大学新生学习适应、社交适应、情绪适应间的动态联系:一项追踪研究

从高中到大学的学校过渡是典型的发展转折点。大学新生既要适应学业环境、社交网络的改变,还要适应自我发展中身心转变。适应心理各维度的发展轨迹各不相同,但同时在发展中也会以一种有意义的方式相互联系。本研究采用密集追踪设计,招募了426名大学新生在入学后第一学期进行连续19周的问卷测查,考察学习适应、社交适应和情绪适应的时间趋势以及三者之间的相互关系。动态结构方程结果表明:(1)大学新生的社交适应状况的动态变化相对稳定,而学习适应和情绪适应状况随时间呈下降趋势;(2)新生学习适应每周的波动变化独立于情绪适应和社交适应;(3)新生社交适应、情绪适应之间存在交叉滞后关联。了解新生适应心理的发展规律,将有助于学生的自我发展和学校开展有针对性的适应教育。

基于Transformer增强架构的中文语法纠错方法

语法纠错任务是自然语言处理领域的一项重要任务,近年来受到了学术界广泛关注。该任务旨在自动识别并纠正文本中所包含的语法、拼写以及语序错误等。该文将语法纠错任务看作是翻译任务,即将带有错误表达的文本翻译成正确的文本,采用基于多头注意力机制的Transformer模型作为纠错模型,并提出了一种动态残差结构,动态结合不同神经模块的输出来增强模型捕获语义信息的能力。受限于目前训练语料不足的情况,该文提出了一种数据增强方法,通过对单语语料的腐化从而生成更多的纠错数据,进一步提高模型的性能。实验结果表明,该文所提出的基于动态残差的模型增强以及腐化语料的数据增强方法对纠错性能有着较大的提升,在NLPCC 2018中文语法纠错共享评测数据上达到了最优性能。