Ẩn dụ cấu trúc là gì? Các công bố khoa học về Ẩn dụ cấu trúc
Ẩn dụ cấu trúc là một phương pháp sử dụng từ, cụm từ hoặc văn phạm ngữ pháp để truyền đạt một ý nghĩa ẩn dụ hoặc gợi hình ảnh cho người đọc hoặc nghe hiểu. Nó t...
Ẩn dụ cấu trúc là một phương pháp sử dụng từ, cụm từ hoặc văn phạm ngữ pháp để truyền đạt một ý nghĩa ẩn dụ hoặc gợi hình ảnh cho người đọc hoặc nghe hiểu. Nó thường được sử dụng trong văn xuôi, thơ và nghệ thuật. Ẩn dụ cấu trúc tạo ra một sự kết hợp giữa ý nghĩa trực tiếp và ý nghĩa ẩn dụ, để tạo ra một hiệu ứng tổng hợp và làm cho văn bản trở nên thú vị và hấp dẫn hơn.
Ẩn dụ cấu trúc là một kỹ thuật sử dụng trong văn học và nghệ thuật để tạo ra hiệu ứng tượng trưng hoặc gợi mở trong việc truyền đạt ý nghĩa. Nó được sử dụng để thúc đẩy người đọc hoặc nghe hiểu suy nghĩ sâu hơn và dùng tưởng tượng để hiểu rõ nghĩa vụng dượt hay ẩn sau.
Ẩn dụ cấu trúc có thể xảy ra ở nhiều cấp độ, từ cấu trúc cả bài văn cho đến phần văn bản, câu hoặc cụm từ đơn lẻ. Ví dụ, một câu ẩn dụ cấu trúc có thể sử dụng một từ hoặc ngữ pháp mang nhiều nghĩa để lôi cuốn sự tưởng tượng và suy nghĩ của người đọc. Nó cũng có thể sử dụng sự so sánh, tượng trưng hay những hình ảnh không trực tiếp nhằm truyền đạt ý nghĩa ẩn dụ.
Với ẩn dụ cấu trúc, người viết thường không nêu rõ ý nghĩa mà dùng công cụ ngôn từ và ngữ pháp để ngụ ý một ý nghĩa sâu xa hơn. Điều này tạo ra một sự tò mò và thách thức cho người đọc, khiến họ phải suy ngẫm và tìm hiểu thêm để hiểu rõ ý nghĩa thực sự của văn bản.
Một ví dụ nổi tiếng về ẩn dụ cấu trúc là "Ngọn núi này có một trong những câu chuyện nhỏ nhất từng được kể". Đây là ẩn dụ cấu trúc vì nó đề cập đến một ngọn núi nhưng thực chất đang nói về một câu chuyện. Sự so sánh giữa ngọn núi và câu chuyện gợi lên hình ảnh về mức độ quan trọng hay độ phú phức của câu chuyện, khiến người đọc tìm hiểu sâu hơn về nghĩa vụng dượt trong câu này.
Xin lỗi vì sự không chính xác trong câu trả lời trước đó. Ẩn dụ cấu trúc không phải là một thuật ngữ hoặc kỹ thuật phổ biến trong văn học và nghệ thuật. Tôi xin rút lại thông tin trước đó và cung cấp một giải thích mới cho bạn.
Ẩn dụ là một kỹ thuật ngôn ngữ trong việc sử dụng từ ngữ hay hình ảnh mang ý nghĩa ẩn dụ hoặc gợi mở. Nó giúp làm phong phú hơn nghĩa của văn bản và tạo ra hiệu ứng tượng trưng. Ẩn dụ cấu trúc là một cách sử dụng ẩn dụ ở mức cấu trúc của văn bản, tức là sử dụng cấu trúc ngữ pháp, câu hoặc đoạn văn để tạo ra ẩn dụ.
Một ví dụ về ẩn dụ cấu trúc là "Cuộc sống là một chuyến hành trình". Ở đây, cấu trúc câu là "X là Y", trong đó "chuyến hành trình" được sử dụng như một ẩn dụ để miêu tả cuộc sống. Ý nghĩa ẩn dụ của câu này là cuộc sống được so sánh với một hành trình có những trải nghiệm, khó khăn và khám phá. Người đọc cảm nhận được ý nghĩa sâu xa hơn và tưởng tượng về cuộc sống thông qua ẩn dụ này.
Trên mức cấu trúc bài văn, ẩn dụ cấu trúc có thể được sử dụng để tạo ra sự phù hợp giữa nội dung và cấu trúc bài viết. Ví dụ, một tác giả có thể sử dụng một cấu trúc kỳ quặc hoặc đảo ngữ để tạo ra một ẩn dụ về sự mâu thuẫn hoặc xung đột trong nội dung của tác phẩm.
