Faida:
- Uwezo wa kuandaa vipimo vya ushirika kama vile mzunguko wa maneno, mgawanyo, utajiri wa msamiati na maneno muhimu na akili ya bandia.
- Kujua kuwa akili ya bandia haiwezi kutegemewa katika kuhesabu kikamilifu na kuwa na uwezo wa kuthibitisha kila hesabu kwa zana tofauti.
- Uwezo wa kuelewa kwamba nambari haisemi chochote yenyewe na kwamba tafsiri ya kiisimu inayoweka maana ni ya wanadamu.
Masomo ya fasihi na lugha sio "maoni" tu; Pia ina kipengele kinachoweza kupimika na kuhesabika. Mwandishi anatumia maneno mangapi tofauti, ni maneno gani anapenda kutumia na maneno gani, ambayo maneno yanakuwa ya kawaida katika kipindi fulani - haya yanachunguzwa kupitia isimu (sayansi inayochunguza sauti, muundo, maana na matumizi ya lugha) na hasa isimu corpus. Kopo ni mkusanyiko wa maandishi, kama vile kazi kamili za mwandishi, kumbukumbu ya kila mwaka ya gazeti, au mashairi ya kipindi fulani. Uchanganuzi wa Corpus hutafuta ruwaza za nambari katika kipande hiki.
Katika kitengo hiki, tutajifunza kutumia AI kama msaidizi wa uchanganuzi wa jumla: kutoa metriki kwa haraka kama vile marudio ya maneno (idadi ya mara neno hutokea katika maandishi), mgao (jozi za maneno zinazotokea mara kwa mara pamoja, k.m. "nyeusi" + "bahati yangu"), utajiri wa msamiati, na tofauti za msimu. Lakini onyo tangu mwanzo: AI inaweza kufanya makosa wakati wa kuhesabu peke yake; Zana maalum zinahitajika kwa hesabu kubwa na sahihi, na wewe ndiye mwanaisimu ambaye huweka maana ya kila nambari.
AI iko wapi na ni dhaifu wapi katika uchambuzi wa jumla?
Nguvu zake ni: Kutambua ruwaza katika matini ndogo na za kati, kuzalisha dhahania kuhusu msamiati wa matini, kupendekeza watahiniwa wa mgao, kufasiri matokeo, kuelezea mbinu. AI inauliza "ni misemo gani inayojitokeza katika mwandishi huyu?" Inatoa mwanzo wa haraka kwa swali.
Udhaifu: Kuhesabu kwa usahihi. AI ni kielelezo cha lugha, si kikokotoo; inaweza kutoa jibu la takriban na wakati mwingine lisilo sahihi kwa swali "imetokea mara ngapi" katika maandishi marefu. Kwa mara kwa mara, takwimu kamili za eneo, au uchanganuzi mkubwa wa maelfu ya maneno, programu maalum (k.m. zana za corpus kama vile AntConc au lahajedwali) hutumiwa. AI ni muhimu katika kutafsiri matokeo ya zana hizi; Lakini usimfanye ahesabu mbichi kwa upofu.
Kidokezo: Ikiwa unahitaji nambari kamili, tumia njia mbili: kuwa na zana ya kuhesabu kwa maandishi madogo na AI ifasiri; Au uwe na hesabu ya AI na uithibitishe kwa njia nyingine. Kamwe usitumie sentensi "AI ilisema inatokea mara 47" bila uthibitisho.
Utafiti wa hatua kwa hatua wa shirika
- Weka swali. Maneno ya rangi yanasambazwa vipi katika mshairi huyu?" Kuhesabu hakuna maana bila swali wazi kama:
- Bainisha kundi. Maandiko gani? Toleo gani? Kipindi gani? Mpaka lazima uwe wazi.
- Chagua kipimo. Frequency, collocation, utajiri wa msamiati?
- Pima na uthibitishe. Fanya hesabu, kisha uthibitishe njia ya pili.
- Maoni. Nambari pekee haisemi chochote; Ni maoni yako ambayo hufanya ugunduzi kwamba "maneno ya rangi yaliongezeka maradufu katika kipindi cha pili" kuwa na maana.
