大作家们如何理解阅读

20世纪40年代,纳博科夫先后在美国的韦尔斯利学院和康奈尔大学为学生开设文学名著选读课,他的一次导论课讲稿后来以《好的读者和好的作者》为题目发表。在这堂课上,他向他的学生们传授了这样三个阅读秘决。

浅析高考英语阅读理解阅读策略及答题技巧

随着高考英语教育的改革，占全卷分值近三分之一的阅读理解题也在命题和题目设计上发生诸多变化，文章对高考英语阅读理解阅读策略及答题技巧做出了较为细致的浅析。

高三学生如何提高理解阅读能力

阅读是理解和吸收书面信息的手段，阅读能力的培养是高中阶段英语学习的重要任务。在高三复习阶段应坚持阅读的强化训练，使阅读能力得到更快的提高。这不仅可以帮助我们顺利地解答英语测试中的阅读理解题，还可以将这种能力迁移到对其它试题(如完形填空题等)的解答中，

阅读理解更需要“理解阅读”——中考英语阅读理解应对策略

阅读理解题是中考测试的必考题型,也是中考的“重头戏”。该题型分值高,权重大,因此在日常教学中也往往是学习的重点,无论是在教材设置上,还是教师授课上,阅读在学生的英语学习中占用的时间最长。尽管平时学习的过程中,师生也会共同学习研究阅读文本和答题策略,但在中考测试中,考生如何更为高效、科学地应对阅读理解题,夺得这“兵家必争之地”,值得我们研究和思考。

面向机器阅读理解的高质量藏语数据集构建

机器阅读理解是通过算法让机器根据给定的上下文回答问题,从而测试机器理解自然语言的程度。其中,数据集的构建是机器阅读理解的主要任务之一。目前,相关算法模型在大多数流行的英语数据集上都取得了显著的成绩,甚至超过了人类表现。但对于低资源语言,由于缺乏相应的数据集,机器阅读理解研究尚处于起步阶段。该文以藏语为例,人工构建了藏语机器阅读理解数据集(TibetanQA),其中包含20000个问题答案对和1513篇文章。该数据集的文章均来自云藏网,涵盖了自然、文化和教育等12个领域,问题形式多样且具有一定的难度。另外,该数据集在文章收集、问题构建、答案验证、回答多样性和推理能力等方面,均采用严格的流程以确保数据的质量,同时采用基于语言特征消融输入的验证方法说明了数据集的质量。最后,该文初步探索了三种经典的英语阅读理解模型在TibetanQA数据集上的表现,其结果难以媲美人类,这表明藏语机器阅读理解任务还需要更进一步的探索。

Ti-Reader:基于注意力机制的藏文机器阅读理解端到端网络模型

机器阅读理解旨在教会机器去理解一篇文章并且回答与之相关的问题。为了解决低资源语言上机器阅读理解模型性能低的问题,该文提出了一种基于注意力机制的藏文机器阅读理解端到端网络模型Ti-Reader。首先,为了编码更细粒度的藏文文本信息,将音节和词相结合进行词表示,然后采用词级注意力机制去关注文本中的关键词,利用重读机制去捕捉文章和问题之间的语义信息,自注意力机制去匹配问题与答案的隐变量本身,为答案预测提供更多的线索。最后,实验结果表明,Ti-Reader模型提升了藏文机器阅读理解的性能,同时在英文数据集SQuAD上也有较好的表现。

