с 01.01.1992 по 01.01.2025
Глазов, Удмуртская республика, Россия
УДК 37.02 Общие вопросы дидактики и методики воспитания и обучения
УДК 31 Статистика. Демография. Социология
Статья посвящена проблеме изучения семантического пространства научных концептов «информатика», «кибернетика», «робототехника», «информационно-кибернетическая картина мира», «алгоритмическое мышление» и т.д. Путем анализа ответов нейросети ChatGPT и текстов из Википедии для каждого концепта получен список терминов с указанием количества их использований. С помощью компьютерной программы найдены косинусная мера близости и семантическое расстояние между этими списками, получена матрица близости концептов и осуществлена кластеризация объектов. При этом наиболее близкие концепты (кластеры) объединялись в один кластер, вес которого вычислялся путем суммирования весов составляющих его кластеров. Аналогичными методами изучено семантическое пространство вокруг понятия «информационно-кибернетическое мышление», под которым понимается особый способ объяснения функционирования информационно-кибернетических систем, предполагающий выделение информационных потоков и цепей управления и использование основных идей информатики и кибернетики. Построен граф, вершины которого соответствуют изучаемым концептам, а ребра – связям между ними. Кроме того, выявлены облака понятий, семантически близких к концептам «информатика» и «кибернетика». Полученные результаты характеризуют объективные особенности семантического пространства, которые обусловлены содержанием и методикой преподавания основ информатики и кибернетики. Используемый метод позволяет исследовать семантические пространства других областей знаний.
дидактика, информатика, кибернетика, концепт, мышление, семантическое пространство, компьютерные методы, косинусная близость
1. Абушкин Х.Х., Дадонова А.В. Межпредметные связи в робототехнике как средство формирования ключевых компетенций учащихся // Учебный экспе-римент в образовании. 2014. № 3. С. 32-35.
2. Андриевская Н.К. Гибридная интеллектуальная мера оценки семантиче-ской близости // Проблемы искусственного интеллекта. – 2021. № 1.– С. 4-17. EDN: https://elibrary.ru/ZDZKGK
3. Анисимов А.В. Метод вычисления семантической близости-связности между словами естественного языка / А.В. Анисимов, А.А. Марченко, В.К. Ки-сенко // Кибернетика и системный анализ. – 2011. № 4. – С. 18-27.
4. Ванюшкин А.С. Методы и алгоритмы извлечения ключевых слов / А.С. Ванюшкин, Л.А. Гращенко // Новые информационные технологии в автоматизи-рованных системах. – 2016. № 19. – С. 85–93.
5. Гнитецкая Т.Н. Основы теории внутрипредметных связей // Физическое образование в вузах. – 1999. № 2. – С. 23-39. EDN: https://elibrary.ru/HTLKDT
6. Каряева М.С. Лингвостатический анализ терминологии для построения тезауруса предметной области // Моделирование и анализ информационных сис-тем. − Т. 22, № 6 (2015). − С. 834–851.
7. Майер Р.В. Информационно-кибернетическая картина мира и ее форми-рование у студентов педагогических специальностей: монография. – Глазов: Гла-зовский государственный педагогический институт, 2022. – 202 с. EDN: https://elibrary.ru/WBZMWG
8. Майер Р.В. Сложность учебных понятий и текстов: монография. – Гла-зов: ГИПУ, 2024. – 132 с. EDN: https://elibrary.ru/XWDTOK
9. Матвеева О.М. и др. Современные модели межпредметных связей / О.М. Матвеева, И.С. Матвеева, Л.А. Матвеева, Д.А. Романов // Ученые записки университета им. П. Ф. Лесгафта. 2018. С. 203-207.
10. Морозова Ю.И. Построение семантических векторных пространств раз-личных предметных областей // Информатика и ее применения. − 2013. Т. 7. Вып. 1. − С. 90–93. EDN: https://elibrary.ru/QCJCPZ
11. Победоносцева М.Г., Шутикова М.И. Межпредметные связи информа-тики // Вестник ТГУ, т.12, вып. 5, 2007. С. 621–622.
12. Синяков А.П. Дидактические подходы к определению понятия «меж-предметные связи». Известия Российского государственного педагогического университета им. А.И. Герцена. 2009. Вып. 113. С. 197–202. EDN: https://elibrary.ru/KVRRFJ
13. Шереметьева С.О. Методы и модели автоматического извлечения клю-чевых слов / С.О. Шереметьева, П.Г. Осминин // Вестник ЮУрГУ. Серия: Лин-гвистика. – 2015. Т. 12. № 1. – С. 76–81.
14. Manning C.D. An Introduction to Information Retrieval / C.D. Manning, P. Raghavan, H. Schütze. – Cambridge University Press. 2008. 528 p. DOI: https://doi.org/10.1017/CBO9780511809071
15. Turney P.D. From frequency to meaning: Vector space models of semantics / P.D. Turney, P. Pantel // J. Artificial Intelligence Research. Menlo Park, California: AAAI Press, 2010. No. 37. – pp. 141–188.
16. Википедия: https://ru.wikipedia.org