Kipimo kinachotumiwa mara kwa mara cha utajiri wa msamiati ni uwiano wa idadi ya maneno tofauti kwa jumla ya idadi ya maneno (uwiano wa aina / ishara). Ikiwa uwiano huu ni wa juu, maandishi ni neno-aina, na ikiwa ni ya chini, inamaanisha kuwa inajirudia. Lakini uwiano huu unaathiriwa na urefu wa maandishi; Kuwa mwangalifu unapolinganisha maandishi mafupi na marefu moja kwa moja.
kesi tatu ndogo
Kesi ya 1 - Ugawaji ulionyesha mtindo. Mtafiti alichunguza viambatanisho vya vivumishi-nomino katika riwaya 3 za mwandishi wa riwaya. AI ilipendekeza kwamba neno "pale" lilingane na nomino 5 tofauti; Mtafiti alithibitisha maandishi 4 kati ya matini hizo na kuondoa 1 kuwa ya kubuniwa. Mchoro uliothibitishwa ukawa taarifa ya nadharia kuhusu mtindo wa maelezo wa mwandishi.
Kesi ya 2 - Hitilafu ya kuhesabu imepatikana. Mwanafunzi aliuliza AI ni mara ngapi neno "usiku" lilionekana katika maandishi ya maneno 2,000; AI ilisema "23". Mwanafunzi alipotupa maandishi kwenye lahajedwali na kuhesabiwa, nambari halisi ilikuwa 17. Imekuwa wazi kuwa hesabu ghafi ya AI haiwezi kutegemewa.
Kesi ya 3 - Mabadiliko ya mara kwa mara yalizua utata. Kundi moja lililinganisha uwiano wa maneno dhahania katika mashairi ya mwanzo na ya marehemu ya mshairi. Rasimu ya kwanza ya AI ilipendekeza mwelekeo; Wakati kikundi kilirudi kwenye maandishi na kuthibitisha hesabu, mwelekeo uligeuka kuwa wa kweli, lakini "sababu" zilizopendekezwa na AI zilikuwa uvumi usioweza kuthibitishwa na ziliondolewa.
Violezo vinne vinavyoweza kunakiliwa
1) Muhtasari wa mzunguko wa maneno (pamoja na uthibitishaji):
Orodhesha maneno 15 ya maudhui yanayotokea mara kwa mara (ondoa maneno ya kazi kama vile viunganishi na viambishi) katika maandishi hapa chini, pamoja na makadirio ya masafa. ONYO: Kumbuka kwamba hesabu HUENDA ZIWE sahihi na kumbuka "ili ziwe sahihi, lazima zithibitishwe kwa zana tofauti ya kuhesabu." Maandishi: [bandika maandishi hapa]
2) Wagombea wa nafasi:
Pendekeza jozi za maneno (mikusanyo) zinazotokea mara kwa mara pamoja katika maandishi hapa chini. Toa angalau nukuu moja kutoka kwa maandishi kwa kila jozi. Uundaji mara mbili ambao hauna sawa katika maandishi; Iwapo huna uhakika, itie alama kuwa "inahitaji kuthibitishwa".Nakala: [bandika maandishi]
3) Ulinganisho wa msamiati:
Nitakupa maandishi mawili. Kwa kila moja: takriban jumla ya maneno, uchunguzi kuhusu aina tofauti za maneno, na vikoa vya maneno maarufu (k.m. rangi, asili, hisia). Sema kwamba nambari ni takriban. Acha tafsiri ya kulinganisha na uthibitishaji wangu. Maandishi A: [...] Nakala B: [...]
4) Tafsiri ya matokeo:
Nilipata matokeo yafuatayo kutoka kwa zana ya kuhesabia: [bandika matokeo].Toa dhana 2-3 kuhusu kile ambacho nambari hizi zinaweza kumaanisha kiisimu. Weka alama kwa kila nadharia kama "inahitaji ushahidi" na uniambie jinsi ninaweza kuijaribu. Epuka maoni mengi.
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Neno gani linatokea zaidi katika maandishi haya?"
Imara: "Orodhesha maneno ya maudhui ya mara kwa mara katika maandishi haya na takriban mara kwa mara; usijumuishe maneno ya kukokotoa. Fafanua wazi kwamba nambari si kamili na zinahitaji kuthibitishwa kwa zana tofauti. Toa mfano wa sentensi kwa kila neno."
Kidokezo chenye nguvu hufanya AI ikubali kikomo cha hesabu na inakuambia mapema kwamba uthibitishaji unahitajika. Katika haraka dhaifu, AI inatoa nambari moja na haujui kuwa inaweza kuwa mbaya.
