التعلم الآلي واللغويات التطبيقية / د.سوميا فاجالا - جامعة ولاية أيوا

صباح علي السليمان

الحوار المتمدن-العدد: 8074 - 2024 / 8 / 19 - 23:27
المحور: تقنية المعلمومات و الكومبيوتر
    

التعلم الآلي واللغويات التطبيقية / د.سوميا فاجالا - جامعة ولاية أيوا( )
ترجمة أ.د. صباح علي السليمان – العراق
[email protected]


Summary
Automated education is one of the important topics of today s times It contributes to solving a wide range of problems, including: automated recording of non-original responses (e.g.: GRE and TOEFL) [Selection of graduate registration, English language test], computer-assisted spoken language instruction (e.g.: elsaspeak.com) [An application that helps you in English], the advanced mobile language learning application (such as duolingo.com) [the most popular language learning platform around the world], knowledge of linguistic analysis tools such as dictation rule checkers (grammarly.com) [English language writing improvement platform], and learning data extraction. These applications can be classified into three general categories: language and content assessment, learning to support reading, speaking and listening, and analysing learner s data.
In the case of assessing the determination of learners writing scores in terms of language proficiency and writing, automated linguistic teaching methods will be through the collection of a large collection of student articles recorded by human class students and to extract the language features of the text relevant to efficiency assessment and the use of national language programming, Building multiple predictive models with these linguistic features as patterns by learning algorithms and selected the best performing model after validation and consistency, and used the final model to classify new student articles and existing automated grading systems working alongside a human class student (that is, instead of two human graders, there is one human being and one automatic de-script-ion). )
The translation methodology was to formulate and arrange the phrases, clarify the terminology through [], and keep the original researcher s sources between. It is God s good luck.
Keywords: Education - Automated - Linguistics - Applied - Somia.



الملخص
يعدُّ التعليم الآلي من الموضوعات المهمة في عصرنا الحالي ؛ إذ يساهم لحل مجموعة واسعة من المشاكل، منها :التسجيل الآلي للاستجابات غير الأصلية (مثل: GRE و TOEFL)[ اختيار تسجيل الخريجين ، اختبار اللغة الانكليزية ]، وتعليم اللغة المنطوقة بمساعدة الكمبيوتر(مثل: elsaspeak.com)[ تطبيق يساعدك في الانجليزية]، وتطبيق تعلم اللغة عبر الهاتف المحمول المتطور(مثل duolingo.com)[ منصة تعليم لغات الأكثر شعبية حول العالم ]، ومعرفة أدوات التحليل اللغوي مثل مدققات قواعد الإملاء(grammarly.com) [منصة تحسين الكتابة باللغة الانكليزية ] ، واستخراج البيانات التعليمية . ويمكن تصنيف هذه التطبيقات إلى ثلاث فئات عامة، وهي : تقييم اللغة والمحتوى ،و تعلم الدعم للقراءة والكتابة والتحدث والاستماع ،و تحليل بيانات المتعلم.
أمَّا طرائق التعليم الآلي في اللغويات في حال تقييم تحديد درجات كتابة المتعلمين من حيث إتقان اللغة والكتابة فيكون عن طريق جمع مجموعة كبيرة من مقالات الطلاب التي سجلها طلاب الصف البشري، و استخراج السمات اللغوية للنص ذات الصلة بتقييم الكفاءة وباستخدام البرمجة اللغوية الوطنية ، وبناء نماذج تنبؤية متعددة بهذه السمات اللغوية كأنماط عن طريق تعلم الخوارزميات، واختيار النموذج الأفضل أداءً بعد التحقق من صحته واتساقه، واستخدم النموذج النهائي لتصنيف مقالات الطلاب الجديدة، ونظم الدرجات الآلية القائمة العمل جنبا إلى جنب مع طالب صف بشري (أي بدلاً من اثنين من طلاب الصف البشري، هناك إنسان واحد ووصف آلي واحد).
وكان منهجي في الترجمة هو صياغة العبارات وترتيبها ، وتوضيح المصطلحات عن طريق [ ] ، وإبقاء مصادر الباحثة الأصلية بين ( ) . هذا ومن الله تعالى التوفيق
الكلمات المفتاحية : التعليم – الآلي – اللغويات – التطبيقية – سوميا.

