Рубрики журнала
"Образовательные ресурсы и технологии"

Аннотация: Отвечая на вызовы меняющейся образовательной среды и соответствуя запросам нового поколения студентов, преподаватель иностранного языка находится в постоянном поиске актуальных дидактических средств и технологий. Нерешенной остается проблема снижения познавательной активности студентов неязыковых направлений подготовки в изучении иностранных языков. Познавательная активность, являясь качеством личности и важным стимулом обучения, оказывает непосредственное влияние на образовательный процесс и его результат. Это обуславливает актуальность проводимого авторами исследования. Выбирая Telegram-канал как методический прием стимулирования познавательной активности, авторы опираются на исследования социально-психологических характеристик студентов поколения Z, их интересов и жизненных стратегий. Особое внимание в статье уделено типам контента и способам представления информации в Telegram-канале учебной языковой группы. Практическая значимость исследования заключается в рефлексии педагогического опыта интеграции Telegram-канала в учебный процесс, а также в возможности применения представленных конкретных типов публикаций для стимулирования познавательной активности студентов в контексте языковых дисциплин.

Аннотация: В работе рассматривается задача оптимизации планов выполнения аналитических SQL-запросов с помощью машинного обучения. На текущий момент ни одна из популярных систем управления базами данных (СУБД) не использует оптимизатор, основанный на машинном обучении. В то же время именно машинное обучение может решить известные проблемы стандартных оптимизаторов, используемых в большинстве современных СУБД. В данной работе детально рассмотрены недостатки существующих подходов к планированию аналитических SQL-запросов. Отмечено отсутствие исследований по применению известных подходов на основе машинного обучения к оптимизации SQL-запросов в аналитических СУБД. Показана актуальность решения проблемы оптимизации планов выполнения SQL-запросов для массово-параллельных колоночных СУБД. В работе приводится обоснование выбора конкретных методов на основе машинного обучения. Описаны произведённые модификации, в частности, предложен подход к выбору планов выполнения аналитических SQL-запросов на основе сбора обучающей выборки и выбора целевых значений. Рассмотрена проблема внедрения подхода на основе машинного обучения. Выделены возможные проблемы с обучением модели, её работой в принципиально новых, возникающих при обучении, ситуациях. Предложены способы их решения. Проведены оригинальные эксперименты с различными методами оптимизации SQL-запросов применительно к массово-параллельной колоночной СУБД. Показано, что предложенные модификации существующих решений значительно улучшают скорость выполнения запросов.

Аннотация: В настоящем исследовании рассмотрены метафоры, использующиеся в русской и китайской картинах мира для характеристики профессии учителя. Цель работы – презентация диахронического и синхронического анализа метафорического портрета учителя, начиная с трудов Я.А. Коменского до наших дней, а также результатов эмпирического исследования рефлексивного потенциала портрета педагога в процессе образования учителей иностранного языка. В статье анализируются взгляды не только на позитивные стороны деятельности учителя, но и критически рассматривается его возможное негативное влияние на развитие личности обучающихся. В эмпирической части акцент делается на результаты опроса учителей иностранного языка, проходивших курсы повышения квалификации в данной области. Результаты исследования демонстрируют многогранность концепта «учитель» в российской и китайской картинах мира, а также вариативность мнений респондентов относительно роли учителя в современной модели подготовки педагогов. Полученные результаты могут быть интерпретированы для дальнейшего проектирования программы профессионального становления учителей иностранного языка.

Аннотация: В настоящее время для решения задач обработки естественного языка используются методы трансферного обучения на основе трансформеров, однако они могут быть требовательными к вычислительным ресурсам и памяти. Альтернативный подход, предложенный в данной статье, связан с использованием предварительно обученной языковой модели на основе рекуррентной нейронной сети LSTM (англ. Long Short-Term Memory – «долгая краткосрочная память»), позволяющей выполнить обработку естественного языка (анализ тональности) на наборе, содержащем текстовые данные. В качестве эталонного теста предложенной модели для решения задачи распознавания «языка ненависти» в тексте рассмотрены другие модели на основе трансформеров. Тест на деградацию, оценивающий устойчивость моделей к снижению производительности при уменьшении количества обучающих данных, подтверждает эффективность модели для ограниченного обучающего набора данных. Предложенная LSTM-модель на основе рекуррентной нейронной сети позволяет с нуля использовать предварительно обученную языковую модель и обеспечить более быстрое предварительное обучение в моделях на основе трансформера.

Аннотация: В статье исследуется сравнительная эффективность автоматизированной оценки кредитных рисков современными методами машинного обучения (наивный байесовский классификатор, k-ближайших соседей, логистическая регрессия, «случайный лес» и глубокая нейронная сеть). Cмоделирована база данных из легальных доступных открытых источников, произведены выборки, предварительная обработка данных. Выполнены обучение и тестирование моделей машинного обучения, их сравнение по метрикам качества. По результатам тестирования оптимизированы параметры модели машинного обучения полным перебором комбинаций статистических моделей (метода на основе правил, метода k-ближайших соседей, логистической регрессии, дискриминантного анализа, наивного байесовского классификатора, нейронных сетей и деревьев решений). Каждый из традиционных классификаторов (наивный байесовский классификатор, метод k-ближайших соседей, логистическая регрессия, «случайный лес», глубокая нейронная сеть) улучшался с применением механизмов стандартизации и снижения размерности методом главных компонент. По итогам сравнительного анализа моделей машинного обучения наилучший результат продемонстрировала модель нейронной сети с оптимизированными параметрами, обеспечившая наилучшие показатели по всем метрикам оценки.