Jedwali la kipimo na kuegemea
kipimo
Nini inaonyesha
AI peke yake
njia sahihi
mzunguko wa maneno
maneno ya mara kwa mara
Kuhusu, hatari
Kaunta + maoni ya AI
kupanuka
waliopita pamoja
Inazalisha wagombea
Uthibitisho kutoka kwa maandishi
Uwiano wa aina / ishara
Utofauti wa maneno
Inaweza kupotosha
Akaunti na zana
mabadiliko ya msimu
Mwenendo kwa wakati
inazalisha hypotheses
Pima na uthibitishe
Kuhitimisha maoni
Maana
Nguvu lakini inazidisha
hukumu ya binadamu
Neno muhimu na dhana za n-gram
Dhana mbili hurahisisha kazi yako katika uchanganuzi wa jumla. Ya kwanza ni neno kuu (neno kuu kwa Kiingereza - neno linalotokea katika maandishi au mwandishi mara nyingi zaidi kuliko inavyotarajiwa ikilinganishwa na lugha ya jumla, na kutoa maandishi hayo "tabia" yake. Maneno muhimu ya mwandishi yanaonyesha maslahi na mtindo wake; Kwa mfano, ikiwa "bahari" na "kutengana" hutokea mara nyingi zaidi kuliko ilivyotarajiwa kwa mshairi, mchoro huu wa takwimu unakuwa mahali pa kuanzia kwa tafsiri. Ili kutambua maneno muhimu, ni muhimu kulinganisha mzunguko wa maandishi na mzunguko wa corpus ya kumbukumbu (jumla, mwili mkubwa wa maandishi unaotumiwa kwa kulinganisha); Ulinganisho huu ni kazi ya zana dhahiri, ni hesabu ambayo AI haiwezi kufanya kwa kutegemewa peke yake.
Ya pili ni n-gram (mfuatano wa maneno n mfululizo katika maandishi; mfuatano wa maneno mawili unaitwa "bigram", mfuatano wa maneno matatu unaitwa "trigram"). Uchanganuzi wa N-gram unaonyesha misemo ya fomula ya mwandishi na misemo inayotumiwa mara kwa mara. Kwa mfano, ikiwa mwandishi anatumia vishazi kama vile "aina ya" au "hata hivyo" mara nyingi sana, hii inaonyesha tabia yake ya kuunda sentensi. AI inaweza kupendekeza misemo hii kama wagombea; lakini kwa mzunguko wa kweli na umuhimu wa takwimu ni muhimu kurudi kwenye chombo cha kuhesabu.
Kidokezo: Iambie AI, "Orodhesha vishazi mashuhuri (maneno mawili au matatu) katika maandishi haya kama tahini, na utoe mfano kutoka kwa maandishi kwa kila moja." Chukua orodha ya wagombeaji na upime masafa halisi kwa zana tofauti. Weka AI kama "mtangazaji," wakala kama "kaunta," na wewe mwenyewe kama "mkalimani."
Makosa ya kawaida
- Kutegemea hesabu ghafi ya AI. AI sio kikokotoo; Thibitisha nambari kamili kwa zana tofauti.
- Kuwasilisha nambari bila maoni. "Imepita mara 47" haisemi chochote; Unaunda maana.
- Inapuuza urefu wa maandishi. Viwango vya utofauti wa sauti ni nyeti kwa urefu.
- Kufanya tasnifu bila kuthibitisha mgawanyo. Wanandoa wasio wa AI wanaweza kupendekeza; Thibitisha kutoka kwa maandishi.
- Maoni ya hali ya juu. Usikubali "sababu" zilizopendekezwa na AI bila ushahidi.
Kwa muhtasari
Uchanganuzi wa Corpus hufungua kipengele cha kuhesabika cha fasihi: marudio, mgawanyiko, msamiati, mabadiliko ya mara kwa mara. AI ina nguvu katika eneo hili katika kutambua mifumo na matokeo ya ukalimani; lakini haitegemewi katika kuhesabu kabisa. Thibitisha nambari kwa zana tofauti, thibitisha migao kutoka kwa maandishi, na utambue maana ya kila nambari mwenyewe. Idadi sio ushahidi, ni mlango wa ushahidi.
Jukumu la maombi
Chagua maandishi mafupi (maneno 500-1000). Tambua neno la maudhui (k.m. "usiku" au "barabara"). Kwanza, jihesabu mwenyewe katika maandishi. Kisha AI ihesabu. Linganisha matokeo mawili; Ikiwa kuna tofauti, chunguza sababu. Kisha andika maoni ya aya moja juu ya kazi ya neno hilo katika maandishi - kugeuza nambari kuwa maana.
orodha ya ukaguzi
- [ ] Niliweka swali wazi la kiisimu.
- [ ] Nilifafanua mipaka ya corpus (maandishi, toleo, kipindi).
- [ ] Nilithibitisha hesabu ya AI kwa njia ya pili.
- [ ] Nilithibitisha migao kutoka kwa maandishi.
- [ ] Sikuacha nambari bila maoni; Niliunda maana mwenyewe.