论文部分内容阅读
摘 要:本文主要通过培养学生学习英语的兴趣为前提,在语言大数据的背景下研究个性化自适应性大学英语学习。首先介绍两者,其次分析个性化自适应大学英语学习,从前期准备阶段、分析学习阶段、优化决策阶段、考核反馈等4个阶段进行全面阐述,最后在语言大语言大数据驱动的背景下对个性化自适应性大学英语进行了概述,其目的就是调动大学生的自主学习性。
关键词:语言大数据;个性化自适应性;大学英语精准教学
中图分类号:G642 文献标识码:A 文章编号:1009 — 2234(2019)10 — 0168 — 03
前言
随着我国科技水平的不断发展,同时语料库的研究也在不断深入,从而不断丰富语言大数据驱动的学习方法的理论体系,在大学英语教学和学习中普遍应用。语言大数据驱动的学习鼓励引导学生通过分析大量英语的语料,从而总结出英语语言的规律,实现学生自主学习,同时也向教师和教科书为中心的传统英语教学方法和学习方法发起挑战。语言大数据驱动的学习作为一种新兴的教学方法和学习方法,其基本思想、实现过程与以往的传统大学英语教学和学习有所不同。因此,我们要对“语言大数据驱动的学习”进行深入了解,探索有效的实践方法。
一、语言大语言大数据驱动的学习基础理论
语言大语言大数据驱动的学习方法基本思路是让学生在大量的英语语言实例中发现语言规律。根据英语语料库大数据中发现了以前被忽视的英语学习模式,学习可以通过英语语料库发现教师忽略的或者教材中不包含的语言现象。语言大数据驱动的学习创建是学生通过分析英语语料库提供的句子并且能够回答问题的环境。相比传统的教学模式,语言大数据驱动的学习具有以下特点:
(一)培养学生自主学习能力
在传统的英语教学模式下,教学的进度、形式和重点全部由老师制定,这种教学方式会导致学生出现一种在“流水线”工厂上班的感觉,大大降低了部分学生的学习兴趣,从而学生的学习能力发展缓慢。语言大语言大数据驱动的学习以学生为中心,主要培养学生自主学习能力,让学生成为英语教学中的主体作用,帮助学生建立自我评价表,明确其学习目标,培养学生的自主学习能力。
(二)语料库作为基础,为学生提供真实的语音学习环境
在传统的英语教学模式中,仅仅靠教材书籍,学生接触到的句子都是由老师根据相关语法而编造的例句,这种教学方式提供的学习材料有局限性,缺少对情景的丰富性和生动性,部分语言材料真实性过低,让学生很难进行理解。比如汉语当中会存在很多的近义词,这些近义词老师不能仅仅凭靠经验或着词典上的解释,这样会导致学生对其产生误解,从而错误使用。语言大数据驱动的学习方法的语料都来自于实际的语言环境,学生通过观察真实的语境,主动发现其语言规则和特点,将其转化为自己语言能力。
(三)总结从上而下的归纳学习方式
传统的语言教学模式是老师先对学生讲解语法规则,之后会举出例子说明,这种传统教学模式会让学生对语言分析不透、语法理解不深刻的现象。语料库提供的材料具有真实性和生动性,可以让学生从中总结出语法规则,转化成自己的语言能力,这种从上而下的归纳学习方式相比传统教学模式,更有效的帮助学生准确的获取语言知识〔1〕。
(四)学习语言中需要突出发现和探索
语言学习过程当中,不单单是教师的讲解过程,关键在于将教师的教转变成学生的学,从而让学生全身心投入到教学过程当中。语言大语言大数据驱动的学习方式让学生通过对实际语言的分析,进一步让学生获取更加深刻的语言知识。
二、语言大数据驱动的学习应用
(一)在词汇中的应用
在词汇教学当中运用语言大数据驱动的学习方法主要是对词汇的用法和含义进行解释教学。对关键词进行搜索,可以让学生体会到词汇在不同语境中正确的用法,增加学生对词汇的感觉,通过对比分析,从而更容易的掌握到词汇之间存在的微小差异,让学生在学习词语搭配时更加容易理解。
(二)在语法中的应用
當前,在传统模式教学中,学生长期处于一个被动学习地位,因为教师的语法教学是讲解和句型的练习。这种枯燥的教学方式让学生的语法在语言学习中是最薄弱的。语言大数据驱动的学习则是用大量的真实而且又不枯燥的语料,从而引导学生们主动学习,去发现语法当中存在的特点以及语法的使用规则〔2〕。
三、语言大数据驱动和个性化自适应性学习的关系
“大数据”早在1997年出现,它是以互联网为载体,“大数据”具有多样化、信息多等的特点。“大数据”是通过进行云计算、挖掘数据以及人工智能的方式从中获取有利的信息。在教育事业中应用“大数据”分三个阶段,第一阶段是数据的收集阶段:利用分布式框架收集工具、网络数据收集工具以及并行处理技术,从而获得大量的数据,并对其进行整理,将整理好的数据资料储存在数据库当中。第二阶段是对数据分析阶段:利用数据转换的公式,对数据当中隐含的关系进行分析,进一步发掘有价值的信息。第三阶段是可视化阶段:将分析得出的数据进行可视化,让学生更加容易理解。
在“大数据”的背景下,学生各之间的差异用个性化自适应性学习代替,从而为学生制定有效的个性化学习。对学生在学习行为上呈现的信息进行分析,再用学生学习的行为作为数据,对其进行深一步分析,发掘两者之间隐含的关系,预测学生今后的学习发展方向,最后以可视化的结果呈现出,并为其制定有效的个性化学习方案。
四、在语言大数据驱动如何应用个性化自适应性学习
(一)准备阶段
在开始个性化自适应性学习前,教师需要将所有学生建立档案,对学生有一个简单的认识,了解学生的成长背景、性格以及兴趣爱好。还要对学生的成绩信息进行搜集,同时也要了解学生的情感和学生的行为两方面的数据。 大数据的不断发展,进而提高了对学生采集情感数据和行为数据的可靠性。比如在使用传感器检查学生的情感时,可采用压力鼠标和情绪仪表来反应学生学习状态,这些都是教师用来建立学生档案的关键方法。
(二)分析学生学习阶段
个性化自适应性学习的关键因素是学生学习行为。教师对要针对学生在学习过程当中的行为数据和学习结果进行分析,了解学生当前的学习水平、进度以及情况等。通过大数据的分析,更有效的让教师发现个性化教学中的缺点,对其进行相对调整,从而纠正学生不正确的学习态度和学习习惯。
(三)优化阶段
在传统的教学模式中,教师不仅是课堂上的设计人员还是执行人员,教师根据教学大纲和需求对其教学内容和方案自己修改。运用个性化自适应学习,将传统教学模式中教师在课堂上的设计人员和执行人员改变成引导者,从而引导学生主动学习性。
(四)反馈阶段
个性化自适应教学方案是根据学生情绪和学习环境的影响进行改变,同时这些因素会给学生学习过程中带来负面影响。教师必须要结合实际情况进而调整学习计划。相比传统教学模式的不同点在于,大数据技术能够对所有学生的学习行为和学习态度以及学习情绪详细记录在数据库内,在进一步的发掘分析从而反馈给教师,教师在根据反馈信息对教学方案进行改正,从而提高个性化自适应性的学习效率。
五、精准教学
(一)精准教学的理论
某行为主义心理学家认为人类的行为主要是通过操作性反射构成的操作性行为,操作性行为是在环境下而产生结果的行为。人类所有的行为大多都是操作性强化后的结果,人们通过强化作用的影响去改变其他人的反应。在学习教学当中,操作性行为显得尤为突出,所以操作性反射在学习教学过程中起到了关键作用。某项研究将这以理论应用到教学中,认为教学就是让学生达到提出的目标,并在教学过程中监督学生学习,得到反馈信息时要及时的修正〔3〕。
(二)精准教学的衡量标准
精准教学当中最重要的是在于对教学的评价,衡量教学是否达到制定的目标,学生是否正确的掌握学习知识和学习技能,关键要在于对学生的学习行为过程进行检测。将流畅度标准引入到精准教学,从而测量学生的学习质量。流畅度包含了“速度”和“精准准确度”两方面。学生的质量是对知识和技能的掌握,就是对知识和技能的运用。流畅度有五大特点:持久、耐久、稳定、应用、生成。分别意思是持久:无任何附加练习的情况下,学生执行学习任务的能力;耐久:满足学习目标,进而让学生长时间执行学习任务的能力;稳定:在干扰的情况下,学生能继续实施某项学习技能的能力;应用:学生更容易的将学到的知识和技能应用到实际情景的能力;生成:在没有教师的指导下,学生出现复杂的学习行为技能的能力。
(三)精准教学的方法
精准教学的方法就是要求学生每天练习并可以准确的测量其每天的学习表现,就是让学生每天花费一定的时间对自我进行练习和测量。这一过程需要长期的保持下去并要做好每天的详细记录。一般情况下,测量所得数据由教师记录在标准的变速图表当中,此图表可以准确的展示出学生的知识和学生的技能什么时间可以达到流畅度标准,进一步判断学生的学习表现是否随着时间的推移而进步,如果没有进步需要对其改进教学措施。在教学中,教师根据学生的日常练习、测量和记录的情况,监测其数据,从而获得学生的发展方向和发展的具体情况。
六、精准教学与大数据的关系
精准教学是在大数据的发展上,精确的将课程标准和学生发展方向的实际基础上,精准目标,精选教学内容和方案、精准的了解到学生学习的行为表现并且准确运用,让整个的教学过程中可以调控精准要求。从而进一步让学生的学习得到发展,进行思维延伸和因材施教,从而提高学生的核心素养。精准教学可有效的了解到学生之间的差异。利用大数据进行精准教学,打破了以往的传统教学模式,使得教学向“以人为本”的方向发展。通过测量进而获取学生学习的结果,再根据其结果对学生进行强化练习,大大提高了学生的学习质量。
七、大数据对精准教学的影响
大數据的不断发展,将数据的价值推到了一个新的高度。大数据在改变着人类的思维模式,影响到各个领域如科技、教育、军事、经济等改革。在大数据对教育领域的改革中,以测量、记录数据作为基础的精准教学将会得到进一步的发展机会。
(一)大数据使得精准教学测量的数据更为精准
教育领域中广泛应用教学管理系统、微课、自主学习系统和学习社交平台,大大提高了数据量的增长,并预示着大数据时代的来临。大数据可以捕捉到学生的学习行为、学生的学习状态、学生的学习结果等教育信息,并且可对得出的数据进行可量化、可传递。现在的科技水平不断提高,平板电脑、智能手机的广泛应用,这些科技物品都可以应用在教学的过程中,让智慧课堂得到进一步的发展,使得教学测量的数据更加准确。首先,大数据依赖各种智能类电子产品和智能类系统,可以自动的测量学生学习行为、学生的学习和学生的学习结果,并将其结果呈现出来,进而提高了精准教学的流畅度。其次,大数据可有效处理海量数据,从而让精准教学摆脱传统规模下的束缚,进一步实现从单一的学生课程发展到多样化的课程。
(二)大数据让精准教学帮助学生个性化发展
在大数据的环境下,可有效观察学生的学习行为过程和个性化发展。是因为,学生在学习过程中的各种状态都可转化为相对的数据并进行记录。换句话说,在传统的教学模式下,精准教学只是针对学生的学习行为结果做出分析,根据分析得来的数据指导学生的学习行为;在大数据的环境下,精准教学不是过度依赖对学生学习行为结果的分析,还要对学生的学习行为过程进行考量,通过收集到学习在学习行为过程中产生的各种状态,并用大数据处理技术进行分析、测量和对比,根据测得结果对学生的学习行为进行干预,从而进一步保证学生的个性化发展〔4〕。
八、大数据下精准教学在大学英语中的应用
(一)大学英语精准教学模式的课堂流程
在开课前,教师首先针对学习目标进行分析,从而录制与学习目标有关的视频或者搜集网络上相关的视频放在学习平台上,提供学生自主学习的资料,学习完成后对教学系统当中的习题进行测验,教师根据测验的结果并进行调整。在教师授课时,教师可进行二次推送,进一步的进行精准教学干预。课堂上主要是让学生对知识消化的过程,通过课前所得的数据,进行针对性知识讲解,并对其进行二次测验,从而检验学生课堂中消化知识的结果,为课后对学生学习的干预提供了数据支持。在下课后,教师对知识进行巩固,可以利用游戏通关环节,将不同学生消化知识的程度,进行不同层次的问题推送,巩固学生的知识,可大大提高学生的自主学习能力。
(二)大学英语精准教学考评制度
大数据下的精准教学考核是通过对学生在课堂上学习行为过程中的状态进行大数据汇总,对学生进行全方面的实时评价。精准教学考核通过大数据的积累逐步形成学生学习英语的画像,对所有学生的学情进行全面客观的分析探讨,可作为学生以后职业生涯规划的有力数据。
结束语
综上所述,在语言大数据驱动的个性化自适应性进行大学英语精准教学,体现出语言大数据的优点,对教育领域的改革中起到了关键作用,还可有效的了解到学生在学习过程中的学习状态和学习行为,从而有效提高学生自主學习能力〔5〕。
〔参 考 文 献〕
〔1〕李乃干,孙慧静.雨课堂支持下大学教学个性化和精准化研究——以“大学生创新创业”课程教学为例〔J〕.广西科技师范学院学报,2019,34,(04):127-131.
〔2〕周杰,胡加圣,陈燕婷.大语言大数据驱动的外语教学与科研创新——大数据背景下的外语教学与科研创新研讨会暨首期“爱未来”外语教育技术科创工作坊述评〔J〕.外语电化教学,2019,(03):116-120.
〔3〕邹远鹏,蒋婷.博士生国际学术交流能力提升的探索与实践——基于语言大数据驱动项目式学习模式的研究〔J〕.国家教育行政学院学报,2019,(03):80-86.
〔4〕刘智,刘三(女牙),康令云.物理空间中的智能学伴系统:感知语言大数据驱动的学习分析技术——访柏林洪堡大学教育技术专家Niels Pinkwart教授〔J〕.中国电化教育,2018,(07):67-72.
〔5〕菅保霞,姜强,赵蔚,李勇帆.大数据背景下自适应学习个性特征模型研究——基于元分析视角〔J〕.远程教育杂志,2017,35(04):87-96.
〔责任编辑:杨 赫〕