useR!2017: Морфологический анализ с помощью R Анализ — это метод структурирования проблем, разработанный астрофизиком Фрицем Цвикки в XIX веке.40-х – 1960-х гг. [1–3]. Его можно использовать для исследования и ограничения многомерного, возможно, не поддающегося количественной оценке, проблемного пространства. Задача помещается в морфологическое поле

2. Цвикки Ф. Морфологическая астрономия. Обсерватория (1948) 68 : 121–143. Доступно по адресу: http://articles.adsabs.harvard.edu/cgi-bin/nph-iarticle%5Fquery?1948Obs….68..121Z&data%5Ftype=PDF%5FHIGH&whole%5Fpaper=YES&type=PRINTER&filetype=.pdf

3. Цвикки Ф., Уилсон А.Г. Новые методы мышления и процедуры — материалы к симпозиуму по методологиям . Берлин Гейдельберг: Springer Science & Business Media (1967). doi:10.1007/978-3-642-87617-2

4. Шведское морфологическое общество. Общий морфологический анализ — общий метод неколичественного моделирования. (2002 г. (пересмотрено в 2013 г.)) Доступно по адресу: http://www. swemorph.com/ma.html

5. Шведское морфологическое общество. MA/Carma™ — расширенная компьютерная поддержка общего морфологического анализа. (2005–2016) Доступно на: http://www.swemorph.com/macarma.html

userR!2017: Морфологический анализ с помощью R

Ключевые слова : Shiny, DataTables, методы анализа, решение задач
Веб-страницы : https://github.com/sgrubsmyon/morphr
Морфологический анализ — это метод структурирования проблем, разработанный астрофизиком Фрицем Цвикки в 1940–1960-х годах [1–3]. Его можно использовать для исследования и ограничения многомерного, возможно, не поддающегося количественной оценке, проблемного пространства. Задача помещается в морфологическое поле , табличное представление, где каждому параметру соответствует столбец, строки которого заполнены значениями параметров. Каждое значение параметра взаимно проверяется на согласованность со всеми другими значениями параметра. Это позволяет систематически исключать несогласованные конфигурации и, следовательно, значительно сокращает проблемное пространство.
Специальное программное обеспечение полезно для визуализации и работы с морфологическим полем. Хотя полноценные программные решения уже существуют [4,5], они ограничены рабочим столом Windows и не могут быть запущены в веб-браузере. Пакет R morphr — это первый шаг в направлении браузерного инструмента морфологического анализа. Используя технологию R , можно относительно легко внедрить морфологический анализ в современную веб-ориентированную кросс-платформенную среду, встроенную в экосистему с открытым исходным кодом. Морфологические поля и их ограничения можно визуализировать в интерактивном режиме в веб-браузере: пользователь может выбирать значения параметров с помощью щелчка мыши, в результате чего поле выделяет оставшиеся конфигурации, соответствующие выбору. Для обеспечения интерактивности в пакете используется R блестящий пакет и построен на основе превосходного пакета DT , который является оболочкой R библиотеки JavaScript DataTables .
В этом докладе представлен морфологический анализ в целом и показано, как морфологическому анализу можно помочь с помощью R с использованием morphr .
Литература 1. Цвикки Ф. Морфология и номенклатура реактивных двигателей. Обзор авиационной техники (1947) 6 : 49–50.

2. Цвикки Ф. Морфологическая астрономия. Обсерватория (1948) 68 : 121–143. Доступно по адресу: http://articles.adsabs.harvard.edu/cgi-bin/nph-iarticle%5Fquery?1948Obs….68..121Z&data%5Ftype=PDF%5FHIGH&whole%5Fpaper=YES&type=PRINTER&filetype=.pdf

3. Цвикки Ф., Уилсон А.Г. Новые методы мышления и процедуры — материалы к симпозиуму по методологиям . Берлин Гейдельберг: Springer Science & Business Media (1967). doi:10.1007/978-3-642-87617-2

4. Шведское морфологическое общество. Общий морфологический анализ — общий метод неколичественного моделирования. (2002 г. (пересмотрено в 2013 г.)) Доступно по адресу: http://www. swemorph.com/ma.html

5. Шведское морфологическое общество. MA/Carma™ — расширенная компьютерная поддержка общего морфологического анализа. (2005–2016 гг.) Доступно по адресу: http://www.swemorph.com/macarma.html

Есть отзывы? Отправить вопрос здесь.

Анализ языковых образцов в 4 простых шага

Анализ языковых образцов очень важен при первоначальной оценке и даже мониторинге прогресса, но он может быть утомительным и медленным! Если вы читали мой предыдущий пост, вам понравится это обновление (12/2021) с еще большим количеством полезных советов!!

У меня есть информация о том, как быстро получить языковые образцы с помощью хаков в Microsoft Word, документах Google, а также мои БЕСПЛАТНЫЕ языковые анализы и нормативные таблицы MLU/PGU! Вау! Столько хорошей информации!

Где взять языковой образец?

