资料图:刘秀祥在瓮安县与学生们交流。 受访者供图
“我能给予他们动力,为什么?刘秀祥能走出来,他们一定能走出来,因为他们不需要像我那样带着母亲四处奔波,不需要像我那样艰辛。”刘秀祥坦言,自己通过读书走出了大山,看到了外面世界的美好,想回来告诉山里的孩子外面的世界很美好。
2012年,回到望谟县的刘秀祥成为一名乡村教师,同年8月他发起“助学走乡村行动”,最初主要是进行劝学活动。刚开始是他自己和几个老师,骑着摩托车走村串寨,四处劝学。因为很多家长的不支持,刘秀祥吃了不少闭门羹。
“曾遇到一个小女孩,由于父母思想落后,初三毕业后,家人就安排外出务工补贴家用。”于是,刘秀祥就骑着摩托车去劝说,无论他怎么讲,学生家长就是不让孩子回校读书,半年时间刘秀祥去了12次,最后一次惹怒了学生家长,家长把拴着的狗给放了,刘秀祥被恶狠狠的狗追着满村跑一头栽到坎下,后脑勺被磕破了,至今还留有疤痕。
然而,越是这样,越坚定了刘秀祥劝学的信心。10年来,刘秀祥骑坏了8辆摩托车,遭受不解和谩骂的他却从未想过放弃,成功让1800多位学生重返校园。劝学期间,刘秀祥又发现,劝回学校的孩子没过多久又不见了,主要原因是学生家里生活困难。
资料图:刘秀祥在与学生互动。 受访者供图为此,刘秀祥开始了助学活动,最初是他自己出钱,后来又找朋友、找同事借钱。由于捐资助学体量大,刘秀祥就拿着孩子的资料去找县城的“小老板”,他去过五金店、餐馆、超市等地,用他的话说,“为了孩子,自己可以连尊严都不要。”
助学期间,刘秀祥还时刻呵护学生的自尊心。2013年,刘秀祥班上有一位女学生一周内找了他五次,每次都是同一个话题,就是不读书要外出务工,后来刘秀祥去学生家里家访才得知,她妈妈和叔叔智力障碍,爷爷年迈多病,她和弟弟上学,只靠父亲一人务农养家。
当时,刘秀祥没有资助的资源,就自己出钱解决那位女学生的学费和生活费,“但是孩子自尊心很强,她看到我资助的还有许多同学,她死活不要,后来就骗她说是对接外面好心人资助的。”
直到那位女学生考上大学,一次偶然的机会,她在刘秀祥家里看到了自己曾经写给资助人的所有信件,她才知道一直是刘秀祥在资助自己。如今,那位女学生已大学毕业,并回到望谟工作。
2016年开始,刘秀祥围绕公益讲座、教师培训、学生德育教育、学生资助成立名师工作室,吸引校内、校外的教师加入其中,通过演讲,刘秀祥助学活动的队伍和资源逐渐增加,有教师、企业、爱心人士,甚至教出来的学生也加入进来。
资料图:刘秀祥在望谟县实验高中给学生们作主题班会。 受访者供图10年间,刘秀祥发起的助学活动涵盖了小学、中学和大学的学生,目前对接资助的孩子有4200多人。10年教育路,刘秀祥见证和参与家乡的发展,2012年望谟县1000多名学生参加高考,考上本科仅70人,10年后的2022年,望谟县全县参加高考的人数2420人,本科上线人数达1302人,教育质量从黔西南全州挂末提升到全州前三。
“十年教育的生涯让我意识到,越是偏远的地方越需要优质的教育,每个孩子都应该有更好的未来,无论他出生在哪里。”刘秀祥说,未来会一如既往地走下去,充分发挥名师(劳模)工作室的引领和辐射作用,一个都不放弃,帮助孩子们树立自信,让更多孩子通过读书走出大山改变命运。
作为出席中国共产党第二十次全国代表大会的代表,同时也是千万个扎根山区教育工作者中的一员,刘秀祥坦言,自己主要关注乡村教育和乡村教师方面,希望充分利用好特岗教师资源和发挥好特岗教师的作用,同时给予更多山区乡村教师学习成长的机会和平台。(完)
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) [责编:天天中] 阅读剩余全文() |