错误分析理论在大学英语写作教学中的应用

写作教学在英语教学中占有十分重要的地位,运用错误分析理论对学生英语作文中的常见错误进行整理、分类和分析将对大学英语写作教学大有裨益。     

频率选择性衰落信道中的RAKE合并接收方案

针对非扩频系统很难实现多径分集接收的问题,通过判决反馈IIR(DF-IIR)均衡器得到对发送数据的估计,并根据该初始估计重构所有多径信号,再将接收信号中的主径和各多径分量区分开,最后将各分量按照最大比的方式合并以及解调判决,从而实现RAKE合并接收。DF-IIR均衡器可以完全消除噪声累积的现象,然而判决反馈同时会产生误差传播的问题,多径合并可以显著提高信噪比,从而抑制误差传播问题。仿真结果表明新算法可以取得明显的效果。     

英语教学中的口语纠错

语言错误在学习英语的过程中是一种普遍现象。学生的语言错误来源比较复杂,致使一些错误很难严格归类。在国内英语教学中,有必要纠正学生的口语错误。在纠错过程中应注重操作策略,以利学生英语口语能力的有效发展。     

中介语与中国式英语

大学教师应当利用中介语理论指导大学外语教学 ,分析语言的“石化”产生的原因 (负偏移的影响、母语的干扰、对中介语错误的忽略、等等 )。应在教学中注意正确的语言导向和语言教学法 ,认真对待学生在外语学习与习得过程中的中介语错误 ,把它当作语言教学的有利契机 ,在最大程度上纠正学生的中国式英语 ,帮助他们培养正确的语感 ,促使大学外语的课堂教学保质保量地得以进行。     

非英语专业大学生英语写作中的中介语“石化”现象个案研究

在中介语理论基础上,结合对非英语专业大学生进行的教学实践,通过实验对比的方法,收集学生作文中反复出现的错误对其进行分类比较。尝试性地提出运用阅读、背诵等学习策略来减少中介语＂石化＂对写作的影响。     

CET作文教学评改中的纠错策略

错误分析是二语习得研究领域的主题之一。教师在ＣＥＴ作文教学中要正确对待学生的错误,改进目前作文评改中一些不良纠错策略,逐渐提高学生对被评改后的作文的反馈意识,使教师的纠错和其指导下的学生自我纠错在ＣＥＴ作文教学中有机结合起来,力争使学生的写作水平上一个新台阶。     

双重政策目标下的货币政策传导机制研究

运用误差修正模型和协整检验对我国货币政策传导机制和货币政策有效性问题进行实证研究。结果表明,在二元政策目标框架下,货币供给具有较强的外生性,中央银行对通货膨胀的厌恶性正逐渐超过对经济增长的偏好性;相对于信贷渠道而言,货币渠道对货币政策传导的贡献度不高,货币政策主要通过信货渠道来影响总需求。     

实验教学电路板的设计制作及其应用

介绍了利用计算机、激光打印机和制板机设计制作实验教学电路板的方法.即在单面覆铜板的铜面设计制作印制电路板熏在绝缘玻纤环氧树脂基面设计制作电路原理图.这是适于单件、小批量、新产品试制的双面制板工艺,它具有廉价快捷、操作简单、精度较高的特点.此外,还介绍了该电路板在实验教学中的应用情况.     

SEMIPARAMETRIC REGRESSION AND GRAPHICAL MODELS

Semiparametric regression models that use spline basis functions with penalization have graphical model representations. This link is more powerful than previously established mixed model representations of semiparametric regression, as a larger class of models can be accommodated. Complications such as missingness and measurement error are more naturally handled within the graphical model architecture. Directed acyclic graphs, also known as Bayesian networks, play a prominent role. Graphical model-based Bayesian 'inference engines', such as bugs and vibes , facilitate fitting and inference. Underlying these are Markov chain Monte Carlo schemes and recent developments in variational approximation theory and methodology.     

Forecast mean squared error reductionin the VAR(1) process

When VAR models are used to predict future outcomes, the forecast error can be substantial. Through imposition of restrictions on the off-diagonal elements of the parameter matrix, however, the information in the process may be condensed to the marginal processes. In particular, if the cross-autocorrelations in the system are small and only a small sample is available, then such a restriction may reduce the forecast mean squared error considerably.

In this paper, we propose three different techniques to decide whether to use the restricted or unrestricted model, i.e. the full VAR(1) model or only marginal AR(1) models. In a Monte Carlo simulation study, all three proposed tests have been found to behave quite differently depending on the parameter setting. One of the proposed tests stands out, however, as the preferred one and is shown to outperform other estimators for a wide range of parameter settings.