Construction of Chinese Language Teaching and Training Platform for International Students Based on Multimodal Tourism Language Landscape
Notice bibliographique
Résumé
Current Chinese language teaching resources are often limited to traditional forms such as textbooks, PPTs, videos, etc., lacking diverse teaching methods. There is a significant gap between the language environment in real life and the content of classroom teaching, which cannot fully meet the learning needs of international students from different countries and language backgrounds. Therefore, this article constructed a Chinese language teaching and training platform for international students based on a multimodal tourism language landscape. This article first provided an overview of the definition and characteristics of multimodal concepts and tourism language landscapes, and elaborated on the current situation and problems of Chinese language teaching for international students. Subsequently, the Chinese language teaching and analysis for international students were introduced, and the application of multimodal tourism language landscape in Chinese language teaching was listed. Then, a cloud environment based on multimedia network was constructed for platform operation, and a virtual simulation training platform and different module functions were designed under situational teaching mode. Finally, the Chinese language teaching and training platform for international students can be put into practical application. The experimental results demonstrated that the average exam scores of students in the listening, speaking, reading, and writing modules were 28.56, 26.14, 24.56, and 27.34, respectively, all showing excellent progress. The impact of multimodal teaching on the learning of Chinese dietary vocabulary is particularly significant. The performance gap between groups began to show, especially after 22.5 hours, when the total scores of the three groups of students significantly widened, with nearly half of the participants preferring multimodal teaching methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».