一、理论基础 首先，二者都以一种“模式假设”（patterning hypothesis）为前提和理论基础。其次，“理解性假设”（comprehensiveness hypothesis）也是二者的理论基础。但二者的理论基础不同之处也很多。Wordnet的一个较主要的理论基础是“可分离性假设”（separability hypothesis）即语言的词汇成分可以被离析出来并专门针对它加以研究。 Hownet的最重要的理论基础是它的哲学。其根本点是：世界上一切事物（物质的和精神的）都在特定的时间和空间内不停地运动和变化。部件和属性这两个单位在Hownet的哲学体系中占有着重要的地位，一个事物被视为是整体还是部件，可以因系统的不同而不同对待；而关于对属性的认识是：任何一个事物都一定包含着多种属性，事物之间的异同是由属性决定的，没有了属性就没有了事物。二、设计原理与方法 二者的建设方法最明显的相同之处就是自上而下的方法。具体来说，Wordnet是以同义词集合作为基本构建单位进行组织的。Hownet则是先提取义原，以它为基本构建单位进行组织的。虽然细节不同，但总的指导性建设方法还是相同的。具体的设计原理与建设方法上，两者的不同点就凸现出来了。 1、Wordnet 的基本设计原理是它的“词汇矩阵模型” 一个词汇矩阵从理论上可以用单词与其同义词集合之间的映射来表示。当某个词有多个同义词时，通常同义词集合足以满足差异性的要求。当然，同义词是词形之间的一种词汇关系，但由于这种关系在Wordnet中被赋予了中心角色。因此，同义关系的词被放在中，与其他被放进[]中的词汇关系的词区别开来。Wordnet是按语义关系组织，由于语义关系是多个词义之间的关系，而词义用同义词集合来表示，因此很自然地把语义关系看作为同义词集合之间的一些指针。 2、Hownet的基本设计原理是把概念与概念之间的关系以及概念的属性与属性之间的关系形成一个网状的知识系统。这是它与Wordnet的本质不同。Hownet的建设方法的一个重要特点是自上而下的归纳的方法。通过对全部的基本义原进行观察分析并形成义原的标注集，然后再用更多的概念对标注集进行考核，据此建立完善的标注集。无论是义原的提取还是义原的考核与确定，在Hownet的建设中都是至关重要的并具有决定意义。三、描述关系的比较 1、上下位关系 这是二者都有的。Wordnet是词义之间的语义关系。Hownet的上下位关系由概念的主要特征体现，也具有继承关系。 2、同义关系 同义关系是二者都有的。Wordnet最重要的关系是同义关系。Hownet对于同义的定义与Wordnet相似，都采取了较宽泛的定义，只是Wordnet的同义关系是显性的，而Hownet的同义关系是隐性的。 3、反义关系 Wordnet对于反义关系采取了直接反义和间接反义两种关系都包括的方法。Hownet中的反义关系比Wordnet定义的还要宽泛，只要属性值一样就可以形成反义关系。四、目的与应用 1、目的 Wordnet一开始要建立一个词典浏览器，后来又发展成自足的词汇数据库和语义或义类的机读词典。而Hownet是要建立一个面向计算机的知识库，揭示多重语义关系网络，为自然语言处理系统的建立提供最终需要的知识库。 2、应用 由于二者都是为自然语言信息处理服务的系统，那么二者的应用有交叉。例如，二者都在进行意义排歧，语义分析，语料库语义标注，信息过滤和分类，机器翻译等方面有着十分广泛的应用。 两者又有自己独特的应用领域。例如，Wordnet由于许多国家都在它的基础上建立了词汇数据库，那么Wordnet就可以进行多国语处理的词汇转换。由于它的内部结构是以层次为主，所以可进行信息语义层次检索，还可以进行主题名义识别和图像检索等；而Hownet也有它自己的应用领域，如：基于Hownet的内部语义关系建立，语料库句法关系标注，信息检索系统自然语言接口。还有它关于汉语方面研究与应用的独特之处，如：它的信息过滤和分析系统都是双语的，可以进行事件角色语义特征的提取。把Wordnet和Hownet结合起来的典型应用要算基于两者建设的双语语义词典。五、小结 经过对Wordnet和Hownet的一番比较，可以看出二者虽然是两种系统，但把二者结合起来研究，找出各自的不足之处，对自然语言处理研究还是有一点帮助作用的。Wordnet的词语概念是够用，但关系方面不足以支持推理。Hownet恰恰就是这样一种推理的知识库。Wordnet可向Hownet吸取这一点。Wordnet几乎没有关于句法方法方面的标注。而Hownet作为一个面向计算机并借助于计算机建立的常识知识库，它在语义知识构建方面明显优于Wordnet，而且许多现在Wordnet正致力解决的问题,在Hownet中都不是问题。所以在面向自然语言的信息处理方面，Hownet要优于Wordnet。当然Wordnet的研究人员也从来觉得这是一个“完工”的项目，Wordnet仍在继续发展中。
