基于詞頻和遺忘曲線的“云服務”詞匯學習系統

肖維青 曾立人

(1．上海外國語大學 英語學院，上海 200083;2．浙江師范大學 外國語學院，浙江 金華 321004)

1. 引言

詞匯是語言的基石。很多學者認為詞匯學習和語法以及語言其他環節的學習一樣重要(Huckin et al．，1993)。由于英語日益成為國際商業和貿易以及科學和技術交流的首選語言，英語詞匯學習已成為我國各級教育的主要活動之一，對詞匯學習支持技術的研究也因此成為教育技術研究的熱點。

詞匯學習消耗了英語作為第二語言(ESL)和英語作為外語(TESOL)教學中的大部分時間(McCarthy，1990)，但結果卻令人失望。例如在中國，有超過1．3億的英語學習者，其中大多數人都學過三年初中和三年高中英語，但是由于詞匯能力不夠，精通英語的人為數很少。這種詞匯學習效率低下的現象有以下幾個原因。

第一是學習者一直是在“黑暗中摸索”。因為他們不知道具體一個單詞已經學了多久、總體上已經掌握了多少單詞、離開自己的學習目標還有多遠，還需要學多久才能達到目標等信息。由于“看不到隧道的盡頭”，他們漸漸就失去了信心，而沒有了信心，學習速度也就更慢，學習效率也就更低了。這種惡性循環最終會使他們完全放棄英語這門課。

第二，學習者在學習過程中不但要學習新的單詞，還要受到已掌握單詞的干擾。這種卷積效應不僅增加學習者信息處理上的負擔，還會使學員產生心理上的厭倦，因為他們一次又一次地看到似曾相識的單詞，覺得自己是在原地踏步，因而最終也對詞匯學習失去熱情。(Oxford＆Scarcella，1994:231－243)

另一個導致詞匯學習效率低下的因素是詞匯學習的主要方式是死記硬背。多數學習者，特別年齡較小的小學初中學生，很難有意志力來維持他們長時間的學習興趣，這是中小學英語課普遍存在的問題。

除上述因素外，每個學習者都有自己的學習目標、學習風格、記憶曲線和詞匯能力水平。所有這些因素都使得課堂詞匯教學沒法針對每一個具體的學生。一般的做法是以班級里中等學生的水平為目標建立課程目標和講授課程內容，使得其他的學生完全被拋棄在外。家長更是愛莫能助，無法參與或監督孩子的學習過程。

計算機化的詞匯學習系統出現后，提供了個性化的交互性學習，超越了傳統的詞匯學習方法。這些系統開始出現于20世紀80年代后期(Kukulska-Hulme，1988)，設計原則和規范也逐漸發展和成熟(Goodfellow，1994)。

自從90年代早期互聯網和萬維網出現后，離線的單機版應用系統已逐漸被在線網絡版取代。隨著技術從網站的電子學習(Lin ＆ Hsieh，2001)、移動學習(Chang et al．，2003)發展到隨時隨地的學習(Wilkerson et al．，2005)，詞匯學習系統也發展成為可在移動電話(Leech et al．，2001)或個人數據助理(PDA)上運行的有高度移動性和可及性的“軟件即服務”(software-as-a-service)應用系統，即“云服務”學習系統。

一個理想的詞匯學習系統應該是高度互動的，并且能夠提供個性化學習。它應該給學員播放適合他們能力水平的詞匯，使他們不被已掌握的詞匯困擾而浪費時間，而始終面臨新詞的挑戰;學員可以設置和自己課程或考試有關的目標。同時，系統還應該有一個支持和鼓勵學員間溝通和互動的環境，它也應該允許家長和教師參與到學習過程中去。

目前文獻中記載的一些系統，如Chen＆Chung(2008)和Wang et al．(2009)，已經能提供相當高的互動性，但其他問題尚未能解決。我們的目標是，在理想系統特性的指引下，克服技術困難，構建一個具有理想系統特征的詞匯學習系統。

