21 世紀以來我國智能語言教學(xué)研究述評

馬武林 徐夢云

(1. 四川外國語大學(xué) 商務(wù)英語學(xué)院,重慶 400031;2. 四川外國語大學(xué) 研究生院,重慶 400031)

0 引言

智能技術(shù)與語言教學(xué)的結(jié)合與研究已經(jīng)有較長的歷史,1958 年,伯爾赫斯·弗雷德里克·斯金納(Burrhus Frederic Skinner)(1961:2)在行為主義理論的指導(dǎo)下研發(fā)了程序性教學(xué)機器,該機器能夠誘導(dǎo)學(xué)生進行持續(xù)性學(xué)習(xí),并可以強化學(xué)生的學(xué)習(xí)行為。 自此,計算機輔助語言學(xué)習(xí)進入了人們的視野,徹底改變了傳統(tǒng)的外語教學(xué)方式(Butler-Pascoe,2011:16)。 20 世紀80 年代,智能技術(shù)初步應(yīng)用在外語教學(xué)領(lǐng)域,智能語言教學(xué)一直是學(xué)者關(guān)注的焦點。 華中理工大學(xué)研發(fā)了我國第一款智能教育機器人——漢Ⅰ型智能教育機器人,拉開了我國智能技術(shù)在教育領(lǐng)域應(yīng)用的序幕(華中理工大學(xué),1989:116)。 此后30 余年,國內(nèi)有關(guān)人工智能教學(xué)的文章逐年增加,所涉足的領(lǐng)域與方向也逐漸增多,取得了豐碩的成果。 陳堅林( 2006:7)認為利用智能技術(shù),外語教學(xué)能夠?qū)崿F(xiàn)“教學(xué)個性化” “環(huán)境虛擬化”和“管理自動化”。 2012 年以后,國際智能語言教學(xué)的相關(guān)研究進入了快速發(fā)展階段(Chen et al., 2020:34)。

對我國智能語言教學(xué)領(lǐng)域進行系統(tǒng)綜述,全面梳理我國智能語言教學(xué)領(lǐng)域取得的成就及存在的不足,有助于為后續(xù)研究指明方向。 檢索發(fā)現(xiàn),21 世紀之前語言智能教學(xué)研究文獻相對較少,我們沒有將2000 年及以前的文獻納入分析范圍。 此外,由于智能技術(shù)迭代升級很快,本文采用五年一個區(qū)間的方式進行精細化分析。 文章通過知識圖譜的方法,對2001—2005 年、2006—2010 年、2011—2015 年、2016—2020 年和2021—2022 年五個時間段內(nèi)我國智能語言教學(xué)領(lǐng)域所取得的成就與不足進行了系統(tǒng)梳理。

1 研究設(shè)計

1.1 數(shù)據(jù)來源

我們通過中國知網(wǎng)(簡稱CNKI)和Web of Science(簡稱WOS)兩個數(shù)據(jù)庫,分別檢索了中國學(xué)者發(fā)表在國內(nèi)和國外的文獻,共計191 篇。

在CNKI 數(shù)據(jù)庫中,以人工智能、機器智能、智能支持、智能虛擬現(xiàn)實、聊天機器、機器學(xué)習(xí)、自動輔導(dǎo)、智能輔導(dǎo)、私人輔導(dǎo)、智能代理、專家系統(tǒng)為搜索主題,時間跨度為2001 年1 月1 日至2022 年9 月18 日,文獻來源為北大核心和CSSCI 期刊,得到42,689 篇相關(guān)文獻。 依次從結(jié)果中搜索語言、文學(xué)、閱讀、聽力、寫作、口語、詞匯、語法、發(fā)音、語音等十個關(guān)鍵詞,然后經(jīng)人工篩選,剔除會議、廣告、書評等文獻,最終獲得有效中文文獻136 篇①參照Roles and research foci of artificial intelligence in language education: an integrated bibliographic analysis and systematic review approach一文的搜索方式。。

在WOS 數(shù)據(jù)庫中,以“artificial intelligence” or “machine intelligence” or “intelligence support” or“intelligent virtual reality” or “chat bot” or “machine learning” or “automated tutor” or “intelligent tutor” or “personal tutor” or “intelligent agent” or “expert system”(AND)“l(fā)anguage” or “l(fā)iteracy” or“reading” or “writing” or “l(fā)istening” or “speaking” or “vocabulary” or “grammar” or “pronunciation”為檢索式,選擇核心合集數(shù)據(jù)庫,時間跨度為2001 年1 月1 日至2022 年9 月18 日,研究方向為教育教學(xué),語言為英語,地區(qū)為中國,得到367 篇文獻,經(jīng)人工篩選,剔除與教育無關(guān)的論文,去掉會議、廣告、書評等不符合主題的文獻后,最終獲得有效英文文獻55 篇。

