張海蕓

摘 要：筆者針對當前職高英語寫作教學成效欠佳，學生高考英語書面表達整體水平偏低的問題，以人工智能輔助語言學習理論為依托，構建了基于人工智能的混合式英語寫作教學模式。為了檢驗該模式的教學成效，筆者選取了42名學生為研究對象，開展20周的實驗教學。本研究結果表明： 基于人工智能的混合式英語寫作教學模式能夠幫助學生提高英語寫作能力和寫作興趣，學生對該模式有較高的接納度。筆者建議將此模式應用于實際教學中，藉而改善學生的寫作水平，為日后高考英語寫作打下堅實的基礎。

關鍵詞：英語;寫作教學;人工智能;教育信息化

一、研究背景

書面表達是高考英語科目中分值占比相對較高的一種題型，同時也是職高學生較難得分的題目。長期以來，英語寫作不僅困擾著學生，也困擾著不少教師，面對教學任務繁重、課時不足、大班授課等現實問題，如何提高寫作訓練的效果，改善學生的寫作能力，已成英語教學的一道難題。

隨著教育信息化2.0行動的啟動和深入推進，以人工智能為代表的現代信息技術在教育領域的融合應用取得了實質性的成效。人工智能賦能英語教育，為英語教學改革帶來了新機遇，為優(yōu)化和改善英語寫作教學質量提供了新方法和新途徑。

基于當前寫作教學效果不佳及學生英語書面表達得分低的問題，筆者結合人工智能輔助語言學習理論，構建出基于人工智能的混合式英語寫作教學模式，并將此教學模式應用于英語寫作教學，以探討三個問題：（1）此模式能否改善學生的寫作寫作能力？（2）在實施實驗教學后，學生的寫作動機能否得到提升？（3）學生對此教學模式持怎樣的態(tài)度？

二、人工智能計算機輔助語言學習

人工智能計算機輔助語言學習（Intelligent Computer Assisted Language Learning，簡稱ICALL）是一種將人工智能計算機系統(tǒng)的功能與教師的課堂講授有機整合的教學模式。它是由計算機輔助語言學習（CALL）發(fā)展而來，是CALL的一個分支學科[1]。目前，在英語教學中應用到的人工智能技術包括：語音識別、語義分析、圖像識別、人機交互、機器學習、自適應學習、智能教育機器人、虛擬現實場景式教學等[2]。人工智能技術己貫穿于教學設計、教學實施、教學評價等多個教學環(huán)節(jié)，能夠輔助教師備課、學生預習、課堂互動、課后輔導、作業(yè)設計、學習評測、學情診斷等。由于ICALL發(fā)展時間不長，國內外的相關研究還不多，主要為理論探討，實證分析較少。多數學者認為，ICALL能夠增強學習者的語法意識及提高句法結構[3]，解決個性化學習和拓展學習等問題，能促進學習者的語言輸出，改善學習者二語寫作能力[4]。

三、研究設計

（一）研究對象

筆者所教職校普高一年級學生，共42人，女生32人，男生10人，介于15～16歲。

（二）研究工具

1.《分項式作文評分表》[5]用于評價學生的作文質量，評分指標包括：內容30%、組織20%、詞匯20%、語言使用25%及標點符號及大小寫5%。分值范圍為100-34。

2. 《寫作動機量表》[6]：量表維度包括寫作重要性、寫作期待、寫作情感與寫作興趣。量表四因子的效度為0.85，0.89，0.77，0.91;內部一致性0 .93，說明該量表能夠用于本次調查。

3. 《寫作教學接納度調查問卷》，由筆者編寫，用于調查學生對新教學模式的接納度。

（三）研究步驟

本研究共20周，分三個階段進行：（1）寫作前測，對學生進行寫作水平及寫作動機前測;（2）教學實施，實施基于人工智能的混合式英語寫作教學;（3）寫作后測，對學生進行寫作水平和寫作動機后測，完成《寫作教學接納度調查問卷》，測后對數據收集統(tǒng)計。

（四）數據收集

本研究用SPSS 22.0對收集來的數據進行了分析。統(tǒng)計方法有描述性統(tǒng)計、t檢驗等。

四、基于人工智能的混合式英語寫作教學模式構建與實施

在教學實驗前，筆者構建出基于人工智能的混合式英語寫作教學模式，詳見圖1。

（一）課前：寫前準備

寫前準備環(huán)節(jié)主要通過在線自主學習活動展開，活動具體包括：（1）寫作主題微課學習，了解寫作主題，明確寫作任務。（2）寫作生詞游戲記憶，通過游戲化詞匯學習，掌握寫作相關生詞，為寫作做準備。（3）反饋練習，教師通過平臺布置練習，對學生的學習過程予以跟蹤，了解學生課前學習效果，并以此設計出適合的課堂活動。本環(huán)節(jié)所使用的人工智能語言學習工具列表如下（詳見表1）。

（二）課中：以讀領寫

以讀領寫環(huán)節(jié)主要通過線上線下結合的合作、自主學習活動展開，活動具體包括：（1）復習、鞏固，教師根據后臺數據進行學情分析，幫助學生課內復習鞏固。（2）研讀范文，學生借助機器翻譯及小組討論研讀范文，掌握范文的組織架構和語言使用。（3）句式遷移，指導學生通過完成平臺的翻譯、改寫句子訓練，掌握重點句式、復雜句式。（4）仿寫作文，學生根據情景任務，借助英語寫作智能批改系統(tǒng)完成仿寫練習。本環(huán)節(jié)使用的人工智能語言學習工具列表如下（詳見表2）。

（三）課后：鞏固拓展

鞏固拓展環(huán)節(jié)主要通過線上線下結合的合作、自主學習方式開展，活動具體包括：（1）互改、修訂，學生在學習平臺上提交作文，生生互改，再進行修訂。（2）點評、分享，教師對學生提交的修訂稿進行點評，選出優(yōu)秀作文全班分享。（3）高考寫作鏈接，讓學生通過高考命題作文開展寫作拓展練習，讓學生提前訓練高考寫作題型，為高考英語書面表達打下堅實的基礎。本環(huán)節(jié)使用到的人工智能語言學習工具列表如下（詳見表3）。

五、實驗教學有效性分析

（一）作文流暢度

本研究通過前后測作文的文本長度（平均字數）檢測學生的寫作流暢度，結果發(fā)現作文文本長度從76.23±30.73增加到85.17±37.28，在0.001水平上存在顯著差異，由此說明在經過基于人工智能的混合式英語寫作教學后，學生的寫作流暢度有顯著提升，語言輸出變得更流暢，詳細數據見表4。

（二）作文句式復雜度

本研究主要以W/T值來檢測學生的句式復雜度。W/T值為作文總字數與T單位數量之比。T單位是指一個符合語法的最小單位的句子，包括主句及其附屬的從句或非從句成分。T單位個數越多，W/T值越大，說明句式復雜度越高。表5顯示，前后測作文的W/T值從6.41±2.22上升7.02±2.03，達到統(tǒng)計學上的顯著意義。由此說明學生在作文訓練后，學生的作文句式在復雜度上有了顯著提高，能夠寫出相對較為復雜的句子。

（三）前后測寫作成績

作文前后測成績取兩位教師評分的平均值。表6顯示，經實驗教學后，后測作文較前測作文成績有了較大提高，t檢驗顯示差異顯著。各評分指標對比顯示，前后測作文在內容、詞匯、組織、標點符號及大小寫上的分數均有明顯增加，經t檢驗達到顯著水平，由此推測，基于人工智能的混合式英語寫作教學有助于提高英語書面表達能力。但研究也發(fā)現，語言使用的前后測分值未達到統(tǒng)計學上的顯著差異水平。筆者分析，語言運用能力的培養(yǎng)是一項長期任務，職高生英語基礎普遍薄弱，教師需要在教學中重視其語用知識的積累及語法規(guī)則的掌握，讓學生通過訓練不斷學習、積累語言知識，從而達到掌握語言和運用語言的目的。

（四）寫作動機分析

表7寫作動機的前后測總量表分值顯示，后測分值為12.43±0.28，顯著高于前測11.83±0.33，經t檢驗達到顯著差異水平，這說明基于人工智能的混合式英語寫作教學能夠提升學生的寫作動機水平。此外，學生在寫作興趣上前后測分值也達到了顯著提升的效果，這說明此教學模式能夠調動起學生的寫作興趣。但研究也發(fā)現學生在寫作重要性、寫作情感和寫作期待雖后測分值上雖也有一定提高，但未達到顯著性水平。

（五）教學模式接納度分析

筆者通過學生教學內容、教學方法與手段、教學效果、課后作業(yè)四個維度來分析學生對新教學模式的接納度。從表8調查結果顯示。超過七成學生對基于人工智能的混合式英語寫作的教學內容表示滿意。逾六成學生滿意此授課方式。在課程教學效果方面，八成學生滿意或非常滿意本學期寫作課的教學效果。在課后作業(yè)方面，七成學生對作業(yè)量及在線作答方式表示滿意。由調查結果可知，大部分學生對基于人工智能的混合式英語寫作教學模式持較高的接納度。

六、結論與建議

通過對以上數據的分析，筆者認為，基于人工智能的混合式英語寫作教學模式是一種培養(yǎng)學生英語寫作能力的有效途徑，值得在英語寫作教學中推廣及應用。為了使該教學模式在課程中更好地實施，筆者建議：第一，以讀寫結合的方式來促進寫作能力的提升，教師可通過布置課外英語閱讀任務，促使學生增加詞匯及語言積累，并把從閱讀材料中學到的語言、寫作技巧應用到作文中，從而達到學以致用的目的。第二，升級教學設施設備，優(yōu)化校園網絡環(huán)境，對相對落后的地區(qū)和學校提供必要的技術支持和指導。第三，對于有寫作困難的學生，教師要給予更多關注與指導，實施分層教學，以使他們能夠順利完成寫作任務。

參考文獻

[1]許德寶. CALL研究中的問題[J]. Journal of Technology and Chinese Language Teaching， 2015，6（2）：1-16.

[2] Michael T， Hayo R， & Mark W. Contemporary Computer-Assisted Language Learning [M]. UK： Bloomsbury Academic， 2014.

[3] Bowles， M. Effects of verbalization condition and type of feedback on L2 development in a CALL task[D].Washington： Georagetown University， 2005.

[4] Heift T. Language， Education and Technology. Encyclopedia of Language and Education （3rd ed.）. Cham： Springer， 2017.

[5] Jacobs et al， Testing ESL Composition： A Practical Approach. English Composition Program [M]. Rowley， MA： Newbury House Publishers， Inc.， 1981.

[6]許惠敏. 探討網絡檔案評量對國小英文寫作能力與寫作態(tài)度之影響[D].臺北：國立臺北教育大學， 2006.