CNKI翻译助手是一款以CNKI总库所有文献数据为依据，它不仅提供英汉词语、短语的翻译检索，还可以提供句子的翻译检索。不但对翻译需求中的每个词给出准确翻译和解释，给出大量与翻译请求在结构上相似、内容上相关的例句，方便参考后得到最恰当的翻译结果。
CNKI翻译助手汇集从CNKI系列数据库中挖掘整理出的800余万常用词汇、专业术语、成语、俚语、固定用法、词组等中英文词条1500余万双语例句、500余万双语文摘，形成海量中英在线词典和双语平行语料库。
对词或短语的汉英、英汉翻译检索功能是它的主要功能，为了提供更准确的检索结果，它设计了多项特有的检索功能英汉&汉英词典
与其他的人工智能技术相比，情感分析(Sentiment Analysis)显得有些特殊，因为其他的领域都是根据客观的数据来进行分析和预测，但情感分析则带有强烈的个人主观因素。情感分析的目标是从文本中分析出人们对于实体及其属性所表达的情感倾向以及观点，这项技术最早的研究始于2003年Nasukawa和Yi两位学者的关于商品评论的论文。
随着推特等社交媒体以及电商平台的发展而产生大量带有观点的内容，给情感分析提供了所需的数据基础。时至今日，情感识别已经在多个领域被广泛的应用。例如在商品零售领域，用户的评价对于零售商和生产商都是非常重要的反馈信息，通过对海量用户的评价进行情感分析，可以量化用户对产品及其竞品的褒贬程度，从而了解用户对于产品的诉求以及自己产品与竞品的对比优劣。在社会舆情领域，通过分析大众对于社会热点事件的点评可以有效的掌握舆论的走向。在企业舆情方面，利用情感分析可以快速了解社会对企业的评价，为企业的战略规划提供决策依据，提升企业在市场中的竞争力。在金融交易领域，分析交易者对于股票及其他金融衍生品的态度，为行情交易提供辅助依据。
目前，绝大多数的人工智能开放平台都具备情感分析的能力，如图所示是玻森中文语义开放平台的情感分析功能演示，可以看出除了通用领域的情感分析外，还有汽车、厨具、餐饮、新闻和微博几个特定领域的分析。
那么到底什么是情感分析呢？从自然语言处理技术的角度来看，情感分析的任务是从评论的文本中提取出评论的实体，以及评论者对该实体所表达的情感倾向，自然语言所有的核心技术问题，例如：词汇语义，指代消解，此役小气，信息抽取，语义分析等都会在情感分析中用到。因此，情感分析被认为是一个自然语言处理的子任务，我们可以将人们对于某个实体目标的情感统一用一个五元组的格式来表示：(e,a,s,h,t)
以图为例，e是指某餐厅，a为该餐厅的性价比属性，s是对该餐厅的性价比表示了褒义的评价，h为发表评论者本人，t是19年7月27日。所以这条评论的情感分析可以表示为五元组（某餐厅，性价比，正向褒义，评论者，19年7月27日）。
情感分析根据处理文本颗粒度的不同，大致可以分为三个级别的任务，分别是篇章级、句子级和属性级。我们分别来看一下。
1 篇章级情感分析
篇章级情感分析的目标是判断整篇文档表达的是褒义还是贬义的情感，例如一篇书评，或者对某一个热点时事新闻发表的评论，只要待分析的文本超过了一句话的范畴，即可视为是篇章级的情感分析。
对于篇章级的情感分析而言有一个前提假设，那就是全篇章所表达的观点仅针对一个单独的实体e，且只包含一个观点持有者h的观点。这种做法将整个文档视为一个整体，不对篇章中包含的具体实体和实体属性进行研究，使得篇章级的情感分析在实际应用中比较局限，无法对一段文本中的多个实体进行单独分析，对于文本中多个观点持有者的观点也无法辨别。
例如评价的文本是：“我觉得这款手机很棒。”评价者表达的是对手机整体的褒义评价，但如果是：“我觉得这款手机拍照功能很不错，但信号不是很好”这样的句子，在同一个评论中出现了褒义词又出现了贬义词，篇章级的分析是无法分辨出来的，只能将其作为一个整体进行分析。
