自言自语打一字

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇自言自语打一字范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

自言自语打一字范文第1篇

可是有一天，它们原本宁静的生活被打破了。这天，森林外传来了一阵轰隆轰隆的声音，动物们都很好奇，纷纷跑出去看个究竟，只见十辆车子向森林开来。可动物们都看不懂这是啥玩意儿，都议论纷纷。这时，无数把斧头从车上跳了下来，浩浩荡荡地进驻了这片森林，开始进行肆无忌惮的“屠杀”——砍伐树木。动物们见此情景，吓了一大跳，纷纷奔走相告。狮子大王听说了这件事后，马上召集全体动物：“大家不要怕，我们的森林这么大，斧子们不可能把树全部砍光的，大家尽可放心！”但这次狮子把问题想得太简单了……

在这一批斧头中，有一把小斧子立志成为斧头中的骄傲。于是它发奋图强，每天砍的树越来越多。终于从无数把斧头中脱颖而出，当上了“工作之星”，又成为了斧子中的“头头”。它的效率变得越来越高，人们对它的赞扬声也络绎不绝。

时间一天天地过去，“斧头帮”并没有要撤退的意思。由于小斧子它们每天实在是太卖力了，使得许多大树被夺去了生命，许多动物的家园也因此遭到灭顶之灾。动物们实在忍受不下去了，便从中选出了两位代表：聪明机智的小猴和“森林卫士”啄木鸟，让它们去跟小斧子进行谈判。

于是，啄木鸟和小猴子来到小斧子面前，开始做它的思想工作：“小斧子呀，你不要再乱砍乱伐了呀，我们的家可都住在树上呀，你要是把树都砍光了，我们该住哪呀？实在不行，你能不能每天少砍一些树……”可小斧子却执迷不悟，不听从劝告，打断了它们的话：“我砍伐树木是为了人类呀，你们懂什么？现在可是21世纪，世界上有好几个重大工程正急需木材呢！我们还要加倍努力，砍更多的树呢！再说天底下树这么多，你们住哪棵树上都行，干吗非住这儿不可呀？真是的，一边玩去！别防碍我的工作！”啄木鸟它们继续苦口婆心地劝说着，可小斧子依然一意孤行，执意要继续为人类服务。最后，它们叹了一口气，和其它动物一起搬家了。

小斧子继续卖力地工作着，这里每天都运出几十车木头，森林里的大树也变得越来越少。可这时人类发现天上的空气越来越浑浊了，咳嗽的病人也越来越多。人类经过调查后才发现，原来是由于世界上的树木被砍伐，越来越少，而人口却越来越多，从而导致氧气变少，空气质量变差。于是人类都把责任推脱到小斧子身上，纷纷指责小斧子。斧头公司也迅速开除了小斧子。

小斧子觉得非常委屈，于是这天深夜，小斧子独自跑了出来，坐在一颗大树前呜呜地哭着。突然，旁边有一个声音响起：“孩子呀，你知错了吗？”小斧子吓了一大跳，连忙转过头来，可是附近并没有人，只有一棵大树。它小心翼翼地问：“大树爷爷，是您在说话吗？”“是的，小斧子！”小斧子听到这儿，“哇”地一声哭了出来，开始对大树诉说自己的不幸。大树爷爷听完后，沉思了一会儿：“小斧子呀，你为人类服务是正确的，但也要把握分寸呀。俗话说：物极必反，做任何事都要有个度呀！我们大树不仅可以建造楼房、铁路，还能减少噪音，阻挡沙尘暴，而且还有一个重要的工作，那就是充当地球的肺。每天我们吸进二氧化碳，吐出万物赖以生存的氧气。而你这样疯狂地乱砍乱伐，会使树木越来越少，氧气也越来越少，沙漠化速度却越来越快，这样迟早有一天这个世界上的所有生物都会灭绝的呀！”小斧子若有所思地点了点头：“那爷爷我从今以后再也不砍树了。”“哈哈，你又错了！”大树爽朗地大笑起来，弄得小斧子丈二和尚摸不着头脑，“我们只要合理利用森林资源，合理砍伐树木，还要加快植树造林，这样森林很快又会恢复生机。”“大树爷爷，我懂了，我一定会合理砍伐树木。”

