XiaoMi-AI文件搜索系统
World File Search System语言学
数字语言学习（DLL）：行为，认知和大脑的见解
我们如何利用数字技术来增强语言学习和双语代表？在这个数字时代，我们的第二语言学习和教学理论和实践落后于科学进步和技术创新的步伐。在这里，我们概述了数字语言学习的方法（DLL）用于L2获取和表示，并提供了有关DLL当前和未来承诺的理论综合和分析框架。从理论上讲，DLL为儿童语言和成人L2学习之间存在差异以及学习环境和学习者特征的影响提供了论坛。实际上，学习者行为，认知和情感处理以及大脑相关的发现可以为基于DLL的语言教学提供信息。由于其高度跨学科的性质，DLL可以用作将L2学习的认知，社会，情感和神经维度与包括VR，AI和大数据分析在内的新技术结合在一起的方法。
可读性、情感、心理语言学特征的影响
万维网的发展使得人们可以随时随地轻松访问大量信息源，这为更多人依赖在线新闻媒体而非印刷媒体铺平了道路。这种情况加速了在线新闻行业的快速增长，并带来了巨大的竞争压力。在这项工作中，我们提出了一组混合特征，用于在发布前预测在线新闻的流行度。从新闻文章中提取了两类特征，第一类是常规特征，包括元数据、时间、上下文和嵌入向量特征，第二类是增强特征，包括可读性、情感和心理语言学特征。除了分析常规特征和增强特征的有效性外，我们还将这些特征结合起来，得出了一组混合特征。我们整理了一个印度新闻数据集，该数据集由来自评分最高的印度新闻网站的新闻文章组成，用于研究，并为未来的研究贡献了数据集。对印度新闻数据集 (IND) 进行评估，并使用各种监督机器学习模型将其与基准可混合数据集上的性能进行比较。我们的结果表明，所提出的增强特征与常规特征的混合对于在发布前预测在线新闻流行度非常有效。
认知语言学与两代认知科学
20世纪50年代以后，爆发了影响深远的“认知革命”。这是心理学摆脱行为主义的革命，以信息加工为基础的认知心理学成为心理学研究的主流。20世纪70年代以后，认知科学不断有惊人的发现。在哲学、心理学、语言学等领域，对传统哲学、信息加工理论、生成语法等提出了一系列不同的观点，主张抛弃认知主义，批判哲学上的客观主义（包括白板论、二元论、自主论、先验论、形式主义、符号主义、非隐喻推理等），抛弃心理学上的信息加工理论，强调研究认知、心智、与身体经验之间的关系。1977年，《认知科学》杂志开始出版。1979年，认知科学学会第一次年会正式召开。到了 90 年代，认知科学逐渐成为一股强大的学术潮流，第七届大会于同年 7 月在美国召开，Lakoff (1957) 提出了实验主义哲学（笔者主张将其译为：新经验主义，以区别于经验主义：经验主义），到了 1999 年，Lakoff & Johnson 又提出了“具身哲学”这一新的哲学流派（笔者将另文介绍）。
在线课程中提高第二语言学术写作能力的独立学习者策略
摘要。本文探讨了 40 名一年级必修学术英语 (EAP) 课程的学生在一个突然在线进行的学期中如何完成书面任务。本文描述的日本大学在第一次 COVID-19 大流行封锁期间通过学习管理系统 (LMS) 提供点播课程。学生准备了三分钟的反思视频作为课程作业的一部分，描述了他们提高第二语言 (L2) 学术写作水平的策略以及他们对这些策略如何影响学习的看法。这些视频被转录、编码和分析。58% 的参与者使用机器翻译 (MT) 在提交前校对作业，其中 45% 的人报告说作业成绩提高了，对他们的 L2 写作技能的信心更高了。结果表明，应鼓励学习者在 L2 学术写作过程的这一步中使用 MT。
基于人工智能的语言学习工具的系统回顾
第二语言习得领域因更加重视个性化学习和人工智能 (AI) 的快速发展而受到重大影响。尽管随着人工智能在计算机辅助语言学习领域的应用，越来越多的自适应语言学习工具正在开发中，但人们一直担心信息不足和教师准备不足。为了有效地利用这些工具，教师需要深入了解最近开发的基于人工智能的语言学习工具。因此，本综述综合了 2017 年至 2020 年期间开发的人工智能工具的信息。这些工具中的大多数都利用了机器学习和自然语言处理，并用于识别错误、提供反馈和评估语言能力。使用这些工具后，学习者的语言能力和知识得到了提高。本综述最后介绍了基于人工智能的语言学习工具未来研究中的教学意义和新兴主题。
