Ana içeriğe atla

Eğitim Fakültesi · Arapça Öğretmenliği (%30 Arapça) · Lisans

AKTS: 2 T+U+L: 2+0+0 Zorunlu
Koordinatör: Doç. Dr. Malek ABDULKADER
Öğretim Üyeleri: Doç. Dr. Malek ABDULKADER

Dersin Amacı

Dil edinimi kuramlarını kavratmak, karşılaştırımalarını ve örneklendirmelerini, dil gelişimi ve dil edinimi sürecinin aşamaları ile dil edinimi ve öğrenimi -süreçlerini tanımlayabilmelerini, dilin, özellikle birinci ve ikinci dilin temel özellikleri hakkında bilgi sahibi olabilmelerini, insanda öğrenmenin nasıl gerçekleştiğini tartışabilmelerini sağlamaktır. Ayrıca ders iletişim bozukluklarına odaklanır; nedenleri ve çözümleri.

Ders İçeriği

Anadil ediniminde gelisim asamaları, ikinci dildeki biçim-sözdizimsel gelisim evreleri, ikinci dil edinimi süreçleri, ikinci dil ediniminde ögrenen özellikleri ve nihai kazanımdaki bireysel farklılıklar (örn.: kisilik etkisi, dil yetenegi, zeka, edinim yası, motivasyon ve tutum, ögrenen tercihleri ve inançları), ikinci dil ve yabancı dil ögrenim baglamlarının farklılıgı , çoklu zeka kuramı.

Zorunlu Kaynaklar

Mukaddima fi el-lugawiyyat el-mu'asira, Shihde Fari' and others, Wael publishings, Amman, 2006

Ta'lim el_luga Arabiyya li_gayri nnatigin biha ennazariyyetu ve- ttatbiik, Ali Ahmet Medkur ve İman Ahmed Hureydi, Kahire

El- Merjéı Menaheg Ta'leem el-luga el-Arabiyye Linnatıgin bi Lugaat Ukhra, Ali Medkur, Rüşdi Ahmed Tuayme, İman Ahmed Hureydi, Kahire, 2010

