一个使用公式化序列分类的EAL学术写作的辅助环境

2023-10-19 06:10

本文主要是介绍一个使用公式化序列分类的EAL学术写作的辅助环境,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

摘要:

      为新手英语作为一种附加语言(EAL)作者写一篇英语研究文章是一项具有挑战性的任务,需要在句子和意义水平上的经验和训练。EAL作者在撰写研究文章时采用的一个策略是使用公式化序列(FSs)。然而,可用的FS语料库是通用的,而且规模非常有限。先前的研究已经报道了使用少量FSs的书面使用FS的有效性。本研究提出了一个通过使用特定领域的FSs来改进学术写作的辅助环境。FSs从已发表的文章中提取出来,并使用机器学习技术进行修辞学分类。然后,用户可以从任何使用建议的原型的研究文章中搜索和添加他/她选择的新FSs。在实际环境中评价了所提方法的有效性。结果表明,该提案对学术写作的改进有积极的影响。与使用传统术语库方法的人相比,使用该原型的新手作者报告的感知有用性明显更高。

辅助修辞短语写作系统 (ARP) :

      本研究的目的是设计和开发一个使用机器学习的智能辅助学术写作系统,即一种有监督学习的方法。机器学习是一种数据分析方法,包括建立预测和分类的模型。为了做出预测,我们使用基于样本数据进行训练的机器学习分类器建立了一个精确的数学模型。目标标签可以根据学习到的数据集分配给新的测试数据集。准确的结果预测取决于模型的训练效果。本研究利用提取的多类别句子对模型进行训练

训练模型的构建:

     该预测模型通过将期望输出与输入实例配对来训练预测模型。该系统以生物化学和计算机科学研究文章的摘要和介绍作为输入,并在训练阶段结束时选择最终的预测模型,用于预测类标签。

 特征提取模块:

课程标签是10个不同的修辞类别:背景、结论、实验、目标、假设、方法、模型、动机、问题和结果(定义见表1)。这些标签是由一个专家分配给每个句子或一个实例的。另一方面,对于自动特征提取,目前的工作利用最小逆文档频率(min_idf)公式收集最常见和重要的特性,而手动特征提取,专家提取指示性特性,给提示表明作者想要沟通读者在一个句子。
表1.修辞类别
种类                                                    解释

背景                           关于知识领域被广泛接受的陈述

结论                           调查的结论;从观察和结果中推断出的陈述

实验                           作者所进行的实验和他们所使用的实验方法

目标                           是研究者要解决的问题

假设                           在调查后被证明是正确或假的陈述

方法                           用来解决问题的方法或过程

模型                           用于研究的模型类型;它取决于主题

动机                           为什么研究是必要的,为什么应该进行

问题                           所提出的研究旨在解决的多个问题或多个问题

结果                           研究成果和讨论结果

      根据图1所示的体系结构,形成了两个特征向量作为输出,一个来自自动特征提取,另一个来自手动特征提取。这些实例按行组织,这些特性按列组织,如表2所示。这些列只描述了为预测模型选择的提取的特征片段。稀疏矩阵中的每一行都描述了来自数据集的一个特征向量或句子。最后一列描述了给定的句子或实例的类标签。

参与者:

      本研究的参与者是来自一所大学信息技术学院的硕士学生(共58名,27名女性和31名男性)。这些学生正在攻读计算机科学硕士学位,主修人工智能(18名学生)、软件工程(22名学生)和计算机网络(18名学生)。作为硕士学位课程的一个合格标准,所有的学生都需要通过24个学分的课程作业和10个学分的研究(论文)。所有学生在课程过程中选修三门核心课程和五门专业课程。两到四个学生只有一个主管。

      为了帮助学生写下他们的研究工作的介绍,在实验开始时进行了一个培训课程。培训课程包括以下主题:

(1)如何开始和结束一个介绍,让读者参与和专注于建议的工作?

(2)信息呈现的顺序,更重要的是修辞信息的类型。

结果:

      使用ARP原型进行干预前,进行了预试,以确定研究生的基线知识。对现有基线知识的统计前测试计算告诉我们,干预后学生写作中互动学习环境的改进水平
表4.预试的t检验措施:
分组数量平均数标准偏差t
EG实验组3129.252.090.178
CG控制组2729.372.69

 

      实验组的总均值为29.25,标准差为2.09,而对照组的总均值为29.37,标准差为2.69。采用非配对样本t检验,也称为独立样本t检验,以检验两组之间的显著性差异。t检验的结果显示,检验前的p=0.194大于0.05。这说明我们,两组学生的技能水平和基线知识水平之间没有显著差异。零假设,即两组在干预前具有相同水平的写作技能被接受。

 表5:后测的t检验措施

分组数量平均数标准偏差t
EG实验组31424.16-5.277
CG控制组2736.593.55

 

 

      干预后,我们进行了后测,以发现对照组与实验组之间的统计学意义。所有学生在后测中均有满意的成绩,但实验组得分较高。对照组和实验组的检验后计算结果见表5。检验后得分的独立样本t检验结果显示,显著性值p小于0.05。这说明对照组和实验组的学术写作能力存在很大差异。由于干预后两组人都具有相同水平的写作技能,因此拒绝了零假设。实验组总体均值为42,标准差为4.16,而对照组总体均值为36.59,标准差为3.55。预试前的平均得分使得很难决定谁表现更好,但在原型干预后,实验组的得分远远高于对照组。结果表明,该原型有助于提高这些研究生的学术写作水平。

结论:

      本文提出了一个学术写作支持的辅助环境,以及计算机科学研究生的概要和论文写作的实验结果。该系统通过从已发表的文章中提取和分类句子,为新手作者提供了特定领域的公式化序列。结果表明,所提出的辅助环境提高了学生文章的写作质量和结构

未来写作方向:

      目前的工作的一个局限性是,只有在科学领域的研究文章被用于训练和测试机器学习模型。社会科学研究领域有不同的公式化序列集,需要不同的特征提取集。本建议的并不局限于写作技能的提高;本建议可以扩展到基于修辞学句子的研究文章之间的相似性计算。

这篇关于一个使用公式化序列分类的EAL学术写作的辅助环境的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/237844

相关文章

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot security使用jwt认证方式

《springbootsecurity使用jwt认证方式》:本文主要介绍springbootsecurity使用jwt认证方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录前言代码示例依赖定义mapper定义用户信息的实体beansecurity相关的类提供登录接口测试提供一

go中空接口的具体使用

《go中空接口的具体使用》空接口是一种特殊的接口类型,它不包含任何方法,本文主要介绍了go中空接口的具体使用,具有一定的参考价值,感兴趣的可以了解一下... 目录接口-空接口1. 什么是空接口?2. 如何使用空接口?第一,第二,第三,3. 空接口几个要注意的坑坑1:坑2:坑3:接口-空接口1. 什么是空接

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为

Spring Boot3虚拟线程的使用步骤详解

《SpringBoot3虚拟线程的使用步骤详解》虚拟线程是Java19中引入的一个新特性,旨在通过简化线程管理来提升应用程序的并发性能,:本文主要介绍SpringBoot3虚拟线程的使用步骤,... 目录问题根源分析解决方案验证验证实验实验1:未启用keep-alive实验2:启用keep-alive扩展建

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子

GORM中Model和Table的区别及使用

《GORM中Model和Table的区别及使用》Model和Table是两种与数据库表交互的核心方法,但它们的用途和行为存在著差异,本文主要介绍了GORM中Model和Table的区别及使用,具有一... 目录1. Model 的作用与特点1.1 核心用途1.2 行为特点1.3 示例China编程代码2. Tab

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp