Search the digital library catalog

Abstract: Zanesljiva identifikacija kompleksnih vsebinskih struktur v primerih, kjer posamezni primerki podatkovnega nabora niso homogeni, pač pa združujejo informacije več virov, predstavlja enega izmed ključnih metodoloških izzivov sodobne podatkovne analitike. Relativno enostavna je namreč naloga, kjer je določen primerek homogen in ga z uporabo večrazredne klasifikacije znamo relativno preprosto razvrstiti v enega izmed ponujenih razredov. Kompleksnost pa se drastično poveča, ko se v istem primerku skriva več virov. V tem primeru osnovne metode analize ne zadostujejo več in potrebujemo naprednejše pristope, ki so sposobni razbrati soobstoj več razredov oziroma oznak, kar je tudi domena večznačne klasifikacije. V predloženi doktorski disertaciji obravnavamo omenjeni problem na področju metagenomike, ki med drugim omogoča raziskovanje mikrobiote, raznolike skupnosti bakterij in drugih mikroorganizmov v določenem okolju. Z naprednimi tehnikami sekvenciranja iz njih pridobimo zaporedja DNK celotne mikrobne združbe, ki jih lahko opišemo kot izjemno dolga besedila, zapisana z abecedo štirih nukleotidov: A, T, G in C. Naš cilj je v teh besedilih poiskati t. i. označevalne gene, ki so izključno ali močno povezani z gostiteljem. V ta namen smo na podlagi optimizacijskih pristopov in domenskih pravil predlagali metodo ekstrakcije značilnic, temelječo na osnovi k-merov, tj. krajših delov DNK. Pristop na osnovi k-merov se je izkazal za zelo učinkovitega, zato smo ga uporabili tudi pri sintetičnem generiranju vzorcev mikrobnih oziroma mikrobiotskih podatkov. Metoda temelji na pripravi profilov k-merov in na nanje osnovanih grafih prehodov. Ker smo v doktorski disertaciji analizirali lokacijsko specifične vzorce, smo morali njihov manjši nabor čistih vzorcev ustrezno razširiti. Še več, sintetično smo razširili tudi nabor mešanih vzorcev, kar predstavlja še večji izziv v realnih okoljih. Obe predlagani metodi sta se združili v konceptualno najzahtevnejšem delu doktorske naloge, predlagani metodi hierarhične večznačne klasifikacije na osnovi ekstrakcije značilnic, imenovani MLB. Z njo smo na osnovi vhodnih podatkov, tj. čistih ali sintetično ustvarjenih vzorcev, napovedovali deleže gostiteljev v mešanih mikrobnih vzorcih. Rezultate metode MLB smo primerjali s tistimi, pridobljenimi z orodjem SourceTracker, vodilnim orodjem za natančno identifikacijo in kvantifikacijo gostiteljev mikrobov v mešanih vzorcih. Metodi smo ovrednotili z uveljavljenimi metrikami na področju večznačne klasifikacije, ki razkrivajo, da metoda MLB učinkovito rešuje problem določitve gostiteljev in njihovih deležev ter poda primerljive, večinoma pa boljše rezultate kot orodje SourceTracker.
Keywords: strojno učenje, večznačna klasifikacija, ekstrakcija značilnic, obdelava naravnega jezika, mikrobiotski podatki
Published in DKUM: 20.10.2025; Views: 0; Downloads: 42
Full text (22,60 MB)