التعلم الآلي واللغويات التطبيقية / د.سوميا فاجالا - جامعة ولاية أيوا
المقدمة
التعلم الآلي هو مجال فرعي لعلوم الكمبيوتر ،يهتم بتطوير تعليم الحواسيب ، وأداء مهام مختلفة تلقائيا ،ويهدف إلى تحقيق هذا من خلال التدريب على أجهزة الكمبيوتر للتعرف على أنماط المعلومات من عدد كبير من الأمثلة التي تتعلق بمهام معينة. وبعد هذه المرحلة التدريبية من المتوقع أنْ تقوم الآلة بأداء المهمة المستفادة بشكل مستقل.
ودعونا نفكر في تطبيق يوظفه أي مزود بريد إلكتروني رئيسي في الاستخدام اليومي في تحديد رسائل البريد العشوائي ،وفي هذه الحالة نصنف أي بريد إلكتروني وارد على أنه بريد عشوائي أو غير عشوائي. ويتم ذلك تلقائيًا من خلال عرض آلاف الأمثلة على الكمبيوتر يدويًا ، و في البداية نرسل رسائل البريد العشوائي غير المرغوب فيها من الماضي ، ثم يراقب الكمبيوتر الأنماط في كلتا الفئتين ،فعلى سبيل المثال الشيء الذي يحدثك عن منحك 1 مليون دولار ربما يكون مع البريد العشوائي . ويبني لذلك أنموذج لتحديد البريد العشوائي باستخدام جميع الأنماط التي تفرق بين رسائل البريد العشوائي والبريد الإلكتروني العشوائي. ثم يتم استخدام هذا النموذج في الوقت الفعلي على كل بريد إلكتروني جديد في بريدك الوارد .
و تشمل الأمثلة الأخرى لمهام التعلم الآلي في ترجمة النص من لغة إلى أخرى، وسيارة ذاتية القيادة، ونظام توصية منتج على التجارة الإلكترونية مثل بريد الأمازون وما إلى ذلك.
وبالنظر إلى هذه التطبيقات المتنوعة السيناريوهات، أصبح التعلم الآلي طريقة شائعة لتطوير أنظمة الكمبيوتر في العديد من المجالات في العقد الماضي، واللغويات التطبيقية ليست استثناء من هذه المجالات .
ويستكشف هذا التمهيد أهمية التعلم الآلي في سياق التكنولوجيا على التعلم اللغوي بدءًا من مقدمة موجزة للتعلم الآلي، وستركز المقالة على أهمية التعلم الآلي وأساليبه واستخداماته في ثلاث مقالات عامة .

