سعت الدراسة لتعرف فاعلية برنامج تدريبي قائم على نظرية المرونة المعرفية في تنمية بعض عادات العقل المنتج وأساليب التعلم المفضلة لدى الطالبات المعلمات، من خلال تعرف مستوى عادات العقل اللازمة للطالبات المعلمات في رياض الأطفال وأساليب التعلم المفضلة لديهن
، وتحديد اجراءات البرنامج التدريبي القائم على نظرية المرونة المعرفية لدراسة فاعليته في تنمية بعض عادات العقل المنتج وتعرف نسبة اسهام عادات العقل المنتج بأساليب التعلم المفضلة لديهن، لذا اتبعت الدراسة المنهج شبه التجريبي بتصميم المجموعتين المتكافئتين (الضابطة والتجريبية)، من خلال اعداد مقياس عادات العقل المنتج الستة عشر حسب قائمة كوستا وكاليك (Costa & Kallick,2009) ومقياس عادات العقل المنتج اللازمة لطالبات رياض الأطفال، وتطبيق مقياس أساليب التعلم المفضلة لفيلدر وسيلفرمان (Index of learning style,1999)، على عينة قصدية مكونة من (46) طالبة رياض أطفال من طالبات السنة الثالثة لأنها في مرحلة التعلم الوسيط حسب نظرية المرونة المعرفية، حيث تمثل العينة 20% من مجتمع البحث، وكشفت نتائج الدراسة عن مستوى منخفض لستة عادات للعقل المنتج لدى العينة هي: المثابرة، التحكم في التهور، مرونة التفكير، الإبداع، التعلم المستمر، السعي للدقة، كما تفاوتت تفضيلات التعلم لدى العينة بين أساليب المعالجة والإدراك والمدخل والتفكير، وأظهرت النتائج فاعلية البرنامج التدريبي القائم على نظرية المرونة المعرفية في تنمية عادات العقل المنتج اللازمة لطالبات رياض الأطفال، كما كشفت النتائج عن اسهام عادات العقل المنتج في تفضيلات أساليب التعلم، حيث تنبئ عادات العقل المنتج بشكل فردي بأساليب التعلم المفضلة بنسب تتراوح بين 31% إلى 64% في القياس البعدي، وتأخذ عادات العقل المنتج الستة في الاسهام معاً مع الوقت حيث تنبئ بأساليب التعلم المفضلة بنسب تتراوح بين 18% إلى 63.8%، باستثناء اسلوب المعالجة الذي تنبأت عادة الإبداع بنسبة 34% منه، وتم وضع بعض التوصيات في ضوء هذه النتائج.
هدفت الدراسة إلى تعّرف صعوبات استخدام منصة مودل (MOODLE ) من وجهة نظر أعضاء الهيئة التعليمية في كلية التربية بجامعة تشرين، حيث تكونت عينة الدراسة من (50)عضواً من أعضاء الهيئة التعليمية في كلية التربية بجامعة تشرين، طبقت عليهن أداة الدراسة التي هي عب
ارة عن استبانة مكونة من ثلاث محاور (صعوبات متعلقة بأعضاء الهيئة التعليمية، صعوبات متعلقة بالطلبة، صعوبات متعلقة بالبنية التحتية)، كل محور يشتمل على عدد من البنود، استخدمت الدراسة المنهج الوصفي، وأظهرت النتائج أن أكثر الصعوبات التي يعاني منها أعضاء الهيئة التعليمية من وجهة نظرهم صعوبة عدم الاقتناع بفعالية منصة مودل لدى عضو الهيئة التعليمية، وصعوبة عدم القدرة على فهم المادة الدراسية عبر المنصة لدى الطالب، وجاءت بدرجة مرتفعة، ولوحظ أيضاً بأنه لا يوجد فروق ذات دلالة إحصائية بين متوسطات درجات أعضاء الهيئة التعليمية على استبانة صعوبات استخدام منصة مودل بحسب متغيرات (الدرجة العلمية، عدد سنوات الخبرة، الجنس).
