赵慧 唐建敏

摘要：如何避免“哑巴英语”一直是我国大学英语教学的难点。近年来，人工智能AI在自然语言理解、图像识别等多个领域获得突破，如何将AI技术引入大学英语教学中，与大学英语“教”和“学”的环节进行高效融合尚未得到充分研究。针对该问题，分析相关AI技术为大学英语教学模式提供演进动力的可能性，探究部分AI技术与大学英语教学相结合的可能性，尤其是对自主学习具有重要作用的评价反馈中应用的可能性，并在此基础上探索AI背景下大学英语教学新模式。研究结果表明，引入AI技术为当前大学英语教学模式改革提供了新的思路和切入点，对达成大学英语教学目标具有重要意义。

关键词：大学英语教学;人工智能;自然语言处理;教学模式

DOI：10.11907/ejdk.192199开放科学（资源服务）标识码（OSID）：

中图分类号：G434文献标识码：A 文章编号：1672-7800（2019）010-0213-04

0引言

自1956年达特茅茨会议第一次提出人工智能AI（Ar-tificial Intelligence）一词以来，AI的研究发展经历了多次兴衰起伏，近年来，AI技术在多个研究领域获得了突破性进展。1998年，Lecun（2019年图灵奖获得者）将卷积神经网络CNN（Convolutional Neural Networks）应用于手写字母识别并获得了成功。该研究中，Lecun设计了被称为CNN鼻祖的LeNet。以LeNet为发端，CNN和深度学习DL（Deep Learning）的理论逐渐完善，并开始在应用领域发挥重要作用。2012年，另一位图灵奖获得者Hiton的学生Alex设计基于CNN的AlexNet，在ImageNet竞赛上大幅度刷新了原有记录，激发了全世界范围的深度学习研究热潮。以此为肇始，以CNN、DL等为基础的新一轮AI技术热潮在自然语言处理、图像识别等领域获得了突破性进展，从而具备了从实验室走向具体应用的可能和价值。

在AI大发展环境下如何将AI技术应用于教育工作，国内和国外都给予了极大重视。2019年，教育部就人工智能技术与教育行业的结合、应用、推广等提出了要求。本文就AI技术与大学英语教学的结合方式进行初步分析，在研究相关AI技术与大学英语教学环节结合可能性的基础上，对AI背景下的大学英语教学模式进行探索。

1现有大学英语教学模式分析

教學模式是在一定教学理论指导下建立起来的，针对特定教学内容和教学对象的较为稳定的教学活动结构框架。目前，我国各类大学中普遍采用多媒体技术进行外语教学。在当前大学英语教学中，多媒体技术非常有利于“听”力教学，同时也对课文讲解、随堂练习等教学手段提供了一定支持。但从“听说读写”能力培养教学目标看，现有教学模式仍然存在很大的局限性，主要表现在：目前大学英语教学是以教师为中心，教师负责整个教学活动的设计、实施、评价，而由于教学班级规模较大，学生人数较多，教师很难掌控每个学生的情况，特别是语言学习需要充分练习，没有对练习的反馈评价，或者反馈评价不详尽、反馈评价延迟都会降低学生学习活动质量。大学英语教学中，如何在有限的教师人力前提下，促使学生完成语言学习所需的大量练习，并完成对这些练习的反馈评价亟待研究。

2017年，《新一代人工智能发展规划》明确提出：“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系”、“建立以学习者为中心的教育环境，提供精准推送的教育服务。在国外，AI在教育中的应用也得到了极大重视，斯坦福大学明确提出：虽然素质教育永远需要人类教师的主动参与，但是AI可以用于加强各级教育，尤其是大规模的个性化教育。如何将蓬勃发展的AI新技术与现有面对面的课堂教学相结合值得研究，这也是一个AI技术如何落地，更好与教育相结合的问题。将AI技术应用于大学英语教学大致可以划分为3个子问题：哪些教学环节可以引入AI技术、在新的模式中AI扮演什么角色、如何评价教学活动质量。

2可用于大学英语教学的AI技术

要想回答大学英语教学中哪些环节可以引入AI技术这个问题，首先需要明白AI技术可以解决什么问题。目前AI技术正蓬勃发展，本文对可能在大学英语教学中发挥作用的AI技术进行初步分析和研究。目前，对大学英语教学产生较大影响的主要是AI技术中的NLP（NaturalLanguageProcessing）研究分支，而NLP自身又包含了数十个小的分支。NLP在教育中的应用，如在作文阅卷中的应用、结合计算机程序增强教育过程等近几年越来越受到关注。本文从大学英语教学所涉及的能力角度出发，对NLP在大学英语教学中应用的可能性进行初步归纳和分析。

