疫情背景下大學(xué)英語寫作教學(xué)的教師輔助反饋研究

周先武,宋 巖,趙 斌,董海云

(浙大寧波理工學(xué)院 外國語學(xué)院，浙江 寧波 315100)

一、引言

外語寫作能力為外語核心能力之一，也是高校人才培養(yǎng)中外語素質(zhì)培養(yǎng)的重要內(nèi)容?！度珖咝．厴I(yè)生就業(yè)調(diào)查報告》(2019)指出，高校畢業(yè)生在外語綜合素質(zhì)方面尚存較大提升空間?！洞髮W(xué)英語教學(xué)指南》對學(xué)生書面表達(dá)能力作出了明確的高要求。然而，高校大學(xué)英語教學(xué)面臨著班級多、規(guī)模大、教學(xué)任務(wù)繁重而課堂時間又極為有限等諸多困境，其中尤以大學(xué)英語寫作教學(xué)為甚，其作業(yè)批改量大，批閱時效低，難以逐句批閱、及時反饋，而且單向反饋并不能有效提高學(xué)生的寫作水平。在疫情防控常態(tài)化背景下，如何利用線上與線下相結(jié)合的混合教學(xué)模式，充分發(fā)揮出智能批閱的資源優(yōu)勢與教師輔助反饋的積極作用成為一項重要研究課題。

已有的研究表明，基于產(chǎn)出導(dǎo)向法(Production-oriented Approach，POA)理念(學(xué)習(xí)中心說、學(xué)用一體說、全人教育說)、假設(shè)(輸出驅(qū)動、輸入驅(qū)動、選擇性學(xué)習(xí))和教師為中心的教學(xué)流程(驅(qū)動、促成、評價)的實證研究已證實其教學(xué)實效。然而，基于POA理念指導(dǎo)下的學(xué)生產(chǎn)出任務(wù)卻存在頻次高、類型多、難以得到及時反饋等諸多問題，傳統(tǒng)寫作教學(xué)課堂的反饋亦無法解決這些問題。其實，早有學(xué)者指出如僅要求學(xué)生產(chǎn)出，而不提供及時反饋，則其產(chǎn)出質(zhì)量難以保證。

所謂反饋(feedback)，指的是在教學(xué)環(huán)境中為促進學(xué)習(xí)效果而針對學(xué)習(xí)任務(wù)成果所發(fā)出的信息。在學(xué)習(xí)過程中，適當(dāng)形式的互動與指導(dǎo)行為是反饋的關(guān)鍵。二語習(xí)得中的反饋是為了使學(xué)生能有效參與目的語學(xué)習(xí)與教師所搭建的支架。寫作教學(xué)中的反饋，則指的是讀者給作者提供輸入，為作者自行修改寫作文本提供信息的系列活動，包括來自于教師或同伴的有助于促成寫作者修改的口頭或書面評價、建議、評估以及修改等。在高校大批量使用智能批閱技術(shù)的大環(huán)境下，如何基于POA指導(dǎo)，結(jié)合英語文本的智能批閱技術(shù)與教師輔助反饋來彌補不足，探究建立基于智能批閱的教師修補機制這一核心問題亟待解決。

本文在POA理論體系觀照下，結(jié)合疫情防控需求，以句酷智能批閱為例，聚焦學(xué)生寫作能力的提升，考察大學(xué)英語寫作教學(xué)中教師輔助反饋的機制及其教學(xué)效果，主要回答三個問題：(1)智能批閱系統(tǒng)存在哪些較為典型的短板？(2)基于智能批閱平臺應(yīng)如何規(guī)避其短板而建立有效的教師輔助反饋機制？(3)該機制能否切實提高學(xué)生個體與整體的寫作水平？

二、基于智能批閱的教師輔助反饋的相關(guān)研究

近年來，為探尋高校大學(xué)英語寫作教學(xué)中教師反饋的新出路，解決教師難以提供即時反饋、有效反饋、多次反饋、多元化反饋等現(xiàn)實問題，國內(nèi)學(xué)者圍繞自動作文評閱系統(tǒng)(AWE)開展系列實證研究，其中以句酷、iWrite以及冰果批閱系統(tǒng)的實證研究最為常見。

