文摘

在传统的英语教学有很多缺点。为了解决这些问题,多模式教学模式应用到大学英语教学。本文结合相似模型用英语多模式教学,并提出了相应的教学方法现状的基础上,学生的英语学习。本文研究了多模式相似性学习方法,定义了不同的关系向量根据不同的物理或样本数据中包含的语义含义,和转换的计算single-modal样本之间的相似度的计算多通道不同关系下样本之间的相似性。基于多模态话语分析理论,本文探讨了多元教学模式对学生的英语成绩和态度,将定量研究与定性研究相结合,以验证这种教学模式的有效性。结果表明,该方法是有效和可行的。多模态教学模式在英语课堂的应用有重要的影响和深远的研究意义。本文的研究具有一定的参考价值创新英语教学模式,提高学生的英语成绩。

1。介绍

随着国民经济的快速发展,中国的综合国力和国际竞争力不断提高(1]。特别是中国加入世界贸易组织,越来越多的企业也走出了国门开展全球贸易,,国际交流越来越频繁2]。英语,作为最大的学术和贸易交流的共同语言世界中,扮演重要的角色。的英语熟练程度已经成为新时期人才必须具备的品质,这使得大学英语学习非常重要3]。尽管我们采取了很多方法来提高我们的英语水平,效果不令人满意4]。有很多缺点在传统的英语教学过程中,例如,落后和单一的教学模式,缺乏对实践教学的关注,教师过度依赖PPT。因此,大多数学生掌握英语只呆在词义和语法的阶段,但不能熟练地使用它。由于时代的发展和国家的需要,在国内大学大学英语教学改革和创新,和多模式教学的大学英语已成为时代要求。多模式教学已成为现代教学的一个重要特征(5]。多通道分析是一种新的分析理论在20世纪后期开始(6]。在多通道理论提出之前,学者提出,使用各种媒体参与课堂教学能激发学生的学习兴趣。多通道(正式成立后7话语分析理论,国内学者经常应用多模式话语分析研究这一理论。多峰性是一种通信方式,一台机器通过各种感官感知外面的世界和获取信息,如听觉、视觉(8,9)、触摸、声音、图像(10,11),和气味。这是一个词描述的外部信息的感知。

事实上,在教室里可以完全实现多通道理论,它可以使用各种各样的学科。多模式教学,尤其是英语教育领域,可以刺激学生multireading和多通道通信能力,使他们能够实现与一半的努力结果的两倍。所有类型的符号系统,随着文字的表意方式,用于完成意义构建学生学习英语听力和口语的课程。教材排版、教学内容设置、音频和视频等使用的感官都反映了这一点。传统教学方法应当整合和协调各种模态现代教学方法,促进教学和学习通过动员各种多模式教学资源形成一个科学的协同作用,根据英语多模式教学。多模态话语分析理论,基于系统功能语言学和sociosemiotics,强调其他符号系统的重要性(如声音、图片和颜色)在意义表达的交换12]。Multimodal PPT课件结构意义和加强语言输入通过文字,图片,颜色,声音,和其他形式作为教学辅助工具(13]。它演示了其好处和独特性在捕捉学生的注意力,增加班级信息输入和生动的课堂环境。本文进行多通道相对深入调查大学英语教学,和它的新颖性在于:(1)基于多通道研究大学英语教学,相似性模型创新结合多通道的英语教学。本文研究了多模式相似性学习方法从数据和模型的观点。基于语义相似度的分析,语义合成算法,和最好的语义向量权重系数是通过持续的培训。结果表明,该算法更好的性能(2)教师可以展示和解释语言知识以多种方式使用模态资源,比如语言,声音,图片,和视频,以激活学生的感官,帮助他们更好地理解语言知识。并解决传统教学的低质量的问题,让学生独立地积极学习和练习的多模式教学模式最大限度和提高大学生英语综合素养和整体英语学习能力。

