Python 賦能英語詞匯深度學習

徐使超 黃新海

《普通高中英語課程標準（2017年版2020年修訂）》（以下簡稱《課程標準》）提出，普通高中英語課程應充分利用信息技術(shù)，實現(xiàn)大數(shù)據(jù)等新技術(shù)有效促學功能的目標。人工智能、大數(shù)據(jù)技術(shù)與英語教學深度融合已成為當下英語教學研究的重點。本文以突破當前詞匯教學瓶頸為出發(fā)點，圍繞深度學習理念，探討Python賦能詞匯學習的技術(shù)路徑與課堂實踐方法。

一、英語詞匯教學存在的問題

詞匯是中小學英語教學的一大難題。根據(jù)筆者的觀察與研究，當下英語教學存在“南轅北轍”與“蜻蜓點水”兩大問題。

（一）“南轅北轍”問題

教師盲目根據(jù)自己所理解的語言知識開展教學活動，詞匯教學目標不明確，目標詞匯不突出。教師詞匯教學中缺乏計劃性，導致詞匯教學重點不突出、講解內(nèi)容過多或過少，這都影響了詞匯教學的質(zhì)量[1]。同時，很多教師在教學中喜歡孤立地呈現(xiàn)單詞，忽略語境和語篇的重要性，只關(guān)注單詞的形態(tài)和意義的講解，忽視了單詞內(nèi)部的音形意義關(guān)系和單詞之間的聯(lián)系。

（二）“蜻蜓點水”問題

教師教學以“單詞聽讀講解—課后背誦記憶—后續(xù)課堂聽寫”的流程為主，由于講解不深，引導學生對所學詞匯進行歸類、開展主題化詞匯教學活動不足，因此學生的詞匯理解深度不足，對單詞的存儲和記憶處于雜亂和無序的狀態(tài)，單詞遺忘現(xiàn)象十分嚴重。正確的詞匯教學應是將單詞學習與語境認知有機結(jié)合，并在語言應用的過程中幫助學生鞏固詞匯[2]，同時改變碎片化、脫離語境講解詞匯的教學方式[3]。

如何幫助學生進行詞匯知識的深度學習，從而擺脫詞匯學習困境，已成為現(xiàn)階段教師教學改革的迫切需要。

二、Python賦能英語詞匯深度學習的方法與路徑

人工智能賦能教育是指人工智能技術(shù)在教育領域的應用和實踐，它是支持學、教、管、評等教育活動的技術(shù)手段[4]。Python作為一種不受局限、跨平臺的開源編程語言，兼有系統(tǒng)語言的運行高速性和腳本語言的開發(fā)簡單性[5]，幾乎能夠?qū)崿F(xiàn)任何方向的技術(shù)編程，在爬蟲、科學運算、云計算、人工智能等方面，都有相應的庫為其提供全方位的支持[6]。本文主要探討Python在主題分析、詞匯網(wǎng)絡構(gòu)建、詞塊挖掘以及語篇比對四個方面是怎樣賦能學生詞匯深度學習的。依賴的Python模塊工具包括：（1）NLTK（Natural Language Tool Kit）3.7，主要作用是進行詞匯頻率、形態(tài)、發(fā)音等信息的統(tǒng)計，語篇主題詞匯的提取，以及語篇易讀性的計算； （2）NetworkX 2.6.2，主要作用是實現(xiàn)詞匯關(guān)系的網(wǎng)絡化、可視化呈現(xiàn)；（3）Gensim 3.8.3，主要作用是進行基于詞向量與潛在語義分析的詞義相似度計算；（4）Stanford Core NLP，主要作用是進行詞塊挖掘與詞塊特點統(tǒng)計。

