Standards and Monitoring in Education Standards and Monitoring in Education Стандарты и мониторинг в образовании 1998-1740 92748 10.12737/1998-1740-2025-13-2-33-38 Специалисту на заметку Сhalk up for specialist Специалисту на заметку FEATURES OF THE SEMANTIC SPACE OF EDUCATIONAL TEXTS ON THE MICROCOSM PHYSICS ОСОБЕННОСТИ СЕМАНТИЧЕСКОГО ПРОСТРАНСТВА УЧЕБНЫХ ТЕКСТОВ ПО ФИЗИКИ МИКРОМИРА https://orcid.org/0000-0001-8166-9299 Майер Р. В. Mayer R. V. robert_maier@mail.ru

доктор педагогических наук;

doctor of pedagogical sciences;

 Глазовский государственный инженерно-педагогический университет им. В.Г. Короленко Глазов Россия Глазовский государственный инженерно-педагогический университет им. В.Г. Короленко Глазов Russian Federation 19 05 2025 19 05 2025 13 2 32 38 https://zh-szf.ru/en/nauka/article/92748/view

Статья посвящена проблеме определения семантической близости между ключевыми идеями и понятиями в учебных текстах по физике микромира, и выявления особенностей их семантического пространства. Для анализа выбраны тексты вузовских учебников и статьи из Википедии, собранные в од-ном файле. Применяются методы квантитативной лингвистики, заключающие-ся в подсчете числа употреблений терминов и слов-маркеров, соответствующих важнейшим идеям, а также в сравнении распределений понятий в текстах учебников физики. Используются специальные компьютерные программы, написанные на ABCPascal, которые из текста удаляют знаки препинания, стоп-слова, а затем определяют число упоминаний различных терминов, вычисляют косинусную меру близости и семантические расстояния между понятиями. В результате: 1) выявлены ключевые физические понятия, часто используемые при изучении физики микромира; 2) перечислены важнейшие идеи физики микромира: идея квантования физических характеристик микрообъектов, идея корпускулярно-волнового дуализма, принцип неопределенности Гейзенберга; 3) построены облако понятий и круговая диаграмма, показывающая долю каждого из них в тексте; 4) получены матрица близости понятий и матрица семантических расстояний между ними; 5) построены графы, моделирующие существенную часть семантического пространства учебных текстов по физике микромира и показывающие наиболее тесные связи между ключевыми понятиями и идеями.

The article is devoted to the problem of identifying the semantic proximity between key ideas and concepts in educational texts on physics of the microcosm, and identifying the features of their semantic space. The texts of university textbooks and Wikipedia articles collected in one file are analyzed. Quantitative linguistics methods are used, including calculating the frequency of use of terms and marker words related to the most significant ideas, as well as comparing the distribution of concepts in physics textbooks. Special computer programs written in ABCPascal are used to remove punctuation and stop words from the text and determine the number of occurrences of various terms. The cosine similarity measure and semantic distanc-es between concepts are also calculated. As a result: 1) the key physical concepts of-ten used in the study of microcosm physics are identified; 2) the most important ideas of microcosm physics are listed: the idea of physical characteristic quantization of microobjects, the idea of wave-particle dualism, the Heisenberg uncertainty principle; 3) the cloud of concepts and pie chart are constructed showing the proportion of each of them in the text; 4) the matrix of proximity of concepts and matrix of semantic distances between them are obtained; 5) graphs are constructed that model an essential part of the semantic space of educational texts on microcosm physics and show the closest connections between key concepts and ideas.

 дидактика микромир понятие семантическое пространство компьютерные методы учебник физика didactics microcosm concept semantic space computer methods textbook physics нет