自言自语打一字范文第2篇

关键词： 移动学习 移动学习资源 资源建设

一、移动学习及学习资源的定义

（一）移动学习的定义

移动学习（Mobile Learning）是一种在移动设备帮助下的能够在任何时间、任何地点发生的学习，移动学习所使用的移动计算设备必须能够有效地呈现学习内容并提供教师与学习者之间的双向交流。

（二）移动学习资源的定义

广义的学习资源师学习活动中所需要的全部资源，包括人、财、物、信息、制度等。狭义的学习资源师指学习所需的信息资源、媒介资源等。本文所指的移动学习资源是指可支持移动终端，体现移动教育环境特征，支持移动教育环境下学习高效进行的数字化资源，是指在分析研究学习者特征和学习需求的基础上，运用科学的教学策略和方法设计符合移动终端学习特点的学习资源支持服务。

二、移动学习资源和网络学习资源的区别

移动学习资源和网络学习资源与传统的书本、辅导资料等纸质学习资料相比，都属于数字化学习资源，它们有相同点，例如资源均是多媒体形式。不过移动学习资源也有区别于网络学习资源的地方，完全将它们移植到移动学习平台上并不合适。

（一）移动学习的特点

1.移动性

移动学习使用的工具是智能移动终端，这使得学习者的学习活动不再局限在某个固定的场景之下，学习活动可以发生在任何时间、任何地点。学习者通过移动设备可以随时随地对已经下载到本地的学习资源进行学习，同时可以通过无线网络获取网络上的信息学习。

2.碎片化

随着现在人们生活节奏的加快和生活方式的改变，人们的工作学习时间、空间已经从传统的连续固定转变为灵活和开放。人们经常利用等车、等人甚至上厕所的零碎时间进行移动工作或学习。可见人们的学习环境和学习方式都呈现出碎片化特点。移动学习能很好地满足成人学员的这种碎片化的学习需求。

3.个性化

开放教育成人学员的水平、学习动机和学习风格各不相同，传统教育在保证教育成果方面先天不足，而移动终端的私有性和学员之间在个性上的差异，决定了移动学习具有个性化的特点，移动学习可以帮助学员依据自己的兴趣、特点和需求拟定学习内容和进度。

（二）移动学习资源的特点

1.内容简明扼要

网络学习资源往往是以一门完整的课程为单位进行建设，一般知识结构完整并且系统性较强。而移动学习资源为学员利用碎片化时间学习而设计，过大的信息量和过多的学习任务使得学习者在不固定的学习时间内很难进行有效学习。移动学习资源要求内容尽量简单，所承载的内容应短小精悍，要求以相对独立的知识点为单位，突出知识重点。

2.媒体短小精悍

考虑网络环境和设备本身的一些局限，移动学习资源应尽量微型化，承载量不应过大，不会因为网络连接速度或者设备计算速度等客观原因影响学习资源的获取，使学习者能迅速获取和访问。

3.满足个性化学习

同网络学习资源相比，移动学习资源更注重学习者的个性化学习。应该可以使学习者依据个人知识结构和兴趣爱好选择学习资源，因此，移动学习资源在设计与开发过程中应充分考虑学习群体的特点，设计多样化的学习资源，实现学习者的个性化学习。

三、开放教育移动学习资源建设的原则

（一）要以学员的实际需求为依据

移动学习资源建设的最重要依据就是学员的实际需求，因为归根到底，学习资源建设是为电大开放教育学员服务的，他们选择来到电大就读，有他们自身的考虑，比如有些学员是想通过系统学习专业知识完成课程学习任务取得学历毕业文凭，有些学员想通过学习获得分析解决工作中实际问题的能力，以期有更好的职业发展，有些学员只是出于自身的兴趣爱好，等等。

