云顶彩票登录 - 在线用户注册平台 | 官网APP下载

思想政治教育叙事话语的创新探索******

　　思想政治教育叙事话语的创新探索

　　——《思想政治教育叙事话语研究》评介

　　作者：骆郁廷（武汉大学党委原副书记、武汉大学思想政治教育研究院院长）

　　思想政治教育是以马克思主义和中国化马克思主义及其最新成果武装人们的头脑，巩固马克思主义在意识形态领域指导地位，巩固全党全国人民团结奋斗思想基础的重要工作，事关党的前途命运、国家长治久安、民族凝聚力和向心力。而思想政治教育叙事话语，又关系到思想政治教育的说服力和意识形态的吸引力和影响力。长期以来，中国共产党高度重视意识形态话语和思想政治教育叙事话语建设。中国特色社会主义进入新时代，对党的意识形态话语体系和思想政治教育叙事话语建设提出了新要求。2013年，习近平总书记在全国宣传思想工作会议讲话中强调要“讲好中国故事、传播好中国声音”。2021年5月31日，习近平总书记在主持中共中央政治局第三十次集体学习时再次强调要“加快构建中国话语和中国叙事体系”，这一深刻论述具有重要的理论和实践价值。新时代如何不断提升叙事能力，提高思想政治教育的针对性、吸引力、实效性，是马克思主义意识形态话语权建设面临的重大课题。当前，思想政治教育叙事话语研究已成为一个前沿热点问题。由西安交通大学马克思主义学院教授、博士生导师马忠教授所著的《思想政治教育叙事话语研究》一书，将“思想政治教育”与“叙事”紧密联系，围绕构建具有中国特色的新时代意识形态话语体系，对思想政治教育话语创新的一些前沿问题进行了初步探索，很有意义。该书具有以下特点：

　　一是多视角探究思想政治教育的叙事理论。该书以马克思主义为指导，借鉴哲学、语言学、传播学等多学科方法，廓清了思想政治教育叙事话语的基本问题。该书在马克思主义语言观指导下，从“语言是思想的直接现实，观念不能离开语言而存在”的基本观点出发，深入解析了思想政治教育和语言的关系，认为叙事是一种最生动的思想政治教育话语形式。这是因为，人类叙事从来就包含着意识形态，在多元文化和跨文化认知背景下，叙事能以文化、软性方式有效传播思想政治教育的内容，即“叙事+思想政治教育”使抽象复杂的意识形态观念找到有效的话语载体。为此，该书讨论了思想政治教育的叙事基础、叙事使命、叙事要求、叙事策略，是一本兼具理论性和实践性的创见性著作。

　　二是阐明了思想政治教育叙事的时代使命。思想政治教育叙事话语本质上是一种意识形态话语传播的叙事实践。基于新时代视角，该书认为思想政治教育要讲好中国故事、传播中国声音、弘扬中国精神、凝聚中国力量。特别是要讲好中国历史故事、现实故事和发展故事，阐发中国精神、展现中国风貌；要发中华文化之声、中国发展之声、中国和平之声，增强传播意识、提升传播能力；增强精神动力，提供智力支撑，凝聚社会力量。该书尤其针对我国国际传播中面临“有理说不出、说了传不开”的现实困境，强调不断提升叙事能力，体现出鲜明的问题导向。

　　三是细致剖析思想政治教育叙事话语创新方法。思想政治教育话语问题关涉“说什么、对谁说、怎么说”等问题域。为了从话语层面解决这些问题，该书认为运用叙事进行话语创新就成为思想政治教育的必然选择。为此必须把思想政治教育置于真实生动的社会生活中，既要多用理论语言，体现理论表述、问题思考、逻辑推理的要求，抓住本质，又要多用群众语言，通俗易懂、瞄准现象，契合群众的水平要求，使思想政治教育吻合民族文化心理特点，不断增强叙事话语的生动性、审美性、感染力。为了说明运用叙事话语的必要性，该书大量引入历史和现实案例，围绕“符号、意义、语境、接受”等基本问题，对思想政治教育叙事话语做了细致、有效的解释。

　　总体看，该书强调以叙事进行思想政治教育话语创新，视角新颖、方法独特，探索了思想政治教育话语研究新路径，开拓了思想政治教育文化研究新视野、形成了思想政治教育方法研究新空间，是一部思想政治教育叙事话语研究的力作。

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

　　（文图：赵筱尘 巫邓炎）