本文的具体章节安排如下。

本文由五个部分组成。本文的第一部分是引言,介绍了本文的研究背景和相应的挑战,本研究的意义和本文的创新。第二部分是本文的文献综述部分。本节主要介绍了多通道和英语教学的相关内容,并总结了国内外的相关研究。第三部分是本文的研究和设计部分。部分3所示。1主要分析了多模态教学模式在英语教学中的应用,总结了多模态话语分析理论,多元教学模式,和其他相关内容。部分3所示。2探讨了基于相似度模型的多通道的大学英语教学模式。本文的研究方法和过程。节4我们开展这项研究的实验和分析,详细讨论研究结果。第五部分总结了研究多通道大学英语教学基于相似性模型,期待未来。

2。相关工作

与多模式话语研究的深入,国内外学者研究的兴趣英语多模式教学。Maluleke提议,多通道的发展英语教学模式是教育改革的一个重要组成部分。多通道教学模式整合了多种沟通方法,不仅强调使用多通道“教学”的教师还使用多通道的“学习”和多通道交互评价学生14]。林在他们的研究中,提出了一种多模式教学方法,认为在课堂教学交际活动和学习应该在多通道进行通信。多峰性应该在教学的各个方面,包括方法、内容和评价(15]。刘据和江,在传统的模型中,教师通常主导英语教室,限制了学生的主观能动性,导致对英语缺乏兴趣和缓慢的提高英语成绩16]。多模式教学方法,根据歌曲,可以应用于课程如英语阅读,写作,听力,和口语(17]。P小王进行了广泛的研究,在英语教学中使用多峰性。他们认为多通道现在教育是一个不可阻挡的趋势(18]。潘从多通道和张著名多媒体符号符号在他们的研究中,指出多元符号学是未来研究的新方向,人们应该培养多通道和多样化的综合能力19]。多种模式不习惯在教学中,将根据魏,他们的选择和搭配必须坚持科学法则以达到促进教学的目标(20.]。赵调查的应用多模式教学的新视野大学英语课堂,包括形态选择的原则和具体的应用程序(21]。马分化多媒体和多峰性,指出多媒体和多峰性是两个不同的学习模式,应该应用科学(22]。教师应结合学生的英语学习水平,英语学习的需求,高校教学条件和环境,以及创新教学体系改革的目标和需求,等等,在实际的教学过程中,根据刘et al .,并积极整合多模式教学。模型是用来在教室里教英语(23]。多模态话语分析和系统功能语言学理论是密切联系的,根据Yu和李24),系统功能语言学理论为多元话语分析提供了理论指导。多通道教学模式被应用于英语写作教学,他们认为它可以提高学生的自我效能、内在动机和外在动机写(25]。根据激光雷达等,使用多元教学模式在英语课堂可以变换语言从无聊的活跃,学生从被动到主动。它可以是有益的,没有造成伤害如果教师正确使用它,它可以提高学生多阅读能力以及他们的听、说、和沟通能力(26]。

基于先前的研究在多通道和英语教学模式,本文结合了相似模型和多通道的英语教学,并提出了相应的教学方法现状的基础上,学生的英语学习。基于相似性模型,很难判断英语的文本研究,构造和训练和测试语料库。有效的特性,可以判断英语文本提取的困难,并介绍了聚类算法的逆过程,以确保个人与小相似不属于同一个类。基于不同的分类器,基于单一的文本难度判断算法模型、单一功能,multifeature单模型和multifeature融合多个模型进行了研究和实现。为了理解本文提出的方法的可行性调查采访时前后的实验中,实验结束后进行问卷调查。测试数据处理的算法分析。实验结果表明,本文中的多模式教学方法是可行的和有效的。

3所示。方法

3.1。多模态教学模式在英语教学中的应用

传统语言教学只从一个角度解释了语言,使用黑板和书籍为主要教材。这种学习方法很无聊,学生不能把更多的热情投入学习,教学效果不好。如果教材丰富和多样化的教学方法,课堂将改变从单一到多样,从无聊的活动,这样学生可以更积极参与实践,促进英语教学的发展和学生的英语交流能力。多通道是指交际实践,超越了语言作为一种社会符号,并使用两个或两个以上的象征性资源(语言、图片等)完成建设意义27]。多峰性为英语教学提供一个新的视角和方向。多通道英语教学是合理和适当的各种模态符号和资源应用于英语教学实践和刺激学习者的阅读兴趣,激发他们的热情和主动性学习的帮助下各种符号和资源。通过各种符号的合作和资源,可以加强话语的意义,补充,或扩充,以帮助学习者更好地理解和掌握教学内容。

