XiaoMi-AI文件搜索系统
World File Search System隐喻
空中交通管制员语言中的图像示意图隐喻
摘要 我们的目标是识别空中交通管制应用领域的图像图式隐喻 (ISM)，从而了解管制员的心理模型。通过在管制员的口语中标记 ISM，我们识别出表示空中交通三个视角的隐喻，即 (1) 飞机物理位置和飞行路径的地理视角，(2) 空中交通责任的隐喻实例化分布，以及 (3) 指代空中交通管理组织级别的隐喻。我们讨论了可能对设计连贯界面构成特殊挑战的目标域，因为它们映射到多个源域，有时与物理映射相竞争。我们的主要初步贡献是一份隐喻实例列表，作为未来空中交通管制环境中创新但直观易用的界面原型的基础。
电影和电视声音中的自闭症 - 按摩的隐喻
根据Mitzi Waltz（2003）的说法，自闭症隐喻回到了自闭症在历史上象征的方式：通过自我失落，动物主义，不人道和其他性的寓言。尽管这些隐喻在现实中几乎没有依据，并且不能反映自闭症或自闭症患者，但她认为他们说“关于文化焦虑以及在人类话语中使用残疾的代表性的大量”（第8页）。Lakoff和Johnson（1980）认为，隐喻思想通常是人们遗忘的东西，但是隐喻是理解更深层次的人类概念系统的宝贵工具。他们断言隐喻不仅存在于语言中，而且渗透到我们的日常生活中，影响了我们的思维方式和我们采取的行动（第3页）。隐喻有权塑造文化文本，因此对自闭症患者的公共和医学理解。隐喻产生的心理图像可以在声音或视觉上表达出来，并且可以完全绕过语言表达。
人工智能与教育：特殊能力学生认知的隐喻分析
《国际教育与科学研究杂志》（IJRES）是一份同行评审的在线学术杂志。本文可用于研究、教学和个人学习目的。作者对其文章的内容负全部责任。该杂志拥有文章的版权。出版商不对因使用研究材料而直接或间接引起的任何损失、诉讼、索赔、诉讼、要求、费用或损害承担责任。所有作者均需披露任何实际或潜在的利益冲突，包括与所提交作品相关的与其他个人或组织的任何财务、个人或其他关系。
人工智能和教育：对具有特殊能力的学生的看法的隐喻分析
国际教育与科学研究杂志（IJRES）是一本同行评审的学术在线杂志。本文可用于研究，教学和私人学习目的。作者仅负责其文章内容。期刊拥有文章的版权。出版商不应对直接或间接导致或因使用研究材料而直接或间接引起的任何损失，诉讼，诉讼，需求或损害或损害或损害。所有作者都被要求披露任何实际或潜在的利益冲突，包括与其他人或组织有关提交工作的任何财务，个人或其他关系。
从工具到盗贼：通过众包隐喻来衡量和理解对AI的公众看法
图3。随着时间的推移，隐式感知得分的总体变化（顶部）。 阴影反映95％CI。 每个月（x轴），左y轴是平均温暖和能力，在[-1，1]范围内；正确的Y轴是按月按月拟人形态隐喻的百分比。 我们发现，随着时间的流逝，拟人化和温暖的隐喻在频率上的增加，而胜任的隐喻随着时间的流逝而减少。 具有统计学上显着的时间变化的主要隐喻（|𝑟|> 0。 3，𝑝<0。 05）（底部）。 每条线代表主要比喻的一个月患病率，该比喻是根据其拟人化的百分比（群集中拟人化的隐喻百分比）进行的。 我们发现拟人化的隐喻正在增加，而非拟人化隐喻随着时间的流逝而减少。 阴影反映了3个月的滚动平均值。随着时间的推移，隐式感知得分的总体变化（顶部）。阴影反映95％CI。每个月（x轴），左y轴是平均温暖和能力，在[-1，1]范围内；正确的Y轴是按月按月拟人形态隐喻的百分比。我们发现，随着时间的流逝，拟人化和温暖的隐喻在频率上的增加，而胜任的隐喻随着时间的流逝而减少。具有统计学上显着的时间变化的主要隐喻（|𝑟|> 0。3，𝑝<0。05）（底部）。每条线代表主要比喻的一个月患病率，该比喻是根据其拟人化的百分比（群集中拟人化的隐喻百分比）进行的。我们发现拟人化的隐喻正在增加，而非拟人化隐喻随着时间的流逝而减少。阴影反映了3个月的滚动平均值。
