Számítógépes nyelvészet

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Számítógépes nyelvészet"

Átírás

1 Számítógépes nyelvészet Babarczy Anna A MESTERSÉGES INTELLIGENCIA KEZDETEI Az intelligens gép Az embert régóta foglalkoztatja az intelligenciával rendelkező gép ötlete. Érdekes, és filozófiai szempontból valószínüleg megválaszolhatatlan kérdés az, hogy mikor nevezhetünk egy gépet intelligensnek. Annyi azonban bizonyos, hogy a gépi intelligencia kutatásában kiemelt helyet foglal el a nyelvhasználat képessége, mivel a nyelv központi szerepet tölt be az emberi gondolkodás kifejezésében és a gondolatok átadásában. Ezen az alapon Alan Turing 1950-ben, az első modern számítógépek megjelenését követően, a következő tesztet találta ki a gépi intelligencia lemérésére: A tesztelő személy egy számára láthatatlan számítógéppel és egy ugyancsak láthatatlan másik személlyel levelezik bármilyen témáról. Mindkét levelezőpartner célja az, hogy meggyőzze a tesztelőt arról, hogy valódi ember. A tesztelő feladata pedig az, hogy eldöntse, a két levelezőpartner közül melyik a gép. Ha a tesztelő sikertelen, mondja Turing, praktikus szempontból intelligens géppel állunk szemben. Az első modellek Turing kihívását sokan elfogadták és megkezdődött a verseny a társalgó gépek kifejlesztésében. A mesterséges intelligencia (artificial intelligence) kifejezés 1956-ból származik, amikor Marvin Minsky, Claude Shannon és más jeles kutatók ezen a néven konferenciát szerveztek, ahol a gépi nyelvi készség problémját egy formalizált logikai utasításrendszer segítségével próbálták megközelíteni. A kezdetben nagyon egyszerű módszer (részleges) sikerét Weisenbaum ELIZA nevű társalgórendszere bizonyította 1966-ban. ELIZA egy rogersiánus pszichoterapeutát szimulál, aki partnerét beszédre bíztatja, ő maga viszont tartalmilag semmit nem tesz hozzá a beszélgetéshez. Ezzel a kikötéssel elkerülhető volt a tárgyi tudás problémája, és fókuszban maradhattak a társalgás nyelvi kérdései. Az alkotók szerint a rendszer felhasználói több perc levelezés után után sem jöttek rá, hogy nem emberrel, hanem egy géppel beszélgetnek, vagyis ELIZA megfelelt a Turing teszt követelményeinek, bár csak a maga korlátozott témakörében. A következő társalgásrészlet angol eredetije Weisenbaum cikkében található: (1) Felhasználó: A férfiak mind egyformák ELIZA: Ezen mit értesz? Felhasználó: Mindig cseszegetnek minket valamiért. ELIZA: Mondanál egy konkrét példát? 1

2 2 Felhasználó: ELIZA: Felhasználó: ELIZA: Felhasználó: ELIZA: Hát, például a fiúm küldött el ide. A fiúd küldött el ide. Azt mondja, mindig depressziós vagyok. Sajnálom, hogy depressziós vagy. Talán ki kellene békülnöm az anyámmal. Mesélj még a családodról. A rendszer egyszerű kulcsszavak által aktivált utasítások végrehajtásával működik. Bizonyos határozatlan kifejezések (mindig, valamiért, stb) például a Mondanál egy konkrét példát választ váltják ki, a depresszióra utaló szavak pedig sajnálatkifejezést. Egy másik stratégia a felhasználó mondatának megismétlése az első személyű birtokos (fiúm, angolul my boyfriend) második személyre váltásával (fiúd, angolul your boyfriend). Mindezt a program ún. reguláris kifejezések behelyettesítésével éri el, vagyis egy általánosított szövegkereső gépi nyelv felhasználásával. A sajnálatnyílvánítás például az alábbi (Perl) utasítással oldható meg: (2) s/.* (depressziós szomorú) vagyok.* /Sajnálom, hogy \1 vagy/ ami annyit jelent, hogy ha a felhasználó szövegében bárhol megjelenik a depressziós vagyok vagy a szomorú vagyok karaktersor, ezt ELIZA helyettesítse be a a középső per jel után megadott szöveggel. A módszer határai persze azonnal láthatók (kezdetnek próbáljuk meg a magyar személycserét így megoldani!), de a reguláris kifejezések ma is fontos alapkövei különböző nyelvhasználó rendszereknek. A hetvenes évek során Roger Schank vezetésével az egyszerű nyelvközpontú modellek kibővítésével kisérleteztek a mesterséges intelligencia kutatói. Ezeknek az úgynevezett script (forgatókönyv) rendszereknek a lényege a nyelvi tudás mellett a rendszerezett háttérismeret volt, és azt tűzték ki célul, hogy hétköznapi szituációkra vonatkozó kérdésekre emberhez hasonlóan tudjon választ adni a gép. Egyik legismertebb példájuk az étterem-forgatókönyv: (3) Bemegyünk az étterembe. A ruhatárban levesszük a kabátot. Kiválasztunk egy asztalt. Foglalt táblával ellátott asztalhoz nem ülünk. Kérjük az étlapot. stb. A forgatókönyv ismeretében a rendszer logikai következtetéseket tudott levonni. Például arra a kérdésre, hogy van-e étlap a kabátos embernél, megkaptuk a választ, hogy (valószínüleg) nincs. Bár egy használhatóan részletes, mindenre kiterjedő forgatókönyv összeállítása megvalósíthatatlan feladatnak bizonyult, valamilyen formában a háttértudás ma is lényeges eleme sok nyelvfeldolgozó alkalmazásnak. A NYELVTECHNOLÓGIA MAI CÉLJAI ÉS ESZKÖZEI A feladat Az utóbbi évtizedekben elsősorban szerényebb és jobban körülhatárolt célok felé

3 fordult a számítógépes nyelvészet. Ma már nem is mesterséges intelligenciáról, hanem inkább nyelvtechnológiáról beszélünk, aminek a mindennapokban is használt sikerei közé tartozik például a helyesírásellenőrzés, a szövegkivonatolás, a bankszámlaegyenleg lekérdezése, a mozijegyrendelés és bizonyos területeken (mint például a kanadai időjárásjelentés) a gépi fordítás. Ezek és más hasonló alkalmazások a nyelvtechnológia egyes részfeladatainak megoldásával jöhettek létre, melyek természetesen tükrözik az előző fejezetekben tárgyalt emberi nyelvértés pszicholingvisztikai részfeladait: 1. Beszédfelismerés: a hallgató szerepében a gép első feladata a felhasználó által adott akusztikus jelek felismerése és a folyamatos hanghullám nyelvi egységekre bontása. 2. Beszédszintézis: a dialógus másik oldalán a gépnek tudnia kell beszédhangokat szintetizálni és ezeket folyamatos beszéddé alakítani. 3. Parsing (elemzés): a nyelvelemzés során a feladat a szöveg különböző szintű elemeinek rendszerezése, az elemek közötti függőségek megállapítása. A mondatok szintjén a szavak szerveződését vizsgáljuk (pl. mi minek a jelzője, birtokosa, tárgya, stb.), a szavak szintjén pedig a szótő és a toldalékok viszonya az elemzés tárgya (pl. a szavak szófajának megállapítása és a végződések kategorizálása). 4. Szemantikai elemzés: a szöveg értelmezéséhez ismerni kell nemcsak a szavak jelentését, hanem a szöveg körülményeitől függő ún. deiktikus kifejezések utalási szándékát is. Az akkor, tegnap, ő, itt szavak például csak a szövegkörnyezethez és/vagy a fizikai környezethez viszonyítva értelmezhetők. 5. Generálás: nyelvgenerálásnak nevezzük valamilyen tudás nyelvi kódolását, vagyis természetes nyelven megformált mondatokban, szövegben való kifejezését. Tekinthető ez úgy, mint a parsing és a szemantikai elemzés fordított irányú alkalmazása. 6. Inferencia: végül egy bonyolultabb, háttértudással vagy tanulómemóriával rendelkező rendszer logikai következtetések levonására is alkalmas lehet, amivel input hiányában is kinyerhet új információt. Ezt a folyamatot nevezzük inferenciának. A nyelvtechnológiai rendszerek minden részfeladatánál két fő célt tartunk szem előtt, ahogy feltételezhetően az emberi nyelvfeldolgozásban is: az egyik a lefedettség maximalizálása (minél több nyelvi elemet tudjunk azonosítani illetve kódolni), a másik pedig a pontosság maximálizálása (az azonosítás vagy a kódolás hibamentes legyen). Más szóval minél több TALÁLATOT és minél kevesebb TÉVEDÉST akarunk elérni. A két törekvés gyakran ellentétben áll egymással, mert a találatok számának növeléséhez megengedőbb rendszerre van szükség, a tévedések csökkentését viszont szigorítással lehet elérni. Két megközelítés A nyelvtechnológia jelenlegi módszereit két fő irányzathoz sorolhatjuk. A klasszikus megközelítés szabályok alkalmazásában látja a feladatok megoldását. A szabályrendszert a nyelvfeldolgozó program tervezője saját nyelvi tudása és a 3

