百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

学校禁止学生自带牛奶,还逐个开包检查!家长不解:学校提供的奶为什么能喝?

ztj100 2025-02-09 15:07 17 浏览 0 评论

“学生入校被禁止自带牛奶,却允许喝学校提供的奶,这是什么道理?”9月23日,有网友发布视频称,山东德州一学校禁止学生自带牛奶入校,要求学生进校前开包检查。此事引发关注。

网传视频显示,山东德州一所学校门口,身着白蓝校服的学生们正在排队进校,校方工作人员正在挨个检查学生们的书包,检查合格后才能走进校门。

学校工作人员检查学生书包

现场有多名学生家长围观,有家长询问:为什么不让孩子们自己带牛奶?对此,一名校方工作人员称,因为天凉了。家长又问:学校提供的奶为什么能喝?对方回答说,学校加热了。

此前,校方工作人员曾就禁止学生自带牛奶入校一事向家长作出回应称,校长说了,天气越来越凉了,尽量不让孩子们喝凉的东西。每个人都检查,学校的奶是经过加热的,孩子自己带牛奶到学校怎么加热?有家长进一步表示,时下温度并不是很凉。工作人员表示,他无法作出进一步解释。

据澎湃新闻报道,经多方证实,涉事学校为山东德州禹城市龙泽实验学校。公开信息显示,禹城市龙泽实验学校系公办乡镇九年一贯制学校,2024年共有45个教学班、学生2168人。小学部建筑面积5990平方米,中学部建筑面积24997平方米,宿舍楼7701平方米,食堂5319平方米。

9月24日,记者多次联系禹城市龙泽实验学校,校方对外公布的多个电话均未能接通。记者向学校官方公众号公布的邮箱发送邮件后,虽然显示“已读”但未得到回复。

当天,禹城市教育和体育局工作人员告诉记者,他们已经关注到此事,事件正在核实处理中。

【媒体评论】

“校长说的”就能不讲道理了吗?

对此,极目新闻发表评论指出:

学校作为教育机构,其管理制度应当首先考虑学生的健康与安全,但禁止学生自带牛奶,怎么想都很奇怪。学校给出的理由显得非常牵强,牛奶是很常见的饮品,且不说当下气温并没有那么寒冷,就算真的是因为天凉了,不想让孩子喝凉的东西,也可以提供热水、微波炉等便利条件,方便孩子将牛奶加热,而不是“一刀切”地不许学生自带牛奶进校园。

为了执行这一规定,校方还在学校门口对学生逐个开包检查,既浪费了入校时间,又侵犯了学生的隐私权和个人尊严,简单粗暴,难以服众,过于强硬,毫无关怀之感。

学校提供的牛奶虽然经过了加热处理,但并不能保证一定比学生自带的牛奶更健康。市场上销售的牛奶大多经过严格的质检和杀菌处理,只要保存得当,完全可以放心饮用。学校的做法,即便能减少一些潜在的食品安全风险,但效果也是相当有限的。学校更应关注整体饮食环境的改善和食品安全教育的普及,而非单一地禁止学生携带某种食品。

这种与学生生活习惯和个人权益息息相关的规定,学校本应在制定时就充分沟通,听取多方意见。然而,从家长们的反馈来看,校方并未就为何要实施这一规定进行详细说明,而是简单地以“校长说”来回应一切。这显示出学校在决策过程中缺乏透明度,没有给予学生和家长足够的尊重和参与感。良好的学校管理应该建立在家校共育的基础之上,学校应该是一个开放、包容、公正的成长环境,而不是校长的“一言堂”。

学校需要管理,但也不能不讲道理。教育就应该尊重学生的个性和差异,鼓励他们自主选择、自我管理,而不是一味地要求学生服从管理,尤其是这种不符合常理和人情的管理。希望当地教育部门尽快对此事做出调查处理,明确校纪校规的边界,督促学校管理更加人性化,规范化,不能仅凭主观臆断行事,更不能随意行事,凡事多沟通,多探讨,充分考虑学生的需求和权益,才能赢得信任和支持,构建和谐的校园环境。

对此,你有什么看法?

来留言区说说吧

综合 | 华商报大风新闻 澎湃新闻 极目新闻

来源: 北京青年报

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: