多媒体教学条件下文本切分对阅读理解的影响

发布时间：2020-08-19 19:34

【摘要】：心理语言学中,有关阅读理解的研究一直是一个重要领域。语言中,词作为能够独立运用且有意义的最小单位,是阅读中的句子理解乃至整个文本理解的基础。因此在阅读中,词汇识别是一个关键的环节。要对词汇进行识别,就需要完成对词汇的分割和边界确认,从而确定相互之间的关系,而词切分指的就是将连续的语句切割成不同的部分(刘波,2017)。在阅读理解中词汇识别的机制是研究者们争议的焦点,直接通达假设认为无需语音的参与就可以直接完成词汇识别,语音中介假设和双通道假设认为语音的参与会对词汇的识别产生影响。多媒体教学条件通常指视听结合的条件,本研究考察在视听整合条件下切分方式对阅读理解的影响,以便为教学实践提供实验依据。实验一采用2(切分:有切分文本、无切分文本)×3(语音位置:语音在视觉呈现之前、语音在视觉呈现之后、同时呈现)的两因素被试内实验设计,考察在有语音呈现位置不同的条件下有切分文本和无切分文本之间阅读理解的差异,进而探索语音在呈现位置不同的情况下对阅读理解效率的影响,以及这种影响的原因。实验二采用3(切分类型:词切分、非词切分、字切分)×2(切分方式:空格、词斜线)的两因素被试内实验设计,考察在语音与文本同时呈现的条件下,切分方式和切分标识方式不同的文本之间阅读理解反应时的差异,并探索不同条件下阅读理解效率不同的原因。实验一结果显示,先于文本呈现所出现的语音会对文本的阅读理解产生正面影响,这说明汉语中确实可能存在语音中介效应。语音可能促进了句子中关键词汇的识别,被试对词汇的识别不再只依赖于对字形的观察,而语音呈现在文本之后则对阅读无显著影响。实验二结果显示,在语音与文本同时呈现的条件下,以词间空格来进行的词切分句子相比非词切分句子和字切分句子,表现出来显著差异。这表明在同时接受语音和字形信息的情况下,正确的语音信息能够帮助阅读者进行词汇识别。研究获得如下结论:(1)语音会对阅读加工过程产生影响,先于文本呈现的语音会促进阅读理解的加工;(2)不同的切分方式与切分标识方式的条件下,语音变量会对词汇识别造成影响,其中以空格为切分标识方式的文本阅读效率高于其他标识方式。
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G434;G633.33
【图文】：

实验1流程图

实验2流程图

【相似文献】

相关期刊论文 前10条

1 蔡宏;;教学设计结构的逻辑性分析[J];教育研究与评论(中学教育教学);2016年12期

2 丁静静;;充分发挥教材的范例价值——以《一本男孩子必读的书》的教学为例[J];小学教学参考;2017年10期

3 王惠;;图示与模型:经典小说文本的阅读与教学[J];语文月刊;2017年06期

4 孙典利;;语文教学中的巧问与善问[J];学语文;2017年05期

5 袁帅;;文本教学主线设计技巧探寻[J];小学语文教学;2017年02期

6 周亮;;把故事“讲”起来!——《纪昌学射》教学案例解析[J];教学月刊小学版(语文);2017年Z1期

7 郭英杰;;庞德《诗章》的写作背景、文本结构和文学价值[J];跨语言文化研究;2016年01期

8 祁华忠;;逐层深入,让复述能力扎根文本不断生长[J];写作(下旬刊);2016年10期

9 钱琼;;巧妙入手,挖掘文本意蕴——例谈文本主旨理解的技巧[J];中学课程辅导(教师教育);2017年04期

10 林晓鸿;;从学生视界看文本、教文本[J];福建教育;2017年22期

相关会议论文 前2条

1 唐云廷;;基于TSBT(Text Structure Binary Tree)的文本结构的自动分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 边伟;王晓诚;;基于学生视角的语文教科书信息文本难度评析——以人教版小学高年级语文教科书为例[A];当代教育评论（第5辑）[C];2017年

相关重要报纸文章 前1条

1 刘阶耳;快乐的巴比塔[N];文艺报;2018年

相关博士学位论文 前4条

1 潘谦红;分布式信息检索的研究与应用[D];中国科学院研究生院（计算技术研究所）;1999年

2 武斌;面向俄文信息处理的机器翻译实验研究[D];中国人民解放军外国语学院;2007年

3 钟茂生;基于内容相关度计算的文本结构分析方法研究[D];上海交通大学;2010年

4 蒋晓光;汉赋文本结构的学术考察[D];南京大学;2012年

相关硕士学位论文 前10条

1 刘肇岳;多媒体教学条件下文本切分对阅读理解的影响[D];辽宁师范大学;2019年

2 徐若易;基于注意力机制的文本表示研究[D];中国科学技术大学;2019年

3 班华;自然场景下的文本检测与定位[D];东北师范大学;2019年

4 王静;基于双向门控循环单元的评论文本情感分类[D];南京邮电大学;2018年

5 夏帅;基于特征扩展的学术报告标题短文本分类研究[D];合肥工业大学;2018年

6 李含雨;开放的文本与意义的生产[D];浙江大学;2018年

7 王馨苇;金融领域文本分类算法的优化[D];华中科技大学;2019年

8 马淑娟;基于字符串核的股吧文本情感分类[D];北京工业大学;2018年

9 刘伟;基于注意模型深度学习算法的股评文本倾向性研究[D];南京大学;2018年

10 韩伟;基于机器学习的不良短文本识别研究[D];上海师范大学;2018年

本文编号：2797492