人机协同支持下的小学英语写作教学研究

  • 投稿
  • 更新时间2021-01-15
  • 阅读量73次
  • 评分0
  • 0
  • 0

  摘要:人工智能和大数据挖掘技术的快速发展,为精准化教学的有效开展提供了技术支撑。但在实际教学过程中,仍存在缺乏学生学情数据驱动教学的问题,故探索一种教师与计算机合理协同的工作模式意义重大。文章基于“人机协同”理念,以某小学英语写作教学的实际情况为切入点,构建小学英语写作评价指标体系,提出基于人机协同的小学英语写作教学模型,最后开展作文教学实践。研究表明,此模型能够精准定位写作的薄弱点,为教师开展精准化教学和学生个性化补救提供了数据支持,从而促进了小学生英语写作能力的提升。


  关键词:人机协同;小学英语写作教学模型;作文评价指标体系;智能诊断


  人类从信息时代步入数据时代,人工智能、大数据等技术支撑并加速了技术与教育的深度融合,技术融入课堂成为未来课堂的发展趋势。人工智能作为未来课堂的重要组成部分,将助力教师高效开展教学,充分发挥教师和人工智能的优势,实现学生的个性化及全面发展[1][2]。汪时冲[3]在新型“双师课堂”中,提出基于人工智能的教育机器人将承担部分教师的职能,这意味着在人工智能时代的学习空间中会出现新型的“人机协同”工作模式。目前,人机协同的教学模式仍处于起步阶段,探索人工智能与教师协同工作的模式成为当前亟待解决的问题。在英语学习中,听、说、读、写是英语学习的四项基础能力[4]。其中,写作作为书面表达的一种形式,能够有效地反映出学生的英语综合水平。同时,英语写作也是英语教学中的重难点,其在试卷中所占的比例也逐年上升。遗憾的是,英语写作教学情况不容乐观。


  本研究通过文献梳理,结合项目组采集到的2000份英语作文样例,分析发现在小学英语写作教学中仍面临一些问题:①作文批改主体各执己见,评分标准具有主观性;②缺乏数据支持,无法准确掌握学情并定位学生的薄弱点;③强化采用“题海战术”,缺乏有针对性的知识补救策略。为应对上述英语写作教学中的困难,本研究将人工智能技术引入到小学英语写作教学中,提出人机协同支持下的小学英语写作教学模型,充分发挥人工智能技术与教师双方的优势,实现人机协同化教学过程,提高作文批改的科学性、准确性、客观性、全面性和持续性,将批改结果及时反馈给教师和学生,实现教师的精准教学和学生的个性化学习。


  一人机协同支持下的小学英语写作教学的理论支撑


  1“以评促教”助力英语写作精准教学


  形成性评价发生在学生对知识的形成和构建过程中,强调对学习的反馈和矫正,是一个不断改进、螺旋式上升的过程[5]。美国肯塔基州大学教育学院教育心理学教授Guskey[6]曾将掌握学习实施过程与干预反馈(ResponsetoIntervention,RTI)模型、设计理解(UnderstandingbyDesign)过程做了比较,认为它们都强调形成性评价的“反馈—矫正”机制在教学中的重要性。而作文写作是一个循环的过程,学生的写作能力是在“评价—反馈—矫正”的过程中逐渐提升。其中,评价在学习过程中起着不可忽视的重要作用,有效、科学的诊断评价结果可以帮助教师定位写作中存在的共性问题,实现精准化教学;同时,帮助学生发现自己在写作英语作文方面的优势和短板,明确自主学习的起点和方向,提高学习成效。


