По выполнению контрольной работы №3
По выполнению контрольной работы №3
по дисциплине «Английский язык»
для студентов вторых курсов специальностей:
240306.65 «Химическая технология монокристаллов, материалов и изделий электронной техники»;
240403.65 «Химическая технология природных энергоносителей и углеродных материалов»;
210601.65 «Нанотехнология в электронике»;
280201.65 «Охрана окружающей среды и рациональное использование природных ресурсов»;
260601.65 «Машины и аппараты пищевых производств»;
260303.65 «Технология молока и молочных продуктов»;
240902.65 «Пищевая биотехнология»;
260301.65 «Технология мяса и мясных продуктов»;
260501.65 «Технология продуктов общественного питания»;
230102.65 «Автоматизированные системы обработки информации и управления»;
230201.65 «Информационные системы и технологии»;
090105.65 «Комплексное обеспечение информационной безопасности автоматизированных систем»;
130503.65 «Разработка и эксплуатация нефтяных и газовых месторождений»;
130501.65 «Проектирование, сооружение и эксплуатация газонефтепроводов и газонефтехранилищ»;
130304.65 «Геология нефти и газа»;
130500.62 «Нефтегазовое дело»;
130504.65 «Бурение нефтяных и газовых скважин»;
130201.65 «Геофизические методы поисков и разведки месторождений полезных ископаемых»;
190702.65 «Организация и безопасность движения»;
190601.65 «Автомобили и автомобильное хозяйство»;
190603.65 «Сервис транспортных и технологических машин и оборудования»;
151001.65 «Технология машиностроения»;
140205.65 «Электроэнергетические системы и сети»;
140211.65 «Электроснабжение»;
210100.62 «Электроника и микроэлектроника»;
210602.65 «Промышленная электроника»;
210602.65 «Наноматериалы»;
240901.65 «Биотехнология»;
270102.65 «Промышленное и гражданское строительство»;
270105.65 «Городское строительство и хозяйство»;
270106.65 «Производство строительных материалов, изделий и конструкций»;
270109.65 «Теплогазоснабжение и вентиляция»;
270115.65 «Экспертиза и управление недвижимостью»;
280103.65 «Защита в чрезвычайных ситуациях»;
280104.65 «Пожарная безопасность»;
200503.65 «Стандартизация и сертификация (мясная, молочная и рыбная промышленность)»;
230401.65 «Прикладная математика»;
260202.65 «Технология хлеба и кондитерских и макаронных изделий»;
Ставрополь
Методические указания по выполнению контрольной работы 3 составлены в соответствии с Государственным образовательным стандартом высшего профессионального образования, рабочим учебным планом и программой дисциплины «Английский язык» для студентов специальностей: 240306.65, 240403.65, 210601.65, 280201.65, 260601.65, 260303.65, 240902.65, 260301.65, 260501.65, 230102.65, 230201.65, 090105.65, 130500.62, 130503.65, 130501.65, 130304.65, 130504.65, 130201.65, 190702.65, 190601.65, 190603.65, 151001.65, 140205.65, 210100.62, 210602.65, 210602.65, 240901.65, 270102.65, 270105.65,270106.65, 270109.65, 270115.65, 280103.65, 280104.65, 200503.65, 230401.65, 260202.65, 021100.
Методические указания включают в себя задания, рекомендации по организации работы, вопросы для самопроверки и список рекомендуемой литературы.
Составители: Морозова И. Н., Цыганская О. Г., Пронякин Д. С.
Рецензенты: Митрофаненко Л. М., Савелло Е. В.
Содержание
| Введение 1. Содержание контрольной работы по темам программы дисциплины 2. Формулировка задания и его объем Вариант 1 Вариант 2 Вариант 3 Вариант 4 3. Порядок выбора темы и освещения проблемы 4. Структура контрольной работы, общие требования к ее написанию 5. Рекомендации по организации выполнения контрольной работы, примерный календарный план выполнения контрольной работы 6. Порядок защиты и ответственность студента за выполнение контрольной работы 7. Список рекомендуемой литературы Приложение |
Введение
Контрольная работа 3 по английскому языку предназначена для студентов технических специальностей Северо-Кавказского технического университета. Целью работы является формирование основных языковых компетенций, развитие навыков самостоятельной работы с аутентичными научными текстами, подготовки вторичных документов (аннотации и реферата), необходимых для успешного осуществления устной и письменной коммуникации в профессиональной деятельности.
1. Содержание контрольной работы по темам программы дисциплины
Контрольная работа 3 предполагает работу студентов по следующим темам программы дисциплины «Английский язык»:
1. Аннотирование научного текста.
2. Реферирование научного текста.
3. Активизация и закрепление лексики по темам «Science», «Scientific discoveries», «Inventors and inventions».
2. Формулировка задания и его объем
Контрольная работа 3 по дисциплине «Английский язык» направлена на практическое овладение студентами такими жанрами научной речи, как аннотация и реферат, а также на закрепление и активизацию тематической и терминологической лексики. Контрольная работа 3 содержит задания, предполагающие: 1) самостоятельную работу студентов с двумя аутентичными научными текстами, включающую чтение, перевод, анализ содержания, составление аннотации на английском языке и реферата на русском языке; 2) выполнение лексического теста по темам «Science», «Scientific discoveries», «Inventors and inventions» в объеме 40 предложений.
Вариант 1
I. Составьте аннотацию к статье на английском языке:
What is a neural network and how does its operation differ from that of a digital computer?
By Mohamad Hassoun
Artificial neural networks are parallel computational models, comprising densely interconnected adaptive processing units. These networks are composed of many but simple processors (relative, say, to a PC, which generally has a single, powerful processor) acting in parallel to model nonlinear static or dynamic systems, where a complex relationship exists between an input and its corresponding output.
A very important feature of these networks is their adaptive nature, in which «learning by example» replaces «programming» in solving problems. Here, «learning» refers to the automatic adjustment of the system's parameters so that the system can generate the correct output for a given input; this adaptation process is reminiscent of the way learning occurs in the brain via changes in the synaptic efficacies of neurons. This feature makes these models very appealing in application domains where one has little or an incomplete understanding of the problem to be solved, but where training data is available.
One example would be to teach a neural network to convert printed text to speech. Here, one could pick several articles from a newspaper and generate hundreds of training pairs – an input and its associated «desired» output sound – as follows: the input to the neural network would be a string of three consecutive letters from a given word in the text. The desired output that the network should generate could then be the sound of the second letter of the input string. The training phase would then consist of cycling through the training examples and adjusting the network parameters – essentially, learning – so that any error in output sound would be gradually minimized for all input examples. After training, the network could then be tested on new articles. The idea is that the neural network would «generalize» by being able to properly convert new text to speech.
Another key feature is the intrinsic parallel architecture, which allows for fast computation of solutions when these networks are implemented on parallel digital computers or, ultimately, when implemented in customized hardware. In many applications, however, they are implemented as programs that run on a PC or computer workstation.
Artificial neural networks are viable models for a wide variety of problems, including pattern classification, speech synthesis and recognition, adaptive interfaces between humans and complex physical systems, function approximation, image compression, forecasting and prediction, and nonlinear system modeling.
These networks are «neural» in the sense that they may have been inspired by the brain and neuroscience, but not necessarily because they are faithful models of biological, neural or cognitive phenomena. In fact, many artificial neural networks are more closely related to traditional mathematical and / or statistical models, such as nonparametric pattern classifiers, clustering algorithms, nonlinear filters and statistical regression models, than they are to neurobiological models.
(«Scientific American», May, 2007)
II. Составьте реферат статьи на русском языке:
Вариант 2
I. Составьте аннотацию к статье на английском языке:
DNA Computer Works in Human Cells
By JR Minkel
Researchers have designed a new type of DNA computer that works in human cells, perhaps paving the way for a distant technology capable of picking out diseased cells from otherwise healthy tissue. The system runs on a process called RNA interference (RNAi) in which small molecules of RNA prevent a gene from producing protein.
The goal is to inject human cells with DNA that can determine whether a cell is cancerous or otherwise diseased, based solely on the mix of molecules inside the cell. Sensing disease, the DNA might trigger a pinpoint dose of treatment in response. That technology, however, is a long way off. For now, researchers are testing different ways of turning DNA into versatile computers that can detect certain combinations of molecules and respond by producing other molecules.
«The central challenge is how do you create a 'molecular computer' capable of making decisions», says bioengineer Yaakov Benenson of Harvard University. Researchers have designed powerful test tube DNA computers that could play tic-tac-toe or perform the basic tasks of logic, but getting them to work in human cells was likely to be tricky, Benenson says.
RNAi is something that cells do naturally. Cells produce what are known as short interfering RNA (siRNA) molecules, which recognize corresponding DNA sequences in genes and cause them to shut down.
Benenson and colleagues engineered a target gene to be sensitive to several different siRNAs of their own design. In the simplest case, they introduced a single siRNA molecule to switch off a target gene that encoded a fluorescent protein. In more complex cases, a pair of siRNAs or either of two siRNAs switched off another target gene, which in turn switched off a gene for a fluorescent protein. To make sure the system worked as intended, the researchers based their siRNAs on those of other species, they report in a paper published online today by Nature Biotechnology.
In principle, the RNAi technique can reach great heights of complexity, Benenson says, by making genes sensitive to more and more siRNAs in various combinations. «The scalability is very important, because eventually you want to make complex decisions», he says.
He says the next step is figuring out how to make the molecules inside a cell – such as those that are overproduced in cancer – trigger the production of siRNAs.
(«Scientific American», May, 2007)
II. Составьте реферат статьи на русском языке:
Вариант 4
I. Составьте аннотацию к статье на английском языке:
Radioactive: Marie & Pierre Curie, a Tale of Love and Fallout
By HarperCollins
The story of Marie and Pierre Curie and their Nobel Prize – winning research on radiation has been oft told. But it finds new life in the hands of writer and artist Lauren Redniss, who weaves together deft narrative and vivid illustrations to create a thoroughly modern account of the scientific and romantic passions of the Curies, as well as the repercussions of their discoveries. Here Redniss describes how, following Marie’s observation of radioactivity in a mineral called pitchblende, the Curies isolated for the first time a compound containing radium, a radioactive element.
The Curies had demonstrated the existence of polonium and radium through their radioactivity, but fellow scientists remained skeptical. Chemists in particular wanted to see them, to touch them. Only concrete evidence would be persuasive.
And so, the Curies plunged into a Sisyphean task. Procuring seven tons of pitchblende – a mountain of black rubble strewn with pine needles – from the Bohemian mines, they began trying to extract measurable amounts of their new elements. They asked the Sorbonne for laboratory space to complete the work. The University gave the Curies a dilapidated wooden shed previously used for human dissection.
After four years of steady labor, four hundred tons of water, and forty tons of corrosive chemicals, on March 28, 1902, they managed to extract one tenth of a gram of radium chloride. It was exhausting work.
With the constant companionship that accompanied their research, the Curies’ love deepened. They cosigned their published findings. Their handwritings intermingle in their notebooks. On the cover of one black canvas laboratory log, the initials ‘M’ and ‘P’ before the surname – Curie are scripted directly one atop the other, as if to pull apart even just the letters of their names would be too brutal. Though the long, poisonous task of separating the elements would ultimately cleave the couple, for now the arduous work bound them together.
(«Scientific American», May, 2010)
II. Составьте реферат статьи на русском языке:
Squeezing More Oil Out of the Ground
By Leonardo Maugeri
On 20 dry, flat square miles of California’s Central Valley, more than 8,000 horseheads – as old-fashioned oilmen call them – slowly rise and fall as they suck oil from underground. Glittering pipelines crossing the whole area reveal that the place is not merely a relic of the past. But even to an expert’s eyes, Kern River Oil Field betrays no hint of the miracle that has enabled it to survive decades of dire predictions.
Kern River Oil Field was discovered in 1899, and initially it was thought that only 10 percent of its heavy, viscous crude could be recovered. In 1942, after more than four decades of modest production, the field was estimated to still hold 54 million barrels of recoverable oil. As pointed out in 1995 by Morris Adelman, professor emeritus at the Massachusetts Institute of Technology and one of the few remaining energy gurus, in the next forty-four years, it produced not 54 million barrels but 736 million barrels, and it had another 970 million barrels remaining. But even this estimate was wrong. In November 2007 U.S. oil giant Chevron announced that cumulative production had reached two billion barrels. Today, Kern River still puts out more than 80,000 barrels per day, and Chevron reckons that the remaining reserves are about 480 million barrels.
Chevron began to achieve its miracle in the 1960s by injecting steam into the ground, a novel technology at the time. Later, a new breed of exploration and drilling tools – along with steady steam injection – turned the field into a sort of oil cornucopia. Yet, Kern River is not an isolated case. Most of the world’s oilfields have revived over time. New exploration methods have revealed more of the Earth’s secrets. And leaps in extraction technology have led to tapping oil in once-inaccessible areas and in places where drilling was once uneconomic. In a way, technology is the real cornucopia.
(«Scientific American», April, 2009)
III. Перепишите предложения, заполнив пропуски подходящим по смыслу словом:
1. …is the process or method of building or making something using many parts.
a) Preparation; b) Separation; c) Construction; d) Production.
2. The … of the pollution problem was much worse than scientists had predicted.
a) scale; b) strength; c) amount; d) level.
3. He is … among the best modern writers.
a) numeral; b) considered; c) chosen; d) numbered.
4. Natalie seems to have a … grin on her face.
a) permanent; b) never-ending; c) everlasting; d) eternal.
5. The house has many interesting … including a large Victorian fireplace.
a) characteristic; b) property; c) feature; d) peculiarity.
6. It would … matters if you were more cooperative.
a) ease; b) facilitate; c) help; d) lighten.
7. I regret that a … meeting prevents me from accepting your invitation.
a) antecedent; b) future; c) early; d) previous.
8. Their main task was the … of the engine.
a) improvement; b) question; c) rule; d) solution.
9. The air inside … when it was heated.
a) got cold; b) did; c) expanded; d) started.
10. The … number of people took part in the event.
a) considerable; important; c) strong; d) a lot of.
11. Metals … when heated.
a) decrease; b) move; c) expand; d) stay.
12. Dr Ewing gave a detailed … of how to use the program.
a) explanation; b) definition; c) annotation; d) description.
13. Organic molecule … into simpler substances.
a) unites; b) divides; c) splits; d) separates.
14. His wife called for an … when he collapsed.
a) emergency; b) assistant; c) healthful; d) ambulance.
15. He was afraid of … my feelings.
a) hurting; b) victim; c) capping; d) aggrieved.
16. The small state decided to confederate with the island kingdom in order to form a more …. nation together.
a) strong; b) vigorous; c) powerful; d) high-powered.
17. Jim and Mary have been quarrelling so much recently that their friends are afraid they might ….. up.
a) break; b) split; c) shatter; d) bust.
18. It also …. out that no banker has so far been nabbed for signing a collusive agreement with a debtor.
a) indicated; b) pointed; c) shown; d) directed.
19. I doubt whether he will … .
a) recover; b) healing; c) convalescent; d) aftercare.
20. This wet weather sets up the … in my old wound.
a) aid; b) ail; c) ache; d) aim.
21. She experienced constant … .
a) pail; b) paint; c) pain; d) paid.
22. Mr. Ball took snuff with all his friends, … musically after each pinch.
a) sneezing; b) scorn; c) sneer; d) snicker.
23. I don't much like the sound of your … .
a) bechesthesis; b) cough; c) bark; d) tussis.
24. She was in a state of complete … .
a) fatigue; b) tire; c) weary; d) phonograph.
25. Frank laughed to cover his … .
a) bad; b) concerned; c) anxiety; d) consideration.
26. We feel the … of urban living
a) fair; b) considerable; c) stresses; d) glad.
27. He was … because he didn’t break the law.
a) justified; b) imprisoned; c) arrested; d) taken to the prison.
28. The court’s decision must be … .
a) neglected; b) improved; c) exchanged; d) respected.
29. The terrorists are … to kill the hostages.
a) advising; b) saving; c) helping; d) threatening.
30. … waste contaminates our environment and threatens people’s lives.
a) Nuclear; b) Organic; c) Good; d) Useful.
31. Builders use … to pull down old buildings.
a) crane; b) explosives; c) tools; d) machines.
32. Can you … up this piece of wood?
a) unite; b) divide; c) split; d) separate.
33. Michael Faraday is an English … who was born in a poor labouring family.
a) computer programmer; b) artist; c) scientist; d) plumber.
34. She gave us a short … of the rules before we started.
a) explanation; b) definition; c) annotation; d) description.
35. The situation along the border is potentially … .
a) awful; b) explosive; c) powerful; d) numerous.
36. Oil has the … of floating on water.
a) characteristics; b) properties; c) qualities; d) features.
37. His … to work day and night was known to his colleagues.
a) knowledge; b) behavior; c) ability; d) fact.
38. The … of the service at the hotel was rather good.
a) space; b) room; c) number; d) quality.
39. He could not understand the text because he didn’t know … of many of the words.
a) the meaning; b) the ability; c) the research; d) science.
40. The experiment gave us … data on this problem.
a) long; b) strong; c) huge; d) considerable.
IV. Вопросы для самопроверки:
1. Какие первичные и вторичные научные документы вы знаете?
2. Какие сведения сообщаются во вторичных научных документах?
3. Что такое реферат?
4. Что такое аннотация?
5. Для каких целей составляются реферат и аннотация?
6. Каково целевое назначение реферата?
7. Что входит в содержание реферата?
Рекомендации по организации выполнения контрольной работы
Для успешного выполнения контрольной работы студенту рекомендуется придерживаться следующей схемы работы над текстами и выполнения заданий:
1) предварительно изучить основы компрессии текста, ознакомиться с формами и методами подготовки вторичных документов (аннотации и реферата) (вопросы для самопроверки после задания 1 – 3) [2];
2) ознакомиться с текстом, выписать незнакомые слова и выражения;
3) найти русские эквиваленты выписанным словам и выражениям, используя словари и справочники;
4) проанализировать содержание текста с целью выявления релевантной информации;
5) выполнить задания к текстам.
До сдачи контрольной работы на проверку ее необходимо внимательно проверить с целью исправления неточностей и языковых ошибок.
Примерный календарный план выполнения контрольной работы
| Выдача заданий контрольной работы | 3 неделя триместра |
| Сдача выполненных заданий контрольной работы на проверку преподавателю | не позднее 10 недели триместра |
| Защита контрольной работы | 11 неделя триместра |
6. Порядок защиты и ответственность студента за выполнение контрольной работы
Выполненная контрольная работа должна быть сдана на кафедру иностранных языков за две недели до окончания триместра. После проверки преподавателем студент знакомится с отмеченными недочетами и готовится отвечать на вопросы по выполненным заданиям.
Защита контрольной работы осуществляется в индивидуальном порядке в установленное преподавателем время на 11 неделе триместра. Защита проходит в форме собеседования (10 – 15 минут) по выполненным заданиям и вопросам для самопроверки.
Для успешного выполнения контрольной работы студент обязан:
1) сдать в указанные в календарном плане сроки на проверку преподавателю выполненные задания или фрагменты выполненного задания для получения консультации;
2) защитить контрольную работу в указанные в календарном плане сроки (порядок защиты описан выше).
Контрольная работа не может быть оценена положительно в следующих случаях:
- работа не выполнена полностью;
- работа не выполнена в соответствии с заданиями;
- работа выполнена с грубыми языковыми ошибками;
- работа выполнена несамостоятельно.
В случае невыполнения контрольной работы в установленном порядке студент не допускается к сдаче зачета по дисциплине «Английский язык».
СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
Основная литература
1. Английский язык для инженеров / Т. Ю. Полякова, Е. В. Синявская, О. И. Тынкова, Э. С. Улановская. – М. : Высшая школа, 2006.
Дополнительная литература
2. Методические указания к практическим занятиям по дисциплине «Английский язык» АННОТИРОВАНИЕ И РЕФЕРИРОВАНИЕ для студентов вторых курсов технических специальностей / сост. Л. М. Митрофаненко, И. Н. Морозова. – Ставрополь: СевКавГТУ, 2011.
3. Англо-русский политехнический словарь / cост. Ю. Синдеев. В 2 тт. Ростов н / Д : Феникс, 2002.
4. Новый англо-русский словарь / под ред. В. К. Мюллера. – М. : Русский язык, 2000.
5. Oxford Dictionary of Abbreviations / Editors: John Daintith, Valerie Illingworth, Elizabeth Martin, Anne Stibbs, Judy Pearsall, Sara Tulloch. – Oxford University Press, 1996.
6. Wheeler, M. The Oxford Russian Dictionary / M. Wheeler, B. Unbegaun, P. Falla. – Oxford University Press, 1997.
7. ГОСТ 7.9-95. Реферат и аннотация. Общие требования. – М. : Юрист, 1998.
Приложение – Титульный лист контрольной работы (Ф. А4)
| Министерство образования и науки Российской Федерации Государственное образовательное учреждение высшего профессионального образования «Северо-Кавказский государственный технический университет» Кафедра иностранных языков КОНТРОЛЬНАЯ РАБОТА 3 по английскому языку Выполнил: студент гр. РНГ-101 Иванов С. Н. Проверила: Борисова Е. Н. Ставрополь |
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
по выполнению контрольной работы 3
по дисциплине «Английский язык»
для студентов специальностей:
240306.65, 240403.65, 210601.65, 280201.65, 260601.65, 260303.65, 240902.65, 260301.65, 260501.65, 230102.65, 230201.65, 090105.65, 130503.65, 130501.65, 130304.65, 130500.62, 130504.65, 130201.65, 190702.65, 190601.65, 190603.65, 151001.65, 140205.65, 210100.62, 210602.65, 210602.65, 240901.65, 270102.65, 270105.65, 270106.65, 270109.65, 270115.65, 280103.65, 280104.65, 200503.65, 230401.65, 260202.65, 021100.
Составители: Морозова И. Н., Цыганская О. Г., Пронякин Д. С.
Редактор текста на русском языке: Калашникова Е. Н.
______________________________________________________
Подписано в печать
Формат 60x84 1/16. Усл. п. л. – 2,6 Уч.-изд. л. – 2,1
Бумага газетная. Печать офсетная. Заказ Тираж 50 экз.
ГОУВПО «Северо-Кавказский государственный технический университет»
355028, г. Ставрополь, пр. Кулакова, 2
Издательство «ГОУ ВПО Северо-Кавказский государственный технический университет»
Отпечатано в типографии СевКавГТУ
по выполнению контрольной работы №3
по дисциплине «Английский язык»
для студентов вторых курсов специальностей:
240306.65 «Химическая технология монокристаллов, материалов и изделий электронной техники»;
240403.65 «Химическая технология природных энергоносителей и углеродных материалов»;
210601.65 «Нанотехнология в электронике»;
280201.65 «Охрана окружающей среды и рациональное использование природных ресурсов»;
260601.65 «Машины и аппараты пищевых производств»;
260303.65 «Технология молока и молочных продуктов»;
240902.65 «Пищевая биотехнология»;
260301.65 «Технология мяса и мясных продуктов»;
260501.65 «Технология продуктов общественного питания»;
230102.65 «Автоматизированные системы обработки информации и управления»;
230201.65 «Информационные системы и технологии»;
090105.65 «Комплексное обеспечение информационной безопасности автоматизированных систем»;
130503.65 «Разработка и эксплуатация нефтяных и газовых месторождений»;
130501.65 «Проектирование, сооружение и эксплуатация газонефтепроводов и газонефтехранилищ»;
130304.65 «Геология нефти и газа»;
130500.62 «Нефтегазовое дело»;
130504.65 «Бурение нефтяных и газовых скважин»;
130201.65 «Геофизические методы поисков и разведки месторождений полезных ископаемых»;
190702.65 «Организация и безопасность движения»;
190601.65 «Автомобили и автомобильное хозяйство»;
190603.65 «Сервис транспортных и технологических машин и оборудования»;
151001.65 «Технология машиностроения»;
140205.65 «Электроэнергетические системы и сети»;
140211.65 «Электроснабжение»;
210100.62 «Электроника и микроэлектроника»;
210602.65 «Промышленная электроника»;
210602.65 «Наноматериалы»;
240901.65 «Биотехнология»;
270102.65 «Промышленное и гражданское строительство»;
270105.65 «Городское строительство и хозяйство»;
270106.65 «Производство строительных материалов, изделий и конструкций»;
270109.65 «Теплогазоснабжение и вентиляция»;
270115.65 «Экспертиза и управление недвижимостью»;
280103.65 «Защита в чрезвычайных ситуациях»;
280104.65 «Пожарная безопасность»;
200503.65 «Стандартизация и сертификация (мясная, молочная и рыбная промышленность)»;
230401.65 «Прикладная математика»;
260202.65 «Технология хлеба и кондитерских и макаронных изделий»;
Ставрополь
Методические указания по выполнению контрольной работы 3 составлены в соответствии с Государственным образовательным стандартом высшего профессионального образования, рабочим учебным планом и программой дисциплины «Английский язык» для студентов специальностей: 240306.65, 240403.65, 210601.65, 280201.65, 260601.65, 260303.65, 240902.65, 260301.65, 260501.65, 230102.65, 230201.65, 090105.65, 130500.62, 130503.65, 130501.65, 130304.65, 130504.65, 130201.65, 190702.65, 190601.65, 190603.65, 151001.65, 140205.65, 210100.62, 210602.65, 210602.65, 240901.65, 270102.65, 270105.65,270106.65, 270109.65, 270115.65, 280103.65, 280104.65, 200503.65, 230401.65, 260202.65, 021100.