2.1与“听、说”能力相关的NLP技术

目前，NLP技术与“听、说”能力相关研究领域包括但不限于：Voice Recognition、Speech Recognition、Speaker Rec-ognition、Lip-reading、Text-To-Speech、Speech Synthesis等。基于语音切分、发音建模、元辅音区分、语言建模等技术实现语音识别、合成、转换等功能都有了较为成熟的解决方案，并应用到了很多软件中，如目前在微信等软件中普遍使用的语音输入。但这些功能相对于大学英语教学所需功能而言存在一些需求上的不匹配。

“听、说”能力培养一直是大学英语教学难点，主要原因有两个：一是无法产生真正的浸入式英语环境，学生“听”和“说”训练不够;二是囿于当前大学英语教学条件，即使学生进行了课下练习，但如果这些练习没有正确、及时的评价反馈，学生可能会失去继续学习的兴趣。这也是目前大学英语教学中“哑巴”、“聋子”英语很多，课堂气氛难以活跃的重要原因。

目前，开发能实现大学英语教学中听说练习功能的软件成为可能。卡耐基梅隆大学开发了“The CMU Pronounc-ing Dictionary”，包含北美英语中的134000个单词及其发音。另外，卡耐基梅隆大学还联合惠普、微软等多个实验室研发了CMUSphinx语音识别软件，软件包含通用对话（Generic Dictation）、语音搜索（Voice Search）、智能辅助（Intelligent Assistants）、语言学习（Language Learning）等功能。其语言学习功能描述中有这样的语句：“帮助学习者建立一个框架用于追踪不正确的发音，对发音进行评分等。目前，CMUSphinx已经发展到第4个版本，该版本支持与说话人无关的、连续的语音识别。

综上可知，从当前大学英语“听、说”教学现状出发，在大学英语教学中应该引入具备学生“听、说”练习实时评分和错误标注等功能的软件。这些软件可以让学生在练习“听”后进行转述或复述式的“说”练习，并进行评分和错误标注。未来，这些软件还可能对学生开放式的英语对话练习进行录音、再放、评分和错误标注。这种具有详细反馈的AI软件将极大地促进学生“听、说”练习兴趣，提升“听、说”练习质量。

2.2与读、写能力相关的NLP技术

目前大学英语教学中，大多数学生认为“读”较为容易而“写”难度很大，原因是“写”能力涉及单词使用和搭配、句子构成和句法正确性、段落语义是否聚合、文章整体结构是否合理等多个层面。这需要大量练习，以及对这些练习进行较为详尽的评价反馈。但从目前大学英语教学的师生比等条件看，显然难度较大。

NLP技术中与“读、写”能力相关的研究领域包括但不限于：Word Segmentation、Word Embeddings、Word Predic-tion、Word Sense Disambiguation、Sentiment Analysis、Sen-tence Boundary Disambiguation、Semantic Role Labeling、Part-of-speech Tagging、Paraphrase Detection、GrammaticalError Correction、Text Similarity、Automated Essay Scoring等领域。这些研究领域基于单词分割、词向量建模、词属性标签、断句、句子意义分割等技术实现对文本从单词、句子、段落等各部分到文章整体的识别、分析和理解等任务。目前，这些技术应用的一个典范就是AES。AES（Automated Essay Scoring）方法已经在美国ETS（Education-al Testing Service）中心的TOEFL、GRE、TOEIC等考试中得到了普遍应用。TOEFL等考试目前普遍使用AES完成对这些试卷的初步评阅，再由两名教师在AES评语的基础上完成最终成绩确认，这大大提高了作文评阅速度。国内对AES的使用和测试也已有十余年历史，但由AI完成的作文评分准确度有待提高，反馈评价有待完善。最近几年，RNN（Recurrent Neural Network）、LSTM（LongShort-Term Memory）等神经网络技术迅猛发展，一些基于RNN或LSTM技术的AES评分其相关性在相关测试集上已经达到甚至超出了教师评分相关性。

综上所述，基于对AES等AI技术的了解，本文认为在大学英语“读、写”能力培养教学中，应该引入具有学生“读、写”练习实时评测功能的软件。这些软件可以在学生“读”的同时自动对学生阅读素材进行分析，生成阅读理解题目;可以由学生根据阅读内容进行模仿写作或者针对性问答，并对学生所写内容进行实时评分，并标注错误之处;进一步地，还可以对学生开放式的英语阅读、写作练习进行分析、理解和評价。

2.3与大学教学相关的其它AI技术

除上述NLP技术外，还有很多AI技术，它们不仅可用于大学英语教学，也可用于其它科目教学。例如，基于问答技术的AI机器人，在经过足够的领域知识训练后能够回答一些学生的专业知识点问题;再比如，基于段落、文本理解等技术，在足够的领域知识训练后某些AI实体可以在课程初始阶段为学生提供本科目或者本阶段学习的引领、导航，帮助学生实现在线学习时的资料收集等;基于统计的AI实体还可以为学生建立完善的个人学习模型，提供个性化的学习导航服务。

