基于機(jī)器學(xué)習(xí)的德語視聽教材甄選方法

張璐

內(nèi)容摘要：本文通過結(jié)合一線德語視聽課程教學(xué)現(xiàn)狀，對(duì)現(xiàn)有德語視聽教材不能因材施教問題展開探究;巧妙將人工神經(jīng)網(wǎng)絡(luò)這種機(jī)器學(xué)習(xí)方法引入到德語視聽教材篩選過程，從而更快捷地獲取客觀、有效的篩選結(jié)果。

關(guān)鍵詞：機(jī)器學(xué)習(xí) 人工神經(jīng)網(wǎng)絡(luò) 視聽教材 甄選

一.研究意義

據(jù)相關(guān)調(diào)查結(jié)果顯示，97%的學(xué)生喜歡老師在課堂上應(yīng)用多媒體（視頻、圖片等）進(jìn)行視聽課教學(xué)，92%的學(xué)生認(rèn)為多媒體的運(yùn)用在外語課堂中的應(yīng)用提高了教學(xué)質(zhì)量。但是也有學(xué)生對(duì)課堂活動(dòng)的設(shè)計(jì)，視聽材料的選取有不滿意之處。雖然視聽教材在學(xué)生的口語和聽力技能訓(xùn)練中起到循序漸進(jìn)的作用，有其系統(tǒng)性和科學(xué)性，但由于學(xué)生個(gè)體語言能力差異的存在，導(dǎo)致統(tǒng)一的教材不能激發(fā)部分學(xué)生的學(xué)習(xí)熱情，即不能因材施教。因此探索出德語視聽教學(xué)中科學(xué)的學(xué)習(xí)材料甄選新方法具有很明確的意義，它可以提高學(xué)生利用視聽材料的效率，改善教學(xué)效果，做到真正的因材施教。如今網(wǎng)絡(luò)資源發(fā)達(dá)，視聽教學(xué)卻發(fā)展緩慢，師生之間的有效互動(dòng)不夠，教師缺乏足夠的精力獲取全部學(xué)生的個(gè)體學(xué)情并制訂有針對(duì)性的學(xué)習(xí)計(jì)劃。如果利用機(jī)器學(xué)習(xí)方法依據(jù)學(xué)生個(gè)體學(xué)情對(duì)不同水平的學(xué)習(xí)材料進(jìn)行甄選，智能推送適合的材料給不同學(xué)生，可以大大減少教師工作量，同時(shí)又能有效提高學(xué)生的學(xué)習(xí)效果，促進(jìn)學(xué)習(xí)積極性。充分利用信息數(shù)據(jù)并通過機(jī)器學(xué)習(xí)算法來獲取新建議的思路已經(jīng)在很多領(lǐng)域獲得應(yīng)用，如某高校就曾利用數(shù)據(jù)挖掘算法對(duì)本校學(xué)生成績(jī)進(jìn)行分析處理，獲取潛藏在大量學(xué)生成績(jī)信息中的有用信息，從而調(diào)整對(duì)學(xué)生的培養(yǎng)計(jì)劃、課程信息設(shè)置、教師的教學(xué)工作等，從而有效提高學(xué)生的學(xué)習(xí)成績(jī)。

隨著云計(jì)算、大數(shù)據(jù)等技術(shù)的崛起，神經(jīng)網(wǎng)絡(luò)算法在人工智能、深度學(xué)習(xí)應(yīng)用中得到了高度重視和深度的應(yīng)用與發(fā)展，成為一門基于計(jì)算機(jī)科學(xué)、邏輯學(xué)和認(rèn)知學(xué)等多學(xué)科交叉的科學(xué)。人工智能的最終目的是讓機(jī)器能夠像人一樣學(xué)習(xí)、思考、推理、決策等。從2006年開始，隨著神經(jīng)網(wǎng)絡(luò)算法研究的進(jìn)步，尤其是計(jì)算機(jī)計(jì)算能力的大幅度提升，基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的深度學(xué)習(xí)逐步引起重視，并迅猛發(fā)展，成為目前人工智能研究的最主要方向。2016年，基于深度學(xué)習(xí)的AlphaGo，在人機(jī)圍棋大戰(zhàn)中戰(zhàn)勝人類，徹底將人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等概念展現(xiàn)到世人面前。因此，本文希望乘著人工神經(jīng)網(wǎng)絡(luò)方法發(fā)展潮流，在德語視聽教學(xué)領(lǐng)域做出應(yīng)用，更多地挖掘出機(jī)器學(xué)習(xí)在實(shí)際領(lǐng)域中的應(yīng)用價(jià)值。

二.實(shí)施方案

基于神經(jīng)網(wǎng)絡(luò)算法進(jìn)行視聽教材分類的總體思路是利用學(xué)生對(duì)測(cè)試數(shù)據(jù)庫中的材料進(jìn)行學(xué)習(xí)，然后基于學(xué)生的反饋結(jié)果數(shù)據(jù)計(jì)算分析獲取學(xué)生的能力模型，該模型為一組參數(shù)值，然后將總數(shù)據(jù)庫中的待分類材料通過學(xué)生能力模型解算，最后獲取分類結(jié)果。詳細(xì)的實(shí)施步驟如下文所示：

1）構(gòu)建德語視聽教學(xué)語料庫

該步驟為整個(gè)方案實(shí)施的重要環(huán)節(jié)，需要教師通過多種渠道搜尋得到各類德語視聽材料，并匯總成庫。本著有難度、有梯度、興趣范圍廣泛的原則展開工作，本部分工作由學(xué)科團(tuán)隊(duì)內(nèi)有經(jīng)驗(yàn)的多位一線教師協(xié)力完成，也可動(dòng)員德語班有興趣的同學(xué)協(xié)同參與。該過程是個(gè)不斷積累，往復(fù)迭代的過程，逐步達(dá)到完善。

2）構(gòu)建視聽材料評(píng)價(jià)指標(biāo)體系，教師對(duì)材料進(jìn)行指標(biāo)評(píng)價(jià)

本步驟要建立學(xué)生對(duì)視聽材料評(píng)價(jià)指標(biāo)，即學(xué)生可以通過哪些角度對(duì)材料進(jìn)行評(píng)價(jià)，如“材料難度等級(jí)”、“興趣愛好關(guān)注度”、“生詞覆蓋率”等等，教師結(jié)合指標(biāo)對(duì)語料庫中的每個(gè)材料進(jìn)行學(xué)習(xí)分析后進(jìn)行評(píng)價(jià)，將各指標(biāo)評(píng)價(jià)值與對(duì)應(yīng)材料進(jìn)行綁定，以待應(yīng)用。如表1中所列的每一行數(shù)據(jù)含有評(píng)價(jià)指標(biāo)1-評(píng)價(jià)指標(biāo)4，該組指標(biāo)綜合起來即為評(píng)價(jià)指標(biāo)體系，教師需要綜合權(quán)衡設(shè)定，每個(gè)視聽教材的指標(biāo)分值均為教師結(jié)合實(shí)際考察后給出的主觀評(píng)價(jià)結(jié)果。

3）構(gòu)建測(cè)試庫，獲取測(cè)試結(jié)果

為了獲取學(xué)生個(gè)體的語言能力信息，從語料庫中挑選具有代表性的測(cè)試用例，挑選原則依據(jù)建立的評(píng)價(jià)指標(biāo)體系，且用例盡量涵蓋各指標(biāo)的分布區(qū)間;讓學(xué)生學(xué)習(xí)觀看視聽教材用例，然后就每個(gè)用例給出評(píng)價(jià)結(jié)果（適合/不適合），舉如表1所示的一組測(cè)試材料信息為例

4）運(yùn)用人工神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)個(gè)體能力模型

人工神經(jīng)網(wǎng)絡(luò)的功能是依據(jù)給定的輸入與輸出信息，通過前向反饋算法經(jīng)過多次迭代最終獲得復(fù)雜的非線性模型，該模型可以在偏差很小的情況下滿足輸入與輸出之間的關(guān)系。神經(jīng)網(wǎng)絡(luò)方法近似于數(shù)學(xué)領(lǐng)域的擬合算法，但是利用該方法獲取的模型非線性強(qiáng)，精度更高，更能真實(shí)反映出輸入與輸出之間的關(guān)系，本研究中對(duì)應(yīng)學(xué)生的能力模型。

首先建立網(wǎng)絡(luò)函數(shù)，函數(shù)包含兩個(gè)參數(shù)，分別為隱藏網(wǎng)絡(luò)層與網(wǎng)絡(luò)訓(xùn)練方法，考慮視聽教材分類問題的復(fù)雜程度與數(shù)據(jù)特點(diǎn)，設(shè)定隱含層數(shù)為2，訓(xùn)練方法為梯度訓(xùn)練法。

然后設(shè)定訓(xùn)練參數(shù)，參數(shù)主要包含迭代次數(shù)與允許誤差，考慮解決問題的需求以及實(shí)驗(yàn)室采用PC機(jī)的性能，迭代次數(shù)設(shè)為1000，允許誤差為0.001。

