简介:学徒制乃是一种旧式的教育制度,兼具技艺传承和雇佣劳动双重属性。传统学徒制采用'干中学'的教育模式,使学徒从实践中学习,学习到的知识在实践中活学活用,学徒通过投贴拜师学习技艺、建立业缘人际关系网、积累独立经营的智识,业师则向学徒传授技艺、培养后备人才、获得廉价劳动力。近代市场经济和工业化的冲击,削弱了传统师徒关系的人身依附性,工商业将学徒视为廉价劳动力,大量雇佣学徒降低用工成本,导致技艺传承的功能缺位。为了填补这一制度功能缺位,国民政府通过建章立制规范学徒制度,社会教育机构兴办艺徒学校和补习学校增进学徒智识,其深层意义在于塑造'学徒'新的社会身份。尽管'学徒工人化'现象通过新制度规范和社会化努力在短期内难以被杜绝,但这种'人'属性的改变是一种重大的社会进步。
简介:反向社会化概念自20世纪中叶提出以来,对家庭社会化、代际关系的变化研究产生了重大影响。国外关于家庭反向社会化的研究经历了三个阶段。20世纪五六十年代,反向社会化研究主要集中在婴儿以及童年早期对父母行为层面影响的探讨。20世纪70年代,反向社会化研究取得重大突破:研究方法从单纯的理论和现象的探讨转向实证研究;研究领域和内容从宽泛的行为和观念聚焦到家庭消费的反向代际影响;研究对象由婴幼儿群体向青少年群体转变。20世纪90年代以来,反向社会化研究的重点转向为信息网络使用领域,研究内容深入到孩子对父母价值观的影响。尽管如此,研究仍然存在许多局限:资料收集困难;实证研究缺乏;孩子影响父母的诸多变量缺乏进一步检验等等。借鉴国外的研究,可为国内反向社会化研究提供理论指导和实践经验。
简介:因犯罪区域差异、主客体博弈、人为和外界、定性定量混杂、影响因素多杂、模型不适应、数据规模小等诸多原因导致犯罪趋势研究非常困难,经实验研究用大数据AI介入犯罪趋势研究是有效解决方案:可从宏观、中观以及微观三个层面研究犯罪趋势彩响因素,宏观上人、自然及社会三方面,中微观上要特别关注社会心理。对数据量小、种类少、结构化数据多、存在模糊和灰色情况下釆用模糊灰色小数据预测模型;而对大范围实证研究,半结构化与非结构化数据多,经算法比较研究采用三维卷积神经网络深度学习算法比较适合大数据动态实时跟踪犯罪趋势预测。