數字環境下錄音教材的交互性發展研究

閔捷

摘 要：文章以不同種類的錄音教材為例，分別對磁帶型錄音教材、CD和Mp3錄音教材、點讀錄音教材和語音識別錄音教材在交互性方面的特點和發展過程進行了研究。作者從錄音教材的數字化、碎片化與交互性發展之間關系的角度對交互方式進行了簡要的分析，并對“指令式”交互和語音交互差異進行了討論。文章最后從課程和教學的角度對錄音教材的交互性發展進行小結，提出信息技術在錄音教材中的應用應符合課程和教學需求，對未來錄音教材的交互性發展做了展望。

關鍵詞：錄音教材；磁帶；多媒體印刷讀物；語音識別

中圖分類號：G436 文獻標志碼：A 文章編號：1673-8454（2015）22-0079-04

錄音教材是我國教科書體系中的重要組成部分，在國內應用于教學已有50多年的歷史。在基礎教育領域，錄音教材主要應用于英語、語文、音樂等學科。特別在語言類學科中，錄音教材對培養學生的聽、說能力有著不可或缺的作用。

我國的錄音教材從20世紀60年代開始被教育工作者普遍認識和接受，至今已有50多年時間。錄音教材在今天我們所說的教學立體化配套資源中算得上是“古老”的一類。在新中國建立初期，英語等學科的聽力教學只能在少數幾所大學中開設，由于缺少錄音教材的支持，只能由教師口頭朗讀聽力內容進行教學。從60年代開始，隨著電化教育的逐漸發展和普及，錄音教材作為聽力教學的基礎性課程資源進入課堂，也使得越來越多的學生享受到了優質的聽力教育。

長期以來，錄音教材始終是促進中小學生提高語言學科聽、說技能的理想課程資源，錄音教材的使用效果也早已被廣大教師實踐和論證過。現在我們常見的英語錄音教材在語速、音色、背景聲音的選擇上都經過了嚴謹的設計。錄音內容按照不同學段學生的學習特點以及課程標準的要求實現循序漸進、由易到難的過渡，以促進學生在英語的聽、說、讀、寫技能上的全面發展。

在進入基礎教育課堂之后的30多年中，從早期單一的盒式錄音帶，到現今各類各樣的數字化錄音教材，錄音教材并沒有固步自封，而是在發生著與時俱進的變化。特別是進入21世紀后，教育信息化發展得到了廣泛的重視，也取得了一系列的重大進展。筆者在多年錄音教材編輯、出版工作的基礎上，對數字環境下錄音教材的交互性進行一些研究工作，從交互方式、原理、特征等方面整理了近年來錄音教材的數字化進展情況。以下筆者嘗試梳理和分析在我國當前教育信息化的大趨勢下，錄音教材交互性發展的一些典型實例。

一、 傳統錄音教材交互性的發展

從信息傳播的方式和教學應用的角度看，傳統的磁帶型錄音教材有教學性、經濟性、易用性三個顯著特點。教學性是指錄音教材的內容與課程匹配，錄音的語調、語速等方面符合教學要求；經濟性是指磁帶的技術成熟、磁帶本身和播放工具的價格低廉，能在最廣大范圍內被接受；易用性是指磁帶在使用時操作簡單，對環境的要求很低，在各種環境下都能穩定使用。與上述特點相比，磁帶型錄音教材的交互性則是一個較為薄弱的環節。

在教育信息化環境中，“交互性”一詞通常指用戶（包括教師、學生）與教學系統、課程資源之間的雙向信息傳遞程度。用戶與系統、資源之間的雙向信息傳遞方式越多樣、信息量越豐富，則交互性越強。對早期的磁帶型錄音教材來說，錄音機是最常見的播放工具。用戶與錄音教材之間只能通過機械裝置進行“指令式”交互。這里說的“指令式”交互，是指用戶通過播放工具向錄音教材發出具有特定功能含義的指令，錄音教材則通過播放工具響應用戶指令（見圖1）。常見的指令包括播放、停止、倒退、快進等。基于錄音機的機械裝置，用戶想要反復播放某一段聲音，或者準確定位到某一個聲音內容上都是比較困難的，操作時的反復倒帶也比較浪費時間，對學習效率有一定影響。

