AI-software corrigeert fouten in het Turks van buitenlandse leerlingen
Wetenschappers van de Technische Universiteit van Istanbul (İTÜ) hebben software voor kunstmatige intelligentie ontwikkeld om fouten in het Turkse taalgebruik door buitenlandse studenten te identificeren en aan te pakken.
klasse = “cf”>
Het project, onder leiding van Gülşen Eryiğit, hoofd van de afdeling Kunstmatige Intelligentie en Data Engineering van İTÜ, heeft tot doel een revolutie teweeg te brengen in het Turkse taalonderwijs.
Eryiğit legde uit dat het initiatief begon met de creatie van een mobiele applicatie ter ondersteuning van het Turkse taalonderwijs voor buitenlanders. Tijdens dit proces identificeerde het team hiaten in het lesgeven, zoals het bepalen van de volgorde van taalonderwerpen en het aanpassen van instructie voor studenten uit verschillende demografische groepen.
“Technologieën voor natuurlijke taalverwerking zijn snel vooruitgegaan, maar richten zich vooral op veel gesproken talen zoals Engels en Mandarijn,” zei Eryiğit. “Er is beperkte foutcorrectiesoftware voor talen die verder gaan dan deze hoofdtalen. Dit inspireerde ons om een systeem op maat te creëren voor het Turks.”
Een belangrijk aspect van het project was het ontwikkelen van een universele foutlabelstandaard voor het leren van talen. “Het was geen mondiale standaard voor het labelen van fouten, dus hebben we er een gecreëerd die voor alle talen geldt en die internationaal publiceren. Onze taxonomie en standaarden worden nu gebruikt om taalfouten te identificeren en te categoriseren”, aldus Eryiğit.
In eerste instantie markeren docenten fouten in het taalgebruik van buitenlandse studenten handmatig, waardoor er datasets ontstaan om het AI-systeem te trainen.
klasse = “cf”>
Na verloop van tijd automatiseert de software foutdetectie, waarbij fouten in grammatica, zinsstructuur en syntaxis worden gecategoriseerd. De AI stelt docenten ook in staat om geaggregeerde gegevens te analyseren, waardoor gemeenschappelijke uitdagingen tussen verschillende demografische groepen aan het licht komen. Syrische leerlingen kunnen bijvoorbeeld moeite hebben met bepaalde klanken, terwijl Franse leerlingen problemen kunnen ondervinden met de achtervoegsels van werkwoorden.
“Hierdoor kunnen docenten lessen afstemmen op specifieke behoeften en curricula verbeteren op basis van datagestuurde inzichten”, aldus Eryiğit.
Het project, waarbij onderzoekers op alle academische niveaus betrokken zijn, inclusief internationale medewerkers, heeft al twee patenten verworven met betrekking tot het leren van talen.
