Data-Driven Learning

Data-Driven Learning (DDL) je metoda využití jazykových korpusů ve výuce cizích jazyků.

Termín DDL byl zaveden britským korpusovým lingvistou Timem Johnsem, jenž jako první využíval korpusy ve výuce angličtiny. Tato metoda je založena na poznatcích studenta, který objevuje cizí jazyk na základě korpusových dat. Učitel je zde pouze koordinátorem studentovy práce, který zajišťuje vhodné prostředí, v němž bude student schopen dospívat k lingvistickým závěrům. Jedná se o rozvinutí studentových schopností učit se jak se učit (learn how to learn). Student je také vědcem, jenž je veden korpusovými daty k tomu, aby vyvodil závěry a dospěl k obecným gramatickým pravidlům.

Na rozdíl od ve výuce běžného deduktivního přístupu je DDL přístupem induktivním, který se soustředí v první řádě na pozorování korpusových dat, na základě kterých student klasifikuje jazykové jevy a následně generalizuje gramatická pravidla. Učitel přesně neví, k jakým závěrům dospěje student, proto koordinuje studentovu práci a jeho pozice je spíše partnerská než autoritativní.

DDL se tradičně dělí na dvě odvětví podle metody práce:

• DDL hard − (též hands-on) kdy studenti pracují přímo s korpusovým výhledávačem,

• DDL soft − (též hands-off) kdy studenti řeší úkoly připravené na základě korpusových dat, např. ve formě vytištěných konkordancí.

— Adrian Zasina