2．系統描述

2．1 系統結構

這個互動英語詞匯學習系統由系統管理員模塊、教師/家長模塊和學員模塊三部分組成。這三個模塊通過聊天Agent連接從而實現學員、教師和家長間的同步和異步通信。會話Agent作為一個溝通的平臺，增加了詞匯學習過程中所有利益相關者的互動，增強了他們的社區和歸屬感，使學員的學習效率更高(Rovai，2002:319－332)。這三個模塊，可以集成到一個網站，也可以分布到PDA、袖珍電腦和移動電話網絡。系統架構如圖1所示。

2．2 系統組件

2．2．1 系統管理員模塊

系統管理員模塊首先有管理員界面Agent。通過此A-gent，管理員可以登陸系統，進行系統公告發布、更新詞匯數據庫、管理學員及教師/家長數據庫，或執行其他系統相關的任務。在商業化運行系統中，管理員還可以添加或刪除付費或沒付費用戶，或控制他們的權限。

系統管理員模塊還有三個數據庫:第一個是學員數據庫。它用來存儲學員家庭和學業背景信息的個人檔案;學習狀況和成績的統計信息;目標詞匯表、暫已掌握詞匯表和已掌握詞匯表。此數據庫也包括他們的同步(聊天記錄)和異步(電子郵件)通信歷史，以及付費狀況等信息。

第二個是教師/家長數據庫。它記錄了教師/家長的個人資料，他們監管的學員名單以及他們布置給學員的任務列表。通信歷史和付費信息同樣也存儲在這里。

第三個是詞匯數據庫，它包含系統運作所需要的全部詞匯信息。它下分三個列表:詞頻表、大綱/考試要求詞匯表和單詞定義表。

詞頻表根據英語常見單詞在語言中出現的頻率對其進行排名。出現頻率較高、最簡單的單詞等級最低，用一個較小的數字表示，是優先要學的詞匯。例如“the”這個單詞在英語中出現的頻率最高，排名第一;“in”這個詞出現頻率第五高，排名第五，兩者都是最先要學的詞匯，等等。

我們采用了來自英國國家語料庫的詞頻表，因為這個語料庫的采樣文本來自各種媒體(有書面的和音頻、視頻的)和領域(政治、法律、科技、醫療和體育等等)，有比較全面的覆蓋性和代表性。在這個列表里，每一個常見的單詞都有一個排名。

大綱/考試要求詞匯表列出了各級大綱和考試所要求的英語單詞，例如:小學、初中、高中的英語教學大綱規定詞匯、高考大綱規定詞匯;TOEFL和GRE考試要求詞匯，等等。本數據庫需要經常更新，以增加因教學大綱或考試要求變化而引起的詞匯變更。為使系統能提供與學員詞匯能力相匹配的單詞，所有的單詞難度都必須定級。很自然，單詞在詞頻表中的排名順序就是其難度等級。不過，因為五位數的排名順序對系統算法有一定壓力，也不直觀，所以我們采用了一個1到20的數字系統，而這個數字大致與小學到研究生的正規教育年數相同。由于各級教學大綱有特定的單詞數，而各個層次的教育之間是順序漸進的，所以每個層次教育的要求詞匯數大致應該等于這個層次要求的最難單詞的詞頻表排名數。如全國小學英語教學大綱要求，完成小學階段的英語教學后，學生能掌握1290個單詞，這就是說其最難的單詞應該是在詞頻表上排名為第1290位的單詞。在總結了大綱要求詞匯數、詞頻排名順序和系統等級的關系后，得出了表1。

表1 系統難度等級、大綱/考試要求詞匯數和詞頻表排名的關系

從表1中我們可以看到，為使每個等級的單詞數大致一樣，小學大綱的1290個詞匯被分為四級，每級三百多個。這樣也大致符合小學階段從三年級開始學英語，到六年級為止，每年需掌握三百個單詞的要求。

從具體單詞來看，例如常見詞“I”，在詞頻表中排名第十一位，是個全國小學英語教學大綱要求的常見詞匯，現在被指定為1級里309個字中的一個，是最先要學的單詞之一。而“Technology”一詞，在詞頻表中排名第1501位，是全國中學英語教學大綱要求詞匯，被定為5級。其余可以類推。

單詞定義表就像一部雙語詞典，不僅列出了各級大綱/考試要求詞匯表中的所有單詞的中英文雙語釋義，還有單詞的詞性。這樣使學員不僅可以根據等級、也可以根據詞性選擇單詞進行學習。

