运用多元智能理论提高普通话教学效益

在高等师范院校里,普通话教学还存在着诸多问题。将多元智能理论引入到普通话的教学过程中,可实现理想的教学效果。     

高校“一点四面”普通话培训模式探索

普通话培训工作是普通话水平测试的前提，是提高普通话水平的有力手段。结合高校的实际，将课内与课外、教师与学生、培训与测试有机地结合起来，开展“三点四面”普通话立体教学模式。即以普通话教学课程为切入点和突破点，以普通话水平测试为考查点；并以课堂教学为主导面、以宿舍或推普小组为辅助面、以校园为扩展面、以推普活动为推动面。促进...     

确定外国学生学习汉语难点探析

在确定外国学生学汉语的难点时,其母语和汉语之间的差异是一个应该考虑的重要因素,但是首先必须明确外国学生所学的汉语应该是汉语普通话,因而没有必要把那些只是属于某种汉语方言(包括北京方言)的现象作为难点。同样,汉语普通话中正待规范的现象也没有必要作为难点看待。这样,就可以降低外国学生学习汉语的难度,减轻师生的负担,提高教学的效率。     

论伏南山地丘陵区的小气候资源与宜桔地选片评价

本文在取得大量观测数据的基础上,从地理学、气候学、生态学的观点,分析论证了地处我国亚热带北部边缘的伏牛山南侧山地丘陵区的地形、水域小气候资源,提出了充分利用优越小区气候资源,发展柑桔生产的具体建议,并以优越的地形、水域小气候资源为主要依据,综合考虑发展柑桔的其它生态和社会经济条件,在淅川县选择出200片不同等级的适宜柑桔地段,总面积9200公顷(31.1万亩),並对不同等级适宜区进行了适种程度评价,为该地区柑桔生产的发展提供了科学依据和实践示范.     

21世纪东南亚地区发展华文教育和华语教学的认知思维及建议

文化融合、发展经济、区域合作是21世纪东南亚地区社会变革的主题,也是发展华文教育和华语教学的契机。华语文教学应该面向终身教育,培养世界性竞争力,以实现人的现代化。为了顺应未来个人、组织、国家以及国际等的发展需要,区域华语文教学事业的当务之急是推行资源共享并更新理念。     

纽荷尔脐橙(Citrus sinensis(L.)Osbeck)厌氧保存过程中挥发性风味物质组成变化

采用预浓缩系统与气相色谱质谱联用技术分析检测纽荷尔脐橙在实验室控制厌氧条件下保存90天过程中释放出来的挥发性风味物质组成变化.结果表明,纽荷尔脐橙厌氧保存过程中含氧化合物和萜烯化合物两类挥发性风味物质组成比例变化明显,含硫化合物变化不明显.在尚未保存前,纽荷尔脐橙释放出来的.挥发性风味物质主要是含氧化合物和萜烯化合物两类化合物,其中柠檬烯、乙醇、β-月桂烯、桧烯、α-蒎烯,乙醛和蒈烯是最主要的成分.在保存的前6天,由于柠檬烯、β-月桂烯、桧烯、α-蒎烯和蒈烯5种化合物大量减少导致萜烯类化合物比例随时间急剧下降,同时由于甲醇、乙醇和乙酸乙酯3种化合物大量增加使得含氧化合物比例随时间急剧升高,成为最主要的挥发性风味物质.在保存6天以后到实验结束,萜烯类化合物比例随时间逐渐增高,而含氧化合物比列随时间逐渐降低.特别值得注意的是纽荷尔脐橙保存过程中有24种含氧化合物是新生成的,其中最主要是2-丁醇和乙酸甲酯.     

基于语音学分类的汉语三音子识别单元的算法

为提高语音识别系统的性能,针对汉语语音的单音节结构的特点,提出了建立三音子识别单元的方法。这种方法完全利用语音学知识对上下文进行分类从而实现参数共享,而不同于传统的数据驱动的聚类共享。提出并实现了采用三音子单元的识别系统的训练算法和识别搜索算法。实验表明:基于语音学分类的三音子单元对识别性能有明显的改善,系统的首选误识率相对基线系统降低了28%。     

找准"症"抓住"本"——从普通话水平测试看文山壮族学生的普通话教学

通过对文山壮族学生普通话水平测试结果的分析,明确了正音才是壮族学生学习普通话的“症”和“本”。并就壮语和文山本地汉语方言对壮族学生学习普通话的双重影响,提出了具体的解决办法。     

棕色田鼠和沼泽田鼠脑内部结构性二型的比较研究

对棕色田鼠和沼泽田鼠大脑中央视前区、终纹床核、杏仁核、大脑皮层、扣带回、海马、齿状回等进行了测量和比较,结果发现,雌雄沼泽田鼠终纹底核、杏仁核和中央视前区的差异,比棕色田鼠两性间更为显著,而棕色田鼠大脑皮层和海马显著大于沼泽田鼠．大脑皮层和海马是参与记忆痕迹的结构,且大脑皮层又与社会行为有关．因此,推测棕色田鼠和沼泽田鼠性二型的差异可能与两种田鼠的婚配制度有关．     

新神经网络结构及其在数码语音识别中的应用

为了提高人工神经网络处理动态信号能力 ,在时延神经网络 ( TDNN )和卷积神经网络 ( CNN)的基础上 ,针对孤立音节的特点 ,提出了一个新的网络结构 ,研究了其学习算法。新网络在进一步改进后用于汉语孤立数码语音识别 ,对特定人和非特定人任务 ,分别达到了 97.7%和 95 .6%的正确识别率 (无拒识 ) ,其性能远远高于多层前向感知机( ML P)和时延神经网络 ,与传统的隐马尔科夫模型 ( HMM)方法是可以相比的。