CC BY
201
КЛАСТЕРНЫЙ МЕТОД В АНАЛИЗЕ УЧЕБНЫХ ПИСЬМЕННЫХ ТЕКСТОВ
КАЩЕЕВА АННА ВЛАДИМИРОВНА
Тамбовский государственный университет имени Г.Р. Державина, г. Тамбов, Российская Федерация, e-mail: kashcheyeva@mail.ru
В статье рассматриваются возможности использования статистического метода кластерного анализа применительно к учебным письменным текстам на примере творческих эссе. Анализируется взаимосвязь понятия кластера и критериального метода оценивания учебных письменных текстов, и ставится вопрос о существовании взаимосвязи кластеров лингвистических характеристик письменного текста, влияющих на его качество. Среди кластеров языковых явлений, которые представлены в лингвистических исследованиях, отмечены явления фонетического, морфологического, синтаксического, орфографического и дискурсивного уровней. Несмотря на нетипичность понятия кластера для теоретической и прикладной лингвистики, существует ряд исследований в области лингвистических кластеров вообще, и кластеров, влияющих на качество текстов. В этой связи приводится пример исследования срезов высоко оцененных учебных текстов на английском языке на предмет типичных лексических, грамматических и дискурсивных особенностей, итогом которого является вывод о наличии кластеров взаимосвязанных языковых единиц во всех анализируемых текстах. В прикладной лингвистике метод кластерного анализа наиболее распространен в компьютерном моделировании текстов, в том числе для создания учебного контента. Однако результаты кластерного анализа могут стать эффективным методическим приемом презентации смысловой структуры текста, выраженной в лексических кластерах. Однозначность и наглядность результатов является преимуществом этого метода, что позволяет использовать его на этапах планирования и анализа учебных письменных текстов. Делается вывод о важной роли лексических, грамматических и дискурсивных характеристик учебного письменного текста, образующих кластеры и положительно влияющих на его качество. Вместе с тем, подчеркивается, что традиционные задания, подразумевающие создание лексических и грамматических кластеров сами себе не способствуют повышению качества письменных текстов. Решающую роль играет высокий уровень владения иностранным языком вообще.
Ключевые слова: кластер, кластерный анализ, учебный письменный текст, лингвистические характеристики.
В современной теории и практике обучения письменной речи на иностранном языке для анализа и оценивания учебных письменных текстов творческого характера широко используется критериальный метод. Традиционно оценивание проводится в соответствии с критериями содержания, организации, использованных лексических, грамматических средств и орфографии [1]. По каждому из критериев разработана своя шкала, которая основывается на качественных и количественных характеристиках письменной работы. Таким образом, если работа имеет максимальное число баллов по каждому из критериев, то она оценивается высоко, поскольку студент демонстрирует максимальный уровень развития навыков письменной речи.
Принято считать, что формируемые навыки письменной речи делятся на категории микро и макро уровней. К первой группе относятся языко-
вые навыки, среди которых владение орфографией, правильное использование лексики и грамматических форм в заданном контексте, синтаксические навыки на уровне предложения, и использование простых приемов когезии для связи предложений в тексте. Навыки макро уровня включают использование риторических приемов построения текста, умение выразить коммуникативную цель в соответствии с заданием, соблюдение смыслового единства текста и навыки организации письменного учебного дискурса [1].
Данная классификация, на наш взгляд, не дает однозначного ответа на вопрос, какие именно лингвистические явления и их взаимосвязи являются достаточными для того, чтобы соответствовать высокому уровню письменного учебного текста. Вместе с тем, очевидно, что каждую из групп навыков можно охарактеризовать как лингвистический кластер, определенное сочетание
компонентов которого непосредственно влияет на качество творческих письменных работ на иностранном языке. Поэтому, говоря об использовании кластерного метода в анализе письменных работ, мы ставим перед собой задачу выявить: во-первых, какая взаимосвязь существует между кластерами лингвистических характеристик письменного текста и его качественной оценкой; во-вторых, как полученные результаты могут быть использованы в методических целях.
Исходя из понимания письменного текста как единого и многообразного лингвистического объекта, мы полагаем, что анализ взаимосвязей лингвистических характеристик разных уровней (макро и микро) должен осуществляться в массиве текстов. Только в этом случае он может дать представление о существующих кластерах.