التعلم الآلي - نظرة عامة
يشير التعلم الآلي (ML) إلى دراسة طرائق تعليم أجهزة الكمبيوتر في تعلم مجموعات كبيرة من الأمثلة. وقد يبدو هذا الوصف مشابهًا للإحصاءات والآلة في التعلم ، وله علاقة بالنمذجة الإحصائية، ومع ذلك فإنَّ التركيز في آلة التعلم هو في المقام الأول إجراء تنبؤات ذات أفضلية ودقيقة على البيانات غير المرئية، زيادة على ما تعلمه الآلة. في حين أنَّ هناك العديد من طرائق التعلم من البيانات معظمها تكمن في إحدى الفئات الثلاث الآتية استنادا إلى طبيعة المهمة التي يتعين تعلمها ، وهي :
(أ) التعلم الخاضع للإشراف: حيث يتم إعطاء الآلة مدخلات مثالية جنبًا إلى جنب مع المدخلات المتوقعة ، وتتمثل المهمة في تعلم وظيفة ترسم المدخلات في مخرجاتها ، ويكون الناتج إما قاطعة (تصنيف الرسائل غير المرغوب فيها) أو رقمية (تقييم المقالات الآلية) ، علماً أنَّ معظم المشاكل الموصوفة في هذه المادة تنتمي إلى هذه الفئة.
ب) التعلم غير الخاضع للإشراف: وهو لا يتم إعطاء الكمبيوتر أي معلومات حول الناتج المتوقع، وتتمثل المهمة في التنبؤ بالهيكل الكامن لأوجه التشابه بين أمثلة الإدخال، وجمعها معًا بناءً على هذا التشابه. ويكون تحليل المجموعات واحداً كما في مشكلة التعلم غير الخاضعة للإشراف (انظر تحليل المجموعات).
ج) التعلم المعزز: ويكون تعلم برنامج الكمبيوتر مهماً في ديناميكية مستمرة من خلال العمل ببطء نحو الهدف والحصول على تعليقات من حيث المكافآت أو العقوبات ، و جعل الروبوت يتعلم حمل شيء ،وجعل الكمبيوتر يلعب مع البشر، وبناء سيارة ذاتية القيادة عن طريق بعض أمثلة التعليم المعززة.
ولتوضيح كيفية تنفيذ التعلم الآلي في تطبيقات العالم الحقيقي، دعونا نضع في اعتبارك مشكلة التعلم الآلي الخاضعة للإشراف الموصوفة سابقًا في تصنيف البريد الإلكتروني العشوائي. فإذا كان هدفنا هو تصنيف نص البريد الإلكتروني على أنه بريد عشوائي أو غير عشوائي، وهو نهج للتعلم الآلي عادةً فإنَّ ذلك ينطوي على الخطوات الآتية:
الخطوة 1 بيانات التدريب: وتشير إلى جمع الأمثلة التي يتعين على الكمبيوتر تعلمها وتكون تحت الإشراف، وتقدم النواتج المتوقعة أيضا كما في برنامج الأمم المتحدة للبيئة.
وتشير بيانات التدريب على تصنيف الرسائل غير المرغوب فيها إلى جمع رسائل البريد الإلكتروني المخصصة لفئة البريد العشوائي أو غير العشوائي من قبل المعلقين البشريين.
الخطوة 2 تمثيل الميزات: يشير هذا إلى عملية تحويل بيانات التدريب إلى مجموعة رقمية من الميزات أو الأنماط التي يمكن للآلة التعلم منها. وللبريد العشوائي تصنيف، قد يعني ذلك في جوانب من النص مثل: طول البريد الإلكتروني، ووجود الجميع في النص العلوي، وعدد الأخطاء الإملائية والنحوية، وذكر كميات كبيرة أخرى ، وما إلى ذلك.
الخطوة 3 خوارزمية التعلم : وهي تتعلم وظيفة للتنبؤ بالمخرجات من مدخلات معينة، ويمكن بعد ذلك استخدام هذه الوظيفة كـنموذج لاحقًا على بيانات جديدة غير مرئية ، كما في لوجستي الانحدار والانحدار الخطي [لانحدار اللوجستي هو تقنية لتحليل البيانات تستخدم الرياضيات في إيجاد العلاقات بين عامِلَين من عوامل البيانات. ]، وهما مثالان على الأساليب الإحصائية المألوفة التي يمكن أنْ تستخدم في تعلم وظيفة لرسم خريطة من الميزات إلى النواتج، والتي يمكن استخدامها لاحقًا من أجل التنبؤ أيضا. وهناك المئات من خوارزميات التعلم والخوارزميات الجديدة التي يجري تطويرها في مجال البحوث. وبعض خوارزميات التعلم المشرف الشائعة عادة ما تكون: الخلجان الساذجة، وأشجار القرار، وآلات ناقلات الدعم. [شجرة القرار هي أداة دعم قرار تستخدم رسمًا توضيحيًّا شبيها بالشجرة للقرارات والتبعات المتوقعة لها، و آلات المتجهات الداعمة (SVMs) هي فئة شائعة وفعالة من خوارزميات التعلم الآلي الخاضعة للإشراف المستخدمة في مهام التصنيف ]، أمَّا نهج التعلم القائم على الشبكات العصبية الاصطناعية فيسمى التعلم العميق.