中国大学英语学习者对生成人工智能使用的隐喻概念
OpenAI 推出了由生成式人工智能 (GenAI) 驱动的多模态大型语言模型 ChatGPT 4o，这引起了教育机构各阶层对其未来利弊的关注和争论。尽管如此，对学习者对 GenAI 在英语作为外语 (EFL) 学习中应用的看法的调查仍然明显不足。本研究采取探索性立场，旨在通过隐喻分析的应用探索中国 EFL 学习者对语言学习中使用 GenAI 的态度和看法。研究从中国四所重点大学的 281 名不同专业的 EFL 学生那里收集了数据，通过使用隐喻完成一个句子来了解他们对语言学习中使用 GenAI 的态度和看法。通过对隐喻结构（包括人类、工具/机器、大脑、资源、食物/饮料和药物隐喻）的定性分析，本研究揭示了对 GenAI 的一系列态度。虽然一些语言学习者认为 GenAI 具有支持性、帮助性和智能性，但其他人则担心过度依赖 GenAI 以及可能丧失批判性思维技能。研究结果强调了考虑学习者对 GenAI 在语言学习教学中的使用和应用的不同态度和信念的重要性。本文讨论了这些发现对未来将 GenAI 整合到语言教育中的影响，并提出了进一步研究和教学实践的建议。
约翰·基特斯（John Keats）诗歌中的爱的概念隐喻
摘要：对象征性语言的研究成为20世纪许多认知文体主义者的利益，并且达到了最大的强度，特别是与认知和心理过程有关的隐喻研究。人们使用不同类型的设备来传达其信息，包括隐喻。认知文流是一种重要方法，用于展示文学文本的歧义至高无上。此外，它集中于阅读过程以阐明含义。爱的隐喻尚未从认知文体的角度进行充分研究，尤其是在济慈的诗歌中。因此，当前的研究尝试发现，约翰·济慈（John Keats）的诗歌中如何表现出爱的概念隐喻？也就是说，对爱的隐喻概念化是否受认知过程影响？约翰·济慈（John Keats）的诗歌中，爱的概念隐喻的功能和情感影响是什么？因此，本研究旨在探索济慈诗歌中爱情的不同概念隐喻。此外，它试图显示语言，认知，情感和风格之间的关系，以理解爱的隐喻概念。它还阐明了某些认知过程的影响以及在识别这些概念隐喻方面的影响。采用了一种定性的描述方法来分析不同的隐喻概念。总的来说，该研究发现语言，认知和情感之间的关系与理解不同类型的隐喻概念及其风格效应之间的关系。此外，本研究是一种认知文艺学，它基于两种理论（认知风格和情感文章）的多模型应用，这些理论被用作应用Lakoff and Johnson的理论（1980）的设备。还表明，隐喻不仅被用作语音数字，而且还可以通过某些认知过程来理解和解释的思想问题。它还揭示了认知和心理过程，例如思想，注意力，感知都在识别不同的隐喻方面具有重要作用。
具身认知、隐喻和儿童语言发展 Anna Re 教育技术研究所 CNR ITD Palermo Lavinia Maria Tiziano
