Qligħ:
- Kapaċità li jabbozza kejl tal-corpus bħall-frekwenza tal-kliem, kollokazzjoni, rikkezza tal-vokabularju u kliem prinċipali b'intelliġenza artifiċjali
- Li tkun taf li l-intelliġenza artifiċjali mhix affidabbli fl-għadd eżatt u li tkun kapaċi tivverifika kull għadd b'għodda separata
- Kapaċità li tifhem li numru ma jgħid xejn waħdu u li l-interpretazzjoni lingwistika li tistabbilixxi t-tifsira hija tal-bnedmin.
L-istudji tal-letteratura u tal-lingwa mhumiex biss “kummentarju”; Għandu wkoll aspett li jista 'jitkejjel u li jista' jingħadd. Kemm kliem differenti juża awtur, liema kliem iħobb juża b’liema kliem, liema kliem isiru komuni f’perjodu – dawn jiġu investigati permezz tal-lingwistika (ix-xjenza li tistudja l-ħoss, l-istruttura, it-tifsira u l-użu tal-lingwa) u speċjalment il-lingwistika tal-corpus. Korpus huwa ġabra ta’ testi, bħax-xogħlijiet kompluti ta’ awtur, l-arkivju annwali ta’ gazzetta, jew il-poeżiji ta’ perijodu. L-analiżi tal-corpus tfittex mudelli numeriċi f'dan il-biċċa.
F'din l-unità, se nitgħallmu nużaw l-AI bħala assistent ta' analiżi tal-corpus: nieħdu malajr metriċi bħall-frekwenza tal-kliem (in-numru ta' drabi li kelma sseħħ fit-test), kollokazzjoni (pari ta' kliem li jseħħu ta' spiss flimkien, eż. "iswed" + "fortuna tiegħi"), rikkezza tal-vokabularju, u varjazzjoni staġjonali. Iżda twissija mill-bidu: AI tista 'tagħmel żbalji meta tgħodd waħedha; Jeħtieġu għodod speċjali għal għadd kbir u preċiż, u int il-lingwista li tistabbilixxi t-tifsira ta 'kull numru.
Fejn hi b'saħħitha l-AI u fejn hija dgħajfa fl-analiżi tal-corpus?
Is-saħħiet tiegħu huma: Jirrikonoxxi mudelli f'testi żgħar u medji, jiġġenera ipoteżi dwar il-vokabularju ta 'test, jissuġġerixxi kandidati għal kollokazzjoni, jinterpreta riżultat, jiddeskrivi metodoloġija. AI tistaqsi "x'frażijiet jispikkaw f'dan l-awtur?" Jagħti bidu malajr għall-mistoqsija.
Dgħjufija: Għadd preċiż. AI hija mudell tal-lingwa, mhux kalkulatur; jista' jagħti tweġiba approssimattiva u xi kultant mhux korretta għall-mistoqsija "kemm-il darba seħħet" f'test twil. Għal frekwenza preċiża, statistika eżatta ta’ kolokazzjoni, jew skannjar ta’ corpus kbir ta’ eluf ta’ kliem, jintuża softwer speċjalizzat (eż. għodod ta’ corpus bħal AntConc jew spreadsheet). L-IA hija ta' valur fl-interpretazzjoni tal-output ta' dawn l-għodod; Imma ma tagħmilx lilu jagħmel l-għadd mhux maħdum bl-addoċċ.
Tip: Jekk għandek bżonn numru eżatt, uża żewġ modi: qabbad għodda tagħmel l-għadd f'test żgħir u agħmel li l-AI tinterpretaha; Jew agħmel l-għadd tal-AI u tivverifikah b'mod ieħor. Qatt tuża s-sentenza "AI qal li jiġri 47 darba" mingħajr konferma.
Studju tal-corpus pass pass
- Poġġi mistoqsija. “Kif jitqassmu l-kliem bil-kulur f’dan il-poeta?” L-għadd huwa bla sens mingħajr mistoqsija ċara bħal:
- Iddefinixxi l-korpus. Liema testi? Liema edizzjoni? Liema perjodu? Il-fruntiera trid tkun ċara.
- Agħżel il-kejl. Frekwenza, kollokazzjoni, rikkezza tal-vokabularju?
- Kejjel u vverifika. Agħmel l-għadd, imbagħad ikkonferma t-tieni mod.
- Ikkummenta. In-numru waħdu ma jgħid xejn; Huwa l-kumment tiegħek li jagħmel is-sejba li "kliem tal-kulur irdoppja fit-tieni perjodu" sinifikanti.
