摘要 本文旨在对“智慧城市”这一技术意识形态工具进行彻底批判,认为它通过数据分析和算法形式的治理方式来殖民空间和时间,并试图重新定义智慧城市中的智能概念。本文提出了两个概念作为这种重新定义的工具:地方性和习语,其中地方性被认为是领土产生的意义的开放性,而习语则通过爱尔兰的典型例子(弗里尔的戏剧《翻译》)进行分析,为本文的解释部分奠定了基础。本文提出的主张是将一组作者(里克尔、格赖斯、德里达、斯蒂格勒)交织在一起,从智能和数字网络转向“真正的智慧城市”,其目标应该是发展差异化和集体智慧(无多样性)。 关键词 地方性、习语、里克尔、格赖斯、算法治理
摘要 本文旨在对“智慧城市”这一技术意识形态工具进行彻底批判,认为它通过数据分析和算法形式的治理方式来殖民空间和时间,并试图重新定义智慧城市中的智能概念。本文提出了两个概念作为这种重新定义的工具:地方性和习语,其中地方性被认为是领土产生的意义的开放性,而习语则通过爱尔兰的典型例子(弗里尔的戏剧《翻译》)进行分析,为本文的解释部分奠定了基础。本文提出的主张是将一组作者(里克尔、格赖斯、德里达、斯蒂格勒)交织在一起,从智能和数字网络转向“真正的智慧城市”,其目标应该是发展差异化和集体智慧(无多样性)。 关键词 地方性、习语、里克尔、格赖斯、算法治理
摘要 — 各种文本翻译中的目标语言非对等问题可以用多种方式处理。在此背景下,翻译研究广泛讨论了 Mona Baker 建议的在单词级别处理非对等的方法。然而,之前没有研究同时使用她的描述和评估翻译信息材料的功能适当性。基于 Mona Baker 推荐的在单词级别实现目标语言对等的策略,本研究比较了信息文本类型中使用的单词级翻译方法。选择了阿拉伯语 HAND 习语进行研究。主要问题是 Baker 的方法是否能够充分解释和评估译者为实现功能目标语言对等而使用的单词级策略?本研究旨在实现以下目标:确定 Mona Baker 如何看待翻译,确定 Baker 提出的主要策略,并确定“翻译的普遍性”是什么。索引术语 — Hand 习语、Mona Baker、策略、翻译困难、对等、省略
翻译对于发展知识和思想必不可少,但它也能让人们了解其他人或国家的语言和文化。然而,对等在翻译过程中至关重要,特别是当译者想要以最佳方式翻译习语表达时。因此,有必要在翻译过程中跟进一些策略。研究工作采用定性方法进行,以文本分析技术为重要手段。借助从收集的数据中得出的不同例子,探索了莫娜·贝克的习语表达模型。本研究的主要目的是找出译者在翻译过程中遵循了哪些类型的策略。研究发现,转述翻译、相似含义和相似形式的翻译、相似含义和不相似形式的翻译占主导地位,而省略翻译则较少见。
印刷术发明之后,世界新闻业发展中最重要的转折点之一或许就是计算机技术的使用,它为彻底改变媒体流程各个方面的质变铺平了道路。最近出现了一个新的习语“机器人新闻”,意思是使用机器人制作新闻内容。根据路透社的一项研究,75% 的媒体平台已经开始以实际方式使用人工智能来创作构成媒体支柱的内容 (1 ),首批机器人记者故事作者之一的开发者、Narrative Science 的克里斯蒂安·哈蒙德 (Kristian Hammond) 预测,90 % 的新闻故事将在 5-10 年内由机器人撰写。雷·库兹韦尔 (Ray Kurtzweil) 预测,到 2040 年,计算机将超越人类大脑,这一时刻被称为“技术奇点” (2 )。在使用计算机进行新闻编辑的各个阶段,包括存档和重新组织新闻工作之后,互联网为新形式和新闻写作模式的研究和交流开辟了广阔的空间,为电子新闻的诞生铺平了道路,电子新闻有别于纸质新闻,具有多种特点,尤其是在移动新闻的广泛使用和采用人工智能技术的机器人新闻出现之后。一般来说,对传播技术的概念存在分歧,因为文献综述将技术作为一个有两个音节的复合习语来处理,(Techno)是希腊语,意思是:手艺、职业或艺术,(Logy)是后缀,意思是科学。有人认为,该词的前半部分源自英语单词(Technique),意思是技术或应用性能,基于希腊语和英语单词在语言衍生方面的联系,以及结尾的“手艺”意思是某种技术或应用(3)。
幼儿大脑在生命的头两年中,大脑迅速增长,实际上体重增加了三倍。蹒跚学步的日常生活也会影响大脑的发育,因为他们在经历的一切过程中脑细胞相互连接。神经元是大脑中的基本神经细胞,由于称为树突的分支样纤维,这些细胞相互通信。树突通过称为突触之间的小差距从其他神经元中接收消息。他们所经历的景象,声音,纹理和品味在大脑中创建了新的联系。大脑中的连接将变得永久。重复创造永久性在学习语言中尤其重要,因为当孩子多次听到相同的单词或短语时,他们会学会理解语音并加强大脑中的语言联系。某些连接不会通过重复加强,这些连接最终被修剪了。大脑修剪经验的行为实际上增强了积极重复的联系。有助于建立神经元连接的活动:
我们引入了中央银行语言模型 (CB-LM)——一种基于央行演讲、政策文件和研究论文的综合语料库进行训练的专用编码器语言模型。我们表明,CB-LM 在预测央行习语中的掩蔽词方面优于其基础模型。一些 CB-LM 不仅优于其基础模型,而且在根据联邦公开市场委员会 (FOMC) 声明对货币政策立场进行分类方面也超越了最先进的生成式大型语言模型 (LLM)。在更复杂的场景中,需要对与美国货币政策相关的大量新闻进行情绪分类,我们发现最大的 LLM 优于领域自适应的仅编码器模型。然而,部署如此大型的 LLM 对央行在保密性、透明度、可复制性和成本效益方面提出了巨大挑战。
掌握了大多数基本的印刷和语言概念后,四、五、六年级的学生已准备好进入更复杂的词汇学习领域。本书中的课程旨在帮助您让学生不仅了解单词的语义特征,而且更好地理解这些单词所呈现的细微差别和关系,从而吸引他们学习单词。四、五、六年级的学生有能力欣赏单词的复杂性——它们的多重含义、它们在习语中的用法、它们有意义的词部分和派生词,以及它们之间的多方面关系。每周课程都包含一些必要的高频词、内容词汇和一般学术词汇的有力指导。即使在有限的时间范围内,这些课程也提供系统的日常词汇指导,这将激励和吸引您的学习者。每节课都经过精心设计,充分利用课堂上宝贵的一点时间来教授所有必须教授的内容。最重要的是,这些课程将对学生有效沟通的信心产生积极影响,并最终提高他们的读写能力。