4 pszicholingvisztikai kutatások eredményei alapján alkotja meg, gyakran általánosított, elvonatkoztatott kategóriákra építve. A szabályok tipikusan mindent vagy semmit alapon működnek, tehát vagy érvényesül egy szabály a feldolgozás során, vagy nem érvényesül, közbülső állapot nem létezik. Ezzel szembeállítható az újabban elterjedt statisztikai módszer, ahol a rendszer példatárakból (szakszóval korpuszokból) automatikusan von ki mintákat és ezeket alkalmazza más nyelvi megnyílvánulások feldolgozására. A mintákhoz tipikusan valószínűségeket rendel az algoritmus és újabb szövegek feldolgozásakor vagy generálásakor arra törekszik, hogy az együttes valószínűség maximalizálása mellett valósítsa meg a mintaillesztést. A modern nyelvtechnológiai alkalmazások többségében keverednek a szabályalapú és a statisztikai eszközök, bár az alsóbb szinteken (beszédfelismerés, szófaji elemzés) a statisztikai megoldások dominálnak, a felsőbb szinteken (parsing, szemantika) pedig a szabályalapú módszerek, amint azt a következő példákból látni fogjuk. A SZÁMÍTÓGÉPES NYELVFELDOLGOZÁS SZINTJEI A beszédfelismerés A beszédfelismerő rendszerek egyik alapelve egy XVIII. századi matematikus, Thomas Bayes törvényein alapul. A bayesi megközelítés célja annak felbecslése, hogy ha adott egy hangsor h, mi annak a valószínűsége, hogy ez a hangsor s szóhoz tartozik: P(s h). Például, ha az akusztikus jelek alapján a tom hangsort érzékeljük, milyen valószínűséggel értelmezhetjük ezt a hangsort a Tom, tudom, találom, atom stb. szavakhoz tartozó hangsornak. A valószínűségek kiszámításához három tárra van szükség: Egy variáció-lista, vagyis egy emberi segítséggel összeállított lista arról, hogy a korpuszban egy-egy hangsorhoz milyen szavak tartoznak. Ez adja meg a bayesi képlet lehetséges s szavait. Ez a lépés persze matematikailag nem szükségszerű, de a gazdaságosság megkívánja, hogy lényegében esélytelen szavakkal ne is próbálkozunk, vagyis pl. a tom hangsorhoz meg sem kíséreljük kiszámítani a kabát, űrhajó, világoskék, stb. szavak valószínűségét. Egy lista a nyelv szavainak gyakoriságáról (hányszor fodul elő egy-egy szó a korpuszban). Ebből kapjuk a szó abszolút (vagy prior) valószínűségét: P(s). Az ok egyszerű: minél gyakrabban fordul elő egy szó, annál nagyobb az esély, hogy hallani fogjuk. Egy lista a nyelvben előforduló fonotaktikai folyamatok gyakoriságáról (pl. szóvégi n hang lehagyásának valószínűsége). A variáció-tárhoz hasonlóan, ezt az információt is emberi munkával lehet a korpuszból kinyerni. Ez az információ adja egy-egy szóhoz tartozó hangsor valószínűségét, vagyis ha adott a tudom szó, annak a valószínűségét, hogy ez tudom, tom, túdom, stb. hangsorként hangzik el: P(h s). A keresett értéket a fenti három adat alapján számoljuk ki egyenként minden s szóra: P(s h) = P(h s)p(s). A tom hangsor példájánál maradva az alábbi egyenleteket kapjuk: 4

5 (4) P(Tom tom) = P(tom Tom)P(Tom) P(tudom tom) = P(tom tudom)p(tudom) P(találom tom) = P(tom találom)p(találom) P(atom tom) = P(tom atom)p(atom) Ezek közül a nyertes az a szó lesz, amelyik a legnagyobb értéket veszi fel. A módszert nemcsak beszédfelismerésre alkalmazzák, hanem helyesírásellenőrző rendszereket is építenek ezen az elven, ahol a hangsort értelemszerűen a karaktersor helyettesíti. A bayesi módszer gyenge pontja a szavak prior valószínűségének meghatározó szerepe. Ez azt eredményezi, hogy ritkább szavak esetében jó esély van a TÉVEDÉSRE. Az interaktív helyesírásellenőrző rendszerek a problémát egy találati lista megadásával küszöbölhetik ki, amiben bizonyos valószínűségi küszöb felett minden szó megjelenik és a választás a felhasználóra van bízva. Ez a megoldás azonban nem alkalmazható, amennyiben egy teljesen automatikus rendszer a cél. A bayesi módszer eredményeinek javítása megvalósítható a szövegkörnyezet figyelembevételével. A környezetfüggő előfordulási valószínűségek kiszámításának legelterjedtebb eszközei az N-gram modellek, ahol a célszavak prior valószínűségét az előttük szereplő N számú szó határozza meg. Míg például a tudom szó összességében lényegesen gyakoribb a magyarban, mint az atom szó, az iráni melléknevet követően megfordul a relatív valószínűségük. Ezeket a valószínűségeket automatikusan nyerjük a korpuszból: a szókapcsolat előfodulási gyakoriságát elosztva az első szó előfordulási gyakoriságával. Az 1. táblázat az atom, tudom és találom szavak előfordulási valószínűségeit mutatja a nem, helyesnek és iráni szavakat követően, egy Google keresés alapján a magyar weben. 5 atom tudom találom Nem Helyesnek Iráni Táblázat -1 Bigram nyelvtan részlete. A táblázatból egyértelműen kiderül, hogy jelentős eltérések mutatkoznak a szavak előfordulási valószínűségeiben a szövegkörnyezettől függően. A nem után a három célszó közül a tudom szónak van a legnagyobb esélye, a helyesnek szót követően a találom a legvalószínűbb, az iráni melléknevet pedig leginkább az atom szó követheti. A beszédfelismerési és helyesírásellenőrzési eredmények tehát lényegesen javíthatók, ha a bayesi egyenletekben a szavak abszolút gyakoriságát a környezetfüggő valószínűségekkel helyettesítjük. Parsing: szófaji és morfológiai elemzés A beszélt vagy írott szavak azonosítása után a nyelvfeldolgozás következő szintje a

6 szavak nyelvtani elemzése. Ez két részfeladatra bontható: egyrészt a szavak szófajának meghatározása (főnév, ige, névelő, határozószó, stb.), másrészt a szavak morfológiai összetételének elemzése (igekötők, képzők, ragok, jelek azonosítása). Az előbbi részfeladat tejesítésében ma a statisztikai programok a legsikeresebbek, míg az utóbbi problémára a magyarban és a magyarhoz hasonlóan bonyolult morfológiai rendszerű nyelvekben a szabályalapú módszerek kínálják a legjobb megoldást. A két részfeladat azonban nem egészen független egymástól, hiszen a morfológia segíthet a szófaj meghatározásában. A tűz szó például nyelvtanilag kétértelmű, lehet ige vagy főnév, a tüzet alak viszont egyértelműen főnév, a tűzött alak pedig egyértelműen ige. A szóelemzés legfontosabb errőforrása a szótár. A szótár tartalmazza a szótövek listáját, szófaji címkéikkel, morfofonológiai kategóriáikkal és alternatív töveikkel együtt. A bokor szóhoz például megadjuk azt az információt, hogy főnév és alternatív töve a bokr- (pl. bokrot), az olvas szó pedig igeként van megjelölve, azzal az információval, hogy a sziszegő hangra végződő szavak csoportjába tartozik (olvasol és nem olvassz a második személyű alakja). Elvben a szavak elemzése megoldható kizárólag szótáron keresztül, ahol a nyelv összes létező szóalakja és a hozzájuk tartozó szófaji illetve morfológiai címkék fel vannak sorolva. A gyakorlatban azonban ez a módszer nemcsak gazdaságtalan, hanem egyenesen kivitelezhetetlen, hiszen, mint az az előző fejezetekből kiderült, a szóalkotás kreatív folyamat a természetes nyelvekben. A szótár mellett tehát az elemzéshez szükség van egy szabályrendszerre, vagyis morfológiai nyelvtanra. Ez minimálisan a következő információkat tartalmazza: A toldalékok tipusait (igekötő, képző, rag) A toldalékok morfológiai jegyeinek szerveződését, pl.: 6 IGE: idő múlt, nem múlt szám egy, több személy 1., 2., 3. A morfofonológiai kategóriákra vonatkozó szabályokat. Ide tartozik például az a megkötés, hogy a sziszegő hangra végződő igék 2. személyű ragja l és nem sz. Morfotaktikai szabályokat, vagyis a toldalékok előfordulásának lehetséges sorrendjét. Ilyen megkötés például, hogy a birtokos rag nem állhat esetragok után (testvéremet és nem testvéretem). A morfotaktikai szabályok ismerete jelentősen csökkentheti a TÉVEDÉSEK számát. A szeletem szóalaknál például csak a sorrendi megkötés ismerete zárhatja ki azt a hibás elemzést, ami a szél szótőhöz vezet (szél < szelet < szel-et-em). A szófaji és morfológiai elemzés során az elemző algoritmusok a szótárhoz és a nyelvtan szabályaihoz próbálják illeszteni az input szövegben található szóalakokat. Az illesztésnek három féle eredménye lehet: a legegyszerűbb esetben a szóalak egyértelműnek bizonyul és sikeresen felcímkézhető. A második lehetőség az, hogy több