不过好在有很多的场景是不需要区分观点评价的实体和观点持有者，例如在商品评论的情感分析中，可以默认评论的对象是被评论的商品，评论的观点持有者也是评论者本人。当然，这个也需要看被评论的商品具体是什么东西，如果是亲子旅游这样的旅游服务，那么评论中就很有可能包含一个以上的观点持有者。
在实际工作中，篇章级的情感分析无法满足我们对于评价更细致，如果需要对评论进行更精确，更细致的分析，我们需要拆分篇章中的每一句话，这就是句子级的情感分析研究的问题。
2 句子级情感分析
与篇章级的情感分析类似，句子级的情感分析任务是判断一个句子表达的是褒义还是贬义的情感，虽然颗粒度到了句子层级，但是句子级分析与篇章级存在同样的前提假设是，那就是一个句子只表达了一个观点和一种情感，并且只有一个观点持有人。如果一个句子中包含了两种以上的评价或多个观点持有人的观点，句子级的分析是无法分辨的。好在现实生活中，绝大多数的句子都只表达了一种情感。
既然句子级的情感分析在局限性上与篇章级是一样的，那么进行句子级的情感分析意义何在呢？关于这个问题，需要先解释一下语言学上主观句与客观句的分别。在我们日常用语当中，根据语句中是否带有说话人的主观情感可以将句子分为主观句和客观句，例如：“我喜欢这款新手机。”就是一个主观句，表达了说话人内心的情感或观点，而：“这个APP昨天更新了新功能。”则是一个客观句，陈述的是一个客观事实性信息，并不包含说话人内心的主观情感。通过分辨一个句子是否是主观句，可以帮助我们过滤掉一部分不含情感的句子，让数据处理更有效率。
但是在实操过程中，我们会发现这样的分类方法似乎并不是特别准确，因为一个主观句也可能没有表达任何的情感信息，知识表达了期望或者猜测，例如：“我觉得他现在已经在回家的路上了。”这句话是一个主观句，表达了说话人的猜测，但是并没有表达出任何的情感。而客观句也有可能包含情感信息，表明说话者并不希望这个事实发生，例如：“昨天刚买的新车就被人刮花了。”这句话是一个客观句，但结合常识我们会发现，这句话中其实是包含了说话人的负面情感。
所以，仅仅对句子进行主客观的分类还不足以达到对数据进行过滤的要求，我们需要的是对句子是否含有情感信息进行分类，如果一个句子直接表达或隐含了情感信息，则认为这个句子是含有情感观点的，对于不含情感观点的句子则可以进行过滤。目前对于句子是否含有情感信息的分类技术大多都是采用有监督的学习算法，这种方法需要大量的人工标注数据，基于句子特征来对句子进行分类。
总之，我们可以将句子级的情感分析分成两步，第一步是判断待分析的句子是否含有观点信息，第二步则是针对这些含有观点信息的句子进行情感分析，发现其中情感的倾向性，判断是褒义还是贬义。关于分析情感倾向性的方法与篇章级类似，依然是可以采用监督学习或根据情感词词典的方法来处理，我们会在后续的小节详细讲解。
句子级的情感分析相较于篇章级而言，颗粒度更加细分，但同样只能判断整体的情感，忽略了对于被评价实体的属性。同时它也无法判断比较型的情感观点，例如：“A产品的用户体验比B产品好多了。”对于这样一句话中表达了多个情感的句子，我们不能将其简单的归类为褒义或贬义的情感，而是需要更进一步的细化颗粒度，对评价实体的属性进行抽取，并将属性与相关实体之间进行关联，这就是属性级情感分析。
3 属性级情感分析
上文介绍的篇章级和句子级的情感分析，都无法确切的知道评价者喜欢和不喜欢的具体是什么东西，同时也无法区分对某一个被评价实体的A属性持褒义倾向，对B属性却持贬义倾向的情况。但在实际的语言表达中，一个句子中可能包含了多个不同情感倾向的观点，例如：“我喜欢这家餐厅的装修风格，但菜的味道却很一般。”类似于这样的句子，很难通过篇章级和句子级的情感分析了解到对象的属性层面。
为了在句子级分析的基础上更加细化，我们需要从文本中发现或抽取评价的对象主体信息，并根据文本的上下文判断评价者针对每一个属性所表达的是褒义还是贬义的情感，这种就称之为属性级的情感分析。属性级的情感分析关注的是被评价实体及其属性，包括评价者以及评价时间，目标是挖掘与发现评论在实体及其属性上的观点信息，使之能够生成有关目标实体及其属性完整的五元组观点摘要。具体到技术层面来看，属性级的情感分析可以分为以下6个步骤：
关于文本中的实体抽取和指代消解问题，我们已经在知识图谱的相关章节中做了介绍，这里就不再赘述。针对篇章级、句子级、属性级这三种类型的情感分析任务，人们做了大量的研究并提出了很多分类的方法，这些方法大致可以分为基于词典和基于机器学习两种，下面我们进行详细的讲解。
