logo móvil
Contáctanos

Clasificación de palabras en inglés en notaciones gramaticales utilizando técnica de aprendizaje profundo

Autores: Imran, Muhammad; Qureshi, Sajjad Hussain; Qureshi, Abrar Hussain; Almusharraf, Norah

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Clasificación de palabras en inglés en notaciones gramaticales utilizando técnica de aprendizaje profundo


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Impacto
Inteligencia artificial
Aprendizaje del idioma inglés
Notaciones gramaticales
CNN
Hablantes no nativos de inglés

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
El impacto de la inteligencia artificial (IA) en el aprendizaje del idioma inglés se ha convertido en el centro de atención en las últimas décadas. Este estudio, con su potencial para transformar la enseñanza del inglés y ofrecer diversos enfoques instruccionales, proporciona valiosos conocimientos e información. Para comprender plenamente las posibles ventajas de la IA, se necesita más investigación para mejorar, validar y probar los algoritmos y arquitecturas de IA. Las notaciones gramaticales proporcionan información sobre una palabra a los lectores. Si las imágenes de una palabra se extraen y categorizan correctamente utilizando una CNN, puede ayudar a los hablantes no nativos de inglés a mejorar sus hábitos de aprendizaje. La clasificación de las partes del discurso en diferentes notaciones gramaticales es el principal problema que enfrentan los estudiantes de inglés no nativos. Esta situación enfatiza la necesidad de desarrollar un sistema basado en computadora utilizando un algoritmo de aprendizaje automático para clasificar palabras en notaciones gramaticales adecuadas. Se aplicó una red neuronal convolucional (CNN) para clasificar palabras en inglés en nueve clases: sustantivo, pronombre, adjetivo, determinante, verbo, adverbio, preposición, conjunción e interjección. Se realizó una simulación del modelo seleccionado en MATLAB. El modelo logró una precisión general del 97.22%. La CNN mostró una precisión del 100% para pronombres, determinantes, verbos, adverbios y preposiciones; 95% para sustantivos, adjetivos y conjunciones; y 90% para interjecciones. Los resultados significativos (p < 0.0001) de la prueba de chi-cuadrado apoyaron el uso de la CNN por parte de los estudiantes de inglés no nativos. El enfoque propuesto es una fuente importante de clasificación de palabras para los estudiantes de inglés no nativos al introducir la imagen de la palabra en el modelo. Esto no solo ayuda a los principiantes en el aprendizaje del inglés, sino que también ayuda a establecer estándares para la evaluación de documentos.

Otros recursos que podrían interesarte

Temas Virtualpro