1.2 研究工具與方法

本文使用荷蘭萊頓大學(xué)簡·范·艾克(Nees Jan van Eck)和盧多·沃爾特曼(Ludo Waltman)共同開發(fā)的科學(xué)知識圖譜工具VOSviewer (Version 1 .6.18),采用系統(tǒng)綜述的方法對該領(lǐng)域22 年間的191 篇文獻進行系統(tǒng)回顧與分析。

2 研究概況

2.1 年度發(fā)文趨勢

在CNKI 數(shù)據(jù)庫中,2001—2015 年間,語言智能教學(xué)研究的發(fā)文量不大,峰值均小于等于六篇;2016 年開始,該領(lǐng)域發(fā)文量突增,且于2021 年達到峰值,發(fā)文達17 篇。 在WOS 數(shù)據(jù)庫中,2016 年之前,該領(lǐng)域總發(fā)文量僅為兩篇,而從2017 年開始,語言智能教學(xué)研究的發(fā)文量突增,2020 年、2021年相繼達到峰值,發(fā)文15 篇(圖1)。 可見,國內(nèi)語言智能教學(xué)研究領(lǐng)域2016 年之前處于低速發(fā)展階段,且研究成果的發(fā)表以國內(nèi)為主,2016 年之后發(fā)文量突增,該領(lǐng)域掀起研究熱潮。

2016 年之所以是一個分水嶺,主要原因可能是2016 年AlphaGo 戰(zhàn)勝了圍棋世界冠軍,智能技術(shù)極大地吸引了研究者的興趣。 也是從2016 年開始,我國教育部制定并頒布了助推人工智能發(fā)展的系列文件,如《教育信息化“十三五”規(guī)劃》(2016)、《新一代人工智能發(fā)展規(guī)劃》(2017)、《高等學(xué)校人工智能創(chuàng)新行動計劃》(2018)等,這些政策對智能語言教學(xué)的研究具有重要的推動作用。

2.2 主要發(fā)文作者與研究機構(gòu)

就主要作者和研究機構(gòu)而言,我們統(tǒng)計了該領(lǐng)域22 年間發(fā)文量大于等于兩篇的作者與機構(gòu)信息。 根據(jù)統(tǒng)計,該領(lǐng)域的主要研究者有杭州師范大學(xué)馮志偉(5 篇)、北京大學(xué)賈積有(4 篇)、香港教育大學(xué)謝浩然(4 篇)、香港教育大學(xué)鄒迪(4 篇)等。 國內(nèi)該領(lǐng)域影響力較高的機構(gòu)分別為北京師范大學(xué)(11 篇)、清華大學(xué)(10 篇)、北京大學(xué)(10 篇)、中國科學(xué)院(9 篇)、上海交通大學(xué)(6 篇)、華中師范大學(xué)(5 篇)、四川外國語大學(xué)(4 篇)、西南大學(xué)(4 篇)、華東師范大學(xué)(4 篇)、河南師范大學(xué)(4篇)、杭州師范大學(xué)(4 篇)、上海外國語大學(xué)(4 篇)、天津師范大學(xué)(4 篇)、北京外國語大學(xué)(4 篇)、香港教育大學(xué)(4 篇)等。 根據(jù)統(tǒng)計,我們發(fā)現(xiàn)研究語言智能教學(xué)的機構(gòu)較多,但是有影響力的作者數(shù)量相對較少,且作者之間、機構(gòu)之間缺乏合作,學(xué)者以個人興趣為主,有組織的集體科研攻關(guān)顯得不足,這對提升我國語言智能教學(xué)研究的國際影響力有一定的影響。

3 研究熱點與趨勢

我們將論文關(guān)鍵詞的頻次設(shè)為大于等于2,分五個時間段進行了分析。 據(jù)圖2 所示,關(guān)鍵詞頻次由高到低分別為人工智能(55 次)、深度學(xué)習(xí)(19 次)、英語學(xué)習(xí)(15 次)、機器學(xué)習(xí)(14 次)、語音識別(10 次)等。 其中“人工智能”出現(xiàn)了55 次,研究橫跨五個區(qū)間,跨度最廣,且研究熱度(頻次)越來越高,2016—2020 年該關(guān)鍵詞研究頻次最高,最近兩年仍然受到學(xué)者高度關(guān)注,彰顯出了學(xué)者對人工智能技術(shù)與教育教學(xué)深度融合的普遍關(guān)注度。