做情感分析离不开情感词，情感词是承载情感信息最基本的单元，除了基本的词之外，一些包含了情感含义的短语和成语我们也将其统称为情感词。基于情感词典的情感分析方法，主要是基于一个包含了已标注的情感词和短语的词典，在这个词典中包括了情感词的情感倾向以及情感强度，一般将褒义的情感标注为正数，贬义的情感标注为负数。
具体的步骤如图所示，首先将待分析的文本先进行分词，并对分词后的结果做去除停用词和无用词等文本数据的预处理。然后将分词的结果与情感词典中的词进行匹配，并根据词典标注的情感分对文本进行加法计算，最终的计算结果如果为正则是褒义情感，如果为负则是贬义情感，如果为0或情感倾向不明显的得分则为中性情感或无情感。
情感词典是整个分析流程的核心，情感词标注数据的好坏直接决定了情感分类的结果，在这方面可以直接采用已有的开源情感词典，例如BosonNLP基于微博、新闻、论坛等数据来源构建的情感词典，知网（Hownet）情感词典，台湾大学简体中文情感极性词典（NTSUSD），snownlp框架的词典等，同时还可以使用哈工大整理的同义词词林拓展词典作为辅助，通过这个词典可以找到情感词的同义词，拓展情感词典的范围。
当然，我们也可以根据业务的需要来自己训练情感词典，目前主流的情感词词典有三种构建方法：人工方法、基于字典的方法和基于语料库的方法。对于情感词的情感赋值，最简单的方法是将所有的褒义情感词赋值为+1，贬义的情感词赋值为-1，最后进行相加得出情感分析的结果。
但是这种赋值方式显然不符合实际的需求，在实际的语言表达中，存在着非常多的表达方式可以改变情感的强度，最典型的就是程度副词。程度副词分为两种，一种是可以加强情感词原本的情感，这种称之为情感加强词，例如“很好”相较于“好”的情感程度会更强烈，“非常好”又比“很好”更强。另外一种是情感减弱词，例如“没那么好”虽然也是褒义倾向，但情感强度相较于“好”会弱很多。如果出现了增强词，则需要在原来的赋值基础上增加情感得分，如果出现了减弱词则需要减少相应的情感得分。
另一种需要注意的情况是否定词，否定词的出现一般会改变情感词原本的情感倾向，变为相反的情感，例如“不好”就是在“好”前面加上了否定词“不”，使之变成了贬义词。早期的研究会将否定词搭配的情感词直接取相反数，即如果“好”的情感倾向是+1，那么“不好”的情感倾向就是-1。但是这种简单粗暴的规则无法对应上真实的表达情感，例如“太好”是一个比“好”褒义倾向更强的词，如果“好”的值为+1，那么“太好”可以赋值为+3，加上否定词的“不太好”变成-3则显然有点过于贬义了，将其赋值为-1或者-05可能更合适。
基于这种情况，我们可以对否定词也添加上程度的赋值而不是简单的取相反数，对于表达强烈否定的词例如“不那么”赋值为±4，当遇到与褒义词的组合时褒义词则取负数，与贬义词的组合则取正数，例如贬义词“难听”的赋值是-3，加上否定词变成“不那么难听”的情感得分就会是（-3+4=1）。
第三种需要注意的情况是条件词，如果一个条件词出现在句子中，则这个句子很可能不适合用来做情感分析，例如“如果我明天可以去旅行，那么我一定会非常开心。”，在这句话中有明显的褒义情感词，但是因为存在条件词“如果”，使得这个句子的并没有表达观点持有者的真实情感，而是一种假设。
除了条件句之外，还有一种语言表达也是需要在数据预处理阶段进行排除的，那就是疑问句。例如“这个餐厅真的有你说的那么好吗？”，虽然句子中出现了很强烈的褒义情感词“那么好”，但依然不能将它分类为褒义句。疑问句通常会有固定的结尾词，例如“……吗？”或者“……么？”，但是也有的疑问句会省略掉结尾词，直接使用标点符号“？”，例如“你今天是不是不开心？”，这个句子中含有否定词和褒义词组成的“不开心”，但不能将其分类为贬义情感。
最后一种需要注意的情况是转折词，典型词是“但是”，出现在转折词之前的情感倾向通常与转折词之后的情感倾向相反，例如：“我上次在这家酒店的住宿体验非常好，但是这次却让我很失望。”在这个转折句中，转折词之前的“非常好”是一个很强的褒义词，但真实的情感表达却是转折词之后的“很失望”，最终应该将其分类为贬义情感。当然，也存在出现了转折词，但语句本身的情感并没有发生改变的情况，例如“你这次考试比上次有了很大的进步，但是我觉得你可以做得更好”，这里的转折词没有转折含义，而是一种递进含义。在实际操作中，我们所以需要先判断转折句真实的情感表达到底是哪个，才能进行正确的分析计算。
