У популярной языковой платформы «Дуолинго» есть как десктопная, так и мобильная версии. После регистрации можно выбрать желаемый язык (или сразу несколько) и немедленно приступить к занятиям: минималистичный интерфейс предлагает продвигаться по программе как по детским «классикам», а периодически появляющийся на экране дружелюбный маскот — зелёная совушка — подбадривает пользователя и отмечает особо важные достижения: например, сколько очков вы заработали за занятие.

Сова радуется, что автор статьи завершил первый этап изучения норвежского языка

Шаг за шагом

У людей, регистрирующихся на «Дуолинго» и ему подобных ресурсах, может не быть чёткой цели, но большинство из них всё-таки представляет, на каком уровне изучения языка сейчас находится. Для оценки этого уровня повсеместно используется шкала CEFR — вы наверняка сталкивались с ней ещё в те времена, когда учились в школе. Согласно этой шкале, любого пользователя «Дуолинго» можно отнести к одной из трёх групп — новичкам (A1-A2), людям, владеющих языком на среднем уровне (B1-B2), или продвинутым пользователям (C1-C2). Каждому из них нужно предлагать подходящие материалы, которые окажутся достаточно понятны, но будут содержать новые ключевые слова и грамматические конструкции.

Для подготовки курса, который содержал бы все необходимые тексты и упражнения, разработчики «Дуолинго» подготовили специальный инструмент — CEFR-чекер. Если напечатать в окошке слева любую фразу, чекер выделит разными цветами слова, которые обычно осваивают находящиеся на том или ином уровне люди (cat, dog или me, понятное дело, будут актуальны для начинающих, а вот accuracy или impeccable — для опытных студентов). Работать пока можно только с английским и испанским, но в будущем список поддерживаемых языков планируется расширить — это поможет и самим обучающимся, и тестировщикам.

Оценка материала, загружаемого в чекер или обрабатываемого на предмет актуальности для той или иной группы студентов, происходит несколькими способами.

Во-первых, для этого используется модель, основанная на методе ординальной регрессии — он помогает определить «целевую аудиторию» каждого слова в зависимости от того, какое место оно занимает в лексиконе своего языка (на сегодня модель обучена на англо-, испано- и франкоязычном корпусах). Во-вторых, в работе с другими языками применяются так называемый «перенос обучения» (transfer learning) и адаптация алгоритмов в зависимости от предметной области (domain adaptation). Благодаря им слова из разных языков размещаются в условном трёхмерном пространстве, внутри которого легче сгруппировать «кластеры прямых переводов».

Организация эквивалентной лексики

Контролировать то, из какого кластера будут браться слова для упражнений на том или ином уровне, довольно легко — по шкале CEFR оценивается преимущественно способность вступать в те или иные виды коммуникации (а значит, использовать те или иные лексические единицы); по этому же принципу строятся и промежуточные внутренние тесты. Разработчики заготавливают большой пул вопросов, проверяющих соответствие знаний студента нужным стандартам (говорите, у вас C1? Всё ещё помните, как переводится impeccable?), но каждому пользователю выдаётся только малая их часть — штук 10-15. Благодаря этому оценивается и успешность преподнесения информации, и точность её организации.

Правда, может возникнуть вопрос: почему же в таком случае не обойтись прямым переводом с одного языка на другой? Ответ прост: в основе даже самых простых фраз лежат устойчивые грамматические сочетания, которые в разных языках могут довольно сильно расходиться. Эквивалентом русскому «Я голоден», например, будут английское I am hungry (Я есть голоден) и испанское tengo hambre (Я имею голод), — даже это, согласитесь, уже не совсем одно и то же.

Давайте по-другому

Как знает любой владеющий иностранным языком, некоторые слова или предложения могут переводиться сразу несколькими способами; например, из-за того, что временная система русского языка довольно скудна, для передачи «играет» на всё тот же английский придётся выбирать как минимум между двумя вариантами — plays и is playing. «Дуолинго», разумеется, это учитывает: согласно блогу платформы, в среднем для каждого из упражнений на перевод предусмотрено более двухсот (а в отдельных случаях — несколько тысяч) вариантов ответа.

Большую часть из альтернативных версий предлагают сами обучающиеся: для этого можно нажать кнопку Report. Поступившие после этого в обработку фразы оцениваются с помощью метода логистической регрессии: каждой их характеристике приписывается тот или иной цифровой показатель, сигнализирующий о том, насколько присланная версия близка к уже одобренным, правильным. Если между ними заметны существенные различия, система вычисляет, насколько они критичны (и старается определить, что можно сделать, чтобы заставить человека запомнить правильный перевод).

Объём предложенного материала можно представить как на этой карте; особенно важно в процессе учёта проверять, какие языковые пары наиболее популярны или проблемны

В целом, поскольку «Дуолинго» учит преимущественно словам, подобные модели в пределах этой платформы функционируют также в основном на лексическом уровне. Впрочем, это не значит, что механизмы ресурса несовершенны: его основатели заявляют, что обучение системы с помощью фраз, предложенных англоязычными участниками курса французского, позже может помочь тренировать модели и для работы с теми, кто изучает, например, клингонский. Это вполне логично: чем больше мы знаем о том, как учатся носители конкретного языка (или даже его варианта), тем более точные даже при всей своей минималистичности методики сможем им предложить.

Источник: блог о работе Duolingo можно полистать вот здесь.