曹艷琴， 姚兆宏

(1.西安培華學(xué)院,人文與國際教育學(xué)院，陜西,西安 710125；2.西安電子科技大學(xué),外國語學(xué)院，陜西,西安 710126)

0 引言

英語詞匯在英語學(xué)習(xí)中有著極其重要的作用[1-2]。近年來，許多研究對英語學(xué)習(xí)進(jìn)行了調(diào)查，大多數(shù)研究強調(diào)詞匯學(xué)習(xí)對英語學(xué)習(xí)的重要性。在閱讀英語文章時，詞匯量不足常常導(dǎo)致誤解內(nèi)容或理解能力差。

此外，遺忘所學(xué)詞匯是英語詞匯學(xué)習(xí)中的另一個嚴(yán)重問題[3]。人們通常在學(xué)習(xí)后比長時間延遲后更容易回憶起信息。隨著時間的推移，當(dāng)不執(zhí)行重復(fù)學(xué)習(xí)過程時，信息將被遺忘。遺忘的速度取決于學(xué)習(xí)材料的難度、表現(xiàn)方法等因素，以及壓力和睡眠質(zhì)量等生理因素。潘錫娟[4]研究了高職英語詞匯教學(xué)過程中存在的遺忘現(xiàn)象，提出利用詞匯軟件評價和激勵學(xué)生詞匯學(xué)習(xí)，從而能提升高職英語詞匯教學(xué)的成效。田興華[5]研究了艾賓浩斯遺忘規(guī)律對提高英語詞匯學(xué)習(xí)效率的作用。

此外，隨著融媒體時代到來，掌上電腦、手機瀏覽網(wǎng)頁或檢索網(wǎng)頁信息等移動訪問手段多樣化發(fā)展，也帶來了教育技術(shù)的飛速變革，并趨向于動員性、便攜性和個性化發(fā)展[6]。這些趨勢導(dǎo)致學(xué)習(xí)形式從傳統(tǒng)的課堂學(xué)習(xí)轉(zhuǎn)變?yōu)殡娮訉W(xué)習(xí)(E-learning)。在這些新穎的學(xué)習(xí)形式中，移動學(xué)習(xí)是有效的、靈活的，即移動學(xué)習(xí)能夠克服時間和空間的限制，使學(xué)習(xí)者能夠隨時隨地學(xué)習(xí)。楊麗芳[7]分析當(dāng)代大學(xué)生及移動學(xué)習(xí)的特點，并探討基于移動學(xué)習(xí)的詞匯學(xué)習(xí)模式。劉紅梅等[8]研究了基于微信平臺的大學(xué)英語教學(xué)設(shè)計與實踐。然而大部分方法都是對詞匯學(xué)習(xí)過程進(jìn)行定性分析，很少有研究對詞匯記憶及學(xué)習(xí)方法進(jìn)行定量分析，且沒有針對個人特點訂制個性化學(xué)習(xí)方案，從而導(dǎo)致學(xué)習(xí)效果提升有限。

因此，本研究提出一個新穎的個性化移動英語詞匯學(xué)習(xí)系統(tǒng)，該系統(tǒng)基于個體的學(xué)習(xí)詞匯能力及其記憶周期，根據(jù)每個單詞的難度和個體學(xué)習(xí)者的詞匯記憶能力，自適應(yīng)地為個體學(xué)習(xí)者安排一段時間進(jìn)行詞匯復(fù)習(xí)。

1 系統(tǒng)架構(gòu)

本文提出了一種基于項目反應(yīng)理論[9](Item Response Theory，IRT)和詞匯學(xué)習(xí)記憶周期的個性化移動英語詞匯學(xué)習(xí)系統(tǒng)，包括遠(yuǎn)程管理服務(wù)器、客戶端移動學(xué)習(xí)系統(tǒng)和數(shù)據(jù)同步智能體3部分。

圖1為系統(tǒng)架構(gòu)。客戶端移動學(xué)習(xí)系統(tǒng)由3個智能體和3個數(shù)據(jù)庫組成，可以基于IRT向個別學(xué)習(xí)者推薦新單詞，并為個別學(xué)習(xí)者安排詞匯復(fù)習(xí)周期。遠(yuǎn)程管理服務(wù)器有2個數(shù)據(jù)庫和1個數(shù)據(jù)管理接口，用來收集英語詞匯并由管理員(即教師)管理詞匯。為了支持離線學(xué)習(xí)，數(shù)據(jù)同步智能體負(fù)責(zé)在無線網(wǎng)絡(luò)連接后維護客戶端數(shù)據(jù)庫和服務(wù)器數(shù)據(jù)庫之間的數(shù)據(jù)一致性。

1.1 遠(yuǎn)程管理服務(wù)器

圖1左側(cè)為遠(yuǎn)程管理服務(wù)器的系統(tǒng)架構(gòu)。管理服務(wù)器建立在網(wǎng)站上，便于管理員管理學(xué)習(xí)資料。管理員可以通過數(shù)據(jù)管理界面添加、修改、刪除或編輯學(xué)習(xí)內(nèi)容，并對學(xué)習(xí)者的學(xué)習(xí)狀態(tài)進(jìn)行評估。

1.2 客戶端移動學(xué)習(xí)系統(tǒng)

圖1的右側(cè)為客戶端移動學(xué)習(xí)系統(tǒng)的系統(tǒng)架構(gòu)。該系統(tǒng)由3個智能體組成：詞匯推薦智能體、學(xué)習(xí)成績評估智能體和測試智能體。

圖1 移動英語詞匯學(xué)習(xí)系統(tǒng)架構(gòu)

詞匯推薦智能體根據(jù)個體的學(xué)習(xí)詞匯能力和所學(xué)詞匯的記憶周期，向?qū)W習(xí)者推薦個性化的英語詞匯。測試智能體自動為學(xué)習(xí)者學(xué)習(xí)的詞匯生成相應(yīng)的測試，以便立即評估學(xué)習(xí)成績。學(xué)習(xí)成績評估智能體從測試智能體中收集學(xué)習(xí)者的測試結(jié)果，然后重新評估學(xué)習(xí)者的個人能力和所學(xué)詞匯的記憶周期。最后，學(xué)習(xí)成績評估智能體將這些信息存儲在用戶組合數(shù)據(jù)庫中，用于個性化學(xué)習(xí)。

此外，該系統(tǒng)具有3個學(xué)習(xí)界面：登錄界面、學(xué)習(xí)復(fù)習(xí)界面和自檢界面。這些學(xué)習(xí)界面提供了一個靈活友好的學(xué)習(xí)界面，允許學(xué)習(xí)者與3個智能體進(jìn)行交互。

(1)詞匯推薦智能體

基于IRT估計學(xué)習(xí)者的詞匯能力可以讓詞匯推薦智能體向?qū)W習(xí)者推薦合適的詞匯。如果學(xué)習(xí)者選擇學(xué)習(xí)過程，那么詞匯推薦智能體會根據(jù)學(xué)習(xí)者的詞匯能力向其推薦最合適的詞匯。學(xué)習(xí)的單詞被記錄在用戶檔案數(shù)據(jù)庫中，以供復(fù)習(xí)。另一方面，當(dāng)學(xué)習(xí)者選擇復(fù)習(xí)過程時，詞匯推薦智能體根據(jù)學(xué)習(xí)者對不同單詞的記憶周期，向?qū)W習(xí)者推薦記憶周期最短的詞匯。

(2)測試智能體

為了評估學(xué)習(xí)者的學(xué)習(xí)成績，測試智能體隨機選擇10個與所學(xué)詞匯相關(guān)的測試問題來評估學(xué)習(xí)結(jié)果。在詞匯學(xué)習(xí)過程中，測試智能體要求學(xué)習(xí)者在空白處填寫正確的單詞，以評估學(xué)習(xí)者的拼寫和回憶能力。在詞匯復(fù)習(xí)過程中，測試智能體要求學(xué)習(xí)者從幾個相似的單詞列表中識別出正確的詞匯，以提高學(xué)習(xí)者識別單詞的能力，延長詞匯記憶周期。此外，在學(xué)習(xí)成績評估過程中，測試智能體基于詞匯暴露出來管理詞匯的難度。對于詞匯暴露量大的詞匯，測試智能體降低了詞匯的難度。

(3)學(xué)習(xí)績效評估智能體

根據(jù)隨機抽取的詞匯測試結(jié)果和推薦學(xué)習(xí)者的詞匯學(xué)習(xí)能力測試結(jié)果，對學(xué)習(xí)者重新學(xué)習(xí)詞匯的能力進(jìn)行測試。這些重新評估的學(xué)習(xí)參數(shù)隨后被存儲在用戶組合數(shù)據(jù)庫中，以便在下一個學(xué)習(xí)周期中向個別學(xué)習(xí)者推薦合適的詞匯。為了了解個別學(xué)習(xí)者的學(xué)習(xí)狀況，自查界面總結(jié)了學(xué)習(xí)信息，包括當(dāng)前詞匯能力、記憶周期短的前10個單詞、容易混淆的單詞以及個別學(xué)習(xí)者的評分等級。自我檢查界面的目的是促進(jìn)自主學(xué)習(xí)。

2 英語詞匯能力評價與推薦

項目反應(yīng)理論是一種廣泛應(yīng)用于教育測量的理論，通常應(yīng)用于計算機自適應(yīng)測試(Computerized Adaptive Testing，CAT)領(lǐng)域。該方法有效地減少了測試時間和測試項目數(shù)，能夠準(zhǔn)確地估計考生的能力?；贗RT，本研究提出一個新的個性化移動詞匯學(xué)習(xí)系統(tǒng)，用于評估個性化移動學(xué)習(xí)服務(wù)中學(xué)習(xí)者的詞匯能力。

2.1 學(xué)習(xí)英語詞匯能力評價

為了估計學(xué)習(xí)者的英語詞匯能力，基于IRT提出一個單一難度參數(shù)的項目特征函數(shù)來模擬每個詞匯難度[10]，計算式如下：

(1)

其中，Pj(θ)表示學(xué)習(xí)者在低于其能力水平θ的水平上記憶和識別第j個詞匯的概率，bj表示第j個詞匯的難度，n表示詞匯的數(shù)量，D為常數(shù)，通常取1.702。

在式(1)中，當(dāng)學(xué)習(xí)者的詞匯能力θ等于第j個詞匯的難度參數(shù)時，概率Pj(θ)等于0.5。顯然，當(dāng)?shù)趈個單詞的難度增加時，學(xué)習(xí)者必須有更高的詞匯能力，以達(dá)到0.5的概率來記憶第j個單詞。

在IRT中，通常用最大似然估計(Maximum Likelihood Estimation，MLE)和貝葉斯(Bayes)估計來估計學(xué)習(xí)者的能力。盡管MLE程序簡單易用，但當(dāng)學(xué)習(xí)者對所學(xué)詞匯的測試反應(yīng)完全正確或不正確時，它會對學(xué)習(xí)者的詞匯能力產(chǎn)生不同的估計。當(dāng)測試結(jié)果完全正確時，MLE方法常常高估學(xué)習(xí)者的詞匯能力。相反，當(dāng)測試反應(yīng)完全錯誤時，最大似然估計通常低估了學(xué)習(xí)者的詞匯能力。與極大似然估計方法相比，貝葉斯估計方法復(fù)雜度高、效率低，能夠解決極大似然估計中的發(fā)散估計問題?；旧?，本研究采用了先前關(guān)于學(xué)習(xí)者詞匯能力分布的信息來估計學(xué)習(xí)者的詞匯能力。

因此，采用貝葉斯估計方法來估計學(xué)習(xí)者的詞匯學(xué)習(xí)能力，公式如下:

(2)

在式(2)中，似然函數(shù)L(u1,u2,…,un|θk)可以進(jìn)一步描述為

(3)

其中，Pj(θk)表示學(xué)習(xí)者能夠在低于其能力水平θk的水平上記住第j個詞匯的概率,Qj(θk)表示學(xué)習(xí)者不能在低于其能力水平θk的水平上記住第j個詞匯的概率，且有Qj(θk)=1-Pj(θk),uj是正確或不正確的測試詞匯測試結(jié)果對第j個詞匯的反應(yīng)，即如果答案正確，則uj=1,否則uj=0。

在該系統(tǒng)中，學(xué)習(xí)者的詞匯能力限制在-3到+3之間。也就是說，θ=-3的學(xué)習(xí)者能力最差，θ=0的學(xué)習(xí)者能力中等，θ=+3的學(xué)習(xí)者能力最好。該系統(tǒng)基于學(xué)習(xí)者的測試反應(yīng)來評估學(xué)習(xí)者的詞匯能力。如果一個學(xué)習(xí)者記住了推薦的詞匯，并且給出了正確的測試答案，那么一個學(xué)習(xí)者的詞匯能力將根據(jù)式(2)中的學(xué)習(xí)者能力估計公式得到提升,否則學(xué)習(xí)者的詞匯能力將下降。

2.2 推薦英語詞匯和測試表

IRT中常用的2種推薦方法是最大信息策略和貝葉斯策略。最大信息策略假設(shè)每個詞匯及其相應(yīng)的難度參數(shù)對學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)出不同的信息。信息價值高的詞匯更適合推薦給學(xué)習(xí)者。由于貝葉斯策略比最大信息方法更復(fù)雜，因此采用最大信息方法來推薦合適的詞匯。最大信息函數(shù)定義為

(4)

其中，Ij(θ)是第j個詞匯在低于其能力水平θ的水平上的信息值，bj是第j個詞匯的難度參數(shù)。

詞匯推薦智能體在計算詞匯的信息值后，向?qū)W習(xí)者推薦具有最大信息功能的詞匯。對于具有θ能力的學(xué)習(xí)者來說，具有最大信息功能值的詞匯表示該系統(tǒng)產(chǎn)生的推薦優(yōu)先級最高。

3 實驗與分析

本研究以Microsoft Visual C# 2015為開發(fā)工具，實現(xiàn)了個性化的移動英語詞匯學(xué)習(xí)系統(tǒng)。

為了評估個性化移動英語詞匯學(xué)習(xí)系統(tǒng)的學(xué)習(xí)效果，本研究招募了15名學(xué)生作為志愿者參加實驗。為保證實驗順利進(jìn)行，首先假設(shè)參加者都接受過至少持續(xù)了3年的英語聽說讀寫方面的基本教學(xué)技能教育。

圖2為前測和后測的學(xué)習(xí)性能的比較結(jié)果。前測和后測包含15道選擇題和15道完形填空題的試卷，滿分為30分。為保證測試準(zhǔn)確，2種測試難度被控制在相似范圍內(nèi)。雖然學(xué)習(xí)者在多項選擇題方面的學(xué)習(xí)成績沒有明顯提高，但圖2顯示，學(xué)習(xí)者在完形填空方面的詞匯能力明顯提高。

圖2 學(xué)生前測-后測得分對比結(jié)果

為了比較使用該系統(tǒng)前后學(xué)習(xí)者詞匯能力的差異，采用統(tǒng)計軟件對前測和后測結(jié)果進(jìn)行分析。根據(jù)表1所列的描述性統(tǒng)計結(jié)果，15名學(xué)習(xí)者的前測和后測平均分分別為21.8分和23.333 3分。此外，表2給出了配對樣本t檢驗的前測和后測得分的比較結(jié)果。前測與后測的平均分之差為1.533 3，結(jié)果在自由度14下達(dá)到顯著水平(t=2.553，p=0.023)。也就是說，使用該學(xué)習(xí)系統(tǒng)后，對學(xué)習(xí)者的學(xué)習(xí)成績有顯著的促進(jìn)作用，平均測試成績提高了1.533 3分。

表1 樣本統(tǒng)計表

表2 前測與后測t檢驗統(tǒng)計表

4 總結(jié)

英語學(xué)習(xí)中詞匯量是基石，詞匯量的多少將對英語成績的提高具有顯著影響。為此，本文提出了一個個性化移動英語詞匯學(xué)習(xí)系統(tǒng)，該系統(tǒng)有助于學(xué)習(xí)者有效地記憶英語詞匯，使所學(xué)詞匯通過有效的復(fù)習(xí)過程轉(zhuǎn)化為長期記憶，不再被遺忘。