面向抽取式阅读理解的数据增强研究

在抽取式阅读理解中,语言模型在训练数据较少情况下的表现不佳,使用EDA方法虽能有效增加数据量,但会造成数据中语义信息损失,导致模型训练效果不佳。针对上述问题,结合EDA提出面向少样本情况下抽取式阅读理解的数据增强方法,在保留数据中问题正确答案的前提下对数据进行单词级和句子级数据增强。同时,为了对句子语义影响最小的单词进行数据增强,使用基于语义相似度的数据增强方法(DASS)计算句子中某一个单词删除前后的语义相似度,以判断该单词对句子语义的影响,选择对语义影响最小的单词进行数据增强,提升训练数据质量,以提升语言模型鲁棒性。在HotpotQA数据集上的实验结果表明,DASS可以解决模型在样本数量较少时获取语义信息不足的问题,在样本数量为500时,模型预测的F1值提升23.94%,在对整个数据集使用该方法时,模型预测的F1值提升了2.54%。

阅读理解细节题的策略使用及不同培训状态考生间的对比研究

策略使用在二语阅读理解测试中起着关键作用。同时,策略教学也是备考活动的一个重要组成部分。本研究通过实证方法开发了一份包含39个题项的策略使用问卷。共217名考生在完成阅读理解细节题以及词汇语法测试后,接受了策略使用问卷调查。其中,109人接受过阅读策略培训,108人未接受过培训。对问卷结果进行主成分分析后,得出了包含34个问卷项目的六个策略成分。通过计算加权成分得分,并使用条件随机森林分析,本研究对六个策略成分得分以及词汇语法题项得分对于考生培训状态的预测力进行了分析。研究结果表明,受训组和未受训组在四类策略的使用上存在显著差异。研究揭示了阅读理解细节题测试中策略使用的丰富细节,并为策略教学提供了一定的启示。

用好统编教材,为促进学生的阅读理解服务——以《将相和》教学为例

在“阅读策略单元”的教学中,整体上要将学习阅读策略与加深阅读理解、思维能力与思想教育有机统一;局部上要处理好识字写字与语言运用、传统媒介与现代技术的关系,聚焦为提升学生的核心素养服务。吴筱瑾老师执教的《将相和》课例,实践了“用好统编教材,落实课标理念”的价值追求。

纸质和屏幕,谁更适合阅读理解?

技术的进步和移动终端的快速普及,不仅催生了全新的超文本、多模态、非线性阅读形式,而且使传统的狭义上的阅读(线性纸质书面文字阅读)也发生了一系列重大变化。在这个发展变化过程中,移动终端的普及,使得人们的阅读活动越来越多地采用数字屏幕技术(如笔记本电脑、智能手机、平板电脑、iPad)和电子阅读器(如Kindle)等。

一种利用对抗样本提高抽取式阅读理解模型效果的方法

抽取式阅读理解是自然语言处理的重要任务,需要机器在阅读理解自然语言文本的基础上,从中抽取给定问题的答案(输入文本中的片段),并在问题不可回答时拒绝回答.这种不可回答情况的存在使机器阅读理解更具有挑战性,特别是在输入文本含有似是而非文本片段时,现有模型很容易将这样的片段混淆为问题答案,进而错误判断问题的可回答性.为了进一步提高抽取式机器阅读理解模型的效果,本文将SQuAD 2.0数据集中的似是而非答案看成对抗样本,将其既作为答案文本片段抽取的正例,也作为问题可回答性的负例,在现有模型答案交叉熵损失的基础上增加排序损失.在SQuAD 2.0上进行的实验表明,本文方法可以提高现有模型的阅读理解能力,明显提升可回答性判断及答案文本片段抽取的效果.

家庭阅读环境对学龄儿童汉字识别、口语词汇知识与阅读理解的影响:一个发展级联模型

对149名小学一年级儿童进行3年追踪,探讨学龄儿童家庭阅读环境、汉字识别、口语词汇知识和阅读理解的发展级联。结果显示:(1)家庭阅读环境通过一年级的阅读理解扩散到二年级的汉字识别,进而影响三年级的阅读理解。(2)家庭阅读环境通过一年级的口语词汇知识扩散到二年级的阅读理解,进而影响三年级的口语词汇知识和阅读理解。(3)虽然家庭阅读环境对一年级汉字识别仅有边缘显著的直接预测效应,但一年级的汉字识别可以预测二年级的阅读理解和口语词汇知识,进而影响三年级的汉字识别、阅读理解和口语词汇知识。研究表明,学龄儿童家庭阅读环境、汉字识别、口语词汇知识和阅读理解之间存在间接的、多向的发展级联效应。