الخطوة 4 التقييم: وهو ما تعلمته الآلة من خلال اختبار أدائها على بيانات غير مرئية، باستخدام مقياس مناسب. على سبيل المثال تصنيف البريد العشوائي. ويمكن أنْ يكون مقياس التقييم هو النسبة المئوية لرسائل البريد الإلكتروني المحددة بشكل صحيح على أنها رسائل غير مرغوب فيها أم بريد العشوائي.
هناك طرق مختلفة لتقييم الآلة خوارزمية التعلم، وتعتمد على المهمة وطبيعة البيانات التي تستخدمها ، فهناك خوارزميات راسخة لأداء أشكال مختلفة من التعلم الآلي ؛ و لهذا يكون تطبيق التعلم الآلي على مشكلة شائعة (مثل تصنيف الرسائل غير المرغوب فيها) أو مشاكل في مجال محدد (مثل التسجيل الآلي لكتابة المتعلم في اللغويات التطبيقية) . وعادةً ما ينطوي على استخدام بعض الخوارزميات الحالية وتخصيص تمثيلات الميزات على أساس طبيعة المشكلة، واختيار أو استحداث بيانات تدريبية مناسبة، وما إلى ذلك.
وآلة التعلم عنصر نشط في العديد من التطبيقات التكنولوجية ذات الصلة بالتطبيقات اللغويات، وبقية هذه المقالة تركز على ذلك. ولفهم التعلم الآلي الرجوع لرياضيات والنظرية ( راجع Daume III (2012)، وللمزيد من التطبيق لهذا العلاج الموجه( الرجوع إلى Witten و Frank و Hall & Pal (2016). وللحصول على نظرة عامة مفاهيمية بدون الصرامة الرياضية، الرجوع إلى (دومينغوس .2015).
التعلم الآلي وتعلم اللغة :في تعلم اللغة يستخدم التعلم الآلي لحل مجموعة واسعة من المشاكل مثل التسجيل الآلي للاستجابات غير الأصلية (في اختبارات مثل GRE و TOEFL)، وبمساعدة الكمبيوتر نتعلم اللغة المنطوقة (على سبيل المثال، elsaspeak.com)، وتطبيق تعلم اللغة عبر الهاتف المحمول المتطور يستخدم مثلاً( duolingo.com)، وأدوات التحليل اللغوي مثل مدققات قواعد الإملاء يستخدم مثلاً( grammarly.com) وفي مجال استخراج البيانات التعليمية أيضا (بيكر وياسف، 2009). أمَّا الوعي بـالأفكار العامة وراء التعلم الآلي فستكون مفيدة للغويين التطبيقيين ، ولفهمها وتقييم هذه التطبيقات ذات الصلة بتعلم اللغة يمكن تصنيف هذه التطبيقات إلى ثلاث فئات عامة:
(أ) تقييم اللغة والمحتوى.
(ب) تعلم الدعم للقراءة والكتابة والتحدث والاستماع .
(ج) تحليلات بيانات المتعلم.
في النقطتين الأولتين تتضمن عادةً العمل مع اللغة البشرية ومعالجتها، أمَّا في الآلة فيتم الجمع بين التعلم وتقنيات معالجة اللغة الطبيعية (انظر أيضًا: Natural Language Processing and Language Learning). وبالإضافة إلى ذلك فالتعلم الآلي هو أيضًا داخلي في تقنيات أخرى مثل التعرف التلقائي على الكلام (ASR) ، وآلة الترجمة (MT) المفيدة أيضًا في تطوير أدوات التكنولوجيا لتعلم اللغة و التطبيقات ذات الصلة.
(أ) التعلم الآلي والتقييم :يستخدم التعلم الآلي بشكل أساسي في جانبين من جوانب تقييم اللغة في التشغيل الآلي ،وتسجيل النقاط ،وفي إنشاء الاختبارات.
(ط) التسجيل الآلي:يشمل التسجيل الآلي القراءة والكتابة والاستماع وتقييم التحدث. أمَّا الكتابة فتتضمن التسجيل الآلي لكتابة المتعلم عمومًا ، واستخراج معلومات حول خصائص لغوية مختلفة للنص ، واستخدامها لبناء نموذج التعلم الآلي. (وهذا يستخدم لتسجيل ردود الطلاب. منتجات البرمجيات مثل e-rater® بواسطة Educational Testing Service (Burstein , Tetreault & Madnani, 2013) and Intelligent Essay AssessorTM (Foltz,Streeter و Lochbaum & Landauer، 2013) ، وبواسطة بيرسون التعلم يستخدم التسجيل الآلي كجزء من أنظمة الاختبار القائمة على الحاسوب من حيث الخطوات الأربع المذكورة في القسم السابق، وتطوير آلية طريقة التقييم ؛لتحديد درجات كتابة المتعلمين من حيث إتقان اللغة والكتابة ، يمكن وصف النوعية على النحو التالي:
الخطوة 1: اجمع مجموعة كبيرة من مقالات الطلاب التي سجلها طلاب الصف البشري.
الخطوة 2: استخرج السمات اللغوية للنص ذات الصلة بتقييم الكفاءة باستخدام البرمجة اللغوية الوطنية.