深度學習強調(diào)學習中的過程體驗，強調(diào)知識的聯(lián)想互動與結(jié)構(gòu)建構(gòu)，重視學生對于本質(zhì)的掌握、對于變式的理解，以及靈活應用所學開展遷移創(chuàng)新的能力。在Python相關(guān)模塊工具包的輔助下，首先，人工智能技術(shù)的語篇主題挖掘能夠更好地幫助教師確定單元情境的主題意義，并以此為基礎設計與主題情境相關(guān)的問題與任務，從而提升學生學習的體驗。其次，人工智能建構(gòu)的詞匯網(wǎng)絡能夠?qū)⒃~匯知識網(wǎng)絡化、可視化，從而幫助學生更好地進行詞匯知識的聯(lián)想與結(jié)構(gòu)。再次，詞塊挖掘提供了學生詞匯學習的基礎語境單位——詞塊。在詞塊的支撐下，學生能夠更好地掌握詞匯知識的本質(zhì)，理解詞匯知識的變化形式。最后，語篇比對能夠根據(jù)主題語境、詞匯應用、閱讀難易度，為學生提供知識遷移創(chuàng)新所需的適切情境（如圖1）。

（一）主題引領提升詞匯學習體驗

在詞匯學習中，圍繞一定的主題帶領學生開展系列學習活動，能夠讓學生在詞匯學習中擁有良好的體驗。以單元主題意義為基礎開展單元詞匯教學，筆者在主題意義的提煉過程中通過Python中的NLTK工具包計算文本秩頻分布與對數(shù)似然率，獲取單元內(nèi)相關(guān)文本的主題意義。

1. 運用秩頻分布分析

借助秩頻分布獲得文本主題需要計算h點[7]。h點是秩頻率分布的臨界點，是將文本中每個詞（型符）按照頻次降序排列，并從1到V（V指語篇詞類總數(shù)）依次編號，每個頻序r都對應一個頻次值fr，h點就是詞的秩頻分布中r=fr的那個點。h點之前多為功能詞，若有實詞，則認為這些實詞是文本的主題詞匯。

2. 運用對數(shù)似然率分析

秩頻分布方法所得語篇主題詞僅與語篇自身內(nèi)容相關(guān)，運用觀察語料庫則能計算語篇的相對主題。語料庫語言學中的主題詞，通過對比觀察語料庫中的詞匯頻率，計算、提取微型語料庫中具有超常使用頻率的詞匯獲得。運用log檢驗或卡方檢驗計算兩個語料庫中出現(xiàn)頻次存在明顯差異的詞匯即為主題詞[8]。在本文討論的對數(shù)似然率分析中，筆者以布朗語料庫為參照語料庫。相較于秩頻分析中的主題詞，參照語料庫計算對數(shù)似然率得到的主題詞表，更側(cè)重語篇主題差異性、特殊性的體現(xiàn)。

（二）詞匯網(wǎng)絡促進詞匯知識建構(gòu)

深度學習強調(diào)聯(lián)想與結(jié)構(gòu)的學習樣式。信息時代的語言學習活動，不再是簡單的信息傳遞，而是對于語言知識、意義的內(nèi)在建構(gòu)。語言學習過程中，隨意地或以列表的形式記憶詞匯不是有效的方法。以一種組織精密而相互關(guān)聯(lián)的方式存儲，即心理詞庫的形式，學生可以更好地理解和記憶英語詞匯，并能更容易地使用它們[9]。詞匯習得，一方面意味著逐漸擴大積累詞匯的廣度，另一方面也是學生逐漸加深所記住的詞的印象，并逐漸建立詞與詞之間的網(wǎng)絡關(guān)系，構(gòu)建學生的心理詞庫[10]。因此，Python能夠通過融合人工智能的詞義、詞形、詞音對比計算，借助NetworkX等構(gòu)圖工具，實現(xiàn)詞匯知識“所見即所想”的網(wǎng)絡化、可視化呈現(xiàn)，從而落實詞匯深度學習中的聯(lián)想與結(jié)構(gòu)。

運用Python構(gòu)建詞匯網(wǎng)絡，能夠根據(jù)學生高中、學年或單元學習目標，控制詞網(wǎng)中詞匯的來源與層次。本文所述詞網(wǎng)以《課程標準》詞匯表為詞匯來源，做到了與學生高中學習目標一致。同時，詞網(wǎng)圖片易保存，無須通過網(wǎng)絡鏈接搜索，方便學生隨時調(diào)取查看。