Творческие письменные работы студентов были выбраны объектом анализа, поскольку этот вид письма наиболее характерен для практики обучения иностранному языку в вузе в настоящее время. Письменные задания этого типа предполагают, как правило, реакцию на утверждение или тему. К ним относятся задания на написание эссе или сочинения на заключительном этапе изучения тематического раздела. Выбор языковых средств выражения коммуникативного намерения не ограничен, но, тем не менее, оценивается их разнообразие.
Подтверждение нашему предположению о необходимости и эффективности использования кластерного метода в анализе письменных учебных текстов мы находим в ряде работ, посвященных обучению письменной речи на иностранном языке и искусственному интеллекту [2; 3; 4]. В них кластер рассматривается как необходимая характеристика письменного текста и атрибут мыслительной деятельности.
Планируя применить кластерный метод к лингвистическому объекту, мы, прежде всего, обратились к определению понятию кластера в лингвистике и обнаружили, что как такового определения понятия кластера в словаре по языкознанию нет [5]. Тем не менее, в других источниках дается объяснение этого термина в переводе с английского как группы объектов или людей, расположенных рядом или находящихся в тесной зависимости [6]. Термин «кластер» широко распространен в точных науках. В частности, в физике и химии, а также социологии кластер характеризует группу атомов или молекул, скопление объектов, то есть, форму, объединяющую однородные частицы.
В отношении лингвистических объектов кластером можно назвать последовательность языко-
вых элементов, таких как звуки или части речи, а также группу диалектов или языков, имеющих ряд общих черт [7]. Таким образом, отмечая организующую функцию кластера как его главную характеристику, проследим, какие лингвистические единства относят к кластерам.
Во-первых, примером укрупненного лингвистического кластера является жанр текста, поскольку он характеризуется набором языковых единиц определенного уровня, реализующих единую коммуникативную функцию. При этом принципы кластеризации, согласно D. Biber, в письменных английских текстах отличаются от устных текстов [8].
Во-вторых, в кластер могут объединяться различные орфографические, синтаксические, фонетические, морфологические и лексические характеристики текстов. Для учебных письменных текстов, по нашему мнению, наиболее важны лексические кластеры, поскольку они являются отражением глубинной семантической структуры текста. В методической литературе широко известны лексические кластеры, называемые «паутиной» или «мыслительной картой». Составление лексического кластера на этапе подготовки письменного эссе задействует фоновые знания и помогает группировать слова для выражения основной мысли абзаца и поддерживающих ее предложений [3]. Поскольку мыслительные операции по формированию лексического кластера носят нелинейный характер, то эффективность его использования характеризуется не только умением студента создать такой кластер, но и расширить его, что в отдельных случаях может вызвать затруднения. В этом смысле понятие кластеризации часто отождествляют с методическим приемом мозгового штурма.
В-третьих, к кластерам также относят сочетание пропозиций, непосредственно связанных с лексическими группами. Отмечается, что в письменных работах, получивших высокую оценку, кластер сложных пропозиций использовался чаще, он выполнял не только назывную функцию, но и уточняющую, использовался для выражения собственного мнения [4]. То есть, влияние задания на создание кластеров пропозиций в письменном тексте оказалось спорным, но отмечалось, что уровень владения иностранным языком сыграл решающую роль.
Взаимосвязь групп языковых особенностей письменных текстов и уровня учебных письменных текстов детально анализируется в одном из интересных, на наш взгляд, обзоров исследований в области обучения письменной речи [9]. Авторы
также высказали мысль о существовании некоей совокупности языковых особенностей, которая отличает работы высокого уровня от работ низкого уровня, не называя эти особенности термином «кластер». Основной мыслью был анализ не традиционной линейной взаимосвязи между оценкой за письменную работу и присущими этой работе языковыми особенностями, а лингвистический анализ среза работ, оцененных одинаково высоко и одинаково низко.
Авторы основывались на существующем противоречии между оцениванием письменных работ и их языковыми особенностями. Они полагают, что при существующем множестве попыток представить результат обучения письму на иностранном языке в терминах частотности, все же нет обоснования предсказуемых взаимосвязей между частотными характеристиками текста и качественными показателями выполнения задания, которые могут способствовать эффективности обучения и оценивания.
Jarvis и Grant остановились на анализе лексических и грамматических характеристик сочинений в дискурсивном аспекте [9]. Используя статистический метод кластерного анализа, они выявили, что работы образуют между собой кластеры с показателями разного уровня по каждой из групп характеристик: лексической, грамматической и дискурсивной.
