简介:认知视角下的语法研究发现汉语存在句有“目的物一参照物”和“参照物一目的物”两种反映人们感知世界图景的组合方式。西班牙语用“Estar”和“Hay”充任述语的句法结构来表示汉语存在句所表示的语义。像汉语存在句一样,表示存在范畴的西语句法结构的句法成分也有两种排列方式,但汉西两种语言在存在句小类上略有差别。通过用“self-pacedreading”实验设计测试以西班牙语为母语背景的墨西哥汉语习得者识别“是”、“有”等6个汉语句法结构来考察墨西哥汉语习得者的母语迁移、汉语存在句的认知模型以及正误汉语存在句识别模型的差异。实验结果表明,墨西哥初级汉语习得者在识别汉语的存在句时:一、西语的负迁移影响到被试对“是”字存在句宾语和述语的识别;二、被试理解汉语存在句的“目的物一参照物”,“参照物一目的物”排列序列未显示出显著差异;三、被试在理解正确的存在句和错误的存在句时.理解策略有别。
简介:在韩国语的众多音韵现象中,与流音相关的音韵现象最为丰富。有流音化、鼻音化等同化现象,辅音群单一化现象以及流音脱落现象等,其中流音化现象最为引人注目。根据辅音//与//在音节中的不同位置,流音化现象可以分为同向流音化与逆向流音化。研究表明同向流音化现象既存在于单词(汉字词)内部又存在于音节与音节之间。像本文研究对象义州方言中出现的//→[](,一年),//→[](,八年)等属于前者,音节与音节之间的同向流音化主要是音节末尾的/甜,谢,琵,访/等辅音群首先经过辅音群单一化变成//,之后将下一音节开头的//同化为//。逆向流音化只存在于汉字词中,例如//→[](,万里长城),//→[](县训,本束)等。本文以沈阳地区朝鲜族发音合作人的义州方言为研究对象,对该方言中的流音化类型以及音韵现象发生的过程进行分析考察,这对日后进一步对该地区方言进行研究具有一定的意义。
简介:“我爱每一片绿叶……”“怎么?!每一片你都爱?!有一种绿叶,有剧毒,不但人吃了要死,就是不小心,皮肤沾上了,那也会很快溃烂!你也爱这样的毒叶?!”
简介:发展电动汽车对促进节能减排、带动产业转型升级有重要意义。目前消费者对电动汽车的接受度不高是导致电动汽车市场发展缓慢的主要原因之一。研究电动汽车潜在消费者的特征和市场接受度不仅有利于探究市场发展的关键影响因素,而且也是政策制定的重要决策依据。本文在构建电动汽车市场接受度影响因素模型的基础上,通过网络调研1071名私家车车主,并运用卡方检验和多项Logistic回归等统计方法实证研究消费者对电动汽车接受度的主要影响因素。结果表明年龄、学历水平和家庭平均年收入对电动汽车的市场接受度有显著影响,消费者更倾向于购买电动汽车作为家庭第二辆车,其特征是本科学历、家庭平均年收入为15万~30万元之间、对电动汽车比较了解和试驾过电动汽车。回归结果表明社会影响、充电便利性和感知风险是电动汽车市场接受度的主要影响因素,其中充电便利性因素对不愿意购买电动汽车的消费者的影响大于愿意购买电动汽车替换燃油车的消费者,从众心理是影响消费者愿意购买电动汽车替换燃油车的因素。最后,基于研究结果,本文为电动汽车产业的发展提出政策建议。
简介:【摘要】数学不过是语言所能到达的最高境界,对话不过是课堂生命的纽带。创设愉悦的课堂氛围,有利于让学生敢于对话;建立规范语言,有助于学生高效对话;提高课堂对话能力有利于培养学生创新意识,有利于对知识的进一步理解,有利于培养学生数学核心素养,有利于学生对数学活动的探究,从而提高思维。本文就从小学数学课堂对话能力的现状和策略两方面展开自己的讨论。
简介:摘要目的本研究旨在构建预测神经重症患者在脑损伤后72 h内出现自主呼吸停止的Nomogram模型,用于潜在脑死亡供者的早期识别。方法2017年10月至2019年1月期间,前瞻性纳入中山大学附属第一医院收治的神经重症患者,以创伤性颅脑损伤和自发性脑出血为主,动态记录评估脑损伤的相关参数;其中2017年10月1日至2018年5月31日期间数据用于构建训练集,2018年6月1日至2019年1月31日期间数据用于构建验证集。以脑损伤后72 h内出现自主呼吸停止作为时间兴趣点和分组因素,单因素和多因素分析与自主呼吸停止相关的因素,然后构建Nomogarm预测模型,最后在验证集中对Nomogarm预测模型进行验证。结果依据纳入标准,共127例患者纳入研究;65例进入训练集,62例进入验证集。在训练集中,经单因素和多因素分析显示:中线结构移位(OR=4.56, 95%CI: 1.87~19.21),环池消失(OR=4.83, 95%CI: 1.35~16.34),咳嗽反射(OR=3.82, 95% CI:1.15~12.42),脑室内出血(OR=3.16, 95%CI:1.53~14.52)和血Na+<125 mmol/L(OR=3.06, 95% CI:1.53~13.44)是与神经重症患者在脑损伤后72 h内出现自主呼吸停止的相关因素,然后以相关因素构建Nomogram预测模型。在训练集和验证集中,神经重症患者72 h内出现自主呼吸停止率的预测C指数分别为0.81(95%CI:0.76~0.85)和0.80(95%CI:0.75~0.83)。进一步统计分析显示评分140分,160分和170分是危险分界点,其中140分,160分和170分在72 h内自主呼吸停止的概率分别为30.1%,65.6%和93.4%。结论基于脑损伤评估参数构建的Nomogram模型,能预测神经重症患者自主呼吸停止发生的时间,可用于潜在脑死亡供者的早期识别,结果有待进一步外部数据验证。