基于AI測試的宏微觀音系語訓實證效應研究

摘要：近年來，學術界呼吁混合式教學設計和跨學科交叉研究，但在我國，基于人工智能測評的“宏微觀音系語訓”效應的研究為數不多。該研究以福建省福州市高校學生為研究對象，采用擬實驗設計，評估語訓設計對大學生英語聽說技能發展的習得效果。首先，對101名初始研究參與者進行了為期12周的專門訓練，通過皮爾森英語（PTE）模擬測試模塊（WFD聽寫，RA大聲朗讀和RS復述句子）進行測試。成績分析顯示，后測及滯后測成績顯著高于前測。然后再招募200名主要研究參與者，平均分配到實驗組A和控制組B。前100名學生接受了為期12周的宏微觀音系語訓，而后100名學生則被控制為自然學習，學習內容和目標相同，但沒有宏微觀音系語訓的干預。通過SPSS混合方差分析模型2（實驗組A vs. 控制組B）× 3（時間：前、后和延遲），對測試分數進行分析。結果表明，實驗組A在后測和延遲測的WFD、RA和RS三個方面的成績顯著優于控制組B。該研究對大學英語應用型方向教改以及雅思PTE聽說教學具有一定的啟示和建設性意義。

關鍵詞：宏微觀進程；音系語訓；混合式設計；AI測試

中圖分類號：G434 文獻標識碼：A

“宏微觀音系混合式語訓”是一個全新的、可追溯的二語訓練法，涉及四個關鍵要素。第一，“宏微觀雙維度進程處理”。從廣義上來說，微觀正向是一種歸納或數據驅動的處理形式，從較小或較低的單元開始，往較大或較高的單元向上移動，而宏觀逆向進程模式則與之相反。雖對這兩種進程的優劣勢分析尚未有定論，但他們的的結合是習得和產出的必然[1][2]。第二“音系語訓”。由于二語言習得的核心是“音形義”的習得[3][4]，而聲音的習得是任何外語習得過程中的前提和表現形式。早在19世紀后期，著名語言學家索緒爾（F. de Saussure）就指出，語音是傳達思想的工具，語義依靠語音而存在。因此，聲音是語言最為重要的表現形式[5]。另一位著名語言學家吉姆森（A. C. Gimson）認為，一個人要學會說任何一門語言，必須學會其幾乎100%的語音[6]?！耙粝嫡Z訓”的設計概念主要將二語習得的過程以“音”為切入點，把音形意分為“智能理解、技能操練和體能呈現”的形式，以求證操練的肌肉記憶效果，而非傳統的認知學習效果[7][8]。第三，“混合式教學”。混合式教學設計強調內容、形式、過程、考核等方面要結合線上和線下，融合傳統和人工智能的元素，以彌補傳統模式的不足。第四，“AI測試”?，F階段，人工智能測試已廣泛應用在教學領域。以“宏微觀音系混合式語訓”這四個關鍵要素為研究出發點，本研究通過皮爾森學術英語PTE人工智能測試的模擬訓練軟件，對參與者的二語習得發展做出客觀的水平測試評價（Proficiency Tests），以探討融入上述四個關鍵要素的混合式電化語訓在二語習得中的發展和前景，并對大學英語應用型教學改革提供啟示。

（一）微觀音系溯源

語言是由聲音構成的，其輸入、內化和輸出是一個宏觀微觀雙向的過程。二語的認知和習得本質上也是一個微觀雙向的過程，包括處理話語的音系、形態、詞匯以及概念和語義內容的相互聯系。宏觀逆向的處理模式則從概念語義內容開始，然后才為之分配句法、結構、語音、語素等微觀層面。如果沒有扎實的宏微觀正向處理技能，語言處理就很難順利完成。Tyler和Warren指出，學習者需要使用微觀正向處理模式來成功解碼二語輸入，并將其整合到他們現有的知識中，才能進行宏觀整體的理解[9-11]。在話語輸出中，處理模式同樣是宏微觀雙向進程，在產出和自我監控層面上都是雙向進程處理模式。在語言認知中，有聲話語輸入的解碼通常從微觀正向進程模式開始，即處理信息的音素和語素特征。但是，只要涉及為其賦予語義和綜合知識時，就會立刻調用宏觀逆向的處理模式[12][13]如圖1所示。

