教学课程资源库 更多>>

ISBN: (纸本)9787561284148

关键词： 环境持久性   定量构效关系   机器学习   应用域  

摘要： 化学品的环境持久性是影响其环境暴露水平的重要因素。筛选具有环境持久性的化学品,对化学品风险管理具有重要意义。仅通过实验方法获取化学品环境持久性参数,效率低、耗时长且成本昂贵,需要发展高效（高通量、低成本）的模拟预测技术。基于定量构效关系（QSAR）的计算模拟技术,通过建立化学品分子结构特征与其环境行为参数的关联,可有效预测化学品环境持久性参数。本研究使用分子结构描述符结合多种机器学习算法,构建预测化学品快速生物降解性及化学品在四种介质（大气、水体、土壤、沉积物）中降解半减期(t1/2)的QSAR模型,主要内容如下:（1）构建了预测化学品快速生物降解性的QSAR模型。从相关文献和开源软件中搜集得到2043个有机化学品快速生物降解性数据,建立了化学品快速生物降解性数据库。使用12种分子指纹和6种机器学习算法构建了72个预测快速生物降解性的单个模型。分子指纹使用Pa DEL-Descriptor软件计算,机器学习算法包括K近邻、逻辑回归、伯努利朴素贝叶斯、决策树、随机森林、支持向量机。采用十折交叉验证和外部验证评价模型的稳健性和外部预测能力。使用单个模型中表现良好的分子指纹和算法,进一步构建了28个集成模型,并基于分子相似性对最优集成模型进行应用域表征。结果表明,与单个模型相比,集成模型具有更好的拟合能力、稳健性和泛化能力。基于分子相似性,对最优集成模型应用域进行表征,发现设置合适的应用域范围,能显著提高模型泛化能力。（2）构建了预测化学品在四种介质中t1/2的QSAR模型。从相关文献和理化性质手册中搜集了250种有机化学品在四种介质中的t1/2数据,使用Mordred描述符和12种分子指纹,结合多层前馈神经网络算法,分别建立了预测化学品在每种介质中t1/2的单任务（ST）神经网络模型。在此基础上,根据输入模式的不同,构建了两类可同时预测t1/2（大气）,t1/2（水体）,t1/2（土壤）和t1/2（沉积物）的多任务神经网络模型,分别为单输入多任务（SIMO-MT）模型和多输入多任务（MIMO-MT）模型。结果表明,MT模型预测性能比ST模型更好,可能因为多任务学习在模型构建过程中捕捉到了任务间的关联信息,在模型训练时进行共享,从而提高了每个任务的预测效果。基于分子相似性方法,对MIMO-MT模型应用域进行表征。本研究所构建模型可高效筛查具有环境持久性化学品,为化学品风险评价提供技术支持。

关键词： 化学史   教学设计   有机化学  

摘要： 作为化学史的价值,很重要的一个方面就是在学科教学中的体现,它能够解决以逻辑方法为主的传统教育中的一些固有问题。化学史在化学教学中的重要作用很早就被发现,但是化学史实际上运用于高中教学中是比较缺乏的。一是因为部分教师认为高考不考所以没必要讲;二是教材提供的化学史素材数量有限,不便开展;三是融入化学史教学的成熟的案例较少。为了解决这些问题,查阅文献编写融入化学史的教学设计并进行实践检验,为一线教师做参考。本论文主要内容如下: 运用文献研究法分析了化学史教育的研究现状,存在的问题。对“化学史”、“化学史教育”进行概念界定,根据定义,运用内容分析法对最新版的人教版与苏教版教材中的化学史进行仔细梳理,发现两版教材的编写是严格按照《普通高中化学课程标准(2017年版)》的要求编写的,但是两版教材中的化学史存在数量少,篇幅普遍较短,分布散乱,系统性不强等问题。 通过问卷调查法,设计问卷调查了化学史融入高中化学教学的现状,发现实习学校大部分学生还是赞同化学史融入化学教学中的;学生比较喜欢图片与文字相结合的形式介绍化学史;学生了解化学史的途径主要是教师的讲解以及教材。 针对教材中化学史素材短缺的问题,运用文献法查阅大量文献与书籍,以有机化学为例挖掘了化学史素材,总结了化学史的选用原则,分别是:体现以德育人、以学生为主体、以课程标准为指导、创设有利于学习的情境、具有可研究性的问题。运用挖掘的素材,结合“四线式”教学模式(知识线、活动线、历史线、素养线)对甲烷、乙醇、乙烯、苯等内容编写了融入化学史的教学设计。 开展融入化学史的教学实践,并采用通过观察学生状态、学生访谈、教师点评等方式,对教学效果进行评价,发现融入化学史的教学得到学生与教师普遍的肯定。最后通过测验成绩,实验班的平均成绩要略优于对照班,说明化学史有助于学生掌握知识。

关键词： BOPPPS教学模式   有机化学实验   参与式教学   有效教学  

摘要： 应用BOPPPS教学模式改进传统大学有机化学实验的教学形式，增强学生的课堂学习效率，提高实验技能。该模式解决了传统有机化学实验课堂学习目的性差、学生主动性低、参与力弱等问题。本文以乙酰苯胺的制备实验设计为例，探讨BOPPPS教学模型在课堂教学的作用。同时线上线下模式打破了时空束缚，使得学生有效地利用碎片化时间随时随地学习，有利于师生之间课前课后地互动交流，为实践类课程教学提供了新思路。

关键词： 有机化学   功能材料   教学   探索  

摘要： 功能材料专业是一门涵盖材料、物理、化学、电子等诸多研究领域的交叉学科。学生除了掌握专业基础知识外，还需要根据所学的知识设计材料。有机化学作为专业基础课，为各类型材料的合成原理提供了理论基础。但是有机化学知识点繁多，所以在讲授时重点讲授规律性知识，帮助学生更好记忆。并且在授课时将有机化学知识点融入到材料设计中，帮助学生更好的理解结构与性质的关系，使学生在设计材料时更加得心应手，培养学生的学习兴趣，达到更好的教学效果。

