学习性研究

一、教育部推荐课题（2017年）1、清洁能源发展现状调查及推广2、家乡生态环境考察及生态旅游设计3、食品安全状况调查4、家乡交通问题研究5、关注知识产权保护6、农业机械的发展变化与改进7、家乡土地污染状况及防治8、高中生考试焦虑问题研究9、社区管理问题调查及改进10、中学生网络交友的利与弊11、研学旅行方案设计与实施 12、考察当地公共设施二、综合性课题 （一）环境保护13、对十堰地区废电池回收情况的调查及建议14、十堰空气中SO2对土壤的负面影响及治理措施15、环保筷的开发与推广16、十堰地区空气污染现状及对策17、汽车尾气的治理及再利用18、关于城市垃圾资源化的设想与调查19、塑料及其回收利用20、光污染与光能节约（二）生活中的化学问题：21、农用生物肥22、新型建筑材料的开发与利用23、生命之源——营养24、家庭包装25、以氢气（天然气）为燃料的灶具26、正确提取热量及饮食27、对化妆品成分的研究28、方便面可食性内分装29、油烟革命30、装潢材料的应用及改进　 （三）资源利用：31、太阳能发展前景及利用32、创造绿色电能33、未来能源技术 三、学科性研究课题（一）、语文研究性学习课题34、如何解读赏析外国小说35、追溯诗歌的源头—《诗经》艺术探究36、我眼中的孔子（老子、庄子、孟子……）37、交际中的语言艺术 38、追寻在（某地）留下足迹的文化名人39、寓言对生活的启迪 40、《三国》人物性格探析 41、现代流行语言的背后42、高考满分作文研究43、广告语的修辞分析 44、民俗文化研究45、记文学中的精神力量46、 朱自清的散文艺术探究47、冰心作品中的爱的哲学研究48、张洁作品中的人性美49、中国古典诗歌发展探讨等50、学生名著阅读情况调查及分析 （二）、数学研究性学习课题51、如何计算一份试卷的难度与区分度52、主要十字路口人行道宽度的科学设计53、生活中的数字问题 54、生活中的数学——贷款决策问题55、寻找人的情绪变化规律 56、促销中的打折与分期付款问题57、三角函数的应用问题 58、数学中的黄金分割59、向量方法解决数学问题 60、登高望远—数学中的测量在现实生活中的应用61、银行存款利息和利税的调查62、购房贷款决策问题63、投资人寿保险和投资银行的分析比较64、证券投资中的数学65、以“养老金”问题谈起66、中国电脑福利彩票中的数学问题67、如何存款最合算68、如何合理抽税69、出租车车费的合理定价70、哪家超市最便宜（三）、英语研究性学习课题 71、称呼中的英文与汉译方法探究72、中英美人之间的交际习惯73、性格与英语学习 74、饮食行业的英语规范75、趣味英语收集 76、旅游景区的标识英语77、西方国家节日谈趣 78、兴趣爱好与学习英语之间的联系79、英语口语训练 80、英语中的颜色与心情 （四）、物理研究性学习课题 81、温室效应的产生与影响 82、物理与能源开发83、防盗门的防盗原理 84、自行车上的力学知识85、鸡蛋身上的物理学 86、学校周围噪声的防治87、现代交通与噪声污染及防治88、魔术中的物理原理89、建筑中的物理原理90、音乐中的物理知识 （五）、化学研究性学习课题 91、家庭装修材料的取材研究92、用植物色素制取代用酸碱指示剂及其变色范围的测试93、过氧化钠与二氧化碳反应的实验改进94、汞是如何进入食物链的？95、对市场补钙药品的研究96、食用油脂与健康97、常用食品添加剂的成分98、各种水果的维C含量之比较99、调查医院化验室中化学知识的应用100、日用洗涤剂对人体和环境有害吗？ (六)、历史学科研究性学习主题 101、中国古代科举制度研究 102、辛亥革命的成功与失败 103、世界史上著名人物研究 104、十堰发展简史105、二中发展简史（七）、地理学科研究性学习主题106、冰川搬运设备制作107、从生态观点进行节能108、从地缘关系分析美国发动伊拉克战争的原因109、我国风水学中的科学地理成分110、地理素养对我们学习、生活、工作的影响(八)、 生物学科研究性学习主题111、制作真核细胞的三维结构模型112、利用废旧物品制作生物膜模型113、制作反射弧模型 114、设计小麦品种间杂交育种程序115、卧室内放绿色盆景多多益善吗？(九)、政治学科研究性学习主题116、如何使用信用卡促进十堰的消费117、对某某商品的销售情况的跟踪调查 118、中国保险业将何去何从119、个人收入分配方式的变化120、经济全球化与中国的发展编者按：发布高中综合实践之研究性学习课程相关知识，与学习、研究者探讨交流。12.5重点课题《研究性学习的探索与实践》研究平台及成果之一。创新的互联网+教育服务平台，时尚前卫的创客空间，让每一个人都在研究中快乐成长！

我国的中小学课程已经经历了九次改革。第九次课程改革自1998年开始以来，至今已经持续了二十一年，教育改革真的是做到了“改革永远只有进行时”。教育理念在一代又一代教育人的努力下，不断更新。从最初的“素质教育”到现如今的“创新型人才”培养，教育紧随着社会进步的步伐，推陈出新。当前，我国经济和社会正处于历史性变革的关键时期，国家发展对于创造性思维和创新型人才的需求超过以往任何一个时代。为了适应这种形势，教育领域提出了，教师应在教学过程中更多运用“探究性学习”和“研究性学习”。许多老师对这两个术语，应该是非常熟悉了，在教学实践中也已经做过很多有益的尝试。但是开展研究性学习就能使学生将来成为创新型人才吗？科学家是通过研究性学习培养出来的吗？对于这一点，不少老师仍有不少疑义。小编今天就来谈谈这个话题。研究性学习开展研究性学习学习的目的在于培养学生发现问题、分析问题和解决问题的能力。而科学研究就其本质来说，也在于发现新问题和解决新问题。二者有相通之处，但是还是有距离的。目前许多教师和学生，对研究性学习和科学研究的真正关系的理解方面，还存在许多误区。对于中小学生来说，研究性学习的意义在于培养学生在实践中运用知识，解决生活中的实际问题的意识和能力。而生活中的问题通常不是用哪一个学科的知识就能解决的，需要综合运用各个学科的知识，即综合实践活动。教育部在2000年1月颁布的《全日制普通高级中学课程计划（试验修订稿）》中首次提出，研究性学习是指学生在教师指导下，从学习生活和社会生活中选择和确定研究专题，主动地获取知识、应用知识、解决问题的活动。研究性学习与社会实践、社区服务、劳动技术教育共同构成“综合实践活动”，作为必修课程列入《全日制普通高级中学课程计划（试验修订稿）》中。教育部于2017年9月又发布了《中小学综合实践活动课程指导纲要》，以推进中小学生的实践能力发展和提升。综合实践活动课程的目标在于，使学生能从个体生活、社会生活及与大自然的接触中获得丰富的实践经验，形成并逐步提升对自然、社会和自我之内在联系的整体认识，具有价值体认、责任担当、问题解决、创意物化等方面的意识和能力。从科学研究的角度来说，综合实践活动课程固然增强了学生综合运用知识观察、发现、分析和解决生活中的实际问题的能力，但是离真正的科学研究仍然有很长的距离。科学研究通常立足已有的理论和研究结论，通过对自然和社会的观察，从新的现象出发，运用科学研究方法，寻找问题背后的规律。说的具体一点就是，新的现象是否能用已有的理论来解释，已经发现的规律在新的情境下是否仍然有效，是否有新的表现形式。发现新规律（真理），哪怕是对原有规律做出一点点补充，都是每位科学家梦寐以求的事情，当然这也是非常难的事情。要做出新的发现，首先就要求科研人员具备高超的科研素养，也就是观察、发现、分析问题的意识和能力，这也是教育部想要着力培养学生创造性能力的初衷。此外，要想有新发现，还要求科研人员对原有的理论和研究成果具有深厚和广博的认知。没有经过艰苦的学习，想要成为一位合格的科研人员是难以想象的。从目前中小学《综合实践活动》课程的开展情况来看，老师们对学生开展研究性学习的热情还是很高的。许多学校以课题形式，指导学生开展了涵盖学习生活各个领域的综合实践活动。学生在实践活动中，确实也收获良多，知识结构和思维方式都得以朝着预想的方向发展。但是从大学生的学习现状来看，一方面现在的学生思维异常活跃，想象力丰富，另一方面却对学习本专业已有理论和研究成果缺乏热情。虽然各高校在大学生当中也开展了大量的创新创业教育活动，并且开设了专门的《创新创业教育》课程，但是从学生的科研素养来看，效果实在差强人意。牛顿的那句名言：“如果说我看得比别人更远些，那是因为我站在巨人的肩膀上”，人尽皆知，但是能真正理解其深意或者说能按照这句话去做的人少之又少。开展研究性学习为学生打开了通向科学殿堂的大门，但是在通往这个大门的路上，还有许多事情等待着学生和老师们一起努力去完成。开展研究性学习不一定能把学生培养成科学家，但是如果不能真正理解研究性学习和科学研究的关系，那么至少研究性学习活动的效果就会大打折扣。研究性

