【摘 要】
:
现代汉语中否定词及否定结构使用频率极高,句式结构复杂。外国学生在学习汉语时,经常出现使用错误的情况,因此否定词教学一直是对外汉语教学的重点和难点。本文选取现代汉语否定词中使用频率最高的两个词“不”和“没”,对其语义及句法特征进行研究总结,并将其与阿拉伯语中常用的否定词“(?)”和“(?)”进行对比分析。阿语中常用否定词较少,用“(?)”和“(?)”可以表达多数否定意义。此外,由于在现代汉语中,否定
论文部分内容阅读
现代汉语中否定词及否定结构使用频率极高,句式结构复杂。外国学生在学习汉语时,经常出现使用错误的情况,因此否定词教学一直是对外汉语教学的重点和难点。本文选取现代汉语否定词中使用频率最高的两个词“不”和“没”,对其语义及句法特征进行研究总结,并将其与阿拉伯语中常用的否定词“(?)”和“(?)”进行对比分析。阿语中常用否定词较少,用“(?)”和“(?)”可以表达多数否定意义。此外,由于在现代汉语中,否定词“不”和“没”有较大不同,但在阿语中“(?)”具有广泛的否定意义,在多数情况下都可以使用,所以阿拉伯学生在使用汉语否定词“不”和“没”时常会受到母语的影响产生偏误。本人作为毛里塔尼亚的汉语学习者,发现汉语的否定副词虽然并不多,却对将汉语作为第二语言的毛塔学习者造成了很大的困扰。汉语“不”和“没”的语义和句法特征等方面存在的复杂性和受阿语的负迁移影响,使阿语学习者在习得过程中容易产生偏误。为了帮助减少毛塔学习者在学习汉语否定副词时的偏误,提高他们的汉语学习效率,同时为汉语教学提供些许帮助,本文选取阿拉伯学生习得汉语否定副词“不”和“没”作为研究对象。本文包括引言和结论在内,共有五部分:第一章是引言,分三小节介绍了选题意义,理论依据和研究方法,文中语料来源以及前人研究成果综述;第二章主要包括对否定词“不”和“没”的语义、句法及语用特征的总结、阐述和分析,以及对否定词“不”和“没”的对比分析;第三章将汉语否定词“不”和“没”与阿语中常用否定词“(?)”的语义及句法特征进行对比分析,指出两者的异同;第四章主要从阿拉伯学生在学习过程中出现的偏误情况入手,辅以调查问卷,通过对整合的偏误情况及对调查问卷的分析,总结阿拉伯学生常出现的偏误类型及偏误成因;第五章为结语,在文章最后指出本文的研究意义。
其他文献
文章以我国政策性农业保险试点方案为研究内容,对农业巨灾风险基金相关问题,如农业巨灾风险基金的理论根源、筹集途径、有效使用、特别是封顶等进行了系统探讨。最后,对我国
水平衡对保持人体健康起着重要的作用,肾脏是调节该平衡的重要器官。尿崩症(Diabetes insipidus,DI)是肾脏对精氨酸加压素(Arginine vasopressin,AVP)缺乏反应,不能浓缩尿液
区域经济结构是解密中国增长的逻辑起点,也是寻求公平增长的重要考量,结构与增长的恰合是理解中国高增长奇迹出现的关键,而经济结构扭曲问题的集中爆发则是引导中国进入低增
摘要:中国的外商直接投资呈现出东、中、西部区域非均衡分布的特征,已成为影响中国地区经济差异的重要因素。通过引入Moran I指数,文章分析了中国FDI的区域聚集效应。在此基础上,借助邓宁的区位特定优势理论,通过建立面板数据模型,分析了中国FDI区域差异性的动态原因,并将其归结为数量因子和质量因子的影响。外资流入东部地区的原因是其质量因子的区位优势,并且质量因子在后期超越了数量因子成为东部地区吸引F
根据到1991年底为止能够搜集到的资料,整理出大陆东部(λ≥108°E)及邻区M≥6地震目录、中国大陆西部(λ<108°E)及邻区M≥7地震目录。东部收入地震261次,其中含邻区地震100次;西部收入地震153次,其中含
植保技术是农业生产中防灾减灾的一项关键技术措施,抓好植保工作是农业生产安全丰收的保障,而先进的植保机械和专业化统防统治是解决目前农作物病虫害防治效率低下难题的根本
中国的农村因为城市的发展正在迅速改变,根据对北方农村YGZ村的一些记忆和调查发现,在很大程度上消逝的是农业生产活动,并非村庄本身。观察表明,YGZ村依然保持着小农经营模式
系统性硬化病(SSc)是老年风湿性疾病中较少见但较为严重的一种疾病。肺部病变常表现为肺动脉高压(PAH)及肺问质纤维化。因PAH早期大多数患者无相应临床表现,故早期发现SSc患者PAH,
组焊后的大型压力容器内部存在着较大的焊接残余应力,需要通过焊后整体热处理来降低这些残余应力。热处理时压力容器内部的传热以及与外界的换热等一系列现象无法直接观察与测量,传统的经验法又无法保证热处理质量的可靠,本文采用数值模拟方法建立了一套能反映大型压力容器内燃法焊后整体热处理升温阶段的数值模型,并对热处理升温阶段温度场进行了模拟和预测。采用扩展计算域的方法,将包括压力容器、容器内部烟气、容器外部保温
针对现有滚动轴承故障识别精度低的问题,存在冗杂信息较多和分解识别计算量大的问题,将集合经验模态分解(ensemble empirical mode decomposition,EEMD)与多尺度排列熵、邻域