吉尔认知负荷模式下的口译员能力培养

近年来,国内外学者开始对口译员的能力培养问题进行研究与分析。在本篇文章中笔者将以吉尔认知负荷模式为切入点,对口译员能力进行详尽的分析与解读。     

汽车购买过程中消费者认知价值的探讨

随着消费者认知价值重要性不断的增长,越来越多的汽车企业开始重视消费者认知价值,怎样提高消费者认知价值就成为汽车企业关注的话题,文章从消费者认知价值的概念出发,深人分析了在汽车购买过程中影响消费者认知价值的主要因素,提出了提高消费者认知价值的主要方法.     

┎忝嫔系拇砦笞鞴治鲅芯?然而

认知角度来探讨英文写作错误,这对于提高英文写作教学质量和学生写作水平将大有裨益。A Socio-cognitive Approach to Errors in ESL WritingLI Hui,XIAO Fu-shou(College of Foreign Languages,Shanghai University,Shanghai 200444,China)While many scholars engaged in ESL writing pedagogy analyze     

浅析认知策略在英语听力教学中的应用

听力理解是一种重要的语言技能,也是一个复杂的认知过程。本文分析了听力理解的障碍,探讨了认知策略在英语听力教学中的实际应用,提出了听力训练的模式,旨在提高学生的英语听力理解能力,培养学习的自主性。     

重度间歇性低氧对大鼠认知功能及海马超微结构的影响

目的通过模拟阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的发病特征,建立大鼠间歇性低氧(IH)模型,观察重度间歇低氧(50mL/L)条件下不同暴露时间对大鼠学习记忆功能的影响和海马CA1区超微结构的改变。方法成年雄性Wistar大鼠48只分为对照(UC)组和50mL/L间歇性低氧(50mL/L IH)组。UC组放入舱内仅给予压缩空气,50mL/L IH组大鼠每日放入自制低氧舱内予间歇低氧暴露8h,分别干预2、4、6、8周。采用Morris水迷宫检测各组大鼠学习记忆功能,电镜观察海马区神经细胞超微结构。结果与UC组比较,50mL/L IH组中随低氧时间延长,神经细胞核、线粒体、粗面内质网、突触等超微结构损伤明显,水迷宫检测动物逃避潜伏期时间随缺氧时间增加而延长[从2周(49.17±8.87)s到8周的(68.42±7.91)s],均长于UC组[2周和8周分别为(25.66±2.97)s,(25.29±3.07)s];50mL/L IH组的穿台次数也随缺氧时间增加而减少(从2周7.68±1.6到8周的2.87±0.92),均少于UC组(2周和8周分别为11.57±2.18,10.65±1.26)。结论间歇性低氧可造成认知功能障碍,与海马区神经细胞超微结构损伤有关。     

认知主义学习动机理论对高职日语教学的启示

学习动机理论在第二语言习得中被认为是影响语言学习者学习成败的关键因素之一。文章从学习动机的视点出发,注重分析了认知主义学习动机理论,并从丰富教学内容、培养学生跨文化思维方式、纠正学生的不良学习动机等方面探讨了在日语教学中应如何运用这一理论更好的为日语教学服务。     

王的盛宴

在意大利，人人都有一副好嗓子。GT出身的Gran Cabrio MC纵然没有比肩458Spider以及Huracan的性能高度，它天生就是一个歌者，甚至为了嘹亮的嗓门不惜刻意地加入了后天的修饰，卖弄着独树一帜的技巧，每次发动发动机，排气管总夹杂着平地一声雷的爆炸力，一下子就把大家的注意力从458跟Huracan身上拉过来。严格来说，Gran Cabrio MC并非一台性能超班的跑车，它是身上散发着充满感性认知的GT。嗯!不夹杂着一点理性，那就是不但要满心欢喜地享受美极的车身线条，也要全盘收下那兴之所至随意发挥的简朴内饰，意大利人的随性在它身上表露无遗。     

乡村振兴背景下农村客运的价值认知和治理建议

农村客运是一个服务非常低效、运营极其困难并且规划领域过去极少关注的话题, 在乡村振兴背景下,对于它的价值需要重新认识。基于农村客运观察实践, 提出当前存在运营上财务不可持续, 政府、企业、公众三方不满足、不信任博弈, 乡村流动性受阻且派生事故风险等系列问题。结合乡村振兴发展背景, 提出农村客运的三个价值认知: 城乡分化调节和社会福利最大化、促进城乡要素双向流动和城乡空间价值转换、强化低成本和可持续的出行模式引导。结合当前客运服务供给模式, 提出农村客运治理的优化建议: 法律层面确立公益性和交通权、实现多模式供给、大力推广需求响应式客运服务、构建公交引导的村镇社区。     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。