普通话水平测试中“系统性”的归类和操作

来源 :国家语言文字工作委员会 | 被引量 : 0次 | 上传用户:susili
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
“系统性”概念在广西普通话水平测试中是说话评分归档的一个依据。目前对“系统性”把握的分歧较大。其原因是多样的,既有音系基础不一的问题,也受音位双向聚合关系的影响。本着既便于评分操作,又能正确反映应试人语音水平的原则,尝试采用以中介语作为测试评分中“系统性”的分类基础,将所分的类作系统性描写,并在此基础上讨论与“系统性”有关的评分操作问题。
其他文献
在汉语NP自动分析中,名词和量词的搭配问题是难点。本文在HPSG理论框架下,构建了汉语NP的形式化模型,并分析了该模型在LKB系统中的实现情况,总结了用LKB实现HPSG的优势与不足之处。
本文提出了一种基于统计和规则相结合的汉语最长名词短语识别方法。首先使用条件随机场模型进行标注识别,再结合最长名词短语的边界信息和内部结构信息对错误识别结果进行后处理。实验结果表明,本文提出的统计和规则相结合的自动识别方法是有效的,开放测试结果F值达到了90.2%。
本文研究了基于基本块信息使用条件随机场模型(CRF)对汉语功能块进行自动标注的问题,针对词和基本块的两种不同的标注策略,将汉语基本块信息分别形式化成相应的特征,通过大量的特征组合优化实验,进行特征选择和模型参数估计。实验结果表明,在CRF模型中,基本块相关特征信息的加入可以大幅度地提高功能块识别性能。开放测试表明,在以基本块为单位的标注策略下,功能块自动标注的F值达到89.12%,这是目前最好的汉
本文提出了一种基于层叠条件随机场的CFN句法语义自动标往方法。该方法在低层条件随机场模型中解决了框架元素的识别,将识别结果传递到上层短语类型识别的条件随场模型,再将识别结果传递到上层句法功能识别的条件随机场模型,其低层模型为上层模型提供决策支持,并且在每层自动标注完成后,增加后处理规则去识别那些没有被正确标注的词语。实验选用CFN中“陈述”框架下的句子库,实现了基于层叠条件随机场句法语义自动标注的
1988年出版的《汉语水平等级标准和等级大纲》试行本,注意到了离合词的特殊性。其中词汇大纲采取的是一种折衷的办法,一方面把离合词作为词条整体列出,而不是作为两个单音词分列,但是另一方面,在拼音、词性的处理上仍然采取与短语相同的办法:“对于常用的动宾、动补结构,整体选人,不注词性。……如‘握手、跳舞’。而语法大纲则完全没有提及离合词。本文对此进行讨论。
笔者在十多年的对外汉语教学中,对学生学汉字以及使用汉字时出现的各种现象都比较关注。除了在专门开设的零起点汉字课上以外,在综合课、阅读课以及写作课的各种学生练习中,笔者发现学生的汉字错误中有相当一部分是由于汉字中的形似字造成的。联想到中国人自己,有时也会因形似字而犯错,语文高考当中有一项就是让学生辨别形近易误字。那么,汉字当中形似字的数量有多少?本文探讨这些形似字反映了汉字的什么特点?找出形似字的一
本文主要探讨“比”字句1-9类的偏误产生的原因,从表面上看来,这些好像是非常不同的偏误形式,但是实际上这些不同的语法点是相互联系、相互影响的一个体系。如同我们对语言体系一贯的看法,语言的变化不是局部的,而是整体的。当一个词汇的义项扩大,必然会有另一些相关词汇的义项在消减。当一个句式的功能在扩大,也必须有一些旧的句式的作用在退化。中介语体系也是如此。学习者的母语和他们刚刚习得的目的语的部分规则在冲撞
所谓名词的定指性问题,就是一个名词是“有定”还是“无定”的问题。不了解汉语名词的定指问题,就不能有效地抓住下列错句的症结,因此也不能有效地更正。我们先来看看一些错句的例子(按照惯例,本文中用星号表示有错。在汉语教学中,尽管名词的有定与无定是一个很重要的问题,却很少得到重视。只是在讲到“把”字句的宾语时才提到一些,而且有些提法不很全面,甚至是错误的。
文章针对普通话水平测试的特点,以非常实用的方式分别展示了经典测验理论和概化理论的常见信度估计方法,发现可靠性指数法是普通话信度估计的最佳方法,并成功地解决了普通话三级六等切割分数线的信度估计问题。
普通话水平测试是一项新兴的语言测试,其特点主要有:测试的现场性、对象的个别性、判断的即时性、评价的主观性等。这些特点决定了普通话水平测试信息管理工作是一项环环相扣的系统工程,如果某一个环节出现失误,都将直接影响测试工作的正常进行。由于测试工作量大、面广,因而考务信息管理任务十分繁重。本文讨论以现代化技术手段代替手工操作是普通话水平测试工作发展的必然要求。