لگاریتم

نظام ترجمه ماشینی فعالیتی چند بعدی است، که در چند حیطه مبتنی بر ابتکار عمل و قدرت حل مساله است. در این مهارت از برخی دانش های بین رشته ای نیز استفاده فراوانی می شود. ترفندهای هوش مصنوعی با بکارگیری اصول ریاضی، آمار و منطق، قالب مناسبی از زبان را که مناسب برنامه نویسی و انتقال به ماشین است، فراهم می آورد. در کشور ما این فعالیت دیر شروع شد و اکنون نیز دارای حرکت منسجمی نیست، برای پیشرفت در حیطه ترجمه ماشینی نیازمند احاطه در سه زمینه مختلف است: 1- داده پردازی، توصیف و ساختن مدل های مناسب زبان برای کاربرد هوشمند 2- ساخت و استفاده از نرم افزارهای مربوط به این کار 3- به کارگرفتن فناوری مرتبط. در این مقاله با لحاظ قرار دادن تفکیک این سه زمینه، برخی ابعاد زبان شناختی نظام ترجمه ماشینی، براساس محور قراردادن روش های تجربه شده در روسیه تبیین می گردد. همچنین به واسطه ارتباط تنگاتنگ ترجمه ماشینی با هوش مصنوعی و برنامه نویسی، برخی اطلاعات کلی این علوم، در موارد مرتبط ارایه می شود.

نقشه مفهومی با برقراری ارتباط بین مفاهیم جدید و مفاهیم موجود در ساختار شناختی منجر به یادگیری معنادار می شود. دانش آموزان با استفاده از نقشه مفهومی مطالب بسیاری را با هم ترکیب می کنند و به ارتباط درونی بین مفاهیم پی می برند. هدف پژوهش حاضر اثربخشی کاربرد نقشه مفهومی بر درک دانش آموزان از توابع نمایی و لگاریتم است. روش پژوهش تلفیقی از دو روش کمی و کیفی است. جامعه آماری کل دانش آموزان منطقه آموزش و پرورش فرگ بود که 12دانش آموز کلاس یازدهم رشته علوم تجربی به عنوان نمونه هدفمند انتخاب شدند. دانش آموزان گروه اول، ابتدا به سوال های آزمون نقشه مفهومی و سپس به سوال های آزمون کتبی و گروه دوم ابتدا به سوال های آزمون کتبی و سپس به سوال های آزمون نقشه مفهومی و گروه سوم فقط به سوال های آزمون کتبی پاسخ می دهند. به این ترتیب که دانش آموزان هر دو گروه فرصت بازگشت به سوالات آزمونی که ابتدا انجام داده بودند و تصحیح پاسخ های خود را ندارند. برای ارزیابی تأثیر استفاده از نقشه مفهومی بر یادگیری دانش آموزان، همه دانش آموزان سه گروه به یک سوال، با عنوان آزمون مجموعی پاسخ می دهند. نتایج پژوهش نشان داد که استفاده از نقشه مفهومی در آموزش توابع نمایی و لگاریتم بر درک دانش آموزان و شناخت بدفهمی های آن ها از این مفاهیم بسیار مؤثر است.