將詞頻表、大綱/考試要求詞匯表和單詞定義表結合后形成的詞匯數據庫，如表2所示(片段)。

2．2．2 學員模塊

學員模塊是本系統最重要的模塊。學員只要告訴系統他的注冊信息、目前的詞匯水平，想要達到的目標(具體單詞數或考試級別)，系統就會播放與他的實時詞匯水平相適應難度的詞匯。圖1中的A區描述了實現這些功能的系統組件。在此方塊中，目標設定Agent讓學員通過一個列有各級教學大綱(如初中、高中)和考試(如高考、托福等)的下拉菜單來設定自己的學習目標。

目標設定后，目標設定Agent就從大綱/考試要求詞匯表中提取相應的詞匯，并將其存儲在學員數據庫中作為他的目標詞匯表。

學員檔案Agent有一個界面讓學員輸入已學英語的年數、自估的英語能力和已掌握的大致英語單詞數。這些數據傳遞給學員建模Agent(Tsiriga＆ Virvou，2004)，建模Agent將這些數據和存儲在數據庫的典型學員數據進行對比，找出與其最近似的學員典型，并將其詞匯水平等級設定為學員的初始水平等級。

當目標詞匯表和學員的初始水平等級確定后，圖1中B區中所示的詞匯推薦Agent就開始為學員播放詞條。

表2 單詞數據庫詞條樣例

詞匯推薦Agent有幾個學習模式可供學員選擇。首先是可以將單詞以文本或音頻方式播放，同時詞匯釋義也可以是中文或英文。另外，學員可以做多項選擇或聽寫(根據讀音將整個單詞拼出)，也可以根據單詞的詞性(如根據課程要求只選擇動詞或名詞等)進行學習。

詞匯推薦Agent只播放學員目標詞匯表中的詞匯，難度從學員的初始水平等級開始，除非答案評估Agent降低或者升高難度等級。

答案評估Agent將學員提交的多項選擇答案和詞匯數據庫中的釋義相比較。如果答案錯誤，會向學員顯示正確的釋義并將單詞退回到學員目標詞匯表中，以便以后重新播放。如果答案正確，這個單詞將進入學員的暫時已掌握詞匯表中。

遺忘曲線Agent控制暫時已掌握詞匯的重復播放時間和次數。一般會在單詞首次出現并答對后的1分鐘、2分鐘、10分鐘、1小時、24小時、7天和14天時重復播放此詞。根據艾賓浩斯的理論(Ebbinghaus，1885)，這些間隔都是典型的人類遺忘曲線。如果在這些時間節點上播放單詞，那么這個詞的記憶將得到大大加強。當然這些間隔時間值只是系統推薦的缺省值，完全可以通過系統管理員模塊來變更全系統的間隔時間，也可以通過學員模塊根據學員個人的遺忘曲線和學習風格來調整。

若學員在學習過程中的任何一步提交了錯誤答案，這個單詞都會被退回到學員目標詞匯表中，整個重復過程又將重新開始。如果一個單詞在14天內都沒做錯，那就被當做已掌握單詞而進入已掌握詞匯表中。詞匯推薦Agent將不再播放此詞。

成績記錄Agent記錄了下述信息，給本人、教師以及家長參考:

·系統使用數據，如系統使用時間量

·每日平均使用時間(智能算法可以通過監控鍵盤和鼠標動作來扣除系統閑置時間)

·已學單詞總數和正確答案的百分比

·暫時已掌握詞匯表

·已掌握詞匯表

·根據每日平均學習時間和已學的單詞數推算的完成既定目標的大致時間

2．2．3 教師/家長模塊

本模塊的目的讓教師、家長監控孩子或學生的學習狀況，或給他們分配學習任務。這兩個功能分別通過學員監控Agent和任務布置Agent來實現。而這兩個Agent都是通過教師/家長接口Agent訪問的。

學員監控Agent允許教師/家長通過成績記錄Agent中記錄的學員學習數據來查看學員學習狀況和進度。

教師/家長可以登錄到系統，主動監控學員的學習狀況，也可以少花時間進行“被動”監視，通過訂閱信息服務，只在學員偷懶或成績下降時收到系統自動發送的電子郵件或手機短信。

