top of page

Modul 14: Computerlinguistik

Die Computerlinguistik ist ein interdisziplinäres Gebiet, das sich mit der Anwendung von Computer- und maschinellen Lernmethoden auf die Verarbeitung natürlicher Sprache befasst. Sie zielt darauf ab, die menschliche Sprache durch Algorithmen und Modelle zu verstehen, um Aufgaben wie maschinelle Übersetzung, Textanalyse und automatische Spracherkennung zu verbessern.

​

Computational linguistics -- Intro.webp

Einführung: Computerlinguistik

Linguistik und die Arbeit mit Computer haben nichts miteinander zu tun? Falsch gedacht! Verschaffe dir einen ersten Überblick und tauche ein in die Welt der Computerlinguistik.

Lektion 1: Machine Speech Tagging

Der Teilbereich des Machine Speech Taggings ist eine Methode zur automatischen Zuordnung von grammatischen Informationen zu einzelnen Worten eines Texts. Sie dient so als Grundlage für das computerbasierte Verständnis von Sprache.

data-2311261_1280.webp
clipart NLP.webp

Lektion 2: Verarbeitung natürlicher Sprache (NLP)

Natural Language Processing (NLP) ist das Gebiet, das sich der Entwicklung von Maschinen widmet, die in der Lage sind, mit menschlicher Sprache oder Daten, die menschlicher Sprache ähneln, zu interagieren, und darzustellen, wie Sprache präsentiert, ausgedrückt und strukturiert wird.

Lektion 3: Large Language Models (LLM)

Large Language Models (LLM) sind Rechensysteme, die mit grossen Mengen an Textdaten trainiert wurden und in der Lage sind, zusammenhängende und kontextuell relevante Sätze zu generieren, indem sie Sprachmuster erkennen und vorhersagen.

Featured-Blog-Image-A-Comprehensive-Overview-of-Large-Language-Models-1080x675.webp
Bias.webp

Lektion 4: Bias in Computerlinguistik

Bias ist ein wichtiger Teilbereich der Forschung in der Computerlinguistik. Einerseits steht die Disziplin vor der Herausforderung, Bias in ihren eigenen Prozessen zu analysieren und zu reduzieren. Andererseits können computerlinguistische Werkzeuge eingesetzt werden, um Bias in elektronischen Online-Texten aufzuspüren, die von Menschen oder computerlinguistischen Algorithmen erstellt werden.

Abschlussquiz

Fragen

  1. Weshalb ist der Kontext beim POS-Tagging immer zu berücksichtigen?

  2. Wie beeinflusst die Auswahl der Korpora die Ergebnisse einer korpusanalytischen Untersuchung?

  3. Wofür gibt es Gefühlsanalysen? 

  4. Wie heisst die Anwendung, die automatisch Online-Chats erstellt?  

  5. Was unterscheidet ein Large Language Model (LLM) wie GPT-4 von herkömmlichen regelbasierten KI-Systemen?

  6. Grosse Sprachmodelle (Large Language Models, LLMs) werden auf umfangreichen Datensätzen trainiert. Was ist der Hauptzweck dieses Trainings?

  7. Was ist historischer Bias und was ist ein Beispiel dafür?

  8. Wie haben Forscher:innen sprachliche Hinweise auf Bias in Wikipedia-Artikeln identifiziert?

problem-3303396_1280.webp

Vorschlag, um das Quiz noch ansprechender zu gestalten: 

​

Pub-Quiz-Version

Als Alternative dazu, dass jede:r die Fragen für sich selbst beantwortet, können die Schüler:innen Vierergruppen bilden. Die Lehrkraft kann die Frage vorlesen und die Schüler:innen haben pro Frage eine Minute Zeit, um die Antwort aufzuschreiben. Für jede richtige Antwort gibt es fünf Punkte. Am Ende des Quiz kann die Lehrkraft die Zettel einsammeln, die Antworten überprüfen, die Punkte addieren und das Ergebnis der drei besten Gruppen vorlesen.

Verwendete Quellen

ILLUSTRATIONEN

​

Kotur, A. (2023, August 11). Building a Natural Language Processing (NLP) App. Medium. https://blog.gopenai.com/building-a-natural-language-processing-nlp-app-423cb545ffb9

​

Kurbatova, O. (2022, October 12) Verarbeitung natürlicher Sprache oder Neurolinguistische Programmierung, Technologie der künstlichen Intelligenz. Kopf mit Gehirnen und Zahnrädern, Menschen lernen online. Vektor-Cartoon-Flat-NLP-Konzept – Vektor Illustration https://www.istockphoto.com/de/vektor/verarbeitung-nat%C3%BCrlicher-sprache-oder-neurolinguistische-programmierung-technologie-gm1432682882-474852675

​

Pixabay (2017). https://pixabay.com/de/vectors/daten-grafiken-analyse-gui-2311261/

​

Pixabay (2018). https://pixabay.com/de/illustrations/problem-l%C3%B6sung-hilfe-support-3303396/

​​

Sajid, H. (2023, June 1). A comprehensive overview of large language models. Wisecube.ai https://www.wisecube.ai/wp-content/uploads/2023/05/Featured-Blog-Image-A-Comprehensive-Overview-of-Large-Language-Models-1080x675.jpg

​

Smit, K. (2022, August 18). Interpretability and Fairness in NLP: Learnings from NAACL. Medium. https://klaviyo.tech/interpretability-and-fairness-in-nlp-learnings-from-naacl-1daff75acd5e

​

 

bottom of page