7 elemzés is rendelhető az adott szóalakhoz. Végül előfordulhat az is, hogy az elemzendő szóalak töve nem szerepel a szótárban (lehet egy új szó a nyelvben, név vagy éppen idegen szó). A többértelműség feloldását a szövegkörnyezet teszi lehetővé az előzőekben említett bayesi valószínűségek és N-gram modellek segítségével. A hangalak helyén itt a szóalak áll, a célszó helyén pedig a szófaji/morfológiai kategória. Az egyértelműsítésben legsikeresebb N-gram modellek nem egyéni szavak előfordulási valószínűségeit mérik, hanem szófaji vagy morfológiai kategóriák gyakoriságát. Ehhez olyan tanulókorpuszra van szükség, ahol a szavak el vannak látva szófaji és morfológiai címkékkel. A modell a felcímkézett korpuszból vonja ki a kategóriák közötti átmeneti valószínűségeket, például hogy egy névelő után nagyobb eséllyel találunk főnevet, mint igét. Ennek ismeretében lehetővé válik pl. a tűz szó szófaji egyértelműsítése a A tűz felmelegítette az átfagyott túrázókat mondatban. Ismeretlen szótő esetén különböző stratégiák alkalmazhatók. A legbiztonságosabb, és valószínűleg leggazdaságtalanabb, megoldás a szótő válogatás nélküli többértelmű címkézése, vagyis a nyelvtanban szereplő összes szófaji címke felragasztása, amiket azután az egyértelműsítő N-gram modell rangsorol valószínűségük szerint. Ennél gazdaságosabb de kockázatosabb módszer az alacsony abszolút valószínűségű szófaji címkék kizárása még az egyértelműsítő fázis előtt. Végül a harmadik lehetőség a szófaj szabályalapú meghatározása a szóalak morfológiai jegyeinek segítségével. Például a mufjotban szóalakból kikövetkeztethető, hogy a mufjot főnévi szótőből és a ban helyragból tevődik össze. Ez a módszer azonban korántsem tévedés-biztos (a mufjotban szó lehet éppen egy ragozatlan ige vagy bármi más is), és természetesen csak morfológiailag összetett szavakra alkalmazható. Szófaji és morfológiai elemzők ma már 95 98%-os pontossággal működnek a világ különböző nyelvein. Ez az eredmény azonos az emberi elemző teljesítményével, tehát ha két személy egymástól függetlenül felcímkéz egy szöveget egy adott nyelvtan alapján, tipikusan a címkék 95 98%-a egyezik meg. Parsing: mondatelemzés A mondatelemzés célja a szavak közötti szintaktikai (szerkezeti) és szemantikai (jelentésbeli) viszonyok feltárása. Az elemzés eredményét különböző alkalmazásokban lehet hasznosítani, mint például nyelvhelyesség ellenőrzés, gépi fordítás, automatikus szövegkivonatolás és kérdés válaszoló rendszerek. A gépi mondatelemzés jelenleg elsősorban szabályalapú rendszerekkel történik, és eredményei egyelőre elmaradnak a beszédfelismerés és a morfológiai elemzés eredményeitől. A gépi mondatelemzés legfontosabb erőforrása a nyelvtan. A nyelvtanoknak két fő típusát különböztethetjük meg. A lexikalista dependencia nyelvtanok lényege, hogy a mondat szerkezeti függőségeit az egyes szavak (lexikális elemek) közötti átmenetek alapján határozzák meg, vagyis a nyelvtan lényegében egy kiterjesztett szókapcsolat tár vagy konstrukció halmaz. A nyelvtanok másik típusa a mondatot hierarchikusan elrendezett frázisokra (szócsoportokra) bontja és a mondat szerkezeti függőségeit a frázisok alapján határozza 7

8 meg. Az alábbi szerkezetileg kétértelmű mondatnak például két elemzése van, amik a frázisok elrendezésével fejezik ki a két féle függőséget az alkotóelemek között: (5) Tegnap láttam a fiatal rendőrt a távcsővel. (a) [tegnap] [láttam] [a fiatal rendőrt [a távcsővel]] (b) [tegnap] [láttam] [a fiatal rendőrt] [a távcsővel] Az (a) változatban a rendőrnél van a távcső, míg a (b) változatban a beszélőnél. Minden frázisnak van egy kategóriája, amit a frázist leginkább meghatározó szó szófaja ad. A [a fiatal rendőrt] szócsoport például egy főnévi frázis, míg a [tegnap] egyszavas frázist határozói frázisként osztályozzuk. A frázisstruktura nyelvtanokat le lehet írni ún. környezet-független újraíró szabályokkal, ahol a szabály bal oldalán egyetlen fráziskategória áll, amit a szabály jobb oldalán álló egy vagy több kategóriára vagy szóra lehet bontani. A nyelvtan környezetfüggetlen, mert a bal oldali kategória felbontása a szövegkörnyezetétől függetlenül van meghatározva. A szabálysor a legfelső kategória (a mondat) felbontásával kezdődik, és lépésenként halad lefelé a hierarchián, amíg el nem jut a szavakhoz. Az (5) alatti mondatot leíró mini-nyelvtan így néz ki (a zárójeles elemek opcionálisak): Mondat Határozói_fr Igei_fr Főnévi_fr (Főnévi_fr) Határozói_fr Határozószó Igei_fr Ige Főnévi_fr Névelő (Melléknévi_fr) Főnév (Főnévi_fr) Melléknévi_fr Melléknév Határozószó tegnap Ige láttam Névelő a Melléknév fiatal Főnév rendőrt, távcsővel A frázisstruktura nyelvtan újraíró szabályait ki kell egészíteni morfológiai megkötésekkel ahhoz, hogy ki tudjuk zárni a nyelvtanilag rossz mondatokat. A fenti nyelvtan például megengedi a (6) alatt szereplő hibás mondatokat is. (6a) *Tegnap láttalak a rendőrt a távcsővel (6b) *Tegnap látom a rendőrt a távcsővel. (6c) *Tegnap láttam a rendőrhöz a távcsőnek. Ugyanakkor lazítanunk kell a szórendi megkötéseken, hogy például a (7) alatti helyes mondatokat is elemezni tudjuk: (7a) Láttam tegnap a rendőrt a távcsővel. 8

9 (7b) A rendőrt tegnap láttam a távcsővel. (7c) A távcsővel a rendőrt tegnap láttam. A gépi mondatelemzés során az elemző algoritmus a nyelvtan által megengedett frázisszerkezeteket próbálja az input mondatra illeszteni. Mivel a nyelvtan szófaji kategóriákra és morfológiai jegyekre épül, a mondatelemző bemenete előzőleg felcímkézett szöveg kell hogy legyen. Amint azt a fenti példa is mutatja, egy mondat lehet szerkezetileg többértelmű. A többértelműség feloldásához a szövegkörnyezet figyelembe vételére van szükség, ami, mint azt már az előzőekben láttuk, statisztikai módszerekkel valósítható meg. Itt azonban lényegesen összetettebb problémáról van szó, mint a morfológiai egyértelműsítés esetében. Szemantikai elemzés A mondatok értelmezésének minimális célja a mondat információtartalmának kivonása előre meghatározott szempontok alapján. Például egy automatizált repülőjegy foglaló rendszer céljaihoz a felhasználó alábbi mondatából a következő információszerkezetet kell kivonnunk: (8) Mondjon nekem kedd reggeli járatokat Bostonból San Franciscoba. LISTÁZ: JÁRAT: EREDET: VÁROS: Boston DÁTUM: kedd IDŐ: reggel CÉL: VÁROS: San Francisco A feladat (több-kevesebb sikerrel) megoldható egy környezet-független szemantikai nyelvtan segítségével, ahol az újraíró szabályok bal oldalán egy szemantikai kategória áll, a jobb oldalon pedig egy kifejezés lista: LISTÁZ -> mondjon nekem szeretnék mutatna INDULÁSIDŐ -> ÓRA (előtt körül után) reggel délután este ÓRA -> egy két három huszonnégy JÁRAT -> (egy) járat járatok EREDET -> VÁROS-EREDET_HELYRAG CÉL -> VÁROS-CÉL_HELYRAG VÁROS -> Boston San Francisco Budapest Egy ehhez hasonló egyszerű rendszer felhasználhatósága persze igen korlátozott. Ennél általánosabb érvényű de hasonlóan elnagyolt értelmezés típus a mondat tematikai elemzése, vagyis a mondat által kifejezett esemény szereplőinek és körülményeinek 9

10 azonosítása. Az elemzés során a mondat frázisaihoz tematikus szerep címkéket rendelünk a morfoszintaktikai struktura többnyire a frázisok morfológiai jegyei vagy lineáris elhelyezkedése alapján. A morfoszintaktikai jegyek és a tematikus szerepek közötti megfeleltetéseket egy nyelvtan adja meg. Néhány lehetséges tematikus szerep: Ágens: az esemény kezdeményezője, a cselekvő többnyire alanyi morfológiájú főnévi frázis. (A kutya tegnap a házig kergette a macskát.) Patiens: az a szereplő, akire az esemény leginkább hatással van többnyire tárgyi morfológiájú főnévi frázis. (A kutya tegnap a házig kergette a macskát.) Cél: az esemény végpontja többnyire helyragos főnévi frázis, névutós frázis vagy helyhatározó. (A kutya tegnap a házig kergette a macskát.) Idő: az esemény ideje többnyire időt kifejező határozó, névutós frázis vagy ragozott főnévi frázis, ami közvetlenül a mondat szintje alatt helyezkedik el a frázisstrukturában. (A kutya tegnap a házig kergette a macskát.) Részletesebb szemantikai elemzéshez egy formális szemantikai nyelvre és a szavak közötti relációkat kifejező szemantikai hálókra van szükség, ezeket azonban itt nem tárgyaljuk. Gépi fordítás A nyelvtechnológia egyik legnagyobb kihívása az egyik természetes nyelvről egy másik természetes nyelvre való fordítás. A gépi fordítórendszerek elsődleges célja jelenleg a hozzávetőleges fordítás, ami az emberi fordító munkáját segíti, bár korlátozott témakörökben léteznek teljesen automatikus fordítórendszerek is (pl. a kanadai angolfrancia időjárásjelentés). A gépi fordítás esetében is találunk szabályalapú és statisztikai rendszereket, illetve a két módszert kombináló megoldásokat. Egy tipikus szabályalapú fordítórendszer három fázisra osztható: az eredeti szöveg morfoszintaktikai és szemantikai elemzése, a kapott elemzésstruktura nyelv-független általánosítása + a szavak jelentésének nyelv-független reprezentálása, és végül a megfelelő szöveg generálása a célnyelven. A statisztikai fordítórendszerek ezzel szemben szerkezeti elemzés nélkül próbálják elvégezni a fordítás feladatát. Ehhez első lépésben parallel korpuszokat használnak erőforrásként, vagyis mindkét nyelven megtalálható, emberi munkával lefordított szövegeket. A cél annak megállapítása, hogy a forrásnyelv egyes mondatainak melyik célnyelvi mondat a legvalószínűbb fordítása. Ehhez egyrészt a parallel korpuszok mondatait kell egymáshoz illeszteni, másrészt a két nyelv szavait és szókapcsolatait kell összepárosítani. Eredményként azt az információt kapjuk, hogy az egyik nyelv egyes szavait és szókapcsolatait milyen gyakorisággal fordítja a másik nyelv egy-egy szava vagy szókapcsolata. A mondat nyertes fordítása a mondat kifejezéseinek legvalószínűbb fordításaiból áll össze. A legvalószínűbb részfordítások sora azonban nem feltétlenül eredményez nyelvtanilag helyes mondatot a célnyelven. A nyelvtani helyesség javítására két módszer alkalmazható: ki lehet egészíteni a fordítórendszert egy szabályalapú nyelvtannal, vagy a statisztikai eszközöknél maradva N-gram modellek segítségével ki lehet választani a lehetséges részfordítások közül azokat, amelyek a legnagyobb 10