多模式的教学过程中,教师可以充分利用多媒体和网络平台,提供声音,图片,等真正的学习环境。从各个方面提供辅助信息,以便学生能感知,理解,和处理视觉、听、看,通过他们的大脑和其他模态信息的联系,接收的信息,加强记忆和消化知识从实际的感知,从而实现多通道的互补性和转换。多通道下的英语教学模式,有许多创新教学目标、内容、活动和方法(28]。老师改变了从单一口服板书和一个PPT教学输入丰富的教学辅助资源(如视频、音频、动画、图片和文本材料。课堂活动从空和抽象虚拟的演讲练习学生学习“真实”环境的演讲的例子在说话前练习。多媒体参与能调动学生的听觉、视觉、触觉,甚至气味,并刺激学生multireading能力和语言应用能力。

多模式教学要求教师在教学整合多种通信模式,采用多通道”教学。”因此,英语教师应该理论知识应用于实践教学来训练学生的实践能力。同时,教师应改变落后的教学理念和教学模式。教学被认为是一个重要的过程,培养学生的技能,增强学生的交际经验。学习英语的过程也是一个过程,学生获取信息。教师可以用科学的教学方法,使学生有效地获取教师教什么,以便有效地学习英语。在设计的过程中多模式教学课堂,教师应结合教学条件、教学内容、教学目标、设计等相关教学活动和其他因素互动教学和现场模拟教学,这样学生就可以成为多通道的主体教学课堂,引导学生积极学习和训练听力,口语,阅读,写作。同时,教师可以使用肢体语言来辅助教学。例如,姿势,动作,面部表情,眼神接触可以传达不同的视觉信号。合适的肢体语言也可以刺激学生的视觉感官,加深学生对英语教学内容的理解。 Figure1显示了模态符号的选择和兴趣英语教学的分类。

教师可以利用新媒体技术不断练习,激发学生的视觉和听觉通过文字,图片,动画,视频,和其他形式,并积极开展创新教学在学生感兴趣的点,从而激发学生的学习兴趣和自主学习意识。老师,例如,可以使用PPT组织图片和小动画。,让死人活过来的教学材料设计图片效果,加载背景音乐,使死者教材来活着。然而,教师应注意合理布局,明确主题,恰当地展示教学内容,避免昂贵的比率在创建。多通道可以使用不同的教学模式,科学搭配,科学选择,科学设计科学,这样学生可以感知语言更实立体镜地,充分体验英语。与此同时,在大学英语课堂上,教师可以把学生分成几组基于知识分microclass视频和课本,然后问学生准备相应的小组学习活动基于自愿的原则或组间同质性和异质性的分组原则。

教学评价应该多模式在当今世界,多媒体技术的普及。改进的合理性、科学性和教学评价在多模式教学的效率,教师应注意教学评价的多模式转换,并采用多元教学评价方法。教师的教学评价以下方面:教学态度、教学准备、作业改正,等等。同样重要的是要考虑是否教师的教学方法是使用多通道和多媒体教学方法科学、合理,是否我们的目标是培养学生的multi-English应用能力和跨文化交际能力,等等。此外,评估数据分析和反馈,以及教师和学生的能力,识别、和过程实时多通道信息总结,让优势保持在缺点改正。

多通道英语教学主要是分为三个阶段:preclass准备阶段,课程进展阶段,课程结束阶段。所有的教学活动都在这三个阶段。多模式教学模式旨在培养学生multi-English应用能力和科学地使用现代科技多通道感知应用于英语教学,使学生的英语学习效率和科学。多元教学模式的应用可以改变英语从无聊的活动,从颓废的神奇,从无聊的在课堂上享受,从被动到主动。教师多模态教学模式在英语课堂教学中的应用具有更积极的意义,主要是因为多模式教学模式能充分发挥学生的自我意识和探索的热情,促进学生在英语课堂探索和掌握更多的英语知识,并加强学生的综合英语素质。