وتستخدم بعض هذه الجوانب في منتجات البرامج مثل( e-rater® و Intelligent Essay AssessorTM ) [ مقالات أكاديمية ] .
أمَّا أخطاء الإملاء والقواعد فهي(مثل الاتفاق، وأخطاء حرف الجر، والرسملة، وما إلى ذلك، والأسلوب ،وتكرار الكلمات أو العبارات، واستخدام المفردات، وتنوع الجملة، واتساق الخطاب
ذات الصلة بمطالبات الكتابة المقدمة).
الخطوة 3: لبناء نماذج تنبؤية متعددة بهذه السمات اللغوية كأنماط يجب أنْ تتعلم الخوارزميات، وتختار النموذج الأفضل أداءً بعد التحقق من صحته و الاتساق.
الخطوة 4: لاستخدم النموذج النهائي لتصنيف مقالات الطلاب الجديدة فعليك تعلم نظم الدرجات الآلية القائمة العمل جنبا إلى جنب مع طالب صف بشري (أي بدلاً من اثنين من طلاب الصف البشري، هناك إنسان واحد وصف آلي واحد).
وعلى الرغم من أنّ هذا التطبيق راسخ للتعلم الآلي واللغة الطبيعية في اللغويات التطبيقية، فأنه يدرس بنشاط من قبل مجتمع البحوث أيضا ، ويدرس جوانب مختلفة من الدرجات الآلية مثل إنشاء شركة متاحة مجانًا مع الإنسان ، وتصنيف الدرجات، والتحقيق في دور السمات والخوارزميات اللغوية المختلفة، وتطوير طرائق التسجيل القابلة للتعميم هي مواضيع البحث الحالية (مثل Yannakoudakis, Briscoe & amp وميدلوك، 2011 ؛ Zesch, Wojatzki, & Scholten-Akoun, 2015) )
وكان التعلم الآلي أيضًا يستخدم للتسجيل الآلي لكتابة الطلاب بلغات أخرى غير الإنجليزية مثل الألمانية والإستونية (Hancke, 2013 فاجالا ولوو، 2014).
فالتحدث يتبع عملية تسجيل الردود المنطوقة تلقائيًا لكفاءتها عن طريق خطوات مماثلة لتقييم الكتابة، باستثناء أنّ سمات الكلام ذات الصلة يجب أنْ تكون مستخرجة. و بعض سمات الكلام هذه هي مقاييس تحدد الطلاقة وعدم الارتباط في الكلام ونوعية النطق ، أمَّا جانب تقييم المقاييس في المعجم النحوي فتستخدم دقة الكلام، استنادا إلى نسخة نصية منسوخة تلقائيا من عينة الكلام Zechner, Higgins, Xi and Williamson, 2009 Bhat, Xue & Yoon, 2014).
SpeechRaterSM (Zechner et.al) ، 2009)
وهذا مثال على أحد هذه البرامج في أداء منطوق التقييم اللغوي، فعند المقارنة مع تقييم الكتابة، والتقييم التلقائي للتحدث لا نجده واسع الانتشار في استخدام العالم الحقيقي ، فهي ليست دقيقة أيضا. وبالتالي فإنّ البحث الحالي في هذا يركز على الاتجاه في المقام الأول على تحسين دقة التنبؤ بنماذج التعلم الآلي في القيام بالتسجيل التلقائي للكلام ،ومع ذلك فإنّ بعض الأبحاث الحديثة تناقش أيضًا العمليات والمسائل التي ينطوي عليها تطبيق هذه النماذج في سيناريوهات التقييم بالكلمات الحقيقية .(Evanini و Hauck & Hakuta، 2017) ، وطرق الجمع بكفاءة بين تسجيل الأهداف البشرية وآلة تسجيل الأهداف (Yoon & Zechner، 2017).
القراءة والاستماع: عادة ما يتم تقييم فهم القراءة عن طريق تسجيل ردود الطلاب على أسئلة الفهم بعد القراءة أو الاستماع إلى محتوى معين في الموضوع، في حين بعض أشكال الأسئلة مثل اختيار متعدد، املأ الفراغ، نعم/لا ، هي أسئلة سهلة نسبيًا ومباشرة لتقييم الآلة، وتقييم النص الحر القصير. والإجابات تلقائيًا مهمة صعبة ووجد أنّ التعلم الآلي مفيد في تسجيل إجابات قصيرة.
و يستخدم التعلم الآلي عادةً في تسجيل الإجابات القصيرة لتعلم التسجيل أو وظيفة التصنيف على أساس خصائص استجابات المتعلم مثل مستوى الكلمات المتداخلة، والمتشابه النص، والارتباط الدلالي مع الإجابة المتوقعة للمعلم على شيء معين وما إلى ذلك فيمكن اعتبار هذه ملامح لهذه المهمة.
وعندما يرى النموذج المتعلم نموذجًا جديدًا في إجابة الطالب على سؤال، فيجب أنْ يكون قادرًا على مقارنة إجابة الطالب مع الجواب المتوقع وتسجيله تبعا لذلك على أنه صحيح أو غير صحيح أو حسب الدرجات على نطاق واسع. في حين أنّ أنظمة تسجيل الإجابات القصيرة لم تتضمن التعلم الآلي في شكلها الأصلي ، وكانت هناك طفرة في الأبحاث المتعلقة بتطبيق التعلم الآلي للإجابة المختصرة مع وصول مسابقات قائمة على البيانات ، وتشجع الباحثين على العمل معا لحل المشكلة باستخدام إطار مشترك للبيانات والتقييم (على سبيل المثال، The Hewlett
Foundation, 2012). وبالإضافة إلى ذلك يتم استخدام التعلم الآلي أيضًا لتقليل جهود الإنسان
من خلال تجميع إجابات مماثلة معًا لتقليل عدد الاستجابات التي سيتم تصنيفها، أي الدرجات البشرية بمساعدة الآلة بدلاً من الدرجات الآلية بالكامل (مثل Basu, Jacobs & amp Vanderwende, 2013). ويناقش( Burrows و Gurevych & Stein (2015) حالة الفن في التشغيل الآلي في إجابة موجزة تبين الاتجاهات والأساليب التي بدأت من العمل المبكر بشأن الموضوع الذي يصف حالة الفن.
(2) إنشاء بنود الاختبار:
هو مجال مهم آخر حيث يمكن أنْ يكون التعلم الآلي مفيدًا في تقييم اللغة ، وهو الإنشاء الآلي لبنود الاختبار،و يتضمن هذا في المقام الأول توليد أنواع مختلفة من الأسئلة (على سبيل المثال، السؤال، وملء الثغرات، والاختيار المتعدد، وما إلى ذلك) في حين أنّ هذه النهج يعتمد بشكل أساسي على( NLP ) [فرع من فروع الذكاء الاصطناعي (AI) والذي يتيح لأجهزة الكمبيوتر فهم اللغة البشرية وإنشائها ومعالجتها ] وهي أدوات لتوليد الأسئلة، والتعلم الآلي جزء لا يتجزأ من إنشاء جميع أدوات NLP الحديثة المستخدمة في هذه العملية على سبيل المثال، وضع العلامات على جزء من الكلام، والتحليل النحوي، والكلمة ، وتوضيح الإحساس وما إلى ذلك، بالإضافة إلى ذلك، فيعد التعلم الآلي مفيدًا أيضًا لتقدير جودة الأسئلة وصعوبتها (Labutov، Basu & Vanderwande، 2015) (Beinborn، Zesch & Gurevych، 2014).
نظرًا لأنّ جميع المخاطر المنخفضة وتقييمات المخاطر العالية تنطوي على قرارات ، وهي الدرجات أو التنبؤات ، والتي تؤثر على المستخدمين البشريين، ويحتاج المرء حتما إلى النظر في قضايا مثل اتساق و إنصاف الدرجات المتولدة آليا. (بحث حديث Madnani، Loukina، von Davier، Burstein & Cahill،2017) .
ويعد دمج التوصيات المتعلقة بالقياس النفسي في تحديد التحيزات المحتملة والتقييم الآلي خطوة مهمة في هذا الاتجاه.
ب) التعلم الآلي ودعم التعلم :
أمَّا المجال الثاني للغويات التطبيقية فيكون التعلم الآلي مفيدًا في تطوير أدوات وتطبيقات دعم التعلم. وتشمل أدوات دعم التعلم الأشكال المختلفة من الدروس الخصوصية وغيرها من الأدوات التي توفر دعما للقراءة والكتابة والتحدث والاستماع وغير ذلك مثل الألعاب والتطبيقات اللغوية.
وتعتمد أدوات دعم الكتابة مثل مدققات الإملاء والقواعد بشكل أساسي على( NLP) في تحديد وتصحيح أنماط الأخطاء في نصوص المتعلمين. ومع ذلك فالتعليم الآلي يتم دمجه بشكل متزايد مع( NLP )في تطوير فحص ، وتصحيح القواعد كما في (Rozovskaya & Roth، 2014) وفي منتجات البرمجيات الواقعية في التكنولوجيا (مثل grammarly.com، deepgrammar.com).
ويستخدم التعلم الآلي بشكل أساسي في هذه الأدوات لمهمتين، وهما الكشف عن الأخطاء وتصنيفها (مثل خطأ في حرف الجر مقابل خطأ في الجر، والخطأ المحدد) على أساس هذه السمات اللغوية ؛ لتصحيح الأخطاء.
وجنبا إلى جنب فإنَّ الترجمة الآلية والتعلم الآلي هي إحدى الطرائق الأساسية المستخدمة في السياق الحساس لتهجي وتصحيح القواعد، كما يتضح من التقارير المتعلقة بتصحيح الخطأ النحوي في المهام المشتركة التي تم تنظيمها في مجتمع( NLP )في السنوات الأخيرة (على سبيل المثال، Ng، Wu، Briscoe، Hadiwinoto, Susanto, & Bryant, 2014)؛ لتجاوز التهجي وتصحيح القواعد.
ويستخدم التعلم الآلي أيضًا لبناء معلمي الكتابة المتخصصين مثل الكتابة البحثية للمعلم (Cotos، 2014) والذي يوفر ملاحظات تلقائية للطلاب الذين يكتبون مقالات بحثية. ويستخدم التعلم الآلي في هذا البرنامج لتحليل الجمل التي كتبها المؤلفون وتصنفيها تلقائيا حسب وظيفتها البلاغية في النص واستنادا إلى استخدام اللغة التعلم الآلي هو عنصر رئيس في أدوات دعم القراءة مثل( REAP ( Heilman،Jhao, Pino & Eskenazi, 2008) and TextEvaluatorSM (Sheehan, K. M., Kostin, I., Napolitano, D. & Flor, M. (2014) والتي تقيّم الخصائص اللغوية للنص ، وتعطي تنبؤات
