Provkonstruktion
Årskurs: Gymnasiet
Ämne eller kurs: Artificiell Intelligens 2
Tema: Naturlig språkbehandling (NLP)
Syfte
Syftet med provet är att bedöma elevernas kunskaper och förståelse för naturlig språkbehandling (NLP), inklusive dess grundläggande koncept, tekniker och tillämpningar inom artificiell intelligens. Provets mål är att ge eleverna möjlighet att visa sin förmåga att analysera och bearbeta textdata, samt tillämpa sentimentanalys.
Koppling till styrdokument
Centralt innehåll
Denna del av kursen fokuserar på naturlig språkbehandling, en viktig tillämpning inom AI där syftet är att få datorer att förstå, tolka och generera mänskligt språk. Innehållet omfattar grundläggande tekniker för textanalys, sentimentanalys samt tillämpningar av NLP i olika sammanhang.
Kunskapskrav
Eleven ska kunna beskriva grunderna i naturlig språkbehandling och tillämpa grundläggande metoder och tekniker för att analysera och bearbeta textdata.
Prov
Faktafrågor
1. Vad står förkortningen NLP för?
A) Nätverkslagring av personuppgifter
B) Naturlig språkbehandling
C) Naturligt språkprogram
D) Nyanserad ljudanalys
2. Vilken av följande är en tillämpning av NLP?
A) Spelutveckling
B) Maskinöversättning
C) Databasmanagement
D) Systemadministration
3. Vad innebär tokenisering?
A) Att omvandla språk till kod
B) Att dela upp text i enskilda enheter
C) Att stoppa processer i datorsystem
D) Att skapa meddelanden i chattbotar
4. Vilken term används för att beskriva analys av känslor i texter?
A) Sentimentanalys
B) Dataanalys
C) Textklassificering
D) Grammatisk analys
5. Vad är en användning av verktyget NLTK?
A) Grafikdesign
B) Webbprogrammering
C) Textbearbetning inom NLP
D) Videoredigering
6. Vilken metod används för att bearbeta textdata genom att ta bort vanliga ord som inte tillför betydelse?
A) Stemming
B) Stopwords
C) Tokenisering
D) Lexikal analys
7. Vad innebär stemming?
A) Att reducera ord till deras stamform
B) Att översätta text till ett annat språk
C) Att analysera textens mening
D) Att bearbeta ljudinspelningar
8. Vilket av följande bibliotek används inte vanligtvis för NLP?
A) NLTK
B) spaCy
C) NumPy
D) TextBlob
9. Vad innebär en positiv sentimentanalys?
A) Att texten är osäker
B) Att texten ger en positiv känsla
C) Att texten analyseras negativt
D) Att texten är irrelevant
10. Vad handlar naturlig språkbehandling (NLP) om?
A) Att bearbeta ljud
B) Att få datorer att förstå mänskligt språk
C) Att skapa appar
D) Att analysera bilder
11. Vilket verktyg används för sentimentanalys?
A) Excel
B) Ordförteckningar
C) HTML
D) CSS
12. Vad är huvudsakligen målet med NLP?
A) Att skapa nya språk
B) Att förstå och tolka mänskligt språk
C) Att översätta kod
D) Att utföra beräkningar
13. Vilken funktion har lemmatization?
A) Att reducera ord till deras grundform
B) Att analysera textens stil
C) Att skapa textdokument
D) Att göra ljudinspelningar
14. Hur kan NLP användas inom affärsvärlden?
A) Genom att sälja produkter
B) Genom att lagra data
C) Genom att analysera kundrecensioner
D) Genom att skapa spelsystem
15. Vilken typ av analyser gör NLP i sociala medier?
A) Sentimentanalys
B) Bildanalys
C) Ljudanalys
D) Dataanalys
Resonerande frågor
1. Hur skulle du förklara skillnaden mellan stemming och lemmatization för någon som är ny inom NLP?
Syftet med frågan är att bedöma elevens förståelse för tekniska begrepp och deras tillämpningar.
2. Beskriv en praktisk applikation där NLP kan förbättra användarupplevelsen.
Frågan ger möjlighet att demonstrera kreativitet och förståelse för verkliga tillämpningar av NLP.
3. I vilken utsträckning kan sentimentanalys påverka företagsstrategier? Resonerar kring dina svar.
Denna fråga uppmuntrar till kritiskt tänkande och analys av affärsmöjligheter.
4. Diskutera hur utvecklingen av NLP kan påverka kommunikationen mellan människor och maskiner.
Frågan låter eleven utforska framtida perspektiv och innovationer inom fältet.
5. Hur kan du använda NLP i ditt eget liv eller arbete? Ge exempel.
Frågan syftar till att knyta kunskap om NLP till praktiska situationer.
6. Vad ser du som de största utmaningarna inom området NLP idag?
Eleven får chansen att reflektera över aktuella problem och framtidsutsikter inom fältet.
7. Hur kan etiska aspekter påverka utvecklingen av NLP-applikationer?
Frågan uppmuntrar eleverna att tänka kritiskt kring etik i teknologin.
8. På vilket sätt kan olika språk påverka NLP-modeller?
Genom denna fråga kan eleven visa sina kunskaper om språk och maskininlärning.
Bedömning
Provet kan bedömas med följande poängsystem:
- Faktafrågor: 1 poäng för varje korrekt svar, totalt 15 poäng.
- Resonerande frågor: 3 poäng för varje fullständigt svar, totalt 24 poäng.
Totalt antal poäng: 39
För att uppnå betyg E krävs minst 8 poäng, för betyg C krävs 12 poäng (varav minst 3 poäng från resonerande frågor), och för betyg A krävs 18 poäng (varav minst 5 poäng från resonerande frågor).