Во-первых, лучшие практики для языковых образцов (особенно для детей школьного возраста) — это повествовательные или объяснительные языковые образцы, , а не разговор. После дошкольного возраста разговорный язык обычно менее развит, чем повествовательный или описательный. Поэтому убедитесь, что ваши ученики стараются изо всех сил.

Microsoft Word для анализа образца языка

Раньше я проводил анализ образца языка с помощью Microsoft Word. Да, вы прочитали это правильно! Вы можете сделать так много, используя инструменты, которые у вас, вероятно, уже есть! И это быстро! Выполните следующие шаги, чтобы выполнить один из ваших собственных:

Шаг первый : Введите 50 высказываний. Поместите каждое высказывание на отдельной строке. Мне нравится использовать пронумерованные пули, чтобы отслеживать их количество. См. пример ниже:

Убедитесь, что все морфемы разделены пробелом, как показано ниже:

Шаг второй: Подсчитайте общее количество слов. Для этого сначала избавьтесь от пронумерованных пуль!! Если у вас есть документ, содержащий только высказывания ребенка, перейдите в «Инструменты» -> «Подсчет слов».

Шаг третий: Разделите число рядом со словами (в данном примере 113) на 50 (общее количество произнесенных слов). Этот расчет дает вам MLU 2,26. Легко, правда?!

Шаг четвертый : Заполните контрольный список языковых образцов, чтобы проанализировать грамматику, словарный запас, прагматику, повествование и многое другое! У меня есть бесплатный в моем магазине учителей, платных учителям. Нажмите сюда, чтобы проверить это!

Документы Google для анализа языковых образцов

Если вы больше любите документы Google, вы можете сделать аналогичный процесс. Я никогда не могу вспомнить, где найти количество слов, но если нажать «Справка», а затем ввести «Количество слов», оно появится.

Готовы сделать этот процесс еще проще???

Документы Google имеют функцию преобразования речи в текст под названием «Голосовой ввод». (Опять же, если я не могу найти его в меню, я просто нажимаю «Справка» и ищу «Голосовой ввод». ) Он может запросить у вас разрешение на использование микрофона. Затем появится значок микрофона. Когда вы будете готовы использовать эту функцию, щелкните микрофон, и он станет красным. Это означает, что он записывает.

Удивительная вещь: недавнее исследование показало, что использование голосового набора Google было на самом деле БОЛЬШЕ точным, чем опытные профессионалы, выполняющие транскрипцию при записи образцов повествования от 7-11-летних учеников. В исследовании фактически использовался предварительно записанный образец, и они рекомендуют вам позволить Google сделать свою работу, а затем просмотреть образец еще раз, просто чтобы убедиться, что вы согласны с Google. Преобразование речи в текст прошло долгий путь!

Таким образом, вы можете позволить Google расшифровать его, а затем разделить на высказывания и морфемы, чтобы подсчитать количество слов и определить свой MLU.

MLU — что все это значит?

Итак, у вас есть расчет MLU, но что это вообще означает?

MLU не обязательно является хорошим эталоном для формирования целей, но помогает при принятии диагностических решений.

Самая последняя информация о номерах MLU, которую я смог найти, была в этой статье. Если вы посмотрите на Таблицу 4, там есть отличная диаграмма, описывающая MLU в словах и морфемах среди детей в возрасте 2; 6-8; 11 лет с шагом 6 месяцев со стандартными отклонениями как в группах SLI (обозначенных как «Пострадавшие»), так и в типичных группах. (с пометкой «Незатронутый»).

Для детей старше этого возраста MLU на самом деле не является хорошей мерой, но структуры предложений, упомянутые выше в моем контрольном списке, могут быть лучшим местом для начала!

Более свежая запись на фронте анализа языковых образцов — это процент грамматических высказываний, или PGU. MLU сообщает нам, являются ли высказывания ребенка в целом такими длинными, как мы ожидаем. Но как только дети начинают составлять слова, нам действительно нужно выяснить, почему они не такие длинные и сложные, как нам хотелось бы. PGU дает вам меру грамматичности и может помочь вам сфокусироваться на реальных целях лечения.

Вот как вы определяете PGU (из этого недавнего исследования):

1. Убедитесь, что ваш образец языка разделен на высказывания. Включать только понятные, полные и спонтанные С-единицы (независимое предложение с зависимыми предложениями, а также неклаузальные утверждения, которые были законченной мыслью)
2. Подсчитайте, сколько из них содержат хотя бы одну грамматическую ошибку (Все их можно посмотреть в статье определенные ошибки, но подумайте о временах глаголов, местоимениях, морфемах, таких как -s во множественном числе и т. д.)
3. PGU = (Всего высказываний – Неграмматические высказывания)/(Всего высказываний) * 100%

следует ожидать от типичной и нетипичной языковой разработки:

Надеюсь, это будет полезно и сэкономит вам время! Есть определенно более глубокие способы сделать это, но давайте будем честными, мы работаем в условиях серьезных ограничений по времени!

{спасибо за прочтение}

Ссылки

Го, Л.