（二）要以适当的知识点划分资源内容

成人学员在进行学习中，注意力常处于高度分散、易受干扰的状态，很难一次性完成有很多知识点的学习，因此提供的学习内容既要保证知识点的单一性以便能够在较短时间内完成，又要保证知识点有相对完整的知识结构。一般来说，知识点要相对独立，语言简练，易利用图形、动画或者声音进行描述的学习内容，较适合开发设计移动学习资源。

（三）要能引导学员自主学习

开放教育学员以成人学员为主，他们平时工作较忙碌，缺乏学习的主观能动性，因此如何引导学员掌握自学的方式方法，刺激他们自觉主动地进行学习，是移动学习资源建设中不能忽视的问题。移动学习属于学员传统学习模式的补充，除了靠学员自己保持主动学习的积极性外，学习资源的建设必须能促进学员进行自主学习，例如每个知识点学完后都有小而明确的学习任务，通过完成任务给予学员成就感，从而达到促进其进行自主学习的目的。

当前移动学习发展并不成熟，优质的移动学习资源比较缺乏，但是随着移动学习的不断进步，移动学习资源必将以多样化的形式展现给学习者，移动学习也必将发挥出更大作用。

参考文献：

[1]李园园.成人移动学习资源建设的研究[D].北京：北京交通大学，2012.

[2]梁国胜，李睿.移动学习在远程教育中的应用[J].软件导刊，2010.

自言自语打一字范文第3篇

——文艺表演

“马大力——”“马大力——”“小不丢——”“小不丢——”“苗苗老师叫你们去她的办公室。”亮亮一口气说了五句话。“知道了，呜呜。”被马大力打过的小不丢边哭边叫道。“哦。”马大力也回应道，“惨了，苗苗老师肯定又要批评我们了！”到了办公室，本应生气的苗苗老师却微笑着对他们俩说：“马大力，小不丢，你们的所作所为我都看见了，我现在想让你们俩在星期五的文艺会上表演‘武松打虎’，怎么样？愿意吗？”马大力和小不丢的嘴都张成了“0”字形，要知道，他们就是一个能打，一个能挨，其他啥优点也没有哇。可苗苗老师却依然笑道：“我的意思是让小不丢演老虎，马大力演武松，你们俩就把平时是怎样的用故事演出来不就行了吗？”马大力连声叫道：“好！好！我一定演！”小不丢却不高兴：“为什么每次被打的总是我啊，不公平！”苗苗老师笑着说：“如果是前三名，我请你们吃‘KFC’怎么样？”被美食诱惑的小不丢立即说：“好！好！”

星期五很快就到了，小不丢摸着将要被打的头，痛苦地说：“唉，今天又要遭殃了！”在一旁的了了也“呜呜”了两声，表示同情。

“希望小学文艺会现在开始！首先，请六<4> 班的马大力和小不丢为我们带来的‘武松打虎’，欢迎！”穿着唐装的马大力自豪地走上了台，后面跟着披着假虎皮的小不丢，马大力为了美食，拼命地追赶着小不丢，并用尽了全力打他，可怜的小不丢只能默默地忍受着，让马大力尽情地打。果然，他们的表演地到了最多的掌声，并得了第一名！

自言自语打一字范文第4篇

关键词： 自然语言理解； 语义相似度； 全文检索； 在线答疑系统

中图分类号：TP399 文献标志码：A 文章编号：1006-8228（2015）05-10-03

Abstract： The similarity calculation based on natural language understanding is still a research content of the computer language processing technology. Based on the knowledge representation of "HowNet"， considering the both factors of depth and density， by using a more sophisticated multivariate semantic similarity algorithm， and with a full-text search matching technology， an online answer system in the limited field is designed and implemented. The experimental results show that， the system is reliable， the answer effect is more obvious， and the desired goal is achieved.

Key words： natural language understanding； semantic similarity； full text retrival； on-line answer system

0 引言

随着计算机网络技术的飞速发展，传统的教学手段已不能满足当前大信息量的教学内容需求，因此，创造一个在教师指导和引导下学生自主式学习的智能系统平台很有必要。智能的网络答疑系统可以利用自然语言处理技术对学生的疑问进行自动匹配处理，它的出现为网络教学提供了交互的情境，成为支持网络教学顺利进行的重要条件。智能网络答疑系统是传统课堂教学的重要补充，并逐渐在学生学习、认知、再学习这样一个闭环的学习过程中发挥着举足轻重的作用[1]。

1 设计思想及算法原理

基于计算机自然语言处理技术，充分利用校园网络资源，通过人机互动等丰富信息表现形式，实现一个智能的、高效的基于自然语言理解的专业课程自动答疑系统。系统设计的关键是如何实现快速、高效的智能搜索答案。该过程实际上类似于一个搜索引擎，其核心就是构建一个结构合理、具有完整丰富内容的知识库，并能够在自然语言理解的基础上，快速、准确的完成自动答疑工作。基于自然语言理解的在线答疑系统中两个关键技术分别是：中文分词技术和相似度计算。

1.1 中文分词技术

自然语言理解（Natural Language Understanding，简称NLU）研究如何让计算机理解和运用人类的自然语言，使得计算机懂得自然语言的含义，并对人给计算机提出的问题，通过人机对话（man-machine dialogue）的方式，用自然语言进行回答。为了使计算机系统能够较好地理解用户提出的问题，首先需要对问题进行处理，这一过程最先用到的最为关键的技术就是分词技术【2，3】。由于中英文之间的语言组织、词法结构不同，使得中文分词一直以来成为制约中文自然语言处理的主要因素。而中文文本中，只是字、句和段之间可以通过明显的分界符来简单划界，词与词之间没有天然的分隔符，中文词汇大多是由两个或两个以上的汉字组成，并且语句是连续书写的。这就要求在对中文文本进行自动分析之前，先将整句切割成小的词汇单元，即中文分词（或中文切词），相比英文语句处理，中文分词难度更大。

从算法处理上看，目前主要有三种【4-6】：一是基于词典的分词方法，它使用机器词典作为分词依据，分词效率高，目前应用范围较广；二是基于统计的分词方法，它是利用统计方法，通过对大规模文本的统计，让计算机自动判断的方法，该方法使系统资源开销较大；三是基于人工智能的分词方法，如专家系统和神经网络分词方法等，这类方法目前尚处于实验室阶段，尚未投入实际应用。

1.2 相似度处理技术

相似度计算在自然语言处理、智能检索、文本聚类、文本分类、自动应答、词义排歧和机器翻译等领域都有广泛的应用[7]。其计算方法按照基于规则和统计分为两种情况：一是根据某种世界知识（如Ontology）来计算，主要是基于按照概念间结构层次关系组织的语义词典的方法，根据在这类语言学资源中概念之间的上下位关系和同位关系来计算词语的相似度[8]；二是利用大规模的语料库进行统计，这种基于统计的方法主要将上下文信息的概率分布作为词汇语义相似度的参照依据[9]。

⑴ 常用语义词典

对于基于语义词典的相似度计算方法，由于存在计算简单、基础条件低、假设条件易于满足等优点，受到越来越多研究者的欢迎。常用语义词典主要有[10-12]：WordNet、FrameNet、MindNet、知网（HowNet）、同义词词林、中文概念词典（CCD），以及叙词表、领域概念网、概念图等概念网络结构。本文对于相似度的计算主要是基于知网（HowNet）结构。其概念结构如图1所示。

⑵ 相似度计算

与概念相似度密切相关的一个概念是语义距离（semantic distance）。在一棵树形图中，任何两个节点之间有且只有一条路径，在计算语义相似度的时候，这条路径的长度就可以作为这两个概念的语义距离的一种度量，通常认为它们是概念关系特征的不同表现形式，两者之间可以建立一种简单概念词相似度用来描述概念树中两个节点之间的语义接近程度，一般最常用的是刘群提出的以《知网》为基础的相似度计算方法[13]：