到20世紀90年代，復讀機的發明開啟了錄音教材的數字化。復讀機是一種現在仍在廣泛使用的、能夠播放盒式錄音帶的新式錄音機。它的特點是能將磁帶中播放的模擬信號音頻暫時轉化為數字信號音頻，并存儲在數字芯片中，從而實現同聲對比、跟讀、復讀等人機交互功能，增強了錄音教材使用時的交互功能并使交互更為便捷。

復讀機的本質特點是能將磁帶型錄音教材的聲音信息進行暫時的數字信號轉換，這使得數字化信息交互方式得以出現。用戶下達的指令不必通過機械裝置傳遞，而是直接發給臨時的數字音頻文件。數字音頻文件執行定位、播放等指令都在瞬間完成，因此提高了錄音教材使用效率。復讀機除了能將錄音教材的聲音暫時存儲為聲音文件外，也可以將用戶的語音用同樣的方式進行存儲，從而實現跟讀、對比等功能。

二、 全數字形態錄音教材的交互性

CD和Mp3是錄音資源全數字化的典型代表。我們今天所說的CD一般都是指CD-DA（Compact Disc-Digital Audio，即密致激光數字唱盤）的簡稱。CD形式的錄音資源進入教育，標志著錄音資源的數字化時代正式開始。CD是較早采用的數字錄音教材形式。在CD的音頻文件中，聲音信息全部以數字形態（二進制）儲存和使用。Mp3則是一種壓縮的聲音文件，與CD相比，Mp3占據的數據空間小得多，而聲音的質量從教學應用角度看又相對完好，因此在網絡時代更受到教師、學生的喜愛。

在實現了錄音資源的全數字化轉型后，CD、Mp3等形式的錄音資源都能夠支持時間軸上的精確定位，這使用戶與錄音教材之間的交互更為便捷和精確。此外，數字形式的錄音資源可根據課程、教材的內容進行拆分，可將整段音頻根據課程章節、欄目拆分為單個文件，使交互更為便捷。

盡管進入錄音資源的全數字化時代后，CD、Mp3等形式的錄音資源在交互性上有了大幅度的進展，但也仍存在不足之處。首先在定位交互方面，錄音資源僅支持基于時間軸的精確定位，但并不支持基于課程內容的精確定位。使用者在定位時，只能定位于幾分幾秒，而不能基于內容定位于第幾節第幾段。除非我們把課程內容完全“翻譯”為時間信息，即確定每個具有內容含義的字、詞或其他聲音的具體時間點，才能夠實現基于內容的定位交互，但這在實際中很難操作。此外，雖然前面提到了CD、Mp3具有依據課程內容的結構對錄音進行拆分的優點，但拆分后的音頻文件之間無法進行有效的信息關聯，只能采用物理關聯或主觀關聯。例如，我們可以把屬于同一冊教科書的錄音資源刻制在一張光碟上，或者把屬于同一章節內容的錄音資源文件放在同一文件夾下，類似這樣把相關錄音資源進行歸類的方式都屬于物理關聯和主觀關聯。而在信息化發展過程中，資源之間的信息關聯是一種主流趨勢，也是進行復雜交互的基礎。從這個角度看，CD、Mp3等形式的錄音教材仍有待進一步發展。

三、 多媒體印刷讀物（MPR）的交互性

多媒體印刷讀物（英文為Multimedia Print Reader，通常簡稱為MPR，下同）是由動態聲音壓縮和播放同二維條碼印刷與微距釋讀技術結合而制成的新型紙質有聲讀物，可與普通紙書刊一樣進行閱讀，在閱讀的同時，用點讀筆指點可發出相應的聲音。

在教育領域，點讀教材是最常見的MPR型課程資源。點讀教材由印有二維隱碼的紙質教材、錄音資源和點讀筆三者組成。印有二維隱碼的教材，粗看起來與普通教科書一樣，但仔細觀察則能看見教材的圖、文之中套印有一層淺淺的二維碼。教材中的二維碼采用了隱碼技術，不影響讀者對教材內容的閱讀，但卻可以被專用的光學設備識別。點讀教材的錄音資源是根據紙質教材內容錄制并進行碎片化、編碼化處理的音頻文件。點讀筆則是一種筆狀的手持閱讀器，它能夠對教材中的二維隱碼進行光學識別，從而播放出二維碼對應的錄音資源內容。通俗點說，就是把錄音帶“印”在了書上，點讀筆就相當于復讀機，能夠讀取印在書上的“磁帶”信息。基于這種新技術，錄音資源實現了與紙制印刷讀物的整合。