  2“人机协同”促进英语写作教学效率提升


  “人机协同”是指人的“智慧”与机器“智能”之间的相互协同。其中,机器通过计算、分析学生多种评价数据,挖掘学生的写作规律;而人类基于数据反馈的信息,通过个人智慧进行科学决策,以实现人机协同化[7]。早在20世纪60年代,人机协同理念就已经得到了国外专家学者的重视,并开展了一系列理论研究和实践探索。如Rust[8]对人机协同展开了实践探究,他认为人工智能技术可以从较低级的智能工作开始取代部分人类工作,帮助教师分担机械和重复性的工作。Fu[9]的研究表明,将人工智能应用于在线测试系统设计,能有效解决来自教师单一教学模式的挑战和当前英语教学中存在的其它问题,并智能诊断出学习者的薄弱项。而朱永海[10]认为,人机协同教育可以产生“1+1>2”的效果,人类智力和机器智能相结合,可以真正实现人机结合和左右脑的多元智能结合,实现学生的差异化培养。人机协同即借助技术辅助教师的教学和学生的学习,达到提高教学效率与质量的目的。目前,国外已开发出多个英文作文评阅算法和系统,如PEG、IEA、E-rater、Jess等[11]。作为教学辅助工具,这些作文评阅系统能够帮助教师提高作文教学的效率,使教学更有针对性。唐锦兰[12]将自动评价系统应用于英语教学中,发现基于自动评价系统的教学应用促进了学生写作能力的提升,对教学过程也产生了积极的影响。综上所述,“人机协同”能够有效促进英语写作教学效率的提升。


  二基于人机协同的小学英语写作教学模型的构建


  英语写作是一种书面表达和传递信息的交际能力,是学生综合语言运用能力的重要组成部分,小学时代便开始培养学生的英语写作能力显得尤为重要[13]。本研究以小学英语写作课程标准为学科依据,以形成性评价为理论支撑,以人机协同理念为指导,借助人工智能技术,从教学的顶层设计和小学英语写作评价标准两个维度来构建人机协同支持下的小学英语写作教学模型,旨在探索一种新型的教学模型来促进学生写作能力的提升。


  1基于人机协同的小学英语写作教学模型的顶层设计


  在借鉴彭红超等[14]提出的人机协同的数据智慧机制基础上,本研究提出基于人机协同的小学英语写作教学模型(以下简称“人机协同写作教学模型”)的顶层设计,旨在引导教学实践活动从起点走向教学目标的终点,具体如图1所示。在人工智能技术注入课堂教学的环境下,课堂教学活动中各要素之间的协作更加错综复杂。在基于人机协同的小学英语写作教学模型中,“人”是指学生、教师等教育相关者,“机”指的是教学中使用到的技术和软硬件等设备[15]。其中,机器主要负责重复性或单调性的工作,教师则主要负责创造性及情感方面的工作,两者合理分工,共同促进英语写作课堂中知识的高效传授。机器在教学活动中扮演“教师助手”的角色,它发挥智能计算优势,帮助教师处理机械重复的事务,大幅提高了工作效率[16]。但机器无法考虑学生的主观感受和情感经历,无法结合学生的情感经历和生活体验分析问题,因此机器难以对学生评价报告中的隐含信息做出精准、全面的解读,难以提供适应性的解决方案。而教师丰富的教学经验和智慧能够弥补机器的不足,并利用“智慧”对教育数据进行结果归因分析和教学干预,从而做出科学的教学决策。


  2作文评价指标体系是“人”与“机”结合的桥梁


  在人机协同写作教学模型中,作文评价指标体系是学生学习写作、教师评价学生写作能力和机器智能数据分析的标准,指标体系将贯穿于整个写作教学的过程中,是实现人机合作、交流沟通的桥梁。机器以写作评价标准为知识图谱,依托智能分析技术智能点评范文并反馈共性与个性化问题;教师以评价标准为教学大纲,实施写作教学;学生在教师和机器的引导下完成作文,并根据评价标准来修改自己的写作内容。与传统写作教学过程相比,人机协同支持下的写作教学运用评价标准来指导写作的过程,目标更清晰,写作教学更有针对性。


