Word learning, phonological short-term memory, phonotactic probability and long-term memory: towards an integrated framework

Word learning, phonological short-term memory, phonotactic probability and long-term memory: towards an integrated framework.

Word learning is studied in a multitude of ways, and it is often not clear what the relationship is between different phenomena. In this article, we begin by outlining a very simple functional framework that despite its simplicity can serve as a useful organizing scheme for thinking about various types of studies of word learning. We then review a number of themes that in recent years have emer...

the effects of keyword and context methods on pronunciation and receptive/ productive vocabulary of low-intermediate iranian efl learners: short-term and long-term memory in focus

از گذشته تا کنون، تحقیقات بسیاری صورت گرفته است که همگی به گونه ای بر مثمر ثمر بودن استفاده از استراتژی های یادگیری لغت در یک زبان بیگانه اذعان داشته اند. این تحقیق به بررسی تاثیر دو روش مختلف آموزش واژگان انگلیسی (کلیدی و بافتی) بر تلفظ و دانش لغوی فراگیران ایرانی زیر متوسط زبان انگلیسی و بر ماندگاری آن در حافظه می پردازد. به این منظور، تعداد شصت نفر از زبان آموزان ایرانی هشت تا چهارده ساله با...

Phonological distinctiveness and phonological short term memory

the effect of teaching vocabulary through memory learning strategies on iranian intermediate efl learners long-term vocabulary retention

بسیاری از دبیران و دانش آموزان بر این باورند که یادگیری لغات آسان است و شیوه های مختلفی برای یادگیری وجود دارد گرچه یادآوری لغات پس از مدت طولانی بسیار دشوار و پرزحمت است . هدف از این تحقیق آن است که تاثیر استراتژی های حافظه بر روی نگهداری بلند مدت لغات در زبان آموزان خانم سطح متوسط در ایران را بررسی کند. قبل از شروع تدریس، آزمون تعیین سطحی به منظور داشتن زبان آموزان یک سطح برگزار شده و بر اساس...

Long Short-term Memory

Model compression is significant for the wide adoption of Recurrent Neural Networks (RNNs) in both user devices possessing limited resources and business clusters requiring quick responses to large-scale service requests. This work aims to learn structurally-sparse Long Short-Term Memory (LSTM) by reducing the sizes of basic structures within LSTM units, including input updates, gates, hidden s...