英語作文自動評價反饋對學生詞匯修改的影響*——以批改網(wǎng)為例

黃愛瓊 張文霞

?

英語作文自動評價反饋對學生詞匯修改的影響*——以批改網(wǎng)為例

黃愛瓊 張文霞

（清華大學 外文系，北京 100084）

文章通過對調(diào)查問卷、總結(jié)報告和訪談記錄的分析，對37名學生基于英語作文自動評價（Automated Writing Evaluation，AWE）反饋的寫作過程進行了探討，并以批改網(wǎng)為例，重點研究了AWE提供的詞匯反饋點和AWE提供的反饋對學生的詞匯修改的影響這兩個問題。文章研究的結(jié)果表明，批改網(wǎng)提供的詞匯反饋點主要為學習資源反饋點，給予的詞匯警示和詞匯錯誤反饋點主要集中于名詞、冠詞、動詞和搭配錯誤；學生比較關(guān)注批改網(wǎng)反饋給予的詞匯錯誤和詞匯警示，反饋有助于提升文本詞匯的多樣性和復雜性，學生對涉及單詞、搭配/短語的反饋比較滿意。此外，文章還討論了AWE反饋影響學生詞匯修改的相關(guān)因素，以期有針對性地發(fā)揮AWE反饋的積極作用，提升學生的英文寫作水平，更好地開展大學英語寫作教學。

作文自動評價反饋；大學英語；詞匯修改；批改網(wǎng)

在當前國內(nèi)的英語寫作教學中，教師批改作文的工作量大，無法提供及時有效的反饋[1]。楊永林等[2]提到英語教師批改作文的三項基本功是“準確判斷、精準修改、合理建議”，而要滿足這三項標準需要3～5年的嚴格訓練，因此“有必要借助智能化的文章批改利器，來緩解這個問題”。相較于傳統(tǒng)的教師反饋，人工智能（Artificial Intelligence，AI）輔助批改作文和計算機輔助語言測試具有既省時又省力的經(jīng)濟價值[3]，因而在當代英語教學中得以迅速推廣。隨著AI的不斷開發(fā)利用，尤其是利用計算機技術(shù)對作文進行評估和記分[4]的AWE的研發(fā)和應用，使計算機輔助英語教學和測試的局限性得以逐漸突破，說和寫的潛力（即輸出性能力）得以深入挖掘和利用。在此背景下，研究者需要探討一系列問題：學生如何應對AWE提供的詞匯反饋？學生對AWE提供的詞匯反饋滿意度如何？經(jīng)過AWE反饋之后學生的詞匯運用水平有無提高？為此，本研究重點探討了AWE反饋對學生詞匯修改的影響，嘗試解答兩個問題——問題一：AWE提供的詞匯反饋點有哪些？問題二：AWE提供的反饋對學生的詞匯修改有何影響？

一 文獻綜述

1 AWE的發(fā)展歷程

AWE系統(tǒng)應用于作文評閱乃始于20世紀60年代美國的ETS（Educational Testing Service）考試，其中有代表性的是PEG?（Project Essay Grade?）。1968年，Page[5]發(fā)表文章介紹了PEG?軟件，并指出此軟件可用于評閱作文以降低成本，標志著第一代AWE系統(tǒng)的誕生。20世紀90年代末，新研發(fā)的AWE系統(tǒng)主要有Foltz等[6]研制的首次用于學生作文評閱的智能評分系統(tǒng)（Intelligent Essay Assessor，IEA）和由Burstein[7]研制的E-rater（Electronic Essay Rater）。其中，PEG和IEA都是針對母語寫作，而E-Rater主要用于外語寫作評閱。國內(nèi)AWE系統(tǒng)主要有中國學生英語作文自動評分系統(tǒng)[8]、寫作資源教學平臺（Teaching Resource Program，TRP）[9]、批改網(wǎng)[10]——批改網(wǎng)可以在幾秒鐘之內(nèi)修改一篇作文，并給出分數(shù)、評語和反饋，內(nèi)容主要涉及語法和詞匯，如詞匯誤用、易混詞辨析、閃光短語等。

2 AWE的詞匯反饋研究及其價值

目前，國內(nèi)對AWE詞匯反饋的研究主要是討論如何更好地將技術(shù)和英語寫作教學結(jié)合起來，提高語義和語篇分析技術(shù)，如“內(nèi)容貼切”、“用詞準確”等[11]；或采用有聲思維和回溯訪談方法，對非英語專業(yè)研究生基于批改網(wǎng)自動反饋的外語寫作過程進行探討[12]。

