简介:随着英美新批评、接受美学、诠释学、现象学等西方文论的兴起,文本(特别是文学作品)意义的解读日益重视读者的阅读体验,文本意义也因作者与文本的对话而建构。关于文本多元解读的理论基础,有论者认为,“建构主义教学观是其重要的理论基础”“诠释学是其重要的理论基础”“接受美学是其直接的理论来源”。[1]近年来,随着新课程改革的深入,在语文阅读教学中人们提倡文本的多元解读观。它主要是指在教学中以教学文本为凭借,师生基于各自的主体性身份共同展开多重对话、多元解读。语文阅读教学不再满足于以往唯教参、唯专家的一元解读,不再满足于先入为主的“标准答案”。文本意义的未定性,读者经验世界的多元化以及语文新课程改革对诠释权力的让允,释放了阅读主体性,师生对文本的理解丰富、深入了,批判性思维光芒闪耀,课堂面貌焕然一新。不过,为了防止阅读教学中出现文本意义的认识偏差,人们在倡导多元解读的同时,纷纷主张“多元有界”或“多元有度”。多元则多元,到底“界”在哪里,学界至今仍议论纷纷,论者见仁见智,莫衷一是。本文将对这一问题作一探讨。
简介:实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语能力的考试。由于C.TEST的考试题目公开,题库数量较小,所以通过一般标准化考试采用的在部分目标被试中实施预测(fieldtest)的方法来获取考试题目的难度参数存在困难。然而,人工神经网络技术作为现代人工智能研究的成果,在预测(prediction)领域发挥了很大作用。本文选取C.TEST(A—D级)的阅读理解题目作为研究材料,运用人工神经网络技术对其难度进行预测,得到了网络预测难度值与实际考试难度值显著相关的研究结果。这一结果表明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的。