式⑴中，p1和p2表示两个概念节点，dis（p1，p2）是树状结构中两节点间的最短距离，α是一个调节参数，表示相似度为0.5时的路径长度。

文献[14，15]综合考虑深度与密度因素，提出了多因素义原相似度计算方法：

式⑵中，h为义原树深度，l为LCN层次，LCN为最小公共父节点。

文献[16]认为该方法存在两点不足：一是该式仅把相似度取为密度、深度因素的算术平均值，显然对于概念节点分布不均的情况不够合理；二是该式没有对密度、深度两者的影响程度进行分析，这样对他的使用范围受到了限制。基于此考虑，提出了改进的语义相似度计算方法：

式⑶中，l（p1，p2）为分别遍历概念网中节点p1，p2到达其最小公共父结点所历经的父结点（包括最小公共父结点）数的最大值。w（p1，p2）为p1，p2所在层概念数的最大值。算法关键部分引进了一个调节参数λ（p1，p2），并保证在该参数的作用下，当节点p1，p2所在层概念数较多，即w（p1，p2）增大时，密度因素对相似度的贡献值大；而当p1，p2离最小公共父结点较远，即l（p1，p2）增大时，深度因素对相似度的贡献值较大。同时算法约定，当p1，p2的父结点和最小公共父结点相同，且同层只有p1，p2两个节点时，调节参数为0.5。该方法即为本文在相似度计算方面采用的算法模型。

2 模型设计

下面我们参考文献[17]，按照一般教师对于问题的处理方式，在上述概念语义相似度计算的基础上，从计算机建模层面上给出计算机自动答疑模型的建模过程。

Step1：计算条件

已知标准问题库A可以表示为关键词序列：A=（a1，a2，…，an）；学生提问B可以表示为关键词序列：B=（b1，b2，…，bn）。

Step2：相似度计算

⑴ 知识点关键词信息提取

该问题的处理主要通过提取学生问题中每一个关键词，对照系统知识库，从底层开始遍历搜索，当找到对应的概念节点时，提取该节点的高度、密度等属性信息，并保存起来，搜索完成后即可参加相似度的计算。

⑵ 概念相似度求解

概念相似度的计算采用语义相似度技术，设标准问题库A可以表示为知识点的一个向量组A=（a1，a2，…，an），循环遍历每一个学生输入的问题关键词序列，通过概念语义相似度算法可得到任意两概念之间的相似度Sim（ai，bj），其中i=1，2，…，m，j=1，2，…，n。

Step3：匹配结果输出

前面已经完成了输入问题和标准问题库之间的循环相似度匹配计算，为了将需要的信息提取出来，模型还需要设置一个阀值δ。通过阀值δ这个关卡，将相似度结果大于δ的问题提取出来，并按照降序排列输出即可。论文答疑系统模型建模流程如图2所示。

3 系统实现与验证

系统设计环境为Visual Studio 2005，数据库服务器为SQL Server 2000。采用B/S网络模型进行构架设计，按照系统功能需求划分为用户表示层、应用逻辑层和数据访问层三个层面。系统测试界面如图3所示。

如图3所示，在答疑系统界面中输入问句：“计算机包含哪些硬件？”，系统自动分词后生成的关键词语汇单元为：“计算机；硬件”（其中“包含；哪些”等作为停用词已经被过滤掉了），然后系统自动在数据库中检索匹配，最终反馈了12条相关结果，图3为部分结果截图。这里说明一点，反馈结果的多少取决于阀值δ，测试中我们选取的阀值δ为0.8，一般我们取阀值δ在0.8左右即可。

