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>自结构主义语言学产生以来,语言学主要重视研究语言本身。结构主义语言学以其强化的科学性获得了显著的学术地位,影响了一个世纪的语言研究。这种研究成果大大帮助了人们认识语言的内部规律。但是,随着结构主义语言学的发展,这种“纯”语言学研究逐渐脱离了现实,脱离了应用,脱离了使用语言的人群,成为一种“armchairlinguistic”的哲理化高论。于是语言学界普遍有一种危机感。在这种情况下,很多研究者纷纷从语言内部规律的纯语言研究转向对语言的外部联系的研究。在中国近年来受到西方人类语言学和文化学的影响,有人也试图研究语言与文化的关系,建立“文化语言学”,从而打破传统语言学研究的沉寂局面,繁荣语言学的研究。但是这种“文化语言学”只能作为语言学研究的补充,