Inleiding tot de taaltechnologie
De modernisering van het secundair onderwijs en daarmee samenhangend het ontstaan van nieuwe studierichtingen en leerdoelen roept vragen op bij heel wat leerkrachten. Met name door de specifieke doelen rond taaltechnologie groeit de vraag naar informatie, bijscholingen en lesmateriaal. Deze micro-credential wordt ingericht om structureel ondersteuning te bieden aan leerkrachten en de nodige theoretische bagage en achtergrond mee te geven. Onze experten van de onderzoeksgroep LT3 laten leerkrachten onder andere kennis maken met taaltechnologische toepassingen, natuurlijke taalverwerking én leren leerkrachten reflecteren over de ethische gevolgen van het gebruik van taalgebaseerde AI.
Praktische info:
Leertraject
georganiseerd door:
Na het succesvol beëindigen van deze micro-credential:
- Heb je inzicht in de manier waarop recente taaltechnologische toepassingen werken. Je weet bijvoorbeeld hoe een taalmodel gemaakt wordt, waarom ChatGPT niet altijd hetzelfde antwoord geeft op dezelfde vraag, of waarom het kan hallucineren en feitelijk onjuiste informatie geven.
- Heb je kennis gemaakt met de basisprincipes van natuurlijke taalverwerking.
- Heb je leren werken met corpora en tools om corpora te bevragen.
- Heb je inzicht in de onderzoeksmethodes voor digitale tekstanalyse.
- Heb je kennis gemaakt met taaltechnologische toepassingen in verschillende maatschappelijke domeinen (bv. Gezondheidszorg).
- Heb je gereflecteerd over de ethische implicaties van het gebruik van taalgebaseerde artificiële intelligentie (bv bias, discriminatie of fake news).
- Zijn je onderzoeksvaardigheden aangescherpt: wetenschappelijke literatuur: denk- en redeneervaardigheid.
- Heb je gereflecteerd over de wetenschappelijke en maatschappelijke rol van Digital Humanities en onderzoek binnen de socioculturele context waarin het gevoerd wordt.
Programma
Deze micro-credential bestaat uit twaalf lessen die plaatsvinden in het eerste semester
- eerste zes lessen: op dinsdag, 13u00 - 15u45
- laatste zes lessen: 14u30 - 15u45: te bevestigen
- in lokaal A008 op campus Mercator
- lesopnames beschikbaar
- evaluatie: op aanvraag kan er één alternatief examenmoment buiten de werkuren worden georganiseerd
- communicatie over taken en examens gebeurt in de les en via de elektronische leeromgeving Ufora
Lesgevers / sprekers
Els Lefever is hoofddocent bij de vakgroep Vertalen, Tolken en Communicatie, en is verbonden aan de onderzoeksgroep LT3 (Language and Translation Technology Team) en het Ghent Center for Digital Humanties. Els startte haar carrière als computationeel taalkundige in de R&D afdeling van Lernout & Hauspie Speech products, en behaalde haar doctoraat in de computerwetenschappen aan de UGent in 2012. Haar onderzoek richt zich op machine learning van natuurlijke talen en meertalige NLP, met een speciale focus op computationele semantiek, sentimentanalyse, automatische terminologie-extractie en digital humanities. Ze begeleidt doctoraatsonderzoek naar het modelleren van talen met weinig data, argumentatie in politieke social media berichten, NLP methodes voor Byzantijns Grieks en spijkerschrift, en het automatisch linken van lekentaal en professionele taal voor medische teksten. Ze doceert vakken over terminologie en vertaaltechnologie, digitale tekstanalyse, lokalisatie en digital humanities.
Expertise: Natural Language Processing, Machine Learning
Veronique Hoste is Senior Full Professor of Computational Linguistics at the Faculty of Arts and Philisophy at Ghent University. She is department head of the Department of Translation, Interpreting and Communication and director of the LT3 language and translation team at the same department. She holds a PhD in computational linguistics from the University of Antwerp (Belgium) on "Optimization issues in machine learning of coreference resolution" (2005).
Natural language processing in the last decades has drastically shifted from a discipline in which linguistic rules were handcrafted by experts to a vibrant discipline heavily dominated by machine learning and more recently, end-to-end neural approaches. Véronique has a strong track record in combining linguistic expertise with machine learning of natural language, seeking to automatically model natural language up to the level of semantics and discourse in a wide range of applications, such as cyberbully detection or sentiment and emotion analysis.
