XiaoMi-AI文件搜索系统
World File Search System词汇
内在奖励在青少年词汇学习中的作用
Anglin, JM, Miller, GA, & Wakefield, PC (1993)。词汇发展：形态分析。儿童发展研究学会专著，58 (10)，i–186。JSTOR。https://doi.org/10.2307/ 1166112 Angwin, AJ、Wilson, WJ、Ripollés, P.、Rodriguez-Fornells, A.、Arnott, WL、Barry, RJ、Cheng, BBY、Garden, K. 和 Copland, DA (2019)。白噪声有助于从上下文中学习新词。大脑与语言，199，104699。https://doi.org/10.1016/j.bandl.2019.104699 Bains, A.、Spaulding, C.、Ricketts, J. 和 Krishnan, S. (2023)。使用等待意愿设计来评估读者如何评价文本。Npj 学习科学，8 (1)，17。https://doi.org/10.1038/s41539-023-00160-3 Baker, FC、Willoughby, AR、de Massimiliano, Z.、Franzen, PL、Prouty, D.、Javitz, H.、Hasler, B.、Clark, DB 和 Colrain, IM (2016)。全国青少年酒精与神经发育联盟样本中青少年睡眠结构和脑电图的年龄相关差异。睡眠，39 (7)，1429–1439。https://doi.org/10.5665/sleep。5978 Berridge, KC, & Kringelbach, ML (2008)。愉悦的情感神经科学：人类和动物的奖励。精神药理学，199 (3)，457–480。https://doi.org/10.1007/s00213-008-1099-6 Bjork, RA, Dunlosky, J., & Kornell, N. (2013)。自我调节学习：信念、技巧和幻想。心理学年鉴，64 (1)，417–444。 https://doi.org/10.1146/annurev-psych-113011-143823 Blain, B., & Sharot, T. (2021)。内在奖励：潜在的认知和神经机制。当前行为科学观点，39，113–118。https:// doi.org/10.1016/j.cobeha.2021.03.008 Blakemore, S.-J., & Robbins, TW (2012)。青少年大脑中的决策。自然神经科学，15 (9)，1184–1191。https://doi.org/10.1038/nn.3177 Bloom, P. (2002)。儿童如何学习单词的含义。麻省理工学院出版社。
词汇压力的视听感：拍打手势和关节提示
抽象的人类交流本质上是多模式的。听觉演讲，但视觉提示也可以用来理解另一个说话者。大多数视听语音感知的研究都集中在语音段的感知上（即语音）。然而，对视觉信息对词汇应力等语音上段方面的感知的影响鲜为人知。在两个实验中，我们研究了不同视觉提示（例如面部关节线索和手势）对词汇应力的视听感的影响。我们介绍了disyllabic荷兰压力对的听觉词法压力连续性以及在第一个或第二个音节上产生压力的扬声器的视频（例如，表达voornaam或voornaam）。此外，我们将扬声器的表面结合起来，在音节上产生词汇应力，并在第一个音节或第二个音节上产生节拍手势，从而产生词汇应力。结果表明，人们成功地使用了视觉发音线索来在静音视频中进行压力。但是，在视听条件下，我们无法找到视觉关节线索的影响。相比之下，我们发现节拍手势的时间对齐具有强烈的影响，从而影响了参与者对词汇压力的看法。这些结果强调了在多模式上下文中考虑语言上部方面的重要性。
植物对土壤微生物的影响和反应澳大利亚和非本地词汇
这是被接受出版的作者手稿，并且已经进行了完整的同行评审，但尚未通过复制，排版，分页和校对过程，这可能会导致此版本和记录版本之间的差异。请引用本文为doi：10.1002/eap.2565