目前中小学都开设了研学课程，目的一：认真贯彻我国课程标准中提到每学期组织学生要参加不少于15%的社会实践课程；目的二：拓宽学生们的视野，强化团队精神，培养学生良好的思维品质，渗透我国传统文化，了解国内外风土人情等，为了使研学课程能够起到提升学生综合素养作用，组织者与参与者应该重视以下几面：研究一 、明确目标知道了研学地点与内容后，首先想清楚参与研学课程想要最终的结果是什么？也就是要达到的目的。要达到目的不妨给自己设计几条具体的目标，目标要可实现、要具体。如：通过参与研学课程，我要提升团队参与度；我要学会使用统计学测量数据；我要学会写报告；我要克服在 众人面前害羞的心理？等等，总之目标聚焦、可操作。避免目标泛泛，如通过研学我要拓宽知识面，什么知识没有说；通过研学我要克服困难，什么困难也没有讲。目标不明确直接会导致研学的效果不理想。二、设计手册如果学校组织研学没有设计研学手册，自己就要设计一个研学手册，这个手册的设计一定是基于要研学的地点与研学内容而言。也就是要提前做足“功课”，这个“功课”就是要提前查找相关资料，掌握好研学地点与研学内容的相关的“原材料 ”。最后再根据“原材料”进行研学手册的设计。这样就做到有的放矢。如：组织学生到顺义鲜花港进行研学，我们就根据不同的学科，不同的年级进行了研学手册的设计，其中有一个手册是让学生统计鲜花港内占地面，有多少厕所，每天客流量，再根据统计请你给鲜花港提两条合理化建议报告。通过学生们查找资料以及实地考察，最后学生们形成了一份关于鲜花港占地面与厕所合理规划报告。这份报告得到了相关部门的褒奖。三、记录过程很多学生们与家长认为研学就是吃吃喝喝，玩玩乐乐。其实不然，研学一定是要真参与，真观察、真思考、真记录。研学过成中学生们一定要抓住机会主动参与其中，如有团队活动时，通过参与体会团队精神。另外参与研学过程中还要认真的思考与观察活动的过程，并将过程用纸介或者拍照、录影等方式记录下来，以便总结使用。四、形成报告研学结束后，学生们要根据自己研学的内容以及感悟形成自己的一份研学报告，这份报告可以是纸介版；也可影视；也可ppt文本等，报告形成过程既是提升学生们总结能力的过程，也是自我内心对话的一个过程，这个过程能够有效地激发自我精神成长。五、分享成长分享一个人最大的快乐就是将自己的成长与他人分享。因此，报告形成后有必要组织一次研学成果分享会。这个分享可以是个人分享，也是是团队分享。通过分享既可以促进自我与他人的成长；也可以 发现资源有效的使用；还可以培养欣赏他人的品质等等。总之，要想研学学有所获就要做好这五方面工作。收获

要想实现足够聪明的人工智能，算法必须学会如何学习。很多研究者们曾对此提出过不同的解决方案，其中包括 UC Berkeley 的研究人员提出的与模型无关的元学习（MAML）方法。本文将以 MAML 为例对目前的元学习方向进行简要介绍。对我而言，第一次听到元学习的预述时，是一个极其兴奋的过程：建立不仅能够进行学习，还能学会如何进行学习的机器项目。元学习试图开发出可以根据性能信号做出响应，从而对结构基础层次以及参数空间进行修改的算法，这些算法在新环境中可以利用之前积累的经验。简言之：当未来主义者们编织通用 AI 的梦想时，这些算法是实现梦想必不可少的组成部分。本文的目的在于将这个问题的高度降低，从我们想得到的、自我修正算法做得到的事情出发，到这个领域现在的发展状况：算法取得的成就、局限性，以及我们离强大的多任务智能有多远。为什么人类可以做到这些事？具体地讲：在许多强化学习任务中，和人类花费的时间相比，算法需要花费惊人的时间对任务进行学习；在玩 Atari 游戏时，机器需要 83 小时（或 1800 万帧）才能有人类几小时就能有的表现。来自近期 Rainbow RL 论文中的图片这种差异导致机器学习研究人员将问题设计为：人类大脑中针对这项任务使用的工具和能力是什么，以及我们如何用统计和信息理论的方法转化这些工具。针对该问题，元学习研究人员提出了两种主要理论，这两种理论大致与这些工具相关。学习的先验：人类可以很快地学会新任务是因为我们可以利用在过去的任务中学到的信息，比如物体在空间里移动的直观的物理知识，或者是在游戏中掉血得到的奖励会比较低这样的元知识。学习的策略：在我们的生活中（也许是从进化时间上讲的），我们收集的不仅是关于这个世界对象级的信息，还生成了一种神经结构，这种神经结构在将输入转化为输出或策略的问题上的效率更高，即使是在新环境中也不例外。显然，这两个想法并非互相排斥，在这两个想法间也没有严格的界限：一些与现在的世界交互的硬编码策略可能是基于这个世界的深度先验的，例如（至少就本文而言）这个世界是有因果结构的。也就是说，我认为这个世界上的事情都可以用这两个标签分开，而且可以将这两个标签看作相关轴的极点。不要丢弃我的（单）样本在深入探讨元学习之前，了解单样本学习相关领域的一些概念是很有用的。元学习的问题在于「我该如何建立一个可以很快学习新任务的模型」，而单样本学习的问题在于「我该如何建立一个在看过一类的一个样本后，就能学会该如何将这一类分出来的模型」。让我们从概念上思考一下：是什么让单样本学习变得困难？如果我们仅用相关类别的一个样本试着训练一个原始模型，这个模型几乎肯定会过拟合。如果一个模型只看过一幅图，比如数字 3，这个模型就无法理解一张图经过什么样的像素变化，仍然保持 3 的基本特征。例如，如果这个模型只显示了下面这列数字的前三个样本，它怎么会知道第二个 3 是同一类的一个样本呢？理论上讲，在网络学习中，我们想要的类别标签有可能与字母的粗细程度有关吗？对我们而言做出这样的推断这很傻，但是在只有一个「3」的样本的情况下，想让神经网络能做出这样的推理就很困难了。有更多样本会有助于解决这一问题，因为我们可以学习一张图中什么样的特征可以定义其主要特征——两个凸的形状，大部分是垂直的方向，以及无关紧要的改变——线的粗细、还有角度。为了成功实现单样本学习，我们不得不激励网络，在没有给出每一个数字间差别的情况下，学习什么样的表征可以将一个数字从其他数字中区别出来。单样本学习的常用技术是学习一个嵌入空间，在这个空间中计算出两个样本表征间的欧几里德相似性，这能很好地计算出这两个样本是否属于同一类。直观地讲，这需要学习分布中类别间差异的内部维度（在我的样本中，分布在数字中），并学习如何将输入压缩和转换成那些最相关的维度。我发现记住这个问题是一个很有用的基础，尽管不是学习如何总结存在于类别分布中的碎片化信息和模式，而是学习存在于任务中的类的分布规律，每一类都有自己的内部结构或目标。如果要从最抽象开始，构造一个神经网络元参数的等级，会有点像这样：通过使用超参数梯度下降，网络从任务的全部分布中学习到有用的表征。MAML 和 Reptile 是有关于此的直接的好例子，分享层级结构的元学习是一种有趣的方法，这种方法可以通过主策略的控制学习到清晰的子策略作为表征。网络学习要优化梯度下降的参数。这些参数就像是学习率、动量以及权重之于自适应学习率算法。我们在此沿着修改学习算法本身的轨道修改参数，但是有局限性。这就是 Learning to Learn By Gradient Descent by Gradient Descent 所做的。是的，这就是这篇文章真正的标题。一个学习内部优化器的网络，内部优化器本身就是一个网络。也就是说，使用梯度下降更新神经优化器网络参数使得网络在整个项目中获得很好的表现，但是在网络中每个项目从输入数据到输出预测结果的映射都是由网络指导的。这就是 RL 和 A Simple Neural Attentive Meta Learner 起作用的原因。为了使这篇文章更简明，我将主要叙述 1 和 3，以说明这个问题的两个概念性的结局。其他名称的任务另一个简短的问题——我保证是最后一个——我希望澄清一个可能会造成困惑的话题。一般而言，在元学习的讨论中，你会看到「任务分布」的提法。你可能会注意到这个概念定义不明，而你的注意是对的。对于一个问题是一个任务还是多个任务中的一个分布，人们似乎还没有明确的标准。例如，我们应该将 ImageNet 视为一个任务——目标识别——还是许多任务——识别狗是一个任务而识别猫是另一个任务呢？为什么将玩 Atari 游戏视为一个任务，而不是将游戏的每一个等级作为一个独立任务的几个任务？我能得到的有：「任务」的概念是用已经建立的数据集进行卷积，从而可以自然地将在一个数据集上进行学习认为是单个任务对于任何给定分布的任务，这些任务之间的不同之处都是非常显著的（例如，每一个学习振幅不同的正弦曲线的任务和每一个在玩不同 Atari 游戏的任务之间的差别）所以，这不仅仅是说「啊，这个方法可以推广到这个任务分配的例子上，所以这是一个很好的指标，这个指标可以在任务中一些任意且不同的分布上表现良好」。从方法角度上讲，这当然不是方法有效的不好的证据，但我们确实需要用批判性思维考虑这种网络要表现出多大的灵活性才能在所有任务中都能表现出色。那些令人费解的动物命名的方法在 2017 年早些时候，Chelsea Finn 及其来自 UC Berkeley 的团队就有了叫做 MAML的方法。MAML（Model Agnostic Meta Learning，与模型无关的元学习）参见：与模型无关的元学习，UC Berkeley 提出一种可推广到各类任务的元学习方法。如果你有心想要了解一下，请转向本文的「MAML 的种类」部分。在学习策略和学习先验之间，这种方法更倾向于后者。这种网络的目标在于训练一个模型，给新任务一步梯度更新，就可以很好地归纳该任务。就像是伪代码算法。1. 初始化网络参数 θ。2. 在分布任务 T 中选择一些任务 t。从训练集中取出 k 个样本，在当前参数集所在位置执行一步梯度步骤，最终得到一组参数。3. 用最后一组参数在测试集中测试评估模型性能。4. 然后，取初始参数θ作为任务 t 测试集性能的梯度。然后根据这一梯度更新参数。回到第一步，使用刚刚更新过的θ作为这一步的初始θ值。这是在做什么？从抽象层面上讲，这是在寻找参数空间中的一个点，就分布任务中的许多任务而言，这个点是最接近好的泛化点的。你也可以认为这迫使模型在探索参数空间时保留了一些不确定性和谨慎性。简单说，一个认为梯度能完全表示母体分布的网络，可能会进入一个损失特别低的区域，MAML 会做出更多激励行为来找到一个靠近多个峰顶端的区域，这些峰每一个的损失都很低。正是这种谨慎的激励使 MAML 不会像一般通过少量来自新任务的样本训练的模型一样过拟合。2018 年的早些时候文献中提出了一种叫做 Reptile 的更新方法。正如你可能从它的名字中猜出来的那样——从更早的 MAML 中猜——Reptile 来自 MAML 的预述，但是找到了一种计算循环更新初始化参数的方法，这种方法的计算效率会更高。