Miżura użata ta’ spiss tar-rikkezza tal-vokabularju hija l-proporzjon tan-numru ta’ kliem differenti għan-numru totali ta’ kliem (proporzjon tat-tip/token). Jekk dan il-proporzjon huwa għoli, it-test huwa kelma-varjetà, u jekk huwa baxx, dan ifisser li huwa ripetittiv. Iżda dan il-proporzjon huwa affettwat mit-tul tat-test; Oqgħod attent meta tqabbel testi qosra u twal direttament.
tliet każijiet żgħar
Każ 1 — Kollokazzjoni wriet stil. Riċerkatur eżamina tqabbil aġġettiv-nom fi 3 rumanzi ta’ rumanzier. AI ssuġġeriet li l-kelma "pallida" taqbel ma' 5 nomi differenti; Ir-riċerkatur ivverifika 4 mit-testi u elimina 1 bħala fabbrikat. Il-mudell ikkonfermat sar dikjarazzjoni tat-teżi dwar l-istil deskrittiv tal-awtur.
Każ 2 — Żball fl-għadd maqbud. Student staqsa lill-AI kemm-il darba l-kelma “lejl” dehret f’test ta’ 2,000 kelma; L-AI qalet "23". Meta l-istudent tefa' t-test fi spreadsheet u kellu jingħadd, in-numru attwali kien 17. Deher ċar li l-għadd mhux maħdum tal-AI mhuwiex affidabbli.
Każ 3 — Bidla perjodika qanqlet kontroversja. Grupp wieħed qabbel il-proporzjon ta 'kliem astratt fil-poeżiji bikrija u tard ta' poeta. L-ewwel abbozz tal-AI issuġġerixxa tendenza; Meta l-grupp mar lura għat-test u vverifika l-għadd, ix-xejra rriżulta li kienet reali, iżda l-"kawżi" ssuġġeriti mill-AI kienu spekulazzjoni mhux verifikabbli u ġew eliminati.
Erba' mudelli li jistgħu jiġu kkupjati
1) Kontorn tal-frekwenza tal-kliem (bil-verifika):
Elenka l-15-il kelma tal-kontenut li jseħħu l-aktar frekwenti (eskludi kliem funzjoni bħal konġunzjonijiet u prepożizzjonijiet) fit-test hawn taħt, bil-frekwenzi approssimattivi tagħhom. TWISSIJA: Innota li l-għadd JISTGĦU MA jkun preċiż u innota "biex ikunu preċiżi, iridu jiġu vverifikati b'għodda ta' għadd separata." Test: [itwaħħal it-test hawn]
2) Kandidati għall-kolokazzjoni:
Issuġġerixxi pari ta’ kliem (kollokazzjonijiet) li jseħħu ta’ spiss flimkien fit-test hawn taħt. Agħti mill-inqas kwotazzjoni waħda mit-test għal kull par. Fabbrikazzjoni doppja li m'għandha l-ebda ekwivalenti fit-test; Jekk m'intix ċert, immarkaha bħala "jeħtieġ verifika". Test: [paste test]
3) Tqabbil tal-vokabularju:
Nagħtikom żewġ testi. Għal kull wieħed: kliem totali approssimattiv, osservazzjonijiet dwar varjetajiet ta’ kliem differenti, u oqsma ta’ kliem prominenti (eż. kulur, natura, emozzjoni). Iddikjara li n-numri huma approssimattivi. Ħalli l-interpretazzjoni tal-paragun għall-verifika tiegħi. Test A: [...] Test B: [...]
4) Interpretazzjoni tar-riżultat:
Sibt ir-riżultati li ġejjin minn għodda tal-għadd: [paste results].Iġġenera 2-3 ipoteżi dwar x'jistgħu jfissru dawn in-numri lingwistikament. Immarka kull ipoteżi bħala "teħtieġ evidenza" u għidli kif nista' nittestjaha. Evita kummenti eċċessivi.
Pront dgħajjef / Pront qawwi
Dgħajjef: "Liema kelma sseħħ l-aktar f'dan it-test?"
Qawwija: "Elenka l-kliem tal-kontenut l-aktar frekwenti f'dan it-test bil-frekwenza approssimattiva tagħhom; eskludi kliem funzjoni. Agħmilha ċara li n-numri mhumiex eżatti u jeħtieġ li jiġu vverifikati b'għodda separata. Agħti sentenza ta' eżempju għal kull kelma."
Il-pront qawwi jagħmel lill-AI jaċċetta l-limitu tal-għadd u jgħidlek bil-quddiem li hija meħtieġa verifika. Fil-pront dgħajjef, l-AI tagħti numru wieħed u ma tafx li jista 'jkun ħażin.