Önerilen Kaynaklar

  • [1] Bahdanau, D., Cho, K., Bengio, Y., "Neural machine translation by jointly learning to align and translate", International Conference on Learning Representations (ICLR), Conference, USA, 1- 15, (2015).
  • [2] Luong, M.T., Pham, H., Manning, C.D., "Effective approaches to attention-based neural machine translation", Empirical Methods in Natural Language Processing (EMNLP), Conference, Portugal, 1412-1421, (2015).
  • [3] Yadav, V., Bethard, S., "A survey on recent advances in named entity recognition from deep learning models", Proceedings of the 27th International Computational Linguistics, Conference, USA, 2145–2158, (2019).
  • [4] Singh, S., Mahmood, A., "The NLP Cookbook: Modern Recipes for Transformer Based Deep Learning Architectures", IEEE Access, 4: 68675-68702, (2021).
  • [5] Kang, Y., Cai, Z., Tan, C. W., Huang, Q., Liu H., "Natural language processing (NLP) in management research: A literature review", Journal of Management Analytics, 7(2): 139-172 (2020).
  • [6] Nemeshaev, S., Barykin, L., Dadteev, K., "Selection of experts for scientific and technical expertise based on semantic search", Procedia Computer Science, 190: 643-646, (2021).
  • [7] Ott, M., Edunov, S., Grangier, D., Auli, M., "Scaling neural machine translation", Proceedings of the Machine Translation, Conference, USA, 1: 1-9, (2018).
  • [8] Wang, H., Wu, H., He, Z., Huang, L., Church, K.W., "Progress in Machine Translation", Engineering, 3: 1-19, (2021).
  • [9] Alomari, A., Idris, N., Sabri, A. Q. Alsmadi, I., "Deep Reinforcement and Transfer Learning for Abstractive Text Summarization: A Review", Computer Speech & Language, 71: 1-43, (2021).
  • [10] Merchant, K., Pande, Y., "Nlp based latent semantic analysis for legal text summarization", International Conference on Advances in Computing, Communications and Informatics (ICACCI), India, 1803-1807, (2018).
  • [11] Zhang, Y., Tuo, M., Yin, Q., Qi, L., Wang, X., Liu, T., "Keywords extraction with deep neural network model", Neurocomputing, 383: 113-121, (2020).
  • [12] Firoozeh, N., Nazarenko, A., Alizon, F., Daille, B., "Keyword extraction: Issues and methods", Natural Language Engineering, 26(3): 259-291, (2020).
  • [13] Yi, J., Nasukawa, T., Bunescu, R., Niblack, W., "Sentiment analyzer: “Extracting sentiments about a given topic using natural language processing techniques", IEEE Data Mining, Conference, USA, 1-8, (2003).
  • [14] Ritter, A., Clark, S., Etzioni, O., "Named entity recognition in tweets: an experimental study", Proceedings of Empirical Methods in Natural Language Processing, Conference, UK, 1524-1534, (2011).
  • [15] Sharma, S., Srinivas, PY., Balabantaray, R., "Emotion detection using online machine learning method and TLBO on mixed script", In Language Resources and Evaluation Workshop (LREC), 47-51, Slovenia, (2016).
  • [16] Seal, D., Roy, UK., Basak, R., "Sentence-level emotion detection from text based on semantic rules", In Information and Communication Technology for Sustainable Development, 933: 423-430, Springer, Singapore, (2019).
  • [17] Chrupała, G., "Text segmentation with character-level text embeddings", Workshop on Deep Learning for Audio, Speech and Language Processing (ICML), 1-5, USA, (2013).
  • [18] Nguyen, H., Calantone, R., Krishnan, R., "Influence of social media emotional word of mouth on institutional investors decisions and firm value", Management Science, 66(2): 503-529, (2019).
  • [19] Dyer, T., Lang, M., Stice-Lawrence, L., "The evolution of 10-K textual disclosure: Evidence from Latent Dirichlet Allocation", Journal of Accounting and Economics, 64(2-3): 221-245, (2017).
  • [20] Calomiris, C. W., Mamaysky, H., "How news and its context drive risk and returns around the world", Journal of Financial Economics, 133(2): 299-336, (2019).
  • [21] Froot, K., Kang, N., Ozik, G., Sadka, R., "What do measures of real-time corporate sales say about earnings surprises and post-announcement returns", Journal of Financial Economics, 125(1): 143-162, (2017).
  • [22] Wu, L., Lou, B., Hitt, L., "Data analytics supports decentralized innovation", Management Science, 65(10): 4451-4469, (2018).
  • [23] Ghose, A., Ipeirotis, P.G., Li, B., "Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content", Marketing Science, 31(3): 369-371, (2012).
  • [24] Ramaswamy, S., DeClerck, N., "Customer perception analysis using deep learning and NLP", Procedia Computer Science, 140: 170-178, (2018).
  • [25] Barlow, M. A., Verhaal, J. C., Angus, R. W., "Optimal distinctiveness, strategic categorization, and product market entry on the Google Play app platform", Strategic Management Journal, 40(8): 1219-1242, (2019).
  • [26] Zhou, Y., Zheng, X., Hsieh, C. J., Chang, K. W., Huang, X., "Defense against adversarial attacks in nlp via dirichlet neighborhood ensemble" Association for Computational Linguistics (ACL), Conference, China, 2(3): 1-12, (2020).
  • [27] Dalton, A., Aghaei, E., Al-Shaer, E., Bhatia, A., Castillo, E., Cheng, Z., Dhaduvai, S., Duan, Q., Hebenstreit, B., Islam, M. M., Karimi, Y., "Proceedings of the Workshop on Social Threats in Online Conversations: Understanding and Management, (STOC)", 1-8, France, (2020).
  • [28] Ray, A., Bala, P. K., Kumar, R., "An NLP-SEM approach to examine the gratifications affecting user’s choice of different e-learning providers from user tweets", Journal of Decision Systems, 30(4): 439-445, (2020).
  • [29] Pan. P., Chen, Y., "Automatic subject classification of public messages in e-government affairs", Data and Information Management, 5(3): 336-347, (2021).
  • [30] Tvardik, N., Kergourlay, I., Bittar, A., Segond, F., Darmoni, S., Metzger, M. H., "Accuracy of using natural language processing methods for identifying healthcare-associated infections", International Journal of Medical Informatics, 117: 96-102, (2018).
  • [31] Jain, K., Prajapati, V., "NLP/Deep Learning Techniques in Healthcare for Decision Making", Primary Health Care: Open Access, 11(3): 373-380, (2021).
  • [32] Carchiolo, V., Longheu, A., Reitano, G., Zagarella, L., "Medical prescription classification: a NLP-based approach", Federated Conference on Computer Science and Information Systems (FedCSIS), Germany, 605-609, (2019).
  • [33] Yu J, Luo G, Xiao T, Zhong Q, Wang Y, Feng W, Luo J, Wang C, Hou L, Li J, Liu Z. “MOOCCube: a large-scale data repository for NLP applications in MOOCs”, Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 3135-3142, (2020).
  • [34] Alblawi, AS., Alhamed, A. A., "Big data and learning analytics in higher education: Demystifying variety, acquisition, storage, NLP and analytics", IEEE Conference on Big Data and Analytics (ICBDA), Malaysia, 124-129, (2017).
  • [35] Lalwani, T., Bhalotia, S., Pal, A., Rathod, V., Bisen, S., "Implementation of a Chatbot System using AI and NLP", International Journal of Innovative Research in Computer Science & Technology (IJIRCST), 6(3): 26-30, (2018).
  • [36] Häse, F., Roch, L. M., Aspuru-Guzik, A., "Next-generation experimentation with self-driving laboratories", Trends in Chemistry, 1(3): 282-291, (2019).
  • [37] Chandio, J. A., Talpur, M. S. H., Abro, A. A., Bux, H., Khokhar, N. U. A. A., Shah, A. A., Saima, M., “Study Of Customers Perception About Shopping Trend Involving E-Commerce: A Comparative Study”, Turkish Online Journal of Qualitative Inquiry, 12(8): 5415-5424, (2021).
  • [38] Abro, A. A., Khan, A. A., Talpur, M. S. H., Kayijuka, I., “Machine Learning Classifiers: A Brief Primer”, University of Sindh Journal of Information and Communication Technology, 5(2): 63-68, (2021)
  • [39] Abro, A. A., Taşci, E., Aybars, U. G., "A Stacking-based Ensemble Learning Method for Outlier Detection", Balkan Journal of Electrical and Computer Engineering, 8(2): 181-185, (2020).
  • [40] Abro, A. A., Yimer, M. A., Bhatti, Z., "Identifying the Machine Learning Techniques for Classification of Target Datasets", Sukkur IBA Journal of Computing and Mathematical Sciences, 4(1): 45-52, (2020).
  • [41] Abro, A. A., "Vote-Based: Ensemble Approach", Sakarya University Journal of Science, 25(3): 858-866, (2021).
  • [42] Abro, A. A., Siddique, W. A., Talpur, M. S. H., Jumani, A. K., Yaşar, E., “A combined approach of base and meta learners for hybrid system”, Turkish Journal of Engineering, 7(1): 25-32, (2023).
  • İKİNCİ DİL EDİNİMİ (ARAŞTIRMASI) VE YÖNLENDİRİLEN İKİNCİ DİL EDİNİMİ ALANLARINA GENEL BİR BAKIŞ, Dilek PEÇENEK.