學術界一直在爭論微觀正向和宏觀逆向對語言習得的效應，筆者曾對這兩種效應在二語詞匯習得中進行了實證研究。研究發現，盡管基礎較為薄弱的中國學生更傾向于微觀正向教學，但不能排除在宏觀逆向過程中也會有習得者受益的可能。為避免研究人員在探究語言習得過程中對微觀和宏觀處理模式的貢獻存在的爭議，該研究采用了微觀雙向音系語訓的概念，并使用了更為客觀平衡的操作方法，即宏微觀雙維度進程。

（二）混合式解讀

混合式教學是將傳統教學和科技的優勢結合起來的一種教學模式，它是課堂內外學習活動的有機結合，旨在促進學習由淺入深的過程。傳統課堂通常是學生觀看老師授課的地方，被專家稱為“舊課堂模式”。目前，外語教學模式仍然大多要求學生被動地聽取老師的授課內容，按照教學大綱完成任務，幾乎沒有其他選擇。由于大學的隱性傳統和評估體系強化了現狀，這種教學模式只能促進部分學生的學習，如聽覺型和視覺型學習者，而不能激勵所有人學習。相關研究表明，這種流水線式的教學方法會導致40%以上的學生離開課堂，甚至對課堂感到厭煩[15-18]。

在“舊課堂模式”中，教師和學生通常都被系統培養成符合學校和課堂需要的人才，而非社會需要的人才。專家指出，“新課堂模式”的教學將是一個復雜而動態的習得過程和應用環境，可以推動教育從“課堂化”轉向“現實化”。教學需要采用“新課堂模式”來幫助學生創建成功的學習流程和應用環境，讓每個學生能夠擁抱并掌握現實教學環境、場景、外語應用策略以及文化底蘊和內涵，從而成為“語言全人”，而非“語言機器”。

同上，為避免學界對新舊課堂模式長時間的是非爭端，本研究采取了一種線上線下新舊融合的混合式設計。該設計主要包括如下五大特點：

1.形式上同時采用“線上”和“線下”新舊融合的途徑來開展；

2.“線上”活動不是整個訓練活動的錦上添花，而是必備的活動；

3.“線下”教學不是傳統模式活動的照搬，而是基于新舊模式的融合，取其精華去其糟粕，保證“線下”的語訓活動在“線上”課后得到升華；

4.這種“混合”是具體到設計、內容、過程、評價的混合，而不是宏觀廣義模糊的教學理論、教學理念、教學策略、教學方法等形式上的口號式混合。因為宏觀廣義上的理論缺乏操作性，所以混合缺乏可行性價值；

5.混合式語訓彌補了傳統課堂模式的缺陷，因為這種模式把傳統外語教學的知識性學習轉變成應用性技能訓練，擴展了傳統的時間和空間，使得“教”和“學”不一定在課堂發生，課后的精進也許是學習的重要組成部分。具體到合理設計方法、內容、過程、程序、資源等，以拋磚引玉式的啟發來促進“學”主位，而非“教”主位。

（三）語訓設計

該語訓設計采用獨特的科瑞思道模式進行語言訓練，與傳統的語言講解、機械模仿和枯燥練習不同?？迫鹚嫉赖拿Q由“科瑞”和“思道”兩部分組成，意在將“語言科學和人文大道”融合為一體。該模式以著名語言學家David Crystal和作者導師、澳大利亞應用語言學家Christo的名字命名，與我國尊師重教的思政理念融為一體，專注于發展語言體能、智能、技能、藝術修養和哲學思考五個層面的語言境界。該模式的核心是將語言學習視為微觀雙維度的音系集合，并從體能訓練、智能理解、技能鍛造、藝術修養、中西文化以及馬克思列寧主義哲學思考等多個方面進行培養，精簡設計，文化自信，思政如鹽化水，育人如水有源，從而實現“學語言育全人”的宏觀育人目標和微觀語言目標[19]，如圖2所示。

科瑞思道語言訓練的創新教學靈感來源于語言學元認知Linguistic Metacognition。該術語的前綴meta發音與Mother母親有關，即語言認知之母。例如，對于單詞Metaphor（比喻），我們可以解釋為：meta（母親本體）+phor（為了）：喻體是為了讓本體更形象。Mother關聯著Mom，而Mom可關聯漢語中的媽（ma），最終回到了英漢通用的認知初元?？梢杂脝棠匪够摹巴ㄓ谜Z法”來解釋：所有語言的基本定律初元都是共享的，不需要刻意學習，就像世界各國的孩子最開始會發出的聲音/ma/，例如漢語“爸爸媽媽”對應英文“Papa Mama”，幾乎所有語言都有這個音[20]。