构建情感词典是一件比较耗费人工的事情，除了上述需要注意的问题外，还存在精准度不高，新词和网络用语难以快速收录进词典等问题。同时基于词典的分析方法也存在很多的局限性，例如一个句子可能出现了情感词，但并没有表达情感。或者一个句子不含任何情感词，但却蕴含了说话人的情感。以及部分情感词的含义会随着上下文语境的变化而变化的问题，例如“精明”这个词可以作为褒义词夸奖他人，也可以作为贬义词批评他人。
尽管目前存在诸多问题，但基于字典的情感分析方法也有着不可取代的优势，那就是这种分析方法通用性较强，大多数情况下无需特别的领域数据标注就可以分析文本所表达的情感，对于通用领域的情感分析可以将其作为首选的方案。
我们在机器学习算法的章节介绍过很多分类算法，例如逻辑回归、朴素贝叶斯、KNN等，这些算法都可以用于情感识别。具体的做法与机器学习一样需要分为两个步骤，第一步是根据训练数据构建算法模型，第二步是将测试数据输入到算法模型中输出对应的结果，接下来做具体的讲解。
首先，我们需要准备一些训练用的文本数据，并人工给这些数据做好情感分类的标注，通常的做法下，如果是褒义和贬义的两分类，则褒义标注为1，贬义标注为0，如果是褒义、贬义和中性三分类，则褒义标注为1，中性标注为0，贬义标注为-1
在这一环节中如果用纯人工方法来进行标注，可能会因为个人主观因素对标注的结果造成一定影响，为了避免人的因素带来的影响，也为了提高标注的效率，有一些其他取巧的方法来对数据进行自动标注。比如在电商领域中，商品的评论除了文本数据之外通常还会带有一个5星的等级评分，我们可以根据用户的5星评分作为标注依据，如果是1-2星则标注为贬义，如果是3星标注为中性，4-5星标注为褒义。又比如在社区领域中，很多社区会对帖子有赞和踩的功能，这一数据也可以作为情感标注的参考依据。
第二步是将标注好情感倾向的文本进行分词，并进行数据的预处理，前文已经对分词有了很多的介绍，这里就不再过多的赘述。第三步是从分词的结果中标注出具备情感特征的词，这里特别说一下，如果是对情感进行分类，可以参考情感词典进行标注，也可以采用TF-IDF算法自动抽取出文档的特征词进行标注。如果分析的是某个特定领域的，还需要标注出特定领域的词，例如做商品评价的情感分析，需要标注出商品名称，品类名称，属性名称等。第四步根据分词统计词频构建词袋模型，形成特征词矩阵，如表所示。在这一步可以根据业务需要给每个特征词赋予权重，并通过词频乘以权重得到特征词分数。最后一步就是根据分类算法，将特征词矩阵作为输入数据，得到最终的分类模型。
当训练好分类模型之后，就可以对测试集进行分类了，具体的流程与建模流程类似，先对测试的文本数据进行分词并做数据预处理，然后根据特征词矩阵抽取测试文本的特征词构建词袋矩阵，并将词袋矩阵的词频数据作为输入数据代入之前训练好的模型进行分类，得到分类的结果。
采用基于机器学习的方法进行情感分析有以下几个不足之处，第一是每一个应用领域之间的语言描述差异导致了训练得到的分类模型不能应用与其他的领域，需要单独构建。第二是最终的分类效果取决于训练文本的选择以及正确的情感标注，而人对于情感的理解带有主观性，如果标注出现偏差就会对最终的结果产生影响。
除了基于词典和基于机器学习的方法，也有一些学者将两者结合起来使用，弥补两种方法的缺点，比单独采用一种方法的分类效果要更好，另外，也有学者尝试使用基于LSTM等深度学习的方法对情感进行分析，相信在未来，情感分析会应用在更多的产品中，帮助我们更好的理解用户需求，提升用户使用智能产品的体验。
随着深度神经网络等算法的应用，情感分析的研究方向已经有了非常大的进展，但依然存在着一些难题是目前尚未解决的，在实操过程中需特别注意以下几种类型数据：
情绪轮在用户体验设计上被广泛的应用，很多情感化设计都是基于情绪轮进行的。但是在人工智能领域，将情绪进行多分类比情感分析的三分类任务要难得多，目前大多数分类方法的结果准确性都不到50%。这是因为情绪本身包含了太多的类别，而且不同的类别之间又可能具有相似性，一个情绪词在不同的语境下有可能表达的是不同的情绪类别，算法很难对其进行分类。即使是人工对文本进行情绪类别标注也往往效果不佳，因为情绪是非常主观性的，不同的人对不同的文本可能产生不同的理解，这使得人工标注情绪类比的过程异常困难。如何让机器可以理解真实的情绪目前还是一个未能攻克的难题。
知网文章怎么免费下载如下：