從交互性角度看，點讀教材最大的特點在于實現了基于課程內容的交互。如前文所述，CD、Mp3等形式錄音教材在進行定位、復讀等交互時，都只能基于時間軸進行，課程內容必須轉化為時間信息后才能被利用，不夠便利。而在點讀教材中，當用戶想聽課程內容中的任何一段聲音時，只需要將點讀教材翻到該頁，通過文字信息進行定位，然后用點讀筆即可播放錄音。從本質上說，這是將設備可讀的錄音文件數字信息與用戶可讀的文字信息進行了有序關聯。當前，實現“技術與學科教學深度融合”是我國教育信息化重點工作之一，點讀教材基于課程內容的交互方式正體現了技術與教學的融合性。此外，點讀教材還可以對錄音內容進行拓展，例如在英語學科中錄制中英翻譯的音頻，通過“翻譯”指令實現課程內容的雙語互譯。

點讀教材之所以能夠實現基于課程內容的交互性，其核心創新點是錄音文件的碎片化和編碼結構化。在點讀教材中，原本長則幾十分鐘、短則三四分鐘的錄音文件通過內容語義進行碎片化。例如英語教材中的單詞表，在傳統錄音教材中只能依據單詞表的次序錄制全部單詞的讀音，較好的Mp3音頻文件也只能做到以教材單元為單位，每單元的單詞錄一段。這是因為在傳統錄音教材中，如果將每個單詞作為一個文件，那么一冊教材總共將有數百乃至近千個單詞音頻文件。面對如此大量的文件，用戶將無法管理和使用。而在點讀教材中，最小的錄音文件是“一個單詞”。數百乃至上千個聲音文件通過標準化的MPR編碼規則進行了統一編碼，并與紙質教材內容進行有序關聯。這就提供了單詞的獨立點讀。讀者可以根據自己的需要，播放想聽的一個或一些在單詞表中排列不連續單詞，即無須費心管理和挑選碎片化音頻，也不用把整個單詞表都聽一遍。

縱觀錄音教材的交互性發展，從磁帶到點讀教材，在數字化方面已取得重大進展。但筆者認為錄音教材發展至此，在交互性方面依然存在一些明顯的不足。首先，無論是磁帶、CD還是點讀教材，交互依然停留在“指令式”交互上，無法進行更復雜的交互方式；其次，上述各類錄音教材都受到載體限制，無法充分利用信息網絡形成高級交互。筆者認為：盡管像點讀教材這樣的新型錄音教材能夠將“指令式”交互發揮到極限，但與錄音內容相比，交互性只能作為這些錄音教材的附屬功能存在，對推動學習模式變革的影響十分有限。

四、基于語音識別與分析系統的錄音資源智能交互性發展

從技術角度看，對聲音信息的數字化解析是制約錄音教材交互性進一步發展的主要瓶頸。當錄音教材及配套的軟、硬件系統在人工智能方面不夠強大時，就只能“理解”數量有限的指令信息，而無法直接對變化萬千的用戶語音信息進行有效解析。語音分析系統在教育領域的應用，是錄音教材交互性的一次發展飛躍。語音分析系統將錄音教材的交互性上升為與錄音教材的內容同等重要水平。

基于語音識別的錄音教材包括錄音內容和語音識別系統兩個核心部分。其中錄音內容是錄音教材的基礎，既為整套錄音教材提供了基礎性資源，也為語音識別和分析提供基礎依據。語音識別系統則是錄音教材中的創新關鍵，能夠使計算機或其他智能數字終端“聽懂”用戶的語言。這種技術應用于錄音教材后，對錄音教材全面輔助學生的“聽”、“說”學習將有大幅的強化效果。

基于語音識別的錄音教材在進行語音交互時，通常經歷五個環節。①提取語音特征，從語音波形中提取出隨時間變化的語音特征序列；②匹配聲學模型與模式，將獲取的語音特征通過識別算法找到對應的發音模板；③將輸入的語音特征同聲學模型（聲學模型包括全部發音模板）進行比較，得到最佳的識別結果；④依據語音評價模型，對語音進行評價分析；⑤將分析結果反饋給用戶。通過這五個環節后，系統就完成一次語音交互，能夠把識別、解析、評價后的信息反饋給用戶。反饋信息中可以包括對用戶語音的評價結果、口語能力的強化和改進方案、標準語音范例等內容，最終實現面向用戶口語能力提升的教學過程。

應該指出的是，盡管語音識別技術在近年來有了巨大的進步，相關的教育、出版機構也推出了一些學習輔助產品，但語音識別技術在教育領域的應用仍處于初級階段，當前實現的語音交互也僅僅是基礎層次的語音交互。對教育應用來說，一個有效的語音識別系統包括聲音模型、語言模型和評價模型三個核心部分，其中的評價模型是專門面向教育領域口語教學的算法模型。而就目前筆者所見的各種語音識別錄音教材或一般教育產品，都普遍缺少合理有效的口語評價模型。這是未來信息技術在錄音教材中實現與教育、教學深度融合的一個關鍵難點，需要進一步研究和突破。

五、小結與展望

在分析了過去幾十年中錄音教材的交互性發展過程和典型案例后，筆者認為有必要對其發展過程中的共性進行一些小結。錄音教材自身的形式和交互的方式隨著技術的進步發生了多樣的變化，但作為教材的一個種類，其課程和教學性始終作為基礎屬性存在，并引導著交互性的發展。

無論是“指令式”交互還是語音交互，最終的目標都是為課程和教學服務。因此，錄音教材的交互性發展始終緊隨著課程內容和教學需求。“指令式”交互從單純的播放、進、退到復雜的點讀、翻譯，實際是隨著課程目標進行的逐步升級過程，并能夠越來越多地滿足教學需求。應該看到，隨著教育的整體發展，課程和教學對語言類學科的聽說技能要求不斷提高。以2011版義務教育英語課程標準為例，和課程標準（實驗稿）相比，新標準中“語言技能”的分級標準對學生在各階段的聽、說技能都提出了更細致要求。面對新要求的提出，錄音教材的交互性發展則是對這些教育需求的回應。

未來的錄音教材可能會在基于行為分析的語言學習交互、基于互聯網的多元交互和基于語音合成技術的全語音交互等方面有進一步的進展。錄音教材可能能夠基于學生的學習行為進行精確內容推送、聽說輔導，能夠在學生、錄音教材二元交互的基礎上進一步發展為教師、學生、錄音教材、家長等共同參與的多元交互，可能在語音合成技術支持下實現錄音教材“學會說話”，并于用戶之間實現全語音交互。

從上世紀末開始，信息技術的發展呈現出爆炸的態勢，許多我們今天看上去不可思議的交互功能都可能在不遠的將來被實現。但筆者認為，無論技術發展到什么程度，當我們將技術應用于教育時，都必須重視兩者之間的融合。課程和教學需求永遠是教育中引入技術的目的，指導著我們采用什么樣的技術以及如何應用技術。

參考文獻：

[1]教基二[2014]8號.中小學教科書選用管理暫行辦法[Z].

[2]武桂香.錄音教材在農村中小學英語教學中的作用[J].山西財經大學學報，2012（S2）.

[3]規劃編制專家組.《教育信息化十年發展規劃（2011-2020年）》解讀[M].北京：人民教育出版社，2013.

[4]段軍.MPR：傳統出版業的新課題[J].出版發行研究，2013（8）.

[5]劉江華.信息技術與中職英語口語教學整合模式的研究[D].長春：東北師范大學，2012.

[6]夏祖煃.怎樣培養一年級學生的聽力[J].外語教學與研究，1960（2）.

[7]中國出版科學研究所.MPR出版物 第1部分：MPR碼編碼規則（GB/T 27937.1-2011）[S].中國國家標準化管理委員會，2011.（編輯：魯利瑞）