11 valószínűséggel kombinálhatók egy mondatban a célnyelvben. Kérdések, feladatok 1) Állítson össze egy bigram táblázatot a Google segítségével 5 különböző szó előfordulási valószínűségéről 5 másik szó után. 2) Gyűjtsön szófajilag többértelmű szótöveket, amiket a toldalékok alapján egyértelműsíteni lehet. 3) Egészítse ki a mini-frázisstruktura nyelvtant úgy, hogy kizárja a (6) alatti helytelen mondatokat és megengedje a (7) alatti helyes mondatokat. 4) Írjon be egy mondatot a Babelfish fordítóprogramba (http://babelfish.altavista.com), fordítassa le egy másik nyelvre, majd a fordítást fordítassa vissza az eredeti nyelvre. Mennyiben tér el az eredeti mondat a végeredményül kapott mondattól? Ajánlott Irodalom Prószéky Gábor, Olaszy Gábor, Váradi Tamás (2003), Nyelvtechnológia. In: Kiefer Ferenc, Siptár Péter (szerk.), A magyar nyelv kézikönyve. Budapest, Akadémiai Kiadó. Magyar Számítógépes Nyelvészeti Konferencia kiadványai, 2003, 2004, Szeged, SZTE. Kálmán László, Trón Viktor. (2005), Bevezetés a nyelvtudományba. Budapest, Tinta. Kálmán László, Trón Viktor, Varasdi Károly (2002), Lexikalista elméletek a nyelvészetben. Budapest, Tinta. BME Média Oktató és Kutató Központ: MTA Nyelvtudományi Intézet Korpusznyelvészeti Osztály: Daniel Jurafsky, James H. Martin (2001), Speech and Language Processing. New Jersey, Prentice Hall. 11

A szótárról. 1. Mi ez?

A szótárról. 1. Mi ez? A szótárról 1. Mi ez? A szótár, amit az olvasó a kezében tart, a leggyakoribb magyar igei szerkezeteket tartalmazza. Egynyelvű szótár explicit szótári értelmezések nélkül; a szerkezeteket, azok jelentését

Részletesebben

A nyelvtechnológia alapjai

A nyelvtechnológia alapjai Prószéky Gábor A nyelvtechnológia alapjai 2015/2016 tanév, 1. félév A tantárgy órái 2015-ben 1. óra: szeptember 9. 2. óra: szeptember 16. (elmarad: szeptember 23.) 3. óra: szeptember 30. 4. óra: október

Részletesebben

Beszédfelismerés, beszédmegértés

Beszédfelismerés, beszédmegértés Beszédfelismerés, beszédmegértés Werner Ágnes Beszéd, ember-gép kapcsolat A beszéd az emberek közötti legtermészetesebb információátviteli forma. Az ember és a gép kapcsolatában is ez lehetne talán a legcélravezetőbb,

Részletesebben

Varga András. Õsi magyar nyelvtan

Varga András. Õsi magyar nyelvtan Varga András Õsi magyar nyelvtan Õsi magyar nyelvtan Tartalomjegyzék Õsi magyar nyelvtan...1 Bevezetõ...1 Mi a probléma az indogermán nyelvelemzõ készlettel?...1 Alá és fölérendelt mondatok...1 Az egész

Részletesebben

Kerettantervi ajánlás a helyi tanterv készítéséhez az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.01.

Kerettantervi ajánlás a helyi tanterv készítéséhez az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.01. Kerettantervi ajánlás a helyi tanterv készítéséhez az EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.01.1 (A) változatához Magyar nyelv és irodalom az általános iskolák 5 8. évfolyama

Részletesebben

MAGYAR NYELV 5 8. Javasolt óraszámbeosztás

MAGYAR NYELV 5 8. Javasolt óraszámbeosztás MAGYAR NYELV 5 8. Javasolt óraszámbeosztás A tantárgy heti óraszáma A tantárgy éves óraszáma 5. évfolyam 2 72 6. évfolyam 2 72 7. évfolyam 2 72 8. évfolyam 2 72 5. évfolyam Tematikai egység címe Beszédkészség,

Részletesebben

Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.)

Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Bizonytalanságkezelés: Az eddig vizsgáltakhoz képest teljesen más világ. A korábbi problémák nagy része logikai,

Részletesebben

EGÉSZSÉGÜGYI DÖNTÉS ELŐKÉSZÍTŐ

EGÉSZSÉGÜGYI DÖNTÉS ELŐKÉSZÍTŐ EGÉSZSÉGÜGYI DÖNTÉS ELŐKÉSZÍTŐ MODELLEZÉS Brodszky Valentin, Jelics-Popa Nóra, Péntek Márta BCE Közszolgálati Tanszék A tananyag a TÁMOP-4.1.2/A/2-10/1-2010-0003 "Képzés- és tartalomfejlesztés a Budapesti

Részletesebben

NÉHÁNY MEGJEGYZÉS A MAGYAR FŐNÉVRAGOZÁS PARADIGMÁJÁNAK SZERKEZETÉRŐL

NÉHÁNY MEGJEGYZÉS A MAGYAR FŐNÉVRAGOZÁS PARADIGMÁJÁNAK SZERKEZETÉRŐL NÉHÁNY MEGJEGYZÉS A MAGYAR FŐNÉVRAGOZÁS PARADIGMÁJÁNAK SZERKEZETÉRŐL HERMAN JÓZSEF Amikor felköszönt valakit az ember, az ünnepeltet saját házában, otthonában illik felkeresnie: ezért kalandozom ebben

Részletesebben

Vári Péter-Rábainé Szabó Annamária-Szepesi Ildikó-Szabó Vilmos-Takács Szabolcs KOMPETENCIAMÉRÉS 2004

Vári Péter-Rábainé Szabó Annamária-Szepesi Ildikó-Szabó Vilmos-Takács Szabolcs KOMPETENCIAMÉRÉS 2004 Vári Péter-Rábainé Szabó Annamária-Szepesi Ildikó-Szabó Vilmos-Takács Szabolcs KOMPETENCIAMÉRÉS 2004 2005 Budapest Értékelési Központ SuliNova Kht. 2 Országos Kompetenciamérés 2004 Tartalom 1. Bevezetés...4

Részletesebben

http://mobil.nik.bmf.hu/tantargyak/ire.html Felhasználónév: ire jelszó: IRE07 Követelmények

http://mobil.nik.bmf.hu/tantargyak/ire.html Felhasználónév: ire jelszó: IRE07 Követelmények Intelligens Rendszerek Elmélete dr. Kutor László Az első óra anyaga: A biológiai és mesterséges intelligencia fogalom gyökerei, intelligencia elméletek. Az intelligencia mérése. A mesterséges intelligencia

Részletesebben

A 2008/2009. tanévi fővárosi 9. évfolyamos kompetenciaalapú angol és német nyelvi bemeneti mérések eredményeinek elemzése

A 2008/2009. tanévi fővárosi 9. évfolyamos kompetenciaalapú angol és német nyelvi bemeneti mérések eredményeinek elemzése Mérei Ferenc Fővárosi Pedagógiai és Pályaválasztási Tanácsadó Intézet A 2008/2009. tanévi fővárosi 9. évfolyamos kompetenciaalapú angol és német nyelvi bemeneti mérések eredményeinek elemzése 2009. március

Részletesebben

IDEGEN NYELVEK TANÍTÁSA A NEMZETKÖZI ÉRETTSÉGI (IB) PROGRAMBAN LANGUAGE B

IDEGEN NYELVEK TANÍTÁSA A NEMZETKÖZI ÉRETTSÉGI (IB) PROGRAMBAN LANGUAGE B IDEGEN NYELVEK TANÍTÁSA A NEMZETKÖZI ÉRETTSÉGI (IB) PROGRAMBAN LANGUAGE B (Ebből a tantárgycsoportból két tanár összegezte a véleményét, az egyikük angolt, a másikuk spanyolt tanít.) SPANYOL A szerzők

Részletesebben

NN: Német nemzetiségi tagozat Tantárgyak és óraszámok Tantárgy 9. évfolyam. 10. évfolyam. 11. évfolyam Kötelező tantárgyak Magyar nyelv és irodalom 2

NN: Német nemzetiségi tagozat Tantárgyak és óraszámok Tantárgy 9. évfolyam. 10. évfolyam. 11. évfolyam Kötelező tantárgyak Magyar nyelv és irodalom 2 NN: Német nemzetiségi tagozat Tantárgyak és óraszámok Tantárgy 9. 10. 11. Kötelező tantárgyak Magyar nyelv és irodalom 2 12. 13. Irodalom 2 2 4 É 3 É Magyar nyelv 2 2 1 É 1 É Történelem és társadalomismeret

Részletesebben

Károlyi Mihály Két Tanítási Nyelvű Közgazdasági Szakközépiskola Német Helyi Tanterv 2014