在AWE的價值方面，楊永林等[13]認為AWE能夠指出學生作文中的語言錯誤、拼寫和標點符號問題，能夠迅速提供反饋信息，這有助于學生進一步修改作文、提高作文質(zhì)量。而使用Criterion提交作文兩次，將前后兩次按照AWE反饋進行修改后的文本進行對比分析，結(jié)果發(fā)現(xiàn)改進最大的是合成詞、混淆詞和錯誤詞形[14]——這有助于了解學生的詞匯運用水平，從而更好地實現(xiàn)以反饋促進學習。此外，AWE還能增強學生的學習動機、促進學生對機器反饋的接受度，而機器反饋使得學生更多地參與反饋與修改過程[15]，故有助于提升學生的自主學習能力。

二 研究設計

1 對象和課程

為了了解英語作文自動評價反饋對學生詞匯修改的影響，本研究以北京市某重點高校不同院系、不同年級的37名非英語專業(yè)本科生為研究對象，以批改網(wǎng)為例進行了探析。授課時間為16周，共設有8個不同體裁的寫作任務；語料選自議論文體裁。

2 研究過程

本研究語料來自37名學生的37篇在線英語作文，建成兩個小型的語料庫：原稿和修改稿。在課程的前兩周，學生接受兩次關(guān)于批改網(wǎng)使用方法的培訓，每次培訓時間均為20分鐘左右。學生完成初稿后提交到批改網(wǎng)，然后根據(jù)批改網(wǎng)提供的反饋進行相應修改，并再次提交到批改網(wǎng)——此“提交—修改”過程至少兩次。之后，學生接著提交期中總結(jié)報告、接受問卷調(diào)查和回溯訪談，調(diào)查和訪談的主題涉及學生如何應對批改網(wǎng)給予的詞匯反饋和滿意度、根據(jù)批改網(wǎng)提供的反饋進行修改和未做修改的理由，以及自己的收獲或感受到的批改網(wǎng)反饋的局限性等。

3 研究工具

本研究主要從詞匯多樣性（Lexical Diversity）和詞匯復雜性（Lexical Sophistication）[16]兩個角度，來分析學生英語作文原稿和修改稿的詞匯運用特點。D-Tools[17]用于分析詞匯多樣性，而Range32[18]用于分析詞匯復雜性。

4 數(shù)據(jù)處理

本研究采用SPSS 20.0對調(diào)查問卷進行數(shù)據(jù)分析，對學生的總結(jié)報告和訪談記錄則進行文本分析。作文修改的正確性通過兩種方式加以確認：①對學生所做的修改和兩位外教提供的反饋進行對比分析；②將《牛津高階英漢雙解詞典（第8版）》作為檢測工具。此外，本研究還采用美國佐治亞大學人工智能院研發(fā)的詞性標記軟件，對學生作文運用的詞匯進行詞性標記統(tǒng)計。

為了考察學生作文的詞匯運用情況，本研究邀請兩位具有外語寫作教學經(jīng)驗、來自英國劍橋大學且以英語為母語的外教評閱作文，同時參照《雅思考試寫作評分標準（公眾版）》寫作任務2的評分標準進行評分。兩位外教評判學生作文原稿和修改稿平均分的統(tǒng)計結(jié)果通過SPSS 20.0的平行模型信度進行統(tǒng)計分析，結(jié)果顯示：兩位外教的評分信度具有較高的一致性（信度系數(shù)=0.612，相關(guān)系數(shù)=0.47）。另外，兩位外教還受邀對學生作文中使用的搭配（含詞組和短語）進行標注，學生則被要求整理出自己文章中所用到的、經(jīng)AWE反饋提示、由外教和中國教師反饋標出的搭配。考慮到英語詞語搭配的種類大致可以分為自由組合、有限組合和成語[19]，本研究涉及的搭配主要包含有限組合和成語兩部分。批改網(wǎng)反饋的分類方法參考Hyland等[20]提出的“每個個體反饋點即為單個‘書面干預’”的歸類提議，同時結(jié)合批改網(wǎng)的反饋點如推薦表達、拓展辨析、學習提示、近義詞表達、出彩詞匯、詞匯警示、詞匯錯誤、拼寫錯誤、句子錯誤和補充句子等制定而成。