教師/家長還可以通過給學員布置單詞任務來參與到學員的學習過程。教師/家長布置的詞匯會結合到學員自己制定的目標詞匯表中。除了布置具體單詞外，教師/家長還可以指定學習速度(每天應學的單詞數)、持續時間(開始和結束日期)等參數。

例如，教師要求學生完成英語教材第一章的50個單詞，她可以將這些單詞分配給他的25名學生并且指定學生完成任務的起止時間。如果要求學生10天內學完這些單詞，那么每天至少需要掌握5個單詞。如果學生不能按時完成任務，系統則會向學生發出警告，并同時發送提示信息給教師/家長。然后教師/家長就可以當面在家里或課堂上督促其完成任務了。

假如教師手下有幾個班級，那么他還可以將學員納入不同的班級或小組進行管理。這樣，他既可以監視學員個人的學習狀況，也可以一目了然地查看整個班級或小組的成績、進度或其他學習狀況參數。

2．2．4 會話 Agent

會話Agent讓系統所有的利益相關者進行同步或異步溝通。同步信息將顯示在彈出的文本框中，而異步通信則是通過電子郵件和手機發送。

這個通信平臺其實是一個社交網絡，使社區成員能夠尋找相似背景和情況的學員、教師或家長，形成互助團體，分享學習或教學經驗等。它能營造一個濃郁的學習氛圍，提高學員的學習效率和滿意度(Arbaugh，2000)。

3．流程

系統的典型流程可以歸納為圖2。當學員設定目標后，目標設定Agent就會根據學員所設定的目標從大綱/考試要求詞匯表中甄選出對應的詞匯，形成一個目標詞匯表，存儲在學員數據庫中。如果教師家長同時給學員布置了作業，這些詞匯也將被添加到目標詞匯表中。

然后學員建模Agent根據通過學員檔案Agent提交的個人資料計算出學員的初始水平等級。該等級是通過比較學員資料和系統中已經經過測試和驗證的學生模型數據來決定的。學員建模Agent里有若干學生模型的數據，其初始水平等級由學員已學習英語的年數、目前的年級、自估已知的單詞數等參數以一定的百分比計算決定。這個百分比經過測試后固定下來。初始水平等級不十分精確沒有關系，因為后面的答案評估Agent會校正誤差。

確定了初始水平等級后，詞匯推薦Agent就會播放一個難度等級和初始水平等級相同的單詞。同一難度等級的單詞可以隨機或按字母順序播放。詞匯推薦Agent不播放學員已掌握詞匯表中的單詞，從而不會浪費學員的時間和精力。

學員提交答案后，答案評估Agent將比較所提交的答案和詞匯數據庫中的單詞定義列表中的釋義。如果兩者不一致，則答案判斷為不正確，該單詞將回到目標詞匯表中等待下一次播放。

圖2 流程圖

如果答案正確，此單詞將被存儲到暫時已掌握詞匯表中。該詞表中的單詞由遺忘曲線Agent管理，并在系統設定的時間間隔內播放。學員可以設定適合自己學習風格和記憶特點的遺忘曲線。

答案評估Agent同時也檢測答案正確率。如果正確率低于系統設定的最低值(系統缺省值根據測試為95%時最能使學生保持信心、難度也不至于太低或太高，但是可以在全系統或由學生個人更改)，它就會通知詞匯推薦Agent降低詞匯難度。這個機制可確保播放的單詞在學員的能力范圍之內，使學員對學習保持興趣和信心。學員也可以關掉系統的自動難度升降級機制，手工維持、降低或提高單詞的難度水平。

一個在暫時已掌握詞匯表中的單詞若經過14天的重復播放周期而沒有任何錯誤，就被添加到已掌握詞匯表中，以后不再播放出現。如果在進程中的任何一環節發生錯誤，此單詞將返回到目標詞匯表中重新進行學習。

