Заключение реферат: Статьи о рефератах в помощь студенту

Как подготовить тематический реферат – Новости – Научно-образовательный портал IQ – Национальный исследовательский университет «Высшая школа экономики»

Тематический реферат — ещё один распространенный учебный жанр академического письма, который можно разместить между аналитическим конспектом и академическим эссе. Директор ИГИТИ им. Полетаева НИУ ВШЭ Алексей Плешков помогает разобраться в тонкостях этого академического жанра и даёт несколько полезных рекомендаций.

Как и аналитический конспект, реферат — «зависимый» жанр: его подготовка основывается на том или ином тексте (чаще книге) или группе текстов (возможен ряд статей или несколько монографий). Кроме того, реферат зависим и в том смысле, что обычно становится именно подготовительным этапом для написания собственного исследования или его части: обзора литературы, рецензии, статьи, курсовой, диплома. Тем не менее реферат предполагает бо́льшую, чем аналитический конспект, степень авторской свободы и ответственности. И в этом походит на эссе: реферат не следует за тезисами и аргументацией в структуре исходного текста, но подчинен выбранной вами теме или проблеме.

Материал впервые опубликован на сайте Antibarbari HSE — Греко-латинский клуб ВШЭ

Собственно, ориентирование на тему или проблему — это ключевой элемент для написания хорошего тематического реферата. Большие академические жанры (например, монография) довольно часто работают с рядом взаимосвязанных исследовательских проблем и вопросов, которые могут находиться в соподчинении или решаться параллельно. При работе над тематическим рефератом вы должны выделить для себя ту или иную тему/проблему, с которой будете работать. Основанием может выступать и простое любопытство, и исследовательский интерес, т.е. связанность выбранной проблемы с той, которую вы планируете исследовать в собственной работе.

После того, как вы определились с центральной темой/проблемой своего реферата, вы начинаете работать с реферируемым текстом (или текстами): выделяете ключевые тезисы исходного текста, связанные с интересующей вас проблемой, фиксируете исходные аргументы, поддерживающие эти тезисы, анализируете их и даете оценку. Важно, что структура аргументации, в таком случае, выстраивается вами самостоятельно, не нужно следовать за исходной: разные аргументы приходится собирать в разных главах, а первоначальные тезисы исходного текста могут трансформироваться внутри одной книги (или ряда статей, монографий).

По своей структуре тематический реферат идентичен эссе:

Введение, в котором вы определяете тему/проблему реферата и обосновываете ее выбор. Конечно, это определение зависит от исходного текста — насколько выбранная вами тема является центральной для реферируемого материала, как она представлена в исходном тексте. Здесь стоит помнить про принцип воронки и про «крючки», которые смогут заинтересовать читателя. Также уместными для тематического реферата могут быть фиксация ключевых терминов / понятий, краткое описание исследовательского поля, план реферата. Введение оказывается вполне «эссеистичным» (в смысле именно академического эссе).

Основная часть, в которой вы обсуждаете ключевые тезисы исходного текста, имеющие отношение к выбранной вами теме / проблеме, в их связи с предложенными в реферируемом произведении аргументами. Эта часть уже намного больше похожа на аналитический конспект: здесь вы не предлагаете свое видение проблемы, но работаете с обнаруженными в исходном тексте тезисами и аргументами. Тем не менее, вы не обязаны воспроизводить структуру аргументации реферируемого материала, как в конспекте, но сами собираете аргументативную структуру так, чтобы наилучшим образом продемонстрировать обоснованность рассматриваемых тезисов. Здесь стоит помнить про «принцип академической благожелательности» (представить реферируемый текст в наиболее сильном, «выгодном» для его автора свете), про необходимость писать сильными абзацами (тематическое предложение — обоснование — детали и примеры — заключение), про связанность своего письма (простейшая схема «темы и ремы»). Реферат не обязательно предполагает критику, но это не значит, что вы должны отказаться от аналитического чтения: сильные и слабые стороны аргументации исходного текста должны объективно вами оцениваться.

Заключение тематического реферата завершает вашу работу, а не воспроизводит выводы исходного текста. Соответственно, оно должно быть соотнесено с вашим введением: как в реферируемом произведении раскрывается интересующая вас тема/проблема? Насколько обоснованы и убедительны тезисы исходного текста? Какие детали и сложности игнорируются, какие «слепые пятна» вы обнаружили, работая с текстом? Наконец, какие исследовательские перспективы открываются для вас, уже после работы над рефератом, внутри интересующей темы?