К лексической группе были отнесены следующие особенности, выполняющие дискурсивную функцию: союзы, обозначающие логические связи между предложениями; хеджи, или маркеры отношения пишущего, выполняющие прагматическую функцию; усилители, обозначающие степень определенности пишущего. По мнению исследователей, эти особенности придают письменному тексту индивидуальную окраску и в большей степени акцентируют мысли пишущего. Отмечалось, что указанные характеристики реже используются в текстах высокого уровня и письменных текстах неносителей языка [9]. Следовательно, для более «выгодной» презентации собственных учебных письменных текстов студентов, изучающих иностранный язык, этим стратегиям следует обучать.
Среди других лексических средств когезии, выполняющих в тексте дискурсивную функцию, авторы проанализировали референции, лексические повторения, указательные местоимения и даунтонеры (например, almost), служащие для смягчения значения или выражения вежливости. Было выявлено значительное увеличение указанных лексических характеристик в работах высокого уровня.
Что касается общих лексических характеристик высоко оцененных текстов, авторы отметили тенденцию увеличения в них количества слов и их разнообразие, а также большую длину самих текстов, однако отметили исключения, связанные с типом текста (электронный или письменный) [9].
К группе исследуемых грамматических характеристик учебных письменных тестов на иностранном языке на основании выводов Connor, Ferris, Grant авторами были отнесены: использование большого количества существительных, предлогов, союзов, глаголов в страдательном залоге, местоимений, наречий и адвербиальных выражений и прилагательных [9].
Было сделано интересное наблюдение о том, что в работах на иностранном языке более высокого уровня преобладали местоимения третьего лица, что соответствовало более формальному стилю. Уместное использование артиклей свидетельствовало о наличии когезии в текстах. Использование прилагательных являлось свидетельством дополнительной информации и одновременно показателем повествовательного жанра. Для высоко оцененных текстов были также более характерны страдательные конструкции и сложные глагольные конструкции во всех временах действительного залога, помимо настоящих, которые использовались в сложноподчиненных предложениях различного типа [9].
Результатом данного исследования стала попытка представить одну из моделей того, что составляет хороший письменный текст на иностранном языке и признание невозможности создания единого образца в целях обучения. Был сделан важный вывод о многообразии форм текстов высокого уровня в рамках одной темы и задания и обусловленности качества письменного текста совокупностью использованных пишущим языковых характеристик.
При этом числовые значения, полученные в результате использования метода кластерного анализа в изучении срезов, все же позволили представить качественную характеристику языковых особенностей письменного текста высокого уровня. Среди них были названы длина текста и средняя длина слова, существительные и номинативные конструкции, предлоги, союзы, определенный артикль, хеджи, усилители, относительные придаточные предложения, глаголы в страдательном залоге [9].
Таким образом, авторы исследования представили кластер письменных работ высокого уровня, в котором указанные характеристики получили свои наивысшие значения, подтвердив
предположение о влиянии кластеров определенных лексико-грамматических особенностей на качество учебных письменных текстов.
Похожее исследование числовых значений проявлений лингвистических характеристик на примере текстов на русском языке было предпринято А. А. Рыбановым [10]. Цель состояла в определении с помощью автоматизированных систем количественных (квантитативных) характеристик неучебных текстов, которые можно использовать как надежный учебный контент в системах дистанционного обучения. С учетом восьми индексов, которые показывали отношение количества разных частей речи к общему количеству слов в тексте, автор пришел к выводу о том, что тексты, рекомендованные для включения в учебный контент, имели более высокие индексы [10]. Тем самым, косвенно подтвердилось предположение о том, что тексты с определенным набором квантитативных характеристик грамматического кластера взаимосвязаны.
Корреляции могут быть и неожиданными, объединяя в один кластер разные языковые явления и смысловые единицы, поэтому результаты кластерного анализа всегда интересны для интерпретации как преподавателем, так и студентами [12]. Вместе с тем, мы предполагаем, что неоднозначность корреляций смысловых единиц может быть во многом обусловлена индивидуальными особенностями
Идея использования кластера текстов с определенными характеристиками нашла свое успешное воплощение в многочисленных программах для создания баз данных, создания систем поиска и экспертных систем, таких, например, как TextAnalyst. Однако статистический метод кластерного анализа может быть достаточно иллюстративным в отношении письменных учебных тестов.
