Глазов, Удмуртская республика, Россия
УДК 372.8 Преподавание отдельных учебных предметов
УДК 31 Статистика. Демография. Социология
ГРНТИ 14.25 Общеобразовательная школа. Педагогика общеобразовательной школы
Рассмотрена проблема определения семантической близости астрономических понятий, обозначающих небесные тела в школьном курсе астрономии. Используется дистрибутивный метод, заключающийся в сравнении распределений понятий в тексте учебника астрономии. С помощью специальных компьютерных программ из текста удаляются знаки препинания, стоп-слова, определяется число упоминаний различных терминов, вычисляются косинусная мера близости и семантическое расстояние между понятиями. Это позволяет: 1) выявить часто используемые астрономические понятия, обозначающие небесные тела; 2) получить матрицы близости и семантических расстояний между понятиями «галактика», «звезда», «Солнце», «планета», «черная дыра», «белый карлик» и т.д.; 3) создать ментальную карту небесных тел, входящих в состав Солнечной системы с учетом расстояний между обозначающими их терминами; 4) построить облака понятий «виды звезд», «Земля – звезда – Вселенная». Для моделирования семантического пространства учебника используется компьютерная программа Graf.pas, которая случайным образом перемещает вершины в 2D- или 3D-пространстве, каждый раз вычисляя потенциальную энергию W соединяющих их упругих стержней и выбирая такое расположение вершин, при котором W минимально. Считается, что близко расположенные вершины соединены жесткими стержнями, а далеко удаленные эластичными резиновыми нитями.
астрономия, дидактика, понятие, семантическое пространство, компьютерные методы, косинусная близость, учебник
1. Анисимов А.В. Метод вычисления семантической близости-связности между словами естественного языка / А.В. Анисимов, А.А. Марченко, В.К. Ки-сенко // Кибернетика и системный анализ. – 2011. № 4. – С. 18-27.
2. Бранченко Д.С. Меры семантической близости на основе онтологических размерностей понятий в информационных системах / Д.С. Бранченко, Ю.А. Кра-вченко, Ю.С. Новикова // Информатика, вычислительная техника и инженерное образование. – 2017. № 1 (29). − С. 46-58.
3. Ванюшкин А.С. Методы и алгоритмы извлечения ключевых слов / А.С. Ванюшкин, Л.А. Гращенко // Новые информационные технологии в автоматизированных системах. – 2016. № 19. – С. 85-93.
4. Варламов М.И. Расчет семантической близости концептов на основе крат-чайших путей в графе ссылок Википедии / М.И. Варламов, А.В. Коршунов // Ма-шинное обучение и анализ данных. − 2014. Т. 1. № 8. − С. 1107-1125.
5. Галузо И.В. Астрономия: учеб.пособие для 11-го кл. общеобразоват. учре-ждений с рус. яз. обучения с 11-летним сроком обучения / И.В. Галузо, В.А. Го-лубев, А.А. Шимбаев. – Минск: Нар. асвета, 2009. – 216 с.
6. Ичкинеева Д.А. О закономерностях дискретизации семантического про-странства текста // Вестник ОГУ. − 2010. №11 (117). − С. 98-100.
7. Каряева М.С. Лингвостатический анализ терминологии для построения те-зауруса предметной области // Моделирование и анализ информационных систем. − 2015. Т. 22. № 6. − С. 834–851.
8. Майер Р.В. Сложность учебных понятий и текстов: монография. – Глазов: ГИПУ, 2024. – 132 с.
9. Мишанкина Н.А. Ментальное пространство научного текста: метафориче-ские модели // Вестник Томского государственного университета. – 2007. № 297. – С. 7-11.
10. Морозова Ю.И. Построение семантических векторных пространств раз-личных предметных областей // Информатика и ее применения. − 2013. Т. 7. Вып. 1. − С. 90-93.
11. Найханов Н.В. Определение семантической близости понятий на основе использования ссылок Википедии / Н.В. Найханов, Б.А. Дышенов // Программ-ные системы и вычислительные методы. − № 3. 2016. − С. 250-257.
12. Панченко А.И. Извлечение семантических отношений из статей Вики-педии с помощью алгоритмов ближайших соседей / А.И. Панченко, С.А. Адей-кин, А.В. Романов, П.В. Романов // Открытые системы. − № 16. 2012. − С. 18-27.
13. Ракитина С.В. Концептосфера и семантическое пространство научного текста // Альманах современной науки и образования. − Тамбов: Грамота, 2009. № 8 (27): в 2-х ч. Ч. I. − C. 125-126.
14. Шереметьева С.О. Методы и модели автоматического извлечения ключе-вых слов / С.О. Шереметьева, П.Г. Осминин // Вестник ЮУрГУ. Серия: Лингви-стика. – 2015. Т. 12. № 1. – С. 76-81.
15. Яковлева С.С. Использование ментальных карт в обучении студентов вуза // Scientific Review. − 2019. № 4. − С. 134-137.
16. Ashraf A. Semantic similarity measures between words: a brief survey / A. Ashraf, A. Fayez, A. Hani // Scientific International Journal. – 2018. № 30(6). – Pp. 907-914.
17. Lin D. An information-theoretic definition of similarity // ICML. – 1998. Т. 98. – Pp. 296-304.
18. Manning C.D. An Introduction to Information Retrieval / C.D. Manning, P. Raghavan, H. Schütze. – Cambridge University Press. 2008.
19. Turney P.D. From frequency to meaning: Vector space models of semantics / P.D. Turney, P. Pantel // J. Artificial Intelligence Research. – Menlo Park, California: AAAI Press, 2010. № 37. – Pp. 141–188.