神经语言学简介
搜索一本特定类型的书并不少见，只是发现您必须自己编写。这本书的想法是在几年前与约翰·本杰明（John Benjamins）代表在国际认知语言学会议上与代表进行的对话，涉及一本具有合理规模，价格和覆盖范围的最新书籍，用于神经语言学中的简介课程。那时，我已经为语言学和沟通障碍的学生教授了很长时间的课程。我们俩都非常意识到这个问题，当有人建议我写这样的书时，我同意。我们还同意当时神经语言学与认知语言学，实用主义和交流研究之间相对缺乏沟通，以及使这些领域更好地整合到基本神经语言学中的需求。这次讨论并进一步反映了“艺术状态”，这导致了本书中涵盖的相当广泛的主题以及对不同章节的相对权重。一个重要的问题是将不同的理论，方法和研究以历史的角度讨论，表明了不同的框架是如何发展的，有时是并行的，有时是顺序的，有时是顺序的，并在我们思考语言和大脑的方式上留下了痕迹，以及我们如何在研究和治疗中应用这种思想。这本书从多年的工作中逐渐增长，因为入门课程中使用了初步版本，并修改了章节并添加了章节。根本没有语言背景的学生应该先阅读介绍性语言学文本。这本书是对神经语言学的基本介绍，旨在为任何想要在该领域获得基础的人。它是为语言学和沟通障碍的学生编写的，但是心理学，神经科学和其他学科的学生也将发现它有价值。它可以用作入门课程的课程书，也可以用作神经语言学中特定主题的信息来源。使用它的唯一前提是语言学的基本知识，包括语言术语。至于没有神经解剖学和神经生理学背景的学生，有关大脑的一些基本信息，请在第14章中提供。这本书分为四个部分。首先是对神经素的介绍，重要的问题是什么以及主要的神经语言框架如何随着时间的流逝而发展。本节提供了一个重要的背景，以理解为什么以较晚的方式以本书的方式介绍的特定当前方法的代表。第二部分构成本书的语言核心，其中不同的组成部分或神经语言学的各个方面
动物语言学：人类语言如何从动物交流中发展而来
对动物的研究揭示了更简单大脑的运作方式，这有可能教会我们了解自己的大脑。长期以来，语言一直被描述为人类独有的才能。这种将编码思想从一个个体传递到另一个个体的能力可能是人类进步的基础。人类分享思想导致了更大范围的全物种觉醒。分享思想带来了启蒙，使我们比其他生物更具优势，并催生了现代。但我们为什么如此擅长分享思想？这种“语言器官”从何而来？考古学研究能否阐明对语言诞生的理解，还是它已经随着时间的流逝而消失了？教授其他类人猿语言的尝试引发了更多的争议，而不是启发；那么，我们怎样才能开始探索
个体语言学习概况的神经指纹
人类语言学习在此过程中在个人之间有显着差异和最终成就。尽管数十年的研究探索语言学习的神经底物已经确定了独特而重叠的神经网络，这些神经网络依靠不同组成部分的学习，但驱动较大个体间差异的神经机制仍然远非被理解。在这里，我们研究了培训会议中男女多种大脑网络的神经动力学在多大程度上有助于解释在7 d培训和成像与功能MRI的7 d训练和成像中，在学习多种语言组成部分（即词汇，形态和短语和句子结构）的多种程度差异。通过机器学习和预性建模，跨培训课程的神经激活模式高度预测了从四个组成部分得出的个体学习成功曲线。我们确定了四个神经学习网络（即Perisylvian，Frontoparietal，显着性和默认模式网络），并检查了他们对学习成功预测的动态贡献。此外，根据特定的训练阶段和学习组件，跨网络的预测性鲁棒性会系统地改变。我们进一步揭示了下部额叶，孤立和额叶区域中网络节点的子集越来越代表新获得的语言知识，而在学习过程中，这些表示区域之间的多元连通性在学习过程中增强了更多成功的学习者。这些发现使我们能够理解为什么学习者有所不同，并且第一个不仅可以归因于跨组件的成功程度，而且归因于语言学习的模式，也可以归因于从多个神经网络动力学中总结的神经指纹。
语言学习 - 策略 - lls-lls-by-the-the-the-the-the-the-four- ...