为了进一步验证系统的查询能力，我们将刚才的问句调整为：“计算机包含？”，这时系统自动分词后生成的汇单元只有一个关键词“计算机”，最终匹配结果如图4所示。

这里读者或许会发现，系统反馈回来的结果与问题毫不相关。其实，这并不是系统出错，而是“知网”概念网络中“计算机”与“硬件、软件”两个概念关系比较密切，表现为在概念网络中的节点位置较为接近，匹配结果相似度值较高，因此才有了上述的结果。也就是说，也许在某些时候当查询某个概念时，相近的结果就会被检索出来（或者当不确定查找的问题时，只需输入相近的问题，也会查询到想要的答案），这就是基于自然语言理解的语义相似度计算模型优势所在。

4 结束语

由于汉语词汇表达的复杂性和词汇语义概念较强的主观性，以及具体应用领域的专业性等因素影响，目前基于自然语言理解的相似度计算仍是计算机语言处理技术需深入研究的内容。本文在“知网”知识表示的基础上，充分考虑“知网”深度和密度因素影响，基于全文检索匹配技术，设计并实现了一个限定领域内的在线答疑系统，大量的运行结果证明了该系统是可靠的，达到了系统设计的目的。但在准确性方面还存在不足，从第一个测试中可以看出，提问人员真正需要的是：“计算机的硬件组成”。其重点关注的是计算机、硬件，而答案给出了太多的“计算机特点，计算机发展”等其他一些与“计算机”有关的匹配答案，其原因是关键词权重的影响因素没有体现出来，离真正的自然语言理解还存在一定的距离，这是系统下一步有待改进的地方。

参考文献：

[1] 冯志伟.自然语言问答系统的发展与现状[J].外国语，2012.35（6）：28-30

[2] 黄，符绍宏.自动分词技术及其在信息检索中的应用研究[J].现代图书情报技术，2001.3：26-29

[3] 沈斌.基于分词的中文文本相似度计算研究[D].天津财经大学，2006：12-17

[4] 张波.网络答疑系统的设计与实现[D].吉林大学，2006：30-31

[5] 张丽辉.计算机领域中文自动问答系统的研究[D].天津大学，2006：14-18

[6] 朱.中文自动分词系统的研究[D].华中师范大学，2004：12-13

[7] 周舫.汉语句子相似度计算方法及其应用的研究[D].河南大学，2005：24-25

[8] 于江生，俞士汶.中文概念词典的结构[J].中文信息学报，2002.16（4）：13-21

[9] 胡俊峰，俞士汶.唐宋诗中词汇语义相似度的统计分析及应用[J].中文信息学报，2002.4：40-45

[10] Miller G A， Fellbaum C. Semantic network of English [M]//Levin B， pinker S. lexical & conceptual semantics. Amsterdam， Netherlands： E lsevier Science Publishers，1991.

[11] Baker C F. The Berkeley frameNet project [C]//Proceeding ofthe COLING -ACL.98.Montreal， Canada，1998：86-90

[12] 黄康，袁春风.基于领域概念网络的自动批改技术[J].计算机应用研究，2004.11：260-262

[13] 刘群，李素建.基于“知网”的词汇语义相似度计算[C].第三届汉语词汇语义学研讨会论文集，2002：59-76

[14] AGIRREE， RIGAU G. A Proposal for Word Sense Disambigua-tion Using Conceptual Distance[EB/OL]，1995：112-118

[15] 蒋溢，丁优，熊安萍等.一种基于知网的词汇语义相似度改进计算方法[J].重庆邮电大学（自然科学版），2009.21（4）：533-537

自言自语打一字范文第5篇

关键词：建构主义；自主学习模式；网络；学习策略训练

中图分类号：H319文献标识码：A文章编号：1671―1580（2014）01―0080―03

《大学英语课程教学要求》把增强其自主学习能力和培养学生的英语综合应用能力作为大学英语的教学目标。[1]相关研究表明，学习策略是促进自主学习的关键因素。[2]然而，多年来我国英语教学强调模仿、记忆等语言训练，忽视学习策略的训练，虽然大学生比较一致地肯定学习策略在学好英语方面的积极作用，但对英语学习策略了解不多，实际学习中较少有效地使用学习策略，自主学习能力普遍较低。针对以上问题，本研究以建构主义理论为指导，网络技术为支撑，构建并实施了“基于网络和策略训练的英语自主学习模式”。