Károlyi Mihály Két Tanítási Nyelvű Közgazdasági Szakközépiskola Német Helyi Tanterv 2014 Károlyi Mihály Két Tanítási Nyelvű Közgazdasági Szakközépiskola Német Helyi Tanterv 2014 A Károlyi Mihály Két Tanítási Nyelvű Közgazdasági Szakközépiskola NÉMET HELYI TANTERVE Nyelvi előkészítő osztály

Részletesebben

УГОРСЬКА МОВА MAGYAR NYELV

УГОРСЬКА МОВА MAGYAR NYELV Міністерство освіти і науки України УГОРСЬКА МОВА 5 12 класи MAGYAR NYELV 5 12. osztály Програма для загальноосвітніх навчальних закладів з угорською мовою навчання Затверджено Міністерством освіти і науки

Részletesebben

A nyelvelsajátítás tipikus menete

A nyelvelsajátítás tipikus menete A nyelvelsajátítás tipikus menete Az emberek közötti alapvető kommunikációs csatorna a beszéd, azonban senki sem születik ennek kialakult változatával. Életünk folyamán fokozatosan alakul ki genetikai

Részletesebben

HELYI TANTERV NÉMET NYELV. I. idegen nyelv. 4. évfolyam 6. évfolyam 8. évfolyam 10. évfolyam 12. évfolyam. nem A1 A2 B1 mínusz B1 megadható

HELYI TANTERV NÉMET NYELV. I. idegen nyelv. 4. évfolyam 6. évfolyam 8. évfolyam 10. évfolyam 12. évfolyam. nem A1 A2 B1 mínusz B1 megadható HELYI TANTERV NÉMET NYELV I. idegen nyelv Első idegen nyelv 4. évfolyam 6. évfolyam 8. évfolyam 10. évfolyam 12. évfolyam KERszintben nem A1 A2 B1 mínusz B1 megadható TANTÁRGYI ÓRASZÁMOK 9. évf. 10. évf.

Részletesebben

A MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK

A MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK 1. Elemző módszerek A MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK Ebben a fejezetben röviden összefoglaljuk azokat a módszereket, amelyekkel a technikai, technológiai és üzemeltetési rendszerek megbízhatósági elemzései

Részletesebben

Nyelvtechnológia Balázs Andrea

Nyelvtechnológia Balázs Andrea A diák összeállításában közreműködö=: Babarczy Anna Ladányi Enikő Nyelvtechnológia Balázs Andrea Látás, nyelv, emlékezet Budapesti Műszaki és Gazdaságtudományi Mire jó a nyelvtechnológia? Helyesírás- ellenőrző

Részletesebben

MAGYAR NYELV ÉS IRODALOM 5-8. MAGYAR NYELV. 5. évfolyam

MAGYAR NYELV ÉS IRODALOM 5-8. MAGYAR NYELV. 5. évfolyam MAGYAR NYELV 5. évfolyam A tantárgy elsődleges célja a sikeres iskolai tanuláshoz, a tanulás eredményességéhez szükséges kulcskompetenciák, készség együttesek és tudástartalmak megalapozásának a folytatása.

Részletesebben

HELYI TANTERV AZ ÉLŐ IDEGEN NYELV tanításához Szakközépiskola 9-12. évfolyam

HELYI TANTERV AZ ÉLŐ IDEGEN NYELV tanításához Szakközépiskola 9-12. évfolyam HELYI TANTERV AZ ÉLŐ IDEGEN NYELV tanításához Szakközépiskola 9-12. évfolyam Készült a 2013.03.22 napon közzétett központi program alapján. Érvényesség kezdete: 2013.09.01. Utoljára indítható:.. Dunaújváros,

Részletesebben

Helyi tanterv Német nyelvű matematika érettségi előkészítő. 11. évfolyam

Helyi tanterv Német nyelvű matematika érettségi előkészítő. 11. évfolyam Helyi tanterv Német nyelvű matematika érettségi előkészítő 11. évfolyam Tematikai egység címe órakeret 1. Gondolkodási és megismerési módszerek 10 óra 2. Geometria 30 óra 3. Számtan, algebra 32 óra Az

Részletesebben

Hazánkban jelentõs múlttal rendelkeznek a klasszikus tesztelméleti módszerekkel

Hazánkban jelentõs múlttal rendelkeznek a klasszikus tesztelméleti módszerekkel Iskolakultúra 2008/1 2 Molnár Gyöngyvér SZTE, Pedagógia Tanszék, MTA-SZTE Képességkutató Csoport A Rasch-modell kiterjesztése nem dichotóm adatok elemzésére: a rangskálás és a parciális kredit modell A

Részletesebben

A BARCSAY JENŐ ÁLTALÁNOS ISKOLA PEDAGÓGIAI PROGRAMJA III. TANULÓK ÉRTÉKELÉSE

A BARCSAY JENŐ ÁLTALÁNOS ISKOLA PEDAGÓGIAI PROGRAMJA III. TANULÓK ÉRTÉKELÉSE A BARCSAY JENŐ ÁLTALÁNOS ISKOLA PEDAGÓGIAI PROGRAMJA III. TANULÓK ÉRTÉKELÉSE TARTALOM 1. A MAGASABB ÉVFOLYAMRA LÉPÉS FELTÉTELEI... 3 2. A BESZÁMOLTATÁS KÖVETELMÉNYEI ÉS FORMÁI.. 4 3. MAGATARTÁS ÉS SZORGALOM

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Bizonytalan tudás és kezelése Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Milyen matematikát

Részletesebben

Digitális terminológus

Digitális terminológus Digitális terminológus Prószéky Gábor MorphoLogic http://www.morphologic.hu A terminológia modellezése Terminus technicus: szakszövegben olyan szó vagy kifejezés, amelyeket konzisztensen kell fordítani

Részletesebben

Szakdolgozat. Pongor Gábor

Szakdolgozat. Pongor Gábor Szakdolgozat Pongor Gábor Debrecen 2009 Debreceni Egyetem Informatikai Kar Egy kétszemélyes játék számítógépes megvalósítása Témavezetı: Mecsei Zoltán Egyetemi tanársegéd Készítette: Pongor Gábor Programozó

Részletesebben

Klasszikus héber nyelv 4.: Szintaxis

Klasszikus héber nyelv 4.: Szintaxis Klasszikus héber nyelv 4.: Szintaxis BBN-HEB11-204 Koltai Kornélia, Biró Tamás 2014. szeptember 10. Informatikusviccek Az informatikus felesége elküldi a férjét a boltba: - Hozzál margarint, és ha van

Részletesebben

A két tannyelvű oktatás hatása a tanulók felszíni és kognitív nyelvi kompetenciájának fejlődésére

A két tannyelvű oktatás hatása a tanulók felszíni és kognitív nyelvi kompetenciájának fejlődésére A két tannyelvű oktatás hatása a tanulók felszíni és kognitív nyelvi kompetenciájának fejlődésére DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI Írta: Várkuti Anna Témavezető: dr. Göncz Lajos Pannon Egyetem Nyelvtudományi

Részletesebben

SZEMLE. Szemle 89. Cambridge University Press, Cambridge, 2012. 297 lap

SZEMLE. Szemle 89. Cambridge University Press, Cambridge, 2012. 297 lap Szemle 89 SZEMLE Kertész, András Rákosi, Csilla, Data and Evidence in Linguistics (A Plausible Argumentation Model) [Adatok és evidencia a nyelvészetben (Egy plauzibilis argumentációs modell)] Cambridge

Részletesebben

Bevezetés a nyelvtudományba. 7. Szemantika. Gerstner Károly Magyar Nyelvészeti Tanszék

Bevezetés a nyelvtudományba. 7. Szemantika. Gerstner Károly Magyar Nyelvészeti Tanszék Bevezetés a nyelvtudományba 7. Szemantika Gerstner Károly Magyar Nyelvészeti Tanszék Szemantika Jelentéstan minden nyelvi kategóriára kiterjed a nyelv mint jelrendszer megjeleníti a világot: a jeltárgyat

Részletesebben

Elliptikus listák jogszabályszövegekben

Elliptikus listák jogszabályszövegekben Szeged, 2015. január 15 16. 273 Elliptikus listák jogszabályszövegekben Hamp Gábor 1, Syi 1, Markovich Réka 2,3 1 BME Szociológia és Kommunikáció Tanszék 1111 Budapest, Egry József u. 1. hampg@eik.bme.hu,

Részletesebben

/Gyula Szent István út 38./ Szakiskolát végzettek szakközépiskolai érettségire történő felkészítésének helyi tanterve

/Gyula Szent István út 38./ Szakiskolát végzettek szakközépiskolai érettségire történő felkészítésének helyi tanterve Ikt.sz: 9/a. számú melléklet Békés Megyei Harruckern János Gimnázium, Szakképző Iskola, Alapfokú Művészetoktatási Iskola, Egységes Gyógypedagógiai Módszertani Intézmény és Kollégium /Gyula Szent István

Részletesebben

Logika nyelvészeknek, 11. óra A kvantifikáció kezelése a klasszikus és az általánosított kvantifikációelméletben

Logika nyelvészeknek, 11. óra A kvantifikáció kezelése a klasszikus és az általánosított kvantifikációelméletben Logika nyelvészeknek, 11. óra A kvantifikáció kezelése a klasszikus és az általánosított kvantifikációelméletben I. A kvantifikáció a klasszikus Frege-féle kvantifikációelméletben A kvantifikáció klasszikus

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/363 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 146/363 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák

Részletesebben

A verbális szövegek analitikus megközelítése szemiotikai szövegtani keretben I. rész

A verbális szövegek analitikus megközelítése szemiotikai szövegtani keretben I. rész Petőfi S. János Benkes Zsuzsa A verbális szövegek analitikus megközelítése szemiotikai szövegtani keretben I. rész Analitikus szövegmegközelítésről akkor beszélünk, amikor az elemzést nem készítik elő