Как и любой академический текст, тематический реферат требует корректного оформления: цитирование и парафраз (кавычки и сноски), соблюдение грамматических и пунктуационных правил, форматирование текста.
IQ

 

Рейтинг схожести объяснимых неконтролируемых аргументов с представлением абстрактного значения и генерацией заключения

Юрий Опиц, Филипп Хайниш, Филипп Визенбах, Филипп Чимиано, Anette Frank

---

Abstract

При оценке сходства аргументов исследователи обычно используют подходы, которые не предоставляют интерпретируемых доказательств или обоснований для своих оценок. Следовательно, признаки, определяющие сходство аргументов, остаются неуловимыми. Мы решаем эту проблему, вводя Новые показатели сходства аргументов , нацеленные на высокую производительность и объяснимость. Мы показываем, что графы абстрактного представления значений (AMR) могут быть полезны для представления аргументов, и что новые метрики графа AMR могут дать объяснение рейтингам сходства аргументов. Мы начинаем с гипотезы о том, что сходных предпосылок часто приводят к сходным выводам , и расширяем подход для оценки сходства аргументов на основе AMR , оценивая, кроме того, сходство выводов , которые мы автоматически выводим из аргументов, используемых в качестве предпосылок. Мы показываем, что метрики сходства AMR делают суждения о сходстве аргументов более интерпретируемыми и могут даже поддерживать суждений о качестве аргументов . Наш подход обеспечивает значительное повышение производительности по сравнению с сильными базовыми уровнями в полностью неконтролируемой настройке . Наконец, мы делаем первые шаги для решения проблемы безреференсной оценки генерации аргументативных выводов.

Идентификатор антологии:

2021.Argmining-1.3

Том:

Слушания 8-го семинара по аргументированию

Месяц:

ноября

Год:

2021

Год:

2021

Год. Доминиканская Республика

Место проведения:

ArgMining

SIG:

Издатель:

Ассоциация компьютерной лингвистики

0029

Язык:

URL:

https://aclanthology.org/2021.argmining-1.3

DOI:

10,18653/V1/2021.argmining-1,3

653/V1/2021.argmining-1,3

918653/V1/2021. :

Юрий Опиц, Филипп Хайниш, Филипп Визенбах, Филипп Чимиано и Анетт Франк. 2021. Объяснимый рейтинг сходства аргументов без присмотра с абстрактным представлением значения и генерацией вывода. In Труды 8-го семинара по добыче аргументов , стр. 24–35, Пунта-Кана, Доминиканская Республика. Ассоциация компьютерной лингвистики.

Ссылка (неофициальная):

Объяснимый рейтинг сходства аргументов без присмотра с абстрактным представлением значения и формированием заключения (Opitz et al., ArgMining 2021)

Копия цитирования:

PDF:

https://aclanthology.org/2021.argmining-1.3.pdf

Код

 heidelberg-nlp/amr-argument-sim

Данные

ConceptNet

---

• BibTeX
• MODS XML
• Endnote
• Предварительно отформатированный

 @inproceedings{opitz-etal-2021-explainable,explainable,
    title = "Объяснимый рейтинг сходства неконтролируемого аргумента с {A}абстрактным {M}значением {R}представления и генерация заключения",
    автор = "Опиц, Юрий и
      Хайниш, Филипп и
      Визенбах, Филипп и
      Чимиано, Филипп и
      Франк, Анетт»,
    booktitle = "Материалы 8-го семинара по добыче аргументов",
    месяц = ​​ноябрь,
    год = "2021",
    address = "Пунта-Кана, Доминиканская Республика",
    издатель = "Ассоциация вычислительной лингвистики",
    url = "https://aclanthology.  org/2021.argmining-1.3",
    doi = "10.18653/v1/2021.argmining-1.3",
    страницы = "24--35",
    abstract = "При оценке сходства аргументов исследователи обычно используют подходы, которые не предоставляют интерпретируемых доказательств или обоснований для своих оценок. Следовательно, признаки, определяющие сходство аргументов, остаются неуловимыми. Мы решаем эту проблему, вводя \textit{новые показатели сходства аргументов. }, которые нацелены на высокую производительность и объяснимость. Мы показываем, что графы абстрактного представления значений (AMR) могут быть полезны для представления аргументов, и что новые метрики графа AMR могут предлагать объяснения оценок сходства аргументов. Мы начинаем с гипотезы о том, что \textit{similar посылок} часто приводят к \textit{подобным выводам}{---}и расширяют подход к \textit{оценке подобия аргументов на основе AMR}, оценивая, кроме того, сходство \textit{заключений}, которые мы автоматически делаем из аргументы, используемые в качестве предпосылок.   Мы показываем, что метрики сходства AMR делают суждения о сходстве аргументов более \textit{интерпретируемыми} и могут даже поддерживать \text это {оценка качества аргументов}. Наш подход обеспечивает значительное повышение производительности по сравнению с сильными базовыми показателями в условиях \textit{полностью неконтролируемого}. Наконец, мы делаем первые шаги для решения проблемы безреференсной оценки генераций аргументативных выводов».
}
 

 

<моды>
    <информация о заголовке>
        
    
    <название типа="личное">
        Юри
        Опитц
        <роль>
            автор
        
    
    <название типа="личное">
         Филипп
        Хайниш
        <роль>
            автор
        
    
    <название типа="личное">
        Филипп
        Визенбах
        <роль>
            автор
        
    
    <название типа="личное">
        Филипп
        Чимиано
        <роль>
            автор
        
     
    <название типа="личное">
        Анетт
        Фрэнк
        <роль>
            автор
        
    
    <информация о происхождении>
        2021-11
    
    текст
    
        <информация о заголовке>
            
        
        <информация о происхождении>
            Ассоциация компьютерной лингвистики
            <место>
                 Пунта-Кана, Доминиканская Республика
            
        
        публикация конференции
    
    При оценке сходства аргументов исследователи обычно используют подходы, которые не предоставляют интерпретируемых доказательств или обоснований для своих оценок.  Следовательно, признаки, определяющие сходство аргументов, остаются неуловимыми. Мы решаем эту проблему, вводя новые метрики сходства аргументов, которые нацелены на высокую производительность и объяснимость. Мы показываем, что графы абстрактного представления значений (AMR) могут быть полезны для представления аргументов, и что новые метрики графа AMR могут дать объяснение рейтингам сходства аргументов. Мы начинаем с гипотезы о том, что одинаковые предпосылки часто приводят к аналогичным выводам, и расширяем подход к оценке сходства аргументов на основе AMR, оценивая, кроме того, сходство выводов, которые мы автоматически выводим из аргументов, используемых в качестве предпосылок. Мы показываем, что метрики сходства AMR делают суждения о сходстве аргументов более интерпретируемыми и могут даже поддерживать суждения о качестве аргументов. Наш подход обеспечивает значительное повышение производительности по сравнению с сильными базовыми показателями в полностью неконтролируемой среде. Наконец, мы делаем первые шаги для решения проблемы безреференсной оценки генерации аргументативных выводов.
   
    opitz-etal-2021-explainable
    10.18653/v1/2021.argmining-1.3
    <местоположение>
        https://aclanthology.org/2021.argmining-1.3
    
    <часть>
        <дата>2021-11
        <единица экстента="страница">
            24
            <конец>35
        
    


 

 %0 Материалы конференции
%T Объяснимый рейтинг сходства неконтролируемого аргумента с абстрактным представлением значения и генерацией заключения
%A Опиц, Юрий
%А Хайниш, Филипп
% А. Визенбах, Филипп
%А Чимиано, Филипп
%А Франк, Анетт
%S Материалы 8-го семинара по добыче аргументов
%D 2021
%8 ноябрь
%I Ассоциация компьютерной лингвистики
%C Пунта-Кана, Доминиканская Республика
%F opitz-etal-2021-объяснимо
%X При оценке сходства аргументов исследователи обычно используют подходы, которые не предоставляют интерпретируемых доказательств или обоснований для своих оценок.   Следовательно, признаки, определяющие сходство аргументов, остаются неуловимыми. Мы решаем эту проблему, вводя новые метрики сходства аргументов, которые нацелены на высокую производительность и объяснимость. Мы показываем, что графы абстрактного представления значений (AMR) могут быть полезны для представления аргументов, и что новые метрики графа AMR могут дать объяснение рейтингам сходства аргументов. Мы начинаем с гипотезы о том, что одинаковые предпосылки часто приводят к аналогичным выводам, и расширяем подход к оценке сходства аргументов на основе AMR, оценивая, кроме того, сходство выводов, которые мы автоматически выводим из аргументов, используемых в качестве предпосылок. Мы показываем, что метрики сходства AMR делают суждения о сходстве аргументов более интерпретируемыми и могут даже поддерживать суждения о качестве аргументов. Наш подход обеспечивает значительное повышение производительности по сравнению с сильными базовыми показателями в полностью неконтролируемой среде. Наконец, мы делаем первые шаги для решения проблемы безреференсной оценки генерации аргументативных выводов. 
%R 10.18653/v1/2021.argmining-1.3
%U https://aclanthology.org/2021.argmining-1.3
%U https://doi.org/10.18653/v1/2021.argmining-1.3
%Р 24-35
 