圖2 2001—2022 年間各階段關(guān)鍵詞(≥2)統(tǒng)計

為了更直觀地了解該領(lǐng)域的研究熱點與發(fā)展趨勢,我們使用VOSviewer 軟件將136 篇來自CNKI 數(shù)據(jù)庫的文獻與55 篇來自WOS 數(shù)據(jù)庫文獻分別進行關(guān)鍵詞聚類分析。 圖3 為CNKI 數(shù)據(jù)庫中該領(lǐng)域研究關(guān)鍵詞聚類共現(xiàn)知識圖譜,圖譜中字體與節(jié)點越大,權(quán)重越高,節(jié)點之間連線的粗細表示共現(xiàn)頻次的大小,節(jié)點與連線的顏色越接近黃色表示研究內(nèi)容越新。 據(jù)圖3 可知,“人工智能”這一節(jié)點在該圖譜中節(jié)點最大,連線多,線條粗,顏色則為黃綠色,這些都說明“人工智能”與其他若干節(jié)點均產(chǎn)生了千絲萬縷的關(guān)系,這也顯示出人工智能技術(shù)與語言教學(xué)的深度融合。 此外,從圖3也能看出,除了“人工智能”之外,“自然語言處理”“深度學(xué)習(xí)”“自然語言理解”“機器翻譯”“虛擬現(xiàn)實”“語音識別”技術(shù)也是研究的熱點,從時間軸來看,“自然語言處理”“語音識別”等研究熱度有所下降,而“智能聊天人”研究起步最早,幾乎淡出了研究者的視野。 “人機協(xié)同”成為最新研究熱點,而“咪咕靈犀”緊隨其后,“人機協(xié)作”“自適應(yīng)學(xué)習(xí)”也是相對較新的研究點。

圖3 CNKI 數(shù)據(jù)庫關(guān)鍵詞知識圖譜

2016 年之前,國內(nèi)該領(lǐng)域?qū)W者的研究成果主要發(fā)表在國內(nèi)期刊,2016 年之后,國內(nèi)學(xué)者的成果在WOS 數(shù)據(jù)庫中突增。 圖4 為近五年WOS 數(shù)據(jù)庫中我國學(xué)者發(fā)文研究關(guān)鍵詞聚類共現(xiàn)知識圖譜。通過圖4 可知,該圖譜各節(jié)點均較小,節(jié)點之間連線較細,從色彩變化可以看出來2018 年、2019 年和2020 年三年的研究焦點完全不同。 2018 年聚焦在“English teaching”“Learner”“approach”“strategy” 等,而2019 年偏“effectiveness” “environment” “feature” 等2020 年則偏“artificial intelligence”“performance”“algorithm”“accuracy”等詞。 這說明我國學(xué)者發(fā)表在國外的論文存在中心性不夠強、研究不夠聚焦的問題,研究的點分散在人工智能(artificial intelligence)、機器學(xué)習(xí)(machine learning)、算法(algorithm)等方面,較難形成研究合力,影響力不夠大。

圖4 WOS 數(shù)據(jù)庫關(guān)鍵詞知識圖譜

圖5 2001—2022 年智能語言教學(xué)研究態(tài)勢

此外,通過圖3 和圖4 的關(guān)鍵詞共現(xiàn),我們發(fā)現(xiàn)國內(nèi)刊發(fā)的文章以宏觀研究為主,而國外發(fā)表的論文則以微觀研究為主。

4 語言智能教學(xué)研究取得的成績

為了方便對比,我們將我國的智能語言教學(xué)研究分為了三個階段:萌芽階段、探索階段和初步發(fā)展階段。 21 世紀以前為智能語言教學(xué)研究的萌芽階段,不在本文討論范圍之內(nèi),我們重點討論探索階段和初步發(fā)展階段。 2001—2015 年期間自然語言處理技術(shù)、虛擬現(xiàn)實、機器翻譯、語音識別等技術(shù)都得到了一定的發(fā)展,我們稱之為智能語言教學(xué)研究的探索階段。 2016 以來,相關(guān)研究論文發(fā)表數(shù)量突增,研究領(lǐng)域拓寬,自然語言處理、語音自動識別、大數(shù)據(jù)、深度學(xué)習(xí)、機器學(xué)習(xí)、虛擬現(xiàn)實、機器翻譯等技術(shù)快速發(fā)展起來,其中語音自動識別技術(shù)實力“已經(jīng)走在了國際前沿”(馮志偉,2018:23),我們稱之為智能語言教學(xué)研究的初步發(fā)展階段,在初步發(fā)展階段,研究成果成階梯式發(fā)展。 2001—2005 年期間,教育機器人、智能導(dǎo)學(xué)系統(tǒng)、虛擬現(xiàn)實、機器翻譯及自然語言處理領(lǐng)域有少量論文發(fā)表,且數(shù)量都不超過兩篇,在2006—2010 年期間,語音識別技術(shù)進入了大眾視野,但是自然語言處理和智能導(dǎo)學(xué)系統(tǒng)成為重點領(lǐng)域,發(fā)文量均大于等于六篇,在2011 至2015 年間,智能導(dǎo)學(xué)系統(tǒng)研究繼續(xù)成強勢增長,有十篇論文發(fā)表,而自然語言處理研究開始降溫,有四篇論文發(fā)表,大數(shù)據(jù)、機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)開始融入語言教學(xué)。 2016 年以后智能語言教學(xué)研究在多個領(lǐng)域開始爆發(fā),深度學(xué)習(xí)研究成為2016—2020 年間的新寵兒,共發(fā)文11 篇,僅次于智能導(dǎo)學(xué)系統(tǒng),機器學(xué)習(xí)也成為關(guān)注的焦點,共發(fā)文九篇。 此外,教育機器人研究也再次發(fā)力,位列同一時期研究熱點第四位。