关键词： 高校   有机化学   考核方式  

摘要： 有机化学是化学相关专业的一门重要基础课，对学生有机化合物基本知识的学习有重要作用。当前高校的有机化学课程考核方式存在一些问题，亟须改革。因此，为了全面、系统、公正地评价教学效果，科学、合理地评价学生的学习效果，全面考核学生的综合能力，有必要从评价目标方面进行系统规划，评估内容、形式等，制定相对完整可行的评估体系，检测学生的学习效果，促进学生对这门课程的掌握。本文对有机化学课程的评价改革进行了研究，提出了具体的改革思路和新的评价方法。

关键词： “思维型”课堂   化学思维品质   有机化学  

摘要： “思维型”课堂教学具有丰富的理论意义和实践价值,它是以思维结构的智力理论为基础,以学思结合的教学理念为指导并基于四大基本原理提出七大基本教学要求之一:训练学生思维品质以提高学生智力和能力。在2017版国家课程标准(2020年修订)中指出高中生不仅需要掌握化学的基础知识和基本技能,还要在学习的过程中发展化学思维品质。如何在学科教学中培养学生思维品质,成为化学教育领域的重要课题。化学是在微观层面认识物质、用化学符号描述物质,化学学科对培养学生思维品质具有特殊作用。基于以上现状,本研究提出基于“思维型”课堂培养学生思维品质并进行实践研究,通过学生思维品质发展状况反映笔者构建的化学“思维型”课堂教学效果,实现发展学生化学思维能力目的。本研究对“思维型”课堂和思维品质进行了文献综述,找到了利用“思维型”课堂培养思维品质的关键点与融合点并分析了其可行性。结合化学学科特色开发了化学“思维型”课堂基本模式,以四有:有序、有问、有思、有用为课堂特征,以四思:创境启思、合作静思、总结反思、运用拓思为基本环节。在此基础上,以人教版必修“有机化合物”为知识载体进行具体教学设计并开展教学实践研究,在实验班与对比班实施不同教学设计后分别进行追踪检查,运用SPSS软件定量对比实践教学效果。结合理论研究与实践研究得到如下结论:(1)“思维型”课堂的构建要考虑适切性问题。(2)“思维型”课堂教学效果良好。(3)“思维型”课堂有利于培养学生化学思维品质。(4)有利于提升学生认识有机物的思维发展层次。最后,本文基于研究结论分别对“思维型”课堂构建与化学思维品质培养提出教学建议并对后续研究做出展望。

摘要： 栏目图文摘要图文摘要由一幅主要结构图和英文摘要描述全文的重点.综述与进展对当前有机化学的研究热点和前沿课题进行总结评述,并结合作者在本领域的工作发表见解.研究论文具有原始性和创新性的研究成果.研究简报是原始性、创新性研究工作的阶段与部分结果.研究通讯迅速报道学术价值显著的重要研究工作的最新进展.

关键词： 机器学习   物理有机参数   区域选择性   自由基C-H官能团化   Mayr方程  

摘要： 在有机化学研究工作中,准确快速地评估化学反应的反应性和选择性对于增进有机化学理解和计算机预测都至关重要且具有挑战性。尽管机器学习在反应表现预测领域已展现了巨大的应用潜力,但易于机器学习使用且公开发布的化学反应选择性数据仍然相当稀缺。同时,由于分子结构与反应选择性之间的复杂关系,准确快速且易于理解的化学反应选择性预测建模仍然发展缓慢。因此,创建化学反应的选择性数据库,探索有机化学反应的选择性控制因素,开发揭示分子结构与反应选择性之间隐含关系的化学反应描述符,实现对反应选择性的精准定量预测具有重要的科学意义和实用价值。基于此,本论文围绕化学反应选择性数据库创建,易于理解的反应描述符开发和化学反应选择性的精准预测展开研究,具体包括以下几部分内容:1、在芳香杂环的自由基C-H官能团化反应能垒和区域选择性的计算数据库的构建与数据分布趋势的探索过程中,通过DFT计算建立了包含6114条反应能垒和9370条区域竞争性反应对能垒差数据的计算数据库,并基于数据的分布趋势发掘了影响芳香杂环的自由基C-H官能团化反应选择性的主要因素。2、在芳香杂环的自由基C-H官能团化反应区域选择性的机器学习建模预测中,基于物理有机化学描述符,利用前述反应区域选择性数据库,通过随机森林算法实现了反应区域选择性的精准预测。模型能准确判断实验案例的区域选择性,具有优秀的泛化能力,为芳香杂环的自由基C-H官能团化反应的区域选择性预测提供了有用工具。3、在提升芳香杂环的自由基C-H官能团化反应区域选择性的机器学习预测模型的易用性研究中,探索了从SMILES通过分子力场和半经验方法快速获得分子结构并利用机器学习预训练模型快速计算分子的物理有机化学描述符的可行性。该策略计算的描述符与随机森林算法结合保持了对目标反应的精准预测能力,极大地降低了描述符的计算成本,为目标反应的高通量筛选提供了有利途径。4、为引入实验测定的物理有机参数以帮助真实场景下的反应表现预测,在亲核试剂的Mayr亲核性参数的快速准确预测建模过程中,发展了一种考虑溶剂影响力的迁移学习框架。以从亲核试剂的SMILES通过分子力场或半经验方法获得的分子结构为输入,该框架在微小数据集上实现了对目标性质的准确预测,为具有较高实验测定门槛Mayr亲核性参数的推广提供了帮助。