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。
简介:本文以交通乘用概念的理据为例,通过多种语言的泛时对比和汉语历时、共时比较,归纳出该概念各种可能理据的集合,比较了它们跟其知识场各常识构件间的匹配关系等.由此进一步证明了马清华(2010,2011)就理据问题提出的场约束原理。但可能的理据并不能自然实现为现实的理据,本文继而以汉语为单一分析材料,通过对其乘用概念的理据运筹活动的详细论证,表明可能的理据能否成功实现为现实理据(即语言对概念表达策略的选择),取决于言内外多种因素的运筹结果。表达目的、言外的现实和认知条件、言内的形义基础相互作用,协同规定着概念的理据,这就把优先原理进一步发展成为系统运筹原理。本文对场约束原理的进一步证明和所发展出的系统运筹原理丰富、完善了理据理论。