Уценка (неофициальная)

[Объяснимый рейтинг схожести аргументов без присмотра с абстрактным представлением значения и формированием заключения] (https://aclanthology.org/2021.argmining-1.3) (Opitz et al., ArgMining 2021)

• Объяснимый Рейтинг сходства аргументов без присмотра с представлением абстрактного значения и генерацией выводов (Opitz et al., ArgMining 2021)

ACL

• Юрий Опиц, Филипп Хайниш, Филипп Визенбах, Филипп Чимиано и Анетт Франк. 2021. Объяснимый рейтинг сходства аргументов без присмотра с абстрактным представлением значения и генерацией вывода. В Материалы 8-го семинара по добыче аргументов , страницы 24–35, Пунта-Кана, Доминиканская Республика. Ассоциация компьютерной лингвистики.

Академические вопросы Университета Денвера

Мы здесь, чтобы помочь

Академические вопросы удовлетворяют потребности студентов, поскольку они связаны с академической миссией Университета. Академические вопросы воплощают в себе видение Университета Денвера, делая открытия для общественного блага возможными для студентов, сотрудников и преподавателей. Академические вопросы способствуют повышению качества образования и вовлеченному обучению, предлагая инновационный и интегрированный опыт, который поддерживает инклюзивную, глобальную, творческую и академически строгую среду, предназначенную для подготовки учащихся к жизни с целью. Консультанты преподавателей и сотрудников сотрудничают, чтобы помочь студентам успешно ориентироваться в своей учебной программе, давая им возможность стать экспертами в своем собственном академическом путешествии.

Что мы делаем

Политики и процедуры

Нажмите ниже, чтобы ознакомиться с информацией о политике и процедурах университета, таких как академические ожидания, отпуска по болезни и апелляции на обучение. Если вам нужно найти решение в отношении политики, практики или поведения, которые вы считаете несправедливыми, вы можете начать здесь.

Узнать больше

Поддержка успеха учащихся

Support for Student Success предоставляет студентам и преподавателям возможность развивать необходимые навыки для успешной учебы в DU. Support for Student Success может связать вас с широким спектром ресурсов во всех отделах по академическим вопросам и за их пределами.

Узнать больше

Академическое консультирование

Академическое консультирование является важной частью опыта каждого студента в Университете Денвера. Академические консультанты и наставники преподавателей могут помочь вам связать ваш образовательный опыт, развить вашу личную и профессиональную историю и понять ваши требования к выпускным, чтобы вы всегда были на правильном пути.

Узнать больше

Что означает «общественное благо» в DU?

Работа на благо общества начинается с сотрудничества в решении критических проблем, что позволяет студентам, преподавателям и сотрудникам добиваться справедливости и вовлеченности посредством работы с участием сообщества. Обучение сотрудничеству в рамках партнерских отношений между университетом и сообществом готовит студентов к наведению мостов через различия, совместному принятию решений и просто практикам устойчивого развития. Таким образом, через высокоэффективный опыт учащиеся приобретают знания, навыки и ценности, необходимые для открытия общественного блага, целостным, интегрированным и взаимосвязанным образом.

О результатах обучения

Академический отдел отвечает за вашу учебную программу. Мы контролируем как конкретные кредитные требования, так и более широкие, общеуниверситетские результаты обучения студентов.

Например, в рамках своего образовательного опыта все студенты бакалавриата должны достичь результатов обучения в количественных рассуждениях, взаимодействии с человеческим разнообразием, знаниях, специфичных для степени, и многом другом. Эти результаты предназначены для предоставления студентам широты знаний по дисциплинам и развития междисциплинарных связей.