gallery/gerb_rgpu_1
En
Ru

New Educational Strategies in Modern Information Space - 2020

Новые образовательные стратегии в современном информационном пространстве

Пиотровская К.Р.

РГПУ им. А.И. Герцена,

Санкт-Петербург, Россия

 

 

DDL-поддержка развития иноязычной коммуникативной компетенции в области информатики

 

  Обсуждаются перспективы организации DDL-поддержки в профессиональной сфере для развития иноязычной коммуникативной компетенции у студентов математического и информационного направлений обучения. Обсуждаются проблемы разработки интегрированной методики обучения на основе таких известных инструментов, как Sketch Engine, AntConc, Skell и LexTutor.

 

 

 

Piotrowska X.

HSPU, St.Petersburg,

Russia

 

DDL-support for development of foreign language communicative competence in computer science field

 

  The prospects of organizing DDL-support in professional sphere for development of foreign language communicative competence among students of mathematical and informational areas of training are discussed. The problems of developing an integrated teaching methodology based on the well-known corpora tools as Sketch Engine, AntConc, Skell and LexTutor are discussed.

    

 Традиционная оторванность образования от науки приводит к отставанию методики преподавания языков от актуального уровня развития научно-технической речи В этом контексте мы остановимся на описании методики работы с известными корпусными инструментами [4] в области компьютерной лингводидактики: Sketch Engine, AntConc, Skell и LexTutor, и попытаемся показать, как с помощью комплексной методики, базирующейся на инструментариях корпусных технологий можно поддержать иноязычную коммуникативную компетенцию у студентов математических и информационных направлений подготовки методологически основываясь на концепции использования реальных языковых данных в языковом образовании (Data-Driven Learning). Собственно, сходный подход, названный когнитивно-интеллектуальным подходом, был предложен нами еще в конце 80-х годов и ориентирован на организацию компьютерной поддержки обучения языку с опорой на профессионально-ориентированные словари систем машинного перевода [6, 7]. Сегодня, с развитием корпусных технологий и средств цифровой поддержки дидактических материалов, созданы все возможности для реализации этих идей.

 

Идеология этого подхода, противопоставленного традиционной технологии «передачи готовых знаний», состоит в предоставлении учащимся возможности самостоятельно извлекать знания о языке, отвечающие индивидуальным познавательным потребностям. Особенно остро обозначенная проблема стоит при изучении профессионально ориентированного языка и связана с ускоряющимися темпами информационного обмена и появлением новых специализированных подъязыков, с лексико-грамматическим составом, не описанным в традиционных учебниках и справочниках.

 

Такое положение дел ставит перед бакалаврской, магистерской и аспирантской подготовкой не только задачу воспитания, но и поддержания процесса формирования иноязычной коммуникативной компетенции уже не только на занятиях по изучению языка в профессиональной сфере, а непосредственно на профильных занятиях (при выполнении лабораторных работ с иноязычным программным обеспечением в области математики, информатики, прикладной физики, химии и т.д.) и в профессиональном научном поиске (отбор профессиональной иноязычной литературы, написание статей). Становится реальным осуществить переход от симуляции иноязычной среды на учебном занятии, к организации практически аутентичной иноязычной среде в профессиональной сфере.

 

Суть Data_Driven Learning заключается в том, что язык рассматривается как данные, а студенты – как исследователи, выполняющие управляемые преподавателем задачи по обнаружению полезно информации. В основе этого педагогического подхода лежит известная парадигма «данные – информация – знание» согласно DKIW-пирамиде и шаблонному подходу в обучении грамматике и лексике. Изучая язык по DDL-методикам (как косвенным, так и прямым) студенты учатся выявлять закономерности на лексическом и грамматическом уровнях языка, они оперативно могут видеть, как актуализируется тот или иной аспект языка на больших объемах текстов. Приходя к своим собственным выводам с помощью корпусных инструментов, студенты используют свои навыки мышления более высокого порядка по DKIW-пирамиде. Автором термина DDL-обучения считается Тим Джонс [11], он предложил в 1991 г. этот подход применить в области компьютерной лингводидактики. Позже последовали книги: Anderson и Corbett (2009)[1], Reppen (2010)[2], Bennett (2010)[3], Flowerdew (2012)[4], Boulton и Tyne (2014)[5], Friginal (2018)[6]. В DDL студенты и преподаватели используют те же корпусные инструменты что и профессиональные лингвисты, а именно корпусы и конкордансеры, причем некоторые инструменты были специально созданы для обучения на основе данных, такие как SkELL, WriteBetter, Micro-concord, WordSmith, WordNet и т.д.

 

Хотя практика применения DDL чаще касается подготовки специалистов в области профессиональной переводческой [2, 9] или лингвистической работы [3, 8], но еще более ценной она может стать в развитии поисковых и поддержании иноязычных компетенций при освоении дисциплин профессионального цикла в области дисциплин информационных, инженерных или естественнонаучных специализаций.

 

На базе обозначенных выше инструментов коллектив факультета математики проводит поисковый эксперимент по организации DDL-поддержки для развития иноязычных компетенций на дисциплинах «Компьютерное моделирование» и «Интеллектуальный анализ текстов» на факультете математики для студентов 3 и 4 курсов, обучающихся по направлению «Прикладная математика и информатика». Эксперимент проводится на примере освоения системы интеллектуального анализа данных Weka и системы компьютерного моделирования Arena Simulation.

 

Изучив выше упомянутый инструментарий систем AntConc [12], SketchEngine [13], Skell [13], LexSite-LexTutor [1] и LexTutor [10], мы разработали примерную цепочку действий для преподавателя высшей школы по организации помощи в учебной работе с текстами мануалов к компьютерным программам и организации DDL-помощи студенту по поддержанию иноязычной компетенции по изучаемой дисциплине на базе обсуждаемых сервисов (Рис.1). По нашему мнению, вышеупомянутые системы, основанные на возможностях корпусной лингвистики, могут быть использованы преподавателем в качестве инструмента для составления специальных учебных словарей, отражающих специфику лексики всей дисциплины или отдельного занятия. Кроме того, преподаватель может использовать дидактические возможности систем, предлагая студентам в качестве домашнего задания или самостоятельной работы, решение кроссвордов, разгадывание анаграмм, исследование актуализации лексической единицы в тексте и построение коллокаций с целью систематизации полученных на занятиях лексических знаний, закрепления и совершенствования владения терминологией, путем построения заданий с использованием корпусных технологий.

Комментарии:

Оставить комментарий:

Имя  
Эл. почта  
Текст комментария  
 

К статье пока нет комментариев

gallery/piotrovskaya1

Рис.1. Подготовка учебного материала для организации самостоятельной работы по освоению новой терминологии

 

Несмотря на несомненное богатство подключаемых средств, каждая система имеет недостатки, поэтому, как видно из характеристик инструментов, приведенных в таблице 1, речь должна идти о создании композиции из отобранных средств с учетом эффективности их работы и удобства пользователя (преподавателя/студента).

Таблица 1

gallery/piotrovskaya2

На основе проведенной подготовительной работы с опорой на корпусные технологии по отбору терминологической базы, преподаватель предметник может создавать он-лайн флеш-карты, он-лайн диктовки, анаграммы, кроссворды и упражнения с опорой на конкордансы пользовательских текстов и списков слов.

gallery/piotrovskaya3
gallery/piotrovskaya4

Рисунок 2 – Флеш карты, подготовленные с помощью LexTutor для отработки основных терминов курса «Интеллектуальный анализ данных»

 

Приведем примеры, которые получены для текстов руководства по системе Weka. Инструменты флеш карты могут быть подготовлены для отработки основных понятий курса на английском языке. Возможно применение подобных карт также на родном языке и в комбинированном варианте, т.е. термин на английском, на обороте карты – определение/перевод на родном языке. На рисунке 2 представлена заготовка флеш карт для понятий главы 5 руководства по системе Weka, посвященной теме «Explorer». Флеш-карты выполнены в системе LexTutor. В этой же системе предусмотрена возможность организовывать творческие упражнения по исследованию актуализации лексической единицы в специализированном тексте, на основе зарезервированного или созданного пользовательского корпуса.