一、自主学习的理论依据

建构主义形成于20 世纪60 年代，是认知心理学理论的一个分支。它最早是由瑞士心理学家皮亚杰提出的，是在吸收了行为主义、认知主义等诸多学习理论的基础上形成和发展起来的。建构主义学习观认为，学习应该是积极的、建构性的学习，知识主要不是通过教师传授获得的，而是学习者在一定的情景及社会文化背景下，借助他人（包括教师和学习伙伴）的帮助，利用必要的学习资源，通过意义建构的方式而获得的。总之，建构主义的学习理论与教学理论强调学习环境、学习者对意义的主动构建以及人际间的协作，倡导以学生为中心的教学模式。网络资源下英语自主学习模式应“以学生为中心”：学习者在一定的情境即社会文化背景下借助其他人的帮助，利用必要的学习资源，发挥网络作为教学平台和交流媒介的作用，通过意义建构的方式而获得知识，在学习和运用英语的过程中进一步学会如何学习。

二、基于网络和策略训练的英语自主学习模式

“基于网络和策略训练的英语自主学习模式”是在建构主义理论指导下，以学生为中心、利用网络环境、借助教师学习策略指导的自主学习模式，主要包括学习策略导入、课内外网络自主学习以及效果评价三个环节。强调通过学习策略训练，提高学生的策略运用能力，全面发展英语综合应用能力；以自主学习为中心环节，实际运用策略训练的各项内容，强调将课内与课外学习相结合，充分发挥教师的主导作用、学生的主体作用和评价的反拨作用，培养学生的自主学习能力；以网络技术为支撑，网络资源为保障，为学生网上自主学习提供优质的资源环境。

（一）策略训练教学

该模式突出了学习策略训练在自主学习中的作用，强调将策略导入、课堂融入性训练和课内外自主学习融合在一起，系统地培养学生的自主学习能力。具体做法如下：

1.根据 O’Malley和Chamot（1990）对策略的分类，即元认知策略、认知策略和社会/情感策略[3]设计调查问卷。通过问卷调查，了解学生的策略意识和策略使用情况。根据学生的个体情况分组，指定学习任务。

2.对学生进行学习策略培训，包括：陈述性知识（说明策略是什么）、程序性知识（说明如何使用策略）和条件性知识（说明何时有效地使用策略和为什么使用这些策略）。根据学习内容的不同提供一些有代表性的学习策略供学习者选择，使学生了解听、说、读、写、译过程中可以用到的策略。

3.教师将策略培训融入到课堂教学中，随时指导学生使用相关学习策略。在教师的监督、指导和帮助下，学生运用所学策略完成规定的学习任务。

4.小组根据各自的具体情况选择课外学习任务，将课堂上练习的内容灵活地运用到课外网络自主学习中，小组成员在小组内交流策略运用情况，分享好的学习方法。

5.以小组为单位，课堂展示所完成的课外学习任务，教师和学生对该组完成任务的情况进行讨论和分析，对所使用的学习策略和自主学习能力做出评价，指出存在的问题，为学生自主学习能力的进一步提高做好充分准备。

（二）网络环境建设

该模式有赖于自主学习网络环境的建设，以保证自主学习和教学活动的顺利开展。

1.硬件环境：建设了拥有2000多个机位的大学英语自主学习中心、网络语言实验室、网络录播室、在线答疑室、多媒体教室、电子阅览室和大学英语教学电台；购置了专用服务器数据库、网站服务器、网络存储等硬件设施。

2.软件环境：设计了网络学习记时系统，在此基础上，自主开发了网络自主学习学时阻止系统、跨站点登录、跨站点数据获取和学时系数记录等子系统，对网络学习情况进行调控和即时反馈，为网上自主学习提供了优越的软件环境。

