石洁琦，郑博文

(1.广州体育学院基础教育学院，广东 广州 510500；2.北京邮电大学计算机学院，北京 100876)

1 研究目的

本课题围绕促进体育生的英语自主学习能力以及通过信息技术增强体育生英语学习效率和成效为目标，以中国英语能力等级量表(CSE)为参照标准，研发智能诊断系统，全方位高效率提升体育生英语水平。智能诊断系统主要从两个方面提高体育生的英语学习效率：一是提供诊断式学习结果。让学生明确了解自己弱点所在，及时查漏补缺，自主学习更能有的放矢，目标明确。二是进行个体化的题目智能推送。在实现对个体英语知识掌握状况的诊断基础上，针对学生具体情况进行知识推送，薄弱点个性化训练智能推送。

2 认知诊断、自适应学习和过程性考核

认知诊断(Cognitive Diagnosis，CD)针对个体知识结构、加工技能或认知过程进行诊断评估[1]。认知诊断中常用的方法是由Tatsuoka 等创建的测量理论中的规则空间模型(Rule Space Model，RSM[2])。RSM 能够测量出学生的知识状态，进而学生可根据知识状态开展补救学习[3]。在该模型当中，学生通过不同的属性所对应的知识及能力答题，研究者通过配对知识属性及厘清属性层级关系，并依此测量出学生的知识能力水平[4]。然而，RSM对学习者知识状态描述展示的只有掌握和未掌握两种，无法详细展示具体掌握程度[5]。另外，学生并不能直观即刻得到自己的知识漏洞诊断，更不要说针对弱点自主寻找相关学习资料。因此，本项目设计特点在于通过学习APP为学习者直观展示其知识状态与认知结构并方便快捷地展开自主补救学习。系统以类似传统书籍的树形方式组织属性，以超链接的形式实现属性到例题，属性与属性之间的快速跳转，方便学生快速理解不同属性间的相互联系和层级关系。

依据学生个体差异提供不同的学习资源的自适应学习(Adaptive Learning)成为学者们关注的重点[6]。计算机化自适应测验(Computerized Adaptive Testing，CAT)由美国测量学家Lord 首次提出。主要通过对试题进行难度标定后再对学生进行测试，测试时计算机在题库中自动选择难度等级与学生能力相匹配的试题进行推送[7]，以此达成经济题量完成学生学习目标的诉求。本研究基于认知诊断理论，通过属性的难易程度及属性间关系，为学习内容选择和学习次序最优方案提供支持；本研究相比之前的相关研究更为优化的特点是，随时提供相关链接自主补漏检测，由此实现真正意义上的自适应学习。本应用的推送规则：优先推送未掌握属性；优先推送难度低属性；推送顺序符合认知逻辑所对应的属性层级关系。

《教育部关于深化本科教育教学改革全面提高人才培养质量的意见》[8]强调要完善过程性考核与结果性考核有机结合的学业考评制度( 教育部 2019)。过程性考核就是形成性评价，在实际教学中，学习、教学、测评是相互交织的，而形成性评价则是覆盖这三者的统一体，成为促进学习的评价[9]。在教学过程中，借助信息技术，适时、阶段性地记录学习过程，学生课前预习，课堂学习和课后复习和单元测试所收集的学习诊断记录皆由智能诊断APP收集，智能自动地产生体育生学习过程中产生的平时成绩和单元测试成绩，节省教师大量的登记统计时间，使到形成性评价更能成功、顺利地开展。

3 以量表为依据以需求为导向的自适应学习系统构建

3.1 以需求为导向

按现代测试科学的要求，确定语言测试的范围，应该先作需要分析[10]。Hutchinson和Waters 将需求分为客观需求、客观缺乏和主观需求[11]。满足国家需求，是大学英语教学最大的客观需求[12]。新时代我们的教育要培养具备了解世界体育科学新进展的能力，且具有前瞻思维、国际眼光并肩负民族复兴重任的大学生[13]。依据Dudley-Evans和St.John的需求分析模型[14]，结合体育生情况设计需求问卷。通过调查问卷的需求分析得到体育生的最大主观需求是“过四级”[15]。整合客观需求和主观需求，教学和自适应学习系统的题干文本摘自四级真题题库以及译文范文语料库，自建体育各专业文章摘要语料库和中国文化语料库。

3.2 以量表为依据

测评的规范问题已经得到国家的重视和强调。国务院《关于深化考试招生制度改革的实施意见》(国发〔2014〕35号)提出建设现代化外语测评体系。同年，教育部启动了中国英语能力等级量表项目[16]。历经国内外近两百位专家学者三年多的实证研究和充分论证，经国家语言文字工作委员会语言文字规范标准审定委员会审定，量表于2018年2月12日由教育部、国家语委签发[17]。