成績記錄Agent記錄學員的成績和學習狀況數據，在學員同意的基礎上供教師和家長監視。

4．系統原型

我們已初步建立了一個系統原型。圖3是該應用軟件的界面。其中A區顯示的是詞匯播放的位置，在顯示詞匯文本的同時，也播放該詞的音頻。這樣，學員不但熟悉單詞的拼法、釋義，也熟悉了發音。當然學員也可以關閉音頻。單詞播放有五種模式可供選擇:單詞加中文釋義、單詞加英文釋義、音頻(單詞不顯示)加中文釋義、音頻加英文釋義和聽寫(沒有單詞和釋義，只要求學員將單詞拼寫出來)。

學員還可以選擇四種晉級模式，以便學員根據需要靈活選擇要學的單詞:“上躥下跳跑”模式，這是系統根據正確率而調整詞匯難度水平的系統默認模式。在這個模式下，只要答案正確率高于系統設定的缺省值，詞匯難度就一直往上升，當正確率低于此值時難度就開始下降。這個模式的好處是詞匯難度一直維持在與學員實時水平相匹配的水平，使學員熱情不減，興趣高昂。

“天天向上”模式從學員的初始水平等級難度開始，逐級往上升，不會往下降，這樣，初始水平等級以下的單詞都被略過了。這個模式有利于學員著重學習難度較高的詞匯。

“從零開始跑”模式會由易到難，從第一級開始逐級播放所有單詞，直到練完目標詞匯表里的所有單詞止。這個模式的好處是“一網打盡”不放過任何一個單詞。

“臨時級別跑”模式允許學員臨時跳到任意等級學習，嘗試不同等級的詞匯的難度差別，看看自己到底能做到幾級，等等。但是高于設定目標最高難度的單詞學習成績不會進入統計數據。

圖3 系統原型界面

系統界面還提供根據單詞詞性選擇詞匯、在目標詞匯表中增加或刪除某個特定單詞、顯示與單詞相關的例句等功能。

B區實際上是C區的一個內容摘要視圖。它簡要顯示了學員目前的水平等級、準確率、開始日期和系統使用時間。

在C區中，進度條直觀地顯示了目標詞匯表中已學過的單詞百分比。點擊“查看目前進度成績”按鈕可以看到該生的日平均使用分鐘數(已剔除系統閑置時間)、已掌握詞匯表，暫時已掌握詞匯表和預計完成目標任務所需的時間等信息。

通過點擊“更改學習目標”按鈕，學員可以酌情更改學習目標。在“查看作業列表”下，還可以拒絕或接受教師或家長布置的學習任務。

D區顯示的是會話Agent，注冊會員可以在此尋找并添加聯系人、相互聊天和發送信息。

為了創建社區氛圍和相互競賽的學習環境，系統還在界面的顯著位置顯示積分最高的學員信息，有總體積分排名最高的“牛人排行榜”和每周積分最高的“進步最快排行榜”，來鼓勵大家積極進取、天天向上。學員積分是通過有效系統使用時間、所學單詞的難度系數(單詞難度越高系數越高)、答案準確率和已掌握詞匯個數來計算的。

5．結語

我們結合詞頻研究成果和遺忘曲線的原理，設計并開發了一個面向中國學生的在線實時交互詞匯學習系統，目前已經上線測試。它也可以在手機、PDA和袖珍電腦上運行。在現有框架下對界面稍加改動，系統即可適應其他語言背景的英語學習者。

通過浙江師大外語學院和行知學院幾十名學生數月累計幾百個小時的使用測試，我們選擇了部分學員進行了小組討論。這些學員認為，英國國家語料庫比較客觀地反映了詞匯的真實難度。詞頻排名、系統難度等級與各級大綱/考試要求詞匯表的關系總體上也比較準確。其結果是，該系統能夠與學員充分地互動，并能根據學員的錯誤率高低，精確地提升或降低詞匯難度水平。

學員們反映，進度報告可以幫助他們精確地了解他們完成任務用了多長時間、學會了多少單詞(可以看到具體的單詞)、完成目標還需多長時間等，因此感覺到每天都在進步，這給他們增添了很多自信心和滿足感。由于學員可以添加或刪除目標詞匯表中特定的詞，他們可以打開詞匯表瀏覽并刪除他們事前已經掌握的單詞，從而減少列表中的一大部分詞匯，加上詞匯推薦Agent不提示通過14天周期后的單詞，消除了已知詞匯造成的卷積效應，學員們覺得每一點滴時間都用在新單詞上，使他們能保持新鮮感和積極性，產生正向激勵，雙重提高了學習效率。

