简介:习作教学在中小学至今依然没有能够解决一个非常关键的问题:学生习作的兴趣。尽管很多的语文老师在日常的语文教学中进行了探索、实践和不断修正。他们千方百计研究学生怕写作文的原因,并采取了一些有益的策略,但是就兴趣点这一块,收效依然是很微薄的。尽管我们也有不少致力于习作教学的中青年名师,在小学习作教学的领域取得了很多的成果,但是受益的孩子毕竟依然只是极少一部分,对于小学在读儿童这个极其庞大的群体来说,显得那么微弱,究其原因,名师的习作教学改革相当一部分还在技术的操作层面。技术层面的推广到了普通老师那里会打折扣。正如肖川教授说的那样“名师不可仿”。技术层面的改革首先应该建立在理念的更新之上。如果。我们把习作教学放在文学发展的视域中来审度.可能会给教师的教学心态带来冲击,从而逐步改变目前习作教学的困惑,尤其是在小学的习作起步阶段。
简介:本文采用纸笔测验方法探讨了中级水平留学生对部件熟悉的陌生形声字的语音提取特点.结果表明,字的类型、声旁位置和形旁可命名性影响中级水平留学生对部件熟悉的陌生形声字的语音提取,具体表现为:规则字的命名成绩好于不规则字;声旁在右的汉字命名成绩好于声旁在左的汉字,形旁不可命名的汉字命名成绩好于形旁可命名的汉字.当陌生形声字的形旁不可命名时,中级水平留学生对整字的命名更倾向于利用声旁信息;形声字声旁在右时,利用可单独命名的声旁命名整字的可能性更大;当形旁可命名时,声旁的语音线索与形旁的语音线索存在竞争.中级水平留学生对部件熟悉的陌生形声字语音提取主要采用“读声旁”、“读形旁”和“类比”三种策略,尤其以“读声旁”和“读形旁”等“读半边”策略为主.
简介:实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语能力的考试。由于C.TEST的考试题目公开,题库数量较小,所以通过一般标准化考试采用的在部分目标被试中实施预测(fieldtest)的方法来获取考试题目的难度参数存在困难。然而,人工神经网络技术作为现代人工智能研究的成果,在预测(prediction)领域发挥了很大作用。本文选取C.TEST(A—D级)的阅读理解题目作为研究材料,运用人工神经网络技术对其难度进行预测,得到了网络预测难度值与实际考试难度值显著相关的研究结果。这一结果表明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的。