走向学习中心:未来学校构想

走向学习中心:未来学校构想

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

因版权原因待上架

编辑推荐

打破思维的墙,分享未来学习新趋势。优化教育选择,为每个孩子提供定制化的成长方案。

内容简介

未来30年,教育将会发生怎样的变化?

如何培养下一代,才能使他们适应竞争更为激烈的社会?

资源如此之多,如何优化教育选择?

如何为每一个孩子定制个性化的成长与学习方案?

在本书中,朱永新教授调研了国内外优秀的教育机构,和读者分享未来学习新趋势——走向学习中心。此学习中心,即未来的学校,将是一个学习共同体,学习时间会逐步弹性化,完全以学生为中心、以学定教的个性化学习将成为主流;未来的教师也将成为自由职业者,适应“人机共教”的教学模式;大数据和人工智能将逐渐改变学生的学习习惯,使学习过程更轻松,更贴近学生的个性和认知。

未来教育的这些变化,你做好准备了吗?

作者简介

作者朱永新,中国民主促进会中央委员会副主席,第十二届全国政协副秘书长、常务委员会委员,叶圣陶研究会副会长,中国教育政策研究院副院长,中国教育30人论坛成员,苏州大学教授、博士生导师。著有《朱永新教育作品》(十六卷)等,著作被译为英、法、日、韩、俄、蒙、阿拉伯等文字。主编有《当代日本教育丛书》《新世纪教育文库》《新教育文库》等30余种。先后多次主持承担联合国教科文组织委托研究项目、国家自然科学基金、国家社会科学基金等。从2000年起,由他发起的新教育实验在全国推广。至2017年,全国有28个省市自治区的3500余所实验学校、370余万名教师和学生参与实验之中,以行动悄然改变着中国教育。他多次被评为“中国十大教育英才”“中国教育十大风云人物”、国家新闻出版总署“全民阅读形象代言人” 《南风窗》“为了公共利益”年度人物等。

章节目录

版权信息

序言

前言

第一章 未来已来

一、学校的发展历程

二、变革学校的诸种努力

三、未来学校的模样

第二章 走向学习共同体

一、未来学习中心设计的原则

二、未来学习中心的基本构架

三、正在创造和探索的未来学习中心雏形

第三章 我的学习我做主

一、学力就是创造力

二、突破时空限制的泛在学习

三、基于合作探究的混龄学习

四、以学定教的个性化学习

第四章 能者为师

一、智能机器人教师正在走来

二、教师如何不被淘汰

三、回归能者为师的时代

第五章 从文凭至上到课程为王

一、课程为王:学什么比怎么学更重要

二、为生命而存在的课程

三、多学科整合的项目式学习

四、未来的图书与未来的阅读

第六章 学习就像玩游戏?

一、互联网背景下的混合式学习

二、大数据和人工智能实现精准学习

三、游戏让学习过程变得更快乐

第七章 政府如何治理学校?

一、科学决策:让教育政策经得起历史检验

二、推进公平:满足人民对美好教育生活的向往

三、简政放权:激发地方与民间教育活力

四、依法治教:让教育行驶在法制轨道上

第八章 从鉴别走向诊断

一、考试与评价改革迫在眉睫

二、第三方评价与未来学习中心

三、考试与评价的未来发展趋势

四、学分银行与未来学习中心

第九章 与孩子一起成长

一、学校不是教育的唯一场所

二、未来社会的家校社合作共育

三、未来学习中心父母的角色

四、教育者应该与孩子一起成长

五、未来如何做父母?

第十章 教育的变与不变

一、在变化中寻求“以不变应万变”

二、追寻公平且有质量的教育

三、过一种幸福完整的教育生活

参考文献

附录 技术如何释放终身学习者的潜能?

主题索引

后记

走向学习中心:未来学校构想是2020年由中国人民大学出版社出版,作者朱永新。

得书感谢您对《走向学习中心:未来学校构想》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

购买这本书

你可能喜欢
精准医疗:未来医疗新趋势 电子书
全面解读精准医疗发展应用和市场前景的科普类图书。
云数据中心网络架构与技术 电子书
由华为数据通信数字化信息开发部和数据通信架构与设计部联合编写 基于华为在全球范围的丰富商用交付经验 聚焦新一代网络技术的发展热点 聚集华为数据通信产品线的一线专家和技术人员的研发成果 提供性能高、体验优、组网强、应用很好创新解决方案 针对未来万物高速、实时互联的海量应用场景,为满足大变革时代全新的企业需求痛点,提供充分发挥AI算力的、业界领先的解决方案,介绍如何构建智简、弹性、开放的数据中心网络。
机器学习实战 电子书
《机器学习实战》面向日常任务的高效实战内容,介绍并实现机器学习的主流算法。
JavaScript深度学习 电子书
深度学习扛鼎之作《Python深度学习》姊妹篇,前端工程师不可错过的AI入门书。
实用机器学习 电子书
大数据时代为机器学习的应用提供了广阔的空间,各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开,着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发,介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时,书中不但阐述基本原理,而且讨论模型的评价与选择。为方便读者学习各种算法,本书介绍了R语言中相应的软件包