大多數學員認為該系統的默認遺忘曲線間隔是準確的，無需調整，而且重復周期確確實實能幫助他們記住單詞。學員喜歡會話Agent的社交網絡特性。他們試著在上面尋找另外一個學院的學員，但由于編程缺陷，這個功能目前尚不能無故障運行。學員們喜歡類似游戲拼搏的“進步最快排行榜”和總體積分“牛人排行榜”，經常互相攀比誰的積分高，形成了一個你追我趕、力爭上游的學習氣氛。

我們希望在更多的學員使用該系統時能夠收集詞匯學習的研究數據。我們已在系統里設立了學員信息收集模塊，記錄學員的母語和教育背景等。如果來自不同國家的學員使用該系統，我們還將能夠找出某種母語的學員的共同問題，比如他們最難掌握的單詞是哪些，掌握這些詞匯需要重復多少次等等。這將對詞匯學習和教學提供依據，因為這些數據都是來自系統的實際使用數據而不是實驗數據，從而更能避免實驗引起的霍桑效應。

總體來說，我們認為該系統已達到預期的效果，有較高的實用價值。后續的工作將是調試該系統，使其功能魯棒性更強。我們還需要監測學員的學習成績和狀況，并跟蹤該系統對學員詞匯學習的長期影響。

［1］Arbaugh，J．B．Virtual Classroom Characteristics and Student Satisfaction in Internet-based MBA Courses ［J］．Journal of Management Education，2000(1):32–54．

［2］Chang，C．Y．et al．Concept and Design of Ad Hoc and Mobile Classrooms［J］．Journal of Computer Assisted Learning，2003，(19):336－346．

［3］Chen，C．M．＆ C．J．Chung．Personalized Mobile English Vocabulary Learning System Based on Item Response Theory and Learning Memory Cycle［J］．Computers＆ Education，2008，(51):624－645．．

［4］Ebbinghaus，H．Memory:A Contribution to Experimental Psychology［M］．New York:Teachers College，Columbia University，1885．

［5］Goodfellow，R．Design Principles for Computer-aided Vocabulary Learning［J］．Computers and Education，1994，(23):53－62．

［6］Huckin，T．et al．Scond Language Reading and Vocabulary Learning［M］．Norwood，NJ:Ablex Publishing Corporation，1993．

［7］Kukulska-Hulme，A．A Computerized Interactive Vocabulary Development System for Advanced Learners［J］．System，1988(16):163－170．

［8］Leech，G．et al．Word Frequencies in Written and Spoken English:Based on the British National Corpus［M］．London:Longman，2001．

［9］Lin，B．＆ C．Hsieh．Web-based Teaching and Learner Control:A Research Review［J］．Computers＆ Education，2001，(37):377－386．

［10］McCarthy，M．Recent Directions in Vocabulary Teaching［J］．The Language Teacher，1990(12):9－11．

［11］Oxford，R．L．＆ R．C．Scarcella．Second Language Vocabulary Learning Among Adults:State of the Art in Vocabulary Instruction［J］．System，1994(2):231－243．

［12］Rovai，A．P．Sense of Community，Perceived Cognitive Learning，and Persistence in Asynchronous Learning Networks［J］．The Internet and Higher Education，2002(4):319－332．

［13］Tsiriga，V．＆ M．Virvou．A Framework for Initialization of Student Models in Web-based Intelligent Tutoring Systems［J］．User Modeling and User-Adpated Interaction，2004，(14):289－316．

［14］Wang，T．I．et al．An English Vocabulary Learning System Based on Fuzzy Thoery and Memory Cycle［R］．Lecture Notes in Computer Science，Advances in Web-based Learning– ICWL 2009．DOI:10．1007/978－3－642－03426－8_50．

［15］Wilkerson，M．et al．Ubiquitous Presenter:Increasing Student Access and Control in a Digital Lecturing Environment［J］．The 36th SIGCSE Technical Symposium on Computer Science Education，2005(36):116－120．