根據科瑞思道的原理，掌握英語發音只需要掌握發/ma/這個音，就已經掌握了英語中80%的發音。這是因為英語中的元音字母輕讀（Schwa）占音素的80%以上，而所有a、e、i（y）、o、u（w）元音字母的輕讀都是這個音，其它元音則是在此基礎上通過嘴唇的前后開口程度得出。該語訓各個層面的設計都根據表1所示的發音規律。

（四）AI測試潮流

人工智能語言評價已經成為語言測試的潮流和趨勢。2018年6月正式執行的《中國英語能力等級量表》對語言應用能力進行了流利度測試，該測試基本和雅思IELTS和皮爾森學術英語測試PTE接軌，其要求比以前更高且更加客觀。PTE是全球公認的國際學習和移民英語人工智能測試的先驅。該測試完全由人工智能完成，其優勢在于沒有考官主觀評分的印象和偏見。特別是在主觀題的評分方面，PTE評價基于大型語料庫的平均值，其評分更加客觀，并提供基于GSE（全球英語量表）的分數。由于條件和經費使用的限制，該研究僅僅使用了PTE的聽力模塊（Write from Dictation）和口語模塊（Read Aloud和Repeat Sentences）進行測試[22]。

該研究的主要目的是檢驗宏微觀音系混合式語訓學習的效果。該研究分為初步研究（Pilot Study）和主要研究（Main）兩個部分。后者采用了“組間準實驗前后測”設計法。如圖3所示，該研究一共分為三個階段五個步驟。

步驟1：分配參與者。從301名自愿參與研究的志愿者中隨機招募了200名學生作為初始研究后的主要研究對象。利用隨機數發生器將200名參與者平均分配到實驗組A和對照組B。

步驟2：收集背景信息。在開始收集主要研究數據（測試前、測試后和延遲測試）之前，對每個組的100名參與者進行背景信息問卷調查。采用結構化問卷，收集包括性別、年齡、社會經濟背景等信息，以確保兩組在變量范圍內匹配。

步驟3：前測。收集完背景信息后，進行了PTE模擬前測，以收集學生在WFD、RA以及RS中的表現，從而判斷分組的合理性，以便與后測和滯后測進行對比分析。

步驟4：語訓干預。前測結束后，對實驗組進行為期48小時的語訓干預；而對照組只提供相同的學習目標和現有的英語環境。即A組學習者通過語訓干預獲得英語學習，而B組學習者則在沒有語訓嵌入的情況下學習相同的內容。

步驟5：后測與滯后測。學習12周后，進行了即時測試和延遲測試。將后測結果與前測結果進行比較，并利用SPSS軟件對實驗組A和對照組B進行縱橫向交叉分析。

（一）參與者

該研究的參與者來自福建省福州市的陽光學院，這是一所位于福建省福州市的私立大學。共有301名自愿參與者匿名參加了該研究。參與者被隨機分配到三個學習小組，初始研究共有101人，其中實驗組A和對照組B各有100人。通過使用隨機數發生器將200名參與者平均分配到實驗組A和對照組B，有效地避免了他們與親密的朋友或同學故意在同一個學習小組。同時，在事先不知道自己會被分配到實驗組A還是對照組B的情況下進行了隨機分配。隨后對參與者的背景進行了初步統計，并發現在一系列統計變量（包括年齡、性別、受教育程度、父母受教育程度、種族、母語、城市/農村等）上，各組之間沒有顯著性差異，即相互匹配。此外，正如前測成績所示，兩組在語言能力上只存在相對較小的預先差異。這些差異在隨后的數據分析中進行了進一步的分析，其統計顯著性可以忽略不計。

（二）“微觀音系語訓”設計與流程

為了達到研究目的，研究者特別設計了一套微觀音系語訓，其設計充分借鑒了Deborah J. Short.的《英語學習者模范學習的六項原則》，包括以下原則[23]：

原則1：考慮學習者的全面語言發展和加工處理過程，包括輸入、內化和產出。

原則2：根據學習者的偏好，創造適合他們的學習條件。

原則3：根據輸入、輸出任務和加工偏好，設計高質量的語言訓練活動。

原則4：根據需要進行語訓設計和活動安排的調整。

原則5：定量和定性地監測和評估學生的語言發展。

原則6：在學習群體中促進相互協作和互動。

此外，該語訓設計很大程度上受到現代混合式小學的啟發，采用了大量的線上和線下跨學科資源。所選擇的文獻和在線資源包括：

語音（英語）： https：//soundsofspeech.uiowa.edu/ index.html#english

美國口音訓練： http：//www.americanaccent.com/

聲樂技術： https：//online.berklee.edu/workouts/ voice

PTE在線： https：//www.e2language.com

PTE在線培訓和模擬測試： https：//ikkedu.com/ practice-platform.html； https：//www.apeuni.com/