中国高等英语学习者词汇学习策略新编
引言 当今，词汇学习策略 (VLS) 作为词汇学习的一种辅助方法受到了越来越多的关注，由于词汇知识处理的复杂性以及认识、处理、存储和应用单词所涉及的一系列因素 (Carter, 1998)，词汇学习策略正从以教学为导向走向以学习者为中心和学习者自主，这需要不同的策略。VLS 甚至更为重要，“因为低频词数量众多，出现频率低且范围窄，所以最好是教学习者处理这些词的策略，而不是教单词本身”(Nation, 1990, p.159)。然而，外语课堂一向以课堂教学时间宝贵而闻名，不可能教会学生关于一个单词的所有内容，学生必须成为独立的单词学习者 (Waring, 2002)。使用 VLS 可以帮助学生独立处理词汇学习。 Schmitt (2000) 声称，与涉及多种语言技能的语言任务相比，许多学习者似乎确实在词汇学习中使用策略，这可能是因为与“更综合”的语言活动相比，词汇学习的“相对离散”性质使其更容易有效利用策略。此外，Nation 和 Newton (1997) 指出，“可以留出时间学习策略，并可以监控和评估学习者对策略的掌握程度”（第 241 页）。因此，VLS 在课堂内外都变得必不可少。
根据计算机视觉系统的表现预测儿童的词汇学习能力
人类和机器都面临着建立视觉和语言信息之间关系的问题。在人类中，这个过程被称为单词学习，发展科学家对此进行了广泛的研究。在机器中，将视觉特征与单词联系起来是计算机视觉研究人员研究的几项任务的关键部分，包括对象分类和图像字幕。在本文中，我们通过从计算机视觉系统的性能预测人类儿童单词学习的时间过程，探索人类和机器发现的这些问题的解决方案之间的关联程度。发展科学家长期以来一直对了解婴幼儿如何学习新单词感兴趣（Bloom，2002；Brown，1973；Golinkoff 等，2000；Quine，1960；Wojcik 等，2022），通常将问题定义为在单词与其对应的对象、事件或属性之间建立指称（Markman，1990；Schwab & Lew-Williams，2016）。虽然不同儿童的单词学习轨迹各不相同，但学习不同类型单词的速度至少存在一定的一致性（Frank 等，2021）。例如，学习英语（以及许多其他语言）的儿童往往比学习连接词（例如“和”或“因为”）更早学习描述身体部位的单词（例如“眼睛”或“鼻子”）。发展科学家一直在寻找这种模式的预测因素。例如，儿童导向言语中更常见的单词往往更早被学习（Swingley & Humphrey，2018）。然而，对这些预测因素的研究仅限于可以测量的数量
开放词汇脑电图到文本解码和零样本情绪分类
最先进的脑转文本系统在使用神经网络直接从脑信号解码语言方面取得了巨大成功。然而，目前的方法仅限于小型封闭词汇表，这对于自然交流来说是远远不够的。此外，大多数高性能方法都需要来自侵入式设备的数据（例如 ECoG）。在本文中，我们将问题扩展到开放词汇表脑电图 (EEG) 到文本序列到序列解码和自然阅读任务中的零样本句子情感分类。我们假设人类大脑充当特殊的文本编码器，并提出了一个利用预训练语言模型（例如 BART）的新框架。我们的模型在 EEG 到文本解码中获得了 40.1% 的 BLEU-1 分数，在基于零样本 EEG 的三元情感分类中获得了 55.6% 的 F1 分数，这明显优于监督基线。此外，我们表明，我们提出的模型可以处理来自各种主题和来源的数据，一旦有足够的数据，就显示出高性能开放词汇脑转文本系统的巨大潜力。该代码已在 https://github.com/MikeWangWZHL/EEG-To-Text 上公开供研究使用。
复合词加工中的透明度和中心性：词汇决策研究