MAML 明确取出与初始化参数 θ 相关的测试集损失的梯度，Reptile 仅在每项任务中执行了 SGD 更新的几步，然后用更新结束时的权重和初始权重的差异，作为更新初始权重的梯度。g_1 在此表示每个任务只执行一次梯度下降步骤得到的更新后的梯度。这项工作从根本上讲有一些奇怪——这看起来和将所有任务合并为一个任务对模型进行训练没有任何不同。然而，作者提出，由于对每项任务都使用了 SGD 的多个步骤，每个任务损失函数的二次导数则被赋予影响力。为了做到这一点，他们将更新分为两部分：1. 任务会得到「联合训练损失」的结果，也就是说，你会得到用合并的任务作为数据集训练出来的结果。2. SGD 小批次梯度都是接近的：也就是说，在通过小批次后，梯度下降的程度很低。我选择 MAML/Reptile 组作为「学习先验」的代表，因为从理论上讲，这个网络通过对内部表征进行学习，不仅有助于对任务的全部分布进行分类，还可以使表征与参数空间接近，从而使表征得到广泛应用。为了对这个点进行分类，我们先看一下上图。上图对 MAML 和预训练网络进行比较，这两个网络都用一组由不同相位与振幅组成的正弦曲线回归任务训练。在这个点上，两者针对新的特定任务都进行了「微调」：红色曲线所示。紫色三角代表少数梯度步骤中使用的数据点。与预训练模型相比，MAML 学到了，正弦曲线具有周期性结构：在 K=5 时，它可以在没有观察到这一区域数据的情况下更快地将左边的峰值移到正确的地方。尽管很难判断我们的解释是不是网络的真正机制，但我们可以推断 MAML 在算出两个相关正弦曲线不同之处——相位和振幅——方面做得更好，那么是如何从这些已给数据的表征进行学习的呢？网络一路向下对一些人来说，他们的想法是使用已知算法，例如梯度下降，来对全局先验进行学习。但是谁说已经设计出来的算法就是最高效的呢？难道我们不能学到更好的方法吗？这就是 RL（通过慢速强化学习进行快速强化学习）所采用的方法。这个模型的基础结构式循环神经网络（具体来说，是一个 LTSM 网络）。因为 RNN 可以储存状态信息，还可以给出不同输出并将这些输出作为该状态的函数，理论上讲这就有可能学到任意可计算的算法：也就是说它们都具有图灵完备的潜力。以此为基础，RL 的作者构建了一个 RNN，每一个用于训练 RNN 的「序列」都是一组具有特定 MDP（Markov Decision Process，马尔科夫决策过程。从这个角度解释，你只需将每次 MDP 看作环境中定义一系列可能行为且通过这些行为产生奖励）的经验集合。接着会在许多序列上训练这个 RNN，像一般的 RNN 一样，这是为了对应多个不同的 MDP，可以对 RNN 的参数进行优化，可以使所有序列或试验中产生的遗憾（regret）较低。遗憾（regret）是一个可以捕获你一组事件中所有奖励的指标，所以除了激励网络在试验结束时得到更好的策略之外，它还可以激励网络更快地进行学习，因此会在低回报政策中更少地使用探索性行为。图中显示的是运行在多重试验上的 RNN 的内部工作，对应多个不同的 MDP。在试验中的每一个点，网络都会通过在多个任务和隐藏状态的内容学习权重矩阵参数化函数，隐藏状态的内容是作为数据函数进行更新并充当一类动态参数集合。所以，RNN 学习的是如何更新隐藏状态的权重。然后，在一个给定的任务中，隐藏状态可以捕获关于网络确定性以及时间是用于探索还是利用的信息。作为数据函数，它可以看得到特定任务。从这个意义上讲，RNN 在学习一个可以决定如何能最好地探索空间、还可以更新其最好策略概念的算法，同时使该算法在任务的一组分布上得到很好的效果。该作者对 RL 的架构和对任务进行渐进优化的算法进行比较，RL 的表现与其相当。我们可以扩展这种方法吗？本文只是该领域一个非常简要的介绍，我肯定遗漏了很多想法和概念。如果你需要更多（信息更加丰富）的看法，我高度推荐这篇 Chelsea Finn 的博客，此人也是 MAML 论文的第一作者。在这几周的过程中，我试着对这篇文章从概念上进行压缩，并试着对这篇文章进行理解，在这一过程中我产生了一系列问题：这些方法该如何应用于更多样的任务？这些文章大多是在多样性较低的任务分布中从概念上进行了验证：参数不同的正弦曲线、参数不同的躲避老虎机、不同语言的字符识别。对我而言，在这些任务上做得好不代表在复杂程度不同、模式不同的任务上也可以有很好的表现，例如图像识别、问答和逻辑问题结合的任务。然而，人类的大脑确实从这些高度不同的任务集中形成了先验性，可以在不同的任务中来回传递关于这个世界的信息。我的主要问题在于：这些方法在这些更多样的任务中是否会像宣传的一样，只要你抛出更多单元进行计算就可以吗？或在任务多样性曲线上的一些点是否存在非线性效应，这样在这些多样性较低的任务中起作用的方法在高多样性的任务中就不会起作用了。这些方法依赖的计算量有多大？这些文章中的大部分都旨在小而简单的数据集中进行操作的部分原因是，每当你训练一次，这一次就包括一个内部循环，这个内部循环则包含（有效地）用元参数效果相关的数据点训练模型，以及测试，这都是需要耗费相当大时间和计算量的。考虑到近期摩尔定律渐渐失效，在 Google 以外的地方对这些方法进行应用研究的可能性有多大？每个针对困难问题的内部循环迭代可能在 GPU 上运行数百个小时，在哪能有这样的条件呢？这些方法与寻找能清晰对这个世界的先验进行编码的想法相比又如何呢？在人类世界中一个价值极高的工具就是语言。从机器学习方面而言，是将高度压缩的信息嵌入我们知道该如何转换概念的空间中，然后我们才可以将这些信息从一个人传递给另一个人。没人可以仅从自己的经验中就提取出这些信息，所以除非我们找出如何做出与学习算法相似的事，否则我怀疑我们是否真的可以通过整合这个世界上的知识建立模型，从而解决问题。

雷锋网 AI 科技评论按：本文为 BIGSCity 的知乎专栏内容，作者王小贱。北航智慧城市兴趣组 BIGSCITY是隶属于北京航空航天大学计算机学院的一个学术研究小组，小组致力于研究机器学习与数据挖掘在城市科学、社会科学等领域的交叉应用技术。AI 科技评论获得 BIGSCity 授权转载，敬请期待更多后续内容。非常开心本文成为 BIGSCity 兴趣组的第一篇投稿，《深度学习的可解释性研究》系列预计包含 3-4 篇内容，用尽可能浅显的语言带领大家了解可解释性的概念与方法以及关于深度学习可解释性工作的研究成果，不定期更新内容（欢迎催更）。可解释性是什么？广义上的可解释性指在我们需要了解或解决一件事情的时候，我们可以获得我们所需要的足够的可以理解的信息。比如我们在调试 bug 的时候，需要通过变量审查和日志信息定位到问题出在哪里。比如在科学研究中面临一个新问题的研究时，我们需要查阅一些资料来了解这个新问题的基本概念和研究现状，以获得对研究方向的正确认识。反过来理解，如果在一些情境中我们无法得到相应的足够的信息，那么这些事情对我们来说都是不可解释的。比如刘慈欣的短篇《朝闻道》中霍金提出的「宇宙的目的是什么」这个问题一下子把无所不知的排险者卡住了，因为再高等的文明都没办法理解和掌握造物主创造宇宙时的全部信息，这些终极问题对我们来说永远都是不可解释的。而具体到机器学习领域来说，以最用户友好的决策树模型为例，模型每作出一个决策都会通过一个决策序列来向我们展示模型的决策依据：比如男性&未婚&博士&秃头的条件对应「不感兴趣」这个决策，而且决策树模型自带的基于信息理论的筛选变量标准也有助于帮助我们理解在模型决策产生的过程中哪些变量起到了显著的作用。所以在一定程度上，我们认为决策树模型是一个具有比较好的可解释性的模型，在以后的介绍中我们也会讲到，以决策树为代表的规则模型在可解释性研究方面起到了非常关键的作用。再以用户最不友好的多层神经网络模型为例，模型产生决策的依据是什么呢？大概是以比如 1/(e^-(2*1/(e^(-(2*x+y))+1) + 3*1/(e^(-(8*x+5*y))+1))+1) 是否大于 0.5 为标准（这已经是最简单的模型结构了），这一连串的非线性函数的叠加公式让人难以直接理解神经网络的「脑回路」，所以深度神经网络习惯性被大家认为是黑箱模型。17 年 ICML 的 Tutorial 中给出的一个关于可解释性的定义是：Interpretation is the process of giving explanations to Human.总结一下就是「说人话」，「说人话」，「说人话」，不以人类可以理解的方式给出的解释都叫耍流氓，记住这三个字，你就差不多把握了可解释性的精髓所在。我们为什么需要可解释性？广义上来说我们对可解释性的需求主要来源于对问题和任务了解得还不够充分。具体到深度学习/机器学习领域，就像我们上文提到的多层神经网络存在的问题，尽管高度的非线性赋予了多层神经网络极高的模型表示能力，配合一些堪称现代炼丹术的调参技术可以在很多问题上达到非常喜人的表现，大家如果经常关注 AI 的头条新闻，那些机器学习和神经网络不可思议的最新突破甚至经常会让人产生 AI 马上要取代人类的恐惧和幻觉。但正如近日贝叶斯网络的创始人 Pearl 所指出的，「几乎所有的深度学习突破性的本质上来说都只是些曲线拟合罢了」，他认为今天人工智能领域的技术水平只不过是上一代机器已有功能的增强版。虽然我们造出了准确度极高的机器，但最后只能得到一堆看上去毫无意义的模型参数和拟合度非常高的判定结果，但实际上模型本身也意味着知识，我们希望知道模型究竟从数据中学到了哪些知识（以人类可以理解的方式表达的）从而产生了最终的决策。从中是不是可以帮助我们发现一些潜在的关联，比如我想基于深度学习模型开发一个帮助医生判定病人风险的应用，除了最终的判定结果之外，我可能还需要了解模型产生这样的判定是基于病人哪些因素的考虑。