山东大学为“学伴”道歉了,但很多质疑仍未回应

文 | 刘文昭

“1个留学生配3个学伴,学伴还都是异性?”这两天,山东大学的留学生学伴项目陷入舆论漩涡。有人质疑这是给留学生送钱之后,送女人;也有人觉得这种想法太龌龊,是物化女性。
12日下午,山东大学表示由于审核报名表把关不严,引发不良影响,深表歉意。但很多人对此并不买账,仍然觉得山大“崇洋媚外”。

“学伴”并无特殊之处,国外也有类似项目

“1个留学生配3个学伴”本是一则旧闻。

2018年11月15日,山东大学发布的《公布2018“学伴”成组结果及第一次“学伴”活动见面Party的通知》显示,山大留学生“学伴”(Buddy)项目共计收到270份报名信息,在报名的留学生和中国学生中,现已成功选拔出141名中国学生与47名留学生组成47个友好“学伴”小组。

有网友把这则消息挖了出来,还附带了配对信息——参与的“学伴”以女生为主,要求身体健康,报名表还将“结交外国异性友人”列为选项,这让很多网友认为学校在默认、鼓励学生与留学生两性交往:这不仅是在“拉皮条”,还容易让“正经”的女生被骚扰侵犯。

此前,落款为山东大学国际事务部的一份网传声明(《山东大学关于举办中外学生“学伴”活动的说明》),所作的回应十分霸气:
简言之,我们开展学伴活动,合法正当;活动是为了促进学生学习和交流,并已制定专门规章制度;不是我们一家这么干,南京大学、中山大学、哈工大都干过;这么炒作是“别有用心”。

其实,学伴活动,不过是一个学生互帮互助的项目,的确不用过多联想。山大不仅有留学生学伴活动,也有面对国内学生的学伴项目。

2019年6月,山东大学临床医学院就下发了《关于举办学伴计划第四期帮扶计划的通知》,表示即将开展题为“‘相伴成长’学业帮扶共进专项”的项目,活动内容主要是“学习成绩较好帮扶挂科同学”。

美国的很多大学也有类似的“学伴”项目。因为留学生在美国不适应甚至失败的情形屡见不鲜,2006-2011年间,教育咨询机构“教育顾问委员会”在美国、加拿大做过一份高校应如何支持留学生的调研。该调研的结果,包括调查报告和经验总结,被该委员会汇总成了一本书:《如何支持留学生》。

很多大学为了支持留学生开展了“结对帮忙”(peer mentor)的项目,本地学生和国际学生“结对子”,帮助他们熟悉学校和城市活动,共同参加社交互动,看电影等等,有的学校还会寻找当地家庭,尽地主之谊。

也正因为如此,有人觉得质疑学伴的网友思想太龌龊,是在侮辱和物化女性。

但也不要忽视这背后公众日积月累的情绪

不可否认,一些人出自“肥水不流外人田”的担忧或愤怒,可以一笑置之。但很多人基于是否公平和过度优待留学生的质疑,却不能视而不见。

为了吸引海外留学生,国内高校为留学生提供了令人艳羡的优待。2015年,按照财政部《关于完善中国政府奖学金资助体系和提高资助标准的通知》,到中国高等学校学习的非中国籍公民可以获得全方位的奖学金资助,包括学费、住宿费、生活费、综合医疗保险费以及国际旅费等五项内容。

奖金数额还非常高,以海外本科留学生为例,最高可获66200元的资助,博士研究生的资助更是高达99800元。而国内学生奖学金不仅数量少,覆盖面还低,当然会让人感到不公。

另一个广为诟病的就是学生宿舍,留学生的宿舍一般是两人间,水电齐全,还有空调等家电,但国内学生还是六人间,家电全不让用,甚至有的学校还闹出了强迫本校学生搬家,给留学生腾宿舍的传闻……

种种优惠,如果真能吸引来高水平的留学生,国内学生的怨气也会小一些。但很多学校为了创一流大学,提高留学生比例,大幅降低招生和考核标准等等。

在公众眼中,留学生是多了,但多是“垃圾学生”,还挤占了优质高校资源,学生和家长当然不满。

而学伴活动,让人们突然知道,原来留学生不仅有“硬件”优待,还有“软件”优待,公众怒火中烧也在情理之中。

即便对国内的学生也有互助项目,但谁心里都清楚,国内学生间的松散互助,质量肯定没法和“一对三”,背后有学校强力支持的留学生学伴活动相比。

面对公众的质疑,别动不动就甩出“阴谋论”

面对公众的质疑,山东大学的“学伴”招募计划的负责人表示,“一对一”、“一对三”系网友恶意曲解,这和网传声明的口吻一脉相承——我们这么做合法,“不排除是有组织和有预谋的炒作,背后有操纵的可能”。

但合法不一定合情理,更重要的是,这种说辞根本没有回应网友的质疑和担忧。

如中国人民大学法学博士,国际关系学院教授储殷即质疑:学伴是否涉嫌超国民待遇,构成对中国学生的歧视;来华留学生很多来自严重歧视女性的国家,这种文化差异很容易演化为对女性的性侵犯。你们有对女生做这样的警示吗;异性学伴活动是否通知女生家长?是否应在学校简介当中公布于众……

公众的质疑有些没道理,但有些很有道理,这显然不是用活动合法,促进交流,别人有阴谋这些说辞可以搪塞的。

如前文所说,美国专门调研留学生的生活和学习状况,并出版《如何支持留学生》一书。是因为帮学生顺利完成学业,是学校的责任;学生半途而废,对教育机构和个人都是极大的浪费。这显然比促进文化交流有说服力得多。

公众担心女生的安危,学校完全可以公布过去几届活动的情况,采取了那些防范骚扰的措施,让公众安心。

“一对三”,留学生的学伴的确有点多了(加州大学伯克利分校的“同伴导师计划”,大约10名新生配1名导师),为什么参与的学伴这么多,是学生真的乐于助人,还是背后有评优评奖的激励?

公众担心“学伴”变生活秘书,学校完全可以告诉大家学伴和留学生都举行什么活动,是否影响学生正常的学习和生活……

凡此种种质疑,让学生现身说法,公布项目具体情况,都比用“阴谋论”回应要好得多。不客气的说,山东大学此前“傲慢”的回应,是舆情爆发的一个重要原因。

12日下午,山东大学终于道歉:由于审核把关不严,在相关报名表格中出现“结交外国异性友人”不当选项等问题,引发不良影响,对此我们深表歉意,并将对“学伴”项目进行全面评估。

道歉了,但很多质疑似乎仍未回应。正如山东大学所说,搞学伴活动的大学还有不少。如果公众疑问犹存,恐怕未来还会有一波接一波的舆情。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值