Részletesebben

egyenletek Jó, hogy itt vagytok! titeket vártalak. Hadd találjam ki, hol vagyunk! Kínában. Jól gondolod. Az 1400. évben vagyunk, a Hova vezet minket?

egyenletek Jó, hogy itt vagytok! titeket vártalak. Hadd találjam ki, hol vagyunk! Kínában. Jól gondolod. Az 1400. évben vagyunk, a Hova vezet minket? egyenletek és egyenlôtlenségek Jó, hogy itt vagytok! titeket vártalak. Hadd találjam ki, hol vagyunk! Kínában. Egyenesen a császárhoz. ezt a tudást át kell ültetnetek a matematikába. Te nem hiszed ezt

Részletesebben

Ahhoz, hogy mondatok halmazát érthetô egésszé, szöveggé rakd

Ahhoz, hogy mondatok halmazát érthetô egésszé, szöveggé rakd III. SZÖVEGTAN 2. A SZÖVEG SZINTAKTIKAI KAPCSOLÓELEMEI Ahhoz, hogy mondatok halmazát érthetô egésszé, szöveggé rakd össze, szövegösszetartó elemekre van szükség. Amikor szöveget alkotsz, szinte önkéntelenül

Részletesebben

TERMÉK FEJLESZTÉS PANDUR BÉLA TERMÉK TERVEZÉSE

TERMÉK FEJLESZTÉS PANDUR BÉLA TERMÉK TERVEZÉSE TERMÉK TERVEZÉSE A termék fogalma: Tevékenységek, vagy folyamatok eredménye /folyamat szemlélet /. (Minden terméknek értelmezhető, amely gazdasági potenciált közvetít /közgazdász szemlélet /.) Az ISO 8402

Részletesebben

MAGYAR NYELV ÉS IRODALOM

MAGYAR NYELV ÉS IRODALOM MAGYAR NYELV ÉS IRODALOM Az alábbi kerettanterv a hat évfolyamos gimnáziumok számára készült. A tanterv két fő részre osztható: a 7 8. évfolyam tematikai egységeiben elsősorban a fejlesztési célok és követelmények

Részletesebben

A szavak hálójában: szabadszavas mélyhálókereső

A szavak hálójában: szabadszavas mélyhálókereső A szavak hálójában: szabadszavas mélyhálókereső program Tikk Domonkos, Kardkovács Zsolt, Magyar Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem, Távközlési és Médiainformatikai Tanszék 1117 Budapest,

Részletesebben

Munkanapló 2009.09.01-2010.04.09.

Munkanapló 2009.09.01-2010.04.09. Munkanapló Név: Bakó Éva, Horváth Ida 2009.09.01-2010.04.09. Időpont Óra/Személy Tevékenység 2009.09.20. 2/Bakó Éva A feladat megismerése 2009.09.20. 2/Horváth Ida A feladat megismerése 2009.11.03. 2/Bakó

Részletesebben

Bírói kérdésfeltevések a magyar tanú- és szakértői bizonyításokban

Bírói kérdésfeltevések a magyar tanú- és szakértői bizonyításokban Bírói kérdésfeltevések a magyar tanú- és szakértői bizonyításokban Varga Marianna SZTE Nyelvtudományi Doktori Iskola Összefoglaló Tanulmányomban a bírák által feltett kérdések típusait vizsgálom a tanúk

Részletesebben

MAGYAR TUDOMÁNYOS AKADÉMIA SZÁMÍTÁSTECHNIKAI ÉS AUTOMATIZÁLÁSI KUTATÓ INTÉZETE

MAGYAR TUDOMÁNYOS AKADÉMIA SZÁMÍTÁSTECHNIKAI ÉS AUTOMATIZÁLÁSI KUTATÓ INTÉZETE MAGYAR TUDOMÁNYOS AKADÉMIA SZÁMÍTÁSTECHNIKAI ÉS AUTOMATIZÁLÁSI KUTATÓ INTÉZETE A magyar' nyelv elemzése számítógéppel (Tervek egy természetes nyelvű interfészhez) Bach Iván Farkas Ernő Naszódi Mátyás Tanulmányok

Részletesebben

MAGYAR NYELV ÉS IRODALOM

MAGYAR NYELV ÉS IRODALOM MAGYAR NYELV ÉS IRODALOM Négy évfolyamos gimnáziumi képzés 9-12. osztály Az alábbi kerettanterv a négy évfolyamos gimnáziumok és szakközépiskolák számára készült. A magyar nyelv és irodalom tantárgy tanítás

Részletesebben

EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.03. Matematika az általános iskolák 5 8.

EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.03. Matematika az általános iskolák 5 8. EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 2. sz. melléklet 2.2.03 Matematika az általános iskolák 5 8. évfolyama számára Alapelvek, célok Az iskolai matematikatanítás célja, hogy hiteles képet

Részletesebben

A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben. Szaszák György

A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben. Szaszák György Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai Tanszék A szupraszegmentális jellemzők szerepe és felhasználása a gépi beszédfelismerésben Szaszák György Tézisfüzet Tudományos

Részletesebben

Matematika. Padányi Katolikus Gyakorlóiskola 1

Matematika. Padányi Katolikus Gyakorlóiskola 1 Matematika Alapelvek, célok: Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról mint tudásrendszerről és mint sajátos emberi megismerési, gondolkodási, szellemi tevékenységről.

Részletesebben

1 SZÛCS TIBOR A MAGYAR VERS KETTÕS NYELVI TÜKÖRBEN: NÉMET ÉS OLASZ FORDÍTÁSOKBAN 2 3 SEGÉDKÖNYVEK A NYELVÉSZET TANULMÁNYOZÁSÁHOZ 64. SZÛCS TIBOR A MAGYAR VERS KETTÕS NYELVI TÜKÖRBEN: NÉMET ÉS OLASZ FORDÍTÁSOKBAN

Részletesebben

Dr. Darák Péter előadása:

Dr. Darák Péter előadása: Dr. Darák Péter előadása: A belső bírói fórumok, az oktatás és az informális csatornák szerepe az ítélkezési gyakorlat egységesítésében 1. Létezik-e bírói jog? A bírói jogalkotás létezésének kérdése hosszú

Részletesebben

FŐNÉVI VONZATOK A MAGYAR NYELVBEN

FŐNÉVI VONZATOK A MAGYAR NYELVBEN FŐNÉVI VONZATOK A MAGYAR NYELVBEN A doktori értekezés tézisei írta Kiss Margit Budapest 2005 I. Az értekezés témája, célja A vonzatosság kérdése régóta foglalkoztatja a nyelvtudományt. Már az 1800-as évek

Részletesebben

Reiczigel Jenő, 2006 1

Reiczigel Jenő, 2006 1 Reiczigel Jenő, 2006 1 Egytényezős (egyszempontos) varianciaelemzés k független minta (k kezelés vagy k csoport), a célváltozó minden csoportban normális eloszlású, a szórások azonosak, az átlagok vagy

Részletesebben

Matematika helyi tanterv 5 8. évfolyam számára Alapelvek, célok

Matematika helyi tanterv 5 8. évfolyam számára Alapelvek, célok Matematika helyi tanterv 5 8. évfolyam számára Alapelvek, célok Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról mint tudásrendszerről és mint sajátos emberi megismerési,

Részletesebben

A Szekszárdi I. Béla Gimnázium Helyi Tanterve

A Szekszárdi I. Béla Gimnázium Helyi Tanterve A Szekszárdi I. Béla Gimnázium Helyi Tanterve Négy évfolyamos gimnázium Informatika Készítette: a gimnázium reál munkaközössége 2015. Tartalomjegyzék Alapvetés...3 Egyéb kötelező direktívák:...6 Informatika

Részletesebben

MONDATTAN SZEMINÁRIUM A mellérendelő szintagma

MONDATTAN SZEMINÁRIUM A mellérendelő szintagma MONDATTAN SZEMINÁRIUM A mellérendelő szintagma Ajánlott irodalom: K. Balogh Judit 1989. A mellérendelő szószerkezetek és határeseteik. In: Rácz Endre (szerk.) Fejezetek a magyar leíró nyelvtan köréből.

Részletesebben

Gondolkodás, problémamegoldás

Gondolkodás, problémamegoldás A megismerési folyamatok rendszere Gondolkodás, problémamegoldás Gondolkodás - elsajátított megoldásmódok, következtetések, problémamegoldás Képzelet - információ módosítása, átalakítása, alkotása Tanulás

Részletesebben

Matematika. 5-8. évfolyam. tantárgy 2013.