gallery/piotrovskaya5

Рисунок 3 – Упражнение по отработке ключевых слов, выделенных инструментом KeyWord для текста WekaManual_Chapter_5

 

В этой же системе весьма удобным является средство Dictator, которое позволяет оперативно (по спискам слов, выражений, предложений и даже небольших текстов) организовывать тренировочные аудио диктовки и диктовки в тестовом режиме. Это позволяет одновременно развивать аудирование, спеллинг и заучивать терминологию, а также незнакомые слова. Причем голос диктора можно варьировать по скорости и по произношению (Special English или American English).

 

По нашему убеждению, предлагаемый подход приведет к синергетическому эффекту [5] в области чтения и письма в профессиональной сфере и поддержит, а может быть позволит развить сформированные на предыдущих этапах образования иноязычные компетенции, поможет студенту-математику или информатику в освоении иноязычного программного обеспечения.

 

 

Литература:

  1. Берг Е.Б., Кит М. Формирование иноязычной лексической компетенции средствами обучающих словарей LexTutor // Традиционные и инновационные технологии развития профессиональной языковой личности студентов. Материалы Международной научно-методической конференции. Отв. ред. К.М. Левитан. 2019. С. 163-172.
  2. Соснина Е.П. Параллельные корпусы в обучении языку и переводу. Электронный ресурс. 2006. URL: http://www.ling.ulstu.ru/linguistic/resources/literature/articles/corpus education translation.
  3. Гаврилова А.В., Коган М.С. Дидактические аспекты использования интернет-ресурсов в организации внеаудиторной работы студентов // Вопросы методики преподавания в вузе: ежегодный сборник. 2016. № 5 (19-1). С. 251-257.
  4. Захаров В.П. Пролегомены к корпусной лингвистике // Вопросы психолингвистики, № 28, 2016. СПБ.: Изд. СпбГУ. Pp. 150-161.
  5. Майер Р.В. Компьютерные модели скачкообразного и непрерывного увеличения знаний при обучении // International Journal of Open Information Technologies ISSN: 2307-8162 vol. 3, no. 9, 2015.
  6. Пиотровская К.Р. Модели, программные и информационные средства учебного АРМ переводчика. Диссертация на соискание ученой степени кандидата технических наук по специальности 05.25.05. Институт Кибернетики им. В.М. Глушкова, Киев, 1993.
  7. Пиотровская К.Р. Современная компьютерная лингводидактика //Научно-техническая информация. Серия 2: Информационные процессы и системы, 1991. № 4. С. 26-29.
  8. Чернякова Т.А. Использование лингвистического корпуса в обучении иностранному языку // Язык и культура. 2011, №4. С. 119 – 125.
  9.  Bernardini S., Castagnoli S. Corpora for translator education and translation practice // Topics in language resources for translation and localization (Edited by E.Y. Rodrigo). 2008. Amsterdam / Philadelphia: John Benjamins Publishing Company. Р. 38–55.
  10. Cobb T. Computing the vocabulary demands of L2 reading. //Language Learning & Technology. 2007. Vol. 11. № 3. P. 38–64.
  11.  Johns T. Should You Be Persuaded: Two Samples of Data-Driven Learning Materials // English Language Research Journal, 4, 1991. P. 1–16.
  12. Nymm V., Piotrowska X., Nõmm S. Using stochastic learning theory and corpus tools in CALL //CEUR Workshop Proceedings 2. Сер. "PR_LEAL 2017 - Proceedings of the R. Piotrowski's Readings in Language Engineering and Applied Linguistics", 2017.
  13. Thomas J. Discovering English with Sketch Engine: A Corpus-Based Approach to Language Exploration. 2nd ed. Versatile, 2016.
  14. Thomas J. Discovering English with Skell: Workbook and Glossary. Versatile, 2016.