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。
简介:<正>语言的论证性(motivation)也叫作语言的配意性或有缘性,国内一般叫作词的内部形式,理据或词源结构。对于它的研究不仅有利于探讨一种语言词汇系统的共时特征及历时演变规律,而且有助于进行不同语言词汇系统的对比,为语言研究和教学(尤其是第二语言词汇教学)服务。一按照索绪尔的观点,论证性是跟语言的任意性(arbitraire)相对立的概念,指语言符号的可分析性。索绪尔指出:“只有一部分符号是绝对任意的;别的符号中却有一种现象可以使我们看到任意性虽不能取消,却有程度的差别:符号可能是相对地可以论证的。”他以法语的Vingt(二十)和dix-neuf(十九)、德语的Laub(全部树叶)和法语的