Kurallar

Öğrencinin başarılı sayılması için final notunun en az 50 ve üzeri bir puan olması gerekmektedir. Öğrencinin derse katılımının en az % 70 olması gerekmektedir.

Dersin Öğrenme Çıktıları

  1. Dilin doğasını ve ayırt edici özelliklerini bilmek
  2. Dil ediniminin aşamalarını bilmek
  3. Dil ediniminin temel teorilerini öğrenmek
  4. Konuşma bozuklukları ve çözümlerini bilmek

Temel Alan Dağılımı

(14) Öğretmen Yetiştirme ve Eğitim Bilimleri%100

Öğretim Yöntem ve Teknikleri

AnlatımSoru-CevapTartışmaGrup ÇalışmasıBireysel Çalışma

Ölçme ve Değerlendirme

Performans Görevi (Uygulama / Laboratuvar / Atölye / Arazi Çalışması / Seminer / Sunum / Bitirme Çalışması / Tez)Sınav (Yazılı Sınav / Test: Doğru-Yanlış Testi, Çoktan Seçmeli Testi, Kısa Cevaplı Test, Eşleştirmeli Test)

AKTS / İş Yükü

EtkinlikSayıSüre (saat)Toplam İş Yükü
Ders Süresi (Sınav Haftası Dahil)16232
Sınıf Dışı Ders Çalışma Süresi16116
Ara Sınav111
Kısa Sınav000
Ödev000
Uygulama000
Final111

Ders Akışı

HaftaKonuÖn Hazırlık
1Dil doğasıyok
2Dil Aslı ve özellikleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
3Dil Edinimi TeorileriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
4Anadil edinimi aşamlaarı ITalk to students about what they learned previously and link it to the new lecture
5Anadil edinimi aşamlaarı IIÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
6Anadil edinim aşamlaarı IIIÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
7Genel TekrarGenel Tekrar
8Ara sınavAra sınav
9iletişim bozukluklarıÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
10dil iletişiminin bileşenleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
11Ses bozuklukları: nedenleri ve çözümleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
12artikülasyon bozuklukları: nedenleri ve çözümleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
13Çocukların dil bozuklukları: nedenleri ve çözümleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
14Afazi türleri: nedenleri ve çözümleriÖğrencilerin önceki konu hakkında sahip olduğu bilgileri öğrenme ve yeni konuyla bağlantısını kurma
15FinalFinal
16FinalFinal