首先学生需要登录自己的校园网，在校园网首页中找到知网查重入口，点击进入后使用学校提供的账号和密码登录知网，学生即可享受免费查看文献的服务。学生可以在知网首页搜索想要的文献标题，进入文献页面后点击下方的手机阅读或者html阅读，学生即可在知网免费查看全文论文内容。学生也可以点击caj下载或者pdf下载，将文献下载导出至电脑中。
1、输入https://fssocnkinet/，点击选择自己的大学。
2、以清华大学为例，输入自己的学号和密码并登入。
3、登录成功后，即可免费查看对应论文内容。
知网在学术方面可以说做出了很大的贡献。
中国知网是目前全球最大的中文数据库，涵盖的资源丰富，主要类型有：研究型的资源有期刊、学位论文、会议论文、专利、国标行标、项目成果、国家法律、地方法规、案例、年鉴、报纸、数据、图谱 ；学习型的资源有各种字词典、各种互译词典、专业百科、专业辞典 、术语；阅读型的资源有文学、艺术作品与评论，文化生活期刊。
其次就是硕博毕业论文，不少研究生学子在答辩时候都是需要交一份稿件到图书馆的，如果该研究生所在高校是和知网合作的，那么学校可把研究生论文上传知网数据库。
留守儿童情绪情感问题研究
时间： 2010-12-16 来源：论文在线
--------------------------------------------------------------------------------
摘要:留守儿童已经上升为一个社会性问题。从情绪情感方面对该问题进行深入研究,探寻留守儿童不良情绪情感的应对方法,比如加强家庭教育、加强监护人的责任感、改善提高学校的管理工作、呼吁国家和社会的共同关爱等,对解决这一社会性问题有积极意义。
关键词:留守儿童;情绪;情感;培养
前言
随着经济的飞速发展,越来越多的农民到城里打工,而他们的孩子却远离父母,或由年迈的爷爷奶奶看管,或寄宿在亲友家中,这些孩子就成了所谓的留守儿童。留守儿童由于长期得不到父母关爱,缺乏正常的家庭教育,在面临复杂的社会环境时,只能用不成熟的心智去承担所有问题,很容易形成各种心理问题,也容易沾染不良习气而走上犯罪道路。留守儿童的关怀和教育已迫在眉睫。
一、留守儿童情绪情感相关理论
(一)学习理论
儿童的情绪可以通过经典性条件反射(或应答性条件反射)获得。儿童对情绪的识别大部分来自父母对情绪行为的标志。随着儿童阅读能力和欣赏能力的提高,儿童的情绪识别能力会有所增强。通过小说主人公和影视角色的内心展示,他们可以学到更多标志复杂情绪的词,从而促进了他们识别他人情绪能力的发展,丰富了他们情绪表达的能力。此外,观察和模仿还是有助于儿童学会如何处理紧张,心理学家常利用这种反复来帮助儿童克服紧张[1]。
(二)知觉再认理论
知觉再认理论把儿童看作是一个信息加工的机体,并试图用已经形成的结构工具来影响输入的刺激。儿童在知觉外部事件时,在头脑里形成了一个心理映像,这个内部的心理映像称为图式。生活中婴儿见到自己熟悉的人就感到愉快,而见到陌生人就感到害怕,甚至哭。“按照知觉再认者的观点来解释,那是因为陌生人与他们熟悉的人相比,相似而又不相似,从而引起焦虑”[1]。总之,无论是害怕还是微笑,都与儿童同化刺激物的知觉再认能力有关。
(三)社会认知理论
社会认知是指个体对人类和人类事物的知觉、思维和推理。社会认知论研究的重点是儿童对社会世界,对自己和别人,以及对社会关系的认识和理解。儿童的社会认知能力会影响儿童的情绪。随着儿童学会采取别人的观点,以及移情作用(感受到别人情绪)的渐趋成熟,引发儿童情绪反应的刺激性质也发生了变化。同时,随着儿童采择别人观点能力的提高,儿童学会了对别人行为的正确分析和归因,能更好地控制和表达自己的情绪行为。如儿童甲刚搭好的积木被儿童乙推倒,若甲认为乙是故意的,就会发怒;若甲认为乙是不小心的,就不会发火。儿童早在5岁时就表现出归因对情绪的影响,到了学龄期,为了减少别人的不满或痛苦,他们还会编造行为发生的原因[1]。
综上可知,儿童出生时就已具有一定的情绪反应能力,但是情绪作为一种适应能力是通过后天的学习获得的。
二、留守儿童不良情绪情感的应对方法
针对影响留守儿童的情绪、情感的影响因素,结合儿童情绪获得理论,我们可以从以下方面着手培养留守儿童健康的情绪、情感:
(一)加强家庭教育
作为留守儿童的家长,应该明确把孩子的教育放在首位。在家庭教育上,父母在了解教育常识的基础上,可通过书籍等渠道,引导儿童观察与模仿动画片里可爱、好笑的动作,以此降低儿童对生活的紧张与焦虑,尤其是父母在面对外界刺激时,要以良好的情绪行为示以儿童,从而提高儿童的情绪识别能力,也可以通过引导儿童对事情进行正确的归因来促进留守儿童的健康成长。如:小朋友不小心弄坏了你的小人书,你是会哭着让小朋友赔呢,还是接受小朋友的道歉和他一起玩……
