Additionally synonym的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

Developing and Validating the Questionnaire and Its Model for Sustainable and Scalable Authentic Contextual Learning Supported by Mobile Apps

為了解決Additionally synonym的問題，作者嚴烏納 這樣論述：

如今，由於 COVID-19 大流行的影響，世界各地的教學和學習方法都發生了變化。在一些病毒高傳播率的地區，學校已經關閉，使得學習者必須在家學習。因此，需要行動技術，像是行動應用程式來促進學習者的學習。使用行動應用程式進行Authentic contextual learning (ACL)是一種可以期待的學習設計，它可以比傳統的課堂學習更快地提高學習者的學習效果。使用行動應用程式參與 ACL 的學習者可以隨時隨地透過探索自己周遭熟悉的環境進行學習。然而，行動應用程式的使用以及學習者學習的方式可能會導致學習者或他們的父母感到焦慮或是接受度問題。此外，儘管許多研究已經在教育實踐中透過行動應用程

式實測了 ACL，但沒有實證研究基於特定的 ACL 模型來解決行動應用程式對 ACL 的評估，因為相關文獻中不存在這樣的模型。本研究的目的是實測由行動應用程式輔助的 ACL，以促進學習者在 COVID-19 影響下的學習，並調查學習者和家長的焦慮和接受度相關的問題。此外，開發並驗證了一種模型，即sustainable and scalable authentic contextual learning (SSACL)模型，一個能取得特定模型並用於未來相關研究中評估 ACL的特定模型。因此，研究人員進行了三項研究來達成這些研究目標。 第一項研究的統計結果表明，父母對行動應用程式 U-Geo

metry 的真實情境學習的接受程度影響了學習者在技術和教學方面的接受程度。家長的感知易用性和感知有用性影響了學習者的感知易用性和技術方面的積極態度，且將U-Geometry 視為促進學習者 ACL 的學習工具。在教學方面，家長感知易用性正向的調和了學習者感知易用性與積極態度之間的關係；此外，父母的使用意向在學習者的積極態度和使用意向之間起了正向調和作用。這意味著家長對在家中使用行動應用程式實施 ACL 的接受程度與學習者的接受程度密切相關；因此，是值得讓家長在真實的環境中參與學習活動的。第二項研究調查了與焦慮、接受度以及學習者與家長的人口統計因素相關的問題。結果表明，父母在家中使用U-Geo

metry進行ACL後，其焦慮程度明顯低於學習者的焦慮程度。第三項研究顯示了這項長期研究的最重要結果，該研究採用行動應用程式的特定 SSACL 模型。根據結果，透過應用學習、健康學習、協作學習、認知、可持續性和可擴展性等六個基本因素來評估行動應用程式輔助的 ACL 中學習活動的成功與否。研究人員建議應用學習是ACL活動的基礎點，讓學習者在真實情境中學習的同時發展認知。除了通過應用、健康學習、協作學習和認知來滿足學習條件外，我們還可以實現可持續和可擴展學習的理想，以促進在真實環境中的學習。可持續學習確保學習者不斷學習；可擴展學習是指學習環境和地點規模的增加。

基於自注意力機制產生的無方向性序列編碼器使用同義詞與反義詞資訊調整詞向量

為了解決Additionally synonym的問題，作者林冠佑 這樣論述：

自從詞向量被廣泛應用在許多自然語言處理任務，且取得不錯的成果後，學者們開始相信詞向量是可以有效學習到詞義資訊的，並開始研究如何提升詞向量的品質。本論文認為詞向量主要是透過上下文資訊進行學習，沒有利用到人類編撰的字詞關係，如：同/反義字，知識圖譜等，且我們推測詞向量在辨別同義詞與反義詞的能力上仍有進步空間，加入從字典中萃取出的知識應能改善，然而，過去相關的研究僅使用pairwise的方法對同義詞與反義詞進行調整，這種方法沒有辦法同時考慮一詞與其所有同義詞和反義詞之間的關係，因此本論文提出了listwise的方法來對詞向量進行調整，提升詞向量的品質。經過實驗，本論文發現採用全局資訊的模型均優於只

採用局部資訊的模型，其中學習分配不同注意力在同義詞和反義詞中不同的詞上，再結合這些資訊調整詞向量的自注意力機制更能有效的利用全局資訊，因此本論文選擇使用自注意力機制做為編碼器，在訓練後使用從字典中萃取出的同義詞與反義詞資訊調整詞向量，提升詞向量的品質。為了更多的提升詞向量的品質，本論文嘗試了正規化、殘差連結、多頭式自注意力機制、更深層的神經網路等方法，並設計實驗說明它們對模型的影響。最後，本論文設計實驗證明經本方法調整後，使用少量文本預訓練的詞向量在同義詞任務中表現可以超越未調整但使用大量文本預訓練的詞向量，並從結果中發現同義詞相較於反義詞在相似度任務上是更有用的資訊，且同義詞和反義詞資訊並不

是越多越好，品質也會影響調整後的結果。