聚焦/非聚焦反馈对学习者主谓一致准确性的影响

以聚焦反馈和非聚焦反馈为研究视角,对学习者主谓一致准确性进行分析,结果发现聚焦反馈和非聚焦反馈都有利于提高主谓一致的准确性,聚焦反馈组和非聚焦反馈组在主谓一致的习得上都优于控制组。但在具体的反馈效果上,聚焦反馈组和非聚焦反馈组没有明显的差异。

聚焦式书面纠错反馈对习得英语一般过去时的影响

为探讨聚焦式书面纠错反馈对中国英语学习者习得一般过去时规则与不规则动词形式的效果,本研究对78名学生的看图作文分别给予直接纠错和附带语法信息的直接纠错,并通过前测、即时后测和延时后测考察了其效果。实验结果显示:1.书面纠错能促进英语一般过去时的习得;2.这两种纠错方式产生相似的习得效果;3.语法信息对粘着语素的习得没有帮助。该结果驳斥了Truscott书面纠错无效的观点,为反馈有效的论断提供了正面证据。

反馈焦点对中国英语学习者写作准确性的影响

文章通过"前测—干预—即时后测—延迟后测"的方法,考查了不同形式反馈焦点对写作准确性的影响。研究将90名受试分为聚焦组、非聚焦组和对照组。实验结果表明,从总体反馈效果来看,聚焦反馈和非聚焦反馈均能有效提升写作的准确性,且聚焦反馈的效果更佳。研究认为,这是由于这两种反馈形式均能提升学习者对于语言形式的注意,且聚焦反馈能使学习者更为注意目标结构所致。

聚焦式书面反馈对英语写作的影响研究

书面反馈一直备受学界的关注,本文以书面纠正性反馈的反馈焦点之一——聚焦书面反馈为讨论的重点,对近二十年间有关研究进行整理综述,证实此反馈是一种更适合英语写作教学环境的反馈策略,最后从被试、主观感知、错误类型等角度探讨未来的研究方向。

国外书面修正性反馈实证研究综述

书面修正性反馈是近十年来二语习得领域的研究热点之一。然而国内的研究才起步,成果也并不丰富。因此,该研究评述了近年来国外二语习得领域关于书面修正性反馈的实证研究,并在此基础上分析了今后研究的方向和新的视角,以期对国内研究有所启示。

口头纠正性反馈研究述评

分析纠正性反馈对二语习得的作用。综述口头纠正性反馈的类型及有效性,即对近年口头纠正性反馈的研究焦点和趋势进行系统的梳理,并揭示其存在的主要局限,以期对未来关于纠正性反馈作用的研究有所启发和助益。

话语重复的互动表现及其形成原因与机制

话语重复是指互动交际过程中某个独立语言形式内部成分被同一说话人接连重复使用,属于服务于说话人特定交际需求的一种表达手段和言语策略,其从不同角度可分为“始发型与回应型”“积极型与消极型”“引述型与非引述型”。重复形式在会话序列中的功能表现具有动态性和浮现性,并有进一步规约化的可能。话语重复现象的产生可以从会话过程中的“注意力吸引”和“聚焦性反馈”两方面来认识,由违背数量准则触发的语用推理与基于数量象似性的认知识解是促成话语重复现象的重要机制。

聚焦和非聚焦书面反馈对英语非真实条件虚拟语气习得的影响

本文探讨了聚焦和非聚焦反馈是否能提高非英语专业生非真实条件虚拟语气运用的准确性。实验9周,受试96人,根据前测成绩和反馈类型将学习者分为五组:直接聚焦,间接聚焦,直接非聚焦,间接非聚焦和控制组。结果显示:所有实验组的成绩在即时后测和延时后测中都大大超过了控制组,但在即时后测中,聚焦和非聚焦组无明显差异,直接聚焦优于间接聚焦组,直接非聚焦优于间接非聚焦组;在延时后测中,聚焦优于非聚焦组,间接聚焦优于直接聚焦组,间接非聚焦优于直接非聚焦组。此外,语言水平也影响到对虚拟语气习得的反馈效果。实验结果驳斥了Truscott纠错无效反而有害的观点,为反馈有效提供了正面证据。

Control of Halo-Chaos in Beam Transport Network via Neural Network Adaptation with Time-Delayed Feedback

Subject of the halo-chaos control in beam transport networks （channels） has become a key concerned issue for many important applications of high-current proton beam since 1990＇. In this paper, the magnetic field adaptive control based on the neural network with time-delayed feedback is proposed for suppressing beam halo-chaos in the beam transport network with periodic focusing channels. The envelope radius of high-current proton beam is controlled to reach the matched beam radius by suitably selecting the control structure and parameter of the neural network, adjusting the delayed-time and control coefficient of the neural network.