如果一个模型完全不可解释，那么在很多领域的应用就会因为没办法给出更多可靠的信息而受到限制。这也是为什么在深度学习准确率这么高的情况下，仍然有一大部分人倾向于应用可解释性高的传统统计学模型的原因。不可解释同样也意味着危险，事实上很多领域对深度学习模型应用的顾虑除了模型本身无法给出足够的信息之外，也有或多或少关于安全性的考虑。比如，下面一个非常经典的关于对抗样本的例子，对于一个 CNN 模型，在熊猫的图片中添加了一些噪声之后却以 99.3% 的概率被判定为长臂猿。在熊猫图片中加入噪声，模型以 99.3% 的概率将图片识别为长臂猿事实上其他一些可解释性较好的模型面对的对抗样本问题可能甚至比深度学习模型更多，但具备可解释性的模型在面对这些问题的时候是可以对异常产生的原因进行追踪和定位的，比如线性回归模型中我们可以发现某个输入参数过大/过小导致了最后判别失常。但深度学习模型很难说上面这两幅图到底是因为哪些区别导致了判定结果出现了如此大的偏差。尽管关于对抗样本的研究最近也非常火热，但依然缺乏具备可解释性的关于这类问题的解释。当然很多学者对可解释性的必要性也存有疑惑，在 NIPS 2017 会场上，曾进行了一场非常激烈火爆的主题为「可解释性在机器学习中是否必要」的辩论，大家对可解释性的呼声还是非常高的。但人工智能三巨头之一的 Yann LeCun 却认为：人类大脑是非常有限的，我们没有那么多脑容量去研究所有东西的可解释性。有些东西是需要解释的，比如法律，但大多数情况下，它们并没有你想象中那么重要。比如世界上有那么多应用、网站，你每天用 Facebook、Google 的时候，你也没想着要寻求它们背后的可解释性。LeCun 也举了一个例子：他多年前和一群经济学家也做了一个模型来预测房价。第一个用的简单的线性于猜测模型，经济学家也能解释清楚其中的原理；第二个用的是复杂的神经网络，但效果比第一个好上不少。结果，这群经济学家想要开公司做了。你说他们会选哪个？LeCun 表示，任何时候在这两种里面选择都会选效果好的。就像很多年里虽然我们不知道药物里的成分但一直在用一样。但是不可否认的是，可解释性始终是一个非常好的性质，如果我们能兼顾效率、准确度、说人话这三个方面，具备可解释性模型将在很多应用场景中具有不可替代的优势。有哪些可解释性方法？我们之前也提到机器学习的目的是从数据中发现知识或解决问题，那么在这个过程中只要是能够提供给我们关于数据或模型的可以理解的信息，有助于我们更充分地发现知识、理解和解决问题的方法，那么都可以归类为可解释性方法。如果按照可解释性方法进行的过程进行划分的话，大概可以划分为三个大类：1. 在建模之前的可解释性方法2. 建立本身具备可解释性的模型3. 在建模之后使用可解释性方法对模型作出解释在建模之前的可解释性方法这一类方法其实主要涉及一些数据预处理或数据展示的方法。机器学习解决的是从数据中发现知识和规律的问题，如果我们对想要处理的数据特征所知甚少，指望对所要解决的问题本身有很好的理解是不现实的，在建模之前的可解释性方法的关键在于帮助我们迅速而全面地了解数据分布的特征，从而帮助我们考虑在建模过程中可能面临的问题并选择一种最合理的模型来逼近问题所能达到的最优解。数据可视化方法就是一类非常重要的建模前可解释性方法。很多对数据挖掘稍微有些了解的人可能会认为数据可视化是数据挖掘工作的最后一步，大概就是通过设计一些好看又唬人的图表或来展示你的分析挖掘成果。但大多数时候，我们在真正要研究一个数据问题之前，通过建立一系列方方面面的可视化方法来建立我们对数据的直观理解是非常必须的，特别是当数据量非常大或者数据维度非常高的时候，比如一些时空高维数据，如果可以建立一些一些交互式的可视化方法将会极大地帮助我们从各个层次角度理解数据的分布，在这个方面我们实验室也做过一些非常不错的工作。还有一类比较重要的方法是探索性质的数据分析，可以帮助我们更好地理解数据的分布情况。比如一种称为 MMD-critic 方法中，可以帮助我们找到数据中一些具有代表性或者不具代表性的样本。使用 MMD-critic 从 Imagenet 数据集中学到的代表性样本和非代表性样本（以两种狗为例）建立本身具备可解释性的模型建立本身具备可解释性的模型是我个人觉得是最关键的一类可解释性方法，同样也是一类要求和限定很高的方法，具备「说人话」能力的可解释性模型大概可以分为以下几种：1. 基于规则的方法（Rule-based）2. 基于单个特征的方法（Per-feature-based）3. 基于实例的方法（Case-based）4. 稀疏性方法（Sparsity）5. 单调性方法（Monotonicity）基于规则的方法比如我们提到的非常经典的决策树模型。这类模型中任何的一个决策都可以对应到一个逻辑规则表示。但当规则表示过多或者原始的特征本身就不是特别好解释的时候，基于规则的方法有时候也不太适用。基于单个特征的方法主要是一些非常经典的线性模型，比如线性回归、逻辑回归、广义线性回归、广义加性模型等，这类模型可以说是现在可解释性最高的方法，可能学习机器学习或计算机相关专业的朋友会认为线性回归是最基本最低级的模型，但如果大家学过计量经济学，就会发现大半本书都在讨论线性模型，包括经济学及相关领域的论文其实大多数也都是使用线性回归作为方法来进行研究。这种非常经典的模型全世界每秒都会被用到大概 800 多万次。为什么大家这么青睐这个模型呢？除了模型的结构比较简单之外，更重要的是线性回归模型及其一些变种拥有非常 solid 的统计学基础，统计学可以说是最看重可解释性的一门学科了，上百年来无数数学家统计学家探讨了在各种不同情况下的模型的参数估计、参数修正、假设检验、边界条件等等问题，目的就是为了使得在各种不同情况下都能使模型具有有非常好的可解释性，如果大家有时间有兴趣的话，除了学习机器学习深度模型模型之外还可以尽量多了解一些统计学的知识，可能对一些问题会获得完全不一样的思考和理解。基于实例的方法主要是通过一些代表性的样本来解释聚类/分类结果的方法。比如下图所展示的贝叶斯实例模型（Bayesian Case Model，BCM），我们将样本分成三个组团，可以分别找出每个组团中具有的代表性样例和重要的子空间。比如对于下面第一类聚类来说，绿脸是具有代表性的样本，而绿色、方块是具有代表性的特征子空间。使用 BCM 学到的分类及其对应的代表性样本和代表性特征子空间基于实例的方法的一些局限在于可能挑出来的样本不具有代表性或者人们可能会有过度泛化的倾向。基于稀疏性的方法主要是利用信息的稀疏性特质，将模型尽可能地简化表示。比如如下图的一种图稀疏性的 LDA 方法，根据层次性的单词信息形成了层次性的主题表达，这样一些小的主题就可以被更泛化的主题所概括，从而可以使我们更容易理解特定主题所代表的含义。Graph-based LDA 中的主题层次结构基于单调性的方法：在很多机器学习问题中，有一些输入和输出之间存在正相关/负相关关系，如果在模型训练中我们可以找出这种单调性的关系就可以让模型具有更高的可解释性。比如医生对患特定疾病的概率的估计主要由一些跟该疾病相关联的高风险因素决定，找出单调性关系就可以帮助我们识别这些高风险因素。在建模之后使用可解释性性方法作出解释建模后的可解释性方法主要是针对具有黑箱性质的深度学习模型而言的，主要分为以下几类的工作：1. 隐层分析方法2. 模拟/代理模型3. 敏感性分析方法这部分是我们接下来介绍和研究的重点，因此主要放在后续的文章中进行讲解，在本篇中不作过多介绍。除了对深度学习模型本身进行解释的方法之外，也有一部分工作旨在建立本身具有可解释性的深度学习模型，这和我们前面介绍通用的可解释性模型有区别也有联系，也放到以后的文章中进行介绍。如果对本系列感兴趣或有疑问，欢迎私信交流。关于 BIGSCity北航智慧城市兴趣组 BIGSCITY 是隶属于北京航空航天大学计算机学院的一个学术研究小组，小组致力于研究机器学习与数据挖掘在城市科学、社会科学等领域的交叉应用技术。BIGSCITY 的研究兴趣包括：城市计算，时空数据挖掘，机器学习可解释性，以及 AI 在交通、健康、金融等领域的应用等。本专栏将介绍 BIGSCITY 的一些研究成果，不定期更新与课题组研究相关的研究工作介绍，以及介绍与 BIGSCITY 相关的一切有趣的内容。关于 BIGSCITY 的详细情况参见研究组主页：https://www.bigscity.com/参考文献1. Google Brain, Interpretable Machine Learning: The fuss, the concrete and the questions.2. Kim B, Koyejo O, Khanna R, et al. Examples are not enough, learn to criticize! Criticism for Interpretability[C]. neural information processing systems, 2016: 2280-2288.3. Kim B, Rudin C, Shah J. The Bayesian Case Model: A Generative Approach for Case-Based Reasoning and Prototype Classification[J]. Computer Science, 2015, 3:1952-1960.4. Doshi-Velez F, Wallace B C, Adams R. Graph-sparse LDA: a topic model with structured sparsity[J]. Computer Science, 2014.