Nhưng quan trọng nhất, ẩn dụ cấu trúc là một phương pháp văn học tổng quát để truyền đạt ý nghĩa phức tạp và gợi mở thông qua việc sử dụng công cụ ngôn ngữ và cấu trúc văn bản.
Danh sách công bố khoa học về chủ đề "ẩn dụ cấu trúc":
Protein là yếu tố thiết yếu của sự sống, và việc hiểu cấu trúc của chúng có thể tạo điều kiện thuận lợi cho việc hiểu cơ chế hoạt động của chúng. Thông qua một nỗ lực thử nghiệm khổng lồ1–4, cấu trúc của khoảng 100.000 protein độc nhất đã được xác định5, nhưng điều này chỉ đại diện cho một phần nhỏ trong hàng tỷ chuỗi protein đã biết6,7. Phạm vi bao phủ cấu trúc đang bị thắt nút bởi thời gian từ vài tháng đến vài năm cần thiết để xác định cấu trúc của một protein đơn lẻ. Các phương pháp tính toán chính xác là cần thiết để giải quyết vấn đề này và cho phép tin học cấu trúc lớn. Việc dự đoán cấu trúc ba chiều mà một protein sẽ chấp nhận chỉ dựa trên chuỗi axit amin của nó - thành phần dự đoán cấu trúc của 'vấn đề gấp nếp protein'8 - đã là một vấn đề nghiên cứu mở quan trọng trong hơn 50 năm9. Dù đã có những tiến bộ gần đây10–14, các phương pháp hiện tại vẫn chưa đạt đến độ chính xác nguyên tử, đặc biệt khi không có cấu trúc tương đồng nào được biết đến. Tại đây, chúng tôi cung cấp phương pháp tính toán đầu tiên có khả năng dự đoán cấu trúc protein với độ chính xác nguyên tử ngay cả trong trường hợp không có cấu trúc tương tự nào được biết. Chúng tôi đã xác nhận một phiên bản thiết kế hoàn toàn mới của mô hình dựa trên mạng neuron, AlphaFold, trong cuộc thi Đánh giá Cấu trúc Protein Phê bình lần thứ 14 (CASP14)15, cho thấy độ chính xác có thể cạnh tranh với các cấu trúc thử nghiệm trong phần lớn các trường hợp và vượt trội hơn các phương pháp khác đáng kể. Cơ sở của phiên bản mới nhất của AlphaFold là cách tiếp cận học máy mới kết hợp kiến thức vật lý và sinh học về cấu trúc protein, tận dụng các sắp xếp nhiều chuỗi, vào thiết kế của thuật toán học sâu.
Kỹ thuật tinh thể học X-quang đại phân tử thường được áp dụng để hiểu các quá trình sinh học ở cấp độ phân tử. Tuy nhiên, vẫn cần thời gian và nỗ lực đáng kể để giải quyết và hoàn thiện nhiều cấu trúc này do yêu cầu giải thích thủ công các dữ liệu số phức tạp thông qua nhiều gói phần mềm khác nhau và việc sử dụng lặp đi lặp lại đồ họa ba chiều tương tác.
Chúng tôi trình bày một khung nghiên cứu về sự biến đổi phân tử trong một loài. Dữ liệu về sự khác biệt giữa các haplotype DNA đã được tích hợp vào một định dạng phân tích phương sai, xuất phát từ ma trận khoảng cách bình phương giữa tất cả các cặp haplotype. Phân tích phương sai phân tử (AMOVA) này cung cấp các ước tính về thành phần phương sai và các đồng vị thống kê F, được gọi là phi-statistics, phản ánh sự tương quan của độ đa dạng haplotype ở các cấp độ phân chia thứ bậc khác nhau. Phương pháp này khá linh hoạt để thích ứng với các ma trận đầu vào thay thế, tương ứng với các loại dữ liệu phân tử khác nhau, cũng như các giả định tiến hóa khác nhau, mà không làm thay đổi cấu trúc cơ bản của phân tích. Ý nghĩa của các thành phần phương sai và phi-statistics được kiểm định bằng cách tiếp cận hoán vị, loại bỏ giả định về chuẩn tính thông thường trong phân tích phương sai nhưng không phù hợp cho dữ liệu phân tử. Áp dụng AMOVA cho dữ liệu haplotype DNA ty thể của con người cho thấy, sự phân chia dân số được giải quyết tốt hơn khi một số biện pháp khác biệt phân tử giữa các haplotype được đưa vào phân tích. Tuy nhiên, ở cấp độ nội bộ loài, thông tin bổ sung từ việc biết quan hệ phân loại chính xác giữa các haplotype hoặc thông qua việc dịch phi tuyến thay đổi vị trí hạn chế thành độ đa dạng nucleotide không làm thay đổi đáng kể cấu trúc di truyền dân số suy luận. Các nghiên cứu Monte Carlo cho thấy việc lấy mẫu vị trí không ảnh hưởng căn bản tới ý nghĩa của các thành phần phương sai phân tử. Việc xử lý AMOVA dễ dàng mở rộng theo nhiều hướng khác nhau và cấu thành một khung hợp lý và linh hoạt cho việc phân tích thống kê dữ liệu phân tử.