案例:有一个留守儿童小玉,在她刚有记忆的时候母亲外出务工。由于长期得不到母爱的关怀,其性格内向,不愿与人交流。另一方面,祖辈的溺爱使其养成公主脾气,稍不顺意就会哭闹,即使是在冬天,她要吃雪糕,爷爷也会自己动手给她做。一年春节,一个比小玉大两岁的姐姐晚上从小玉家回去有点冷,小玉的妈妈把衣服拿给姐姐穿,小玉就哭闹不休。可在学校,她的胆子又很小,不愿与老师和同学进行交流,上课从不主动回答问题,尤其在考试考砸的时候,她会在路上玩很长时间而不敢回家。
面对像小玉这样的留守儿童,首先,父母应通过与孩子多交流,了解孩子内心真正的想法;其次,针对小玉不愿与人分享这一现象,父母可开展一系列的游戏或是讲述孔融让梨等故事来激励儿童与他人分享;再次,针对不合理的要求采取不予理会的态度,慢慢地孩子就不会大闹了;最后,父母要引导孩子对自己的成败进行正确的归因,同时积极主动地鼓励孩子来增强其自信心。只有在正确的家庭教育下,留守儿童的心理问题才会得到满意的解决,也才会快乐成长。
(二)加强监护人的责任感
作为留守儿童的监护人,在教育问题上应该意识到自己责任的重大:不仅仅是保障孩子的温饱与安全,更重要的是关心孩子身心的全面健康发展。尤其是祖辈们不可一味迁就,助长孩子不良情绪、情感的产生[2]。为了培养孩子健康的情感,监护人应注意:
1在照顾儿童的日常起居上,应多留心与关注儿童的
心理变化,在发现异常现象后,要耐心询问,主动与孩子交流,帮助孩子理顺情绪、调节情感,从而真正走进儿童的内心世界[3]。
2加强与留守儿童父母的沟通,在发现孩子情绪情感的变化后,应与他们多交流意见,在大胆放心去管理孩子的基础上来改进教育方法。
3加强与老师的合作与交流,积极配合学校做好教育工作。
(三)改善提高学校的管理工作
很多学校已把留守儿童的教育作为专项工作来抓,也取得了一些成绩。笔者在调查中就发现南门小学在健全和完善寄宿制的基础上,配备了专门的生活教师,对留守儿童进行科学的生活引导;其次,建立了心理咨询室来帮助解决留守儿童一些心理上的问题,每周三的下午课外活动课的时间,老师都会随机找四五个留守儿童进行询问,一般都是学习和生活上的问题;再次,学校定期召开家长会,通过会议的形式,交流管教留守儿童的经验和教训,针对留守儿童存在的问题来共同制定教育策略。例如:留守儿童的英语成绩普遍不太好,家长建议利用周末的时间给孩子补习英语,学校的老师也一致同意,半学期下来,这些儿童的英语成绩都有了提高;最后,建立了定期联系制度,班主任利用节假日进行走访,家长每月与老师进行电话联系等,来共同引导孩子健康快乐地成长。
根据儿童情绪获得的学习理论,教师可对学习上表现好的同学进行表扬或奖励,以为他人树立榜样,促使其他同学在榜样的作用下,通过自己的观察与模仿来改变自己的不良习惯。比如:教师对上课认真听讲和遵守纪律的学生奖励小红花,就促使得到奖励的学生继续严格要求自己,争取下一次还能得到红花,而对那些没有得到红花的学生来说就是一个激励,有上进心的学生就会以老师表扬的学生为榜样来严格要求自己,争取下次得到红花。
根据社会认知理论,教师可尽可能地为儿童提供丰富的刺激来提高儿童同化刺激物的知觉再认能力。比如:教师在上课时,为儿童提供各种各样的表情的或者通过自己的脸部表情的变化来让儿童熟悉人们的情绪变化,这样,儿童在下次面对同样的表情时就不至于显得焦虑和不知所措了。还可以通过多媒体来提供丰富的视觉、听觉等刺激,让儿童在以后的生活中面对新奇的事物时可从容应对。
根据社会认知理论,教师还可引导儿童对学习的成败进行正确的归因,从中总结经验和教训,为下次作好准备。还要学会对别人的行为进行正确的分析,以更好地控制和表达自己的情绪和行为。案例中小玉的考试成绩不理想,是由于生病请假耽误了学习的缘故,而小玉自己却认为是自己的能力不够才考的不好,这样从自己的能力来否定自己,就容易形成消极的行为,像她边走边玩不敢回家等就是消极心理的表现。这方面,教师可在家访的基础上,在对儿童有了全面准确的了解后,来教导儿童正确看待考试的失败。教师在耐心开导小玉的同时给予她积极的心理暗示,在学习生活上对小玉进行更多关注,采用表扬与奖励来激发小玉积极上进。
(四)呼吁国家和社会的共同关爱
