红岩精神融入新时代高校思想政治教育研究

来源 :四川外国语大学 | 被引量 : 0次 | 上传用户:omine001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
红岩精神形成于革命年代,是马克思主义、中国优秀传统文化和中国革命实践三者相结合的产物,是中国特色社会主义文化体系的重要组成部分。当代大学生是我国实现“两个一百年奋斗目标”和实现中华民族伟大复兴的后备力量,他们的思想境界直接决定着中国未来的发展状况,所以把红岩精神融入到高校思想政治教育,切实提高大学生的思想意识水平,是新时代中国特色社会主义发展的必然要求。本文研究分为五部分,第一部分和第二部分系统地整理了国内外关于红岩精神和高校思想政治教育的文献研究,整理分析出了红岩精神的核心内涵、时代价值和形成条件,梳理出了高校思想政治教育的内涵和意义,在此基础上综合分析了红岩精神和高校思想政治教育的相互关系。第三部分在前面部分研究的基础上得出了红岩精神融入到思想政治教育是“必要的”且“可行的”。第四部分分析红岩精神融入思想政治教育的困境和原因。当前,红岩精神融入思想政治教育的困境主要有:对二者关系的定位不够明确、对红岩精神资源的挖掘不够深入和相关体制机制完善不够等。困境的背后有着必然的原因:思想上的重视不够、红岩精神资源的保护与利用力度不够、相关体制机制不健全等。第五部分主要是尝试创新融入途径,经过大量研究分析,笔者认为要从坚持党的领导、加强思想政治理论课的渗透、建设高水平的思想政治教育教师队伍、建设一流的辅导员队伍、提高学生的积极性、加强社会文化建设、加强舆论宣传、做好条件保障和利用网络平台等方面着手,使红岩精神高质量地融入到高校思想政治教育中去。红岩精神是支撑中国共产党人在艰苦卓绝的环境里完成革命任务的精神和思想力量,也是今天发展中国特色社会主义的精神动力。积极探索新时代红岩精神融入高校思想政治教育是践行习近平新时代中国特色社会主义思想、增强“四个自信”的时代之需,对于实现中华民族的伟大复兴有着重要意义。
其他文献
在烟气污染物排放标准不断加严下,以钢铁烧结和垃圾焚烧为代表的固定源烟气排放受到关注,其烟气排放呈现出两个共性特征:一是烟气温度低于300?C;二是烟气中含有二噁英类(PCDD/
黄土高原是我国四大高原之一,在东亚季风、黄土下伏地形等因素共同作用下,黄土高原成为世界上最为典型的沟壑侵蚀区之一,其中沟壑分布范围广,沟壑形态多样,是沟壑相关研究的重要研究区之一。沟壑是黄土高原最有活力、最具变化的地貌单元,沟壑在传递物质能量的同时,不同沟壑之间通过径流节点相互连接,在流域内部形成沟壑网络,控制着流域的地表形态。围绕黄土沟壑,前人已经做了大量的研究,近年来,随着遥感和地理信息科学等
股市指数的波动是证券投资者所关注的焦点内容,其影响因素涵盖诸多方面,有直接相关的影响因素和一些难以被察觉到的潜在因素。近年来,随着计算机运算能力的加强和众多人工智
近年来,中国陕北黄土高原因其较高的研究价值而受到学术界的广泛关注,已出现了数种黄土高原区域地貌分类方法。有些研究应用分形维数(FD)来描述该地区地貌特征,但是,并未见基
股票市场是一个很庞大的复杂系统,国内股票市场是比较复杂的,交易量和价格不稳定。近些年,股票市场交叉持股、相互投资合作的现象越来越多,这也加大了分析股票的难度。将股票进行聚类,从中发现股票之间的关系,有利于投资者们制定更加科学可靠的投资决策。谱聚类算法是建立在复杂网络理论之上的,其核心是将聚类问题转化为图的最优化问题。与传统的聚类方法相比,谱聚类能用于任意形状的数据且收敛于全局最优点。但该算法的一个
数字高程模型(Digital Elevation Model,DEM)作为现代数字地图4D产品的一部分,在地貌学、水文学及土壤学等领域具有广泛的应用。在黄土地貌区,地表形态易在短时间内受暴雨侵蚀和人类活动等外力作用影响,使得区域内高精度DEM数据的快速与准确获取是黄土高原数字地形分析与应用研究的重要基础。无人机(Unmanned Aerial Vehicle,UAV)摄影测量在短时间内可获取海量点
雷锋精神是新中国建设时期的主要精神支柱,承载着中国共产党人的初心和使命,也是新时代激励全国人民永远奋斗的红色精神。雷锋精神的丰富发展历程自1963年毛泽东同志为雷锋题
推荐技术能够在用户缺乏确切的需求时,通过对用户以往的选购行为进行分析,创建用户喜好模型,挖掘物品的长尾,更好地给用户选出那些他们有兴趣但很难发现的物品,提高选购效率
近年来,我国量化投资业正在迅速发展,越来越多投资者将目光锁定在量化投资领域,如量化择时与量化选股、高频套利交易等。量化投资本质上认为投资组合收益可以被分解到各类因子,通过量化、系统且精细地控制投资组合配置达到获取超额收益的目的。在面对高维度且复杂的金融数据时,神经网络因自身强大非线性映射能力、自学习能力被广泛应用在量化投资领域。但是随着神经网络算法在量化投资领域研究地深入,越来越多问题也在研究与建
对于利润最大化,基于模型的股票价格预测可以为投资者提供有价值的指导。然而,金融数据中存在高噪声,使用原始数据训练的深度神经网络无法实现准确地预测股票价格。为了解决