Cấu trúc khung hữu cơ kim loại (MOFs) được tạo thành bằng cách liên kết các đơn vị vô cơ và hữu cơ thông qua các liên kết mạnh (tổng hợp mạng). Sự linh hoạt trong việc thay đổi hình học, kích thước và chức năng của các thành phần đã dẫn đến hơn 20.000 MOFs khác nhau được báo cáo và nghiên cứu trong thập kỷ qua. Các đơn vị hữu cơ là các carboxylat hữu cơ ditopic hoặc polytopic (và các phân tử tích điện âm tương tự khác), khi liên kết với các đơn vị chứa kim loại, tạo ra các cấu trúc tinh thể MOF có kiến trúc chắc chắn với độ xốp điển hình lớn hơn 50% thể tích tinh thể MOF. Giá trị diện tích bề mặt của MOFs như vậy thường dao động từ 1000 đến 10,000 m 2 /g, vượt qua các vật liệu xốp truyền thống như zeolites và carbons. Cho đến nay, MOFs có độ xốp cố định đã trở thành loại đa dạng và phong phú hơn bất kỳ lớp vật liệu xốp nào khác. Những khía cạnh này đã làm cho MOFs trở thành ứng viên lý tưởng để lưu trữ nhiên liệu (hydro và methane), bắt giữ carbon dioxide và ứng dụng xúc tác, để kể một vài ví dụ.
Khả năng thay đổi kích thước và đặc tính của cấu trúc MOF mà không thay đổi cấu trúc dưới của chúng đã tạo ra nguyên lý đồng cấu trúc và ứng dụng của nó trong việc tạo ra MOFs với kích thước lỗ lớn nhất (98 Å) và mật độ thấp nhất (0,13 g/cm 3 ). Điều này đã cho phép đưa vào chọn lọc các phân tử lớn (ví dụ, vitamin B 12 ) và protein (ví dụ, protein huỳnh quang xanh) và khai thác các lỗ chân lông làm bình phản ứng. Dọc theo những dòng này, độ bền nhiệt và hóa học của nhiều MOFs đã khiến chúng trở nên thích hợp cho các phương pháp chức năng hóa hậu tổng hợp vô cơ và phức hợp kim loại. Các khả năng này cho phép tăng đáng kể lưu trữ khí trong MOFs và đã dẫn đến việc nghiên cứu sâu rộng của chúng trong xúc tác các phản ứng hữu cơ, hoạt hóa các phân tử nhỏ (hydro, methane, và nước), tách khí, hình ảnh y sinh và dẫn proton, electron và ion. Hiện nay, các phương pháp đang được phát triển để tạo ra các tinh thể nano và siêu tinh thể của MOFs để đưa vào thiết bị.
Kiểm soát chính xác chuỗi lắp ráp của MOFs dự kiến sẽ thúc đẩy lĩnh vực này tiến xa hơn vào các lĩnh vực hóa học tổng hợp mới, trong đó có thể tiếp cận các vật liệu tinh vi hơn nhiều. Ví dụ, các vật liệu có thể được hình dung như có (i) các khoang liên kết với nhau để hoạt động riêng lẻ, nhưng hoạt động đồng bộ; (ii) sự uyển chuyển để thực hiện các hoạt động song song; (iii) khả năng đếm, phân loại và mã hóa thông tin; và (iv) khả năng động học với độ trung thực cao. Những nỗ lực theo hướng này đang được thực hiện thông qua việc giới thiệu một số lượng lớn các nhóm chức khác nhau trong lỗ chân lông của MOFs. Điều này tạo ra các cấu trúc đa biến trong đó sự sắp xếp các chức năng khác nhau dẫn đến việc cung cấp một sự kết hợp đồng bộ các thuộc tính. Công việc trong tương lai sẽ bao gồm việc lắp ráp các cấu trúc hóa học từ nhiều loại đơn vị xây dựng khác nhau, sao cho chức năng của các cấu trúc này được chỉ định bởi sự dị hỗn của sự sắp xếp cụ thể của các thành phần của chúng.