1. 構(gòu)建詞匯的語義網(wǎng)絡

筆者運用基于詞向量的潛在語義分析方法計算詞匯的語義聯(lián)系（即詞義相似度），并在此基礎上建立了詞匯網(wǎng)絡（如圖2）。同時，在語篇主題已被挖掘的前提下，選擇語篇中語義關(guān)系緊密的詞匯配對，構(gòu)建語篇的詞匯網(wǎng)絡（如圖3）。

潛在語義分析是一種計算機進行自然語言處理的方法，主要運用詞向量的方法，通過矢量語義空間提取文檔與詞中的概念，進而分析文檔與詞之間的關(guān)系[11]。詞向量在當下被廣泛應用于機器翻譯、語義提取、人機對話等自然語言處理相關(guān)應用之中。本文討論的語義分析使用Python語義分析工具包Gensim的詞義相似度模塊Similarity計算。

2. 構(gòu)建詞匯的形態(tài)網(wǎng)絡

歸納整理學生英語學習中易于混淆拼寫的詞匯，能夠幫助學生更好、更準確地記憶與運用詞匯。因此，構(gòu)建詞匯的詞性網(wǎng)絡能夠幫助學生進行詞匯的深度學習。借助Jaro-Winkler距離算法，筆者獲取了與目標詞拼寫形式相近的單詞，生成詞匯學習的詞形網(wǎng)絡（如圖4）。

Jaro-Winkler 距離算法是一個計算兩個字符串之間編輯距離的度量標準。該算法根據(jù)兩個詞匯之間單字符轉(zhuǎn)換的最小數(shù)量計算詞匯的詞形相似度，并對目標詞匯的前綴相似情況進行額外賦值，更加符合學生詞匯記憶中對于形近詞的記憶特點。

3. 構(gòu)建詞匯的發(fā)音網(wǎng)絡

Python可借助Jaro-winkler距離算法對不同詞匯的語音相似度進行計算，對比分析詞匯之間音素與音節(jié)的相似情況。由于高一學生存在音節(jié)運用能力不足的問題，因此，筆者以音素為基本單位進行發(fā)音相似度的比對（如圖5）。

（三）詞塊挖掘呈現(xiàn)詞匯應用本質(zhì)

詞塊是詞匯構(gòu)成語言應用的最小單位，它們是錨定新話語內(nèi)涵的結(jié)構(gòu)框架，以便語言使用者/接受者根據(jù)不同的立場、語篇結(jié)構(gòu)、語域狀態(tài)解釋語言信息[12]。筆者嘗試運用Python相關(guān)技術(shù)幫助學生挖掘主題語境詞塊、句法目標詞塊、記憶規(guī)律詞塊，由此促進學生詞塊積累、詞匯學習生成化，跨越“本質(zhì)”，掌握“變式”。

斯坦福自然語言處理工具包能夠?qū)⒕渥痈鶕?jù)句法組成關(guān)系進行分析和切分。它在進行句法成分分析時運用了成分向量語法，通過遞歸式神經(jīng)網(wǎng)絡訓練句法分析器[13]，分析所得詞塊符合英語語言認知的句法規(guī)律，同時計算詞塊的內(nèi)容與長度（如圖6）。

1. 根據(jù)主題語境挖掘詞塊

學習基于詞塊認知的單詞，要以語境作為依托，這樣更符合語言認知規(guī)律。以詞塊為單位運用語言，記憶效果更好，形成的語言更為地道、合理。

筆者在教學中引導學生通過概念網(wǎng)絡復現(xiàn)文本內(nèi)容，利用詞塊回憶語篇閱讀中掌握的語篇內(nèi)容，進行語言輸出，回憶主題詞匯、主題詞塊、主題語境，復現(xiàn)、記憶知識內(nèi)容。