量表的颁发是中国外语考试改革的一项重大举措[18]。《教育部关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知》提出，要增加过程考核成绩在总成绩中的占比[19]。《教育部关于深化本科教育教学改革全面提高人才培养质量的意见》强调学业考评制度要完善过程性考核与结果性考核的有机结合( 教育部，2019)[8]。通过量表参照标准，学生可以自我判断所处阶段水平并设定相应学习目标[20]，教师依照量表确定教学过程中的各教学目标和教学内容[21]。量表提供考试质量保障，使考试各环节有章可循[22]，为我国英语学习、教学、测评提供了统一的参照标准[23]。量表描述了我国英语学习者初中高3个发展阶段包含9个级别的英语能力水平[24]，为本研究的智能系统构建提供了规范和依据。

3.3 构建中国英语能力等级量表句法知识运用能力属性标注框架

本研究以句法知识运用能力分量表为基础(以下简称量表)，构建属性标注框架。我们对量表的知识技能进行了界定，确定了从A到J共10大类的52种属性，并厘清了它们之间的层级关系，见表1-4及其相应的推送图1-4；表5-10相应的推送图类似图4，如表5，先推送E1-E5之后再推送E6; 表6，先推送F1-F4之后再推送F5; 表7，先推送G1-G4之后再推送G5；表8，先推送H1-H4之后再推送H5；表9，先推送I1-I9之后再推送I10，表10，在G5，H5和I10推送后才推送J5。共编制了300道项目来考测此52种属性，每题所含属性均可明确辩认。

图1

图2

表1

表2

图3

图4

表3

表4

表5

表6

表7

表8

表9

表10

3.4 自适应学习系统构建

根据量表的知识技能属性及其层级关系编制相应考题，所有题目采用0-1 计分的方式，答对一题得1 分。预测试在18级学生中分六次进行，测试分数计入平时分，其克隆巴赫系数(Alpha)六次测试均值为0.908， Alpha一般要求达到0．80以上[25]，教师自编试题得信度系数要求在0.85以上[26]，六次测试都在标准之上。试题的难度采用该题的总体失分率计算方式，即P =1-均分值/该题满分值，保留难度范围在0.27-0.8之间的题目。本研究通过学生在学习测试内容期间的表现，包括课堂分数、课堂表现和课后作业生成学习表现分数作为效度分析的效标，通过皮尔逊(Pearson)相关分析得到六次测试均值为0.783；使用斯皮尔曼(Spearman)等级相关分析,得到题目区分度，保留大于0.3区分度的题目。经预测试修订后，最终保留273 道题目，这些题目难度、区分度的取值范围合理，信度和效度拟合程度较好。最后，将大部分题目编入智能诊断APP《金课堂》，它们以符合认知逻辑的考核模式推送，例如从图1可知，在A1 和A2 的基础上考核A3。《金课堂》界面清晰直观，每位同学都可以在自己的账号上看到自己每一属性部分掌握情况，可以针对性地专挑自己分数低的属性进行学习训练(图11)，也能进行总体诊断(图12，图13)，不断进行做题通关。如果没有掌握知识而直接进行做题，通关将会变得很难，没有掌握部分的相应题目会不断推送，直到相关知识题目做对，某一属性没有掌握，则不断推送相应题目，如此则通不了关。

3.5 自适应学习系统技术保障

自适应学习系统程序采用 B/S 架构，借助浏览器的跨平台能力，为 Windows, Mac OS 等桌面平台和 Android, iOS 等移动端平台提供了方便的接入和一致使用体验，方便学生使用个人手机，实验室 PC 机接入。程序前端采用 Angular 开发，利用内容分发网络分发到用户端，保证了平台的流畅使用和高速访问。程序后端采用 Node.js 开发，利用容器技术进行部署，可自由进行扩缩容，保证了大量学生访问时的低延迟和高吞吐量。平台数据库采用 MongoDB，在保证数据安全性的同时，最大限度的提高了系统的灵活性。

4 教学应用

4.1 合作对象

本研究选取广州体育学院2019 级和2020级运动训练学院、足球学院和武术学院二个年级六个班级的本科生作为研究合作者。2019级足球27人，武术48人，运训37人，2020级足球44人，武术39人，运训34人，大部分学生不参加统一高考，通过单招英语测试入学，他们代表了体育生文化课教学特别是英语教学最具挑战性的难度。

4.2 实验准备

首先，通过问卷形式让学生通过量表对自己的学习目标进行制订，量表能帮助学生有针对性地设定学习目标[23]，使外语学习更加个性化[20]。

其次，在18级学生中进行的预测试所建立的题库中，从各分题库分别选取代表各类属性的题目编写入自主研发智能诊断APP《金课堂》供参与系统实验的19级以及20级学生自主诊断学习，并形成前测和后测两套题，皆覆盖题库各属性题目。

然后，教师依据调查问卷收集学习信息，确定教学目标和教学内容，给学生设定要达到的学习目标，让学生根据量表判断自己的能力级别，帮助学生了解消除现实差距、到达目标的方法(Chappuis &Chappuis 2008)[27][21]。收集的调查问卷中，大多数学生都将量表中1-3级对应的描述选择“是”选项，也就是同意该表述。然而随后的预前测表明，同学们对自己的语言知识和技能的估计偏乐观(见图5)。比如二级中的表述“能识别和正确使用常见名词的单复数形式”，绝大多数同学都自信可以做到，但是在实际的考核预前测中能答对一半的也是少数(见图6)。

图5 问卷

图6 考核名词单复数形式(横轴表示答对所得分数，每题1分，共20分，竖轴表示人数)

预前测结果表明体育生英文水平普遍缺乏系统储备，新生开学无法收集到有效信息，因此先进行八周的集中教授学习，教学内容以自编教材体育专业文章摘要为载体，量表为教学内容及练习编订的依据。教师同学生一起设定本学期要达到的学习目标(三级)，让学生从预前测中了解自己英语能力级别(大多数一级还没达到)，帮助学生探寻消除现状与目标之间差距的方法(认真完成课前、课堂以及课后的学习任务)。

4.3 实验探究

原先的实验方案是设置对照班同时进行教学，然而对刚入学的同学进行预前测的效果并不理想，大部分同学没有系统的知识储备，随机选答案的成绩没有太大参考价值，因此独立样本数据满足的独立性、正态性和方差齐性的条件难以获得依据。因而实验方案调整为前后测数据配对，同时将前测放在八周的系统学习之后，以确定学生对课程内容的初始掌握水平，之后提供三周时间供学生在自己手机上通过《金课堂》APP自主诊断，个性化学习，期间教师通过智能平台收集学生自主诊断后的反馈数据、了解学生自主学习情况并针对整体问题集中进行指导，最后进行后测和访谈。

19级及20级学生前后测配对样本T检验结果分别见表11和表12，p值皆为.000，表明实验结果显著。八周的系统学习后，再进行提升实际上是不容易的，然而，通过自适应学习系统的诊断式自主学习，同学们水平还是得到大幅度提升。后测后的访谈中，两级学生都提出将智能诊断APP应用到前八周的集中学习中来，进一步说明了学生对智能诊断APP的认可。

表11 19级配对样本T检验

表12 20级配对样本T检验

结合访谈的反馈，教师在第二阶段的教学中将智能诊断APP应用穿插于每节课中，借助APP，对体育生进行听说读写综合能力和自主学习能力的培育。课前学生通过智能诊断APP的学习功能进行自主预习、学习相关基础知识点；教师通过后台观察学生整体情况在课堂上针对性地精讲，学生围绕知识点进行听说读写的精练；课后学生通过智能诊断APP的诊断功能进行知识盲区扫除，复习巩固所学相关知识点。完成每一教学单元后使用智能诊断APP的闯关功能安排学生进行考核。实践“学教测”结合，以测促学，以测促教，在六周内就超计划顺利完成原本需要13周完成的基础知识补充任务，在第7周进行满意度问卷调查。问卷采用李克特五级量表对学生满意度进行调查，包括APP推送的合适度、问题解决效率、知识掌握便捷度、学习兴趣、教学方案满意度五个方面，19级发放问卷112份，有效问卷为96份；20级发放问卷117份，有效问卷为102份。从反馈数据得到五个方面的均值为，19级分别是4.63、4.67、4.73、4.79、4.84，20级分别是4.61、4.52、4.78、4.75、4.78，均接近五级量表最高等级，说明体育生对智能诊断APP辅助的教学模式具有较高满意度。

5 总结

本研究研发的自适应学习系统以《中国英语能力等级量表句法知识运用能力分量表》为教学测试的规范依据，确定了52种属性，依此编制题目，并提前在18级学生中进行预测试(每一教学阶段测试1次，共六次)，从中挑选难度、区分度、信度和效度合理的题目进入题库，依据认知诊断测验的编制原则通过智能诊断APP实现个性化诊断和个性化题目推送。作为实验合作者的19级和20级学生通过智能APP进行自主诊断，针对自己知识漏洞进行重点学习，智能系统只针对未掌握知识推送，不会再浪费学生时间重复做已经掌握的知识所对应的题目，为每位学生节省了大量的时间。教师通过后台观察学生学习情况，有针对性地进行讲解指导，也节约了课堂宝贵的时间。学生课前预习，课堂学习和课后复习和单元测试所收集的学习诊断记录皆由智能诊断APP收集，智能自动地记录体育生学习过程中产生的平时成绩和单元测试成绩，节省教师大量的登记统计时间，保障了形成性评估的顺利进行。在教学材料的选取方面，通过需求调查，也达到目的明确，针对性强的效果。本研究严谨地实践科学测试规范，并通过信息技术实现高效自主学习和高效诊断教学。通过智能诊断APP辅助的“学教测”一体化的教学模式，真正实践“以测促学”和“以测促教”的探索。经过超过三年的实践探索，得到学生越来越多的肯定和支持，也改观了“体育生天然无法进行英语学习”的刻板印象。