.tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em} .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] { text-align: center; } .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] .tb-button__link { background-color: rgba( 255, 255, 255, 1 );border-radius: 13px;color: rgba( 0, 0, 0, 1 );border: 2px solid rgba( 89, 52, 255, 1 );font-size: 16px;color: rgba( 0, 0, 0, 1 ); } .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] .tb-button__icon { font-family: dashicons; } .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] { font-size: 13px;font-style: italic;color: rgba( 89, 89, 89, 1 );margin-top: 20px;margin-bottom: 20px; }  .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] a { color: rgba( 89, 89, 89, 1 );text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"]  { font-size: 17px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="b5a2a1f08d1627075e53cd72b6615a53"] { padding: 25px 0 25px 0; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.72fr) minmax(0, 0.28fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .tb-field[data-toolset-blocks-field="668ae1855b25b162eb8e46027e84eed6"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="141f0efa1834a8f0cdf3c504febcbacf"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="a093f80b98988f44867bc92bc8b2bcce"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="b207be1f09b5cfeaede6a71988a74275"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="66077008f8b3822688e427d9e039f21f"] a { text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"]  { font-size: 16px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"]  { color: rgba( 255, 255, 255, 1 );background-color: rgba( 6, 147, 227, 1 );padding-top: 20px;padding-bottom: 20px;padding-left: 25px;margin-top: 20px;margin-bottom: 20px; }  h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"] a  { color: rgba( 255, 255, 255, 1 );text-decoration: none; } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7990017b9d2a69714997192d12cdf930"] { padding: 25px;box-shadow: 5px 5px 10px 0 rgba( 0, 0, 0, 0.5 ); } .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] { margin-top: 30px;margin-bottom: 30px; }  .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] a { text-decoration: none; }  h1.tb-heading[data-toolset-blocks-heading="4f5a660589f8a2eb8e7a8502090d81dc"] a  { text-decoration: none; } @media only screen and (max-width: 781px) { .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }       .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } @media only screen and (max-width: 599px) { .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:normal !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 }       .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } 

Главная Работы на конкурс Предметное образование Филологические дисциплины Исследовательская работа «Новые подходы к изучению глаголов английского языка с использованием фреймов и нейросетей»

Исследовательская работа «Новые подходы к изучению глаголов английского языка с использованием фреймов и нейросетей»

Автор: Володина Татьяна Андреевна

Место работы/учебы (аффилиация): МОБУ Гимназия №44 г. Сочи им. В.А. Сухомлинского, г. Сочи, Краснодарский край, 8 класс

Научный руководитель: Дзюба Мария Александровна

При изучении основ психологии, которую автор осваивает на внешкольном курсе, встречается понятие «осознанное чтение» (reading for meaning) – внимательное, медленное вчитывание в смысл с помощью анализа текста, когда человек может активно взаимодействовать с существующим образом. Возникло предположение, что создание нужного образа английского глагола позволит усвоить его гораздо лучше и последующее применение будет зависеть не от дословного запоминания правила или его заучивания, а от того,
что правило в виде образа уже будет в памяти. Если усложнить образ глагола и представлять его не только в виде текстовой части из учебника, мы можем получить такую структуру, как фрейм.

Гипотеза − при успешном освоении фреймовой системы сложностей с усвоением глаголов английского языка становится меньше, существенно уменьшается количество ошибок в применении их на практике. Практика применения глагола с использованием нейросети может быть самостоятельной и давать возможность выстраивать диалог в правильных временах, не задумываясь над формулировкой правила.

Объект ˗ приемы когнитивной лингвистики, которые могут быть использованы при изучении английского языка и нейросети, которые могут генерировать практические задания.

Предмет ˗ фреймы для английских глаголов и нейросети.

Цель – выявить влияние применения системы фреймов на изучение времен глаголов в английском языке и проследить особенности их применения с помощью нейросетей.

Задачи:

провести обзор основ когнитивной лингвистики, выявив ее роль в изучении языка; изучить концепт фреймов, определить его новизну и значимость для лингвистики и когнитивных дисциплин;
проанализировать структуру и организацию фреймов и их применение в анализе английских глаголов;
представить примеры использования фреймов для анализа английских глаголов и предложить собственные варианты применения данного метода;
выявить преимущества и ограничения использования нейросети для успешной тренировки полученных знаний.

Методы исследования, использованные в работе:

анализ затруднений – при помощи опроса учителей английского языка времена английских глаголов были оценены исходя из наибольшего количества ошибок, которые делают ученики 6˗7 классов при их применении; из трудностей, которые возникают у сверстников, выделена группа наиболее затруднительных моментов, все они оказались связаны с пониманием и применением грамматики английского языка;
сопоставительный (сравнительный) метод – сравнивались методики обучения грамматике (классические, новые, основанные на науке), сравнивались нейросети.
критическое осмысление – автором намеренно допускались ошибки в работе с нейросетями, чтобы выявить слабые стороны;
экспериментальное исследование методом интервьюирования – ученикам предложено отвечать на вопросы, связанные с правильным применением времени глаголов до и после разъяснения фрейма нужного времени. Посчитано количество правильных и неправильных ответов в обоих случаях.

Результаты и выводы:

Создание нужного образа английского глагола позволит усвоить его гораздо лучше и последующее применение будет зависеть не от дословного запоминания правила или его заучивания, а от того, что правило в виде образа уже будет в памяти. Гипотеза, которая подтвердилась в исследовании − при успешном освоении фреймовой системы сложностей с усвоением глаголов английского языка становится меньше, существенно уменьшается количество ошибок в применении их на практике. Практика применения глагола с использованием нейросети может быть самостоятельной и приносить положительные результаты.
Работа включает теоретическую часть с изложением материала в понимании автором работы основ когнитивной и нейролингвистики, структуры фреймов и практическую часть, где подбирались способы взаимодействия с искусственным интеллектом, список литературы и приложения, в которых приведены разработки фреймов, адаптированные автором под изучение некоторых времен английских глаголов.
Проведен анализ использования фреймов в изучении английских глаголов и их роли в понимании семантики глаголов в разных контекстах, в нейросети протестированы возможности искусственного интеллекта в закреплении знаний. Фреймы — эффективный инструмент для анализа семантики английских глаголов. Они позволяют структурировать и систематизировать информацию о значениях глаголов в разных ситуациях и контекстах. Применение возможностей искусственного интеллекта, который уже содержит в себе алгоритмы фреймов, при корректном его использовании может сделать изучение английского языка гораздо более эффективным.