  美国McGraw-Hill公司设计的WritingRoadmap2.0(WRM)自动评分系统,是国外比较成熟的自动评分系统之一[17]。该系统的作文分项评分标准从篇章结构、内容、句子结构、词汇、语法、写作规范等六个维度展开。本研究借鉴WRM的评价标准,结合义务教育小学阶段的英语课程要求,构建了小学英语作文评分指标体系,如图2所示。小学英语作文评价指标体系包含6个维度,分别用于评价学生不同级别的认知水平,从前向后采用“a1-a6”进行编码。其中,“a1词汇”、“a2句子”、“a6语法”考查学生的基本写作技能,属于低阶认知;“a4内容相关”考查学生对题目的理解力,“a3篇章结构”考查学生的逻辑思维能力,属于高阶认知;“a5写作规范”考查学生的写作习惯。结合对有经验的一线小学英语教师进行深度访谈的结果,本研究对小学英语作文评价指标体系各项指标所占的权重进行了计算,得到小学英语作文评价指标体系的指标权重比例为:a1:a2:a3:a4:a5:a6=1:1:4:4:1:1,可以看出“a3篇章结构”与“a4内容相关”的重要程度很高。


  三人机协同支持下的小学英语写作教学实施


  在基于人机协同的小学英语写作教学模型的指导下,本研究依托项目组研发的“学习大数据平台”(下文简称“平台”),选取苏州市姑苏区某小学五年级某班的45名学生为实验研究对象,开展了小学英语写作教学实践。


  1人机协同支持下的英语写作教学的实施流程


  本研究以基于人机协同的小学英语写作教学模型的顶层设计,开展写作教学实践,其写作教学实施流程如图3所示。该流程遵循机器的“计算智能”与教师的“教学智慧”相结合原则,机器承担教育数据采集、教育数据分析和计算任务,辅助教师自动采集写作学习数据,实时提供数据分析报告;在机器的帮助下,教师全面了解班级学生的写作学情,发现学生的写作薄弱环节,为学生提供差异化的教学内容与精准化的教学服务。在人机协同的支持下,小学英语写作教学过程由“写作—评价—分析—干预”4个阶段组成。


  2写作与评价阶段:智能化数据采集


  在写作与评价阶段,了解学生学情有助于教师开展精准化教学,并基于“学情”开展课程的教学设计:首先,借助平台跟踪学生的历史学习数据、学习轨迹及波动情况,教师掌握学生当前学情,有针对性地修订每节课程的教学目标;其次,结合课程标准和学生历史数据剖析学生在先前学习中的优势与短板,教师设计组织教学活动重点向学习短板倾斜;最后,以作文评价标准为纲,以学生学情为本,教师发布写作任务。


  为保证学生学习数据的准确性与实验开展的有效性,本研究在教学实践中采用纸质作答的方式,以保留学生传统的写作习惯。学生接收到写作任务后,采用头脑风暴方式构思写作主题和内容,撰写作文。学生完成写作并提交,借助高速扫描仪全自动采集学生的作文答卷,教师可根据作文评价指标体系对学生作文的细项进行批改并评分,如图4为教师批改某学生作文的细项打分结果,可以看出学生在“词汇”上扣了0.5分。


  3分析阶段:数据驱动写作问题精准诊断


  (1)班级群体诊断分析


  依据学习大数据平台智能分析班级学生的作文细项掌握程度的可视化图表,教师可以快捷定位小学英语作文写作中群体存在的共性问题,如图5所示。图5显示,班级群体的写作薄弱点集中在“语法”,其次是“词汇”。教师在详细解读数据分析结果之后,掌握班级学生群体的写作知识与技巧水平,在课堂作文讲解的过程中,将“语法”与“词汇”设为重难点,合理安排有针对性的教学内容和教学活动环节,适当调整教学进度,通过过程性评价与精准化干预,有效提高教学效率。


  (2)学生个案分析


  尽管学生的作文得分相同,但学生对写作技能掌握的优势和短板不尽相同。两位案例学生的作文分项指标得分率与班级平均得分率的雷达对比图如图6所示,可以看出:在此次作文测试中,两位同学的作文得分都是5分,但两位同学写作的薄弱点不同——李同学的作文薄弱点是“语法”和“词汇”,而周同学的薄弱点是“语法”和“句子”,可见“语法”是两人的共同薄弱点;两位同学在“内容相关”和“篇章结构”方面与班级得分率持平,说明这两位同学对这两个维度的技能掌握较好。通过智能数据分析,教师可以了解学生的学习成效并精准定位学生的问题点,为后续开展个性化学习与精准辅导提供数据支持。


  4干预阶段:精准化干预和个性化学习


  在上述作文分析阶段,教师根据平台提供的作文数据分析和诊断报告,掌握群体、个体的共性与个性问题。而在干预阶段,教师将针对学生群体和个人学情来开展精准化教学与强化训练。


  (1)数据驱动群体精准化教学


  在英语作文分析中,教师通过平台提供的班级可视化评估报告,了解班级群体的作文整体达标率及存在问题的作文细项指标,即发现学生在学习过程中存在的共性和个性的问题。如教学实施过程中发现部分学生在作文“语法”方面表现欠佳,以此判定整个班级在“语法”维度相对薄弱。针对此共性问题,教师在进行教学设计的过程中,应适当调整教学内容,加强对“语法”知识的讲解与练习;学生依据教师的讲解建议初次修改作文,并重点关注个人的写作薄弱环节。


  因此,通过数据诊断来深度挖掘数据的价值,一方面打破了传统讲评课就题讲题和教学以经验为主的僵局;另一方面,教师根据智能分析结果进行灵活的教学决策,在课堂中集中讲解群体共性问题,并对典型问题进行举一反三的针对性训练,不仅实现了精准化教学,而且大幅提升了教学效率。


  (2)数据驱动学生个性化学习


  通过对学生个体作文分析报告的解读,教师及时实施针对性补差和个性化指导。如以李同学为例,其薄弱点在于“词汇”和“语法”。因此,在“词汇”方面,平台宜推送与该作文主题相关的词汇卡片,丰富词汇知识,帮助李同学总结和记忆;基于平台里的“词汇知识图谱”,李同学选择“词汇”知识点,并根据系统自动推送的与知识点相关的题目,按照要求完成强化练习。此外,教师应实时跟踪李同学的针对性补差情况,分析其存在问题的原因,并给予针对性的建议,从而落实知识点的补救情况,助力其个性化学习。而在“语法”方面,李同学应根据教师的集中讲解,并结合作文细项诊断报告,开展自我反思,确定后续学习的重点。以此为基础,李同学根据平台推荐的相关练习资源自动规划学习路径,开展个性化学习,由此针对性地训练写作专项能力。


  四结语


  大数据时代的教育,呼唤教师采用“人机结合”的形式来实现教育的智能化。在英语写作教学领域,借助大数据技术辅助写作教学的方式越来越多。人工智能可以帮助教师高效采集和分析作文数据,挖掘教学中的重难点,并让教师有更多的时间和精力关注“育人”的工作,注重与学生之间的情感交流和对学生综合素养的培养。


  在传统的小学英语写作教学中,教师对作文的评价往往依赖主观经验,缺少科学性,教师对于人工智能技术和大数据的应用尚没有形成系统的认识。因此,本研究探索了一种基于人机协同的小学英语写作教学模型,弱化了传统教学中教师凭主观经验调整教学的方式,强调“以学生学情为中心”的差异化教学,使得教学设计更加科学合理。在该模型中,人与机器分工合作并无缝协同,借助平台的大数据分析来挖掘英语教学中的重难点,实现对英语写作技能的精准教学和个性化学习,以提高写作教学质量,促进学生英语写作能力的提升。在此基础上,后续研究将进一步优化基于人机协同的小学英语写作教学模型,尝试将作文的自动批阅与差异化教学相结合,实现由学情数据驱动的精准化教学。