Abstract: Magistrsko delo obravnava področje analize sentimenta z uporabo strojnega učenja in obdelave naravnega jezika. Namen dela je razviti model, ki bi bil sposoben analizirati sentiment besedil, pridobljenih s spletnih platform, zlasti z družbenega omrežja X (prej Twitter). V delu smo uporabili različne metode strojnega učenja in obdelave naravnega jezika. Najprej smo podatke pridobili iz odprtih virov, jih očistili in normalizirali z metodami, kot sta lemmatizacija in tokenizacija. Pri obdelavi podatkov smo uporabili več tehnik, vključno z Bag of Words, s pozitivno/z negativno frekvenco in s TF-IDF, za kar smo uporabili Python knjižnice, kot sta NLTK in scikit-learn. Model smo učili z metodo logistične regresije, naivnega bayesa in z metodo podpornih vektorjev ter testirali njihovo natančnost s pomočjo ločenih testnih podatkov. Rezultati kažejo, da je logistična regresija v kombinaciji z značilkami TF-IDF dosegla najvišjo natančnost pri predvidevanju sentimenta, in sicer 88,65 %, kar pomeni, da je model sposoben zanesljivo prepoznati sentiment besedil kot pozitiven ali negativen. Kljub uspehu modela obstaja potencial za nadaljnje izboljšave. Uporaba večjih in bolj raznovrstnih podatkovnih zbirk ter naprednejših tehnik globokega učenja, kot so nevronske mreže (LSTM ali BERT), bi lahko še povečala natančnost in zmogljivost modela. Zaključki magistrskega dela potrjujejo, da je analiza sentimenta z uporabo strojnega učenja izvedljiva in uporabna v različnih okoljih. V prihodnje priporočamo implementacijo API-ja za omrežje X, kar bi omogočilo sprotno pridobivanje podatkov in avtomatizirano analizo sentimenta v realnem času. Prav tako bi lahko nadgradnja modela z globokim učenjem pripomogla k obvladovanju kompleksnejših jezikovnih struktur in kontekstov, kot sta sarkazem in večpomenskost.
Keywords: analiza sentimenta, strojno učenje, obdelava naravnega jezika
Published in DKUM: 09.04.2025; Views: 0; Downloads: 24
Full text (4,85 MB)

Abstract: Diplomsko delo raziskuje in primerja stališča vzgojiteljev in učiteljev do poučevanja tujega jezika v otroštvu, in sicer ob prehodu iz vrtca v osnovno šolo. Teoretični del diplomskega dela proučuje učenje tujih jezikov v zgodnjem otroštvu tako v Evropi kot tudi v Sloveniji. Opisane so kompetence vzgojiteljev oziroma učiteljev in predstavljene podobne raziskave, ki so že bile izvedene na tem področju. Ugotovitve kažejo, da imajo tako vzgojitelji kot učitelji pozitiven odnos do učenja tujih jezikov v (zgodnjem) otroštvu. Zaposleni v obeh ustanovah se strinjajo, da naj bi se otroci učili tuji jezik tako v predšolskem obdobju kot v prvem razredu, kot najprimernejši čas za začetek učenja tujega jezika pa so izpostavili vrtec. Prav tako anketiranci menijo, da znanje tujega jezika, pridobljeno v predšolskem obdobju, pomaga pri kasnejšem učenju, in se strinjajo, da je tuji jezik otrokom zanimiv. Večina anketirancev se strinja, da bi morali imeti vzgojitelji dodatno izobrazbo ali certifikat za poučevanje tujega jezika v vrtcu. Anketiranci tudi vidijo potrebo po dodatnem izobraževanju, če bi poučevanje tujega jezika postalo obvezno v vrtcu oziroma v prvem razredu osnovne šole. Ti rezultati raziskave poudarjajo potrebo po izboljšanju izobraževalnih programov in dodatnem usposabljanju vzgojiteljev in učiteljev za učinkovito poučevanje tujega jezika v (zgodnjem) otroštvu.
Keywords: stališča vzgojiteljev in učiteljev, zgodnje učenje tujega jezika, kompetence vzgojiteljev in učiteljev za zgodnje poučevanje tujega jezika, pomembnost znanja tujega jezika, prednosti zgodnjega učenja
Published in DKUM: 03.10.2024; Views: 0; Downloads: 81
Full text (1,49 MB)

