Технологии анализа философских текстов в эпоху постиндустриального общества. Вероятно методика работы с текстом, приведенная в первом параграфе, является устоявшейся практикой, с которой студентам необходимо начинать свою работу с текстами. Применяя в своем опыте приведенные выше правила, необходимо отметить ряд существенных моментов.
Основной задачей, возникающей при работе с философскими текстами у студентов, является задача поиска нужных мест в документах, как уже отмечалось выше - философский текст является на сегодняшний день одним из самых сложных, так как содержит в себе большое разнообразие жанров. Традиционные практики поиска цитат в документе, зачастую не обеспечивают адекватного выбора информации. Основная проблема заключается в сложности точной формулировки запроса - подбора ключевых слов, которые предстоит искать в телах документов.
Это может быть связано с рядом причин, как то недостаточным знанием студентом терминологии предметной области, наличием в языке многозначных и синонимичных слов. Другая фундаментальная причина заключается в том, что иногда студент, особенно первого или второго курса, не знает точно, какую именно информацию ему хотелось бы найти, имея лишь общее представление о границах своих интересов, или требовании преподавателя.
Так, например, пытаясь расширить свою познания в области компьютерной лингвистики, в бумажной библиотеке вы при библиографическом поиске получите список из сотен документов, содержащих слова компьютер и лингвистика. А ведь хотелось бы расклассифицировать найденный материал по тематическим группам, отражающим, к примеру, основные событиям и разработки в этой области! И хотя наиболее интересен тот материал, о присутствии которого вы вообще не догадываетесь, большинство библиотекарей предлагает вам найти информацию под фонарем, а не там, где она зарыта! Чтобы помочь в решении указанных проблем, я рассмотрю ряд технологий, предназначенных для автоматического анализа содержания текстовых документов и выявления основных смысловых единиц, работа с которыми призвана облегчить процессы визуализации и поиска информации. Выявление смысловых структур, в сжатом виде описывающих основное содержание текстового материала, основано на модели механизмов обработки информации правым полушарием человеческого мозга.
Многие годы разработчики искусственного интеллекта пытались научить компьютер логическому мышлению, основанному на манипулировании формализованным знаниями и правилами их преобразования.
Такой тип мышления характерен для обработки информации левым полушарием мозга. Простейший пример левополушарной модели знаний представляют иерархические рубрикаторы, используемые в информационнопоисковых системах для классификации информации. Однако, ввиду неспособности ЭВМ к языковому мышлению, их возможности ограничены рамками изначально заложенной системы знаний.
Проблема заключена в невозможности самообучения рубрикатора без участия человека. В тоже время в мозге скрыты иные, более древние механизмы, позволяющие решать подавляющее число задач повседневной жизни без участия размышления. Эти механизмы, заключенные в правом полушарии, следует назвать ассоциативной статистической обработкой. Вся живая природа обучалась именно так - развивая ассоциации между связанными событиями и закрепляя рефлексы путем повторений.
Чтобы несколько прояснить эти механизмы, позволю себе аналогию с собой, допустим мне нужно срочно нужно сдавать экзамен по философии. В этой известной ситуации есть два пути. Первый - начать с основ и, скрупулезно штудируя учебники, погрузиться в определения, изучить основные соотношения и т.д. Таков дедуктивный путь, задействующий весь арсенал ресурсов левополушарного мозга, который все проходили в школе, начиная, к примеру, изучение иностранного языка с грамматики.
Но есть и другой подход, более быстрый. Он близок так называемому обучению с погружением, которое применяется в интенсивных курсах обучения языку. Его и рассмотрим теперь подробнее. Итак, я сажусь за книгу и погружаюсь в мир новой информации, проглатывая страницы одну за одной, безо всякого понимания. Однако, спустя какоето время вдруг начинают узнаваться слова, еще не понятные, но уже знакомые. Они то и представляют ключевые понятия, на которых строится весь предмет.
Правое полушарие провело статистический анализ, выделив повторяющиеся фрагменты информации, которые и образуют фундамент будущих знаний. И я продолжаю читать, уже по второму кругу Теперь понятия начинают обрастать неким смыслом при встрече знакомых слов улавливается их контекст, возникают ассоциации. Так формируется и включается в работу ассоциативная семантическая сеть - комплекс связей между понятиями, увязывающий их в модель нового мира, где каждый элемент обретает собственный смысл через связи с другими.
Появление связей это опять статистика, бессознательный частотный анализ правого мозга, который скрупулезно запоминал и оценивал, в каких комбинациях встречались понятия в тексте друг с другом. А пока я сплю, бессознательное продолжает трудиться. Во сне происходит анализ накопленной информации модель предмета перестраивается и совершенствуется. При этом локальные фрагменты ассоциативной сети, слабо связанные с другими, забываются и отбрасываются как случайные.
Другие еще сильнее увязываются между собой, выявляются новые связи, главное и второстепенное К утру модель предмета вчерне сформирована. И с новыми силами за предмет Система ассоциаций включилась в работу и теперь содержание текста ясно. По мере чтения весь материал как бы нанизывается на знакомые понятия, классифицируется. Вот оно - конкретное знание по конкретным темам в конкретных строчках! И окончательно, пробежав знакомый учебник перед экзаменом, память студента выхватывает какието тезисы, касающиеся главных понятий пусть небольшой реферат останется в голове Проведенное мной художественное отступление в полной мере иллюстрирует принципы, заложенные в основу моего подхода к анализу содержания философских текстов. 0.