【Science：从结构上揭示产甲烷古菌的酶复合物进行电子分岔和二氧化碳固定之谜】产甲烷古菌（methanogenic archaea）利用复杂的酶系统在能量有限的缺氧环境中生存。节约能源的一个关键机制是电子分岔（electron bifurcation），这是一种“分裂”一对电子能量的反应，从而使一个电子以另一个电子为代价更具还原性。

在一项新的研究中，来自德国马克斯-普朗克陆地微生物研究所和马克斯-普朗克生物物理研究所的研究人员从一种产甲烷古菌中发现了一种庞大的酶复合物，它直接将电子分岔反应中的电子转移到二氧化碳的还原和固定中。他们对这种高效的能量转化过程的详细见解可能为可持续的生物技术开发带来新的可能性。相关研究结果发表在2021年9月3日的Science期刊上，论文标题为“Three-megadalton complex of methanogenic electron-bifurcating and CO2-fixing enzymes”。https://t.cn/A6IrOBA1

【推动教师轮岗要做好制度设计】#中教君评论# #教师轮岗# 北京、上海、深圳等地近期加大了教师轮岗力度。作为落实“双减”措施之一，教师轮岗成为公众热议的话题。

教师轮岗并非新制度，不仅我国多地开展过实践，日本、韩国等国家也在使用这一制度，其主要功能是通过重组激活教育内部人力资源，促进义务教育均衡，激发基层学校活力。

从整体上看，教师轮岗只是实现教育均衡的措施之一，仅靠教师轮岗还不能完全实现教育均衡。教师轮岗也只有在适当的环境和条件下才有利于促进教育均衡，并非在任何时候任何条件下都能发挥预期效果。所以，加强制度设计，将教师轮岗作为实施教育均衡的组合措施之一，而非单单依靠教师轮岗，才能收到更好的效果。

配套制度中最重要的是义务教育学校不设等级。每个义务教育阶段的学生应该享有平等受教育权，将学校分等级实质上就是将学生分等级，所以区域内学校在政策、财政经费、生源、师资、设备、校长级别等方面应该同等配置。这样才有利于学校之间缩小差距，教学环境相同、轮岗不适应等问题才能得到缓解，最终有利于推动教师与校长轮岗。

教师轮岗是一个复杂的系统工程，要整体统筹教育、财政、编办、人社等多个部门。教育管理部门要根据当地轮岗需求为相应的轮岗教师做好管理、工作衔接、生活等方面的服务，制定好奖励、补助政策并及时落实兑现，做好教师的专业成长、发展安排。相关政策和制度到位了，不需要强推也会有较高的流动率。推动教师轮岗，还应尽可能考虑轮岗与教师的职业生涯发展周期的吻合，考虑每所学校的定岗定编情况，不同学校、不同职级教师岗位平衡，考虑不同学校的超编与缺编情况。

在管理上，扩大学校和教师的自主权才能使流动发挥更大的效益。如果所有教师都只能按事先安排按部就班工作，不同教师的素质差别就不会体现在工作效果上。扩大自主权后，才能让真正优秀的教师有组建团队、发现问题、设计方案、解决问题的空间，才有可能发挥流动的正向效益。与此同时，需要改进对教师的评价，体现出评价的完整性、灵活性和人性化、个性化特征，体现出对所有教师的公平公正，给教师责任感发挥留下空间。

轮岗过程本身同样需要做好制度设计。轮岗不是简单发个指令让教师换个岗位，首先需要做好调查，在一个区域内哪些学校需要教师和校长轮岗，需要多少名教师和校长轮岗，需要轮岗多长时间，需要解决轮岗的哪些具体问题，以及所试图解决的问题能否通过轮岗解决。确定轮岗需求后，最好由教育管理部门在前一学年结束前张榜公布，对每个需要轮岗的岗位有准确、详尽的条件和要求说明，给出一段时间让有意愿的教师与需求岗位相关当事人相互选择，要充分尊重个人的流动意愿。在双方知情、相互了解的基础上，再由行政部门履行规范的轮岗程序是确保提高轮岗效率的关键一环。

绩效评估是轮岗制度的重要一环。评估最好由教育管理或督导部门邀请专业的第三方团队据实进行。不是为了分出高低，而是为了压实责任，促进与轮岗相关的各种积极因素参与到改进进程中，从而尽量减少和消除各种消极因素，促成更大范围的合作。

奖励是鼓励轮岗的制度激励机制。根据评价结果进行奖励，要区分奖励和补助，补助是所有参与轮岗的人都无条件享受的，奖励则是根据具体某位教师轮岗的绩效评价结果，对绩效显著者进行奖励。

创设学校间平等环境，既要将教师轮岗纳入整个宏观教育体系，又要做好微观过程中的双向选择，严格绩效评估，奖惩分明，轮岗所产生的负面效应就会减少，积极效应就会增强。在此基础上不断完善，才能保障教师轮岗常态化、可持续推进。（作者：储朝晖 系中国教育科学研究院研究员）

人工智能发展其中的一个重要方向，就是让机器模拟人类大脑的思考过程，而最关键的一步就是让机器学会像人一样接受信息，人类有非常复杂的感官系统，人工智能系统无法像人一样从事物的不同状态中提取出某种底层不变性，比如一只猫，他胖了瘦了，掉毛了，或者给他穿戴上各种装饰品，你都能分辨出来。而对于机器来说呢，图像的尺寸，背景，光照，位移，旋转，畸变，遮挡都会影响人工智能的判断，它只能根据既定算法进行有限层级的映射，而无法模仿人脑，通过多层神经网络进行分层递接的多粒度计算。