2. 根據(jù)句法目標挖掘詞塊

在挖掘主題語境詞塊的同時，借助Python，筆者按照單元教學目標，在句法教學中，主要開展句法短語學習，以名詞短語、形容詞、副詞短語為教學重點。以名詞短語、動詞短語等句法詞塊為考查重點的練習對語篇進行選擇填空復現(xiàn)，可鞏固學生的詞匯記憶，加深學生對于詞匯的理解。以輸出促輸入，運用指向輸出的語言運用練習，能夠?qū)崿F(xiàn)隱性的句法成分輸入。

3. 根據(jù)記憶規(guī)律挖掘詞塊

人類詞匯認知的短時記憶極限在5～9個有意義聯(lián)系的單詞構(gòu)成的詞匯組合，主要受單詞數(shù)量影響，受單詞長短及音節(jié)數(shù)的影響相對較小[14]。因此，在篩選單詞的過程中，可根據(jù)教學對象的實際情況設置詞塊長度上限，對能力較弱的學生進行詞塊訓練時可設置以5詞為詞塊長度上限，能力較強者可設置9詞為詞塊長度上限，一般情況下，7詞可作為大部分二語學習者（高中生或大學生）的詞塊長度上限。

（四）語篇比對助力詞匯能力遷移

在詞匯遷移學習中，通過情境的主題語境、詞匯應用、閱讀難度計算，教師能夠為學生提供多樣化的遷移情境，從而有針對性地引導學生進行橫向與縱向遷移以及低通路與高通路遷移的學習活動。

1. 根據(jù)主題語境配置遷移文本

在引導學生進行互文性語言情境學習的過程中，教師應首先考慮遷移對象與學習內(nèi)容之間主題的相似性。Python能夠通過分析語篇的主題詞相似度以及主題詞語義相似度，進行語篇的主題相似度計算。

2. 根據(jù)詞匯應用配置遷移文本

根據(jù)艾賓浩斯等人的研究，記憶遺忘的速度由快而慢，因此應從識記之初便通過各種活動材料的重復運用防止遺忘。詞匯學習中，學生對于詞匯知識的記憶需要一定程度的重復學習。因此，在遷移學習中幫助學生挖掘詞匯應用相似的語境文本至關(guān)重要。

3. 根據(jù)閱讀難度配置遷移文本

語篇易讀性的分析以文本的平均句長、平均詞長等表面特征為判斷依據(jù)。借助Python模塊工具包，計算機能夠統(tǒng)計音節(jié)與句長，并獲得Flesch-Kincaid易讀性指數(shù)（Efk=0.39 ×SL+11.8×SW-15.59，其中Efk指可讀指數(shù)，SL指語篇平均每詞的音節(jié)數(shù)），以獲得語篇的易讀性，進而幫助學生設置符合其需要、難度適宜的情境，開展遷移學習。

三、Python賦能詞匯學習的單元教學實踐

以下就本文所述Python賦能詞匯深度學習的方法路徑，結(jié)合人教版英語必修三第三單元的詞匯教學進行簡單說明。

（一）確定單元整體學習主題

課堂教學之前，教師要運用Python對單元文本進行處理，得到單元文本的主題詞匯。以本單元為例，經(jīng)過文本處理，根據(jù)秩頻分析與對數(shù)似然率統(tǒng)計，單元Reading and Thinking課時的語篇主題詞分別為“city”和“city、art、Chinatown”。在此基礎上，結(jié)合本課時的教學參考意見，以“城市”為主題構(gòu)建情境，設計相關(guān)閱讀問題與學習活動。在解答問題與完成任務過程中，學生圍繞單元主題會自發(fā)性地進行單元詞匯的輸入與輸出，從而實現(xiàn)詞匯知識的隱性學習。

（二）構(gòu)建單元詞匯學習網(wǎng)絡

在教學前，教師用Python構(gòu)建圍繞主題詞匯的詞義網(wǎng)絡：可以根據(jù)教學實際需要構(gòu)建高中英語學習主題詞義網(wǎng)絡，也可針對單元學習詞匯構(gòu)建詞義網(wǎng)絡。同時，圍繞主題詞匯構(gòu)建詞型網(wǎng)絡與詞音網(wǎng)絡。