开展研究性学习，是为了改变学生原来那种被动的、偏重于记忆、理解的接受性学习方式，而形成一种对知识进行主动探求，在探求中掌握探究方法，并重视解决实际问题的主动积极的学习方法，是一种有利于学生终身发展的学习方式。对于研究性学习，不仅要重视知识获得过程，有指导地让学生自学，鼓励学生在主动获取知识的同时，掌握理科的学习方法，而且老师还要引导学生全身心投入，通过观察→发现→猜想→论证→归结→应用等途径，培养敏锐的观察能力和善于思考的学习习惯。例如，我在上“轴对称”这一节课时，我的第一个教学环节是“观察与欣赏”。我借助于实物投影仪，首先请同学们欣赏几幅画(有中外建筑，包括“东方明珠塔”、F111战斗机、迷你汽车、蝴蝶、剪纸等)，请同学们指出这些不同类型物体画面的共同的结构特征，引出主题“对称”，：飞机为什么要左右对称呢?“东方明珠塔”给我们一种怎样的感觉?学生的回答，道出了“对称”体现出的物体的力度和占空间位置的均衡的特征，揭示了“对称”的科学性和艺术性;老师再轻轻一“点”：人类渴望安定，追求和谐，“均衡”也是人类自身的需要，是人类从自然界和社会实践中提炼出来的，已被广泛应用于生产、生活、军事、交通、建筑、装潢、娱乐、艺术等各个领域，我们今天要学习的课题“轴对称”，显然是一个很有研究价值而且有趣的课题。这样从“观察”出发，仅用3--4分钟，学生的学习目的，学习兴趣和对学习内容的最本质的特征的感情都得到了激发，当然也培养了学生的观察兴趣和能力。我的第二个教学环节是对“轴对称图形”的概念、性质的理解。什么叫“轴对称图形”呢?你们想不想欣赏一下老师的画图技能?我在一张夹有双面复写纸的白纸上画了一笔“ ”，你们看这是一个什么图形?在学生人人睁大眼睛，全力观察的过程中，我打开白纸，抽去复写纸，白纸上呈现出一个“ ”，学生惊叹地叫起来：“一颗心”。对!一颗我们大家皆有的爱心!这颗“心”是怎么画出来的?它的特征是什么，它就是一个“轴对称图形”。你们能为轴对称图形下个定义吗?看看书上是怎么定义的?其中有哪些关键性的词语?你能不看书，准确叙述轴对称图形的定义吗?你们想不想、能不能在一分钟内创作一幅是“轴对称图形”的画面?我事先发给每位学生一张白纸，内夹双面复写纸，学生十分兴奋，动足脑筋，作一次创作，接下来我又利用一分钟在投影仪上当场展示学生许多张很有创意和画图技巧的画面，这样前前后后，5--6分钟学生不但在观察、总结、阅读、作画中深深理解、牢固掌握了“轴对称图形”的概念;而且充分激发了学生的学习兴趣和创作能力，这是一种“成功教育”。第三个环节：新旧联系，认识已经接触过的是轴对称图形的几何图形。你们想一想，在我们过去接触过的几何图形中，有哪些是轴对称图形?它们的对称轴在什么位置?它们分别有几条对称轴呢?我事先准备好学生可能说出的各种图形的硬纸图片，他们说一个，我往黑板上贴一个，又是3--5分钟，既加深学生对轴对称图形及对称轴的概念的理解，又促使了学生进一步了解以往接触过的几何图形性质，还培养学生运用规范的数学语言表达问题的能力，我还引导学生重点探讨归结了线段和角这两种最简单的轴对称图形的性质，为下面学习“两个图形关于某直线对称”奠下基础。这节课第四个环节是研究“两个图形关于某直线对称”的概念和性质;第五个环节是如何作一个图形关于某直线对称的图形;第六个环节是系统阅读教材，进行课堂小结。回家作业是不用复写纸，利用所学“轴对称”的知识，创作一幅图画。在后面几个环节中，我也还是注重“观察”领先，在“观察”中发现特点，通过思考、论证，知其“所以然”，然后加以灵活运用。我体会到，引导学生观察，是引导学生研究性学习的一个起点。总之，研究性学习是有利于培养学生的创新精神、实践能力、终身学习能力和适应社会生活能力的十分重要的学习方式。

虽然综合素质评价是高中生必须完成的内容，是高考的重要参考依据，对于高考影响越来越大，研究性学习又是综合素质评价的重要内容之一，但是我们发现到目前为止仍旧有很多家长不了解，既然这么重要，小编就带领各位家长详细了解一下。新背景在新时代的洪流中，科技已经成为发展的主导力量！科技让我们的生活日新月异，让世界更迭越来越快！中国高科技企业的崛起、华为天才少年计划、高考的强基计划（国家未来基础学科领军人才的培养计划）、综合素质评价招生、都表明新时代需要的是具有持续学习能力的人才。新课改已明确研究性学习已经成为国家课程。研究性学习价值像科学家一样思考，像工程师一样工作，培养孩子面对新时代的学习方法和习惯，激发孩子自己的课题研究学习，为孩子的未来发展提前规划和打下基础，开启名校之旅！高中生为什么要参加研究性学习？新高考改革重点是综合素质评价，多元录取，两依据一参考。综合素质评价就是高校录取的重要参考依据。众多高校在强基计划、综合评价、专项计划等特殊类型招生中要求学生具备相关领域的学科特长或创新潜质，或者具备研究性学习经历。提前规划参与高质量的研究性学习为将来升学提高竞争力。高校研学不仅锻炼了孩子的实践创新能力，也能够激发孩子对某高校、某学科的热爱，激励孩子为了理想努力奋斗。什么是研究性学习？研究性学习是以“培养学生具有永不满足、追求卓越的态度，培养学生发现问题、提出问题、从而解决问题的能力”为基本目标；以学生从学习生活和社会生活中获得的各种课题或项目设计、作品的设计与制作等为基本的学习载体；以在提出问题和解决问题的全过程中学习到的科学研究方法、获得的丰富且多方面的体验和获得的科学文化知识为基本内容；以在教师指导下，以学生自主采用研究性学习方式开展研究为基本的教学形式的课程。设置研究性学习的目的在于改变学生以单纯地接受教师传授知识为主的学习方式，为学生构建开放的学习环境，提供多渠道获取知识、并将学到的知识加以综合应用于实践的机会，促进他们形成积极的学习态度和良好的学习策略，培养创新精神和实践能力。通俗点说，就是学生主动发现问题，研究问题然后解决问题的过程，在这个过程中教师不再是主导，而是指导。"研究性学习“的特点开放性：研究性学习的内容不是特定的知识体系，而是来源于学生的学习生活和社会生活，立足于研究、解决学生关注的一些社会问题或其他问题，涉及的范围很广泛。它可能是某学科的，也可能是多学科综合、交叉的；可能偏重于实践方面，也可能偏重于理论研究方面。研究性：在研究性学习过程中，学习的内容是在教师的指导下，学生自主确定的研究课题；学习的方式不是被动地记忆、理解教师传授的知识，而是敏锐地发现问题，主动地提出问题，积极地寻求解决问题的方法，探求结论的自主学习的过程。因此，研究性学习的课题，不宜由教师指定某个材料让学生理解、记忆，而应引导、归纳、呈现一些需要学习、探究的问题。这个问题可以由展示一个案例、介绍某些背景或创设一种情景引出，也可以直接提出；可以由教师提出，也可以引导学生自己发现和提出。要鼓励学生自主探究解决问题的方法并自己得出结论。实践性：研究性学习强调理论与社会、科学和生活实际的联系，特别关注环境问题、现代科技对当代生活的影响以及与社会发展密切相关的重大问题。要引导学生关注现实生活，亲身参与社会实践活动。同时研究性学习的设计与实施应为学生参与社会实践动提供条件和可能。哪个年级的学生适合参加“研究性学习”高一、高二学生为主，初三、高三学生亦可参加提升综合素养、丰富综合素质档案，完成社会实践、研究性学习代表成果、通用技术代表作品，建立自我发展的知识系统，特别适合备考各类专业综合评价招生的学生。参加"研究性学习“有哪些收益对话名师，启迪思维，拓宽视野，提升学生研学能力。在沉浸式学习中感受顶级大学的精神气质，探索自我兴趣明确未来学业职业规划。动手能力、知识运用能力、逻辑思维能力、创新创造能力等核心素养提升。通过研究性学习训练学术思维，启蒙理性求真精神养成创新思维习惯，获得专属研究性学习成果完成学习。通过答辩考核，可获顶尖名校结业证书，表现突出者可该高校教授的推荐信等荣誉证书。2000年 1月，教育部颁布《全日制普通高级中学课程计划(试验修订稿)》，把“研究性学习”确定为高中课程的重要内容；2001年4月，教育部出台了《普通高中“研究性学习”实施指南（试行）》比较详细地阐述了研究性学习中的一些基本问题，同时要求全国各省市高中从2002年9月1日起都要实施研究性学习；同年6月，教育部颁布的《基础教育课程改革纲要（试行）中，“研究性学习”又作为小学至高中开展综合实践活动的主要形式之一，被纳入基础教育课程结构中。陈宝生部长在十三届全国人大一次会议中提出：“高考改革之后，高中阶段对学生的考核，增加了综合素质评价这样一个内容，这是非常明显的素质教育措施。上海80%的学校都建立了创新实验室等这样一些措施。”《北京市普通高中学生综合素质评价实施办法》指出：“学业成就部分……重点记录学生必修课程与选修课程学习内容和成绩，研究性学习表现与成果等”。《浙江大学2017年山东省综合评价招生简章》、《山东大学2017年山东省综合评价招生简章》指出：“报名条件……需完成15学分的研究性学习任务”。在2018年教育部等六部门发布的《关于实施基础学科拔尖学生培养计划2.0的意见》中，明确提到要“依托国家科技计划，在国家战略布局的重点和重大研究领域，鼓励学生早进课题、早进实验室、早进团队，为学生攀登学术高峰搭建平台”，原文如下：教育部等六部门关于实施基础学科拔尖学生培养计划2.0的意见教高〔2018〕8号各省、自治区、直辖市教育厅（教委）、科技厅（科委）、财政厅（局）、科协，新疆生产建设兵团教育局、科技局、财政局、科协，有关部门（单位）教育司（局），部属各高等学校、部省合建各高等学校：基础学科是国家创新发展的源泉、先导和后盾。培养基础学科拔尖人才是高等教育强国建设的重大战略任务。根据《教育部关于加快建设高水平本科教育 全面提高人才培养能力的意见》，现就实施基础学科拔尖学生培养计划2.0提出以下意见。