三 問題分析

1 問題一：批改網(wǎng)提供的詞匯反饋點有哪些？

據(jù)統(tǒng)計，批改網(wǎng)共為37篇在線英語作文提供了1592條反饋點，其中有1325條學習資源反饋點（包括推薦表達、拓展辨析和學習提示）和205條糾錯性反饋點（包括詞匯警示、詞匯錯誤、拼寫錯誤、句子錯誤），如表1所示。在訪談記錄中，學生肯定了批改網(wǎng)反饋的優(yōu)勢：“我們應充分運用批改網(wǎng)的‘學習提示’和‘推薦表達’，這既能拓寬我們的詞匯量、加強Paraphrasing能力，也能提高我們對具體詞匯的運用水平。”與此同時，學生也指出了批改網(wǎng)反饋的局限性：“有時候給予的錯誤提示沒有具體解決方法。”

表1 學生收到批改網(wǎng)的反饋點總數(shù)和修改率

表2 學生收到批改網(wǎng)詞匯警示和詞匯錯誤的反饋點總數(shù)、修改率和正確率

據(jù)詞性標記統(tǒng)計，學生在英語作文中使用的名詞和動詞均超過2500個，其它如冠詞、副詞、形容詞和代詞的使用在1100個左右，而連詞不到900個；批改網(wǎng)給予的詞匯警示和詞匯錯誤反饋點主要集中于名詞、冠詞、動詞和搭配錯誤，其中搭配錯誤占的比例最高（達43條）；在修改率方面，連詞和介詞的修改率均為100%，名詞、冠詞和搭配的修改率超過90%，副詞、形容詞和代詞未做任何修改，具體如表2所示。參照《牛津高階英漢雙解詞典（第8版）》，根據(jù)兩位外教給予的詞匯反饋和搭配標注，本研究判定學生的修改正確頻次達100%。在總結(jié)報告中，學生肯定了批改網(wǎng)給予的詞匯反饋：“批改網(wǎng)能為我指出單詞的運用錯誤、連詞的銜接錯誤等，而且批改網(wǎng)的推薦表達和反復校正功能也大力幫助我回顧和學習了很多單詞和搭配?！?/p>

2 問題2：批改網(wǎng)提供的反饋對學生的詞匯修改有何影響？

（1）問卷調(diào)查維度1：學生對批改網(wǎng)詞匯反饋的處理方式

本研究在“學生對批改網(wǎng)詞匯反饋的處理方式”維度下設17道題目，其斯皮爾曼ρ相關(guān)分析結(jié)果顯示：學生對批改網(wǎng)詞匯反饋的處理方式與維度1的平均分存在顯著正相關(guān)（ρ＜0.05）。其中，第6題（易混淆詞匯）與維度1的平均分低度相關(guān)（ρ=0.416）；第2題（搭配）的相關(guān)系數(shù)值最高（ρ=0.784），說明它與維度1的平均分高度相關(guān)。

學生檢驗修改成功與否主要有兩種方法：一是查看系統(tǒng)給予的分數(shù)或重新提供的反饋有無發(fā)生變化，二是查看修改之前機器旁注的警示或錯誤符號是否消失——如果分數(shù)提高了，警示或錯誤沒有旁注符號了，就說明修改成功了；反之，則說明修改失敗了。在本研究中，37名學生共提交批改網(wǎng)196次，人均5.3次；提交次數(shù)超過10次的學生有6位；提交次數(shù)最多為18次，最少為1次。

通過問卷調(diào)查維度1的統(tǒng)計分析和學生修改成功與否的檢驗，本研究發(fā)現(xiàn)：學生收到批改網(wǎng)反饋后，比較關(guān)注詞匯錯誤和詞匯警示。一般而言，學生會率先處理批改網(wǎng)提供的各類錯誤和警示并做出相應的修改，其次是采用推薦表達中的詞匯替換、留用批改網(wǎng)提示的全部出彩詞匯，但易混淆詞匯采用略低。而對于其它語言類提示如推薦表達和學習提示，學生收到批改網(wǎng)反饋后基本會瀏覽一下，留用相關(guān)性顯著的詞項。

表3 原稿詞匯多樣性D值

注：Statistics：D=90.399，Error=0.002。

表4 修改稿詞匯多樣性D值

注：Statistics：D=99.599，Error=0.001。

（2）原稿、修改稿的詞匯多樣性和復雜性

本研究采用D-Tools，分析原稿和修改稿詞匯運用的多樣性及其分布情況。統(tǒng)計數(shù)據(jù)D值從90.399（原稿）提升到99.599（修改稿），誤差值則從0.002降低到0.001（如表3、表4所示），據(jù)此本研究做出初步判斷：根據(jù)批改網(wǎng)反饋修改之后，學生在作文中運用的詞匯更加多樣，說明AWE反饋有助于提升文本詞匯的多樣性。