基于句酷智能批閱的研究表明，該系統(tǒng)有助于提高大學(xué)生的寫作水平、自主寫作能力并激發(fā)寫作動機、寫作熱情和詞匯多樣性，進而提高學(xué)生自主學(xué)習(xí)能力。有學(xué)者指出，句酷能彌補傳統(tǒng)大學(xué)英語寫作教學(xué)的不足，且可通過教師反饋加以彌補，在普通高校的推廣具有可行性。此外，尚有學(xué)者對寫作反饋類型的可接受性進行調(diào)查，證實學(xué)生對于“智能批閱反饋+教師反饋+同儕反饋”的多元化反饋模式的接受度最高?；趇Write的實證研究則認(rèn)為，在使用自動評閱系統(tǒng)時教師應(yīng)發(fā)揮自身優(yōu)勢，面對系統(tǒng)對錯誤類型識別不足的問題，將系統(tǒng)反饋與其他形式的反饋相結(jié)合?；凇氨钡膶嵶C研究則指出，教師不能完全依賴智能評閱，應(yīng)適當(dāng)穿插人工輔助反饋，及時了解學(xué)生在寫作方面的不足。

對于如何基于智能批閱系統(tǒng)來加強教師反饋的問題，學(xué)者們認(rèn)為，句酷智能批閱系統(tǒng)在文本內(nèi)容評估、結(jié)構(gòu)、邏輯與復(fù)雜句識別方面存在不足，系統(tǒng)僅針對常見錯誤如用詞、搭配、表達(dá)、標(biāo)點等提出提示，對文本內(nèi)容、結(jié)構(gòu)方面的幫助較小，且作文評閱系統(tǒng)的信度和效度受限于自動反饋是否能夠有效促成文本修改、是否能夠提升水平，以及能否讓教學(xué)更具有效性等。教師反饋是對自動批改工具單一反饋模式的彌補，也是正常教學(xué)活動的必要組成部分。然而，基于智能平臺反饋、教師反饋與同儕反饋的多元化反饋背景下，教師雖能從文章內(nèi)容、結(jié)構(gòu)、用詞等方面進行二次反饋，但反饋耗時長，且常因?qū)W生個體差異而導(dǎo)致重點不突出，客觀上也增加了工作量。

前人研究達(dá)成的基本共識是：(1)智能批閱有助于學(xué)生寫作水平的提升，有一定的推廣價值；(2)智能批閱的自動反饋可解決傳統(tǒng)寫作課堂反饋不及時、難以個性化等問題，但智能化程度存有短板，尚需結(jié)合教師輔助反饋來加以解決；(3)智能反饋、教師反饋與同儕反饋相結(jié)合的多元化反饋模式最易于被學(xué)生接受?；谇叭搜芯?，本文重點考察如何針對智能批閱反饋的不足在教師輔助反饋方面加以人工修補。

三、研究設(shè)計

研究對象。以浙江省某普通高校某公共外語班為主，收集該班相關(guān)數(shù)據(jù)并加以分析。該班學(xué)生系土木專業(yè)，共32人，其中男、女生占比分別為90.625%與9.375%。

研究工具。主要使用SPSS、Excel與學(xué)術(shù)點滴微信公眾平臺開發(fā)的COOC工具，分析作文提交次數(shù)所體現(xiàn)的寫作積極性及其與成績之間的線性相關(guān)性、個體成績的主題河流圖、學(xué)生初次成績與教師輔助反饋后最終成績的線性擬合參數(shù)等數(shù)據(jù)，探究基于智能批閱的教師輔助反饋的教學(xué)效果以及相關(guān)影響因素。

數(shù)據(jù)收集。作文數(shù)據(jù)主要為面板數(shù)據(jù)，來自句酷批改的導(dǎo)出數(shù)據(jù)，如提交次數(shù)、完成時間、習(xí)作文本、字?jǐn)?shù)、最終成績、初次成績等數(shù)據(jù)；學(xué)生身份數(shù)據(jù)則由課題組成員提供。