從發(fā)文數(shù)量上來說,有關(guān)智能導(dǎo)學(xué)系統(tǒng)的研究最多,有36 篇,占總論文數(shù)量的18.84%;其次是有關(guān)教育機器人和自然語言處理的研究,兩者各有18 篇,分別占發(fā)文總量的9.42%;接下來是依次是深度學(xué)習(xí)(17 篇,占8.90%)、機器學(xué)習(xí)(13 篇,占6.80%)、虛擬現(xiàn)實(11 篇,占5.75%)、機器翻譯(10 篇,5.23%)、大數(shù)據(jù)(10 篇,5.23%)、語音自動識別(9 篇,4.71%)等技術(shù)。

從研究跨度上來說,教育機器人、智能導(dǎo)學(xué)系統(tǒng)、虛擬現(xiàn)實、機器翻譯和自然語言處理等五個領(lǐng)域的研究跨度最長,屬于傳統(tǒng)項目,橫跨22 年,其中智能導(dǎo)學(xué)系統(tǒng)和教育機器人兩個領(lǐng)域熱度越來越高,2016—2020 年間成果最多,分別發(fā)文12 篇和8 篇。 自然語言處理技術(shù)在2006—2010 年間熱度最盛,共發(fā)文六篇,隨后發(fā)文量稍有下降;虛擬現(xiàn)實技術(shù)和語音自動識別技術(shù)則在2016—2020 年期間較受歡迎,分別發(fā)文4 篇和5 篇。

4.1 智能導(dǎo)學(xué)系統(tǒng)、智能教育機器人聚焦個性化教學(xué)、智能化教學(xué)

22 年以來,智能導(dǎo)學(xué)系統(tǒng)、教育機器人持續(xù)受到關(guān)注,發(fā)文量最高,累計44 篇,2010 年以后得到較大發(fā)展,改變了以往研究個性化不強的問題,實現(xiàn)了個別化、個性化、智能化教育,更具有針對性、差別性,且能夠滿足學(xué)生碎片化時間學(xué)習(xí)的需求。 20 多年來,有關(guān)智能導(dǎo)學(xué)系統(tǒng)的研究主要聚焦在寫作、詞匯、口語等語言技能方面。 例如,蔣艷等以句酷批改網(wǎng)為例,分析了英語作文自動批改智能系統(tǒng)所取得的成就與面臨的挑戰(zhàn)(蔣艷 等,2013);鄒迪(Di Zou)等論述了自主開發(fā)的詞匯學(xué)習(xí)系統(tǒng),該系統(tǒng)可根據(jù)不同任務(wù)和用戶模型技術(shù)特征分析得分,推薦個性化詞匯學(xué)習(xí)任務(wù)(Zou et al.,2018);2020 年, 溫紅霞(Hongxia Weng)構(gòu)建了一個智能英語識別系統(tǒng),該系統(tǒng)能準確識別單詞的音節(jié)和發(fā)音,為學(xué)習(xí)者提供口語練習(xí)環(huán)境,有效提高自身口語水平(Wen,2020)。

教育機器人的研究則主要聚焦家庭教育。 2019 年,劉清堂(Qingtang Liu )等采用主觀和客觀相結(jié)合的標準評估了移動學(xué)習(xí)聊天機器人的有效性和其用于移動學(xué)習(xí)的可用性(Liu et al., 2019);尹加琪(Jiaqi Yin)等探討了基于聊天機器人的微型學(xué)習(xí)系統(tǒng)對學(xué)生學(xué)習(xí)動機和學(xué)習(xí)成績的影響(Yin et al.,2021);2020 年,盧宇等設(shè)計并實現(xiàn)了智能教育機器人的系統(tǒng)架構(gòu),并針對家庭教育與環(huán)境的特點,設(shè)計了五類典型的智能機器人應(yīng)用模式,以幫助學(xué)習(xí)者完成不同階段的學(xué)習(xí)目標(盧宇 等,2020)。

