-
题名英语听力APP取舍者态度的影响因素建模
被引量：2
- 1
-
-
作者
孟亚茹
刘丹
蒋圣楠
-
机构
西安交通大学外国语学院
杭州文澜未来科技城学校
-
出处
《外语与外语教学》
CSSCI
北大核心
2019年第5期20-29,147,148,共12页
-
基金
国家社科基金“构架从认知诊断到动态干预的英语听力模型”(项目编号:16BYY096)资助
-
文摘
本研究基于语言输入假说、输入增强理论和情感过滤假说,从整合型技术接受与使用模型(UTAUT)框架出发,通过结构方程模型(SEM)构建英语听力APP“使用者”和“拒绝者”态度的影响因素模型。分析发现绩效期望、感知资源和感知趣味是影响前者的直接因素;而绩效期望低是影响后者的直接因素。同时收集两类群体的使用/拒绝原因作为定性数据以验证各自模型,其中前者的原因进一步验证了“使用者”模型的解释力,而从后者的原因中发现了其模型未包含的新因素“自我管理差”。此外还发现年级和性别分别是两个模型的调节因素。本研究是把拒绝者群体单独纳入听力APP接受度的早期探索,对未来5G环境中的听力APP和听力课程设计有借鉴作用。
-
关键词
英语听力APP
输入增强
影响因素
使用者模型
拒绝者模型
-
Keywords
EFL listening APPs
input enhancement
influencing factors
user model
rejecter model
-
分类号
H0
[语言文字—语言学]
-
-
题名视觉输入增强对汉语二语学习者语块学习的影响
被引量：5
- 2
-
-
作者
房艳霞
江新
-
机构
北京语言大学汉语国际教育研究院/预科教育学院
北京语言大学汉语国际教育研究院
-
出处
《语言教学与研究》
CSSCI
北大核心
2020年第5期41-52,共12页
-
基金
国家社科基金重大项目(17ZDA305)
北京语言大学一流学科团队支持计划(GF201906)的支持。
-
文摘
本文考察视觉输入增强对汉语二语学习者语块学习的影响。要求两组中级水平的汉语学习者(每组各20人)分别阅读两种呈现方式的短文:一种是短文中的陌生语块(包括透明度高的语块和透明度低的语块)以加黑和加下划线的方式呈现(即视觉输入增强组);另一种是短文中的陌生语块不加黑、不加下划线(非增强组)。阅读结束后接受语块再认和产出的即时测试和延时测试,以及短文阅读理解测试。结果显示:(1)无论是即时后测还是延时后测,视觉输入增强组的成绩都优于非增强组,即视觉输入增强对语块学习具有促进作用;(2)没有发现视觉输入增强的促进作用随语块的语义透明度的变化而发生变化;(3)没有发现视觉输入增强对文本意义的理解产生消极影响。
-
关键词
视觉输入增强
语块学习
语义透明度
阅读理解
-
Keywords
visual input enhancement
formulaic sequence acquisition
semantic transparency
reading comprehension
-
分类号
H195
[语言文字—汉语]
-
-
题名听力训练中输入增强模式对附带词汇习得效果的影响
- 3
-
-
作者
丁洁
-
机构
上海交通大学人文学院
-
出处
《文教资料》
2019年第33期44-46,共3页
-
文摘
通过控制听力课堂中材料的输入方式为变量,测试在听力课堂训练中汉语二语者习得附带词汇的语音、语义、语用的效果,研究听力课堂中听力材料的输入方式不同对汉语二语学习者在听力训练中附带词汇习得效果的影响。研究发现,课堂输入模式对听力课堂中的附带词汇习得效果产生显著影响,课堂输入模式的增强显著增强了汉语二语学习者在听力训练中附带词汇的习得效果。文本重复的传统增强输入模式对附带词汇习得效果的增强略优于提供文本图示的非传统输入增强模式。
-
关键词
输入增强模式
听力训练
附带词汇习得
-
分类号
G63
[文化科学—教育学]
-
-
题名输入模式增强神经网络及应用
被引量：1
- 4
-
-
作者
李洪奇
李莉
刘文胜
-
机构
中国石油大学计算机科学与技术系
-
出处
《计算机应用与软件》
CSCD
北大核心
2008年第7期213-215,共3页
-
文摘
监督学习神经网络的学习收敛速度是网络的重要指标。以三元奇偶问题和沉积微相识别问题为例,分析了前向神经网络增强输入模式和常规输入模式的网络响应特点。分别在隐层数不变和隐层节点数不变的条件下,对常规输入模式网络和增强输入模式网络的学习速度进行了对比分析。数值实验和沉积微相应用实例说明输入模式增强网络学习迭代次数少,网络分辨率高。输入模式增强网络隐层节点数和隐层数的可选范围均比常规输入模式网络隐层节点数和隐层数的可选范围大,网络收敛稳定性好。输入模式增强网络的性能明显好于常规输入模式网络的性能。
-
关键词
神经网络
输入模式增强
收敛速度
节点
隐层
-
Keywords
Neural network Input pattern enhancing Conver speed Node Hidden layer
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP311.56
[自动化与计算机技术—控制科学与工程]
-