3.2。多模式教学基于多通道相似的大学英语学习模式

相似度是一个简单的和复杂的单词,经常用于哲学、信息理论和语言学。原因很简单,这个词是经常使用的,但更复杂的原因是,目前还没有统一的概念。语义相似度是指判断和得分两个文本或句子的语义相似度。两个句子之间的可置换性程度,以及词义协议的程度,反映在句子相似度。编辑的最小数量乘以需要将一个字符串转换成另一种被称为编辑距离。字符替换、插入和删除等编辑操作。两个字符串之间的相似度越小,越大的编辑距离。语音识别、图像处理、自动摘要和其他领域都使用编辑距离。编辑字符串中使用的英文句子相似度的距离。语料库中的文档的总数除以总数量的文档包含词,结果是对数。 At the same time, the mathematical expression is meaningless in order to prevent the total number of documents containing the word from being zero. Because relationships in practical tasks are frequently hierarchical, the single-layer multimodal similarity calculation must be expanded to hierarchical multimodal similarity calculation. The shared function determines how similar two people are. The similarity between two individuals is high if the shared function value of the two individuals is large; otherwise, the similarity between the two individuals is low. As a result, the shared function can be used to calculate the shared function values of each individual and all other individuals, and the individual sharing degree is the sum of all shared function values for this individual. Figure2该算法的流程图来解决多通道问题。

句子相似度的计算是基于词单位,考虑到各种各样的组件在句子和相应的权重值确定初步实验。句子相似度计算方案提出了本文以词序,句子长度,关键字,nonkeywords等因素考虑在内。对于许多实际问题,必须要有有用的局部结构弱特性和无用的局部结构强的特性。不同的权重给出根据结构在不同功能的有效性。如果更多的功能有一个类似的局部结构,这种局部结构被认为是更有效。相反,如果少特性有一个类似的局部结构,局部结构被认为是不那么有效。语义主要句子相似度计算方法从句子和分析句子的句法结构到依赖树结构。这些方法需要引入大量的语法规则。文本相似度不应只考虑句子构成文本的相似性也考虑文本的结构。量化的方法和学习之间的关系称为输入样本和样本相似性学习。

摘要多模式相似性学习方法定义了不同的关系向量来代表不同的主题在输入数据和计算多通道不同主题下样本之间的相似性,以反映不同关系下样本之间的相似性。每个粒子发现的粒子至少相似,其中,确保两个粒子不共享相同的进化的利基。一开始,所有的粒子在人群中被分配到相同的利基。人口自动划分为若干个亚种群并行搜索随着人口的发展。分词可以手动或自动执行由计算机使用预排程序的算法。手动分词具有很高的工作量,但它也有一个高的准确性。虽然计算机字分割是快速,比手工分词不太准确。本文结合计算机自动分词和手动分词将被用于提高分词的速度和准确性在处理小规模语料库。

通过设计一个相似性计算方程,三个元素的相关性可以量化(如公式(1)组成的样本 ,样本 ,和的关系 。值越高,相似性越高和下 ,反之亦然,相似度越低。灵感来自于双线性相似性函数,相似度计算函数方程所示(2)。

上述相似性的基础上计算函数,一个投影向量是补充道。样品可以被计算 。因此,修改后的相似度计算函数可以写成:

之间的相似性和可以计算为:

模型的优化目标是基于经验风险最小化的原则,及其目标函数是:

当 :

当 :

由此,我们可以得到:

然后,使用梯度下降法来解决参数θ,最后的决定作用。

除了考虑从模型的角度来看,输入数据的质量影响相似的学习结果。因此,它必须设计从数据输入的角度来看。作为方法的数据优化,表示学习不仅降噪,降低数据的维数,但也突显出数据的性质。I / CF患者被随机从人口中形成一个临时分组人口,和新生成的个体相比,在临时分组人口。匹配的等位基因的数量被用来确定相似度,和最高的个体相似性替换为新个体。多通道相似的学习的目标是改善传统方法的可解释性通过测量不同关系下输入样本向量的相似性。算法将节省发现极端点,直到所有的极端点已经找到,然后减少极端点的健身价值在一个小范围在一个特定的方式防止优化搜索再极端点。从相同的数据中提取不同的特征,使用不同的特征提取方法。后定义一些特性产生重大影响的相似性,本文提供了一些定义相关的英文句子相似度计算,然后提出了一种基于这些定义相似度计算方案,以及具体实施步骤的句子相似度计算。

