培养的道德真理,善良和美丽通过艺术课程。“这些目标只有一次出现在个别院校的教学大纲。不难发现,艺术课程的教学目标在大学审美教育仍专注于知识和技能,忽视情感、态度和价值观。如上所述的本质,美术课程是一个实用的技能和技能的培训课程为大学审美教育专业。

5。结论

收集艺术课程的教学大纲在12个学院和大学进行调查和分析,从静态文本的角度来看,它反映了当前的价值取向和艺术课程大学审美教育问题在中国高等师范院校本科生。研究发现,由于许多因素的影响,艺术课程的教学大纲为大学高校审美教育专业有一些实际问题如缺陷和功能缺陷在课程目标、课程内容、课程实施和评价。然而,与中国关心教育学者们的上诉,更新和提高高等教育机构的教育概念,这些问题将会解决,和中国的大学审美教育将继续发展和成长。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者在获得合理的请求。

的利益冲突

作者声明没有潜在的利益冲突的研究,本文的作者,和/或出版。

确认

这项工作是支持的教育和教学改革项目。hnjg2020-22海南省和高校的教育教学改革研究项目。hdjy2032海南大学。