Video: 6 SAI LẦM KHIẾN MỤN MÃI KHÔNG HẾT | Ha Linh Official (Tháng Chín 2024)
Xung quanh trận chung kết, tôi thường ghen tị với bạn bè về khoa học và khoa học xã hội. Tôi nghi ngờ học sinh của tôi cảm thấy tương tự. Trong khi một khóa học thống kê hoặc kinh tế có thể kết thúc bằng một bài kiểm tra trắc nghiệm hoặc câu trả lời ngắn có tính quyết định, các khóa học về nhân văn thường dựa vào các bài luận tranh luận dài. Càng vất vả vì học sinh có thể viết một bài cuối cùng, tổng hợp những bài đó hoàn toàn không phù hợp với lớp, đặc biệt là trong cửa sổ hẹp giữa trận chung kết và khi đến hạn.
Thật không may, có một vài phím tắt điện tử có sẵn cho sinh viên nhân văn và các nhà giáo dục. Các dịch vụ như Grammarly có thể giúp xác định các lỗi ngữ pháp và các dịch vụ khác, như iParadigms Turnitin, có thể giúp bảo vệ chống lại đạo văn. Nhưng đừng nhầm lẫn: đánh dấu ngữ pháp và xác định tính trung thực trong học thuật có xu hướng là khía cạnh đánh thuế ít nhất trong đánh giá bài viết. Khi nói đến việc đánh giá sự rõ ràng của một luận án, việc tổ chức một đoạn văn, hoặc sự gắn kết của một lập luận, cung cấp phản hồi bằng văn bản vẫn là một quá trình tương tự và tốn nhiều công sức.
WriteLab hy vọng sẽ thay đổi điều đó.
Sản phẩm trí tuệ của Donald McQuade, giáo sư tiếng Anh tại Đại học California, Berkeley và cố vấn của ông, Matthew Ramirez, WriteLab mong muốn cung cấp "nền tảng viết tiên tiến nhất thế giới". Việc nó có kiếm được sự cường điệu như vậy hay không vẫn còn gây tranh cãi, nhưng trang web và các plugin sắp tới thể hiện nỗ lực thiện chí để tự động hóa một số phản hồi bằng văn bản phổ biến nhất thông qua một loạt các đề xuất sửa đổi, nhận xét và câu hỏi. Tôi đã nói chuyện với đồng sáng lập và CEO Ramirez về cách thức hoạt động của WriteLab và những gì đang có trong nền tảng.
Câu chuyện gốc
Để dạy một khóa học viết năm đầu tiên là tính toán khoảng cách giữa khát vọng và thực tế. Giống như nhiều giáo viên trẻ, Ramirez đã đấu tranh để cân bằng mong muốn cung cấp cho sinh viên những phản hồi chi tiết và có ý nghĩa và nhu cầu tạo ra phản hồi đó một cách thường xuyên. Đơn giản là không khả thi để dành 30 phút hoặc một giờ cho mỗi bài luận của sinh viên nếu bạn phải làm việc qua hàng tá bài luận hàng tuần.
Ramirez nhận ra rằng ông đã để lại nhiều ghi chú giống nhau từ tờ giấy này sang tờ giấy khác. Ông cũng hiểu rằng đánh dấu chi tiết không nhất thiết phục vụ lợi ích của sinh viên: Quá nhiều phản hồi cấp cao không hữu ích ("có thể hành động" trong lời nói của ông), đặc biệt là khi sinh viên cần chuyển sang các bài tập trong tương lai.
Dựa trên nền tảng của mình về nhân văn và ngôn ngữ học tính toán, anh bắt đầu làm việc với McQuade để gói gọn một số phản hồi viết phổ biến nhất bằng cách sử dụng một loạt thuật toán. Công việc đó, bắt đầu vào tháng 12 năm 2013, từ đó đã phát triển thành một trang web xử lý văn bản và cung cấp phản hồi thông qua một loạt các mô-đun giải quyết các khía cạnh cơ bản của việc viết lách, rõ ràng, logic và ngữ pháp. Phản hồi đến dưới ba hình thức: sửa đổi cấp thấp hơn, nhận xét và câu hỏi theo thứ tự cao hơn.
Ramirez là người đầu tiên nhấn mạnh rằng không có phản hồi nào trong số này có khả năng hoặc có ý định thay thế nhà giáo dục. Ông cũng không tưởng tượng WriteLab là một công cụ đánh giá. Thay vào đó, WriteLab được thiết kế để giúp các nhà văn mài giũa văn xuôi của họ trước khi họ gửi nó cho giáo viên, biên tập viên hoặc đồng nghiệp.
Đằng sau WriteLab
Với sự ít ỏi của các công cụ viết điện tử hiện có, tôi rất muốn nghe thêm về cách WriteLab trở nên lão luyện hơn, như, trình kiểm tra ngữ pháp của Microsoft Word. Sự tinh vi của WriteLab nhờ vào việc sử dụng các công cụ nguồn mở và tạo ra các công cụ mới, độc quyền.