莱考夫和约翰逊的理论认为，隐喻不仅仅是语言手段，还代表了我们思维的结构方式。从这个角度来看，隐喻表明，我们的身体感知和与具体世界的互动是理解抽象概念的必要基础。例如，在结构隐喻中，一个抽象概念是通过另一个抽象概念进行隐喻构建的。一个典型的例子是隐喻“争论就是战争”，其中每一次分歧的动态都被描述成一场战斗，强调对抗中的对抗性而非合作性（莱考夫和约翰逊，2008 年）。这种隐喻思维模式简化了复杂的概念，使人们能够更直接地理解，但它也会限制对现实某些方面的感知。同时，我们用来简化抽象概念的隐喻深深地限制了我们的具身思维。方位隐喻对于具身理论尤为重要，因为它们将概念组与空间位置或运动联系起来，从而遵循我们物理世界的规则。同样，我们在幼儿时期具体学到的关于物理世界的知识类似于抽象概念。Lakoff 和 Johnson 举的一个例子是“快乐是向上，悲伤是向下”，它有物理基础。事实上，当我们沮丧时，我们的姿势会反映出来；当我们快乐时，我们会直立。通过本体论隐喻，我们将抽象概念当做对象来谈论。从本质上讲，根据 Lakoff 和 Johnson (2008) 的说法，隐喻是人类语言不可或缺的元素，也是我们思维具身性的证据。
单词生产困难的主观经验
抽象背景和目的：神经症状的主观经验为评估，干预和护理提供了有用的信息。但是，对失语症的主观经历的研究是有限的。单词生产困难与失语症是普遍的，跨学科的研究产生了涉及多个阶段和过程的复杂模型。至关重要的是，这项单词生产研究并未纳入症状的主观经验。我们对失语症的人撰写的自传账户进行了隐喻主导的话语分析，以确定对单词发现困难的主观描述是否与心理语言模型的阶段和过程一致。方法：使用隐喻主导的话语分析来识别，编码和解释隐喻表达式，描述了由失语症患者编写的12个英语自传账户中的单词生产困难。然后分析这些表达式以确定系统的隐喻（即，始终用于描述特定主题的相关概念）。分析中出现了两种不同类型的系统隐喻：常规的系统隐喻经常在所有或大多数帐户中反复出现；在帐户的重叠子集中，在一个或两个扩展段落中使用的新型系统隐喻。结果与讨论：4020隐喻表达式描述了单词的产生，主要使用有关交流和认知的常规隐喻。传统的隐喻产生作为从容器中移动的物体的传统单词生产是最普遍的，其详细和变化允许绘制不同症状。其他常规隐喻包括：单词生产作为旅程/狩猎/放牧，通过景观进行描述，以描述努力或部分检索，神经塑性恢复和内部策略；失语症是身体障碍，它描述了各个身体部位的各种症状，包括自我监测的困难；失语症是自我和自我作为机器/计算机的分裂和人格化，以描述一种破坏的代理和关注感。新颖的系统隐喻被用来描述某些症状：用作寂静和失语症，以精神经历为描述缺乏“内部语音”，
受量子启发的匹配网络与语言学理论相结合，用于隐喻检测
摘要 让机器具备识别和理解隐喻的能力是实现人工智能的关键一步。在语言理论中，隐喻可以通过隐喻识别程序（MIP）或选择偏好违背（SPV）来识别，这两者通常被视为自然语言处理领域的匹配任务。然而，由于词语的语义不确定性和字面意义的模糊性，MIP 的实现面临挑战。同时，SPV 往往难以识别传统的隐喻。受到用于建模语义不确定性和细粒度特征匹配的量子语言模型（QLM）的启发，我们提出了一种用于隐喻检测的量子启发匹配网络。具体而言，我们使用密度矩阵来显式地表征 MIP 的目标词的字面意义，以建模词语字面意义的不确定性和模糊性。这使得 SPV 即使面对传统的隐喻也能有效工作。然后通过细粒度特征匹配实现 MIP 和 SPV。实验结果最终证明了我们的方法具有强大的竞争力。