精度是由计算平均所有极端点之间的错误发现的搜索和那些已经存在,如图所示

其中,是全球极端点的数量,然后呢是一对已知极端点和极端点的发现通过搜索;代表多通道优化算法的准确性。迭代的平均数量可以计算使用方程(10): 在哪里是全球极端点的数量;代表了找到所需的迭代次数极端的观点。的值越小 ,多通道优化算法的性能越好。

获得的层次结构用于控制每一层的神经元数量和它们之间的连接状态。样品和样品之间的相似性在每个神经元可以被视为是否有这样一个句子的连接模式和连接模式的程度。同时,集群中心的第一层被认为是一种关系向量,用于计算相似性的单层模型。类似的个体很可能属于同一人口。基于这个想法,一个模块相似模型提出了确定是否属于同一个人。因此,如果两个粒子具有更紧密的健身价值和欧拉距离,然后他们可能属于同一细分市场。为了解决在复杂样品中各种元素的影响相似度学习,注意力机制的基础上,介绍了多通道相似的学习。类似于人类的感知系统,注意力机制可以给不同的关注权重不同的块在样例根据培训的具体需求,以便块应注意得到更多的关注,而块不需要注意相应的被忽略。

4所示。结果分析和讨论

为了验证本文提出的相似度模型的有效性,该模型应用于文本检索领域,每一个模型的设计评估的一部分。在那之后,与最新的现有模型相比。在semisupervised学习,一些实验样品已经知道相应的标签。具有相同标签的样本对被称为积极的例子对,和样品对不同的标签被称为对负面例子。有别于传统的关键字提取方法,实验从英语句子提取关键词。传统的关键字提取通常是中国句子的分词和词性标注。这种方法的优点是,它可以快速并且准确地提取关键字的句子,它适用于大规模的语料库。其缺点是,一些单词句子中起着重要的作用,但是,词性不符合要求,将被忽略。关键字提取根据单词在句子中的作用在本章不一定相关单词的词性。这个关键字提取方法适用于小规模数据集,和关键词提取的精度高于传统方法。 We use four methods LSA (implicit semantic analysis), LSA+N-Gram,Word2 Vec, and this method to do the experiment of screening candidate words. The experimental results are shown in Table1。

上面的表显示候选词的正确率筛选实验用这种方法是96.31%,高于LSA, LSA +语法和Word2Vec。因此,这种方法的效果是最好的。算法运行的固定数量的迭代,和准确性是用来测量误差之间的全局极值发现的算法和实际全局极值。每个人都需要比较全局极值点发现自己的搜索与现有的全局极值点。极值点之间的误差越小被搜索和发现现有的极值点,算法的性能越好。为了验证该算法的性能,我们比较该算法与传统算法和词向量算法。不同的算法如图的错误3。

通过提供一个索引的文本,文本检索算法搜索数据库类似于索引文本的文本。因此,索引文本之间的相似度计算和检索文本有直接影响文本检索结果的质量。五个不同的数据集被用来评估文本检索的有效性。我们使用Word2Vec工具将词表示转换为实值向量和向量操作文本语义相似度的计算。表达的监督学习方法使用多通道相似以前学习结果作为输入,并定义和优化不同的关系,向量和投影向量学习不同样品在不同的相似关系。测试数据集包括长期和短期的句子以及不时的句子,然后加工成向量表示只包含关键字,所有的单词,和nonkeywords。最后,本文讨论的相似性计算方法用于比较这些词向量的相似度计算的结果。召回指数是用来比较不同算法,结果如图所示4。

培训的层次相似,首先,所有的神经元都完全作为一个整体培训pretraining有关。然后,根据分层聚类的结果,神经元之间的权重不应与设置为0。一个简单而有效的方法发现英语搭配的搜索词语料库是计数。如果两个词出现多次,它更有可能搭配。然而,这不是理想的选择只有最频繁发生的紧身上衣。我们有统计中的词语料库和上市最常见的二进制集团语料库及其发生的频率,如表所示2。

