على الرغم من أن معالجة اللغة الطبيعية هي في صميم العديد من الأدوات التي يستخدمها الشباب في حياتهم اليومية، فإن المناهج الدراسية الثانوية (في إيطاليا) لا تشمل أي تعليم لغوي حسابي. هذا الافتقار إلى التعرض يجعل استخدام هذه الأدوات أقل مسؤولية مما قد يكو
ن، ويجري اختيار اللغويات الحسابية كدرجة جامعية غير مرجحة. لرفع الوعي والفضول والاهتمام على المدى الطويل في الشباب، قمنا بتطوير ورشة عمل تفاعلية مصممة لتوضيح المبادئ الأساسية ل NLP واللغويات الحسابية للطلاب الإيطاليين في المدارس الثانوية الذين تتراوح أعمارهم بين 13 و 18 عاما. تأخذ ورشة العمل شكل لعبة تلعب فيها المشاركون دور الآلات التي تحتاج إلى حل بعض المشاكل الأكثر شيوعا وجوه الكمبيوتر في فهم اللغة: من التعرف على الصوت إلى سلاسل Markov إلى تحليل النحوي. يسترشد المشاركون من خلال ورشة العمل بمساعدة المعلمين، الذين يقدمون الأنشطة وشرح المفاهيم الأساسية من اللغويات الحسابية. تم تقديم ورشة العمل في العديد من المنافذ في إيطاليا بين عامي 2019 و 2020، كلاهما وجها لوجه وعلى الإنترنت.
يستخدم التعلم النشط (AL) خوارزمية اختيار البيانات لتحديد عينات تدريب مفيدة لتقليل تكلفة التوضيحية. هذه هي الآن أداة أساسية لبناء محلل تحويلات تحويلية منخفضة الموارد مثل Taggers جزء من الكلام (POS). يتم تصميم الاستدلال الموجودة بشكل عام بشكل عام على م
بدأ اختيار مثيلات تدريبية غير مؤكدة ولكنها قد تقلل من هذه الحالات تقليل عدد كبير من الأخطاء. ومع ذلك، في دراسة تجريبية عبر ست لغات متنوعة من النطباض (الألمانية والسويدية والاجنية والشابات الشمالية والفارسية والأوكرانية)، وجدنا النتيجة المثيرة للدهشة أنه حتى في سيناريو أوراكل حيث نعرف عدم اليقين الحقيقي للتوقعات، هذه الاستدلال الحالية بعيدون عن الأمثل. بناء على هذا التحليل، نطرح مشكلة آل كما اختيار الحالات التي تقلل من الارتباك بين أزواج من علامات الإخراج معينة. تظهر تجربة واسعة النطاق على اللغات المذكورة أعلاه أن استراتيجيتنا المقترحة تتفوق على استراتيجيات آجال أخرى من هامش مهم. نقدم أيضا نتائج مساعدة توضح أهمية المعايرة المناسبة للنماذج، والتي نضمنها من خلال التدريب المبريد، وتحليلا إظهار كيفية تحديد استراتيجيتنا المقترحة أمثلة تتابع بشكل وثيق توزيع بيانات Oracle. يتم إصدار الرمز علني هنا