عن مستوى قراءتها وتعقيدها اللغوي. وهذه الأدوات مفيدة في التعليمات والدعم ؛ لضمان قراءة الطلاب للنصوص التي يمكنهم فهمها؛ إذ أصبحوا مهمين بشكل متزايد في أعقاب مبادرة المعايير الأساسية المشتركة في الولايات المتحدة (المعايير الأساسية المشتركة، 2010) كعنصر في أنظمة التعرف على الكلام الآلي ،وكذلك يتم استخدام التعلم الآلي أيضًا بنشاط في النطق ونظم دعم الاستماع (Strik, Truong, de Wet & Cucchiarini, 2009).
ج) التعلم الآلي وتحليلات المتعلم :يستخدم التعلم الآلي أيضًا في جوانب أخرى من تعلم اللغة غير المباشرة معنياً بتحليل اللغة مثل استخراج البيانات التعليمية ،وتحليلات التعلم. ويشير هذا إلى جمع وتحليل تفاعلات المتعلمين مع الدروس الخصوصية القائمة على الكمبيوتر ،مثل تعامل المتعلم مع النظام، والتمارين المنجزة، والوقت المستغرق لإكماله، والوقت الذي يقضيه في القراءة وإعادة القراءة وما إلى ذلك، ثم يتم استخدام هذا في إنشاء ملف تعريف تعليمي للطالب، والذي يمكن استخدامه للتنبؤ بأدائه في المستقبل في الدورة. والهدف من هذه التحليلات التنبؤية هي أنْ تكون قادرة في النهاية على توفير التعلم الفردي بالنظر إلى جوانب أخرى مثل صعوبة وسهولة التعلم ،وتقديم ملاحظات محددة حول الخطوات التالية في التعليمات. بالإضافة إلى ذلك يتم استخدام هذا أيضًا لتقديم ملاحظات حول جوانب مختلفة للمدربين أيضا. وعلى الرغم من هذا البحث الأولي في هذا الاتجاه فقد اعتمد على القواعد المصممة يدويًا من خبراء المجال بشأن الأسئلة محددة، ويتم الآن استخدام التعلم الآلي في تطوير حلول التعلم الشخصية لسيناريوهات التعلم المختلفة، بما في ذلك ولكن لا يقتصر على دورات ضخمة مفتوحة عبر الإنترنت (لان، 2016). ويتم استخدامه أيضًا لإجراء تحليلات على البيانات مثل التلخيص التلقائي لتعليقات الدورة التي يقدمها الطلاب (Luo, Liu & Litman, 2016) ؛لاكتساب رؤى حول التدريس والتعلم. وفيما يتعلق بالتطبيقات الواقعية تطبيقات تعلم اللغة القائمة على الهاتف المحمول مثل Duo ، ويستخدم( Lingo (duolingo.com) و Elsa Speak (elsaspeak.com) في التعلم الآلي مراحل مختلفة مثل إنشاء وتقييم التمارين، والتعرف التلقائي على الكلام ، والتكيف مع الطالب، وتسلسل الدروس، والنمذجة، وتتبع التعلم ، وتقديم تعليقات فعالة وفردية في سيناريوهات التطبيق هذه ، وهناك تفاعل ومتابعة مستمرتان للمستخدم، ولنموذج التعلم الآلي، ولا يُنظر إلى التدريب مرة واحدة على أنه نظام تعليمي أكثر ديناميكية ونشاطًا، والذي يتكيف باستمرار مع الطلاب والأفراد عندما يبدأون في استخدام التطبيق أكثر فأكثر.
الاستنتاج
في الختام، يتم استخدام التعلم الآلي في مجموعة واسعة من التطبيقات في سياق تعلم اللغة ، وفي سياقات مختلفة مثل القراءة والكتابة والكلام والتقييم، وتطبيقات تعليم اللغة والتعلم الشخصي، فدور آلة التعلم مهمة جداً للغويين التطبيقيين مع الأدوات التكنولوجية في تعلم اللغة وبالمثل فالوعي بعمليات التعلم وصحة النماذج التنبؤية وغيرها من القضايا التي تمت دراستها في اللغويات التطبيقية ضرورية لتطوير أنظمة تعلم آلي أفضل لهذه التطبيقات. وللمزيد من العمل التعاوني بين الحسابي وغير الحسابي فستؤدي دراسات تعلم اللغة إلى إدماج أفضل للتقدم من كلا الطرفين في تطبيقات تعلم اللغة في المستقبل. وينظر أيضا
-التعرف التلقائي على الكلام ؛ لتحليل المجموعات ؛ والتكنولوجيات الناشئة للغة -التعلم هو استرجاع المعلومات لمعلمي القراءة في لغة ذكية بمساعدة الكمبيوتر.
-التعلم هو شركة التعلم؛ لنمذجة المتعلم بلغة ذكية بمساعدة الكمبيوتر.
-التعلم هو تجهيز اللغات الطبيعية وتعلمها ؛ للتكنولوجيا واللغة.
الاختبار هو توليف النص إلى الكلام في تعلم اللغة بمساعدة الكمبيوتر. اللغويات الحاسوبية، هي التعرف على الكلام.

