基于核心素养探索高中语文文言文文本细读教学的有效策略——以《兰亭集序》为例

文章以现实教学经验为基础,简要地对现阶段高中语文文言文文本细读状况进行归纳和分析,在明确教学漏洞和不足的基础上,以《兰亭集序》为例,立足核心素养,探究文言文文本细读的特点和有效策略。围绕着语文学科核心素养的四个维度,从积累字词、解析篇章、鉴赏意境和观照古今等方面,解读文本细读的对策和路径,为学生搭建自我发展和深度思考的平台,从而强化文本细读教学的效果,为传承和弘扬中华传统文化奠定基础。     

浅议有声阅读对初中生语文素养的提升作用——以诵读课程开设的研究为例

新课标明确,无论在哪个学段,语文教学都要重视朗读教学。诵读,是更高层次的朗读,对于初中生语文能力培养的作用不可忽视。诵读时,学生去了解作品的时代背景,体会作者的心境,与作者共情,通过富有个性的诵读,感染听众。这些在一定程度上有利于初中生积累语言文字,感悟经典作品的魅力,培养健康积极的审美情趣。但实际情况是,受升学压力的影响,年级越高越不重视诵读,诵读教学处于比较尴尬的状态。本文结合当前学校诵读的现状,探讨一些在诵读课程开设方面可行性的方案,以期能对诵读教学能有所帮助。     

基于文本主题意义的小学英语单元群文阅读教学探究

群文阅读是近些年兴起的一种新颖的阅读教学模式,主要是将文章按照有效的方式组合在一起,指导学生完成阅读学习。在小学英语阅读教学中运用群文阅读模式更有助于学生对文本主题意义的把握,由此提升学生的阅读能力和思考能力,促进学生英语素养提升。文章结合教育教学经验,基于文本主题意义对小学英语单元群文阅读教学实践策略进行探究,希望可以促进小学英语阅读教学改革发展。     

“眼睛”的意蕴——论索福克勒斯的《俄狄浦斯王》

“眼睛”在古希腊文化中有着非同寻常的意蕴。柏拉图将眼睛视为神赋予人类的第一感觉器官,认为视觉与知识、权力联系密切。索福克勒斯的《俄狄浦斯王》中俄狄浦斯破解斯芬克斯之谜登上王位之后,从一个目光清明的贤明君主,到双眼被傲慢所蒙蔽的暴君,最后自残双目成为盲者。本文基于与“眼睛”对应相关的人性的超脱、神性的僭越和人性的回归三个方面,挖掘文本中所展现的作者对于人性的讨论,特别是对于人性的理解:人具有独立自主的精神,同时也要对自己的行为负责,无论面对怎样的坎坷,在接受命运的同时要敢于直面命运。     

不同语言表达类型的翻译标准及其相似性与差异性

对翻译标准的看法,不同历史时期,中外翻译理论家和实践工作者持有不同的观点。将原语(译出语)分为口译、权威信息、情感表达三类,分析各自的特点,并以此为基础分析总结出语言不同表达类型的翻译标准的相似性与差异性。这有益于翻译理论的研究与提高,有针对性地为翻译实践活动提供参考。     

文本细读在初中语文阅读教学中的运用——以部编版九年级下册《溜索》为例

文本解读本身就是一个细节欣赏的过程,文本细读可以使学生与文本展开深层次对话。在初中语文教学中开展文本细读,教师首先需要关注文本在教材中的地位和文本自身的特性,然后设置一系列语文教学活动。文章主要结合当前的阅读教学现状,提出可以用关键词分析法、还原法及对比法等阅读策略开展文本细读,从而让学生感受语言文字的美,感悟作品的思想内涵和艺术价值,并能结合自己的经验理解、欣赏和初步评价文学作品,丰富自己的情感体验和精神世界。     

文本单元向知识单元转化的研究

本文阐述了文本单元向知识单元转化的必要性和过程。利用本体技术构造知识单元,采用本体描述语言实现对知识的本体表示,阐述了OTKTS系统的两个主要模块。     

基于可视化文本挖掘的本体构建

在阐述本体的概念及传统的本体创建方法不足的基础上,结合文誉挖掘的相关概念及挖掘方法,提出了一种基于可视化文本挖掘本体构建的方法。并以实例证明该方法的可行性。由挖掘信息来部分替代传统的领域专家的作用,使誉体的建立更加智能化,减少了可能由主观因素和人为失误所带来的不良后果。     

基于标记树的XML文档自动分类研究

本文首先介绍了XML文档和DTD标记树的生成方法,并对标记树中节点的概念进行了扩充,使之不但包括元素,同时也包括连接符,以适应DTD结构的要求。随后将标记树中的元素分为共有元素、文档元素和DTD元素,并提出层次权重和结构权重以衡量元素的层次和结构复杂程度,给出具体计算方法。在此基础上提出了一个衡量XML文档和DTD之间相似度的算法,将其应用于XML文档自动分类中,并给出该算法的时间复杂度计算公式。从实验结果可以看出,该分类方法准确率较高。     

基于改进的SVM文本分类建模

SVM是一种新的分类工具,可是其核函数在数学上必须满足Mercer条件,使得具有良好全局分类性能的Sigmoid函数在SVM中应用受到限制。本文将Sigmoid核函数与云模型相结合,提出一种简单的核函数的实现方法。此方法不仅提高了SVM文本分类能力,而且明显地减少了平均的CPU执行时间。