抽象的语法校正校正(GEC)工具,由先进的生成人工智能(AI)提供动力,在用户输入中有效地纠正了语言的不准确性。但是,它们通常在提供基本的自然语言解释方面缺乏,这些解释是学习语言并获得对语法规则的更深入的理解。在低资源语言(例如孟加拉语)中对这些工具的探索有限。在这样的语言中,革命错误说明(GEE)系统不仅应正确句子,而且还应提供错误的解释。这种综合方法可以帮助语言学习者寻求提高能力。我们的工作介绍了一个现实世界中的多域数据集,该数据集来自孟加拉语扬声器,具有不同的义务水平和语言复杂性。此数据集可作为GEE系统的评估基准标记,允许他们使用上下文信息来生成有意义的解释和高质量的更正。Various generative pre-trained large language models (LLMs), in- cluding GPT-4 Turbo, GPT-3.5 Turbo, Text-davinci-003, Text-babbage- 001, Text-curie-001, Text-ada-001, Llama-2-7b, Llama-2-13b, and Llama-2-70b, are assessed against human experts for performance comparison.我们的研究强调了自动部署孟加拉人GEE的当前最新生成预培训的LLM的局限性。主张进行人干预,我们的发现提议合并手动检查以解决语法错误并提高反馈质量。这种方法提出了一种更合适的策略,以重新确定孟加拉语的GEC工具,并阐明了语言学习的教育方面。
在正式检查程序的(预期)含义时,通常会有很多麻烦,并且会增加复杂性,因为程序的形式语义通常与程序本身以及生成编写程序的编程语言的形式语法无关。相反,van Wijngaarden 语法具有内在语义,即它们的规则包含或表达由它们生成的终端字符串的(预期)含义。这种内在性允许在句法变化和上下文相关条件下保留含义。为了更好地展示 van Wijngaarden 语法语义的内在性,我将它们与属性语法进行了对比,后者是需要对编程语言进行语义分析时(例如在编译中)经常选择的选择。
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具,但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学,他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明,教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情,尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势,并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力,确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词:人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法:英语语言教学杂志,12 (2)。196-212 DOI:10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
个体在遗传编程(GP)中的表示对进化过程有很大的影响。在这项工作中,我们研究了三种语法引导的GP(GGGP)方法的进化过程,无上下文的语法GP(CFG-GP),语法进化(GE)和结构化语法演化(SGE),在复杂的,现实的,现实的,现实的,现实的问题的问题上,可以预测两个小时的人的Glucose水平。我们的分析通过(1)比较复杂基准上的所有三种方法,(2)在同一框架中实现方法,允许更公平的比较,以及(3)分析性能以外的进化过程。我们得出结论,代表选择更具影响力,最大程度更高,而CFG-GP更好地探索了更深树的搜索空间,从而实现了更好的结果。此外,我们发现CFG-GP更多地依赖于功能构建,而GE和SGE则更多地依赖于功能选择。此外,我们以两种方式更改了GGGP方法:使用ϵ-二素激酶选择,该方法解决了CFG -GP的过度拟合问题;并受到复杂树木的惩罚,以创建更多可解释的树。将ϵ -lexicase选择与CFG -GP相结合的表现最好。最后,我们评估了初始化方法在
我们应该如何比较语言模型(LMS)和人类的能力?在本文中,我从比较心理学到这些比较中的挑战。i的重点是案例研究:递归嵌套的语法结构的处理。先前的工作表明,LMS无法尽可能可靠地处理这些结构。但是,为人类提供了指令和大量培训,而LMS则进行了零射击。i因此更加匹配评估。提供一个简单提示的大型LM(比人类培训的含量要少得多),即使在更深厚的嵌套条件下,LMS也比人类测试更深切的条件。此外,提示的效果对提示中使用的特定结构和词汇量是强大的。最后,重新分析现有的人类数据表明,人类最初可能不会在困难的结构上执行以上机会。因此,当对比较评估时,大的LMS确实可以像人类一样可靠地递归嵌套的语法结构。此案例研究强调了评估方法中的差异如何混淆语言模型和人类的比较。我通过反映了比较人类和模型能力的更广泛挑战,并突出了评估认知模型和基础模型之间的重要区别。
这项研究通过最小的认知结构探索了通过语法诱导人类语言获取的认知机制,其简短且灵活的序列记忆是其最中心的特征。我们使用强化学习来识别人工语言中的单词流的句子。的结果证明了该模型可以识别频繁且内容丰富的多字块,重现自然语言获取的特征的能力。该模型成功地导航了不同程度的语言复合体,从而通过重复使用顺序模式来揭示有效的适应性,从而使挑战相结合。帕尔西姆树结构的出现提出了针对识别任务,平衡经济和信息的优化。认知建筑反映了人类记忆系统和决策过程的各个方面,从而增强了其认知能力。该模型在概括和语义表示方面表现出局限性,但其极简主义的性质为语言学习的某些基本机制提供了见解。我们的研究证明了这种简单的体系结构的力量,并强调了序列记忆在语言学习中的重要性。由于其他动物似乎没有忠实的序列记忆,这可能是理解为什么只有人类开发复杂语言的关键。
他们在数字活动中使用的聊天机器人。数据收集包括问卷,访谈和观察表,通过定量描述性统计和定性主题分析进行了分析。chatgpt,Gemini,困惑,Bing Chat,Ernie,角色AI,Discord Bot,Wren和Ginger出现是最广泛使用的聊天机器人,具有有用性,任务简化,技能和知识增强的动力,并享受使用。调查结果表明,大多数学生报告了通过使用AI聊天机器人的词汇范围,句法品种和整体写作质量的大幅改善。此外,学生一贯注意到AI聊天机器人对他们的语言水平的重大积极影响,尤其是在书面上应用的词汇和语法。结果表明,合并AI聊天机器人可能是提高EFL学生写作技巧的有利优势。该研究还解决了其缺点,并为将来的研究提供了建议。关键字:AI聊天机器人,Chatgpt,EFL学生,写作。简介