Модель лингвистического графа знаний «Turklang» как база для создания инструментов обучения тюркским языкам

Main Article Content

Айрат Рафизович Гатиатуллин
Николай Аркадиевич Прокопьев

Аннотация

Описаны элементы модели лингвистического графа знаний «Turklang», разработанного в Институте прикладной семиотики АН РТ и используемого в качестве базы для создания ряда лингвистических ресурсов и инструментов: портал «Тюркская морфема», электронный корпус татарского языка «Туган Тел», лингвистические процессоры.


Для создания образовательной среды необходимы предметно-ориентированные графы знаний, для получения которых не применимы методы создания общих и открытых графов. В работе описаны лингвистические графы знаний, которые отображают, с одной стороны, потенциальные возможности тюркских языков, с другой стороны, примеры реального использования в текстах. Особенность этих графов знаний заключается в том, что они содержат лингвистические единицы разных языковых уровней, а также семантические универсалии, соответствующие значениям этих лингвистических единиц, которые встроены в единую модель лингвистического графа знаний. Структура такого графа знаний позволяет формировать учебные курсы, строить индивидуальную образовательную траекторию, а также создавать задания и средства автоматизированной проверки в рамках контроля знаний при обучении тюркским языкам. Это дает возможность разрабатывать впоследствии, на основе этих графов, программы обучения с учетом структурно-функциональных особенностей тюркских языков, а также способствует реализации индивидуальных целей обучающихся.

Article Details

Библиографические ссылки

1. Johns T. Should you be persuaded. Two samples of data-driven learning materials // T. Johns & P. King (Eds.). Classroom Concordancing. ELR Journal. 1991. № 4. P. 1–16.
2. Левенкова А.Ю., Трифонова И.С. Базы данных в лингвистике и языковом образовании: современное состояние и возможности их использования при обучении иностранному языку // Известия ВГПУ. 2023. №2 (175). С. 90–101.
3. Basile P., Cassotti P., Ferilli S., McGillivray B. A New Time-sensitive Model of Linguistic Knowledge for Graph Databases // Proc. of the 1st Workshop on Artificial Intelligence for Cultural Heritage co-located with the 21st International Conference of the Italian Association for Artificial Intelligence (AixIA 2022), CEUR Workshop Proceedings. 2022. V. 3286. P. 69–80.
4. Suleymanov D., Prokopyev N. Development of Prototype of Natural Language Answer Processor for e-Learning // Kuznetsov S.O., Panov A.I., Yakovlev K.S. (Eds.). Artificial Intelligence. RCAI 2020. Lecture Notes in Computer Science. 2020. V. 12412. P. 448–459.


Наиболее читаемые статьи этого автора (авторов)