破浪前行 以教育支撑强国建设******

　　2012、2017、2022……年份本身没有特殊意义，但在特定时空内，一连串的数字却展现出时间的无穷魅力。

　　十年磨一剑、十年奋进路，在过去的十年里，我国教育面貌发生格局性变化，建成世界上规模最大的教育体系，教育普及水平实现历史性跨越，教育发展成果更多更公平惠及全体人民，教育服务国家战略和区域发展的能力显著增强……一组组数据无言地记录着这一切，所有人都能真切地感受到这些年的教育变革，共享着教育改革发展的成果，中国这艘“复兴号”巨轮，在教育的战略支撑下，走得更远、行得更稳。

　　回首过去的成绩，我们有理由自信和骄傲；而展望新征程，实现第二个百年奋斗目标，以中国式现代化全面推进中华民族伟大复兴，教育所肩负的使命更为艰巨、责任更为重大。党的二十大报告首次单独开辟一个独立章节论述“实施科教兴国战略，强化现代化建设人才支撑”，首次提出教育是“基础性、战略性支撑”。这既是对强国崛起规律、对当今新技术革命和产业变革的时代特征、对未来世界发展大势的深刻洞察和把握，也深刻反映了对教育的基础性、先导性、全局性地位和作用的强调与期待。加快建设教育强国，更好发挥教育对中国式现代化的支撑作用，以教育支撑强国建设，党的二十大报告赋予教育新的战略地位和历史使命，更为教育发展锚定了清晰而坚定的战略方位，为教育系统指明了接续拼搏奋斗的方向。

　　教育何为、教育往何处去？具体而言，就是要坚持促进公平、提升质量这两条主线。办好人民满意的教育，满足人民群众对更好、更公平、更优质教育的期盼，以教育公平夯实社会公平的基石，为全体人民共同富裕的现代化打牢基础；以国家战略需求为导向，源源不断培养和输送各类高素质人才，源源不断产出更多原创性科技成果，努力成为支撑和引领经济社会发展的先导力量。

　　我们看到，教育系统准确识变、科学应变、主动求变，以新的姿态，因应着这种变局。其中，加快推进教育数字化，无疑是过去一年教育变革与发展中最亮眼的篇章。从年初把教育数字化战略行动列入教育部工作重点，上线国家智慧教育公共服务平台，再到年底召开2022世界慕课与在线教育大会等，形成了一批重大标志性成果。2022年可谓教育数字化战略转型元年，教育领域进入全面推进数字化转型的时代。

　　从教育信息化到教育数字化，背后不仅仅是概念的变化，还是内涵的拓展和深化，是教育与信息化、数字化技术的深度融合。教育数字化，不仅仅是单纯用技术和工具改进教学，更是将数字技术整合到教育领域各层面，推动学校管理、教学范式、教学过程、评价方式、学习文化等全方位的创新与变革，更好实现教育优质公平与支持终身学习。它不仅是顺应数字化大势的必然要求，更是赋能社会和教育改革创新，破解教育改革发展难题，构建高质量教育体系，建设教育强国的必然选择。

　　教育数字化战略意味着教育与技术的深度融合从一种教育发展战术，上升到重塑教育、提升综合国力的重大战略。这是一种方向和路径的战略转型。战略转型，当然意味着机遇与挑战并存。前路迢迢，任重而道远，但既然已经启动，就无惧山高路远。

　　技术与人才，是建设教育强国的两翼。实现教育现代化，必须坚持双轮驱动。如果说，教育数字化是依托技术的力量重塑中国教育的战略转型，那么打造大国强师队伍，则是依靠人的力量推动教育高质量发展。过去的这一年，“师范热”“教资热”引发全社会的关注，这背后有着复杂的多方面原因，既有经济发展趋势、就业形势之变，也有学生就业心态之变。当然，近年来教师社会经济地位的提高，教师职业吸引力增强有目共睹，也是催生优秀人才积极从教的重要因素。

　　教师队伍是教育强国的第一资源，新的历史方位下，教育面临更为艰巨的任务，对教师队伍的素质提出了更高的要求。唯有用更有力、有效的强师、优师、惠师举措，才能更好回应时代的要求，满足广大青少年学生对教师职业的期待。

　　星空寥廓、征途漫漫！新征程的号角已经吹响，我们要以“一万年太久，只争朝夕”的紧迫感推进教育改革发展，不断强化教育的基础性、战略性支撑作用，加快建设教育强国，为以中国式现代化全面推进中华民族伟大复兴，继续贡献教育的澎湃力量。（执笔人：杨三喜）

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