吴持哲生平介绍
来源:互联网 发布:淘宝上传宝贝软件 编辑:程序博客网 时间:2024/04/30 11:53
吴持哲,1950年,北京
基本信息
以下为吴持哲去世时内蒙大学为他发布的生平简介(扫描件):
吴持哲治丧委员会办公室的讣告
吴持哲堂兄吴祖垲院士发来的唁电电报
吴持哲的代表作有:
《英语与法语的相互影响》
此书在孔夫子旧书店能买到 ,但全套4册竟要价2200元,见:
http://bq.kongfz.com/detail_33945/,
九品新的甚至卖到5000元,见:
http://bq.kongfz.com/detail_33945_2_0/
《神力的语言》,翻译
《阴沉沉的天》,翻译
《加拿大文学史》
《文学翻译者的接受美学》
《内蒙古普通高等学校简介》
(英文版)1992年由内蒙古大学出版社出版、
其他单篇的文章几十篇,如:
《世界语中凝聚着印欧语系的精华》发表在《内蒙古大学学报》1988年第3期(此文已由中国世界语协会译成世界语,编入《世界语研究文集》1992年1月出版,向国外发行)(获自治区优秀论文二等奖)、
《筚路蓝缕,探索人类的共同语言》发表在《内蒙古大学学报》 1989年第1期、
《思维·语言·教学》(外语教学方法论刍议)发表在《教学研究》创刊号、山东《外语教学》 1983年第2期全文转载、
《外语系的教学大纲和学科建设》发表在《高等教育研究》 1989年第1期(此文获自治区教育厅教学优秀成果二等奖)、
《美国黑人文学名作<警长的儿女>发表一百周年》(C.W.契斯纳特短篇小说评述)发表在《美国文学》季刊1989年第3—4期、
《内蒙古自治区四十周年大型画册》(英文版)(合译)1992年由内蒙古画报社出版。
《世界语——人类的伟大理想》内容提要:
《筚路蓝缕,探索人类的共同语言》,编写(文章)
《英语中的后置形容词》,编写。内容摘要:
出生与家庭
吴持哲原名吴祖壎,浙江嘉兴人,诞生于嘉兴新塍吴润昭私院,见下图,现在那里已成立嘉兴地方党史陈列馆。详细可见zzwu的博客《我们的老家——嘉兴地方党史陈列馆》。
嘉兴新塍吴润昭私院,有红色扁幅处为嘉兴地方党史陈列馆
女儿(左1)2017夏与同事一起去伦敦参加莎士比亚研讨会
外甥跟母亲一起在伦敦街头
女儿(后排右2)与一起参加莎士比亚研讨会的成员合影
兴趣爱好:
吴持哲有非常广泛的兴趣爱好,在专业上,除了英语、法语、世界语外,也学过俄语和德语(都在解放前学的)。在业余,音乐、美术、体育都爱好,写得一手好字,还能用篆体为别人刻写图章,会唱许多中国外国歌,包括俄语、德语歌,我记得1946年夏天他从浙大回绍兴家里(父亲在绍中工作),我们一起在天井里乘凉,当时我读初一,而他也才大二,就能用德文完整唱完舒伯特的小夜曲:Leise flehen meine Lieder Durch die Nacht zu dir; In den stillen Hain hernieder, Liebchen, komm zu mir! ….;他常做一些工作量很大的事情,如把Linguephone公司发行的一套法语唱片的说明书全部刻写下来油印好寄给我;他很喜欢游泳,速度比我快很多。..
吴持哲写的手迹(信封上的字)
(待补充有关兴趣爱好)
去世情况:
吴持哲2005年4月3日10时去世,这是追悼会发布的消息,但实际是4月2号的半夜
里心脏就已停止了跳动,只是到4月3日上午9时被家人发现立即送医院抢救、到10时
发现脑电图波形完全消失才宣告正式死亡。他身体一直很好,死得非常突然,应是突
然发作的心脏病,死去时可能不曾有任何痛苦或最多几分钟痛苦!
- 吴持哲生平介绍
- 克劳士比生平介绍
- 关六如生平介绍,关六如简历
- 伟大斗士的光辉一生——阿拉法特生平介绍
- 生平第一次
- 德川家康生平
- 中共一大代表李汉俊生平简介 李汉俊后代近况介绍
- 生平第一次离家出走
- 爷爷的生平
- 包玉刚生平简介
- 曹操简介、生平
- 生平第一次面试经历
- [转载]开普勒生平
- 生平第一次玩blog
- 鲁迅生平及其作品简介
- 生平处女博文
- 生平第一篇博客
- 生平第一次使用博客Blog
- 安装Linux系统VMware报错:二进制转换与此平台上的长模式不兼容
- DevOps学习
- R笔记(简单数据处理)
- HUD 1160 FatMouse's Speed——LIS
- 使用mysql的使用发生的错误
- 吴持哲生平介绍
- HashMap解析
- 解决Android弹出软键盘导致的问题
- 獲取IE瀏覽器的版本,獲取默認瀏覽器的安裝路徑,獲取主流瀏覽器的安裝路徑
- 数据库操作是的一下错误记录
- http://makaidong.com/crsky/293014_1118729.html
- 机器学习故事汇-梯度下降
- 【网络基础 四】网络层
- 论文笔记:Deep Residual Learning for Image Recognition