文摘

智能传感器网络是当前通信领域的热门话题和广泛应用于主题教育、素质教育,家庭安全监控。在当今世界日益多样化的服务和不断增长的信息需求,无线通信系统需要更多的信息来更好地理解和分析观察到的对象。在这种背景下,本文提出了研究英语阅读的识别和实践基于智能传感器网络的形态。摘要英语阅读形态分为两个部分:语义形态和情景模式,及其系统包括三个主要模块:英语阅读文章数据收集,英语文章数据语义分析和英语阅读文章情境图片反馈模块。最后,实践研究的基础上进行这个应用程序,并得出结论,此应用程序的发展和未来前景是相当大的。

1。介绍

阅读占有至关重要的地位在中国的英语教学1]。它起着非常重要的作用,在实践和各级考试。阅读是语言输入的一种形式,提高学习者的语言意识,建立知识,并提高能力在其他语言中,以及大大提高听的能力,说话,写和翻译(2]。在某种意义上,一个人的英语水平取决于他或她的阅读能力。简而言之,英语阅读教学是至关重要的,但是我们如何更有效的学习英语吗?这个问题一直是讨论的大多数高中英语教师和一些专家和学者(3]。

义务教育英语课程标准,由教育部公布的2011年,英语教学的整体质量分为九个级别,级别3到5是必要的学习目标(4]。新课程标准制定的目标发展阅读技巧在5级(1)能够推断和理解词汇的语境的意义和构词法5];(2)能够听到一段句子之间的逻辑连接(6];(3)能够发现文本的主要思想,理解故事情节,并预测其发展和可能的结局;(4)能读懂一般的类型和水平的阅读材料(7];(5)能够使用简单的阅读策略来满足不同的阅读目标,和(6)课外阅读累计超过150000个单词(2011:17,教育部)。

新课程阅读教学的要求越来越突出,这样大量的阅读是难以实现完全由传统方法(8]。尽管一些成功取得了近年来,仍然有许多问题面对的众多因素,如大学入学考试和继续教育。一些老师和学校,虽然他们认识到新课程改革的重要性和在协议和支持它的意识形态,都不敢轻举妄动,缺乏实用和有效的方法(9]。

目前,英语阅读的方法仍然是非常单一的,与传统的自底向上的方法。教师集中在词汇、语法、和知识点在教室里,强调少女的水平词汇和句子和忽视话语的意义(10]。关注语言教学和技能训练导致的忽视学生知道他们阅读,即使完成了阅读,导致不满意的阅读。一些老师,承认这种模式的缺点,采用了一种不同的方法,“自上而下”的阅读模式,在孩子们离开推测,推测,忽略了真正的知识的话,短语,句子,有时把自己的主观想法强加于创造者(11]。在此基础上,作者提供了一个洞察交互式阅读模式在英语教学中的作用[12]。高等教育的第一年是一个特殊的阶段,他们不再满足于听讲座,记笔记。

与此同时,随着越来越多的内容正在研究和推进高等教育的压力也在增加,一些学生甚至开发一个厌恶学习13]。教育部新修订的英语教学大纲规定,学生应该能够从他们的上下文猜测单词的意思,预测故事的发展和结局,毕业后和使用简单的阅读技巧(14]。因此,除了加强外语的学习,同样重要的是要提高学生的背景知识和良好的阅读策略的使用在英语学习15]。

为了解决这种情况,作者选择了一个大学的学生作为实验对象。在实践中,一组采用传统的自底向上的方法教学阅读,而另一组智能传感器网络用于英语阅读形态识别为了探索英语阅读形态识别的教学模式是否能促进英语阅读的提高。

2.1。定义理论的阅读

阅读的清晰和精确的定义是一个有效的方法来评估课堂阅读活动。在阅读中外学者的研究,有许多不同的人所说的阅读理解(16]。然而,从这些定义很清楚,阅读的目的是理解材料的意义和反馈阅读(17]。“根据Bronfeld,阅读是一个思考的过程,将视觉感觉转化为听觉的。“根据吉布森和莱文,阅读是读者阅读文本时为了得到其主要内容;据史密斯,阅读是“阅读的过程中,不断发现和识别问题,而阅读理解是阅读的过程中,问题是解决”(18]。根据上述不同西方语言学家的观点,我们认为,阅读是指读者的阅读活动获得有用的文本信息的理解文本。“中国学者张Biyin,基于不同的西方观点和学说,认为阅读是指读者通过阅读文本获取文本信息,影响其他信息的形成”(19]。朱镕基春州,阅读是指一个方法的读者阅读的活动中获得知识和培训。在这个活动中,有一个密切的关系,互动,和约束之间的阅读和理解。在定义阅读理解时,胡锦涛春冬关注读者的主体性。他认为,“读者并不被动地获取文本信息在阅读的过程中,但在阅读的过程中,读者的解读和理解文本以一种新的方式根据生活经验和丰富的知识他或她拥有”(20.]。在他的书《外语教育学,张Kanzhong指出,阅读是一种旨在获取书面信息和沟通是理解和吸收书面信息。根据胡锦涛Jianming,“阅读是基础上的英语知识,这意味着有一个特定的词汇储备知识和语法和总结,了解,和欣赏文本根据读者的经验和文化背景”(21]。左Huanqi扩大英语阅读的概念从盖布里的角度来看,它包含许多密切和互动元素,例如,词自动识别的技术,组成的单词和词汇,这个文本的文化背景和社会知识,论文和人民币升值的分析技能和知识;合成的定义阅读国内外著名学者,我们发现阅读不仅是一种思维过程也是语言活动;是一种读者了解和理解的过程中,通过获得信息的了解和理解,以便读者在阅读不断提高他们的阅读水平。

2.2。分布式智能传感器网络的理论

在英语阅读模式识别、网络化智能传感器网络的模式有三种:集中式数据处理模式,独立的数据处理方式和协作计算数据处理模式。图1显示了一个集中式处理模式,每个无线传感器收集到的数据直接传送到中央处理器,以同样的方式处理它是传统有线传感器,只收集数据不使用CPU处理收集到的数据。用一个简单的教学体系结构和少量的数据通信中,一个集中的数据处理方法可以是一个好的解决方案。然而,面对不断增加的复杂性和规模,我们的教育系统中,英语阅读模式的识别需要大量无线传感器的安装。网络节点数量越大,传输的数据量越大将成倍增加,并集中存储的信息量将超过带宽。此外,所有的数据转移到一个中央处理系统将不仅是耗时的,也会对传感器产生重大影响的能源系统。


图1
集中的数据处理方法。

图2是一个独立的数据处理方法;每个无线传感器是独立的数据采集和处理,没有连接到网络,并且只处理过的数据传输到基站,这减少了通信传输的数据量,降低了能源消耗的无线传感器通过CPU的计算能力。然而,由于网络的自治性质,没有节点之间的信息共享和空间信息很容易丢失。因此,该方法不能用于数据融合通过多个节点来获取相应的信息作为一个整体的模式模型,从而限制英语阅读的发展模式。


图2
独立的数据处理方法。

合作计算的数据处理方法是一种基于本地无线网络方法识别(22]。成本低,体积小,高功能,实现高密度和低功耗无线传感器。图3显示了一个分层、分布式网络协同计算的数据处理模型。该方法有效地解决了上述问题,集中和独立的数据。在这个网络模型中,传感器分为多个层次和数据融合通过多个节点,减少通信网络中,从多个节点同时存储信息,从而解决集成问题的多个节点。协同计算的数据处理方法是当前智能传感器网络结构模态参数识别,可以扩展到人口安排无线传感器结构。


图3
协同计算的数据处理方法。

3所示。应用程序的设计方法

3.1。应用程序框架设计

的形式设计了智能传感器网络英语阅读模态识别系统主要分为语义形式和情景模式,以及系统主要包括三个模块:英语阅读文章数据收集,英语文章数据语义分析和英语阅读文章情境图片反馈模块(23]。本章首先介绍了系统的总体框架,然后详细描述了系统中每个模块的具体实现过程。英语阅读模式识别系统的总体框架基于智能传感器网络如图4。


图4
系统架构图。
3.2。应用程序数据采集

此应用程序的数据源数据输入主要是通过智能识别的英语文章,然后使用传感器网络数据采集和传输;这个模块主要由digital-to-analogue转换器芯片TLC2543CN和模拟-数字转换器芯片XD2543N。这个模块的工作原理如下:数据采集传感器用于发送数据采集信号,传输,数据采集信号感觉ADC0832转换芯片,将其转换为电压信号,转换成数字信号的a / D转换和传送到单片机,把当前收集的数据信息根据输入信号。电路原理图如图5。


图5
数据采集电路。
3.3。应用模态语义解析数据

一旦进入英文阅读内容,它可以进行潜在语义分析并反馈给用户。潜在语义分析技术,基于统计技术,都不可避免的受到的非限定的特性数据。现有研究结果表明,利用潜在语义分析技术在大规模数据收集可以在硬件要求很高,这就极大地限制了它的实际应用。在此基础上,综合多个系统和多层的概念相结合提供潜在语义分析技术的深入讨论。本节将从两个基本的语义空间的集成模型。的基本思想方法是建立分类器的两种可能的语义分析方法,不同的文本进行分类,然后根据不同的分类系统为他们打分。这种融合过程可以用图表示6。


图6
系统的流程图的第一层融合。
3.4。应用模态数据场景图片的反馈

人们能够通过图像构建知识。当我们看到一个想法或经验,我们的头脑就呈现它。再一次,我们的大脑不断切换听觉等感官信号和定性的感觉和他们的可视化表示。语义分析的文本阅读英文,会返回相应的图片,所以这次设计应用程序模块使用英文文本生产的图片,以便读者可以更好地理解文本和更好地掌握它。解决传统创科实业模式面临的问题,本文采用一种越来越受欢迎的技术,产生敌对的网络(甘)。GAN通常由两个模型组成。