Принцип действия метода в том, что показатели частотности выбранных слов коррелируют между собой так, что объединяются в кластеры разного уровня, образуя древовидную структуру, «вершиной» которой является характеристика, общая для всего текста. На предварительном этапе создается матрица, в которую вносится количество выбранных словоупотреблений в каждом из анализируемых текстов. Древовидная структура корреляций отображается в результате автоматической процедуры кластерного анализа (рис. 1) [11].
мышления каждого студента, что нуждается в дальнейшем исследовании.
Метод кластерного анализа пока не получил широкого использования в практике обучения учебным письменным текстам, но нам представляется, что его применение возможно на стадии анализа учебных письменных текстов с целью получения «обратной реакции» от студентов на
16
Дендрограмма для 29 перемен. Метод одиночной связи Евклидово расстояние
14
12
10
о га CL
-л га -л ^ а а>
■г^ г— m
._ С ._
С <и
> Q) Т] И О. (Я — ¡= £ rä ° 8
> ъ
о
^ (D ^ (D
S Е i= =
> = .Q
ш га
5 .Ш ш ш ш ш га
ü > а. о
m -Q
Рис. 1. Древовидная структура лексических кластеров письменного текста
8
6
4
2
0
полученную оценку за письменную работу и в качестве инструмента самооценивания. Кроме того, метод может быть применен на стадии предварительного планирования содержания учебного письменного текста по заданной теме на основе образца, исследованного с помощью кластерного анализа. Результаты позволяют судить о структуре содержания письменного текста, ее логичности, а также сформулировать дополнитель-
ные идеи, необходимые для получения более высокой оценки.
Еще одним наглядным способом, который был использован для анализа содержания письменных работ студентов, нам представляется программа семантического анализа текстов Tropes. Она дает представление о понятиях, использованных автором текста, и их лексическом выражении в виде полей или графика (рис. 2).
Рис. 2. Графическое представление результатов семантического анализа текста с помощью программы Tropes
Несмотря на то, что в этой программе используется принцип нейронных сетей, в результате слова группируются в кластеры, соответствующие определенным понятиям, характеризующим смысловую структуру текста [12]. Преимущество данной программы перед статистическим кластерным анализом заключается в большей наглядности результатов.
Таким образом, обобщив результаты теоретических и практических исследований в области анализа учебных письменных текстов, можно сделать вывод о том, что лексические, граммати-
ческие, дискурсивные характеристики и смысловые единицы в учебном письменном тексте объединяются в кластеры, которые влияют на уровень качества текста. Вариации подобных кластеров могут быть множественными и являются объектом дальнейших лингвистических исследований. Для выявления взаимосвязей лингвистических явлений в тексте целесообразно использовать статистический нелинейный метод кластерного анализа, явными преимуществами которого для исследователя являются наглядность и однозначность результатов.
Наибольшая достоверность интерпретации результатов кластерного анализа учебных письменных текстов с точки зрения их оценивания может быть достигнута лишь при условии, что анализу подвергаются тексты, оцененные одинаково высоко. Помимо этапа непосредственного оценивания письменных текстов, результаты кластерного анализа могут использоваться как средство анализа и самооценивания на этапе предварительного планирования учебного письменного текста.
Литература
1. Brown H. D. Language Assessment. Principles and classroom practices. Longman, 2004.
2. Nedjah N. Intelligent Text Categorization and Clustering. Springer. 2009. URL: http://www.books.-google.ru
3. Cuswell R., Mahler B. Strategies for Teaching Writing. ASCD. 2004. URL: http://www.books.google.ru
4. Thomas M., Reinders Н. Task-Based Language Learning and Teaching with Technology. CIPG. 2010. URL: http://www.books.google.ru
5. Языкознание. БЭС / гл. ред. В. Н. Ярцева. М.: Большая Российская энциклопедия, 1998.
6. Hornby A. S. Oxford Advanced Learner's Dictionary. OUP, 1995.
7. Академик. URL: http://www.dic.academic.ru/ dic.nsf/nanotechnology/474/
8. Cummings G., Davidson Ch. International Handbook of English Language Teaching. 2007. URL: http://www.books.google.ru
9. Jarvis S., Grant L., Bikowski D., Ferris D. Exploring Multiple profiles of Highly Rated Learner Composition. Journal of Second Language Writing. 12 (2003). P. 377-403.