四、結(jié)果與討論

在培養(yǎng)學(xué)生寫作語言能力方面，基于智能批閱的教師輔助反饋實踐發(fā)現(xiàn)，制約學(xué)生寫作水平提升的主要因素在于智能批閱系統(tǒng)智能化程度的不足，如長句識別不力與語法誤判等。那么到底應(yīng)建立怎樣的教師輔助反饋機制加以彌補，是否有實際效果呢？

(一)智能批閱系統(tǒng)存在的短板：長句識別不力與語法誤判

實踐表明，智能批閱在學(xué)習(xí)提示、推薦表達(dá)、近義詞表達(dá)學(xué)習(xí)、拓展辨析、標(biāo)點警示、大小寫、拼寫、精彩句型、連詞錯誤、動詞錯誤、代詞錯誤等方面反饋的正確度較高；然而，局限于智能化程度的不足，智能批閱系統(tǒng)對于長句識別、語法糾錯存在相當(dāng)程度的誤判。以句酷為例。

第一，長句識別誤判，尤其在復(fù)合復(fù)雜句方面。

例1 There are only six days before the college entrance examination, but I found my shortcomings, which gave me a heavy blow.

例2 Despite these apparent benefits, the practice of software piracy should be banned.

例3 In addition, the penalties for developing pirated software need to be increased.

例4 From my perspective, happiness and problems go together.

例5 I remember when I was in high school, there was a semester when my desk mate and I always played together.

智能反饋認(rèn)為，例1中連詞連接兩個并列成分時，成分形式應(yīng)保持一致。事實上，該句系由兩個簡單句構(gòu)成的復(fù)合句與一個從句共同構(gòu)成的復(fù)合復(fù)雜句。系統(tǒng)提示例2中應(yīng)檢查be以確認(rèn)主謂一致，例3應(yīng)檢查need以確認(rèn)主謂一致，例4應(yīng)檢查go用法，例5應(yīng)檢查連詞缺失。事實上以上句子均無問題?？梢姡瑢τ诮Y(jié)構(gòu)較復(fù)雜的句子，系統(tǒng)很難理清各個成份或結(jié)構(gòu)的邏輯關(guān)系，其反饋往往出現(xiàn)誤判，尚需教師輔助反饋。

第二，語法糾錯的誤判。教學(xué)實踐發(fā)現(xiàn)，句酷系統(tǒng)在語法糾錯方面存在的問題較多，主要表現(xiàn)在以下幾個方面。

1.詞性誤判

例6 The government should perfect the relevant laws, and the market should strengthen the management.

例7 The life of everyone is not smooth all the time.

例8 Finally, turn to others for help if necessary.

例9 In addition, if people suddenly need the support of softwares, most people will choose the convenient .

例10 Last but not least, the most important is that we are supposed to develop softwares of our own instead of imitating others' products.

智能反饋提示，例6中perfect詞性誤用；例7需檢查is not smooth，且疑似雙謂語錯誤；例8 if necessary疑為詞性誤用；例9中the convenient疑形容詞誤用為名詞；例10中important疑形容詞誤用為名詞。事實上，perfect為動詞，表“完善”；smooth為形容詞，表“平坦的”； if necessary則為固定用法；the convenient 為定冠詞加形容詞可表一類事物，系名詞范疇；important則為形容詞。

2.斷章取義式誤判

例11 According to statistics, most rich people in society are not happy.

例12 Therefore, everyone should not expect to be happy without difficulties in life.

智能批閱提示，例11中most rich疑似形容詞最高級誤用，實際上most修飾的是people，為rich people的修飾語。系統(tǒng)反饋認(rèn)為例12中without difficulty意為“不費勁”，difficulty為不可數(shù)名詞。事實上，原文中without difficulties意為強調(diào)“沒有任何形式的困難”，difficulty系可數(shù)名詞。

3.謂語缺失誤判

例13 Secondly, the State needs to improve relevant laws and regulations.

例14 Second, the legal system of intellectual property lags behind.

智能反饋提示，例13、14疑似謂語缺失。事實上，例13中的謂語為need，例14中謂語為動詞詞組lag behind。

4.主語缺失誤判

例15 With so many pirated and upgraded software, who would bother to spend time and money looking for a licensed but outdated version in the store?