Một tập hợp cơ sở mở rộng của các hàm số nguyên tử được biểu diễn dưới dạng các tổ hợp tuyến tính cố định của các hàm Gaussian được trình bày cho hydro và các nguyên tố hàng đầu tiên từ cacbon đến flo. Trong tập này, được mô tả là 4–31 G, mỗi lớp vỏ bên trong được đại diện bởi một hàm cơ sở duy nhất được lấy từ tổng của bốn hàm Gaussian và mỗi quỹ đạo hoá trị được tách thành các phần bên trong và bên ngoài được mô tả bởi ba và một hàm Gaussian, tương ứng. Các hệ số mở rộng và số mũ Gaussian được xác định bằng cách tối thiểu hóa năng lượng đã tính toán tổng thể của trạng thái cơ bản nguyên tử. Cơ sở dữ liệu này sau đó được sử dụng trong các nghiên cứu quỹ đạo phân tử đơn xác định của một nhóm nhỏ phân tử đa nguyên tử. Tối ưu hóa các yếu tố tỷ lệ vỏ hoá trị cho thấy rằng có sự tái chia tỷ lệ đáng kể của các hàm số nguyên tử trong các phân tử, các hiệu ứng lớn nhất được quan sát thấy ở hydro và cacbon. Tuy nhiên, phạm vi tối ưu của các hệ số tỷ lệ cho mỗi nguyên tử là đủ nhỏ để cho phép lựa chọn một bộ tiêu chuẩn phân tử. Việc sử dụng cơ sở chuẩn này cung cấp các hình học cân bằng lý thuyết hợp lý với thí nghiệm.
Mục tiêu. Kiểm tra tính giá trị cấu trúc của phiên bản rút gọn của thang đánh giá trầm cảm, lo âu và căng thẳng (DASS-21), đặc biệt đánh giá xem căng thẳng theo chỉ số này có đồng nghĩa với tính cảm xúc tiêu cực (NA) hay không hay nó đại diện cho một cấu trúc liên quan nhưng khác biệt. Cung cấp dữ liệu chuẩn hóa cho dân số trưởng thành nói chung.
Thiết kế. Phân tích cắt ngang, tương quan và phân tích yếu tố xác nhận (CFA).
Phương pháp. DASS-21 được áp dụng cho một mẫu không có bệnh lý, đại diện rộng cho dân số trưởng thành tại Vương quốc Anh (
Kết quả. Mô hình có sự phù hợp tối ưu (RCFI = 0.94) có cấu trúc tứ phương, bao gồm một yếu tố chung của rối loạn tâm lý cộng với các yếu tố cụ thể vuông góc của trầm cảm, lo âu, và căng thẳng. Mô hình này có sự phù hợp tốt hơn đáng kể so với mô hình cạnh tranh kiểm tra khả năng rằng thang đo Stress chỉ đơn giản đo NA.
Kết luận. Các thang đo phụ DASS-21 có thể được sử dụng hợp lệ để đo lường các khía cạnh của trầm cảm, lo âu và căng thẳng. Tuy nhiên, mỗi thang đo phụ này cũng chạm đến một khía cạnh chung hơn của rối loạn tâm lý hoặc NA. Sự tiện ích của thang đo được nâng cao nhờ có dữ liệu chuẩn hóa dựa trên một mẫu lớn.
Khi cả công nghệ và tổ chức trải qua những thay đổi mạnh mẽ về hình thức và chức năng, các nhà nghiên cứu tổ chức ngày càng quan tâm đến các khái niệm đổi mới, sự nổi lên và ứng biến để giải thích những cách thức tổ chức và sử dụng công nghệ mới mẻ đang hiện hữu trong thực tiễn. Với ý định tương tự, tôi đề xuất một sự mở rộng cho quan điểm cấu trúc hóa về công nghệ, phát triển một lăng kính thực hành để xem xét cách mà con người, khi tương tác với một công nghệ trong các thực hành liên tục của họ, thực hiện các cấu trúc định hình việc sử dụng công nghệ đó trong bối cảnh xảy ra và đang nổi lên của họ. Nhìn nhận việc sử dụng công nghệ như một quá trình thực hiện cho phép hiểu sâu hơn về vai trò cấu thành của các thực hành xã hội trong việc sử dụng và thay đổi công nghệ liên tục trong nơi làm việc. Sau khi phát triển lăng kính này, tôi đưa ra một ví dụ về cách sử dụng nó trong nghiên cứu, và sau đó gợi ý một số hệ quả cho nghiên cứu về công nghệ trong các tổ chức.