接著，在單元教學中充分運用詞匯網(wǎng)絡。以本單元教學為例，筆者依托高中整體詞匯構(gòu)建的主題詞網(wǎng)可用于單元學習的導入環(huán)節(jié)，修改詞匯語義網(wǎng)絡（如圖7），即在熱身環(huán)節(jié)引導學生猜測單元主題，激活學生的已學知識與聯(lián)想網(wǎng)絡。

詞形網(wǎng)絡、詞音網(wǎng)絡可幫助學生在課堂學習之外，通過辨識相似單詞，更好地記憶詞匯。圍繞單元詞匯構(gòu)建的詞義網(wǎng)絡，適用于閱讀課時或單元復習階段，作為學生對單元內(nèi)容回憶、重構(gòu)、復述的學習支架，幫助學生更好地通過意義建構(gòu)組織詞匯知識的記憶。

（三）設計單元詞塊積累活動

在單元詞塊學習中，運用Python對單元詞塊進行挖掘與標注，是本教學內(nèi)容有效開展的基礎。以本單元為例，通過對文本進行處理，相關(guān)詞塊及其性質(zhì)可通過表格呈現(xiàn)與歸類。

此后，可根據(jù)教學需要，將以上詞塊與相應的單元教學課時相結(jié)合。在單元閱讀教學中，設計繪制詞塊概念圖等與主題語境、語篇詞塊密切相關(guān)的閱讀任務，使學生在解決問題的過程中通過隱性學習積累詞塊。

在單元語法教學中，融入單元詞塊能夠更好地幫助學生理解相關(guān)語法單元在語言表達中的意義及擔當作用。在單元寫作教學中，可在寫作前的頭腦風暴過程中，引導學生回憶單元學習中積累的詞塊，指導學生在寫作中應用詞塊，實現(xiàn)語言輸入與輸出的緊密結(jié)合。

在單元復習教學中，使用Python技術(shù)，筆者從文本中提取句法詞塊，再根據(jù)系統(tǒng)標注的詞塊長度和類型（本語篇中，在小于7詞的短語內(nèi)選擇較長的動詞、名詞、形容詞短語作為訓練內(nèi)容），結(jié)合實際的教學目標，對文本進行挖空處理，設計詞塊填空練習（如圖8）。在語法成分短語強化訓練中，學生記憶語篇內(nèi)容，實現(xiàn)語篇內(nèi)容的再建構(gòu)。

（四）落實單元詞匯知識遷移

為單元學習提供各方面較為相似的遷移學習材料，是落實單元詞匯知識鞏固遷移的有效途徑。在Python相關(guān)工具包的幫助下，筆者根據(jù)主題詞匯相似、文本風格相似、閱讀難度相似的遷移目標，運用人教版文本語料庫、新概念英語語料庫，對其中的文本進行計算與統(tǒng)計，獲取適合學生圍繞本單元進行互文閱讀的學習材料。經(jīng)過比較與分析，筆者選擇閱讀語篇“California”一文作為閱讀遷移對象。該文易讀性為11.7，閱讀難度較大，但適合學生開展課外拓展閱讀。同時，語篇的主題詞為California、usa、spanish、mexico、attracted等，與Reading and thinking主題相近，文本中包含與本單元主題息息相關(guān)且學生不易掌握的單詞“immigrant”，適合幫助學生在遷移學習中夯實、鞏固所學詞匯知識。

確定遷移學習的內(nèi)容之后，筆者根據(jù)學生單元課堂學習進度，設計相關(guān)的教學任務，包括尋找遷移文本的語篇主題、比較課堂文本與拓展文本主題意義方面的相同與不同、作為讀者分析對兩個文本的偏好等。在拓展閱讀過程中，學生能夠更好地建構(gòu)對單元主題意義的認知，鞏固課堂上學到的詞匯知識。