总体而言，AI技术正蓬勃发展，其极限远未可知，在大学英语“听、说、读、写”能力培养中可考虑引入AI技术。可以说，AI技术在大学英语教学中的应用才刚刚开始，有大量的工作需要探索、挖掘和实现。

3

AI背景下的大学英语教学模式

与传统课堂授课相比，在引入AI技术后，大学英语教学模式中教师和学生角色会发生巨大变化，二者承担的任务也会发生相应变化。

传统课堂教学遵循授课、理解、巩固、练习、检查模式，循环往复推进，教师是教学活动的中心。在当前大学英语教学中，这种模式越来越难以激发学生学习兴趣。虽然目前有很多关于翻转课堂的研究报告，但从目前大学英语教学实践看，要形成以学生为中心的翻转课堂难度仍然很大，其主要难点在于虽然教师认识到了以学生为中心这种学习模式的益处，但学生对此缺乏认识。如何激发学生从被动学习转变为主动学习是一个整体的教育改革任务，不单单是某一个学校或者通过一门课程或某一位教师能独立完成的。另外，目前教改中常见的教学模式要求学生和教师成为合作者，但考虑到中国大学师生比约束，要达成这种“合作”教学模式的实施条件难度很大。因此，本文基于AI技术探索大学英语教学模式。

在AI背景下的大学英语教学中，教学活动或者学习活动不再仅仅是教师和学生二者之间的互动。引入AI技术后，会形成一种新的基于AI的大学英语教学角色模型，如图1所示。图1中教师和学生之间引入了一个新的角色：AI实体，这些AI实体，也即辅助学生进行“听说读写”等学习活动的各类智能软件。教师可以通过这些AI实体掌握学生学习状况，学生也可以通过这些AI实体了解自己的学习情况。图1所示的教学模式需要具备一定的实施条件：①学生和教师要能够上网;②教师和学生均具备可以使用AI软件的终端;③要有支持“听说读写”练习的AI软件。从目前AI技术发展以及智能手机和4G网络普及看，基于AI的大学英语教学已经具备了实施条件。

通过引入AI实体，教师和学生在各教学阶段所需承担的任务发生了很大变化，如图2所示。历年来各学习阶段、本专业相关各层次学生的历史数据、教师采取的相应教学活动、指导以及最终教学结果等均被保存到数据库中，从而为AI实体运行提供良好支持。与传统教学模式相比，很多学生学习活动的指导和评价都可以由AI实体初步完成，再由任课教师进一步精炼，这大大减轻了教师的工作负担，极大地缓解了当前大学英语教学中的师生比约束。从图2也可以看出，在引入AI实体后，教师和学生所承担的任务也发生了极大变化。由于AI实体的介入，学生可以根据自己的情况进行个性化选课，从而实现弹性教学目标设置;在学习过程中，可以充分利用各类线上线下资源借助AI进行针对性学习。教师所承担的任务也从单纯依靠个体能力指导学生，改变为将初级指导交由AI实体完成，教师则在面对面的课堂中完成更多高级指导和答疑，例如在写作练习中，词法、句法等方面的错误由AI实体完成反馈、校正，教师则负责对语义、篇章结构等问题进行指导，并解答学生的疑问。

教学任务考核如图3所示。与传统期末考试一考定成绩，或者当前期末考试占大部分、学生平时表现（主要是课堂表现、作业质量等）占小部分的方式相比，在引入AI实体后，在最终考核中过程性评价的比重可以大幅度提升。在过程性评价中，可以根据各类状态指标计算学生是否真正投入到学习中，这些指标不仅仅是平时作业，或者课堂表现这种区分度较低的指标，而是具有个性化的指标，例如：学生与AI实体的问答次数、学生与教师的问答次数、资料查询次数、资料阅读时间和阅读过程、听说读写等练习的提交次数等。

从图1、图2和图3可以看出，在引入AI实体后，大学英语教学就不再仅仅是教师和学生的关系，而是教师、AI实体和学生之间的关系，原来教师一对多的局面变为一个教师+N个教学辅助AI实体对应N个学生，这突破了当前大学英语教学师生比约束，为激发学生学习兴趣提供了途径。

4结语

语言能力培养是一个循序渐进、持之以恒的过程，需要大量练习。大学英语教学的主要难点在于如何激发学生自主学习热情，如何突破师生比约束为学生提供良好的评价反馈。引入AI技术为改变当前大学英语教学模式提供了新的思路和切入点，对于提升学生“听说读写”能力，达成大学英语教学目标具有重要意义。本文对AI背景下的大学英语教学模式进行了研究，在对与大学英语教学“听说读写”能力相关的AI技术进行分析的基础上，探索了引入AI技术后大学英语教学模式变化。当前，相关AI技术发展以及AI技术与教育的结合还处于初步阶段，更深入的研究有待后续进行。