陳舒夢

(大連財經(jīng)學(xué)院 商學(xué)院,遼寧 大連 116026)

外語教學(xué)是教育領(lǐng)域的一個重要組成部分。從學(xué)生成長需求來說,外語對促進學(xué)生知識、能力與素質(zhì)的協(xié)調(diào)發(fā)展,迎接經(jīng)濟全球化的挑戰(zhàn)和機遇具有重要意義;從國家戰(zhàn)略需求出發(fā),外語是中國持續(xù)深化對外改革開放、推進“一帶一路”建設(shè)過程中不可或缺的一部分。近年來,隨著人工智能技術(shù)的迅猛發(fā)展,大型語言模型作為自然語言處理領(lǐng)域的杰出代表,引發(fā)了教育領(lǐng)域的濃厚興趣,并以其出色的自然語言理解和生成能力在外語教學(xué)中嶄露頭角。

一、大語言模型的發(fā)展歷程

大型語言模型的發(fā)展歷程堪稱NLP(自然語言處理)領(lǐng)域的一部“輝煌史詩”,它標(biāo)志著人工智能技術(shù)的繼承與優(yōu)化、迭代與創(chuàng)新。在人工智能的早期階段,研究人員主要依賴基于規(guī)則的方法處理自然語言。由于需要編寫復(fù)雜的規(guī)則來處理語言,這種方法難以適應(yīng)自然語言的復(fù)雜性和多樣性。隨著計算能力的增強及大規(guī)模語料庫可用性的提升,統(tǒng)計語言模型逐漸嶄露頭角。這些模型通過統(tǒng)計分析語料庫中的詞匯和語法規(guī)則,可以更好地處理自然語言文本。

深度學(xué)習(xí)技術(shù)的崛起徹底改變了NLP領(lǐng)域的格局。循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和長短時記憶網(wǎng)絡(luò)(LSTM)等神經(jīng)網(wǎng)絡(luò)模型開始在NLP任務(wù)中取得突破性成果。Transformer架構(gòu)的革命性設(shè)計為處理文本數(shù)據(jù)帶來了全新的思路,開啟了“大語言模型或預(yù)訓(xùn)練模型+精調(diào)/提示”新范式?；赥ransformer的大語言模型不僅能記憶并處理海量語言數(shù)據(jù),捕捉自然語言中的語義和語境,而且能完成較為復(fù)雜的邏輯思考和推理,生成多樣風(fēng)格的長文本,根據(jù)用戶的反饋及時地交互修正,在智能語言信息處理能力方面實現(xiàn)了重大突破。ChatGPT、LLMA (Large Language Model Meta)、MOSS、文心一言等,均展現(xiàn)了大語言模型的卓越性能。大語言模型為知識的調(diào)用方式、獲取手段打開了新的途徑,為人民的生活帶來了巨大便利,在教育領(lǐng)域為個性化數(shù)字資源創(chuàng)建、人機協(xié)同學(xué)習(xí)、實時教學(xué)輔導(dǎo)等提供了有力支撐。

二、大型語言模型的優(yōu)勢與劣勢

(一)大語言模型的優(yōu)勢

大語言模型在自然語言理解、任務(wù)適應(yīng)性、可擴展性、可定制性等方面展現(xiàn)出了諸多優(yōu)勢。

1.強大的自然語言理解能力

大型語言模型在數(shù)千億級的海量數(shù)據(jù)上進行預(yù)訓(xùn)練學(xué)習(xí),并通過基于人類反饋的強化學(xué)習(xí)對模型進行微調(diào),實現(xiàn)了對語境中的詞匯選擇、語法結(jié)構(gòu)等各種語言難點的識別,人類語言的細微差異的捕捉。在問答系統(tǒng)中,大語言模型可以準(zhǔn)確理解問題中的含義,流暢地進行對答,并提供明智的答案。

2.出色的任務(wù)適應(yīng)性

大語言模型不局限于單一任務(wù),而是能夠自適應(yīng)地調(diào)整和優(yōu)化模型,應(yīng)用于多種任務(wù)場景。例如,它們可以在文本分類、命名實體識別、情感分析等不同任務(wù)之間切換,并在處理各種復(fù)雜任務(wù)時保持高效性和準(zhǔn)確性。

3.高度的可定制性

大語言模型具有高度的可定制性。通過增加模型的層數(shù)和參數(shù)量,大語言模型可以快捷并精準(zhǔn)地處理大規(guī)模數(shù)據(jù)和復(fù)雜數(shù)據(jù)。例如,在機器翻譯任務(wù)中,大語言模型可以學(xué)習(xí)多種語言之間的翻譯關(guān)系,并在翻譯不同語言時表現(xiàn)優(yōu)異。此外,大語言模型的參數(shù)可以根據(jù)不同的任務(wù)進行微調(diào)整,以適應(yīng)各種特定的應(yīng)用場景。這種可定制性使得大語言模型在實際應(yīng)用中更具靈活性及適應(yīng)性。

(二)大語言模型的劣勢

大語言模型是通過大規(guī)模的語料數(shù)據(jù)進行訓(xùn)練的,其性能與數(shù)據(jù)的質(zhì)量和數(shù)量密不可分。數(shù)據(jù)的準(zhǔn)確性、全面性、語料的語言風(fēng)格、用詞習(xí)慣、標(biāo)注人員的個人立場、主觀偏好等都會間接影響模型的性能[1]。盡管現(xiàn)有的大型語言模型已經(jīng)取得了顯著的進展,但算法仍然存在一定的局限。例如,評價指標(biāo)的多樣性致使模型在多個維度間難以均衡[1],從而輸出存疑性信息。

大語言模型可能獲取用戶的使用數(shù)據(jù),涉及信息隱私問題。大語言模型具有龐大的用戶群體,若生成無依憑的數(shù)據(jù),或者被惡意者利用,亦可能引起信息安全問題。

三、大語言模型輔助外語教學(xué)應(yīng)用場景

大語言模型在課前準(zhǔn)備、課中輔助教學(xué)、課后評估和個性化輔導(dǎo)等各個教學(xué)環(huán)節(jié)均可發(fā)揮重要作用。通過充分利用這一技術(shù)工具,教師可以提供更豐富、個性化的外語學(xué)習(xí)體驗,幫助學(xué)生更好地掌握目標(biāo)語言技能。

(一)課前準(zhǔn)備

在課前,大語言模型可以根據(jù)教學(xué)內(nèi)容生成教學(xué)大綱及詳細的教學(xué)計劃,為教師提供額外的教學(xué)資源和建議。教師可以使用模型查找相關(guān)的文章、視頻資源,以豐富課堂教學(xué)內(nèi)容。此外,模型還可以幫助教師準(zhǔn)備教材中可能出現(xiàn)的難點,以便更好地對學(xué)生進行解釋,提高教學(xué)效率。

(二)課中輔助教學(xué)

借助大語言模型的知識問答功能,教師可對課堂中的知識點進行分析、拓展;可對生成的答案展開討論、師生共評,激發(fā)學(xué)生的批判性思維,提升其思辨能力;亦可使大語言模型扮演不同角色,搭配智能語音技術(shù)進行人機對話,幫助學(xué)生練習(xí)旅行、商務(wù)、日常等各種情景的交流,提高口語表達能力。

(三)課后評估

在課后,大語言模型可以用來評閱學(xué)生的學(xué)習(xí)成果。例如,分析學(xué)生的輸出文本,并對其語法、語義和上下文進行評估,從語言、內(nèi)容、篇章結(jié)構(gòu)、技術(shù)規(guī)范等多個維度提供反饋和建議,切實提高學(xué)生的外語水平。

(四)個性化輔導(dǎo)

大語言模型可以用于實時的個性化教學(xué)輔導(dǎo)。學(xué)生可以根據(jù)自己的需求和進度,隨時隨地向模型提問,獲得解答和指導(dǎo)。大語言模型可為每位學(xué)生定制學(xué)習(xí)計劃,確保學(xué)生在自己的學(xué)習(xí)節(jié)奏和能力范圍內(nèi)得到最大的學(xué)習(xí)收益。大語言模型技術(shù)聯(lián)合語音合成技術(shù)、圖像技術(shù)等構(gòu)建的數(shù)字化虛擬教師,不僅可以隨時隨地提供教學(xué)服務(wù),而且可以語音和圖像等多種形式與學(xué)生進行互動,對學(xué)生的學(xué)習(xí)行為進行分析,為其提供更具有針對性的學(xué)習(xí)建議和改進方案。

四、大語言模型輔助外語教學(xué)效果

(一)實驗方法

為驗證大語言模型在外語教學(xué)中的應(yīng)用效果,聯(lián)合8位專業(yè)課教師,以商務(wù)英語專業(yè)60名學(xué)生為實驗對象,進行了為期一學(xué)期的大語言模型(ChatGPT、文心一言、UNIPUS Chat 外研AIGC平臺、英語寫作教學(xué)與評閱系統(tǒng)、iTEST智能測評云平臺、iTranslate計算機輔助翻譯與教學(xué)平臺等)輔助課堂教學(xué)實踐。

實驗結(jié)束后,對學(xué)生的詞匯量、語法知識進行測試,并對學(xué)習(xí)滿意度進行問卷調(diào)查。

(二)實驗結(jié)果

實驗結(jié)果表明,實驗組學(xué)生在詞匯量積累和語法知識掌握方面都有較大提升。96.6%的學(xué)生對大語言模型輔助外語課堂的形式采取積極的態(tài)度,并對其在提高自主學(xué)習(xí)能力和語言運用能力方面的作用給予了肯定評價。部分學(xué)生表示在初期接觸大語言模型時,使用頻率較高,能自主地學(xué)習(xí)詞匯和語法,能利用大語言模型出題、講題、修改自己的文章等,但在后期自主學(xué)習(xí)熱情有所降低。

參與大語言模型外語教學(xué)實驗的教師首先肯定了大語言模型對教學(xué)輔助的積極作用,認(rèn)為大語言模型可以提供多維度教學(xué)思路、多元化教學(xué)模式、多樣化教學(xué)資料,可有效提高教學(xué)質(zhì)量;大型語言模型對學(xué)生學(xué)習(xí)成果的自動評價和分析,亦能大幅度減輕教師工作量。但是,部分學(xué)生過度依賴大語言模型,不能分辨信息的真?zhèn)?甚至有依賴各類大語言模型技術(shù)完成其他科目作業(yè)的現(xiàn)象。

五、大語言模型背景下教育改革途徑

(一)創(chuàng)新教育理念

隨著以大語言模型為代表的人工智能技術(shù)不斷更新迭代,不同母語者之間的溝通障礙愈來愈少。大語言模型背景下,外語教育應(yīng)著重培養(yǎng)人工智能無法取締的高級語言人才,要求學(xué)生不僅有過硬的語言技能,還能深入了解語言規(guī)律、語言比較、語言認(rèn)知、語言文化等方面的信息。此外,可將自然語言學(xué)列為大學(xué)的基礎(chǔ)課程之一,教授各種語言單位的概念以及在復(fù)雜對象中提取這些概念的方法,培養(yǎng)學(xué)生聯(lián)想、類比、歸納、抽象和演繹等邏輯思維能力,推廣普及型自然語言學(xué)教學(xué)[2]。不能一味地排斥或過度依賴以大語言模型為代表的各類人工智能技術(shù),而要學(xué)會如何合理運用各項先進科學(xué)技術(shù),以實現(xiàn)更個性化、更高效的學(xué)習(xí)。

(二)改進教學(xué)方式

在大語言模型加持下,外語教學(xué)應(yīng)秉承“以學(xué)生為中心”的教學(xué)理念,改進教學(xué)方式,使其更符合新時代的教育理念和需求。例如,在學(xué)習(xí)任務(wù)設(shè)計方面,要注重任務(wù)的多樣性、批判性、開放性、挑戰(zhàn)性;在學(xué)習(xí)過程評價中,不僅要靈活地運用智能化學(xué)習(xí)分析工具監(jiān)督學(xué)生的學(xué)習(xí)行為過程,而且可提倡學(xué)生在不同階段撰寫反思日志,以幫助教師更好地理解學(xué)生的學(xué)習(xí)思維過程;在學(xué)習(xí)成果評價階段,要注重評價的動態(tài)性、創(chuàng)造性和現(xiàn)實性,包括考慮人機共創(chuàng)過程的內(nèi)容貢獻程度,對現(xiàn)有知識材料的創(chuàng)造性加工和批判性改造程度,以及對社會問題的應(yīng)對程度等。

(三)打磨教學(xué)工具

外語教學(xué)現(xiàn)狀與技術(shù)更新速度之間存在一定的差距。外語教師應(yīng)積極參加技術(shù)培訓(xùn),保證理論層面、技術(shù)知識層面的前沿性,將不斷更新迭代的以大語言模型為代表的各項人工智能技術(shù)應(yīng)用到外語教學(xué)中,做到與時俱進。

同時要加強教師與技術(shù)研發(fā)人員的協(xié)同合作。例如,用語言學(xué)知識處理方言、口音、不同社會群體間的語言差異,從而令模型更好地處理各類語言變體;從語言學(xué)角度識別模型弱點,令大語言模型更精確地理解語義、提高模型的泛化能力;也可從實際教學(xué)角度出發(fā),研發(fā)面向外語教學(xué)的新型智能語言學(xué)習(xí)工具。

(四)整合教育資源

優(yōu)質(zhì)外語教學(xué)資源的整合是提高教學(xué)質(zhì)量的重要途徑?？梢岳么笳Z言模型技術(shù)收集全球優(yōu)質(zhì)外語教學(xué)資源,并根據(jù)學(xué)生的學(xué)習(xí)需求進行篩選和整合,以提供更加多樣的學(xué)習(xí)選擇,實現(xiàn)教學(xué)資源的共享和優(yōu)化。還可以收集、分析師生的使用體驗和反饋信息,通過大語言模型技術(shù)對教學(xué)資源進行持續(xù)更新和升級,以滿足持續(xù)變遷的教學(xué)需求和學(xué)習(xí)需求。

六、結(jié)論與展望

以大型語言模型為代表的各類智能技術(shù)的應(yīng)用將繼續(xù)推動外語教育領(lǐng)域的創(chuàng)新和進步,為學(xué)生提供更優(yōu)質(zhì)的語言學(xué)習(xí)體驗。同時,教育界需要密切關(guān)注技術(shù)的發(fā)展,持續(xù)優(yōu)化教學(xué)方法,以適應(yīng)不斷變化的教育環(huán)境。