10. Рыбанов А. А. Автоматизированное определение квантитативных характеристик текста // Современные научные исследования и инновации. 2014. № 2. URL: http://web.sna-uka.ru/issues/ 2014/ 02/30988
11. Кащеева А. В., Мильруд Р. П. Квантитативные методы в лингвистике. Тамбов: Издательский Дом ТГУ Державина, 2012.
12. Кащеева А. В. Квантитативные и качественные методы исследования в прикладной лингвистике // Социально-экономические явления и процессы. Тамбов, 2013. № 3 (049). С. 155-162.
References
1. Brown H. D. Language Assessment. Principles and classroom practices. Longman. 2004.
2. Nedjah N. Intelligent Text Categorization and Clustering. Springer. 2009. URL: http://www.books.-google.ru
3. Cuswell R., Mahler B. Strategies for Teaching Writing. ASCD. 2004. URL: http://www.books.google.ru
4. Thomas M., Reinders Н. Task-Based Language Learning and Teaching with Technology. CIPG. 2010. URL: http://www.books.google.ru
5. Yazykoznaniye. BES / gl. red. V. N. Yartseva. M.: Bol'shaya Rossijskaya entsiklopediya.1998.
6. Hornby A. S. Oxford Advanced Learner's Dic-tionary.OUP.1995.
7. Akademik. URL: http://www.dic.academic.ru/ dic.nsf/nanotechnology/474/
8. Cummings G., Davidson Ch. International Handbook of English Language Teaching. 2007. URL: http:// www.books.google.ru
9. Jarvis S., Grant L., Bikowski D., Ferris D. Exploring Multiple profiles of Highly Rated Learner Composition. Journal of Second Language Writing. 12 (2003). P. 377-403.
10. Rybanov А. А. Аvtomatizirovannoye opredeleniye kvantitativnykh kharakteristik teksta // Sovremennye nauchnye issledovaniya i innovatsii. Fevral' 2014. № 2. URL: http://web.sna-uka.ru/issues/2014/ 02/30988
11. Kashcheeva А. V. Mil'rud R. P. Kvantitativnye metody v lingvistike. Tambov: Izdatel'skij Dom TGU Derzhavina, 2012.
12. Kashcheyeva А. V. Kvantitativnye i kachestven-nye metody issledovaniya v prikladnoj lingvistike // Sotsi-al'no-ekonomicheskiye yavleniya i protsessy. Tambov, 2013. № 3 (049). S. 155-162.
A. B. KA^EEBA
301
* * *
CLUSTER METHOD IN THE ANALYSIS OF EDUCATIONAL WRITTEN TEXTS
KASHCHEYEVA ANNA VLADIMIROVNA Tambov State University named after G. R. Derzhavin, Tambov, the Russian Federation, e-mail: kashcheyeva@mail.ru
In article author considered possibilities of use of a statistical method of the cluster analysis in relation to educational written texts on the example of creative essays; analyzed the interrelation of concept of a cluster and criteria method of estimation of educational written texts and raised the question of existence of interrelation of clusters of the linguistic characteristics of the written text influencing its quality. Among clusters of the language phenomena which appear in linguistic researches, there are the phenomena of phonetic, morphological, syntactic, spelling and discursive levels. Despite non-typicalness of concept of a cluster for theoretical and applied linguistics, there is a number of researches in the field of linguistic clusters in general, and the clusters influencing quality of texts. In this regard author gave the example of research of cuts of highly estimated educational texts in English regarding typical lexical, grammatical and the discursive of features which result is the conclusion about existence of clusters of the interconnected language units in all analyzed texts. In applied linguistics the method of the cluster analysis is most widespread in computer modeling of texts, including for creation of educational content. However results of the cluster analysis can become effective methodical reception of presentation of the semantic structure of the text expressed in lexical clusters. Unambiguity and presentation of results is advantage of this method that allows to use it at stages of planning and the analysis of educational written texts. Author drew the conclusion about an important role lexical, grammatical and the discoursive of characteristics of the educational written text, the forming clusters and positively influencing its quality. At the same time, it is emphasized that the traditional tasks meaning creation of lexical and grammatical clusters to themselves don't promote improvement of quality of written texts. High level of proficiency in a foreign language in general plays the crucial role.
Key words: cluster, cluster analysis, educational written text, linguistic characteristics.