Abstract: V magistrski nalogi smo raziskovali možnosti medpredmetnega povezovanja angleščine kot tujega jezika v 1. vzgojno-izobraževalnem obdobju osnovne šole (nadalje 1. VIO OŠ) z učnimi predmeti šport, spoznavanje okolja, matematika, glasbena in likovna umetnost. V teoretičnem delu magistrske naloge smo se osredotočili na opredelitev medpredmetnega povezovanja, spoznavanje ravni in stopenj medpredmetnega povezovanja, nekaj besed smo namenili načrtovanju in izvajanju pouka z vključevanjem medpredmetnosti, raziskovali pa smo tudi možnosti medpredmetnega povezovanja angleščine kot tujega jezika z ostalimi učnimi predmeti v 1. VIO OŠ. Pojasnili smo pristop CLIL ter pomen usvajanja tujejezikovnih struktur v razredu in slovarskega načina poučevanja tujega jezika. Teoretični del magistrske naloge smo strnili s poglavjem o pomenu medpredmetnega povezovanja pri poučevanju angleščine kot tujega jezika na razredni stopnji OŠ. V empiričnem delu magistrske naloge smo ustvarili slovarje, ki vsebujejo jezikovne strukture v slovenskem in angleškem jeziku. Pripravljeni slovarji so namenjeni učiteljem, ki poučujejo angleščino kot tuji jezik v 1. VIO OŠ ter želijo uporabo tujega jezika povezati z vsebinami, temami in cilji drugih predmetnih področij, in sicer z učnimi predmeti: šport, spoznavanje okolja, matematika, glasbena in likovna umetnost. Pri izboru jezikovnih struktur so nam bili v pomoč učni načrti izbranih učnih predmetov. Oblikovali smo tudi lastne kriterije, s pomočjo katerih smo zbrali jezikovne strukture, ki jih učitelji najpogosteje uporabljajo pri različnih predmetnih področjih in jih lahko učitelji tujega jezika vključijo v svoj pouk. Slovarji so lahko v pomoč tudi učencem priseljencem, saj jim omogočajo lažje razumevanje in usvajanje osnovnih jezikovnih struktur v slovenščini kot jeziku okolja.
Keywords: medpredmetnost, jezik v razredu, poučevanje angleščine kot tujega jezika, 1. vzgojno-izobraževalno obdobje, CLIL, teoretični del, opredelitev medpredmetnega povezovanja, interdisciplinarno poučevanje, načelo celovitosti, stopnje medpredmetnega povezovanja, načrtovanje medpredmetnega povezovanja, ravni medpredmetnega povezovanja, vertikalno in horizontalno medpredmetno povezovanje, pri pouku angleščine kot tujega jezika, medpredmetno povezovanje na vsebinski ravni, medpredmetno povezovanje na konceptualni ravni, načrtovanje in izvajanje medpredmetnega povezovanja, možnosti medpredmetnega povezovanja, povezovanje učnih predmetov, medpredmetno povezovanje spodbuja, strategij medpredmetnega povezovanja, program osnovna šola, razvijanju ključnih kompetenc, vsebinsko in jezikovno integrirano učenje, pomoč učiteljem, učni predmeti, šport, spoznavanje okolja, matematika, glasbena umetnost, likovna umetnost, tematski slovarji
Published in DKUM: 29.08.2024; Views: 93; Downloads: 69
Full text (2,94 MB)

Abstract: V prispevku obravnavamo strategije učenja besedišča, ki jih uporabljajo učeči se slovenščine kot drugega in tujega jezika. Cilji prispevka so: 1) definirati strategije za usvajanje besedišča, 2) ugotoviti, katere strategije učeči se najpogosteje uporabljajo, in 3) odgovoriti na raziskovalno vprašanje, ali obstajajo razlike v uporabi strategij učenja besedišča glede na stopnjo znanja slovenščine. Izhodiščna hipoteza je, da anketiranci razmeroma pogosto uporabljajo strategije učenja besedišča, katerih pogostost uporabe se stopnjuje v smeri strategije formalnega učenja besedišča → strategije samospodbudnega učenja besedišča → strategije spontanega učenja besedišča, in sicer skladno z napredovanjem v znanju jezika v smeri A1 → A2–B1 → B2 → C1–C2.
Keywords: slovenščina, slovenščina kot drugi jezik, slovenščina kot tuji jezik, učenje jezika, poučevanje jezika, besedišče, študija primera
Published in DKUM: 14.03.2024; Views: 283; Downloads: 43
Link to full text