复合词加工中的透明度和中心性：一项词汇决策研究 SARAH STEINKE 和 WEIYI ZHAI 1 摘要 在本研究中，我们调查了词汇透明度和中心性对英语复合词加工的影响。 先前涉及复合词语义启动的研究表明，至少部分透明的复合词的单个成分在加工过程中被激活（例如 Jarema、Busson、Nikolova、Tsapkini 和 Libben，1999 年；Sandra，1990 年）。我们假设，在词汇决策任务中，当受试者被与一个成分相关的词（尤其是透明或中心成分）启动时，他们对复合词的平均反应时间会更快。我们的结果与先前的研究基本一致，即与相关词配对的透明复合词的反应时间比与不相关的词对配对的反应时间更快，但透明复合词有一些例外。我们的结果为复合词加工和基于词素的词汇组织过程中的成分激活提供了支持。关键词：复合词、扩散激活、词汇决策任务 (LDT)、透明度、中心性 1.0 简介 语言学家和认知心理学家对于单个单词在心理词典中是如何组织和访问的有很多悬而未决的问题。 词汇条目可能对应于单个单词。或者，词汇表征可以对应于词素，多个词汇条目可以组合成一个单词。这意味着多词素词，如 surprise，是由两个条目组成的，例如 surprise 和 -ed 。按词素组织词汇条目将减少词典中必须包含的总表征数量，同时还能表示简单词（如 surprise）和形态复杂词（如 surprise ）之间的关系。然而，复合词在心理词典中是如何表征的尚不清楚。复合词，例如 oatmeal ，由两个词素组成，说话者认为它们是独立的词。复合词中的每个词素称为成分，应具有独立于复合词的单独词汇条目。但是，复合词作为一个整体可能仅由其成分（基于词素的表示）或单独的词汇条目（基于单词的表示）表示。更好地理解复合词的心理表征将提供有关词汇结构的更多信息，并可能提供有关我们在处理语言时访问词汇条目的方式的信息。为了探索这个问题，我们使用复合词进行了词汇决策实验。本研究的结果为某些类型的复合词基于词素的词汇组织提供了支持。我们在本文中探讨了这个问题，其结构如下：第 2 节讨论了以前的研究。第 3 节解释了我们实验中使用的方法。第 4 节包含实验结果，最后在第 5 节中，我们讨论这些结果以及我们研究的含义和局限性。
使用大语言模型中使用生成技术的对话词汇实践
近年来，使用人工智能（AI）的聊天机器人（Dialogrobots）必须与爆炸的人进行交流。如果需要进行沟通，无论是客户服务还是教育，聊天机器人很快就会出现。在语言学习中，沟通是一个核心组成部分，有很大的机会使用生成的AI在与学生的对话中为聊天机器人创建自然而“自发”的答案。生成答案的机器学习模型的类型通常是大型语言模型（LLM），本研究检查了不同的技术以获取LLM，以在其生成的答案中包括特定的光泽。
重演者：在故事重述实践中促进具有生成图像的词汇学习者
阅读并反复重述一个短篇小说是学习目标单词的含义和用法的常见和有效的方法。但是，学习者经常在理解，回忆和重述这些目标词的故事背景下努力。受到多媒体学习认知理论的启发，我们提出了一个计算工作流程，以生成与故事相关的相关图像。基于工作流程，我们与学习者和老师一起迭代设计了一个名为Retassist的交互式词汇学习系统。它可以生成故事的句子级图像，以促进故事重述实践中目标单词的理解和回忆。我们的受试者内研究（n = 24）表明，与没有生成图像的基线系统相比，雷达斯主义者显着提高了学习者在用目标词表达时的流利性。参与者还认为，Retassist会减轻他们的学习工作量，并且更有用。我们讨论了利用文本对图像生成模型来支持学习任务的见解。
丰富资源委员会 2016 年年度报告
C – 工作 85 C.1 截至 2016 年 12 月 31 日的总日历 87 C.2 2016 年会议日历 88 C.3 2016 年出版物（摘自官方期刊）：88 个生物学词汇（1 月 31 日的 JO） 92 电信词汇（1 月 31 日的 JO） 93 国际关系和运输词汇（3 月 22 日的 OJ） 94 健康词汇（4 月 6 日的 OJ） 98 核工程词汇（4 月 23 日的 OJ） 104 国际关系词汇（5 月 7 日的 OJ） 106 材料、冶金词汇（5 月 7 日的 OJ） 113 汽车词汇（ 6月11日的JO） 115个经济和金融词汇（8月5日的OJ） 122个国防词汇（ 9月20日的OJ）125生物学词汇（10月1日的OJ）132国际关系词汇（12月15日的OJ）133材料和环境的词汇（12月22日的OJ）