2017年3月6日 星期一

英文單字學習機


     由於自己讀國小的小朋友有學習英文背單字的困擾,故用python開發了這個簡易的背英文單字程式,幫助小朋友練習單字。功能雖簡單卻都很實用,自從有了這個英文單字學習機後,我就再也不用盯著小朋友背單字了,頂多只需幫他們用excel建立好單字表。

目前建立的功能有:
1.可自行建立單字表,可利用excel編輯後,存成.csv檔。
2.測驗過程錯誤的單字,會重複提示,直到輸入正確才會進行下一個單字
3.測驗過程錯誤的所有單字會被記錄,可以按儲存功能,存成另一個.csv檔,下次可以直接開
    啟這個錯誤的單字檔在練習即可。
4.具有支援TTS 中文及英文發音,並在過程中會幫你加油打氣。
5.具有測驗拼字單字,單字撥放發音,及單字選擇題功能,期望達到聽、說、讀、寫方式記憶
   單字。
6.每範圍單字測驗結束後會自動按單字數量比例計分,成績優良,會語音給予讚美加油打氣
 ,讓使用者更有興趣動力繼續玩單字背單字。

安裝方式:

下載後不需安裝,只需將所有檔案放在同一資料夾,接著直接執行主程式Abu_words.exe即可

[2020/08/013]更新V1.03.00 

免費下載連結:


https://drive.google.com/file/d/1r5R6V3kroiBTOqf92lfSfsvArHaImFQm/view?usp=sharing

建議執行環境:Windows 10,使用windows 10才能獲得內建中文及英文發音支援(TTS),使用win7可能只有英語發音。
本程式絕無病毒及木馬請安心使用。

下載解壓縮後,第一次執行如果出現如下畫面,請點"其他資訊"然後選仍要執行






使用方式:

首先可自行準備單字檔,如下sample.csv檔。可自行用excel建檔或是從網路搜尋單字表後存成.csv檔案格式。記住,單字格式如下圖<1>,左邊欄位為英文單字,右邊為中文解釋,並且內文皆不可使用","逗號,原因是.csv檔本身就是用","逗號來做欄位區分,故內文不可再用","逗號,否則會被解讀為新欄位,造成程式對位錯誤。

圖<1>sample.csv



執行主程式Abu_words.exe後,請先選擇"開啟"單字檔




選擇所要練習的單字檔,例如sample.csv,接著可以設定單字的數量範圍,再按下"選取確認"



接著選擇"測試單字拼字"
即可進行單字拼字的測驗,右上角"開啟英文發音提示",勾選則會有英文發音,取消勾選擇不會有英文發音提示。
如果拼字正確,系統則會說"yes.it is right"
如果錯誤,系統則會說"That is wrong",並把正確的單字拼出一次讓你聽,並再要求你重新輸入一次,直到輸入正確才會進下一個單字測驗。達到強迫記憶的效果。




或是開啟單字題庫後可以先選擇"撥放單字"

那麼它會秀出單字中英文並唸出發音,可用滑鼠控制字再念一次或是上一個下一個。
適合對新單字還不熟時,可以先由這個方式練習,跟著唸出發音效果會更好。



或是開啟單字題庫後可以先選擇"單字選擇題"

從下方用滑鼠從4個選擇裡,選出正確的解釋,適合訓練單字閱讀理解能力。

測試過程若要儲存錯誤的單字,可以按下"儲存"鍵,即可另存目前所有錯誤的單字。





目前先做到這樣,我希望將來能讓它越來越智慧化,增加更多互動,就像一個虛擬的老師陪著練習一般。例如利用語音辨識,自然語言聊天對話都是未來可以考慮擴充的功能。




加入阿布拉機的3D列印與機器人的FB專頁
https://www.facebook.com/arbu00/


<其他文章>
人工神經網路(1)--使用Python實作perceptron(感知器)
人工神經網路(2)--使用Python實作後向傳遞神經網路演算法(Backprogation artificial neature network)
深度學習(1)-如何在windows安裝Theano +Keras +Tensorflow並使用GPU加速訓練神經網路
機器學習(1)--使用OPENCV KNN實作手寫辨識
機器學習(2)--使用OPENCV SVM實作手寫辨識
演算法(1)--蒙地卡羅法求圓周率及橢圓面積(Monte carlo)
機器學習(3)--適應線性神經元與梯度下降法(Adaline neuron and Gradient descent)
機器學習(4)--資料標準常態化與隨機梯度下降法( standardization & Stochastic Gradient descent)
機器學習(5)--邏輯斯迴歸,過度適合與正規化( Logistic regression,overfitting and regularization)
機器學習(6)--主成分分析(Principal component analysis,PCA)