Mặc dù WriteLab trông giống như một trang web gắn kết, nhưng đây thực sự là một sự pha trộn của xử lý ngôn ngữ tự nhiên, phân tích cú pháp máy và thuật toán. Ramirez và các đồng nghiệp của mình nắm lấy các nền tảng nguồn mở hiện có bất cứ khi nào có thể; bao gồm cài đặt phần mềm xử lý ngôn ngữ tự nhiên spaCy và sử dụng Stanford CoreNLP để phân tách các câu và phát hiện các tính năng. Tuy nhiên, đặc biệt là khi sửa đổi, họ phải tạo ra hệ thống dịch máy của riêng mình để quét viết cho các mẫu hiệu quả và không hiệu quả. Để đạt được điều đó, họ cần một bộ dữ liệu lớn mà họ đã đạt được thông qua 20.000 người dùng đang hoạt động và một trình phân tích cú pháp sẽ sử dụng bộ dữ liệu đó để tạo ra các bản sửa đổi. Ramirez so sánh kết quả đầu ra với Google Dịch: WriteLab tìm cách dịch văn xuôi nghèo nàn thành văn xuôi hiệu quả hơn.
Tất cả những câu hỏi, nhận xét và sửa đổi đó lọc qua một loạt các mô-đun. Ramirez và các đồng nghiệp của ông đã bắt đầu bằng cách xây dựng một trình phân tích cú pháp Logic. Rốt cuộc, logic logic này có phải là một đối số âm thanh? Sê-ri là mối quan tâm thứ tự cao nhất trong văn bản. Tuy nhiên, họ sớm nhận thấy rằng bạn không thể phân tích logic của đoạn văn nếu các câu riêng lẻ không rõ ràng. Do đó, họ đã phát triển một trình phân tích cú pháp rõ ràng tìm kiếm các mẫu trên văn bản của sinh viên. Một số mẫu có liên quan kín đáo với sự rõ ràng; Những người khác ít như vậy. Ví dụ, một vấn đề phổ biến là thiếu cơ quan (ai đang làm gì với ai?), Mặc dù tính lặp đi lặp lại, mà lọc qua một mô-đun concision, cũng có thể cản trở sự rõ ràng.
Trước sự ngạc nhiên của tôi, Ramirez và nhóm của ông đã không làm việc về ngữ pháp cho đến sau này, để đáp ứng nhu cầu phổ biến. Sử dụng trình kiểm tra ngữ pháp mã nguồn mở LanguageTool, họ đã tạo ra một mô-đun ngữ pháp nội bộ, tận dụng hệ thống hiệu đính nhưng vô hiệu hóa các khía cạnh nhất định của LanguageTool mà không chính xác phù hợp. Theo thời gian, WriteLab đã sắp xếp hợp lý phản hồi, lập bảng một số mô-đun (như sự gắn kết và kết hợp) và tạo tiền đề cho loại phản hồi (nhận xét và sửa đổi). Ramirez có kế hoạch phân tích thêm các bình luận dựa trên việc họ đề xuất sửa đổi hay quan sát.
Hướng tới phản hồi phân tán
WriteLab ban đầu được phát triển bên trong giáo dục đại học cho giáo dục đại học. Nó được thiết kế dành cho các trung tâm viết lách: Ramirez và nhóm của ông đã tưởng tượng các sinh viên sử dụng WriteLab để tinh chỉnh các bài luận giữa các cuộc hẹn đặt chỗ và thăm gia sư để các buổi dạy kèm có thể tập trung vào các vấn đề cấp cao hơn. (Đã điều hành một trung tâm viết lách, tôi đánh giá cao cách tiếp cận ngoại tuyến này nhờ vào các nền tảng dạy kèm trực tuyến.) WriteLab sẽ tiếp tục phục vụ các nhà giáo dục, nhưng Ramirez muốn thấy nền tảng này được áp dụng công khai thông qua các plugin mới.
Nhờ tích hợp với một số hệ thống quản lý học tập, bao gồm Bảng đen, Canvas hướng dẫn, Pearson eColitic, WriteLab cho phép người viết truy cập mà không cần đăng nhập lần thứ hai. (Nó cũng cung cấp API thông qua đó các tổ chức có thể thêm nhận xét WriteLab vào một phần mềm khác.) Bước tiếp theo là cho phép người viết truy cập bình luận mà không cần rời khỏi nền tảng mà họ viết.
Trong những tuần tới WriteLab sẽ phát hành một plugin WordPress, cho phép người viết truy cập phản hồi WriteLab trong WordPress và không có tài khoản WriteLab. WriteLab đang làm việc trên các plugin tương tự cho Google Docs, Microsoft Word và OneNote. Các nhà văn phản hồi cơ bản nhận được trên trang web ngày hôm nay (miễn phí trong thời gian dùng thử 30 ngày), sẽ được cung cấp miễn phí thông qua các plugin đó. Trong khi đó, trang web sẽ tính phí cho phản hồi chi tiết hơn.
Trong khi tôi nghi ngờ về cái gọi là mô hình freemium, tôi hoan nghênh cách tiếp cận phân tán hơn này để phản hồi. Tôi nghi ngờ rằng sẽ có ít người kiểm tra chính tả email nếu họ phải sao chép và dán văn bản vào và ra khỏi trình xử lý văn bản. Với cùng một mã thông báo, nếu bạn có thể quét một văn bản để rõ ràng, ngắn gọn, logic và ngữ pháp mà không cần mở tab trình duyệt khác, tại sao bạn lại không? Ngay cả khi plugin không hoàn hảo, thì giữa chừng và WriteLab vẫn là một công việc rất tiến bộ, các đề xuất sẽ khuyến khích bạn suy nghĩ thêm một chút về cách bạn đóng khung ý tưởng của mình, được gửi kèm trong email, bài đăng trên blog hoặc tiểu luận. Tôi muốn thấy nhiều người nghiên cứu về nghề viết. Trong khi đó, tôi hoan nghênh bất kỳ công cụ nào làm cho các cá nhân thậm chí chú ý hơn một chút về văn bản công khai.