依賴NLTK等工具包，Python能夠有機結(jié)合詞匯學習與學生的語篇學習、單元學習，增強學習的整體性、知識的關(guān)聯(lián)性、學習的實踐性、遷移的靈活性，讓詞匯學習突出過程與體驗、聯(lián)想與結(jié)構(gòu)、本質(zhì)與變式、遷移與創(chuàng)造，指向?qū)W生詞匯的深度學習。同時，人工智能賦能教學也轉(zhuǎn)變了教學過程中學生與教師的職能與定位，二者形成“學習共同體”：學生由知識的被動接收者轉(zhuǎn)變?yōu)橹鲃咏?gòu)者，教師由知識灌輸者轉(zhuǎn)變?yōu)閷W生學習的同伴與幫助者。此類教學過程中，學生更加具有主動性與中心性，學習更加深化，有利于培養(yǎng)學科核心素養(yǎng)。筆者認為，當前運用人工智能相關(guān)技術(shù)輔助詞匯學習、促進學生詞匯深度學習已然具有可行性與實用性，人工智能等技術(shù)輔助學科教學的契機日趨成熟，信息技術(shù)與英語學科教學的深度融合已成時代所需。

注：本文系2017年度教育部人文社會科學研究規(guī)劃基金項目“基礎英語課程深度學習的教學模式建構(gòu)研究”（項目批準號：17YJA880081）、2022年浙江省教育信息化研究專項課題“主題意義引領下的‘人工智能+’單元詞匯教學實踐研究”（立項編號：2022ETC024）、2022年度海寧市教育科學研究規(guī)劃課題“基于主題意義的詞匯教學人工智能模式探究”（立項編號：22HG005）的階段性研究成果。

參考文獻

[1][2]羅少茜，趙海永，邢加新.英語詞匯教學[M].南寧：廣西教育出版社，2016：165-167.

[3] 何亞男，應曉球.落實學科核心素養(yǎng)在課堂·高中英語詞匯教學[M].上海：上海教育出版社，2021：7-8.

[4] 彭紹東.人工智能教育的含義界定與原理挖掘[J].中國電化教育，2021（6）：49-59.

[5] 沈殊璇，薄亞明.適合于科學計算的腳本語言Python[J].微計算機應用，2002（5）：289-291.

[6] 劉衛(wèi)國，李晨.程序設計教學的NLTK模塊應用案例設計Python[J].計算機教育，2019（3）：92-97.

[7] 劉海濤.計量語言學導論[M].北京：商務印書館，2017：134-135.

[8] 許家金.語料庫與話語研究[M].北京：外語教學與研究出版社，2019.

[9]MEARA P. Towards a New Approach to Modeling Vocabulary Acquisition[A]. In Schmitt N， McCarthy M， Vocabulary： Description， Acquisition and Pedagogy[M]. Cambridge：Cambridge University Press，1997：109-121.

[10]徐浩，孫桐，蔣炎富.英語詞匯教學[M].北京：外語教學與研究出版社，2017.

[11]DEERWESTER S， DUMAIS S T， FURNAS G W， et al. Indexing by Latent Semantic Analysis[J]. Journal of the Association for Information Science & Technology，2010，41（6）：391-407.

[12]BIBER D， CONRAD S， Cortes V. If you look at…： Lexical Bundles Vin University Teaching and Textbooks[J]. Applied Linguistics，2004（3）.

[13]MANNING C D， SURDEANU M， BAUER J， FINKEL J， BETHARD S J， MCCLOSKY D. The Stanford CoreNLP Natural Language Processing Toolkit[C]//Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics： System Demonstrations，2014：55-60.

[14]SIMON H A. How Big Is a Chunk？： By Combining Data from Several Experiments， a Basic Human Memory Unit Can Be Identified And Measured[J].Science，1974，183（4124）.

（作者徐使超系浙江海寧市高級中學教師；黃新海系浙江嘉興教育學院教師）

責任編輯：孫建輝