Tabella tal-kejl u l-affidabbiltà
kejl
Dak li juri
AI waħdu
mod it-tajjeb
frekwenza tal-kelma
kliem frekwenti
Dwar, riskjuż
Counter + kummentarju AI
kollokazzjoni
dawk li għaddew flimkien
Jipproduċi kandidati
Konferma mit-test
Proporzjon tat-tip/token
Diversità verbali
Jista' jkun qarrieqi
Kont bl-għodda
bidla staġjonali
Xejra matul iż-żmien
jiġġenera ipoteżijiet
Kejjel u vverifika
Kumment tal-konklużjoni
Tifsira
Qawwija imma jesaġera
ġudizzju uman
Kunċetti ta' keyword u n-gram
Żewġ kunċetti jagħmlu x-xogħol tiegħek aktar faċli fl-analiżi tal-corpus. L-ewwel hija l-kelma prinċipali (keyword bl-Ingliż - il-kelma li sseħħ f'test jew awtur ħafna aktar spiss milli mistenni meta mqabbla mal-lingwa ġenerali, li tagħti dak it-test "il-karattru") tiegħu. Il-kliem kjavi ta' awtur jiżvelaw l-interessi u l-istil tiegħu; Per eżempju, jekk "baħar" u "separazzjoni" jseħħu aktar frekwenti milli mistenni f'poeta, din l-isporġenza statistika ssir il-punt tat-tluq għal interpretazzjoni. Biex jiġu identifikati l-kliem kjavi, huwa meħtieġ li jitqabblu l-frekwenzi ta’ test mal-frekwenzi ta’ corpus ta’ referenza (korp ġenerali u kbir ta’ test użat għat-tqabbil); Dan it-tqabbil huwa xogħol ta 'għodda definittiva, huwa kalkolu li l-AI ma tistax tagħmel b'mod affidabbli waħedha.
It-tieni hija n-gramma (sekwenza ta' n kelmiet konsekuttivi f'test; sekwenza ta' żewġ kelmiet tissejjaħ "bigram", sekwenza ta' tliet kelmiet tissejjaħ "trigramma"). L-analiżi tal-N-gram tiżvela l-espressjonijiet formuli ta’ awtur u l-frażijiet użati ta’ spiss. Pereżempju, jekk kittieb juża frażijiet bħal "tip ta'" jew "madankollu" ħafna drabi, dan jindika d-drawwa tiegħu li jagħmel sentenzi. L-AI tista 'tissuġġerixxi dawn il-frażijiet bħala kandidati; iżda għal frekwenza vera u sinifikat statistiku huwa meħtieġ li terġa 'lura għall-għodda tal-għadd.
Ħjiel: Għid lill-AI, "Elenka l-frażijiet notevoli (żewġ jew tliet kelmiet) f'dan it-test bħala kandidati, u agħti eżempju mit-test għal kull wieħed." Ħu l-lista tal-kandidati u kejjel il-frekwenza attwali b'għodda separata. Pożizzjona l-AI bħala l-"avviż," l-aġent bħala l-"counter", u lilek innifsek bħala l-"interpretu".
Żbalji komuni
- Jiddependu fuq l-għadd mhux maħdum tal-AI. AI mhix kalkulatur; Ivverifika n-numru eżatt b'għodda separata.
- Nippreżenta n-numru mingħajr kumment. "Għadda 47 darba" ma tgħid xejn; Inti toħloq it-tifsira.
- Injora t-tul tat-test. Ir-rati tad-diversità lirika huma sensittivi għat-tul.
- Nagħmlu teżi mingħajr verifika tal-kollokazzjoni. Koppji mhux AI jistgħu jissuġġerixxu; Ikkonferma mit-test.
- Kumment estrem. Taċċettax ir-"raġunijiet" ssuġġeriti mill-AI mingħajr evidenza.
Fil-qosor
L-analiżi tal-corpus tiftaħ il-aspett għadd tal-letteratura: frekwenza, kollokazzjoni, vokabularju, bidla perjodika. L-IA hija b'saħħitha f'dan il-qasam biex tirrikonoxxi l-mudelli u tinterpreta r-riżultati; iżda mhuwiex affidabbli fl-għadd assolut. Ivverifika n-numru bl-għodda separata, ikkonferma kollokazzjoni mit-test, u stabbilixxi t-tifsira ta 'kull numru lilek innifsek. In-numru mhuwiex evidenza, huwa l-bieb għall-evidenza.
Kompitu ta' applikazzjoni
Agħżel test qasir (500-1000 kelma). Identifika kelma tal-kontenut (eż. "lejl" jew "triq"). L-ewwel, għodd lilek innifsek fit-test. Imbagħad agħmel li l-AI tgħoddha. Qabbel iż-żewġ riżultati; Jekk hemm differenza, investiga r-raġuni. Imbagħad ikteb kumment ta’ paragrafu wieħed dwar il-funzjoni ta’ dik il-kelma fit-test — iddawwar in-numru f’tifsira.
lista ta' kontroll
- [ ] Poġġi mistoqsija lingwistika ċara.
- [ ] Iddefinijt il-konfini tal-korpus (test, edizzjoni, perjodu).
- [ ] I vverifikajt l-għadd tal-AI fit-tieni mod.
- [ ] Ikkonfermajt il-kollokazzjonijiet mit-test.
- [ ] Ma ħallejtx in-numru mingħajr kumment; Ħloqt it-tifsira jien stess.