Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userFrom Sentence Syntax to Text Syntax Concept and Practice
من نحو الجملة إلى نحو النص المفهوم و التطبيق
3482
10 342
0
(
0
)
Authors
هايل الطالب( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يُبيّن هذا البحث مفهوم نحو الجملة، و مفهوم نحو النص، و الفروق بينهما، و مجالات كلٍّ منهما، كما يحاول أن يُحدّد المعوّقات التي تمنع تقدّم هذا النوع من الدرس اللغوي في جامعاتنا العربية، ثم يتوقّف عند اتّجاهات الدراسات اللغويّة التي ظهر فيها هذا النوع من الدرس اللغوي، كما يحاول رصد واقع هذا الدرس اللساني في الجامعات السورية، من خلال نموذج واحد، هو جامعة البعث، و يختم البحث بأهم النتائج و التوصيات التي يرى أنها يمكن أن تسهم بتطوير هذا النوع من الدرس اللساني.
This research shows the concept of sentence syntax and the text syntax and the difference between them, beside their respective areas .It also tries to specify the obstacles which prevent the progress of this kind of linguistic lesson in our Arabian collages .Then it stops at the trends of linguistic studies where such kind of linguistic lesson appears .Also tries to monitor the reality of this lingual lesson in the Syrian collages through one sample ,that is Al Baath University .Finally finishes by the most important recommendations which can contribute in developing this kind of lingual lesson .
Artificial intelligence review:
Research summary
يستعرض البحث مفهوم نحو الجملة ونحو النص والفروق بينهما، بالإضافة إلى مجالات كل منهما. كما يحدد المعوقات التي تعيق تقدم هذا النوع من الدراسات اللغوية في الجامعات العربية، ويتناول اتجاهات الدراسات اللغوية التي ظهر فيها هذا النوع من الدرس اللغوي. يركز البحث على واقع هذا الدرس اللساني في الجامعات السورية، مع التركيز على جامعة البعث كنموذج. ويختتم البحث بأهم النتائج والتوصيات التي يمكن أن تسهم في تطوير هذا النوع من الدرس اللساني. يوضح البحث أن الجملة هي وحدة نحوية مستقلة بينما النص هو وحدة دلالية متكاملة. كما يشير إلى أن نحو النص يتجاوز دراسة الجملة إلى دراسة النص كوحدة متكاملة، مع التركيز على التماسك النصي والربط بين الجمل. يشدد البحث على أهمية تجاوز الدراسات اللغوية مستوى الجملة إلى مستوى النص، ويرى أن لسانيات النص تتداخل مع علوم أخرى مثل علم النفس والاجتماع. كما يلفت الانتباه إلى ضرورة الانتقال من نحو الجملة إلى نحو النص في الدراسات اللغوية العربية، ويقترح وضع مقررات دراسية لنحو النص في الجامعات السورية، وترجمة الكتب المتعلقة بهذا العلم، وفتح قنوات التواصل مع الجامعات العربية والأجنبية التي تهتم بهذا المجال.
Critical review
دراسة نقدية: على الرغم من أن البحث يقدم نظرة شاملة ومفصلة حول نحو الجملة ونحو النص، إلا أنه يفتقر إلى بعض الأمثلة التطبيقية التي يمكن أن توضح الفروق بين المفهومين بشكل أكثر وضوحاً. كما أن التركيز الكبير على جامعة البعث قد يجعل النتائج غير قابلة للتعميم على باقي الجامعات السورية أو العربية. بالإضافة إلى ذلك، يمكن أن يكون هناك اهتمام أكبر بتقديم حلول عملية لتجاوز المعوقات التي تعيق تقدم هذا النوع من الدراسات اللغوية في الجامعات العربية. كما أن البحث يمكن أن يستفيد من تضمين المزيد من الدراسات التطبيقية التي توضح كيفية تطبيق نحو النص في مجالات مختلفة مثل الأدب والصحافة والقانون.
Questions related to the research
-
ما هو الفرق بين نحو الجملة ونحو النص؟
نحو الجملة يركز على الجملة كوحدة نحوية مستقلة، بينما نحو النص يدرس النص كوحدة دلالية متكاملة ويركز على التماسك النصي والربط بين الجمل.
-
ما هي المعوقات التي تعيق تقدم الدراسات اللغوية في الجامعات العربية؟
من المعوقات التي تعيق تقدم الدراسات اللغوية في الجامعات العربية هي نقص التخصصات والمقررات الدراسية المتعلقة بنحو النص، وقلة الترجمة للكتب الأساسية في هذا المجال، وعدم وجود تواصل كافٍ مع الجامعات الأجنبية المتقدمة في هذا المجال.