4.2 自然語言處理技術(shù)融入聽說讀寫譯等多個語言教學(xué)實踐領(lǐng)域

自然語言處理技術(shù)領(lǐng)域共有18 篇論文發(fā)表,該領(lǐng)域的研究比較穩(wěn)定,持續(xù)了多年,相對而言,在2006—2010 年關(guān)注度最高,累計發(fā)文6 篇,但在其他四個階段熱度也一直不減,實際上,近些年來,自然語言處理研究更加細化,微觀化,深層次化,是很多智能技術(shù)的基礎(chǔ)和關(guān)鍵。 2017 年, 阿希什·瓦斯瓦尼(Ashish Vaswani)等人推出了Transformer 模型(Vaswani et al., 2017)。 之后的兩年里,GPT、BERT、GPT2.0 等語言模型在Transformer 模型基礎(chǔ)上迅速發(fā)展起來,將機器處理文本的能力提升到了前所未有的高度。 其中GPT 2.0 被稱之為“史上最強通用 NLP 模型”,能在未經(jīng)預(yù)訓(xùn)練的情況下,完成閱讀理解、問答、機器翻譯等語言建模任務(wù)(Radford et al., 2019)。 目前NLP 模型已發(fā)展到GPT3.0,具有1750 億個參數(shù)的自回歸語言模型,比以前的任何非解析語言模型多十倍,在翻譯、問題解答和完形填空等任務(wù)上都具有極強的性能(Brown et al., 2019)。 2022 年11 月30 日,美國OpenAI 發(fā)布了ChatGPT 應(yīng)用,它可以根據(jù)用戶的輸入,使用Transformer 技術(shù),通過來自互聯(lián)網(wǎng)上的大量文本,生成相應(yīng)的回答。 ChatGPT 可以幫助用戶實現(xiàn)自動客服,智能問答,聊天機器人,多輪對話等功能。 該應(yīng)用發(fā)布一周后,用戶數(shù)突破100 萬人,月訪問量高達2100 萬人次,成為史上傳播最快的應(yīng)用(Wodecki, 2023)。

語音技術(shù)在語言教育中已經(jīng)實現(xiàn)了廣泛而深入的應(yīng)用,語音識別、語音測評、語音合成、語音對話等技術(shù)在口語練習(xí)軟件、人機對話系統(tǒng)、口語自動閱卷系統(tǒng)中發(fā)揮著舉足輕重的作用。 在2004年,李振亭等提出了智能語音代理的構(gòu)想,建構(gòu)了智能語音代理的功能模型,論述了語音代理系統(tǒng)應(yīng)該具有的功能,推動了語音識別技術(shù)的發(fā)展(李振亭,2004)。 2018 年,金玉蘋(Yuping Jin)提出了一種用于計算機英語語音自主評價的判別訓(xùn)練算法,該算法優(yōu)化了算法參數(shù),彌補了之前公式中的不足,并通過實驗證明了該算法的有效性(Jin, 2018)。 2020 年,王建梅(Jianmei Wang)建立了大學(xué)生英語口語語音質(zhì)量的多參數(shù)評價模型,該模型綜合了主觀評價和客觀評價的優(yōu)點,能從音高、語速、節(jié)奏和語調(diào)四個方面對語音進行評價(Wang, 2020)。

在教學(xué)方面,就教學(xué)形式而言,自然語言處理技術(shù)在機器自動評判、交互式練習(xí)即時反饋系統(tǒng)以及自動問答系統(tǒng)等方面均取得了一定的成績(楊皓東 等,2010)。 就教學(xué)內(nèi)容而言,自然語言處理技術(shù)在寫作教學(xué)和口語教學(xué)中也有了一定的突破。 如,句酷批改網(wǎng)和iWrite 等智能寫作批改系統(tǒng)可以實現(xiàn)對學(xué)生英文作文的語言表達進行自動反饋;基于語音識別技術(shù)、自然處理技術(shù)的Utalk、英語流利說、英語趣配音等對提高學(xué)生的口語能力、語音語調(diào)等方面也有一定的成效。

4.3 深度學(xué)習(xí)、機器學(xué)習(xí)技術(shù)與語言教學(xué)深度融合

深度學(xué)習(xí)與機器學(xué)習(xí)是2010 年以后發(fā)展起來的,兩者是智能語言教學(xué)研究領(lǐng)域的新興熱點,累計發(fā)文30 篇,在“十三五”期間備受學(xué)者關(guān)注,共發(fā)文20 篇。 深度學(xué)習(xí)技術(shù)在英語語音和詞匯教學(xué)、語法分析等領(lǐng)域取得了卓越的成就。 就教學(xué)框架而言,張秀麗(Xiuli Zhang)等構(gòu)建并分析了基于深度學(xué)習(xí)的高等教育智能教育體系框架,通過實驗驗證了該框架的有效性和快速性,其研究成果拓展了深度學(xué)習(xí)在教育中的應(yīng)用范圍(Zhang et al.,2021)。 就教學(xué)內(nèi)容而言,楊喻程(Yucheng Yang)等根據(jù)基于深度學(xué)習(xí)的英語語音識別現(xiàn)狀,建立了基于深度網(wǎng)絡(luò)的語音識別模型和語音評價模型(Yang et al.,2020);崔瑾英(Jinying Cui)分析了深度學(xué)習(xí)和目標視覺檢測在英語詞匯在線教學(xué)中的應(yīng)用(Cui,2020);張剛(Gang Zhang)基于深度學(xué)習(xí)方法,設(shè)計了一種結(jié)合注意機制、詞匯嵌入和CNN-seq2seq 模型的語法分析方法(Zhang,2020)。

機器學(xué)習(xí)促進了教學(xué)方法和教學(xué)模式的創(chuàng)新,提升了翻譯和在線詞匯識別的效果。 鄭煒(Wei Zheng)等為重構(gòu)傳統(tǒng)的教學(xué)案例提出了一種基于機器學(xué)習(xí)、信息檢索和自然語言處理技術(shù)的計算機輔助教學(xué)方法(STCAE),克服了傳統(tǒng)CAI 教學(xué)法的不足(Zheng et al. ,2018);張剛則基于機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和圖像超分辨率,對英語教學(xué)模式進行了創(chuàng)新分析,構(gòu)建了適合當(dāng)前英語教學(xué)現(xiàn)狀的特征識別模型(Zhang,2020)。 在教學(xué)內(nèi)容方面,秦潁(Ying Qin,2019)采用兩種無監(jiān)督機器學(xué)習(xí)方法,從大規(guī)模中國英語學(xué)習(xí)者翻譯語料庫中抽取評論,對翻譯錯誤進行分類研究,為翻譯錯誤分析提供了客觀分析;為了提高英語詞匯識別效果,吳杰榮(Jierong Wu)等基于機器學(xué)習(xí)技術(shù),結(jié)合在線教育英語詞匯識別需求,構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)的英語詞匯檢測模型,并通過實驗結(jié)果表明了該算法模型的效果(Wu et al., 2020)。

4.4 虛擬現(xiàn)實技術(shù)助力語言學(xué)習(xí)體驗提升

虛擬現(xiàn)實技術(shù)研究時間跨度較長,2000 年以來,一直有相關(guān)研究發(fā)表,累計發(fā)文11 篇。 2016年,夏志鵬(2016)設(shè)計并實現(xiàn)了可以伴隨學(xué)習(xí)者的操作指導(dǎo)虛擬教師,通過控制組實驗,驗證了虛擬教師的有效性;2018 年,彭小蘭(Xiaolan Peng)等開發(fā)了集只讀語音(AU)、人臉視頻(HF)和三維視聽動畫(3-D)三種呈現(xiàn)條件為一體的自動語言導(dǎo)師(ALT)計算機輔助語音訓(xùn)練系統(tǒng)(Peng et al.,2018);2020 年,馬武林等通過案例分析,從情境創(chuàng)設(shè)、教學(xué)交互和動機提升的角度切入,探討了沉浸式虛擬仿真技術(shù)( IVR) 在英語教學(xué)中的潛在優(yōu)勢、應(yīng)用途徑與面臨的挑戰(zhàn)。 2021 年被稱之為元宇宙元年,經(jīng)過多年發(fā)展后的虛擬現(xiàn)實技術(shù)迎來了新階段,對智能語言教學(xué)將產(chǎn)生重大影響。

