Corpus-driven vocabulary learning! - On the design, implementation and evaluation of persuasive tools for computer-assisted vocabulary learning using Role and Reference Grammar
Author
Gottschalk, Judith
Term
4. term
Publication year
2014
Submitted on
2014-12-22
Pages
100
Abstract
Mange studerende i bibelsk hebraisk har svært ved at huske ord og at vælge den rette betydning, når et ord har flere betydninger. Dette speciale undersøger, hvordan Bible Online Learner og Learning Journey Online kan afhjælpe dette ved at give kontekstfølsig støtte og personlig træning. Begge er webapplikationer. Learning Journey bruger Item Response Theory (IRT), en statistisk metode der vurderer den enkelte lærendes evneniveau og hvert læreelements sværhedsgrad for at forudsige sandsynligheden for et korrekt svar. Indlejret i den persuasive arkitektur i Bible Online Learner muliggør dette skræddersyede træningsforløb, som kan tilpasses hver studerende. Specialet er opbygget på en usædvanlig måde: en indledende casestudie fra en klasse på Fjellhaug International University College i København og et overblik over didaktik og strategier til at lære ordforråd i bibelsk hebraisk, efterfulgt af to publicerbare artikler. Den første artikel giver et teoretisk grundlag for computerunderstøttet ordforrådslæring. Den foreslår en beregningsmæssigt egnet model af Rolle- og referencegrammatik (RRG) med begrebsgrafer – grafbaserede betydningsrepræsentationer, som computere kan behandle. Det muliggør en semantisk parser, der vælger en hebraisk ords præcise betydning ud fra dets morfosyntaktiske kontekst. Tilgangen reducerer koblingen fra syntaks til semantik til leksikale regler, der matcher attribut–værdi-matricer for sætningens lagdelte struktur mod en ontologi, og den bruger en algoritme udviklet af Winther-Nielsen til automatisk at bestemme aktionsarter i bibelsk hebraisk. Arbejdet blev præsenteret på RRG-konferencen 2013 i Freiburg og accepteret til udgivelse i NIHIN, en open access-lingvistikserie ved Universitetet i Freiburg. En praktisk gevinst er forbedret glossering: I stedet for at vise alle mulige betydninger kan systemet vise kontekstpassende gloser, så studerende lettere kan udlede nyttige leksikale regler. Den anden artikel omsætter ideerne til design. Den viser, hvordan øvelser i Bible Online Learner kan hjælpe studerende med at tilegne sig leksikale regler for verber som nātan ved at udforske det hyperlinkede korpus af den hebraiske Bibel. Den forklarer også, hvordan Learning Journeys IRT-baserede statistik kan understøtte ordforrådstræning. I modsætning til værktøjer som Anki og Memrise, der bruger faste gentagelsesalgoritmer, tilbyder Learning Journey en mere fleksibel, brugerstyret tilgang, der understøtter tailoring og tunneling (tilpasning og trinvis guidning). Et studie med Winther-Nielsens klasse i København indikerer, at studerende, der lærte ordforråd kontekstualiseret med Bible Online Learner, klarede sig bedre end dem, der lærte dekontekstualiserede lister med Memrise. Samlet set leverer specialet både en formel ramme for semantisk parsing af bibelsk hebraisk og et persuasivt, datainformeret design for ordforrådslæring, som forbinder teoretisk lingvistik med praktisk sprogundervisning i antikke tekster.
Many students of Biblical Hebrew struggle to remember vocabulary and to choose the right meaning when a word has several senses. This thesis examines how Bible Online Learner and Learning Journey Online can address this by giving learners context-sensitive support and personalized practice. Both are web applications. Learning Journey uses Item Response Theory (IRT), a statistical method that estimates each learner’s ability and each item’s difficulty to predict the chance of a correct answer. Embedded in the persuasive architecture of Bible Online Learner, this enables tailored practice sequences that adapt to each student. The thesis has an unconventional format: an introductory case study from a class at Fjellhaug International University College in Copenhagen and an overview of didactics and strategies for learning Biblical Hebrew vocabulary, followed by two publishable papers. The first paper provides a theoretical foundation for computer-supported vocabulary learning. It proposes a computationally adequate model of Role and Reference Grammar (RRG) semantics using conceptual graphs—graph-based meaning representations that computers can process. This enables a semantic parser that selects the exact meaning of a Hebrew word from its morphosyntactic context. The approach reduces the link from syntax to semantics to lexical rules that match attribute–value matrices defining the layered structure of the clause against an ontology, and it uses an algorithm developed by Winther-Nielsen to automatically determine Aktionsarten in Biblical Hebrew. This work was presented at the 2013 RRG Conference in Freiburg and accepted for publication in NIHIN, an open-access linguistics series at the University of Freiburg. A practical benefit is improved glossing: instead of listing all possible senses, the system can show context-appropriate glosses, making it easier for learners to infer useful lexical rules. The second paper translates these ideas into design. It shows how exercises in Bible Online Learner can help students acquire lexical rules for verbs such as nātan by exploring the hyperlinked corpus of the Hebrew Bible. It also explains how Learning Journey’s IRT-based statistics support vocabulary practice. In contrast to tools like Anki and Memrise, which rely on fixed spaced-repetition schedules, Learning Journey offers a more flexible, user-driven approach that supports tailoring and tunneling. A study with Winther-Nielsen’s class in Copenhagen indicates that students who learned vocabulary in context with Bible Online Learner performed better than those who learned decontextualized lists with Memrise. Overall, the thesis contributes a formal framework for semantic parsing of Biblical Hebrew and a persuasive, data-informed design for vocabulary learning, linking theoretical linguistics with practical language education for ancient texts.
[This abstract was generated with the help of AI]
Keywords
Documents