-
ما هي التوصيات التي يقترحها البحث لتطوير الدراسات اللغوية في الجامعات السورية؟
يقترح البحث وضع مقررات دراسية لنحو النص في مرحلة الدراسات العليا، إعداد خطة لترجمة الكتب المتعلقة بهذا العلم، فتح قنوات التواصل مع الجامعات العربية والأجنبية، وإعداد خطط لبحوث الدراسات العليا تركز على نحو النص.
-
كيف يمكن أن تسهم لسانيات النص في تطوير الدراسات اللغوية؟
تسهم لسانيات النص في تطوير الدراسات اللغوية من خلال تقديم نظرة شمولية للنص كوحدة دلالية متكاملة، والتركيز على التماسك النصي والربط بين الجمل، مما يعزز من فهم النصوص وتحليلها بشكل أكثر دقة وفعالية.
References used
أصول تراثية في علم اللغة، د. زكي حسام الدين، مكتبة الأنجلو المصرية، القاهرة ط2, 1985.
البديع بين البلاغة العربية و اللسانيات النصية، جميل عبد المجيد، الهيئة المصرية للكتاب، القاهرة، 1998
بلاغة النص، مدخل نظري و دراسة تطبيقية، جميل عبد المجيد، دار غريب للطباعة و النشر، القاهرة، 1999
rate research
Read More
Existing text style transfer (TST) methods rely on style classifiers to disentangle the text's content and style attributes for text style transfer. While the style classifier plays a critical role in existing TST methods, there is no known investiga
tion on its effect on the TST methods. In this paper, we conduct an empirical study on the limitations of the style classifiers used in existing TST methods. We demonstrated that the existing style classifiers cannot learn sentence syntax effectively and ultimately worsen existing TST models' performance. To address this issue, we propose a novel Syntax-Aware Controllable Generation (SACG) model, which includes a syntax-aware style classifier that ensures learned style latent representations effectively capture the sentence structure for TST. Through extensive experiments on two popular text style transfer tasks, we show that our proposed method significantly outperforms twelve state-of-the-art methods. Our case studies have also demonstrated SACG's ability to generate fluent target-style sentences that preserved the original content.
We motivate and propose a suite of simple but effective improvements for concept-to-text generation called SAPPHIRE: Set Augmentation and Post-hoc PHrase Infilling and REcombination. We demonstrate their effectiveness on generative commonsense reason
ing, a.k.a. the CommonGen task, through experiments using both BART and T5 models. Through extensive automatic and human evaluation, we show that SAPPHIRE noticeably improves model performance. An in-depth qualitative analysis illustrates that SAPPHIRE effectively addresses many issues of the baseline model generations, including lack of commonsense, insufficient specificity, and poor fluency.
Prior studies on text-to-text generation typically assume that the model could figure out what to attend to in the input and what to include in the output via seq2seq learning, with only the parallel training data and no additional guidance. However,
it remains unclear whether current models can preserve important concepts in the source input, as seq2seq learning does not have explicit focus on the concepts and commonly used evaluation metrics also treat them equally important as other tokens. In this paper, we present a systematic analysis that studies whether current seq2seq models, especially pre-trained language models, are good enough for preserving important input concepts and to what extent explicitly guiding generation with the concepts as lexical constraints is beneficial. We answer the above questions by conducting extensive analytical experiments on four representative text-to-text generation tasks. Based on the observations, we then propose a simple yet effective framework to automatically extract, denoise, and enforce important input concepts as lexical constraints. This new method performs comparably or better than its unconstrained counterpart on automatic metrics, demonstrates higher coverage for concept preservation, and receives better ratings in the human evaluation. Our code is available at https://github.com/morningmoni/EDE.
Assistant professor in the department of teaching Arabic language
this research studies the teaching of literary text in the light of
text syntax .So it stops at the concepts of teaching text, and the
criteria of choosing it ,and the need to text
syntax and the
teaching side in the textual concept ,then it presents the practical
sample on that concepts to show its importance in achieving
the communicative textual capacity ,also its importance in
solving some of the teaching problems and basically the
weakness of the students in producing texts .
Being able to accurately perform Question Difficulty Estimation (QDE) can improve the accuracy of students' assessment and better their learning experience. Traditional approaches to QDE are either subjective or introduce a long delay before new ques
tions can be used to assess students. Thus, recent work proposed machine learning-based approaches to overcome these limitations. They use questions of known difficulty to train models capable of inferring the difficulty of questions from their text. Once trained, they can be used to perform QDE of newly created questions. Existing approaches employ supervised models which are domain-dependent and require a large dataset of questions of known difficulty for training. Therefore, they cannot be used if such a dataset is not available ( for new courses on an e-learning platform). In this work, we experiment with the possibility of performing QDE from text in an unsupervised manner. Specifically, we use the uncertainty of calibrated question answering models as a proxy of human-perceived difficulty. Our experiments show promising results, suggesting that model uncertainty could be successfully leveraged to perform QDE from text, reducing both costs and elapsed time.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