系統(tǒng)反饋認(rèn)為，該句疑似主語缺失。其實，who在該句中作為疑問句的形式主語并不存在爭議。

5.動詞不定式to的誤判

例16 The government should make laws to protect softwares.

例17 It is extremely necessary for us to make thorough laws to prevent and handle every consequence software piracy makes.

例18 Above all, the government should make laws to protect the original version.

智能反饋認(rèn)為，以上例句中to均疑似成分冗余。其實，to均為必要的動詞不定式標(biāo)記。

6.主謂一致誤判

例19 From my perspective, happiness and problems go together.

例20 Dear customer, do you worry about how to teach business major students?

系統(tǒng)提示檢查go與do以確認(rèn)主謂一致，而事實上例句中主謂一致并無問題。因此，智能批閱系統(tǒng)在長句識別、語法糾錯等語言能力提升方面存在短板由此可見一斑。

(二)基于智能批閱的大學(xué)英語寫作教學(xué)教師輔助反饋

智能批閱存在短板的事實已無可爭辯，關(guān)鍵在于如何建立基于智能批閱的教師輔助反饋機制以彌補其不足。以下從專題補漏機制、混合教學(xué)模式與多元反饋模式三方面對此加以闡述。

第一，基于寫作語言能力的語法糾錯與專題講座相結(jié)合的專題補漏機制。以句酷平臺為例，針對該系統(tǒng)對于長句識別智能化程度不足的問題，教師開展“英語句型及其拓展”專題講座，明確簡單句、復(fù)合句、復(fù)雜句與復(fù)合復(fù)雜句的特點及其拓展過程中的相互邏輯關(guān)聯(lián)，以英漢信息結(jié)構(gòu)的差異為視角講解英語句型與漢語句型的共性與差異，指導(dǎo)學(xué)生克服母語負(fù)遷移現(xiàn)象。對于斷章取義式誤判、主謂語缺失誤判、動詞不定式誤判、主謂一致誤判、詞性誤判等導(dǎo)致學(xué)生引發(fā)的混亂，則收集整理學(xué)生的問題，開展英語詞類、詞語搭配度、邏輯銜接等專題講座，及時通過班級QQ群、微信群或釘釘在線課程等加以講解，在線回答個性化問題。對于普遍性疑慮，教師可指導(dǎo)個別學(xué)生作為自主項目加以研究后通過網(wǎng)絡(luò)發(fā)布。實踐證明，經(jīng)過理論與實踐兩方面的輔助反饋，習(xí)作中可被提取的語言錯誤急劇下降，學(xué)生對于系統(tǒng)誤判也開始有清晰的認(rèn)識，其習(xí)作中語法問題明顯減少。

第二，基于智能批閱的線上與線下相結(jié)合的混合教學(xué)模式。線上通過系統(tǒng)的錯誤提取與下載功能，設(shè)計句型錯誤、語法錯誤修正練習(xí)供學(xué)生研習(xí)，通過布置新的在線習(xí)作再次強化。鑒于課堂時間有限，部分專題講座通過在線課堂完成，大部分則在課堂教學(xué)中安排時間完成。專題講座的配套強化練習(xí)則通過線上布置，線下完成，線上與線下相結(jié)合，構(gòu)建混合教學(xué)模式下的反饋通道。

第三，智能批閱反饋與教師輔助反饋相結(jié)合的多元反饋模式。在語言能力提升方面，智能批閱主要反饋習(xí)作所存在的句子、語法類問題以及基于文本相關(guān)度指標(biāo)的柱形圖示等，其中還有誤判，因此并不能滿足學(xué)生個性化需求，尚需教師結(jié)合線上與線下的輔助反饋。在句型與語法方面，教師通過系統(tǒng)完成錯句提取、搜集詞性誤判、搭配誤判、斷章取義式誤判案例等，線下布置改錯練習(xí)，開展系列專題講座。在內(nèi)容提升方面，教師在線上提取作文文本，線下專門講解文本相關(guān)度問題。此外，教師在線下分析班級整體成績數(shù)據(jù)，借以判斷班級個體與整體進步程度并公示，使學(xué)生了解每篇習(xí)作的進步狀況。

(三)基于智能批閱的教師輔助反饋的效果分析

基于智能批閱的教師輔助反饋機制究竟能否提高大學(xué)英語寫作教學(xué)的效果呢？以下擬從三方面加以回答。

第一，結(jié)合教師輔助反饋的智能批閱能否提高學(xué)生寫作的積極性？以8篇作文提交次數(shù)為切入點發(fā)現(xiàn)，實驗個體提交次數(shù)最高達(dá)118次，最低則為4次，平均提交次數(shù)為34次，遠(yuǎn)遠(yuǎn)超過傳統(tǒng)寫作課堂的修改次數(shù)。為進一步闡明該問題，以學(xué)生提交次數(shù)為指標(biāo)，構(gòu)建主題河流圖圖示，其中河流的寬窄代表次數(shù)的多寡。如圖1。

圖1 提交次數(shù)主題河流圖

圖1表明，個體作文提交次數(shù)大體上偏高，提交次數(shù)偏低的個體較少；前期提交的次數(shù)相較于后期明顯更多，往后則呈現(xiàn)下降趨勢，然而其基數(shù)仍保持在較高水平。這一變化趨勢疑與疫情發(fā)展引起的心理變化有關(guān)。前4篇作文完成于疫情嚴(yán)重時的網(wǎng)課期間，學(xué)生有足夠時間與精力加以修正；后4篇則完成于復(fù)課后，各門課程開始查漏補缺，在時間節(jié)點上則已趨近于期末考試，學(xué)生壓力增加且尚需為其他課程及其考試加以準(zhǔn)備，由此引發(fā)提交次數(shù)變少趨勢。盡管受到疫情影響，但提交次數(shù)的基數(shù)表明學(xué)生仍然保持著較高的寫作積極性。

第二，提交次數(shù)與寫作成績是否具有相關(guān)性？以提交次數(shù)為橫軸，以成績?yōu)榭v軸構(gòu)建二者的相關(guān)性散點圖及趨勢線，如圖2所示。學(xué)生提交次數(shù)與其最終成績呈現(xiàn)線性正相關(guān)，其線性回歸方程為y=0.0744x+80.945，線性回歸方程參數(shù)中a=0.0744<1，b=80.945>0，R=0.0578，表明學(xué)生提交次數(shù)與成績整體呈現(xiàn)線性相關(guān)，這種相關(guān)性在5.78%的學(xué)生個體身上表現(xiàn)尤為明顯。

圖2 提交次數(shù)與成績分布散點圖

第三，學(xué)生初次成績與終成績是否具有顯著差異性？初次成績指的是學(xué)生第一次所提交文本的自動批閱成績，終成績則為經(jīng)歷多次刷分后自動批閱系統(tǒng)所給評分。為探究初次成績與終成績是否具有顯著差異性，以班級32位學(xué)生的組成績?yōu)閱挝?，基于Excel分別對8篇作文文本的組成績建立散點圖，得到其線性回歸方程y=ax+b的a、b參數(shù)；以SPSS 25分別對8對數(shù)據(jù)加以線性回歸分析，得到其R、調(diào)整后的R、F值與α值。其中，a為x，y的均值，且必須滿足回歸方程，即回歸線必須經(jīng)過以x，y均值為橫縱坐標(biāo)的點。如表1所示。