Методические указания включают в себя задания, рекомендации по организации работы, вопросы для самопроверки и список рекомендуемой литературы.
Составители: Морозова И. Н., Цыганская О. Г., Пронякин Д. С.
Рецензенты: Митрофаненко Л. М., Савелло Е. В.
Содержание
| Введение 1. Содержание контрольной работы по темам программы дисциплины 2. Формулировка задания и его объем Вариант 1 Вариант 2 Вариант 3 Вариант 4 3. Порядок выбора темы и освещения проблемы 4. Структура контрольной работы, общие требования к ее написанию 5. Рекомендации по организации выполнения контрольной работы, примерный календарный план выполнения контрольной работы 6. Порядок защиты и ответственность студента за выполнение контрольной работы 7. Список рекомендуемой литературы Приложение |
Введение
Контрольная работа 3 по английскому языку предназначена для студентов технических специальностей Северо-Кавказского технического университета. Целью работы является формирование основных языковых компетенций, развитие навыков самостоятельной работы с аутентичными научными текстами, подготовки вторичных документов (аннотации и реферата), необходимых для успешного осуществления устной и письменной коммуникации в профессиональной деятельности.
1. Содержание контрольной работы по темам программы дисциплины
Контрольная работа 3 предполагает работу студентов по следующим темам программы дисциплины «Английский язык»:
1. Аннотирование научного текста.
2. Реферирование научного текста.
3. Активизация и закрепление лексики по темам «Science», «Scientific discoveries», «Inventors and inventions».
2. Формулировка задания и его объем
Контрольная работа 3 по дисциплине «Английский язык» направлена на практическое овладение студентами такими жанрами научной речи, как аннотация и реферат, а также на закрепление и активизацию тематической и терминологической лексики. Контрольная работа 3 содержит задания, предполагающие: 1) самостоятельную работу студентов с двумя аутентичными научными текстами, включающую чтение, перевод, анализ содержания, составление аннотации на английском языке и реферата на русском языке; 2) выполнение лексического теста по темам «Science», «Scientific discoveries», «Inventors and inventions» в объеме 40 предложений.
Вариант 1
I. Составьте аннотацию к статье на английском языке:
What is a neural network and how does its operation differ from that of a digital computer?
By Mohamad Hassoun
Artificial neural networks are parallel computational models, comprising densely interconnected adaptive processing units. These networks are composed of many but simple processors (relative, say, to a PC, which generally has a single, powerful processor) acting in parallel to model nonlinear static or dynamic systems, where a complex relationship exists between an input and its corresponding output.
A very important feature of these networks is their adaptive nature, in which «learning by example» replaces «programming» in solving problems. Here, «learning» refers to the automatic adjustment of the system's parameters so that the system can generate the correct output for a given input; this adaptation process is reminiscent of the way learning occurs in the brain via changes in the synaptic efficacies of neurons. This feature makes these models very appealing in application domains where one has little or an incomplete understanding of the problem to be solved, but where training data is available.
One example would be to teach a neural network to convert printed text to speech. Here, one could pick several articles from a newspaper and generate hundreds of training pairs – an input and its associated «desired» output sound – as follows: the input to the neural network would be a string of three consecutive letters from a given word in the text. The desired output that the network should generate could then be the sound of the second letter of the input string. The training phase would then consist of cycling through the training examples and adjusting the network parameters – essentially, learning – so that any error in output sound would be gradually minimized for all input examples. After training, the network could then be tested on new articles. The idea is that the neural network would «generalize» by being able to properly convert new text to speech.
Another key feature is the intrinsic parallel architecture, which allows for fast computation of solutions when these networks are implemented on parallel digital computers or, ultimately, when implemented in customized hardware. In many applications, however, they are implemented as programs that run on a PC or computer workstation.
Artificial neural networks are viable models for a wide variety of problems, including pattern classification, speech synthesis and recognition, adaptive interfaces between humans and complex physical systems, function approximation, image compression, forecasting and prediction, and nonlinear system modeling.
These networks are «neural» in the sense that they may have been inspired by the brain and neuroscience, but not necessarily because they are faithful models of biological, neural or cognitive phenomena. In fact, many artificial neural networks are more closely related to traditional mathematical and / or statistical models, such as nonparametric pattern classifiers, clustering algorithms, nonlinear filters and statistical regression models, than they are to neurobiological models.
(«Scientific American», May, 2007)
II. Составьте реферат статьи на русском языке: