网络交互式英语学习模式对听力策略的影响

近几年兴起的网络交互式学习方式,为听力教学提供了新的现代化的学习模式。本文通过实验组与控制组的比较研究证明:基于网络的,以学生学习为主的网络交互式学习方式,能够影响低分组学生的某些听力策略使用频率,提高他们的学习自主性。     

公众参与:新时期舆论引导的正确选择

当今世界开放性和多元化趋势日益明显,人们的观念日趋多样化,大众传媒通过"单向意见整合"使社会思想一体化已不可能,变革传统舆论引导方式势在必行.沿着历史文化脉络考察可以发现,以"单向意见整合"为特征的舆论引导源自文化精英主导的话语方式.还话语权予社会公众.让公众参与意见表达的舆论引导是传播社会学中"社会参与论"的题中应有之意,社会调查也表明这种舆论引导方式更为有效.公众参与意见表达的舆论引导既与以共同体自治为特征的良好治理方式相适应.又与发挥公众在文化建设中的主体作用的中央精神相一致,并与互联网带动下的交互式传播潮流相契合.因而是新时期传媒的正确选择.     

网络时代英美文学课程改革一点尝试

随着我国科技的进步和发展,21世纪已经成为了信息时代,E-mail、E-book、E-bank等新型科技手段层出不穷。网络多媒体等技术已渗透到各高等院校的语言中,语言教学的各个环节也离不开这些技术手段的运用,传统教学模式下的英美文学课程已显示出一些弊端。本文根据交互式教学理论,本着"师生互动,生生互动"的原则,利用网络计算机手段建立英美文学语料库,以期完善英美文学课程教学新模式的创新。     

含整变量多目标决策基于目标期望水平的交互式方法

本文针对含整变量多目标决策问题提出了一种基于目标期望水平的交互式决策方法。该 决策人的交互要求，通过决策人修正目标期望水平实现决策的交互过程；在交互过程中尽量少地球解整数规划问题，而更多地求解其松驰规划问题，从而使得该方法直观、有效，实用。文中定义了若干概念，证明了若干定理，描述了交互决策的过程，并用示例作了说明。     

基于交互式教学法的医学英语教学

交互式教学法改变了传统的英语教学模式，主张以教师为主导，以学生为主体，提高学生的综合能力。交互式教学法对于医学英语教学有很大的启示。笔者结合教学中的实际问题，探讨其在医学英语教学中的具体运用。     

美国数字参考服务实践及其发展趋势

数字参考服务在美国得到极大发展，本文通过对美国数字参考服务现状的分析，主要集中于对它们在美国的上流服务形式的描述，探讨了美国DRS的发展趋势，最后对我国数字参考服务发展提出了自己的建议。     

论“两课”教学中的理论联系实际问题

理论联系实际本身就是一个普遍真理。它既是马克思主义的核心和精髓，又是马克思主义理论的科学态度和方法，还是体现人们的思想政治素质的重要能力。“两课”教学的根本任务和重要目标是培养和提高学生的理论联系实际能力，包括科学的理论思维能力、扎实的理论应用能力和持续的理论创新能力。交互式教学法是培养和提高学生理论联系实际能力的有效课堂教学形式。这一方法包括改进型理论灌输、交互式讨论和专题报告三个既区别又联系的环节。     

交互式分级权限的高校数字化管理模式探讨

网络信息技术为高校数字化管理带来了很大的发展前景,根据高校管理工作实际,文章提出了一种交互式分级权限模式.把高校管理相关用户分为四级,不同用户对信息具有查询、修改的不同权限,并实现信息数据的双向交流;文章还描述了模式的整体方案、关键技术以及特点,在实践中有较好的可行性.     

新媒介的功能延伸:试析交互式网络电影的超越性

交互式网络电影这一新媒介改变了传统电影的单向传播方式,在一定程度上使电影观众反客为主,拥有了从未获得过的参与权利。在自由与创造意义上,进一步打开了新的视觉天地,开放了新的思维空间,以参与性、非线性以及自主性充分体现了高科技发展所带来的新媒介功能的超越性。     

大数据背景下CPI预测问题的文本挖掘技术设计与应用

本文创新地将半监督交互式关键词提取算法词频-逆向文件频率( Term Frequency- Inverse Document Frequency, TF-IDF )与基于 Transformer 的 双 向 编 码 表 征 ( Bidirectional Encoder Representation from Transformers,BERT)模型相结合,设计出一种扩展CPI预测种子关键词的文本挖掘技术。采用交互式TF-IDF算法,对原始CPI预测种子关键词汇广度上进行扩展,在此基础上通过BERT“两段式”检索过滤模型深入挖掘文本信息并匹配关键词,实现CPI预测关键词深度上的扩展,从而构建了CPI预测的关键词库。在此基础上,本文进一步对文本挖掘技术特征扩展前后的关键词建立预测模型进行对比分析。研究表明,相比于传统的关键词提取算法,交互式TF-IDF算法不仅无需借助语料库,而且还允许种子词的输入。同时,BERT模型通过迁移学习的方式对基础模型进行微调,学习特定领域知识,在CPI预测问题中很好地实现了语言表征、语义拓展与人机交互。相对于传统文本挖掘技术,本文设计的文本挖掘技术具有较强的泛化表征能力,在84个CPI预测关键种子词的基础上,扩充后的关键词对CPI具有更高的预测准确度和更充分的解释性。本文针对CP 预测问题设计的文本挖掘技术,也为建立其他宏观经济指标关键词词库提供新的研究思路与参考价值。