表1 初次成績與終成績線性回歸分析參數(shù)表

根據(jù)表1，8個a值均小于1，說明首成績每增加一個單位，終成績的增加小于1個單位，可見y增加的速度比較慢，y 對 x的變化不敏感；b值則均大于0，說明首成績與終成績均呈現(xiàn)線性正相關(guān)關(guān)系；R值越大，說明線性回歸擬合中二者的差異越為顯著，即作文6的首成績與終成績差異最為顯著，而其他組的顯著性有所降低。調(diào)整后R值數(shù)據(jù)表明，提交次數(shù)在8篇作文中分別可解釋13.33%、2.95%、7.55%、16.51%、24.22%、44.30%、13.72%、19.09%的結(jié)果，亦進一步說明以上問題。ANOVA線性回歸分析中的F值系樣本的計算結(jié)果之一，研究發(fā)現(xiàn)F值均大于其臨界值(設(shè)α=0.05)。根據(jù)α值，則發(fā)現(xiàn)作文1、5、6、7、8中首成績與終成績差異顯著，表明提交次數(shù)對于成績表現(xiàn)較為敏感。R值的分析結(jié)果與α值的分析結(jié)果存在的差異說明，除提交次數(shù)外，可能還存在其他原因。比如，作文2調(diào)整后的R值為負(fù)數(shù)，疑與該篇作文的寫作要求、復(fù)雜程度有關(guān)。該作文題為“My Definition of Success”，該任務(wù)要求學(xué)生自由發(fā)揮，絕大部分學(xué)生為展示水平，在任務(wù)完成過程中使用了大量復(fù)雜句型與高級詞匯，由此導(dǎo)致任務(wù)復(fù)雜度增加；而其他作文均按照CET作文標(biāo)準(zhǔn)加以布置。8篇作文的提交次數(shù)均值依次分別為48、43、35、34、29、29、25、25，其中作文6的提交次數(shù)均值為29，介于最大值48與最小值25之間。出現(xiàn)該種情況存在多種可能性，比如提交次數(shù)過多或過少均不能對成績有顯著影響、部分學(xué)生的提交次數(shù)敏感而其他學(xué)生的敏感程度有所降低、作文任務(wù)的復(fù)雜程度對成績存在影響、教師反饋與人工干預(yù)的程度亦存在影響等。可見，提交次數(shù)對于作文成績而言，雖然總體上呈現(xiàn)線性正相關(guān)關(guān)系，但個體成績除提交次數(shù)外，還可能會受到教師反饋、作文題材、任務(wù)復(fù)雜程度等影響。其中，任務(wù)復(fù)雜度對于產(chǎn)出的影響還需突破過于簡化的視角。

為進一步厘清教師輔助反饋對提交次數(shù)、初次成績與終成績的影響，以8篇作文的首成績與終成績?yōu)閮山M數(shù)據(jù)，對之加以多元回歸分析發(fā)現(xiàn)，其線性回歸方程中的參數(shù)a=0.128 8，b=74.592，R=0.151 7，調(diào)整后R=0.148，F(xiàn)值=45.430，而α=0.000。多元線性回歸分析表明，雖然受到多種因素影響，但從整體而言，同篇作文的初次成績與終成績差異顯著。由此說明，要提高班級學(xué)生整體寫作水平，除進一步加強教師反饋外，尚需鼓勵學(xué)生增加提交次數(shù)，同時控制寫作任務(wù)復(fù)雜度。

五、結(jié)語

在疫情防控常態(tài)化背景下，高校大學(xué)英語寫作教學(xué)面臨更多困境，而利用智能批閱技術(shù)實施大學(xué)英語寫作教學(xué)是一項可行性方案。然而，智能批閱的反饋并非萬能，尚需教師人工輔助反饋的干預(yù)。實踐證實，教師輔助反饋可切實提高學(xué)生的寫作積極性，使得學(xué)生個體與班級整體寫作能力得到顯著提升。在該套機制下，寫作任務(wù)的復(fù)雜化程度對學(xué)生語言能力的提升也存在影響?？梢娊處熭o助反饋還需控制寫作任務(wù)復(fù)雜度，結(jié)合具體體裁規(guī)范寫作要求，對產(chǎn)出結(jié)果的評價發(fā)揮多主體的主觀能動性，利用線上、線下、智能批閱反饋相結(jié)合的多元化反饋模式實現(xiàn)優(yōu)勢互補。然而，在智能批閱與人工反饋相結(jié)合的基礎(chǔ)上，寫作任務(wù)復(fù)雜度到底如何影響學(xué)生寫作能力的提升，智能批閱在語法、詞匯、篇章、文本相關(guān)度等哪些方面可使學(xué)習(xí)者獲得長足進步以及男女比例是否對教學(xué)效果存在影響等問題，尚需進一步探究。