3.资源环境：对现有教材、网络资源进行信息化教学设计，建设了大学英语教学网（http：//），学生可以随时登录网站，利用网络教材（如《新时代交互英语》《新视野大学英语》《新世纪大学英语》等）进行自主学习，开发了英语在线、互动学习中心、空中英语教室等教学资源，扩充了教学课件、四六级英语、考研英语等板块，为教师课堂教学和学生网上自主学习提供了丰富的资源保障。

（三）多元评价机制

该模式将策略训练和自主学习纳入形成性评价体系，结合自我评价、小组评价、教师评价以及网上自主学习管理系统评价等人机结合的多元化方式对策略训练效果和学生学习过程进行观察、监督和评价，帮助学生克服策略使用的随意性和无计划性，加强对学生学习过程的监控和学习策略的指导，鼓励学生对策略训练过程进行反思和评价，促进学生自觉调控学习活动，并最终实现学习目标。

三、实践效果

（一）提高了学生的英语成绩

本研究采集了2009级文学院B1实验班和B2对照班入学摸底成绩和实施该模式后的期末考试成绩，用SPSS软件对前测和后测成绩进行数据分析。

表1数据显示，实验班和对照班入学摸底英语成绩的平均数（分别为73.67和74.02）、标准差（分别为8.698和8.675）都很接近，由t检验结果可见，p值为0.147>0.05，说明两组数据无显著性差异，即实验组和对照组的入学英语成绩无显著性差别。从期末英语成绩数据统计分析看，实验班和对照班的平均数（分别为80.58和76.87）和标准差（分别为7.356和8.542）均出现了较大差距，p值为0.001

（二）提升了学生的自主学习能力

该模式实施一学期后，对实验班实验前后学习策略使用和自主学习能力情况进行了问卷调查和访谈，并用SPSS软件进行了数据分析。

表2数据显示，认知策略、元认知策略、社交/情感策略、策略总分以及自主学习能力总分的T值都是负数，表明训练后学生的平均值有了一定程度的增加，P=.000说明两者具有显著差异。由此可知，学习策略训练对于学生的自主学习能力的提高具有一定的促进作用。训练后学生的学习策略（t=-11.033，p=.000）和自主学习能力（t=-10.417，p=.000）较之训练前都有明显的提高，说明训练后学生能够把学习策略潜意识地运用于具体的英语自主学习当中，巧妙运用各种学习策略监控自己的学习过程，促进了自主学习的顺利进行，学生自主学习能力得到明显提高。主要表现为：1.能够掌握有效的英语网络学习手段。大多数学生掌握了高效的搜索、筛选机制和自我监控、管理方法，网络学习资源和时间利用率大大提高。2.能够掌握解决学习问题的有效方法和手段。学生能够灵活地制订学习计划，采取适当的策略，并在学习中积极监控、反馈、调节、及时修正策略及策略使用过程。3.善于利用各种机会用英语进行交际。在课内外活动中积极用英语进行交流，在交际中遇到困难时能够有效地寻求帮助，情感调控能力增强，交际能力得到提高。

四、结语

综上所述，建构主义的理论框架给英语自主学习提供了新的视角，有助于对自主学习的全面理解。上文在建构主义理论指导下对基于网络和策略训练的英语自主学习模式进行了探讨，从学习策略训练、网络环境建设和多元评价机制建设等方面阐述了自主学习模式的构建，并且对其实践效果进行了数据分析，说明了该模式对提高学生英语综合应用能力和自主学习能力的积极作用。因此，在新时期大学英语综合教学改革的形势下，应借鉴建构主义理论，改变传统的教学和学习模式，加强学习策略训练，增强学生的自主学习能力，从而提高大学英语教学质量和人才培养质量。

[参考文献]

[1]教育部高等教育司.大学英语课程教学要求[M].上海：上海外语教育出版社，2007.

[2]Brown HD.Principles of Language Learning and Teaching[M].NJ：Prentice Hall Regents，1987.

[3]程晓堂，郑敏.英语学习策略[M].北京：外语教学与研究出版社，2002.