本研究采用Range32，分析原稿和修改稿文本的復雜性，來考察詞匯的難度分布情況。根據(jù)Range32的設計原理，第三級詞表（Three）和不在列表中的詞（Not in the Lists）對文本整體的詞匯難度有較好的判別能力。原稿、修改稿詞匯分布報告分別如表5、表6所示，可以看出在第三級詞表Families（詞族）中，修改稿文本難于原稿的文本（不在列表中的詞族總個數(shù)198＞192），類符率（Types / %）提升0.65%；Not in the Lists的類符率數(shù)據(jù)也證明了學生收到批改網(wǎng)反饋后的文本比原稿難度系數(shù)稍微高一些（提升了0.14%）?；诖?，本研究初步做出判斷：根據(jù)批改網(wǎng)反饋修改后，英語作文的文本難度有所提升，說明AWE反饋有助于提升文本詞匯的復雜性。

表5 原稿詞匯分布報告

表6 修改稿詞匯分布報告

注：表5、表6中的“Not in the Lists”是指Range32不能將不在列表中的詞放入“Families”（詞族）中，故用“?????”1表示。

（3）調(diào)查問卷維度2：學生對批改網(wǎng)詞匯反饋的滿意度

本研究在“學生對批改網(wǎng)詞匯反饋的滿意度”維度下設14個題目，其斯皮爾曼ρ相關(guān)分析結(jié)果顯示：學生對批改網(wǎng)詞匯反饋的滿意度與維度2的平均分存在顯著正相關(guān)(ρ＜0.05)。其中，第4題（單詞、搭配/短語）與維度2的平均分的相關(guān)系數(shù)值最高（ρ=0.687），說明它與維度2的平均分高度相關(guān)；第12道題（糾錯反饋）與維度2的平均分低度相關(guān)（ρ=0.484）。由此可知，學生對批改網(wǎng)涉及單詞、搭配/短語的反饋比較滿意，修改率也比較高。

綜合上述分析，本研究得出結(jié)論：以批改網(wǎng)為例，學生比較關(guān)注AWE反饋給予的詞匯錯誤和詞匯警示；反饋有助于提升文本詞匯的多樣性和復雜性；學生對涉及單詞、搭配/短語的反饋比較滿意，修改率也比較高。由此可見，AWE反饋對學生詞匯修改具有積極的影響。

四 影響因素

前文已經(jīng)分析了以批改網(wǎng)為例的AWE反饋對學生詞匯修改的影響，而學生收到AWE反饋后，是否修改以及修改的頻次會受多方面因素的影響。為了有針對性地發(fā)揮AWE反饋的積極影響，本研究進一步探討了AWE反饋影響學生詞匯修改的主要因素：

1 課程考核機制

課程8個不同體裁寫作任務的考核標準之一是學生完成初稿之后是否提交批改網(wǎng)，以及是否再依據(jù)批改網(wǎng)反饋做出相應的修改（至少“提交—修改”兩次）。修改的評分權(quán)重占10%，沒有修改就無該項分數(shù)；詞匯項占考核的20%。本研究對批改網(wǎng)反饋的結(jié)果進行了統(tǒng)計，發(fā)現(xiàn)共有36名學生按照要求將作文修改并至少提交2次以上，只有1名學生提交了作業(yè)但無修改?？梢?，以批改網(wǎng)為例，課程考核機制可以有效監(jiān)督學生根據(jù)AWE反饋做出修改。

2 學生的英語學習動機

學生的英語學習動機會影響其收到反饋后的修改方式和學習效果。Zhang等[21]認為，英語寫作動機明確的學生通常會愿意花費更多的時間和精力去反復修改。在回溯訪談中，本研究發(fā)現(xiàn)學生選課的主要動機有四類：出國考試如雅思和托福，本校的英語水平考試，全國大學生英語等級考試如四、六級，修學分。在北京市某重點高校，非英語專業(yè)學生（包括參與本研究的37名非英語專業(yè)學生）被要求公共英語課至少修滿8個學分。而前文提到的那名提交了作業(yè)但無修改的同學，他選課的初衷就是為了修夠?qū)W分。但目標明確定為出國深造的學生，他們不僅認真寫作，而且收到批改網(wǎng)反饋后主動反復修改，且修改比較細致。與修學分/成績動機的學生相比（如取得高的成績），英語考試/考級動機的學生有更明確的寫作目標（如得高分可以申請到心儀的學校出國讀書、有獎學金等），付出的努力（如時間、心力）更多，學習效果也自然會更好一些。正如D?rnyei[22]所言，學習動機與獎懲相關(guān)——與獎賞相聯(lián)系的動機很有可能受“理想自我”驅(qū)動，而與懲罰相聯(lián)系的動機更多地是受“應該自我”驅(qū)動。

3 學生的詞匯水平

在寫作過程中，學生承擔著主體的作用，而學生收到批改網(wǎng)反饋后，比較關(guān)注詞匯錯誤和詞匯警示。學生的問卷調(diào)查、總結(jié)報告和訪談記錄分析結(jié)果顯示：學生普遍反映批改網(wǎng)反饋的詞匯錯誤比較實用，能指出學生在學習過程中容易忽視的一些細節(jié)。AWE系統(tǒng)的宗旨是輔助學生提高第二外語的寫作水平，作為主體的學生如果能結(jié)合自己的寫作需要，充分利用批改網(wǎng)提供的各類反饋意見，如推薦詞匯、搭配錯誤提示等，將會提升自己的詞匯運用能力。

4 學生對AWE反饋的認知

將作文提交到批改網(wǎng)得到反饋，輸出與收到反饋的過程中存在意義協(xié)商，故學生的修改行為可促進語言認知。Skehan[23]認為認知理論的主要精髓是學習者應將注意力再分流，合理地分配到語言理解和表達的各個方面，能準確、流利、得體地選擇和使用詞匯。Ellis[24]提出的認知語言機制主要經(jīng)歷了Notice Input（被注意的信息）—Comprehensive Input（被理解的信息）—Intake（吸收的信息）—Implicit Knowledge and Explicit Knowledge（隱性知識和顯性知識）。從促學角度來看，學生收到AWE反饋后，注意到自己作文中的語言錯誤，重點關(guān)注并分析詞匯警示和詞匯錯誤，理解和吸收信息，促進顯性知識的發(fā)展，部分轉(zhuǎn)化成為自己的隱性或顯性知識。第二外語寫作過程一般經(jīng)過寫作前準備、寫作和修改三個階段，學生在這三個階段進行一系列心理認知和思維創(chuàng)作，其認知能力和書面表達能力會有所提升。

5 AWE本身的反饋質(zhì)量

研究結(jié)果表明，學生普遍認為AWE的反饋質(zhì)量比較可靠、AWE反饋給予的詞匯反饋比較實用，能夠激發(fā)學生修改作文的動力；學生對AWE給予的詞匯反饋比較滿意，能根據(jù)反饋及時做出修改。本研究還發(fā)現(xiàn)，根據(jù)AWE反饋進行英語作文修改后，學生詞匯運用的多樣性和復雜性均得到了加強。

值得一提的是，AWE反饋能夠比較客觀且高效地反映學生作文中的詞匯運用水平，大大減少了人工測評的工作量和誤差，但AWE反饋也存在不完善的地方。如AWE系統(tǒng)主要關(guān)注詞匯運用的表層，對于搭配特別是警示/錯誤項不具備深層次的分析能力。以“[搭配錯誤]in order to 改為so as to”為例：原句是“And we should also communicate with our parents to get some advice in order to avoid making mistakes in life.”機器反饋提示“in order to”搭配錯誤，要換成“so as to”。實際上，這兩個搭配是同義詞，在句中均可交替使用。正因為如此，學生對批改網(wǎng)的總體評價是較為死板，問題揭示相對粗略。此外，研究者對內(nèi)容、文體、句法和修辭等方面的AWE測量與評估暫時沒有進行研發(fā)。隨著AI技術(shù)的快速發(fā)展，將有望加速AWE系統(tǒng)深層次的研發(fā)與利用。

[1]唐錦蘭,吳一安.在線英語寫作自動評價系統(tǒng)應用研究述評[J].外語教學與研究,2011,(2):273-282、321.

[2][9][13]楊永林,丁韜.互聯(lián)網(wǎng)+時代,英語寫作怎么教?[J].外語研究,2016,(1):60-63、112.

[3][4]Chapelle C A, Douglas D 計算機技術(shù)條件下的語言評價[M].北京:外語教學與研究出版社,2010:62-64、1.

[5]Page E B. Grading essays by computer: Progress report[A]. Educational Testing Service. Proceedings of the invitational conference on testing problems[C]. Princeton: Educational Testing Service, 1966.

[6]Flotz P W, Laham D, Landauer T K. The intelligent essay assessor: Applications to educational technology[J]. Interactive Multimedia Electronic Journal of Computer-Enhanced Learning, 1999,(2).

[7]Burstein J C. The E-rater scoring engine: Automated essay scoring with natural language processing[A]. Shermis M D, Burstein J. Automated Essay Scoring: A Cross-disciplinary Perspective[C]. Mahwah:Lawrence Erlbaum Associates Inc, 2003.

[8]梁茂成.中國學生英語作文自動評分模型的構(gòu)建[M].北京:外語教學與研究出版社,2010:1-32.

[10]北京詞網(wǎng)科技有限公司.批改網(wǎng)[OL].

[11]柏曉靜,俞士汶,朱學鋒.自然語言處理中的技術(shù)評測及關(guān)于英語專業(yè)考試的思考[J].外語電化教學,2010,(1):3-9、18.

[12]盧鹿.基于自動評價系統(tǒng)的第二寫作過程研究[J].外語界,2016,(2):88-96.

[14]Attali Y. Exploring the feedback and revision features of criterion[J]. Journal of Second Language Writing, 2004,(3):1-20.

[15]Hatziapostolou T, Paraskakis I. Enhancing the impact of formative feedback on student learning through an online feedback system[J]. Electronic Journal of e-Learning, 2010,(2):111-122.

[16]Read J. Assessing vocabulary[M]. Cambridge: Cambridge University Press, 2000:200.

[17]Paul M, Imma M. Tools for researching vocabulary[M]. Bristol: Multilingual Matters, 2017:21-43.

[18]Nation P. Range32[OL].

[19]楊惠中.語料庫語言學導論[M].上海:上海外語教育出版社,2002:199.

[20]Hyland F, Hyland K. Sugaring the pill: Praise and criticism in written feedback[J]. Journal of Second Language Writing, 2001,(3):185-212.

[21]Zhang W, Huang A. Exploring Chinese college students’ language use in written peer feedback on EFL writing[A]. Feng W, Lin P, Tay D. The 11thinternational symposium on teaching English at tertiary level[C]. Hong Kong: The Hong Kong Polytechnic University (Printed and Bound in Beijing), 2017:456-477.

[22]D?rnyei Z. The psychology of the language learner: Individual differences in second language acquisition[M]. New York: Routledge, 2010:65-119.

[23]Skehan P. Modelling second language performance: Integrating complexity, accuracy, fluency, and lexis[J]. Applied Linguistics, 2009,(4):510-532.

[24](美)Ellis R.第二語言習得研究[M].上海:上海外語教育出版社,1999:348-363.

1“?????”來源于筆者和新西蘭威靈頓維多利亞大學Nation教授的來往郵件（Personal Communication）討論，特此致謝。

The Effect of Automated Writing Evaluation Feedback on Students’ Vocabulary Revision ——Taking Pigai.org for Example

HUANG Ai-qiong ZHANG Wen-xia

()

Through the analyses of questionnaires, summary reports and interview records, this paper discussed 37 students’ writing process based on Automated Writing Evaluation (AWE) feedback. Meanwhile, this paper focused on the effect of the vocabulary feedback points and the feedback provided by AWE on students’ vocabulary revision by taking the Pigai.org for example. Results showed that the vocabulary feedback points from the Pigai.org were mainly learning resources feedback points, and the feedback points of vocabulary warnings and errors mainly concentrated on nouns, articles, verbs and collocation errors. At the same time, students paid more attention to the feedback on vocabulary warnings and errors from Pigai.org, and the feedback contributed to the improvement of the lexical diversity and sophistication. Meanwhile, students were satisfied with the feedback on vocabulary and collocations/phrases. In addition, the relevant factors of AWE feedback influencing students’ vocabularyrevision were analyzed, which was expected to targetedly make the AWE feedback play a positive role, improve students’ English writing ability and better carry out college English writing teaching.

atuomoted writing evaluation; college English; vocabulary revision; Pigai.org

G40-057

A

1009—8097（2018）07—0071—08

10.3969/j.issn.1009-8097.2018.07.011

本文為國家社科重大委托項目“語言大數(shù)據(jù)挖掘與文化價值發(fā)現(xiàn)”（項目編號：14@ZH036）子課題“語言智能系統(tǒng)教育實證與文化價值發(fā)現(xiàn)研究”的階段性研究成果。

黃愛瓊，在讀博士,研究方向為語言測試、外語寫作、教育技術(shù)，郵箱為salinawongw@163.com。

2018年1月31日

編輯：小米