مصادر بحثي
1-التعلم الآلي واللغويات التطبيقية / د.سوميا فاجالا - جامعة ولاية أيوا
1. https://ling.las.iastate.edu/-dir-ectory/sowmy 22222vajjala/
3 https://scholar.google.com/citations?user=e4UbD1UAAAAJ&hl=ar
4-ويكيبيديا .

#صباح_علي_السليمان (هاشتاغ)      

---

اشترك في قناة ‫«الحوار المتمدن» على اليوتيوب
حوار مع الكاتبة انتصار الميالي حول تعديل قانون الاحوال الشخصية العراقي والضرر على حياة المراة والطفل، اجرت الحوار: بيان بدل	حوار مع الكاتب البحريني هشام عقيل حول الفكر الماركسي والتحديات التي يواجهها اليوم، اجرت الحوار: سوزان امين

كيف تدعم-ين الحوار المتمدن واليسار والعلمانية على الانترنت؟

تابعونا على:

الفيسبوك

التويتر

اليوتيوب

RSS

الانستغرام

لينكدإن

تيلكرام

بنترست

تمبلر

بلوكر

فليبورد

الموبايل

كيفية إشراك-إيصال مواضيعكم أو مواضيع تهمكم  إلى اكبر عدد ممكن من القراء والقارئات