4.5 機器翻譯被廣泛應(yīng)用于翻譯教學(xué)實踐與理論探索中

有關(guān)機器翻譯的研究同樣有著較長的時間跨度,累計發(fā)文十篇,但2015 年之前發(fā)文較少,在“十三五”期間才獲得較大關(guān)注,共發(fā)文5 篇。 機器翻譯的準確率正在逐步提高,在特定領(lǐng)域,例如新聞領(lǐng)域可以基本實現(xiàn)實用化(馮志偉,2018:47),但在其他研究領(lǐng)域,或復(fù)雜語境中,機器翻譯的準確率則有待進一步提升。 鑒于此,李良友等(2014)介紹了對機器翻譯質(zhì)量進行評測的自動評價方法,闡述了這些類別中極具代表性方法的工作原理,并分析了各自的優(yōu)缺點。 張帆(2018)為解決海量英語中的部分結(jié)構(gòu)歧義問題,為提高英語機器翻譯的準確度,設(shè)計與實現(xiàn)了基于現(xiàn)代智能識別技術(shù)的英語機器翻譯模型。 王華樹等(2023)認為計算機輔助翻譯已經(jīng)成為語言服務(wù)行業(yè)普遍接受的工作模式,研究也已覆蓋了技術(shù)層面、教育層面和行業(yè)層面的方方面面。

4.6 大數(shù)據(jù)逐步融入語言教學(xué)實踐,提升教學(xué)質(zhì)量

大數(shù)據(jù)同樣是該領(lǐng)域的新興熱點,累計發(fā)文10 篇,在“十三五”期間得到較大發(fā)展,共發(fā)文6篇。 陳堅林(2015)指出大數(shù)據(jù)是當(dāng)今世界發(fā)展的趨勢,引發(fā)了慕課的誕生和發(fā)展,并以此給外語教學(xué)帶來了挑戰(zhàn),也帶來了發(fā)展機遇;2018 年,梁迎麗等揭示了人工智能的三大要素與驅(qū)動力,分別是大數(shù)據(jù)、云計算、深度學(xué)習(xí),并認為大數(shù)據(jù)有力地助推了機器學(xué)習(xí)等技術(shù)的進步,在智能服務(wù)的應(yīng)用中將釋放出無限潛力。 2020 年,孫茂華(Maohua Sun)等將人工智能和大數(shù)據(jù)引入英語教學(xué),提出一種新的教學(xué)生態(tài)環(huán)境建設(shè)方法,并通過實驗表明,借助大數(shù)據(jù)系統(tǒng),可以提高學(xué)生的知識水平,提高教師和學(xué)生的方向性,優(yōu)化教學(xué)氛圍和語言環(huán)境(Sun et al., 2020)。

5 智能語言教學(xué)領(lǐng)域存在的不足

本文回顧了我國智能語言教學(xué)中的核心技術(shù)及其發(fā)展歷程,對智能技術(shù)在語言教學(xué)領(lǐng)域取得的成績進行了梳理,實際上,我國語言智能教學(xué)的研究仍存在一些不足:

智能技術(shù)的個性化、智能化、精細化水平不高。自然語言處理技術(shù)雖然已經(jīng)取得了很大的成就,但仍缺乏對意義自主處理能力(趙小娜,2015:92),在完成復(fù)雜語句的語義理解、兼顧到學(xué)生的情感需求以及在開發(fā)更為詳細的評分機制和提供更為逼真的語音代理、發(fā)展更為準確的語音識別技術(shù)等方面仍有較大的發(fā)展空間(Xu et al.,2008;Jia et al.,2008)。 諸如批改網(wǎng)等英文寫作自動批改系統(tǒng)存在無法全面評估內(nèi)容切題、篇章結(jié)構(gòu)、邏輯等較為主觀的內(nèi)容,無法識別結(jié)構(gòu)較復(fù)雜的語句和部分較為嚴重的語法錯誤,即使識別到了錯誤,也無法提供正確示例(楊曉瓊 等,2015;蔣艷等,2013);大數(shù)據(jù)技術(shù)目前處于起步階段,存在著統(tǒng)計數(shù)據(jù)不夠準確、學(xué)生隱私數(shù)據(jù)泄露等風(fēng)險(謝小平 等,2019);機器翻譯模型受到有限的語料庫制約,對語言數(shù)據(jù)過度依賴,存在難以表達原作者個人情感的問題;語音自動識別技術(shù)在高噪聲、遠場、非日常用語、大眾集會等場景下,難以識別模糊變異的語音,準確率仍存在較大提升空間(王定華 等,2022:91)。