社会更应该携手共同关爱这些孩子。建立良好的社会舆论,并积极做好宣传,为留守儿童创建一个文明、安全与和谐的文化氛围,让孩子充分感受到祖国的温暖;各社区要为困难的留守儿童提供生活上的便利,利用节假日深入关爱他们的学习生活情况;各就业单位也应该为务工人员多实施一些优惠政策,如提供假日让他们与其子女团聚[4]。
总之,整个社会需要在了解留守儿童基本情况的基础上,在学习儿童情绪、情感获得理论的前提下,积极开展留守儿童情绪情感培养与发展的相关活动。相信我们充满爱心的付出,会换回留守儿童全身心的健康发展。
参考文献:
[1] 刘金花儿童发展心理学[M]上海:华东师范大学出版社,1997
[2] 叶峰,金绍军农村留守儿童心理问题及对策研究[J]当代教育期刊网,2006(03)
[3] 李慧当前我国农村留守儿童存在的问题及对策[J]三门峡职业技术学院学报,2007(03)
[4] 方铭琳留守儿童的关爱教育机制[J]中国农村教育,2007(10)
是不是
1、知网屏幕划词翻译怎么用2、cnki翻译助手快吗3、文献翻译什么软件好知网屏幕划词翻译怎么用
通过百度直接搜索“中国知网”，“CNKI”均可以找到中国知网官方页面。进入到中国知网CNKI的官方页面，稍微下拉页面，右下边找到期“学习研究”，“知识元”栏目，翻译助手就在“知识元”里面，点击翻译助手，输入想要翻译的单词
中国知网CNKI翻译助手可以翻译英语也可以翻译汉语。翻译助手的翻译都是免费的。
这个翻译助手除了一些专业人士外，其实可以为许多大学生或者普通工作人员所用，解决一些专业英语词汇翻译的问题。
cnki翻译助手快吗快。cnki翻译助手是快，翻译速度很快。CNKI翻译助手，是“中国知网”于2020年开发的针对专业领域内术语繁多、行业属性突出、跨专业歧义处理等翻译问题而研发的学术领域专用大型在线辅助助手。
文献翻译什么软件好文献翻译优秀软件：
1、CNKI翻译助手
CNKI翻译助手是“中国知网”开发的大型在线辅助翻译系统，词汇、句子均可进行翻译检索。系统对翻译请求中的每个词给出准确翻译和解释，同时给出大量与翻译请求在结构上相似、内容上相关的例句。120余万常用词汇、专业词汇、词条以及1000余万例句，形成海量中英在线词典和双语平行语料库。内容涵盖自然、社会科学的各个领域。
2、Google语言工具
Google语言工具界面更友好。不仅支持中文与英文互译,也可以直接与英、法、德、等大语种或捷克、朝鲜语等小语种进行语无伦次的互译。可自动检测语言。在进行翻译时可选择·检测语言·的选项，Google会自动猜测语言的种类，省却很多麻烦。 总得来说 google 的翻译功能很强大。
3、Yahoo在线翻译
和谷歌相似，提供多种语言的全文翻译，翻译准确率较高。
4、微软WindowsLive在线翻译
这是软件专门用于提供翻译服务的网站，微软的翻译还是相当准确的，每次最多翻译500字，同时也提供网站全站翻译，支持多种语言。
5、金山爱词霸
最老牌的在线词典。词汇主要是从金山词霸整理而来，解释权威准确；用户也可以添加爱心词典，这部分词汇的准确性无法保证。常用词汇提供了真人发音和相关词汇释意。
6、海词在线词典
海词在线词典由在美国印第安纳大学的中国留学生范剑淼创建。正式使用于2003年11月27日（美国的感恩节）。 词汇主要由计算机生成，准确性相对爱词霸弱，但是它提供了大量例句并且有发音，可以帮助矫正发音问题。 海词也提供了大量的小工具，你可以把它们添加到你的博客或者个人网站上来增加更多丰富多彩的功能。
知网(英文名称为How)是一个以汉语和英语的词语所代表的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库。中国知网是全球领先的数字出版平台，是一家致力于为海内外各行各业提供知识与情报服务的专业网站。
知网是一个知识系统，而不是一部语义词典。尽管被我们称为知识词典的常识性知识库是知网的最基本的数据库。知网的全部的主要文件包括知识词典构成了一个有机结合的知识系统。例如，主要特征文件、次要特征文件、同义、反义以及对义组的形成，以及事件关系和角色转换等都是系统的重要组成部分，而不仅仅是标注的规格文件。
java 做不了
Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程
欢迎分享，转载请注明来源：浪漫分享网
微信扫一扫
支付宝扫一扫
评论列表（0条）