摘要英语作为一种国际语言在许多领域的重要性，例如金融，医学，技术和教育。获取英语的四个主要技能是在讲，听，阅读和写作。为了在这个全球世界中很好地交谈，说话技巧对于交流最重要。语言学习者部署了许多策略，例如认知，元认知，补偿情感，社会和记忆策略来增强口语技能。因此，本研究旨在调查四名男学生采用的语言学习策略。使用半结构化访谈和问卷作为数据收集工具的混合方法设计。在此干预措施中，选择了Negeri Sembilan的一所中学的40名4个学生作为参与者。本文的发现表明，实施的最频繁的语言学习策略是获得口语技能的社会，情感和记忆策略。基于这一发现，预计将进行更多的研究，以确定其他技能的应用，以帮助学生努力学习英语。关键字：语言学习策略，口语技巧，表格4，中学简介
应用语言学文学硕士 S.no 注册号 姓名 课程 科目 1 20HAMA07 CHAVALA MANOJ KUMAR 应用语言学文学硕士 2 20HAMA17 NYATHA TIRUPATHI 应用语言学文学硕士
MSC 数学 1 20MMMM05 RAMESH BABU M 理科硕士 数学/应用数学 2 20MMMM09 KAUSTUVA GHOSH 理科硕士 数学/应用数学 3 20MMMM10 JOYDIP MONDAL 理科硕士 数学/应用数学 4 20MMMM14 SUDIP MANNA 理科硕士 数学/应用数学 5 20MMMM20 SANDIPAN DAS 理科硕士 数学/应用数学 6 20MMMM23 RIYA MANDAL 理科硕士 数学/应用数学 7 20MMMM26 RASMITA BEHERA 理科硕士 数学/应用数学 8 20MMMM28 K SUVARNA KUMARI 理科硕士数学/应用数学 9 20MMMM30 MANYA RAJ 理学硕士 数学/应用数学 10 20MMMM31 KUNDAN YADAV 理学硕士 数学/应用数学 11 20MMMM32 NAUMAN ANSARY 理学硕士 数学/应用数学 12 20MMMM33 SAFURUDDIN MONDAL 理学硕士 数学/应用数学 13 20MMMM36 PAWAN KUMAR SAW 理学硕士 数学/应用数学 14 20MMMM38 ARKA GHOSH 理学硕士 数学/应用数学 15 20MMMM43 AVIRAL SRIVASTAVA 理学硕士 数学/应用数学 16 20MMMM44 SASWATA GHOSH 理学硕士数学/应用数学 17 20MMMM46 RIJU PATRA 理学硕士 数学/应用数学 18 20MMMM50 KARIMAJJI KESAVARAO 理学硕士 数学/应用数学 19 20MMMM57 ANWESHA SAMANTA 理学硕士 数学/应用数学