简介:<正>当一个人独处于静思默想状态时,思维与语言进行着“内部运转”,那时“语言”无声也无序列地活动着。当然,人们还可以通过非语言的想象图表和画面进行类似的思考,或者通过数字、线条、几何图形来进行思考。但“用词思考”毕竟是在人的内心处理信息时最有效的形式,不过这时“词”的组合还只是意义抱合和一连串不出声的言语片段,属于内动符号。一旦表现为外部语言——互动符号,就形成有声言语,向对方传递信息交流思想。尽管内动符号反映客观世界具有立体的结构,但作为交际运用的互动符号只能是线性的序列——语音按时间轴顺序排列。为了使人们从语音组合中领悟语义的组合,达到交际的目的,有声符号在互动中的线性排列必须是有规则的。这种外部语言的序列便是通常说的语法,它不是先天固有的,而是人们在互动中约定的“重复性”规则。通常认为正常的句子必定是合符“语法”的。但实际上,现实的言语类型里到处可以看到内部语言与外部语言的冲突,内动符号反映客观世界的立体联系与互动符号(即有声言语)线性序列之间的矛盾。自言自语就往往没有严格的序列,在交际场合也常常发现非语言的声音和非正常的序列。例如“今天下午我们开会”,被表述成“今天下午——啊,啊——我们——啊——开会”。“啊”切断正常?
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。