初中听障学生语素意识与阅读理解的关系研究

目的 帮助初中听障学生提高阅读理解能力。方法 以2所特殊教育学校初中阶段的听障学生为被试,对其语素意识、阅读理解、识字量和词汇知识进行测评,并使用相关分析、分层回归和结构方程模型,探讨语素意识对初中听障学生阅读理解的影响,以及识字量与词汇知识在其关系中的中介作用。结果 在分层回归分析中,听障学生的语素意识对阅读理解能力具有显著的独立预测作用。在构建结构方程模型后,听障学生的语素意识对阅读理解能力具有显著间接效应(P<0.05)。结论语素意识对词汇知识和识字量的直接影响显著,对识字量的影响程度大于对词汇知识的影响程度;语素意识对阅读理解的直接效应具有显著水平。语素意识对阅读理解能力还存在以词汇知识作为中介变量的间接效应。

基于MacBERT与对抗训练的机器阅读理解模型

机器阅读理解旨在让机器像人类一样理解自然语言文本,并据此进行问答任务。近年来,随着深度学习和大规模数据集的发展,机器阅读理解引起了广泛关注,但是在实际应用中输入的问题通常包含各种噪声和干扰,这些噪声和干扰会影响模型的预测结果。为了提高模型的泛化能力和鲁棒性,提出一种基于掩码校正的来自Transformer的双向编码器表示(Mac BERT)与对抗训练(AT)的机器阅读理解模型。首先利用Mac BERT对输入的问题和文本进行词嵌入转化为向量表示;然后根据原始样本反向传播的梯度变化在原始词向量上添加微小扰动生成对抗样本;最后将原始样本和对抗样本输入双向长短期记忆(Bi LSTM)网络进一步提取文本的上下文特征,输出预测答案。实验结果表明,该模型在简体中文数据集CMRC2018上的F1值和精准匹配(EM)值分别较基线模型提高了1.39和3.85个百分点,在繁体中文数据集DRCD上的F1值和EM值分别较基线模型提高了1.22和1.71个百分点,在英文数据集SQu ADv1.1上的F1值和EM值分别较基线模型提高了2.86和1.85个百分点,优于已有的大部分机器阅读理解模型,并且在真实问答结果上与基线模型进行对比,结果验证了该模型具有更强的鲁棒性和泛化能力,在输入的问题存在噪声的情况下性能更好。

基于阅读技巧识别和双通道融合机制的机器阅读理解方法

机器阅读理解任务旨在要求系统对给定文章进行理解,然后对给定问题进行回答.先前的工作重点聚焦在问题和文章间的交互信息,忽略了对问题进行更加细粒度的分析(如问题所考察的阅读技巧是什么?).受先前研究的启发,人类对于问题的理解是一个多维度的过程.首先,人类需要理解问题的上下文信息;然后,针对不同类型问题,识别其需要使用的阅读技巧;最后,通过与文章交互回答出问题答案.针对这些问题,提出一种基于阅读技巧识别和双通道融合的机器阅读理解方法,对问题进行更加细致的分析,从而提高模型回答问题的准确性.阅读技巧识别器通过对比学习的方法,能够显式地捕获阅读技巧的语义信息.双通道融合机制将问题与文章的交互信息和阅读技巧的语义信息进行深层次的融合,从而达到辅助系统理解问题和文章的目的.为了验证该模型的效果,在FairytaleQA数据集上进行实验,实验结果表明,该方法实现了在机器阅读理解任务和阅读技巧识别任务上的最好效果.