Matematika. 5-8. évfolyam. tantárgy 2013. Matematika tantárgy 5-8. évfolyam 2013. Matematika az általános iskolák 5 8. évfolyama számára Alapelvek, célok Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról, mint tudásrendszerről

Részletesebben

Fordítóprogramok felépítése, az egyes programok feladata. A következő jelölésmódot használjuk: program(bemenet)(kimenet)

Fordítóprogramok felépítése, az egyes programok feladata. A következő jelölésmódot használjuk: program(bemenet)(kimenet) Fordítóprogramok. (Fordítóprogramok felépítése, az egyes komponensek feladata. A lexikáliselemző működése, implementációja. Szintaktikus elemző algoritmusok csoportosítása, összehasonlítása; létrehozásuk

Részletesebben

Reuven Tsur Esti Kérdés Előadóművészet

Reuven Tsur Esti Kérdés Előadóművészet 1 Reuven Tsur Esti Kérdés Előadóművészet (folyamatban lévő tanulmány) Wellek és Warren szerint, a költői ritmusnak három dimenziója van: a verstani minta, a nyelvi minta és az előadás. A versmérték a gyenge

Részletesebben

ÖSSZEHASONLÍTÓ ELEMZÉS MAGYAR NYELV ÉS IRODALOM VIZSGATÁRGYBÓL

ÖSSZEHASONLÍTÓ ELEMZÉS MAGYAR NYELV ÉS IRODALOM VIZSGATÁRGYBÓL Közép- és emelt szintű értékelési skálák összehasonlítása tárgyú kutatás-fejlesztési projekt ÖSSZEHASONLÍTÓ ELEMZÉS MAGYAR NYELV ÉS IRODALOM VIZSGATÁRGYBÓL TÁMOP-3.1.8-09/1-2010-0004 azonosító számú, Átfogó

Részletesebben

Angol C2 1 1 052 nyelvi programkövetelmény

Angol C2 1 1 052 nyelvi programkövetelmény Angol C2 1 1 052 nyelvi programkövetelmény A javaslattevő alapadatai Javaslatot benyújtó neve Kaposvári Egyetem A nyelvi képzésre vonatkozó adatok Nyelv megnevezése Nyelvi képzés szintje Nyelvi képzés

Részletesebben

I. RÉSZLETES ÉRETTSÉGIVIZSGA-KÖVETELMÉNY

I. RÉSZLETES ÉRETTSÉGIVIZSGA-KÖVETELMÉNY SPANYOL NYELV Az idegen nyelvi érettségi vizsga célja a kommunikatív nyelvtudás mérése, azaz annak megállapítása, hogy a vizsgázó képes-e valós kommunikációs céljait megvalósítani. A vizsga mindkét szinten

Részletesebben

A tanítás-tanulás két sikertényezője

A tanítás-tanulás két sikertényezője A tanítás-tanulás két sikertényezője BÁCSI János SZTE Juhász Gyula Gyakorló Általános Iskolája, Alapfokú Művészetoktatási Intézménye, Napközi Otthonos Óvodája, Szeged bacsi@jgypk.u-szeged.hu Ha feltesszük

Részletesebben

EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 1. sz. melléklet 1.2.3. Matematika az általános iskolák 1 4. évfolyama számára

EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 1. sz. melléklet 1.2.3. Matematika az általános iskolák 1 4. évfolyama számára EMMI kerettanterv 51/2012. (XII. 21.) EMMI rendelet 1. sz. melléklet 1.2.3 Matematika az általános iskolák 1 4. évfolyama számára Célok és feladatok Az iskolai matematikatanítás célja, hogy hiteles képet

Részletesebben

HELYI TANTERV MATEMATIKA (emelt szintű csoportoknak) Alapelvek, célok

HELYI TANTERV MATEMATIKA (emelt szintű csoportoknak) Alapelvek, célok HELYI TANTERV MATEMATIKA (emelt szintű csoportoknak) Alapelvek, célok Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról mint tudásrendszerről és mint sajátos emberi megismerési,

Részletesebben

Kosztolányi József Kovács István Pintér Klára Urbán János Vincze István. tankönyv. Mozaik Kiadó Szeged, 2013

Kosztolányi József Kovács István Pintér Klára Urbán János Vincze István. tankönyv. Mozaik Kiadó Szeged, 2013 Kosztolányi József Kovács István Pintér Klára Urbán János Vincze István tankönyv 0 Mozaik Kiadó Szeged, 03 TARTALOMJEGYZÉK Gondolkodási módszerek. Mi következik ebbõl?... 0. A skatulyaelv... 3. Sorba rendezési

Részletesebben

Adatbázisok I 2012.05.11. Adatmodellek komponensei. Adatbázis modellek típusai. Adatbázisrendszer-specifikus tervezés

Adatbázisok I 2012.05.11. Adatmodellek komponensei. Adatbázis modellek típusai. Adatbázisrendszer-specifikus tervezés Adatbázisok I Szemantikai adatmodellek Szendrői Etelka PTE-PMMK Rendszer és Szoftvertechnológiai Tanszék szendroi@pmmk.pte.hu Adatmodellek komponensei Adatmodell: matematikai formalizmus, mely a valóság

Részletesebben

OROSZ NYELV. C2 Mesterszint C1 Haladó szint B2 Középszint Emelt szint B1 Küszöbszint A2 Alapszint Középszint A1 Minimumszint

OROSZ NYELV. C2 Mesterszint C1 Haladó szint B2 Középszint Emelt szint B1 Küszöbszint A2 Alapszint Középszint A1 Minimumszint OROSZ NYELV Az idegen nyelvi érettségi vizsga célja a kommunikatív nyelvtudás mérése, azaz annak megállapítása, hogy a vizsgázó képes-e kommunikációs céljait megvalósítani. A vizsga mindkét szinten írásbeli

Részletesebben

Ismeretlen kifejezések és a szófaji egyértelm sítés

Ismeretlen kifejezések és a szófaji egyértelm sítés Szeged, 2010. december 2 3. 275 Ismeretlen kifejezések és a szófaji egyértelm sítés Zsibrita János 1, Vincze Veronika 1, Farkas Richárd 2 1 Szegedi Tudományegyetem, Informatikai Tanszékcsoport Szeged,

Részletesebben

MATEMATIKA 5 8. ALAPELVEK, CÉLOK

MATEMATIKA 5 8. ALAPELVEK, CÉLOK MATEMATIKA 5 8. ALAPELVEK, CÉLOK Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról mint tudásrendszerről és mint sajátos emberi megismerési, gondolkodási, szellemi tevékenységről.

Részletesebben

szövegértésük, az átlagosnál gyengébb a kommunikációs képességük, kevés támogatást, biztatást kapnak a szülői háttértől. Mindezek tükrében az

szövegértésük, az átlagosnál gyengébb a kommunikációs képességük, kevés támogatást, biztatást kapnak a szülői háttértől. Mindezek tükrében az IDEGEN NYELV A szakiskolai program keretében a 9 11. évfolyamban minden tanuló számára kötelező egy idegen nyelv tanulása. A hatékonyság szempontjából célszerű azt a nyelvet választani, amellyel való ismerkedést

Részletesebben

Magyar C2 1 2 065 nyelvi programkövetelmény

Magyar C2 1 2 065 nyelvi programkövetelmény Magyar C2 1 2 065 nyelvi programkövetelmény A javaslattevő alapadatai Javaslatot benyújtó neve LSI Informatikai Oktatóközpont a Mikroelektronika Alkalmazásának Kultúrájáért Alapítvány A nyelvi képzésre

Részletesebben

Szakiskolát végzettek érettségire történő felkészítése. 14. számú melléklet. (Nappali képzés) Hatályos: 2014. év április hó 01.

Szakiskolát végzettek érettségire történő felkészítése. 14. számú melléklet. (Nappali képzés) Hatályos: 2014. év április hó 01. Ikt.sz: 14. számú melléklet Békés Megyei Harruckern János Gimnázium, Szakképző Iskola, Alapfokú Művészetoktatási Iskola, Egységes Gyógypedagógiai Módszertani Intézmény és Kollégium /Gyula Szent István

Részletesebben

Asszociációs vizsgálatok alkalmazási lehetőségei márkák kutatásában Kovács László Bevezetés Az asszociációs vizsgálatok viszonylag hosszú múltra

Asszociációs vizsgálatok alkalmazási lehetőségei márkák kutatásában Kovács László Bevezetés Az asszociációs vizsgálatok viszonylag hosszú múltra Asszociációs vizsgálatok alkalmazási lehetőségei márkák kutatásában Kovács László Bevezetés Az asszociációs vizsgálatok viszonylag hosszú múltra tekintenek vissza. Francois Galton (1883) kezdeti introspektív

Részletesebben

Miért érdekes kétnyelvűeket vizsgálni?

Miért érdekes kétnyelvűeket vizsgálni? Miért érdekes kétnyelvűeket vizsgálni? Miért érdekes a kétnyelvűek vizsgálata? A világ nagy része ma már kétnyelvű A kétnyelvűség egy valós modellt nyújt arról, hogyan fejlődnek ki és lépnek interakcióba

Részletesebben

Jelentésváltozás nélküli interkulturális üzenetváltások a neten

Jelentésváltozás nélküli interkulturális üzenetváltások a neten Jelentésváltozás nélküli interkulturális üzenetváltások a neten Multikulturalitás a XXI. században II. Nemzetközi Tudományos Konferencia Gödöllő 2016. május 6. Előadó: Dr. Kerényi Gábor informatikai tanácsadó

Részletesebben

5. évfolyam. Gondolkodási módszerek. Számelmélet, algebra 65. Függvények, analízis 12. Geometria 47. Statisztika, valószínűség 5

5. évfolyam. Gondolkodási módszerek. Számelmélet, algebra 65. Függvények, analízis 12. Geometria 47. Statisztika, valószínűség 5 MATEMATIKA Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról mint tudásrendszerről és mint sajátos emberi megismerési, gondolkodási, szellemi tevékenységről. A matematika

Részletesebben

8. Szóalaktan a szavak felépítése

8. Szóalaktan a szavak felépítése 8.1. Hogyan épülnek föl a szavak? 8. Szóalaktan a szavak felépítése A nyelvkincs egyúttal gondolatkincs. Akinek több szava van, több ismerete van. (Babits Mihály) Beszélgessetek el Babits Mihály szép gondolatáról!