的核心结构Obj-GAN分为两个阶段。(1)生成语义布局:这一阶段包含元素,如类标签,盒子,突出对象的形状。此功能包含两个主要部分:发电机和发电机的形状(2)生成最终的图像:这个特性实现的多层图像发生器和一个鉴别器

Obj-GAN模型图7提供了一个先进的架构。模型需要的标签集作为输入,并将它们编码成一个词向量。然后经过三个主要步骤:输入帧生成,塑造一代,和图像生成。


图7
模型分析图表。

Obj-GAN模型的第一步是把一个句子作为输入并产生语义布局,即。,一系列的对象定义的边界框。发电机模型的边界会产生一组边界,将使用图表生成器。在输入一组边界框,这个图形发生器将预测单个对象的形状在相应方格。使用生成的图表图形发生器GAN模型。

4所示。实际应用程序的实验分析

4.1。研究人群

本研究在一个地区中学开展高级课程1(43个学生)和2(42名学生)。课程是基于义务教育教材九年级英语,修订后的2016年,教育出版社,分别为一班和二班。这两个类是一个级别的类;他们有相同的内容和教学内容和教师。

4.2。研究工具

在这项研究中,两个测试的结果是使用SPSS 17.0统计和分析。首先,这两个类的测试结果相比,将确定两个类是一个平行的类,如果这个实验已经完成。然后,基于两个类的测试结果,我们将测试的结果一个学期的实验,看看他们的阅读能力比对照组好。

4.3。分析结果的研究实践

本研究将从2021年2月至2021年7月一个学期。所有的学生在第一和第二年的大学大四被用于这项研究。这两个类中使用的教科书是相同的,这是在九年级英语,修订教育出版社于2016年。在这项研究中,自底向上的传统阅读教学与这个系统作为实验班。

4.3.1。进行预测的数据收集和分析

作者使用了一个阅读测试,他写了近2月的开始,和试题的选择使用何种类型的问题在之前的测试。测试分为两个选项(10分)和两个任务(20分),每个价值30标志。的统计结果进行预测控制和实验课程的成绩表所示1。独立样本的结果 - - - - - -测试的预备考试分数控制类和实验类表所示2。

表1
统计结果进行预测评分的控制类和实验类。
表2
独立样本的结果 - - - - - -预备考试分数的控制测试和实验课程。

表2显示控件类的平均值是21.2326,实验类的平均值是21.2619,这是相似的。的列文卡方检验表明,该团体的价值 ,表明两组的总体布局是正常和方差相等。的结果 - - - - - -试验表明, ,表明阅读水平之间的差异控制类和实验类不显著,因此,这两个类可以作为实验对象。

4.3.2。数据收集和分析的后续测试

在学期结束时,作者选择了阅读部分的最后测试的后续测试的问题。在最后测试的问题本质上都是一样的预备调查问题,包括基于两个期权之(10)和两个任务(20)。在测试结束后,下面的分析测试数据使用SPSS进行了。期末测验分数的统计结果为控制和实验课程如表所示3。

表3
统计结果期末测验分数的控制和实验课程。

数据显示,平均得分在测验后的控件类为21.9070,而在实验室类则为23.8810。在这学期的课程中,两类性能有显著提高,但这也可能是由于困难的整体水平下降。实验班的平均分数2.6191增加了通过两类,而对照组的分数只增长了0.6744比1.974实验班里,这表明,该方法在提高学生的学习成绩有很大的优势。的结果 - - - - - -测试 ,表明在期末测验成绩有显著差异在两个类之间,与实验类明显高于对照组。实验结果表明,使用智能传感网络英语阅读模式识别比传统类型的阅读和具有良好的推广价值,如表所示4。

表4
独立样本的结果 - - - - - -测试控制和实验类的期末测验分数。

5。结论

阅读是人们获取信息的主要方式,阅读理解是一个为学生综合使用语言。在当前的英语测试中,阅读理解占很大一部分的测试,在所有论文得分最高的那一类,通常3 - 5,在试题的类型,除了选择题外,还有一些任务型阅读,和阅读也失去最简单的分类标志,所以一些人开玩笑地说,“这需要读者得到一个高分,“因为学生的阅读能力会直接影响他们的考试成绩。然而,在英语课堂教学中,仍然存在过度专注于文本,与老师一遍又一遍,仔细,有时使学生记住它。这可以巩固学生的知识,还杀死了他们对阅读的热情,使他们无法跟上他们的阅读的数量和速度,所以重要的是要找到一个更合适的方式来提高他们的英语阅读能力。英语阅读模式识别的应用本文基于智能传感器网络研究显示是可扩展的,在实际的研究中,和它的实际结果证明了数据展示技术的可展性。

数据可用性

本文中使用的数据集可以从相应的作者。

的利益冲突

作者宣称,关于这项工作他们没有利益冲突。