河北发布义务教育课后服务工作指南******

　　河北发布义务教育课后服务工作指南

　　不得将课后服务变为集体补课

　　本报讯（记者周洪松）日前，河北省印发义务教育课后服务工作指南，完善作业辅导和素质拓展活动等课后服务内容，提升课后服务质量，强化学校教育主阵地作用，有效解决“三点半”难题，促进学生全面发展、健康成长。

　　河北规定，全省义务教育学校要落实课后服务主体责任，以本校师资及场地资源为主，适当补充校外教育活动场所、社区教育资源、社会公益力量等资源开展课后服务。

　　河北要求，各学校要做好参与课后服务师生信息和活动过程资料管理，科学开展评价。鼓励教师提高自主设计作业能力，探索布置分层作业、弹性作业和个性化作业，科学设计探究性作业、实践性作业及跨学科综合性作业，不断提高作业设计质量，同时持续完善作业辅导质量评价相关制度，强化过程督查。不得要求学生自批自改作业，不得利用课后服务时间讲新课，不得将课后服务变为集体补课。各学校要针对开设的不同类型课后服务工作，建立对应的管理、评价及监督、考核等工作机制，全面加强过程管理。

　　河北提出，要坚持全校“一盘棋”思维，在实施方案中同步加强作业辅导、素质拓展活动管理和课后服务工作中的安全管理、后勤保障、财务监管、宣传引导等多方面工作，强化考核监督。要充分发挥学生家长和家长委员会作用，全面加强学校课后服务效能反馈，以家校合力推动课后服务质量提升。强化课后服务绩效考核，所有参与课后服务的教师都要严格遵守学校各项规定，所有教师参加课后服务的表现应作为职称评聘、表彰奖励和绩效工资分配的重要参考。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