Részletesebben

Magyar nyelvő mondatok elemzése természetes nyelvő interface céljából

Magyar nyelvő mondatok elemzése természetes nyelvő interface céljából 1 Magyar nyelvő mondatok elemzése természetes nyelvő interface céljából Tanulmány (Harmadik utánnyomás) Farkas Ernı Naszódi Mátyás 1990. május, MTA SzTAKI Ez a tanulmány az OMFB támogatásával, a Távlati

Részletesebben

Magyar C2 1 1 096 nyelvi programkövetelmény

Magyar C2 1 1 096 nyelvi programkövetelmény Magyar C2 1 1 096 nyelvi programkövetelmény A javaslattevő alapadatai Javaslatot benyújtó neve Nyelviskolák Szakmai Egyesülete A nyelvi képzésre vonatkozó adatok Nyelv megnevezése Nyelvi képzés szintje

Részletesebben

MATEMATIKA 1-12. ÉVFOLYAM

MATEMATIKA 1-12. ÉVFOLYAM MATEMATIKA 1-12. ÉVFOLYAM SZERZŐK: Veppert Károlyné, Ádám Imréné, Heibl Sándorné, Rimainé Sz. Julianna, Kelemen Ildikó, Antalfiné Kutyifa Zsuzsanna, Grószné Havasi Rózsa 1 1-2. ÉVFOLYAM Gondolkodási, megismerési

Részletesebben

A hierarchikus adatbázis struktúra jellemzői

A hierarchikus adatbázis struktúra jellemzői A hierarchikus adatbázis struktúra jellemzői Az első adatbázis-kezelő rendszerek a hierarchikus modellen alapultak. Ennek az volt a magyarázata, hogy az élet sok területén első közelítésben elég jól lehet

Részletesebben

Árvainé Libor Ildikó Murátiné Szél Edit. Tanítói kézikönyv. tanmenetjavaslattal. Sokszínû matematika. 4

Árvainé Libor Ildikó Murátiné Szél Edit. Tanítói kézikönyv. tanmenetjavaslattal. Sokszínû matematika. 4 Árvainé Libor Ildikó Murátiné Szél Edit Tanítói kézikönyv tanmenetjavaslattal Sokszínû matematika. 4 Mozaik Kiadó - Szeged, 2007 Készítette: ÁRVAINÉ LIBOR ILDIKÓ szakvezetõ tanító MURÁTINÉ SZÉL EDIT szakvezetõ

Részletesebben

7. Verifikáci. ció. Ennek része a hagyományos értelemben vett szoftvertesztelés is. A szoftver verifikálásának,

7. Verifikáci. ció. Ennek része a hagyományos értelemben vett szoftvertesztelés is. A szoftver verifikálásának, 7. Verifikáci ció, validáci ció A verifikáció és a validáció (V&V) azon ellenőrző és elemző folyamatok összessége, amelyek célja annak vizsgálata, hogy a szoftver megfelel a specifikációnak. Ennek része

Részletesebben

A BESZÉDPRODUKCIÓ ÉS BESZÉDPERCEPCIÓ ÖSSZEFÜGGÉSEI: AZ ELHANGZÓ HÍREK FELDOLGOZÁSA

A BESZÉDPRODUKCIÓ ÉS BESZÉDPERCEPCIÓ ÖSSZEFÜGGÉSEI: AZ ELHANGZÓ HÍREK FELDOLGOZÁSA Doktori értekezés tézisei A BESZÉDPRODUKCIÓ ÉS BESZÉDPERCEPCIÓ ÖSSZEFÜGGÉSEI: AZ ELHANGZÓ HÍREK FELDOLGOZÁSA Írta: Rákli Veronika Budapest 2009 1. BEVEZETÉS A pszicholingvisztika és a fonetika határterületét

Részletesebben

15. BESZÉD ÉS GONDOLKODÁS

15. BESZÉD ÉS GONDOLKODÁS 15. BESZÉD ÉS GONDOLKODÁS 1. A filozófiának, a nyelvészetnek és a pszichológiának évszázadok óta visszatérô kérdése, hogy milyen a kapcsolat gondolkodás vagy általában a megismerési folyamatok és nyelv,

Részletesebben

Más viszonylatban (például Badacsonyból Füredre, vagy Tapolcáról közvetlenül Fonyódra, stb.) a szállítás értelmetlen, ezért nem lehetséges.

Más viszonylatban (például Badacsonyból Füredre, vagy Tapolcáról közvetlenül Fonyódra, stb.) a szállítás értelmetlen, ezért nem lehetséges. OPERÁCIÓKUTATÁS, 2005. december 28. A NÉV: 2-0 NEPTUN KÓD:. Követ kell szállítani Tapolcáról, illetve Veszprémből Kaposvárra és Pécsre. A szállításnál mind szárazföldön, mind vizen közbülső szállítási

Részletesebben

HELYI TANTERV MATEMATIKA GIMNÁZIUMI OSZTÁLYOK

HELYI TANTERV MATEMATIKA GIMNÁZIUMI OSZTÁLYOK HELYI TANTERV MATEMATIKA GIMNÁZIUMI OSZTÁLYOK 1 MATEMATIKA (4+4+4+4) Az iskolai matematikatanítás célja, hogy hiteles képet nyújtson a matematikáról, mint tudásrendszerről és mint sajátos emberi megismerési,

Részletesebben

Szakmai zárójelentés

Szakmai zárójelentés Szakmai zárójelentés A csoporttechnológia (Group Technology = GT) elvi és módszertani alapjaihoz, valamint a kapcsolódó módszerek informatikai alkalmazásaihoz kötődő kutatómunkával a Miskolci Egyetem Alkalmazott

Részletesebben

Az anyanyelv hatásának tükrözõdése a spanyol névszórendszerben a magyar tanulóknál

Az anyanyelv hatásának tükrözõdése a spanyol névszórendszerben a magyar tanulóknál Szemle Az anyanyelv hatásának tükrözõdése a spanyol névszórendszerben a magyar tanulóknál A spanyol nyelv tanítása-tanulása során felmerülő, a magyar tanuló számára nehézségeket okozó, nehezen körülírható

Részletesebben

Pszichológia témájú tájékoztató vélemény. Általános tájékoztató

Pszichológia témájú tájékoztató vélemény. Általános tájékoztató Pszichológia témájú tájékoztató vélemény Megbízó cég: A tájékoztatót kapják: Megbízó Kft. Megbízó Személy Pályázó neve: Életkor: Végzettség: Megpályázott munkakör: Vizsgált Személy 34 év felsőfok Területi

Részletesebben

A TÁRCA SZINTŰ KONTROLLING, MINT A VEZETŐI DÖNTÉS-ELŐKÉSZÍTÉS ÚJ ELEME. I. A tárca szintű kontrolling általános jellemzői

A TÁRCA SZINTŰ KONTROLLING, MINT A VEZETŐI DÖNTÉS-ELŐKÉSZÍTÉS ÚJ ELEME. I. A tárca szintű kontrolling általános jellemzői A TÁRCA SZINTŰ KONTROLLING, MINT A VEZETŐI DÖNTÉS-ELŐKÉSZÍTÉS ÚJ ELEME Briák Ottó 1 Mottó: A mocsár lecsapolásáról, nem a békák véleményét kell kikérni. I. A tárca szintű kontrolling általános jellemzői

Részletesebben

MATEMATIKA TAGOZAT 5-8. BEVEZETŐ. 5. évfolyam

MATEMATIKA TAGOZAT 5-8. BEVEZETŐ. 5. évfolyam BEVEZETŐ Ez a helyi tanterv a kerettanterv Emelet matematika A változata alapján készült. Az emelt oktatás során olyan tanulóknak kívánunk magasabb szintű ismerteket nyújtani, akik matematikából átlag

Részletesebben

ÍRÁSBELI KIVONÁS. 31. modul. Készítette: KONRÁD ÁGNES

ÍRÁSBELI KIVONÁS. 31. modul. Készítette: KONRÁD ÁGNES Matematika A 3. évfolyam ÍRÁSBELI KIVONÁS 31. modul Készítette: KONRÁD ÁGNES matematika A 3. ÉVFOLYAM 31. modul ÍRÁSBELI KIVONÁS MODULLEÍRÁS A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási

Részletesebben

Módszertani útmutató Csereklye Erzsébet Dr. Illésné dr. Kovács Mária dr. Kecskés Judit Kollár Krisztián Nagy Judit

Módszertani útmutató Csereklye Erzsébet Dr. Illésné dr. Kovács Mária dr. Kecskés Judit Kollár Krisztián Nagy Judit EGYÜTTHALADÓ MIGRÁNS GYERMEKEK AZ ISKOLÁB AN Oktatási segédanyag az általános iskolák 5 6. évfolyamai számára ÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP KÉP ÉP KÉP KÉP KÉP KÉP KÉP KÉP

Részletesebben

A hallástól a tanulásig. avagy a beszédészlelés és a beszédmegértés zavaráról. Bagó Renáta, Kerekes Tünde, Sali Korinna

A hallástól a tanulásig. avagy a beszédészlelés és a beszédmegértés zavaráról. Bagó Renáta, Kerekes Tünde, Sali Korinna A hallástól a tanulásig avagy a beszédészlelés és a beszédmegértés zavaráról Bagó Renáta, Kerekes Tünde, Sali Korinna Fogalom meghatározása A másoktól elhangzó közlések feldolgozása Szinonimák: beszédpercepció,

Részletesebben

Hátrányos helyzet = nyelvi hátrány?

Hátrányos helyzet = nyelvi hátrány? 68 Hátrányos helyzet = nyelvi hátrány? Hajdúné Csakajda Ildikó Hátrányos helyzet = nyelvi hátrány? Nyelvi fejlesztés az Arany János Kollégiumi Program 9. előkészítő évfolyamán a hódmezővásárhelyi Németh

Részletesebben

A korai kéttannyelvű oktatás hatása a kisiskolások anyanyelvi szövegértési és helyesírási kompetenciájára

A korai kéttannyelvű oktatás hatása a kisiskolások anyanyelvi szövegértési és helyesírási kompetenciájára Gyermeknevelés 4. évf. 1. szám 55 64. (2016) A korai kéttannyelvű oktatás hatása a kisiskolások anyanyelvi szövegértési és helyesírási kompetenciájára Szaszkó Rita Jezsik Kata Szent István Egyetem Alkalmazott

Részletesebben

HELYI TANTERV ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA

HELYI TANTERV ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA 1/4. számú melléklet HELYI TANTERV ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ENYHE ÉRTELMI FOGYATÉKOS TANULÓK SZÁMÁRA ELŐKÉSZÍTŐ SZAKISKOLA 9-10. ÉVFOLYAM 2 TANTÁRGYI

Részletesebben