智能技術(shù)與教育教學(xué)理論融合的深度不夠。目前,語言智能教學(xué)研究主要關(guān)注智能技術(shù)的構(gòu)建與開發(fā)方面,與語言教學(xué)實踐相結(jié)合的實證研究較少。 大部分智能導(dǎo)學(xué)系統(tǒng)與教育機器人的研究成果仍集中在理論層次,缺乏實踐應(yīng)用,更難以在教學(xué)中普及。 同時,面對不斷迭代更新的智能技術(shù),大多數(shù)教師對使用新技術(shù)準備不夠充分,對新技術(shù)的應(yīng)用不夠靈活。 雖然智能技術(shù)給外語教學(xué)帶來了巨大的改變,但教師仍然是教育的重要組成部分,在為學(xué)生提供道德指導(dǎo)、成為塑造職業(yè)和社會發(fā)展的導(dǎo)師方面的作用是不可替代的(Dina et al.,2013: 252)。 如何將智能技術(shù)與教育教學(xué)理論深度融合,幫助教師適應(yīng)智能技術(shù)支持的智能外語課堂依然任重而道遠。

技術(shù)應(yīng)用的倫理性問題依然存在。談技術(shù)就離不開倫理性問題,比如專家學(xué)者對最近火熱的ChatGPT 就褒貶不一。 ChatGPT 應(yīng)用能夠理解用戶的意圖,實現(xiàn)多輪次的對話式交流,是自然語言處理技術(shù)的創(chuàng)新式發(fā)展,但其在教育界引起空前關(guān)注的同時,也引發(fā)了廣泛的擔(dān)憂。 一方面,ChatGPT 可以通過一個主題快速生成一篇論文,這對學(xué)生的獨立思考能力、獨立寫作能力、批判性思維能力都可能帶來消極的影響。 甚至有觀點認為,ChatGPT 將會影響幾代人從小到大一直在實踐的一種寫作形式,美國麻省理工學(xué)院榮休教授喬姆斯基 (Noam Chomsky) 更認為“ChatGPT 本質(zhì)上就是高科技剽竊”和“逃避學(xué)習(xí)的一種方式”(Marshall, 2023)。 另一方面,如果設(shè)計合理、使用合理,ChatGPT 就可以為我所用,在教育教學(xué)中發(fā)揮重要作用。 既然學(xué)生能夠用ChatGPT 寫論文,老師就可以讓ChatGPT 去批改論文,還可以讓ChatGPT 開展輔助教學(xué)。 ChatGPT 只是信息技術(shù)革命中出現(xiàn)的一個技術(shù)手段,后續(xù)還有更多更強大的技術(shù)出現(xiàn),這就需要不斷提升教師的技術(shù)能力和教學(xué)設(shè)計能力。

智能語言學(xué)習(xí)專用搭載平臺十分匱乏。智能語言學(xué)習(xí)專用設(shè)備極度匱乏導(dǎo)致“智能語言學(xué)習(xí)”成為一把“雙刃劍”。 現(xiàn)有的智能語言學(xué)習(xí)軟件都是搭載在智能手機端、平板端或者電腦終端上,到目前為止,我國沒有開發(fā)出兒童或者青少年專用的智能語言學(xué)習(xí)設(shè)備。 上述終端在搭載了智能教育軟件的同時,也可以下載視頻、游戲、購物等娛樂軟件,心智尚未成熟的青少年,很難抵得住娛樂平臺的誘惑,名為學(xué)習(xí),實為娛樂的現(xiàn)象無處不在。 因此在智能教育軟件或者平臺日趨豐富的當(dāng)今社會,更需要專業(yè)的學(xué)習(xí)平臺來支持學(xué)生進行智能化學(xué)習(xí),從硬件上杜絕娛樂平臺對青少年的誘惑,讓智能技術(shù)為學(xué)生提供真正的個性化、智能化的教育服務(wù)。

6 結(jié)語

本文全面分析了我國智能語言教學(xué)研究領(lǐng)域取得的成績和極大的發(fā)展?jié)摿?但我國智能語言教學(xué)研究領(lǐng)域的不足也很明顯。 存在起步較晚,實證研究較少、研究內(nèi)容較窄等問題。 今后該領(lǐng)域要向精細化、個性化、智能化方向發(fā)展,通過加強團隊合作,進一步深化智能語言教學(xué)研究與實踐。

新技術(shù)日新月異,為了更好地主動應(yīng)對諸如ChatGPT、元宇宙等新型技術(shù),我們需要準確識變,科學(xué)應(yīng)變,主動求變,全面推動我國語言智能教學(xué)研究與實踐。

本研究也具有一定的局限性,只回顧了22 年來語言智能教學(xué)領(lǐng)域的北大核心、CSSCI 和WOS核心合集數(shù)據(jù)庫,沒有統(tǒng)計專著、專題會議等領(lǐng)域取得的成績,文章也沒有梳理蓬勃發(fā)展的語言智能產(chǎn)品,如果要全面了解我國的智能語言教學(xué)研究,這些領(lǐng)域同樣非常重要,也為后續(xù)研究留下了空間。