يُعدّ موضوع واجهة الدماغ والحاسوب BCI (Brain Computer Interface) وخاصةً أنظمة التعرف على الإشارات الدماغية باستخدام التعلم العميق بعد توصيف هذه الإشارات عن طريق مخطط كهربائية الدماغ EEG (Electroencephalography) من المواضيع البحثية الهامة التي تثير ا
هتمام الكثير من الباحثين في الوقت الراهن, وتعد الشبكات العصبونية الالتفافية CNN (Convolutional Neural Nets) من أهم مصنفات التعلم العميق المستخدمة في عملية التعرف هذه، إلا أنه لم يتم بعد تحديد بارامترات هذا المصنف بشكل دقيق بحيث يعطي أعلى نسبة تعرف ممكنة وبأقل زمن تدريب وزمن تعرف ممكن.
يقترح هذا البحث نظام تعرف على إشارات EEG باستخدام شبكة CNN مع دراسة تأثير تغيير بارامترات هذه الشبكة على نسبة التعرف وزمني التدريب والتعرف على الإشارات الدماغية, وبالنتيجة تم الحصول بواسطة نظام التعرف المقترح على نسبة تعرف 76.38 %, وانقاص زمن تدريب المصنف (3 seconds) باستخدام النمط المكاني المشترك CSP (Common Spatial Pattern) في عملية المعالجة المسبقة لقاعدة البيانات IV2b, كما تم الوصول لنسبة تعرف 76.533 % من خلال إضافة طبقة للمصنف المقترح.
بصرف النظر عن نجاح نهج تعلم النطاق المختلط في مجال التعلم العميق لحل المهام المختلفة لمعالجة اللغة الطبيعية، فإنه لا يقرض حل جماعيا للكشف عن المعلومات الخاطئة من بيانات وسائل التواصل الاجتماعي CovID-19. نظرا للتعقيد المتأصل من هذا النوع من البيانات،
الناجمة عن ديناميك (سياقه يتطور بسرعة)، ذات الطابع الدقيق (أنواع الخائن غير غامضة في كثير من الأحيان)، ومتنوعة (الفئات المنحيحة، المحبوسة والتداخل) الطبيعة، من الضروري نموذج فعال لالتقاط كل من السياق المحلي والعالمي للمجال المستهدف. من خلال إجراء تحقيق منهجي، نظهر أن: (1) النماذج المدربة مسبقا مسبقا للمحولات العميقة، المستخدمة عبر تعلم نقل المجال المختلط، جيدة فقط في التقاط السياق المحلي، وبالتالي تظهر تعميم ضعيف، و (2) يمكن أن يستخرج مزيج من النماذج الضحلة المستندة إلى الشبكة والشبكات العصبية التنافسية السياق محليا بالإضافة إلى السياق بشكل فعال بالإضافة إلى البيانات المستهدفة بطريقة هرمية بطريقة هرمية، مما يتيح من تقديم حل أكثر تعميما.
يأتي تلخيص الحوار مع تحديات خاصة به على عكس تلخيص الأخبار أو المقالات العلمية. في هذا العمل، نستكشف أربعة تحديات مختلفة لهذه المهمة: التعامل مع أجزاء من الحوار والتمييز بين المتحدثين المتعددين، وفهم النفي، والمنطق حول الوضع، وفهم اللغة غير الرسمية.
باستخدام نموذج لغة متسلسل مدرب مسبقا، نستكشف محل استبدال اسم المتكلم، وإبراز نطاق النفي، والتعلم المتعدد المهام مع المهام ذات الصلة، وإحصاء البيانات داخل المجال.تظهر تجاربنا أن تقنياتنا المقترحة تحسن أداء الملخصات، وتتفوق على نظم أساسية قوية.
لقد ظهر التعلم الناقض كطريقة لتعلم التمثيل القوي ويسهل العديد من المهام المصب المختلفة خاصة عندما تكون البيانات الخاضعة للإشراف محدودة. كيفية بناء عينات مضاءة فعالة من خلال تكبير البيانات هي مفتاح نجاحها. على عكس مهام الرؤية، لم يتم التحقيق في طريقة
تكبير البيانات للتعلم المتعاقل بما فيه الكفاية في مهام اللغة. في هذه الورقة، نقترح نهج رواية لبناء عينات صغيرة لمهام اللغة باستخدام تلخيص النص. نحن نستخدم هذه العينات للتعلم المتعاقل الخاضع للإشراف للحصول على تمثيلات نصية أفضل التي تنفصل إلى حد كبير مهام تصنيف النص بشراحي محدود. لمزيد من تحسين الطريقة، نخلط عينات من فئات مختلفة وإضافة تنظيم إضافي، يدعى Mixsum، بالإضافة إلى فقدان الانتروبيا. توضح التجارب في مجموعات بيانات تصنيف النص العالمي الحقيقي (Amazon-5، YELP-5، AG News، IMDB) فعالية إطار التعلم المقاوم للضبط المقترح مع تكبير البيانات القائمة على التلخصات وانتظام Mixsum.
