计算机专业英语问卷调查,大学计算机专业新生对英语学习需求的问卷调查与分析...

浙江大学城市学院对2006级计算机科学与技术专业新生进行了一项英语学习需求调查。大部分学生对英语有一定兴趣,投入较多时间,但满意度不高。主要困难集中在语法、听力和口语上。学生建议改善教学方法,增加实践机会,提升学习氛围。调查强调了英语学习的重要性,特别是针对独立学院学生的特殊性进行教学改革的必要性。
摘要由CSDN通过智能技术生成

说明:本文已经刊登在2007年3月的《计算机教育》杂志“周苏专栏”中。新学期要开学了,我把这篇文章选录如下,希望能有助于大学新生开始新的学习生活。

为分析和研究独立学院新生的基本状况,以便有的放矢地开展对新生的教育教学工作,促进大学英语等课程的教学改革,浙江大学城市学院计算机与计算科学学院

(以下简称“计算学院”) 除了做好新生始业教育之外,还针对2006级新生设计并组织了问卷调查

(请参考《计算机教育》杂志2007年第2期“大学IT新生对学风认识的问卷调查与分析”一文)

。本文介绍其中计算机科学与技术专业2006级171名新生对英语学习需求的调查和情况分析。

1.

对英语学习的兴趣

对于英语学习兴趣的问题,回答情况与分析如表1所示。

表1 英语学习兴趣 表2 英语学习的时间安排

项目

人次

项目

人次

88

51.5

很多

20

11.7

一般

50

29.2

一般

104

60.8

没有

27

15.8

不多

38

22.2

不清楚

6

3.5

很少

9

5.3

2.

学习英语的时间安排

对于英语学习的时间安排问题,回答情况与分析如表2所示。

3.

对自己英语成绩的满意度

当被问及“对自己的英语学习成绩是否满意”时,回答情况与分析如表3所示。

表3 对自己英语成绩的满意度 表4 如何提高英语学习能力

项目

人次

项目

人次

满意

5

2.9

A) 教师辅导

18

10.5

一般

74

43.3

B) 改进学习方法

96

56.1

不满意

87

50.9

A) + B)

33

19.3

不知道

5

2.9

C) 其他

24

14.0

4.

提高英语学习的能力

当被问及“在英语学习中应该如何提高能力”时,回答情况与分析如表4所示。

5.

学习英语的动机来源

当被问及“英语学习动机的来源”时,回答情况与分析如表5所示。

表5 英语学习动机的来源 表6 英语教学侧重书本还是口语

项目

人次

项目

人次

A) 学校要求

17

9.9

书本教学

2

1.2

B) 社会要求

65

38.0

口语教学

60

35.1

C) 个人要求

64

37.4

两者兼顾

103

60.2

A/B/C综合要求

14

8.2

不清楚

6

3.5

D) 不清楚

11

6.4

6.

英语教学应侧重书本还是口语

对“理想的英语教学应侧重于书本还是口语”的问题,回答情况与分析如表6所示。

7.

英语学习的难点

当被问及“学习英语的难点在哪里”时,回答情况与分析如表7所示。

表7 英语学习的难点 表8 英语学习的信心

项目

学生数

项目

学生数

A) 语法

30

17.5

很有信心

70

40.9

B) 听力

22

12.9

有一点

73

42.7

C) 口语

21

12.3

没有

18

10.5

D) 写作

10

5.8

不清楚

10

5.8

E) 阅读

16

9.4

有多项困难

61

35.7

F) 都难

11

6.4

8.

学习英语的信心

对“英语学习的信心”,回答情况与分析如表8所示。

9.

调查的意义与思考

许多学生利用问卷调查的机会,对英语教学提出了一些建议,归纳起来主要有以下这些:

1)

英语教师应该改善教学方法,重视提高学生的学习兴趣。

2)

课堂上老师应尽量多说英语,少讲汉语。

3)

要适当增加听力课的课时,改善听力设备,多开展英语活动和创设口语练习的场境。

4)

学校广播站要多播放一些英语歌曲,学校要常放映英语电影。

5)

多请外教上英语课,丰富外语学习的气氛。

通过问卷调查我们发现,绝大部分同学都对学习英语有一定的兴趣,并且也有相当的信心,他们花的时间不少,但对英语学习的成效却普遍都不太满意。英语学习的不同方面给不同的学生带了一定的困难,但很多同学

(35.7%)

都存在着多项学习的困难。在这些同学当中,37.4%的同学认为他们学习英语的动机来源是个人要求,38.0%的同学认为是社会要求。

在问及如何提高学习英语能力时,66.6%的同学认为应该自我改进学习方法,许多同学也希望英语教师能够加强辅导 (29.8%)

。有不少学生对英语教师的教学方法表示不太满意。

关于英语学习满意度的有趣的综合分析见表9所示。

表9 关于英语学习满意度的综合分析

选择

是否感兴趣

花费时间

满意度

人数

第一组

没有

不多

不满意

2

第二组

不多

不满意

7

第三组

很多

不满意

7

第四组

很多

满意

0

大学英语是今天独立学院大学新生学习中的一道坎。通过对新生英语学习需求的问卷调查分析,可以得到以下启发:

1)

独立学院的学生在英语学习方面存在着先天不足 (高考前)

,很好地认识这一点,适当降低大学英语的学习门槛,对大学新生培养和重新树立起对英语学习的信心,是提高大学英语教学水平,培养合格大学毕业生的需要。

2)

独立学院的应用性特点,对其英语教学的内容建设和教学改革同样适用。需要让大学新生充分认识英语学习的意义和必要性,重视英语的应用教育。

3)

英语学习应该重视其学习环境、学习氛围的建设,切实创造良好的英语学习环境。

4)

英语教师要重视学生的需求,积极改进教学方法,重视课堂教学效果。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值