Андриевская, Н.К. Гибридная интеллектуальная мера оценки семанти-ческой близости // Проблемы искусственного интеллекта. – 2021. № 1.– С. 4-17. Andrievskaya, N.K. Gibridnaya intellektual`naya mera ocenki semanti-cheskoj blizosti // Problemy` iskusstvennogo intellekta. – 2021. № 1.– pp. 4-17. Анисимов, А.В. Метод вычисления семантической близости-связности между словами естественного языка / А.В. Анисимов, А.А. Марченко, В.К. Кисенко // Кибернетика и системный анализ. – 2011. № 4. – С. 18-27. Anisimov, A.V. Metod vy`chisleniya semanticheskoj blizosti-svyaznosti mezhdu slovami estestvennogo yazy`ka / A.V. Anisimov, A.A. Marchenko, V.K. Kisenko // Kibernetika i sistemny`j analiz. – 2011. № 4. – pp. 18-27. Бородащенко, А.Ю. Анализ текстов на семантическое сходство на ос-нове аппарата теории графов // Известия ОрелГТУ. Серия: Информационные системы и технологии. – 2008. № 1-2. – С. 46-52. Borodashhenko, A.Yu. Analiz tekstov na semanticheskoe sxodstvo na os-nove apparata teorii grafov // Izvestiya OrelGTU. Seriya: Informacionny`e sistemy` i texnologii. – 2008. № 1-2. – pp. 46-52. 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. Vanyushkin, A.S. Metody` i algoritmy` izvlecheniya klyuchevy`x slov / A.S. Vanyushkin, L.A. Grashhenko // Novy`e informacionny`e texnologii v avtomatizirovanny`x sistemax. – 2016. № 19. – pp. 85-93. Крюков, К.В., Панкова, Л.А., Пронина, В.А. Меры семантической близости в онтологии // Проблемы управления. – 2010. – № 5. – С. 2-14. Kryukov, K.V., Pankova, L.A., Pronina, V.A. Mery` semanticheskoj blizosti v ontologii // Problemy` upravleniya. – 2010. – № 5. – pp. 2-14. Кузнецов, С.И. Курс физики с примерами решения задач: учебное пособие. Часть III. Геометрическая и волновая оптика. Элементы атомной и ядерной физики. Основы физики элементарных частиц. – Томск: Изд-во Томского политехнического университета, 2015. – 302 с. Kuzneczov, S.I. Kurs fiziki s primerami resheniya zadach: uchebnoe posobie. Chast` III. Geometricheskaya i volnovaya optika. E`lementy` atomnoj i yadernoj fiziki. Osnovy` fiziki e`lementarny`x chasticz. – Tomsk: Izd-vo Tomskogo politexnicheskogo universiteta, 2015. – 302 p. Майер, Р.В. Сложность учебных понятий и текстов: монография. – Глазов: ГИПУ, 2024. – 132 с. Mayer, R.V. Slozhnost` uchebny`x ponyatij i tekstov: monografiya. – Gla-zov: GIPU, 2024. – 132 p. Монахов, С.И. Анализ терминологии в современных школьных учебниках методами компьютерной лингвистики // С.И. Монахов, В.В. Турчаненко, Е.А. Федюкова, Д.Н. Чердаков / Информатизация образования и методика электронного обучения. – С. 209 – 215. Monaxov, S.I. Analiz terminologii v sovremenny`x shkol`ny`x uchebnikax metodami komp`yuternoj lingvistiki // S.I. Monaxov, V.V. Turchanenko, E.A. Fedyukova, D.N. Cherdakov / Informatizaciya obrazovaniya i metodika e`lektronnogo obucheniya. – pp. 209 – 215. Морозова, Ю.И. Построение семантических векторных пространств раз-личных предметных областей // Информатика и ее применения. − 2013. Т. 7. Вып. 1. − С. 90-93. Morozova, Yu.I. Postroenie semanticheskix vektorny`x prostranstv raz-lichny`x predmetny`x oblastej // Informatika i ee primeneniya. − 2013. T. 7. Vy`p. 1. − pp. 90-93. Трофимова, Т.И. Курс физики: Учеб. пособие для вузов. — М.: Высш. шк., 2001. — 542 с. Trofimova, T.I. Kurs fiziki: Ucheb. posobie dlya vuzov. — M.: Vy`ssh. shk., 2001. — 542 p. Шереметьева, С.О. Методы и модели автоматического извлечения ключевых слов / С.О. Шереметьева, П.Г. Осминин // Вестник ЮУрГУ. Серия: Лингвистика. – 2015. Т. 12. № 1. – С. 76-81. Sheremet`eva, S.O. Metody` i modeli avtomaticheskogo izvlecheniya klyuchevy`x slov / S.O. Sheremet`eva, P.G. Osminin // Vestnik YuUrGU. Seriya: Lingvistika. – 2015. T. 12. № 1. – pp. 76-81. Manning, C.D. An Introduction to Information Retrieval / C.D. Manning, P. Raghavan, H. Schütze. – Cambridge University Press. 2008. Manning, C.D. An Introduction to Information Retrieval / C.D. Manning, P. Raghavan, H. Schütze. – Cambridge University Press. 2008. Turney, P.D. From frequency to meaning: Vector space models of seman-tics / P.D. Turney, P. Pantel // J. Artificial Intelligence Research. Menlo Park, Cali-fornia: AAAI Press, 2010. No. 37. – pp. 141–188. Turney, P.D. From frequency to meaning: Vector space models of seman-tics / P.D. Turney, P. Pantel // J. Artificial Intelligence Research. Menlo Park, Cali-fornia: AAAI Press, 2010. No. 37. – pp. 141–188. White, M.D. Content analysis: A flexible methodology / M.D. White, E.E. Marsh // Library trends. – 2006. Vol. 55. № 1. – pp. 22 – 45. White, M.D. Content analysis: A flexible methodology / M.D. White, E.E. Marsh // Library trends. – 2006. Vol. 55. № 1. – pp. 22 – 45. Википедия: https://ru.wikipedia.org Vikipediya: https://ru.wikipedia.org