一种多任务联合训练的机器阅读理解模型

在机器阅读理解任务中,如何在包含不可回答问题的情况下提高答案的准确性是自然语言处理领域的一项重要挑战.虽然基于深度学习的机器阅读理解模型展现出很好的性能,但是这些模型仍然存在抽取特征冗余、语义信息不全面、问题分类任务和答案抽取任务耦合性不强的问题.为了解决以上问题,本文提出一种结合门控机制和多级残差结构的多任务联合训练模型GMRT(Gated Mechanism and Multi-level Residual Structure for Multi-task Joint Training),以提升机器阅读理解任务中答案预测的准确性.GMRT构建门控机制来筛选交互后的关联特征,从而控制信息的流动.采用多级残差结构分别连接注意力机制和门控机制,保证每个阶段都保留原始语义信息.同时,通过边缘损失函数对问题分类任务和答案抽取任务联合训练,确保预测答案过程中任务之间的强耦合性.在SQuAD2.0数据集上的实验结果表明,GMRT模型的EM值和F1值均优于对比模型.

面向机器阅读理解的医学域数据集MedicalQA

机器阅读理解旨在利用算法让计算机理解段落语义并回答用户提出的问题,该任务所用数据集的质量可直接影响模型的实验结果。为丰富机器阅读理解的医学领域数据集,本文以爬虫和人工标注的方式构建了面向机器阅读理解的医学域数据集MedicalQA。本数据集以寻医问药网和39健康网两大医疗平台为主要数据来源,包含19502个段落、问题和答案,内容涉及内科、外科、妇产科等9大科室。数据集形式为excel文件,由5列组成,第一列为段落ID,第二列为段落所属科室,第三列为段落内容,第四列为问题,第五列为问题对应答案。本数据集的构建,有利于机器阅读理解模型的鲁棒性研究以及医学问答系统的构建,也能促进机器阅读理解领域的医学数据集共享。

基于小句复合体的中文机器阅读理解研究

机器阅读理解任务要求机器根据篇章文本回答相关问题。该文以抽取式机器阅读理解为例,重点考察当问题的线索要素与答案在篇章文本中跨越多个标点句时的阅读理解问题。该文将小句复合体结构自动分析任务与机器阅读理解任务融合,利用小句复合体中跨标点句话头-话体共享关系,来降低机器阅读理解任务的难度;并设计与实现了基于小句复合体的机器阅读理解模型。实验结果表明,在问题线索要素与答案跨越多个标点句时,答案抽取的精确匹配率(EM)相对于基准模型提升了3.49%,模型整体的精确匹配率提升了3.26%。

中考英语阅读理解试题分析及启示

教学评估是教学过程不可或缺的一环,它对于教学活动产生显著的反馈效果。在英语书面评估中,阅读理解试题扮演了关键角色,对于实现学生学科素养的有效提升具有重要意义。本文通过分析2021年中学英语阅读理解的真实试题,探讨了这些试题的设计特色,并在此基础上提出了对英语阅读教学的建议。这包括深入研究《课程标准》以理解其要求和宗旨,注重多模态文本的教学,设立深度阅读任务以培养学生的高级思维技能,并关注跨文化意识的发展。

二语学习者工作记忆能力与阅读理解水平相关性的实证研究

本研究聚焦二语学习者的工作记忆能力与其阅读理解水平之间的相关性,通过对英语专业大学生的工作记忆容量测试和阅读理解得分测试,来比较二语学习者不同的工作记忆能力对他们的阅读理解成绩有何影响,以及这种影响是否会因为阅读理解的不同题型而产生新的变化。结果表明:(1)工作记忆与二语学习者的阅读理解水平之间有着显著关系,这一关系不仅体现在阅读总分上,而且体现在阅读理解的不同题型上以及对阅读时所需的逻辑思维能力上;(2)二语学习者工作记忆水平越高,阅读理解水平越强,他们之间呈现正相关关系。这一研究结果进一步反映了工作记忆在语言学习中的作用,可以为教学实践提供一些指导。