کشف ساختار عوامل نهفته واژگانی و نحوی در پاسخ به سوالات درک مطلب انگلیسی با استفاده از یادگیری ماشین بدون نظارت

این مطالعه به بررسی ساختار عوامل نهفته واژگانی و نحوی در پاسخ به سوالات درک مطلب انگلیسی با استفاده از تکنیک های یادگیری ماشین بدون نظارت می پردازد. طرح تحقیق مدلسازی کمی در قالب طرح علی- مقایسه ای است. داده ها از ۳۶۰ زبان آموز که انگلیسی زبان دوم آن ها به شمار می رود و از طریق پاسخ های کتبی و شفاهی آن ها به سوالات درک مطلب جمع آوری شد. در مجموع ۲۶۰ ویژگی واژگانی و نحوی از داده ها استخراج شد. چهار عامل برای داده های شفاهی و چهار عامل برای داده های کتبی شناسایی شد که بیش از ۵۰ درصد از واریانس نمرات درک مطلب را توضیح می دهند. عوامل به شرح زیر نامگذاری و تفسیر شدند. برای داده های مربوط به پاسخ های شفاهی: عامل اول  پیچیدگی دستوری، عامل دوم، پیچیدگی واژگانی، عامل سوم ویژگی و تشابه کلمات و عامل چهارم تنوع واژگانی. چهار عامل داده های مربوط به پاسخ های کتبی عبارتند از: عامل ۱، پیچیدگی دستوری، عامل ۲ تنوع واژگان، عامل ۳ پیچیدگی بند، و عامل ۴ اختصاصی بودن کلمه. تحلیل رگرسیون چندگانه در پیش بینی درک مطلب بر اساس عوامل کشف شده نشان داد که عامل سوم (ویژگی و تشابه کلمات) تنها پیش بینی کننده معنادار درک مطلب در داده های شفاهی بود، در حالی که عوامل ۱ (پیچیدگی دستوری)، ۳ (پیچیدگی بند) و ۴ (اختصاصی بودن کلمه) به طور معناداری درک مطلب را در داده های نوشتاری پیش بینی کردند. این یافته ها نشان داد که استفاده از کلمات خاص و مشابه با درک خواندن بالاتر در پاسخ های شفاهی و نوشتاری همراه است، در حالی که پیچیدگی دستوری و تنوع واژگان بسته به نحوه پاسخ، روابط متفاوتی با درک مطلب دارند. این مطالعه بینش های ارزشمندی را در مورد عوامل زمینه ای که به درک مطلب در زبان آموزان که انگلیسی زبان دوم آن ها است، کمک می کند و دستاوردهایی در توسعه روش های آموزش خواندن و ارزیابی موثرتر دارد.

کلیدواژه ها:

درک مطلب ، یادگیری ماشینی بدون نظارت ، پردازش زبان طبیعی ، عامل نهفته ، آموزش