言语输出中的话语修正与外语教学

任务型教学研究认为不同的言语输出任务能为学习者提供不同的机会,帮助他们训练不同的语言层面,从而促进习得。这类研究的一个备受关注的方面就是注意力与任务要求之间的关系。本研究对中国学生学英语最常见的三种输出任务即复述、即席讲话和会话进行研究,根据话语修正类型的分布情况来了解三种任务中学习者的注意力分配,尤其是对语言准确性的注意力分配。     

浅谈课文复述在高职高专综合英语课堂上的运用

综合英语是高职高专英语专业所设置的一门专业基础课程,其任务是提高学生的英语交流能力和运用能力。课文复述是培养学生英语运用能力的有效手段。可以采取多样化的复述形式,如讲故事、对话或短剧表演等,来激发学生英语学习的积极性,使他们的英语交流和沟通能力得到提高。     

法国巴黎释意学派理论观照下的口译专能习得机制研究

基于法国巴黎高翻塞莱斯科维奇和勒代雷提出的释义理论,结合提出的口译步骤程序,分析IPTAM口译专能习得机制的主要内容及其在口译教学实践和口译技能培训中的功能及应用。IPTAM是国内唯一的模块化网络化和互动化在线口译学习训练平台,该系统能让学员进行模块化和系统化口译技能训练,初步掌握口译必须的技能。     

利用课文插图教《小蝌蚪找妈妈》

形象生动的插图是小学语文教材的重要组成部分之一.插图不仅能激发学生的学习兴趣,帮助学生认识事物,而且还能培养学生观察、想象、思维和表达能力,教学时要引导学生仔细观察图画,因为“看图学文”是以图为本,凭借图画理解课文内容.文从图来,“文”描写画面事物,把画中蕴含的意境和“画外音”描绘出来,从而加深对课文的理解,这样又培养了学生的理解能力.理解能力的培养是看图学文的重点训练项目.笔者以教学《小蝌蚪找妈妈》一课为例,介绍了借图提问、由图入手、图文对照、看图复述、指导朗读等利用课文插图开展教学的方法.     

联合自编码任务的多机制融合复述生成模型

基于神经网络编码–解码框架的复述生成模型存在两方面的问题: 1) 生成的复述句中存在实体词不准确、未登录词和词汇重复生成; 2) 复述平行语料的有限规模限制了编码器的语义学习能力。针对第一个问题, 本文提出在解码过程中融合注意力机制、复制机制和覆盖机制的多机制复述生成模型, 利用复制机制从原句复制词语来解决实体词和未登录词生成问题; 利用覆盖机制建模学习注意力机制历史决策信息来规避词汇重复生成。针对第二个问题, 基于多任务学习框架, 提出在复述生成任务中联合自编码任务, 两个任务共享一个编码器, 同时利用平行复述语料和原句子数据, 共同增强复述生成编码器的语义学习能力。在Quora复述数据集上的实验结果表明, 提出的联合自编码的多机制融合复述生成模型有效地解决了复述生成的问题, 并提高了复述句的生成质量。     

英语阅读理解教学方法初探

文中通过英语课堂教学实例,对预测、蜘蛛图、复述故障等阅读理解教学方法的应用进行了阐述。     

以记忆项目自身信息作为提示线索的指向遗忘

与标准的指向遗忘研究不同,当实验设计学习项目自身具有的某种特征作为提示记住或遗忘的线索时,结果同样观察到指向遗忘效应。数据分析显示,知觉特征为线索时,自由回忆和再认测试都反映出指向遗忘效应;而语义特征为线索时,只有自由回忆测试反映出指向遗忘效应。另外,知觉线索条件产生的指向遗忘效应显著高于语义线索条件。结果支持强调编码过程的指向遗忘理论解释。     

复述平行语料构建及其应用方法研究

以汉语为研究对象,提出构建大规模高质量汉语复述平行语料的方法.基于翻译引擎进行复述数据增强,将英语复述平行语料迁移到汉语中,同时人工构建汉语复述评测数据集.基于构建的汉语复述数据,在复述识别和自然语言推理任务中验证复述数据构建及其应用方法的有效性.首先基于复述语料生成复述识别数据集,预训练基于注意力机制的神经网络句子匹...     

复述在高职英语教学中的运用研究

英语复述能力是听说能力的重要组成部分,而中学又是复述能力培养的重要阶段。目前中学生的复述能力存在哪些不足,在培养复述能力的时候应注意些什么,应该根据学生的年龄特点提出不同的复述要求;复述训练也要因文而变,因教学目标而变;在进行复述训练时还要渗透一些复述课丈的方法。当然还要制定出切实可行的训练计划,在平时的教学中加以渗透,以努力提高学生的英语综合素质。     

机器翻译自动评价中领域知识复述抽取研究

针对通用领域语料中抽取的复述在特定领域机器译文自动评价任务的应用中容易出现复述匹配偏差的问题,提出采用抽取与测试领域相关的复述来提高机器译文自动评价的方法。首先将通用单语训练语料进行聚类,并利用改进的M-L方法过滤,得到特定领域训练语料,然后在训练语料中利用Markov网络模型,抽取特定领域复述表,最后将此复述表应用在机器译文自动评价中,以提高同义词和近义词的匹配精度。在WMT’14 Metrics task和WMT’15 Metrics task数据集上的实验结果表明,利用领域知识抽取的复述能够增加自动评价方法METEOR和TER与人工评价的相关性。