在实际任务中,样本之间的关系遵循语义关系的分布,有层次从属。因此,单层样本之间的关系扩展到多层膜,和分层多通道使用相似的学习方法。代替同义词在相关英语文献在测试设置中,插入替换测试集到mysql数据库,并使用c3p0数据库连接池和dbutil数据库连接工具连接到数据库,编程工具是Eclipse, Java编程语言。在文本检索过程中,首先,应在输入框中输入查询词。在分析和匹配这个词,它是判断是否匹配的结果是空的。如果匹配成功,就意味着匹配检索并显示例句。如果匹配失败,这意味着没有匹配的例句,并进一步拼写检查是必要的,建议相关的单词,然后,再进行检索。成功率是最重要的性能指标来评估多通道优化算法。成功率是主要通过运行的优化算法次。如果优化算法发现所有的全局极值点的可行解空间一定运行后的测试函数,然后这是运行成功;否则,它认为这是失败了。我们进行了许多次的实验来验证该方法的成功率。画出折线图,结果如下所示。

从图中的结果5这种算法的优点,成功率验证。外部样本的选择记忆描述给定样本的不同特点通过寻找不同使用不同的周边邻国给定样本的样本和样本。和选择样本给他们之间最初的记忆,这将给样本对更高的重量,更符合实际情况。为了提高获得的准确性搭配,我们使用一个简单的启发式规则来过滤候选短语。代表形容词,P代表介词,和N代表名词。为了更好地反映样本之间的层次关系,隐层神经元都没有完全联系在这里,但是隐层神经元的数量和他们的链接是联系在一起的层次聚类。考虑nonkeywords,为了验证本文提出的相似度计算方法优于其他模型,随机选择一些英语句子,然后,这些句子进行处理。对于每一个句子,两个相似的英语句子。图所示的算法的准确性6。

从图6可以看出,与其他算法相比,该算法的准确性较高。在这个算法,不仅输入数据的特征作为一个整体被认为还需要关注的重要的块内输入数据被认为是,类似于人类的感知系统。为了应用注意机制,输入数据划分,注意每个部分的重量数据中自动学习算法。关键字查询模块主要是提取关键词返回的例句,并准确表达的主要信息通过关键词例句,这样用户可以选择和学习大量的例句返回根据自己的利益。文本标签和同义词典包含在数据集,等。以上信息可以通过层次聚类方法,学科集群和集群获得的层次结构可以被视为层次网络链接结构。成功率可以用来衡量算法的稳定性。如果优化算法可以成功地搜索所有的极端点一次,但它不能成功运行在其他时候,然后算法的性能不稳定。优化算法的稳定性测试,结果如图7得到了。

从图可以看出7本文的优化算法的稳定性高。将输入样本划分为不同的模块,使用注意力机制更新关注权重不同的块样品实时根据实际情况。它确保培训结果的可解释性,提高相似的学习效果,并通过实验验证了该方法的有效性。通过分析错误的实验数据和计算公式,发现在计算两个句子之间的相似度,相似度计算方法基于向量的关系模型主要考虑的影响因素,较短的句子,忽略了长句子对句子相似度的计算,并考虑句子长度不合理的相似性。但是,本文中的相似性可以精确测量两个句子的影响因素,因此,精度也很高。

5。结论

随着教学改革的发展,多元教学模式已经越来越多的关注,在国内大学学习在大学英语教学。多模式教学依赖于数字环境,给学生提供一个平台来使用语言。使用这个资源,教师应该使自己的语言学习能力积极通过现有的理论和具体的组织方法和鼓励他们选择语言表情变化的情况下,以促进语言和语境之间的对应关系。用英语多模式教学结合这篇文章相似模型。从模型的角度来看,针对缺乏可解释性的传统相似学习方法参数和计算过程,提出了几个关系向量不同的含义和定义量化不同关系下样本之间的相似性。大学英语多元教学,并提供一些方法。这种方法使教师、学习者、主题,在很多方面和对象进行交互,充分调动学习者的积极性和主动性,培养外语学习者的创新意识,并使语言学习更自然的行为模式。与此同时,与现有的算法相比,通过实验验证了这一方法的有效性。实验结果表明,该方法解释。

简而言之,在大学英语课堂教学过程中,教师应积极应用多模式教学模式培养学生的学习自主性和英语综合素质,进一步提高英语课堂教学的有效性。多元教学模式的建设和应用,相信它将在未来进一步推广和普及,它将进一步推动英语教学的发展,促进英语教学改革。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者没有任何可能的利益冲突。