Vật liệu gốm thủy tinh sinh học A‐W có độ bền cao đã được ngâm trong nhiều dung dịch nước không tế bào khác nhau về nồng độ ion và pH. Sau khi ngâm trong 7 và 30 ngày, những thay đổi cấu trúc bề mặt của gốm thủy tinh đã được điều tra bằng phương pháp phổ phản xạ hồng ngoại biến đổi Fourier, nhiễu xạ tia X màng mỏng và quan sát kính hiển vi điện tử quét, so sánh với những thay đổi cấu trúc bề mặt
Thập kỷ qua đã mang đến những công nghệ thông tin tiên tiến, bao gồm hệ thống nhắn tin điện tử, hệ thống thông tin điều hành, hệ thống hợp tác, hệ thống hỗ trợ quyết định theo nhóm và các công nghệ khác sử dụng quản lý thông tin tinh vi để cho phép sự tham gia của nhiều bên trong các hoạt động tổ chức. Các nhà phát triển và người dùng của những hệ thống này đều đặt niềm tin lớn vào khả năng thay đổi tổ chức theo hướng tích cực, nhưng những thay đổi thực tế thường không xảy ra, hoặc xảy ra không đồng nhất. Chúng tôi đề xuất lý thuyết cấu trúc thích ứng (AST) như một cách tiếp cận khả thi để nghiên cứu vai trò của các công nghệ thông tin tiên tiến trong sự thay đổi tổ chức. AST xem xét quá trình thay đổi từ hai góc độ: (1) các loại cấu trúc được cung cấp bởi các công nghệ tiên tiến, và (2) các cấu trúc thực tế xuất hiện trong hành động của con người khi họ tương tác với các công nghệ này. Để minh họa các nguyên tắc của AST, chúng tôi xem xét các cuộc họp nhóm nhỏ và việc sử dụng hệ thống hỗ trợ quyết định theo nhóm (GDSS). GDSS là một công nghệ thú vị để nghiên cứu vì nó có thể được cấu trúc theo nhiều cách khác nhau, và sự tương tác xã hội diễn ra khi GDSS được sử dụng. Cả cấu trúc của công nghệ và cấu trúc hành động xã hội xuất hiện đều có thể được nghiên cứu.
Chúng tôi bắt đầu bằng việc định vị AST trong bối cảnh các quan điểm lý thuyết cạnh tranh về công nghệ và sự thay đổi. Tiếp theo, chúng tôi mô tả nguồn gốc lý thuyết và phạm vi của lý thuyết khi áp dụng vào việc sử dụng GDSS và nêu rõ các giả định, khái niệm và đề xuất thiết yếu của AST. Chúng tôi phác thảo một chiến lược phân tích để áp dụng các nguyên tắc của AST và cung cấp một minh họa về cách tiếp cận phân tích của chúng tôi có thể làm sáng tỏ những tác động của công nghệ tiên tiến lên các tổ chức. Một sức mạnh chính của AST là nó phác thảo bản chất của cấu trúc xã hội trong các công nghệ thông tin tiên tiến và các quy trình tương tác then chốt liên quan đến việc sử dụng chúng. Bằng cách nắm bắt这些 quy trình và theo dõi các tác động của chúng, chúng tôi có thể tiết lộ sự phức tạp của mối quan hệ giữa công nghệ và tổ chức. Chúng tôi có thể đạt được hiểu biết tốt hơn về cách triển khai công nghệ, và chúng tôi cũng có thể phát triển thiết kế tốt hơn hoặc các chương trình giáo dục thúc đẩy sự thích ứng hiệu quả.
Độ phân giải bên đạt được mức cao hơn gấp đôi so với giới hạn nhiễu xạ cổ điển bằng cách sử dụng chiếu sáng cấu trúc trong kính hiển vi huỳnh quang trường rộng. Mẫu vật được chiếu sáng bằng một loạt các mẫu ánh sáng kích thích, gây ra thông tin độ phân giải cao không thể tiếp cận trong điều kiện bình thường được mã hóa vào hình ảnh quan sát được. Các hình ảnh ghi lại được xử lý tuyến tính để trích xuất thông tin mới và tạo ra một hình ảnh tái cấu trúc với độ phân giải gấp đôi so với bình thường. Khác với kính hiển vi quang sai, cải tiến độ phân giải này không cần phải loại bỏ bất kỳ ánh sáng phát xạ nào. Phương pháp này tạo ra những hình ảnh có độ rõ nét tăng đáng kể so với cả kính hiển vi truyền thống và kính hiển vi quang sai.
- 1
- 2
- 3
- 4
- 5
- 6
- 10