一、总体思路深入贯彻习近平新时代中国特色社会主义思想和党的十九大精神，全面落实立德树人根本任务，建设一批国家青年英才培养基地，强化使命驱动、注重大师引领、创新学习方式、促进科教融合、深化国际合作，选拔培养一批基础学科拔尖人才，为新时代自然科学和哲学社会科学发展播种火种，为把我国建设成为世界主要科学中心和思想高地奠定人才基础。二、目标要求经过5年的努力，建设一批国家青年英才培养基地，拔尖人才选拔、培养模式更加完善，培养机制更加健全，基础学科拔尖学生培养计划引领示范作用更加凸显，初步形成中国特色、世界水平的基础学科拔尖人才培养体系，一批勇攀科学高峰、推动科学文化发展的优秀拔尖人才崭露头角。三、改革任务和重点举措遵循基础学科拔尖创新人才成长规律，建立拔尖人才脱颖而出的新机制，在基础学科拔尖学生培养试验计划前期探索的“一制三化”（导师制、小班化、个性化、国际化）等有效模式基础上，进一步拓展范围、增加数量、提高质量、创新模式，形成拔尖人才培养的中国标准、中国模式和中国方案。（一）强化使命驱动。引导学生面向国家战略需求、人类未来发展、思想文化创新和基础学科前沿，增强使命责任，激发学术志趣和内在动力。服务国家重大需求，激励学生把自身价值的实现与国家发展紧密联系起来，把远大的理想抱负和所学所思落实到报效国家的实际行动中。应对人类未来重大挑战，引导学生关注气候变化、能源危机、人类健康、地缘冲突、全球治理、可持续发展等重大挑战，树立破解人类发展难题的远大志向，孕育产生新思想、新理论。探索重大科学问题，鼓励学生在物质结构、宇宙演化、生命起源、意识本质等基础科学领域深入探索、坚定志趣，为推动实现重大科学突破、形成自然科学“中国力量”和哲学社会科学“中国学派”奠定基础。依托国家科技计划，在国家战略布局的重点和重大研究领域，鼓励学生早进课题、早进实验室、早进团队，为学生攀登学术高峰搭建平台。（二）注重大师引领。汇聚热爱教育、造诣深厚、德才兼备的学术大师参与拔尖人才培养，通过学术大师言传身教，加强对拔尖学生的精神感召、学术引领和人生指导，让学生通过耳濡目染激发学术兴趣和创新潜力。深入实施导师制，设立学业导师、科研导师和生活导师，在课程学习、科学研究、生涯规划等方面对学生给予全方位指导。有计划地组织拔尖学生进入国内外一流研究机构，接受大师言传身教和环境熏陶，接触科学技术和思想文化研究前沿。高校要在教师编制、教师工作量计算等方面对参与计划的教师给予政策保障，激励更多优秀教师投入拔尖人才培养。（三）创新学习方式。给天才留空间，营造创新环境，厚植成长沃土。深入探索书院制模式，建设学习生活社区，注重环境浸润熏陶，加强师生心灵沟通，促进拔尖学生的价值塑造和人格养成。注重个性化培养，给学生提供自主选择导师、专业和课程的空间。开展研究性教学，鼓励学生参与科研项目训练，促进学生自主深度学习、建构知识体系、形成多维能力。引导学生多读书、多实践、知民情、懂国情，从经典著作和社会实践中汲取思想养分，获取精神力量，在传承中创新、在创新中发展。探索实施荣誉学位项目，提升学生学习的挑战性，增强优秀学生的荣誉感。以现代信息技术为支撑，创设线上线下、课内课外、虚拟与现实相结合的学习环境和机制，提高学习成效。（四）提升综合素养。教育引导学生坚持以马克思主义为指导，扎根中国大地了解国情民情，践行社会主义核心价值观，传承弘扬中华优秀传统文化，培养有理想、有本领、有担当的时代新人。加强素质教育，培养学生的家国情怀、人文情怀、世界胸怀，促进学生中西融汇、古今贯通、文理渗透，汲取人类文明精华，形成整体的知识观和智慧的生活观。强化实践能力和创新创业能力，培育科学道德、批判精神和创新精神，提升沟通表达能力和团队协作精神，造就敢闯会创、敢为天下先的青年英才。（五）促进学科交叉、科教融合。把促进交叉作为拔尖创新人才培养的重要途径，建设跨学科课程体系、组建跨学科教学团队、设立交叉学科研究课题，为拔尖学生参与跨学科学习和研究创造条件。处理好“专”与“博”的关系，努力为学生建构“底宽顶尖”的金字塔型知识结构。深入实施科教结合协同育人计划，搭建高校与科研院所深度合作的战略平台。鼓励学生进入国家实验室、国家重点实验室、教育部重点实验室等参与科技创新实践，大胆探索基础学科前沿，科教协同培养高水平人才。（六）深化国际合作。构建国内外双向互动、合作共赢的拔尖人才培养长效机制。汇聚全球优质资源，深化与世界顶尖大学的战略合作，吸引国际学术大师参与拔尖人才培养。拓展拔尖学生的国际视野，通过研修实习、暑期学校、短期考察等方式，提升国际文化理解能力。建设国际协同创新团队、打造学术共同体，为拔尖学生接触世界科学文化研究最前沿、融入国际一流学术群体创造条件。（七）科学选才鉴才。选才与鉴才结合，真正发现和遴选志向远大、学术潜力大、综合能力强、心理素质好的优秀学生。建立科学化、多阶段的动态进出机制，对进入计划的学生进行综合考查、科学分流。鼓励通过计划考核培养的优秀学生进入更高层次阶段学习。推进实施“中学生英才计划”，吸引一批具有创新潜质的中学生走进大学，参加科研实践、激发科学兴趣，成为拔尖人才的后备力量。四、组织实施（一）组织结构1.成立基础学科拔尖人才培养计划2.0指导委员会。委员会由教育部、中央组织部、科技部、财政部、中国科学院、中国社会科学院、中国科协相关部门负责同志组成，负责计划政策措施的制定和决策，指导计划的组织实施工作。2.成立基础学科拔尖人才培养计划2.0专家委员会，充分发挥咨询、指导、评价作用，负责论证高校计划实施方案、指导高校人才培养过程、评价计划实施成效。（二）实施范围基础学科拔尖人才培养计划2.0在数学、物理学、化学、生物科学、计算机科学的基础上，增加天文学、地理科学、大气科学、海洋科学、地球物理学、地质学、心理学、基础医学、哲学、经济学、中国语言文学、历史学。（三）保障措施1.加强组织保障。高校成立由校长任组长的领导小组，由知名学者和教学名师组成的专家委员会，由相关职能部门组成的工作小组，在资源配置等方面为计划实施提供支持。2.加强政策保障。改革教师激励办法、学生奖励办法、教学管理办法等，以人才培养为中心推进制度创新，打造拔尖人才培养的绿色通道。3.加强经费保障。高校应统筹利用教育教学改革专项等各类资源支持拔尖计划，推动学生国际交流、科研训练和创新实践、学术交流和社会实践活动、国内外高水平教师合作交流等工作的开展。（四）实施机制1.完善绩效评价机制。推动高校加强拔尖人才培养的质量管理和自我评估，建立毕业生跟踪调查机制和人才成长数据库，根据质量监测和反馈信息不断完善培养方案、培养过程、培养模式和培养机制，持续改进拔尖人才培养工作。定期组织国内外专家学者对计划实施效果、经费使用效益等进行评估，加强质量监管，构建动态进出机制。2.完善拔尖人才培养研究机制。鼓励高校和有关专家围绕顶尖科学家成长规律、拔尖学生研究兴趣和研究能力培养、国际化培养、导师制、学生成长跟踪与评价机制、拔尖学生培养模式与体制机制改革、拔尖人才培养成效评价标准等方面开展专题研究，形成一批有质量有分量的理论与实践成果，为拔尖计划深入实施提供参考，推动改革实践。教育部 科技部 财政部中国科学院 中国社会科学院 中国科协2018年9月17日新高考改革方案中将研究性学习经历作为学生综合素质评价的重要组成部分，同时，高中阶段参与创新性、研究型课程学习的情况，参与调查研究、撰写实验报告、研究性课题报告等情况已作为高校综合评价招生初审材料和进入面试后取得高分的重要条件。可以说，研究性学习和升学紧密相关，学生必须完成研究性学习才能符合高校的招生要求，只有通过这种方式去要求，学生才能重视研究性学习，才能在研究性学习的过程中高效收获知识、培养综合能力，才能真正成为国家需要的专业人才。让每一个学生都在研究中快乐成长。

研究性学习是指学生基于自身兴趣，在教师指导下，从自然、社会和学生自身生活中选择和确定课题，以类似科学研究的方式，以个人或小组合作进行研究，主动地获取知识、应用知识、解决问题的学习活动，它让学生走出传统课堂，走向社会生活主动去探索研究，这一过程充分体现探究、创新、实践的原则，而课题选择是整个研究性学习的一个重要环节，是研究性学习的第一步。选题的过程实质上是学生发散性、开放性思维得以充分展示的过程，无论是学生自己选择，还是在指导教师决定研究方向，都需经历收集资料——处理信息——反思提炼等系列环节，这是一个从发散到归纳的过程。选题的好坏直接涉及到研究性学习论文的价值，选择好课题等于完成任务的一半，在一定意义上选择课题比完成研究任务更困难。从发展上说一个好课题可以产生一系列成果，因此选题的正确与否直接关系到研究性学习的进展快慢，成果的大小、好坏，甚至整个工作的成败。而研究性学习的选题又有其特殊性。一．研究性学习课题的类别研究性学习的选题大致有四类：（１）知识探究型。学生学到某一方面的知识，在教师指导下拓宽学习范围，获得学习体验，形成学习报告，如《洗涤剂的化学成分研究》课题，这类是研究性学习的全新起点。（２）学术研究型。学生在学科学习中对某一教学内容发生浓厚兴趣，从而确定课题，经老师指导最后写出论文，可以是对某项定律、定理的条件补充，可以对课本例题解答的不同意见，可以对历史人物有自己的臧否，可以对某个作者诗文历史价值价判等等，如《王阳明的“良知”思想的现实价值浅析》课题。（３）社会调查型。学生通过对社会进行研究调查，学会与人交往、沟通，让课本知识贴近生活，然后写出调查报告，这类课题学生也比较喜欢，如《我市中学生近视现状调查》课题。（４）创造发明型。学生以科技创造为目标，进行小发明、小制作，或设计实验进行验证或探索，培养了动手能力和创新能力，并取得成果，应用于社会，如《制作滴水起电器》、《热气球的制作与研究》等课题。其他还有畅想论证，文献研究、建模概括等类型。二．选择的原则（1）需要性原则。着眼于社会实践的需要，科学技术本身发展的需要，研究的选题应与社会生活和科学文化事业密切相关，对这类问题能够加以解决或提出己见，则体现了价值；反之，研究没有现实意义、没有科学价值的选题只能导致劳而无功的结果。（2）创造性原则。选择的课题，有创新的思想，新的见解，具有开拓性，尽管难度比较大，研究的价值也较大。