نحن نعتبر التمثيل الهرمي للوثائق كرسوم بيانية واستخدام التعلم العميق الهندسي لتصنيفها إلى فئات مختلفة.في حين أن الشبكات العصبية الرسم البيانية يمكن أن تتعامل مع الهيكل المتغير بشكل فعال للمستندات التسلسل الهرمية باستخدام عمليات تمرير رسالة ثابتة للصب
غ، فإننا نوضح أنه يمكننا الحصول على تحسينات إضافية على الأداء باستخدام عملية تجمع الرسوم البيانية الانتقائية المقترحة التي تنشأ من حقيقة أن بعض أجزاء التسلسل الهرمي ثابتةعبر وثائق مختلفة.طبقنا نموذجنا لتصنيف بروتوكولات التجريبية السريري (CT) إلى فئات كاملة وإنهاءها.نستخدم حقيبة من الكلمات القائمة على الأكياس، بالإضافة إلى تضيير مقرها المحولات مسبقا لفصل العقد الرسم البياني، وتحقيق F1 Squareesaround 0.85 على سجل CT واسع النطاق للجمهور حول بروتوكولات 360k.نوضح كذلك كيف يمكن للتجمع الانتقائي إضافة رؤى في التنبؤ بحالة إنهاء CT.نحن نجعل التعليمات البرمجية المصدرية والشقاقات DataSet يمكن الوصول إليها.
لقد نجحت النماذج اللغوية المدربة مسبقا للمحولات بشكل كبير في معظم مهام NLP التقليدية.لكنهم غالبا ما يكافحون في هذه المهام حيث يلزم التفاهم العددي.يمكن أن تكون بعض الأسباب المحتملة هي الأحمال وأهداف ما قبل التدريب غير المصممة خصيصا للتعلم والحفاظ على
الحساب.نحن هنا التحقيق في قدرة نموذج تعلم تحويل النص إلى النصي (T5)، والذي تفوقت على أسلافه في المهام التقليدية لبرنامج التعاون الخليجي، لتعلم الحساب.نحن نعتبر أربع مهام الحسابية: التردد، تنبؤ ترتيب الحجم، والعثور على الحد الأدنى والحد الأقصى في سلسلة، والفرز.نجد أنه على الرغم من أن نماذج T5 تؤدي بشكل جيد في إعداد الاستيفاء، إلا أنهم يكافحون إلى حد كبير في إعداد الاستقراء عبر جميع المهام الأربعة.
الخلل من الطبقة هو تحد مشترك في العديد من مهام NLP، ولديه اتصالات واضحة إلى التحيز، في هذا التحيز في البيانات التدريبية يؤدي غالبا إلى دقة أعلى بالنسبة لمجموعات الأغلبية على حساب مجموعات الأقليات.ومع ذلك، كان هناك تقليديا قطع اتصال بين البحث في التعل
م المتوازن في الفئة والتخفيف من التحيز، ولديه مؤخرا فقط تم النظر في اثنين من خلال عدسة مشتركة.في هذا العمل، نقيم أساليب التعلم الطويلة ذات الذيل الطويل لتغريد المعنويات وتصنيف الاحتلال، وتوسيع نهج قائم على الهامش مع طرق لفرض الإنصاف.نعرض تجريبيا من خلال تجارب محكومة أن الأساليب المقترحة تساعد في تخفيف كل من الخلل في الطبقة والتحيزات الديموغرافية.
وقد تبين أن الكثير من التقدم الأخير في NLU كان بسبب الاستدلال الخاصة بمواد بيانات التعلم من النماذج.نقوم بإجراء دراسة حالة للتعميم في NLI (من MNLI إلى مجموعة بيانات Hans التي شيدت عدسي) في مجموعة من الهيغات القائمة على Bert (محولات ومحولات سيامي و De
viasing Hex)، وكذلك مع إعانة البيانات وزيادة حجم النموذج.نبلغ 2 استراتيجيات ناجحة و 3 غير ناجحة، وكلها توفر رؤى في كيفية تعلم النماذج القائمة على المحولات التعميم.
