汉语广告语篇中语码转换的语用功能分析

随着中国政治、经济、文化的发展,语码转换频繁出现在汉语广告中。语码转换作为语言接触的常见现象,引起了不同领域的关注。本文在以往学者对语码转换研究的基础上,从语用学的角度对汉语广告语篇中汉英语码转换的一系列功能进行了分析。     

案例教学法在高等师范院校《英语教学法》教学中的应用

随着基础教育新课程改革和义务教育经费保障机制改革的全面实施,基础教育教师的素质及专业发展,已成为社会各界关注的焦点。高等师范院校《英语教学法》在师范教育课程设置中占有重要地位,许多师范院校正在进行师范课程的整改,以培养具有先进教学理念的创新型教师。应采用案例教学模式,选取合适的教学案例进行课堂分析、讨论与实践,通过探究性学习方式的运用,使英语师范生从表面层次的理论知识学习向深层次上的教学理念的形成,进而为其教师职业技能的发展奠定良好的基础。     

论希腊罗马神话对英语词汇的影响

希腊罗马神话作为西方文化的源头之一,对西方文化产生了极其重要的影响。语言是文化的载体,也是文化的一部分。许多英语词汇源于希腊罗马神话,如果对希腊罗马神话一无所知,就很难理解这些词汇的深层含义,更谈不上掌握和运用这些词汇。通过简述希腊罗马神话的重要性和详细分析一些源于希腊罗马神话的词语及典故,主要讨论希腊罗马神话对英语词...     

从句法、章法和词语用法的角度谈外宣资料翻译策略

外宣资料是对外信息交流的重要窗口,其英译质量越来越受到重视。本文从词语用法、句法和章法的角度探讨外宣资料的英译策略,从而更好地服务于对外宣传交流活动。     

高校教师的“混合式学习”接受度及其影响因素研究——以北大教学网为例

以北京大学教学网为案例,对混合式学习的教师接受度进行了深入地研究。根据混合式学习及科技接受理论(TAM),研究者构建出了一个分析模型,包括技术特点、教师特点、课程特点、主观规范和服务品质特这五个维度,以认知有用性、认知易用性为中间变量,并以北大教师"使用意图"为因变量。通过定量分析,提出了影响北大教师接受混合式学习方式的诸种因素,并对混合式学习的推广与应用提出了若干建议。     

设计最优化学习环境:OECD研究的视角

设计最优化学习环境是面向21世纪的"适应性教育"所提出的要求,它有助于学习者形成"适应性能力"。OECD的研究认为,要善于提炼新学习的基本特征,这就是主动建构、自我调节、情境相依和协同努力。与此相连的新学习本质观主张:在学习过程中学习者应积极投身于学习活动中,持续努力,确保成功;重视学习者已有知识,强化知识组织,形成合理的知识结构与线索,形成一种完整的知识图景;遵循信息加工能力的限制条件,重视学习中动机、情感与认知的动态交互;培养学习者理解概念、通晓程序和自我调节的协调能力,致力于达到学习迁移的效果。为此,设计最优化学习环境的基本原则是:生本教学、自我调节;注重交往、善用合作;关注动机、情知相依;利用旧知、因人施教;富有挑战、减负增效;紧扣目标、不断反馈;学科融合和内外互通。     

信息技术支持下的科学研究性学习:模式、实施与成效——以“数字化微型气象站”在研究性学习中的应用为例

通过以"数字化微型气象站"在科学研究性学习中的应用为例,探析了运用信息技术开展研究性学习的方式,实施了气象专题系列式的研究性学习,并通过访谈调查法了解学习的成效。调查结果表明,学生在研究性学习中体会到科学研究的过程并获得了积极的情感体验;师生们都对信息技术支持下的科学研究性学习给予了较高地评价。     

远程学习服务质量影响路径的实证研究

学习者是远程教育的中心。市场营销中的相关理论能对研究远程学习服务质量具有借鉴作用。3789份的大样本调查数据的结构方程模型的路径分析,首次在远程教育领域验证了"服务质量→服务价值→服务满意感→行为意向"的主要影响路径。远程学习者选择远程学习服务的心理机制和行为路径是:远程学习服务质量是通过服务价值、服务满意感来对学习者行为意向产生作用。这一发现为更好地服务远程学习者提供了理论基础,也为远程学习者自身教育服务消费能力建设提供借鉴作用。     

智能情报分析模式:数据驱动型与知识驱动型

[目的/意义]研究智能情报分析模式特点、发展方向及研究建设策略。[方法/过程]在分析神经网络、知识工程两类人工智能核心技术演变过程及发展趋势的基础上,提出支撑智能情报分析服务的大数据资源体系框架结构及建设原则,并分析数据驱动和知识驱动方法在情报分析中的单独应用与融合发展问题。[结果/结论]认为数据和知识双轮驱动是智能情报分析未来发展的一个方向;而实现智能情报分析的关键,一是加强一次数据资源和二次数据资源建设,二是加强深度学习技术与知识图谱技术在科技情报分析中应用的研究,三是建立数据驱动与知识驱动相融合的分析模式。     

基于深度学习的领域本体概念自动获取方法研究

[目的/意义]实现对领域概念的自动学习抽取,解决领域本体自动化构建的首要基础任务。[方法/过程]以无监督的学习方法和端到端的识别模式为理论技术基础,首先通过对主流词嵌入模型进行对比分析,设计提出了基于Word2Vec和Skip-Gram的领域文本特征词嵌入模型的自动生成方法;其次研究构建了以IOB格式的标注文本作为输入,基于自注意力机制的BLSTM-CRF领域概念自动抽取模型;最后以资源环境学科领域为例进行了实验研究与评估分析。[结果/结论]模型能够实现对领域概念的自动抽取,对领域新概念或术语的自动识别也具有一定的健壮性。[局限]模型精度尚未达到峰值,有待进一步优化提升。