（3）科学性原则。选题必须具有事实依据或科学理论依据，能保证探索方向的正确性。（4）可行性原则。选题要从主、客观条件考虑有没有实现的可能性，能量力而行从自身的兴趣、爱好、实际能力出发，避免好高骛远。（5）典型性原则，指选题要少而精，适合于大题小做，举一反三，触类旁通，避免选题时凑热闹;贪多求全，大而无当，还要查看文献材料，避免选题“撞车”。三．如何选题（1）何处选题可从人与自然，人与社会和人与科学等三个范畴来考虑。因学生每年获得的体验和经验逐步增多，所以研究性学习可根据不同年级设置不同的研究内容。如高一以“文理综合课程”为载体，着重培养学生提出问题、发现问题、分析问题价值的能力，围绕调查研究、文献研究方法选题，以“人与社会”为主题，有利于体验社会，关心社会；高二学生已初步学会研究的方法，以“课题研究”为渠道，以“人与自然”为主题，围绕实践研究、思辨研究的方法选题，有利于热爱和保护自然，了解人类与自然不可分割、相互依存的关系；高三学生已具备一定的能力和受到科学方法的熏陶，以“人与科学”为主题，围绕假设论证、构建模型的方法选题，有利于培养对科学的正确态度、科学的研究方法和开拓创新的意识。三个年级形成相互作用、相互促进的关系，当然也可尝试不同方法进行研究并相互渗透逐步提高。可以在上述三个范畴从生活实践、报刊、杂志论文、热门话题、参与教师提供的课题等方面来选题。（2）自主选题学生根据爱好与特长选题，可不受学科的限制进行跨学科研究；可以是理论性较强、需要逻辑推断的问题，可以是实验性较强、需要科学实验才能解决的课题；可以是与当前社会生活密切相关的课题，也可以是需要进行调查实验、理论分析的课题。这是一个学生发散性、开放性思维充分展示的过程，但要强调研究取一个新视角或采用新的研究方法或提出新的观点。如有个课题研究《***旅游资源调查》，选择这个课题一方面便于学生进行社会调查和实践、收集资料，另一方面让学生了解家乡热爱家乡。但通过调查，真正撰写却有问题，即针对性不够，研究目标不够明确，只有研（是什么）没有究（为什么，怎么做）。同学们经过讨论认为，还有许多人文景观以及得天独厚的自然景观，但还有好多未被开发，旅游人数尚欠多。那么如何开发这些资源，吸引更多人来这里旅游？如何营造一个主题来打造这块旅游宝地，推动***旅游业的发展？这是一个值得研究的课题。最后大家达成共识，确定了研究课题：《***旅游业开发研究与展望》。研究性学习是一个开放的教学空间，它的开放性决定了课题的选择、研究视角的选择、方法的运用和结果的表达等方面均有相当大的灵活度和个性化，但一个好的研究课题应该源于学生自发产生的兴趣，教师必须避免强加于学生一些课题，应该鼓励学生大胆设想，激发学生研究的兴趣和有创意的新课题。因此，教师激发学生的研究兴趣，让学生在学校、家庭生活和社会环境中产生的对某一方面的兴趣爱好与课题研究结合起来，提高同学研究的积极性和思维的活跃性是课题选择上重要的一环，此外选择的课题立意要高，创意要新，在具体指导上可通过范例引路、选题推介、随机点拨和借题发挥等几种方法。总之，良好的开端往往是成功的一半，课题选择如何，直接关系到课题研究成果有无价值、课题研究能否顺利进行，一个科学合理的课题，其本身就孕育成功的希望，选题的过程是一个创造性思维的过程，这有赖于教师的智慧和创意，还有学生的兴趣和积极性。

党的十八大以来，习近平总书记就学习中共党史、新中国史、改革开放史、社会主义发展史作出一系列重要论述，全面阐述了学习“四史”的重大现实意义，全面分析了中国共产党的伟大历史贡献和革命精神，科学评价了党的领袖人物的历史地位，对构建中共党史的学科体系、学术体系和话语体系提出了要求和希望。习近平总书记关于“四史”的重要论述是习近平新时代中国特色社会主义思想的重要组成部分，为我们学好“四史”、做好“四史”的研究和宣传教育工作提供了理论指引。深刻认识学习“四史”的重大现实意义历史是最好的教科书。习近平总书记经常引用古人的话说，前事不忘，后事之师。“学史可以看成败、鉴得失、知兴替。”党的十八大以来，他多次要求党员干部要学好党史、国史。2020年1月8日，在“不忘初心、牢记使命”主题教育总结大会上的讲话中，习近平总书记强调，“要把学习贯彻党的创新理论作为思想武装的重中之重，同学习马克思主义基本原理贯通起来，同学习党史、新中国史、改革开放史、社会主义发展史结合起来，同新时代我们进行伟大斗争、建设伟大工程、推进伟大事业、实现伟大梦想的丰富实践联系起来”。中国共产党立志于中华民族千秋伟业，百年恰似风华正茂。2021年，在中国共产党成立100周年之际，总结中国共产党100年来的历史经验，对广大党员进行“四史”教育，使这个世界上最大的政党永远保持先进性和纯洁性，永葆青春活力，具有特别的作用和意义。历史是最好的营养剂。我们要不断地向历史学习，汲取历史智慧，总结历史经验和历史规律，以回答和解决在新的历史条件下党和国家发展面临的重大理论和现实问题。习近平总书记指出，“各级领导干部还要认真学习党史、国史，知史爱党，知史爱国。要了解我们党和国家事业的来龙去脉，汲取我们党和国家的历史经验，正确了解党和国家历史上的重大事件和重要人物。这对正确认识党情、国情十分必要，对开创未来也十分必要”。治国理政应该善于总结和学习历史经验，以历史为镜鉴。习近平总书记就善于在党的历史中总结提炼治国理政的思想和战略，新理念新思想新战略不是凭空产生的，而是通过总结我们党历史经验，不断升华提炼出来的。历史是最好的清醒剂。历史不仅提供经验，还提供教训，可以使我们保持头脑清醒，吃一堑长一智，使我们不再重犯历史上曾经犯过的同类错误。习近平总书记指出，“历史总是向前发展的，我们总结和吸取历史教训，目的是以史为鉴、更好前进”。学好“四史”能够让我们在“历史性考试”中考出好成绩，能够让我们跳出“历史周期率”。今天，我们党团结带领全国人民进行的中国特色社会主义的伟大事业，实现中华民族伟大复兴的中国梦，就是一场新的历史性考试。在全面建设社会主义现代化国家的新征程中，还有很多更难的历史性考试等着我们，要想考出好成绩，就要不断地向历史学习。学习“四史”要坚持历史唯物主义的立场、观点、方法，要尊重历史事实、尊重历史规律，反对历史虚无主义。历史是客观存在的，谁也不能任意选择、任意打扮和任意篡改。历史既有偶然性，又有必然性和规律性。我们不能随意丑化历史、糟蹋历史。否定了老祖宗就会从根本上否定一个民族、一个国家、一个党。习近平总书记强调指出，“古人说：‘灭人之国，必先去其史。’国内外敌对势力往往就是拿中国革命史、新中国历史来做文章，竭尽攻击、丑化、污蔑之能事，根本目的就是要搞乱人心，煽动推翻中国共产党的领导和我国社会主义制度”。对于历史虚无主义我们要敢于亮剑，坚决抵制和斗争。2016年10月27日，中国共产党第十八届中央委员会第六次全体会议通过的《关于新形势下党内政治生活的若干准则》，把尊重和维护“四史”写进了党规党纪中。习近平总书记还指出，“对中华民族的英雄，要心怀崇敬，浓墨重彩记录英雄、塑造英雄，让英雄在文艺作品中得到传扬，引导人民树立正确的历史观、民族观、国家观、文化观，绝不做亵渎祖先、亵渎经典、亵渎英雄的事情”。2018年4月，十三届全国人大常委会第二次会议通过了《中华人民共和国英雄烈士保护法》，以立法的形式规定“国家和人民永远尊崇、铭记英雄烈士为国家、人民和民族作出的牺牲和贡献”，“禁止歪曲、丑化、亵渎、否定英雄烈士事迹和精神”。全面评价中国共产党的伟大历史贡献习近平总书记关于“四史”的重要论述有着强烈的历史感，具有宏阔的历史视野，坚持了一种大历史观。他讲中国共产党的历史是把它放到中国社会发展的大历史进程中考察，要向过去看，也要向未来看。向过去看，是要弄明白中国共产党为什么能够登上中国的政治舞台；向未来看，是要说清楚为什么只有中国共产党才能够带领中国人民实现中华民族伟大复兴。历史的长焦镜头时而由远及近，时而由近及远，从中华文明5000多年、世界社会主义发展500年、中国近现代史180多年、中国共产党100年、中华人民共和国70多年、改革开放40多年的大视野大背景看待中国共产党，习近平总书记得出许多新观点新论断新判断，为“四史”评价提供了重要评判标准，为“四史”宣传教育提供了理论指南。习近平总书记在庆祝中国共产党成立95周年大会上的讲话、在党的十九大报告第二部分“新时代中国共产党的历史使命”、在纪念马克思诞辰200周年大会上的讲话、在庆祝改革开放40周年大会上的讲话，对党的伟大历史贡献和伟大飞跃都做了深刻精辟的论述。这四处论述从不同的角度深刻总结党的历史，相互关联、相互渗透，共同构成了关于党的历史贡献的体系化认识成果，大大深化了对党的历史地位和历史作用的认识，开辟了认识党的历史贡献的新视野，体现了新时代我们党对自身历史发展规律性认识的拓展、深化和升华。习近平总书记在庆祝中国共产党成立95周年大会上的重要讲话中指出：“中国产生了共产党，这是开天辟地的大事变。这一开天辟地的大事变，深刻改变了近代以后中华民族发展的方向和进程，深刻改变了中国人民和中华民族的前途和命运，深刻改变了世界发展的趋势和格局。”中国共产党的成立，是“开天辟地的大事变”，是近代历史上的一个鲜明界线。中国共产党的诞生，是中国近代历史发展的必然产物，是中国人民在救亡图存斗争中顽强求索的必然产物。近代以来，中国社会沦为半殖民地半封建社会，中华民族面临着两大历史任务：一是求得民族独立和人民解放，一是实现国家富强和人民幸福。谁能够带领人民完成这两大历史任务，谁就能够成为决定中国社会发展方向的领导力量。历史证明，只有在中国共产党的领导下，中国革命才有了正确前进方向，中国人民才踏上了争取民族独立、人民解放的光明道路，开启了实现国家富强、人民富裕的壮丽征程。习近平总书记指出，中国共产党作出了三个“伟大历史贡献”，实现了三个“伟大飞跃”。第一个伟大历史贡献和伟大飞跃是，党团结带领中国人民完成新民主主义革命，建立中华人民共和国，实现了中国从几千年封建专制政治向人民民主的伟大飞跃。第二个伟大历史贡献和伟大飞跃是，党团结带领人民确立社会主义基本制度，消灭一切剥削制度，推进社会主义建设，实现了中华民族由不断衰落到根本扭转命运、持续走向繁荣富强的伟大飞跃。第三个伟大历史贡献和伟大飞跃是，党团结带领人民进行改革开放新的伟大革命，实现了中华民族从站起来、富起来到强起来的伟大飞跃。中国共产党领导中国人民取得的伟大胜利，使具有5000多年文明历史的中华民族全面迈向现代化，让中华文明在现代化进程中焕发出新的蓬勃生机；使具有500年历史的社会主义主张在世界上人口最多的国家成功开辟出具有高度现实性和可行性的正确道路，让科学社会主义在21世纪焕发出新的蓬勃生机；新中国建设取得举世瞩目的成就，创造了人类社会发展史上惊天动地的发展奇迹，使中华民族焕发出新的蓬勃生机。习近平总书记在党的十九大报告第二部分“新时代中国共产党的历史使命”中，把中国共产党的历史看作是一部实现中华民族伟大复兴的奋斗史，从实现中华民族伟大复兴的角度论述了中国共产党作出的历史贡献。习近平总书记在纪念马克思诞辰200周年大会上的讲话中，从党推进马克思主义中国化和领导科学社会主义运动的角度深刻总结党的历史贡献。中国共产党人把马克思主义基本原理同中国革命、建设和改革的具体实际结合起来，不断推进马克思主义中国化，不断推进社会主义在中国的发展和进步，实现了中华民族从站起来、富起来到强起来的伟大飞跃。铁一般的事实证明，只有社会主义才能救中国，只有中国特色社会主义才能发展中国，只有坚持和发展中国特色社会主义才能实现中华民族伟大复兴。习近平总书记在庆祝改革开放40周年大会上的讲话中，从中国特色社会主义的形成和发展的角度深刻总结党的历史贡献。习近平总书记从五四运动以来百年的历史来看改革开放的伟大意义，指出：“建立中国共产党、成立中华人民共和国、推进改革开放和中国特色社会主义事业，是五四运动以来我国发生的三大历史性事件，是近代以来实现中华民族伟大复兴的三大里程碑。”中国特色社会主义来之不易，它是从40多年改革开放的伟大实践中得来的，是从新中国成立70多年的持续探索中得来的，是从党领导人民进行伟大社会革命的100年实践中得来的，是从近代以来中华民族由衰到盛180多年的历史进程中得来的，是对中华文明5000多年的历史传承发展中得来的。四篇讲话由于看待党的历史的角度不同，因而对于历史时期的断代划分点不同、对于伟大飞跃的表述不同，但它们之间并不矛盾，而是自洽的、一致的。这四篇讲话形成了党的历史贡献体系化认识的新成果，构成了一个全面认识党的历史贡献的科学体系。学习伟人风范，弘扬革命精神习近平总书记在纪念毛泽东同志诞辰120周年座谈会上的重要讲话中，全面准确评价了毛泽东的历史地位和晚年所犯的错误，指出：“毛泽东同志晚年的错误有其主观因素和个人责任，还在于复杂的国内国际的社会历史原因，应该全面、历史、辩证地看待和分析。”“对历史人物的评价，应该放在其所处时代和社会的历史条件下去分析，不能离开对历史条件、历史过程的全面认识和对历史规律的科学把握，不能忽略历史必然性和历史偶然性的关系。不能把历史顺境中的成功简单归功于个人，也不能把历史逆境中的挫折简单归咎于个人。不能用今天的时代条件、发展水平、认识水平去衡量和要求前人，不能苛求前人干出只有后人才能干出的业绩来。”“革命领袖是人不是神。尽管他们拥有很高的理论水平、丰富的斗争经验、卓越的领导才能，但这并不意味着他们的认识和行动可以不受时代条件限制。不能因为他们伟大就把他们像神那样顶礼膜拜，不容许提出并纠正他们的失误和错误；也不能因为他们有失误和错误就全盘否定，抹杀他们的历史功绩，陷入虚无主义的泥潭。”“我们党对自己包括领袖人物的失误和错误历来采取郑重的态度，一是敢于承认，二是正确分析，三是坚决纠正，从而使失误和错误连同党的成功经验一起成为宝贵的历史教材。”习近平总书记的这些重要论述是对历史唯物主义基本理论的丰富和发展，是我们评价领袖人物历史功过的基本尺度。党的十八大以来，习近平总书记的足迹遍布河北阜平和平山西柏坡、山东临沂、湖南湘西、福建古田、陕西延安和铜川照金、贵州遵义、江西井冈山和于都、安徽金寨、宁夏西吉、山西吕梁、上海、浙江嘉兴、甘肃高台、北京香山、河南信阳、吉林四平等革命老区和革命圣地，带领我们学习革命先辈的崇高精神，明确肩负的重大责任，增强为实现党的初心和使命而奋斗的责任感和使命感。习近平总书记对中国共产党人的精神族谱中的革命精神有专门的论述，如红船精神、井冈山精神、苏区精神、长征精神、延安精神、抗战精神、沂蒙精神、大别山精神、西柏坡精神等。习近平同志在担任浙江省委书记期间，2005年6月在《光明日报》发表了《弘扬“红船精神” 走在时代前列》一文，将“红船精神”概括为“开天辟地、敢为人先的首创精神，坚定理想、百折不挠的奋斗精神，立党为公、忠诚为民的奉献精神”。党的十九大胜利闭幕后，习近平总书记带领新当选的中央政治局常委重访党的诞生地，他指出：“上海党的一大会址、嘉兴南湖红船是我们党梦想起航的地方。我们党从这里诞生，从这里出征，从这里走向全国执政。这里是我们党的根脉。”我们要结合时代特点大力弘扬“红船精神”，让“红船精神”永放光芒。习近平总书记多次讲到伟大的长征精神，他指出：“伟大长征精神，是中国共产党人及其领导的人民军队革命风范的生动反映，是中华民族自强不息的民族品格的集中展示，是以爱国主义为核心的民族精神的最高体现。”每一代人有每一代人的长征路，每一代人都要走好自己的长征路。我们要继承和弘扬好伟大的长征精神。有了这样的精神，没有什么克服不了的困难，我们完全有信心有决心有恒心实现中华民族伟大复兴的中国梦。习近平总书记对延安精神、抗战精神、西柏坡精神等的论述，都注重阐发这些宝贵的精神遗产所包含的伟大现实意义。加强“四史”研究，讲好中国故事习近平总书记在哲学社会科学工作座谈会上的重要讲话中指出，要构建中国特色哲学社会科学的学科体系、学术体系和话语体系。这其中也包括构建中共党史、新中国史、改革开放史、社会主义发展史的学科体系、学术体系和话语体系。加强“四史”研究要坚持党性和科学性的统一。早在延安时期，毛泽东在谈到如何研究中共党史时就曾指出：“如何研究党史呢？根本的方法马、恩、列、斯已经讲过了，就是全面的历史的方法。我们研究中国共产党的历史，当然也要遵照这个方法。”“研究中共党史，应该以中国做中心，把屁股坐在中国身上……如果是完全坐在外国那边去就不是研究中共党史了。”“我们要把马、恩、列、斯的方法用到中国来，在中国创造出一些新的东西。”（《毛泽东文集》第2卷，人民出版社1993年版，400页,407页,408页）这里就体现出了党史研究应该坚持以马克思主义为指导，运用马克思主义的立场、观点、方法来研究中国问题，同时还要坚持以人民为中心，坚持“党史姓党”。坚持“党史姓党”，与坚持党史的科学性不矛盾。正如毛泽东讲的，“我们研究党史，必须全面看，这样研究党史，才是科学的。我们研究党史，必须是科学的，不是主观主义”（《毛泽东文集》第2卷，人民出版社1993年版，406页）。尊重历史事实，尊重历史规律，全面地看问题就是科学性。加强“四史”研究要解放思想、勇于探索。习近平总书记近几年来讲“四史”，既讲耳熟能详的经典的历史事件、历史人物、历史故事，也坚持实事求是的原则，敢于触及敏感话题，还历史本来面目。例如，对于抗美援朝战争，习近平总书记在纪念中国人民志愿军抗美援朝出国作战70周年大会上的重要讲话中指出，伟大的抗美援朝战争，抵御了帝国主义侵略扩张，捍卫了新中国安全，保卫了中国人民和平生活，稳定了朝鲜半岛局势，维护了亚洲和世界和平。经此一战，中国人民粉碎了侵略者陈兵国门、进而将新中国扼杀在摇篮之中的图谋，可谓“打得一拳开，免得百拳来”，帝国主义再也不敢作出武力进犯新中国的尝试，新中国真正站稳了脚跟。无论时代如何发展，我们都要砥砺不畏强暴、反抗强权的民族风骨，都要汇聚万众一心、勠力同心的民族力量，都要锻造舍生忘死、向死而生的民族血性，都要激发守正创新、奋勇向前的民族智慧。近年来，习近平总书记先后到甘肃张掖市高台县瞻仰中国工农红军西路军纪念碑和阵亡烈士公墓、参观中国工农红军西路军纪念馆，在大别山区的河南省信阳市新县瞻仰鄂豫皖苏区首府烈士陵园、革命烈士纪念碑、纪念堂，在吉林省考察调研时参观四平战役纪念馆，分别讲到西路军不畏艰险、浴血奋战的英雄主义气概，为党为人民英勇献身的精神，同长征精神一脉相承，是中国共产党人红色基因和中华民族宝贵精神财富的重要组成部分；鄂豫皖苏区根据地是我们党的重要建党基地，大别山精神等都是我们党的宝贵精神财富；四战四平是我们党领导人民进行武装斗争过程中的一次重大战役。我们从八一南昌起义到井冈山斗争，从艰苦卓绝的长征、抗日战争，再到解放战争、抗美援朝，革命烈士的鲜血铸就了革命成功的丰碑，我们一定要牢记胜利来之不易。习近平总书记的这些讲话鼓励着“四史”专业工作者解放思想、勇于探索，不断推进理论创新。加强“四史”研究要把加强话语体系建设和讲好故事结合起来。习近平总书记强调，“要讲好中国特色社会主义的故事，讲好中国梦的故事，讲好中国人的故事，讲好中华优秀文化的故事，讲好中国和平发展的故事”，“要组织各种精彩、精炼的故事载体，把中国道路、中国理论、中国制度、中国精神、中国力量寓于其中，使人想听爱听，听有所思，听有所得”。习近平总书记要求把加强话语体系建设和讲好故事结合起来，这是针对国际传播讲的，但同样适用于“四史”的研究和学习。习近平总书记还要求，要讲好党的故事、革命的故事、根据地的故事、英雄和烈士的故事，加强革命传统教育、爱国主义教育、青少年思想道德教育，把红色基因传承好，确保红色江山永不变色。要深刻认识红色政权来之不易，新中国来之不易，中国特色社会主义来之不易。我们“四史”专业工作者的责任,就是要把加强话语体系建设和讲好故事结合起来，帮助人们了解昨天、把握今天、开创明天，并为推动哲学社会科学的繁荣发展作出自己应有的贡献。（作者：中共中央党史和文献研究院原院务委员、清华大学习近平新时代中国特色社会主义思想研究院学术委员）