最后進(jìn)行訓(xùn)練學(xué)習(xí)過程，將如圖1所示的學(xué)生1的評(píng)價(jià)結(jié)果作為系統(tǒng)輸出，將對(duì)應(yīng)的教材評(píng)價(jià)指標(biāo)值作為系統(tǒng)的輸入，通過編好的應(yīng)用程序利用神經(jīng)網(wǎng)絡(luò)算法工具箱進(jìn)行迭代分析計(jì)算，在程序后臺(tái)獲取一組兩層神經(jīng)網(wǎng)絡(luò)的權(quán)值及屬性常值，即代表學(xué)生1的個(gè)體能力模型。

5）語料庫視聽材料甄選

通過步驟4獲取了學(xué)生個(gè)體能力模型后，將語料庫中視聽材料遍歷，分別將每一個(gè)視聽材料的評(píng)價(jià)值作為輸入代入到學(xué)生個(gè)體能力模型中，然后計(jì)算得出最后的輸出評(píng)價(jià)值，輸出結(jié)果為0即為該材料不適合該學(xué)生在現(xiàn)有水平下學(xué)習(xí)，輸出結(jié)果為1則代表適合該學(xué)生在現(xiàn)階段學(xué)習(xí)。最后將全部適合的材料編號(hào)輸出，供學(xué)生結(jié)合語料庫進(jìn)行利用。

1）為了獲取更加客觀、準(zhǔn)確的篩選結(jié)果，教師在對(duì)語料進(jìn)行指標(biāo)確定時(shí)要重視代表性，屬性標(biāo)定時(shí)要做到盡量準(zhǔn)確，充分利用平時(shí)教學(xué)時(shí)對(duì)學(xué)生的了解，從學(xué)生的視角去處理該步驟;

2）在制作測(cè)試庫的時(shí)候，要盡量涵蓋每個(gè)指標(biāo)的全部允許范圍，且數(shù)量不宜過多，減少給學(xué)生帶來的負(fù)擔(dān)，利于獲取更真實(shí)的評(píng)價(jià)結(jié)果;

3）利用人工神經(jīng)網(wǎng)絡(luò)計(jì)算過程中，選擇分層數(shù)適宜，防止出現(xiàn)過擬合等現(xiàn)象影響模型的準(zhǔn)確性。

結(jié)論：本文將機(jī)器學(xué)習(xí)的思想引入到了德語視聽教學(xué)工作中，用相對(duì)客觀、智能的方法替代傳統(tǒng)以人的絕對(duì)主觀意識(shí)決定教學(xué)過程，為語言教學(xué)改革提供了新的思路，符合教育面向現(xiàn)代化的發(fā)展潮流，具有一定的應(yīng)用價(jià)值，然而在實(shí)踐過程中還存在較多考慮不周，在后續(xù)研究中會(huì)繼續(xù)探索改善。科學(xué)技術(shù)的發(fā)展就是要服務(wù)于人，在教育領(lǐng)域不斷做出更多的應(yīng)用嘗試可以充分利用科技發(fā)展成果，這也符合算法開發(fā)人員初衷，值得發(fā)揚(yáng)推崇。

參考文獻(xiàn)

[1]盧欣欣.高職英語視聽說教學(xué)研究[J].求知導(dǎo)刊，2017，0（21）.

[2]金美辰.生態(tài)視閾下的大學(xué)英語視聽說教學(xué)模式[J].中國冶金教育，2017，0（1）：22.

[3]鄒琳琳.英語視聽說教學(xué)研究[J].青春歲月，2011，（20）：224-225.

[4]劉博鵬，樊鐵成，楊紅.基于數(shù)據(jù)挖掘技術(shù)的學(xué)生成績(jī)預(yù)警應(yīng)用研究[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，56（2）：267-272.

[5]張艷玲.數(shù)據(jù)挖掘在高校學(xué)生成績(jī)管理系統(tǒng)的應(yīng)用[D].河北：河北科技大學(xué)，2014.

[6]張慶，劉中儒，郭華.神經(jīng)網(wǎng)絡(luò)算法在人工智能識(shí)別中的應(yīng)用研究[J].江蘇通信，2019，35（1）：63-67.

項(xiàng)目支持：基于信息挖掘方法的高職德語視聽教學(xué)材料的探索與應(yīng)用，項(xiàng)目編號(hào)：ZDJY2017-40

（作者單位：天津中德應(yīng)用技術(shù)大學(xué)）