這些在線資源用于查找基于宏觀和微觀層面的輸入、內化和輸出活動的科學訓練。圖4展示了該研究的語言訓練框架。

根據文秋芳教授提出的產出導向，周易兩儀四象八卦圖和宏微觀雙維度進程作為理論框架，該語訓大致通過驅動、促成和評價三大步驟來訓練五個語言層面的語言能力。前兩個層面主要市微觀目標語言訓練，包括音素、音節、音調和語音流暢性等。而短語、句子和話語主要集中在宏觀層面的語言訓練上。訓練過程由淺入深，從音素層面開始，然后過渡到單詞、句子，最后是整個話語和語境。具體的訓練順序如下。

事件1：運用微觀音素成分系統訓練英語元音輸入內化和產出，如圖5所示。

事件2：利用英語輔音口型舌位后移圖系統訓練英語輔音，如圖6所示。

事件3：利用微觀音系節奏重音系統訓練詞匯層面的重讀和輕讀，如圖7所示。

事件4：運用微觀音系在句子層面練習音群、意群、重讀、輕讀、停頓和語調，如圖8所示。

事件5：結合系統的宏微觀雙維度在語境和語篇層面練習，如圖9所示。

除了整組的初始研究外，本研究主要分為實驗組A和對照組B兩組，其中實驗組A按照上述的5個不同環節進行訓練，而對照組B只分配學習內容，并采用傳統方式進行學習，沒有進行訓練干預。該訓練為期12周，每周進行4小時的宏微觀雙維度音系語言訓練，共計48小時。為了避免教師個體差異，研究者本人親自參與了語訓的指導。研究者于2018年11月獲得澳大利亞NEAS認證的TESOL教師資格證書，2016年6月獲得中華人民共和國教育部認證的應用語言學教師資格證書（TESOL）。截至目前，研究者已經在中國和澳大利亞從事英語學習和研究工作超過10年，對于創造性的英語教學和培訓有著強烈的動機。

（三）AI水平測試

該研究采用PTE模擬測試中的聽寫（WFD）、大聲朗讀（RA）和重復句子（RS）對參與者的語言能力進行前測、后測和滯后測。PTE是全球公認的留學和移民英語人工智能測試的先驅。該測試提供了一種減少人為偏見、快速和方便的系統。一方面，該測試在世界范圍內被廣泛用于大學入學和移民的衡量標準，并且它們的有效性已經被實證確定。因為受研究資源局限，該研究只采用了模擬考試版本。為了進一步衡量其可信度，分析了前測、后測和延遲后測，每個時間組的相關系數為0.04，數據的顯著性表模擬測試的評估方法較為可靠。

WFD測試采用機經庫隨機生成的20個句子對參與者進行了測試。他們被要求在聽完錄音后，盡可能多地輸入正確的詞。每句話的得分都是基于參與者的表達內容、準確性和流利度，這部分成績最高可達100分。

本初始研究采用了重復測量同一被試在語訓練干預后的配對t檢驗，旨在驗證是否由于語訓練干預而產生了語言習得的顯著變化。為了確保分析結果的可靠性，我們不僅采用了Jacobson和Truax的“可靠性改變法”來評估個體變化的大小以確定其學習效應是否具有統計學意義，還使用了Blomqvist和Hayes等學者所使用的方法評估個體變化分數與個體初始值分數之間的關系。本初始研究的主要問題是，從語訓開始到結束的前測與后測成績是否有顯著變化。如表2所示，WFD、RA和RS三項測試的平均值在語訓后均顯著提高，p < .001，提升的平均分值具有統計學顯著效應，Cohen’s d范圍為1.24—1.89。

為了進一步衡量MMCW的相對有效性和效率，從前測試、后測試和延遲后測試中收集了18組分數：RFD、RA和RS各三組。這些測試分數經過描述性和推理分析，如圖10所示。

本研究旨在評估MMCW語訓對參與者語言習得的影響，通過WFD、RA和RS三種測評形式的前、后、以及滯后測的形式來呈現學習效應。首先進行了整體的描述性統計報告。接著，采用重復測量方差分析（ANOVA），考察試驗組和對照組在語訓前、后和延遲三個時間點的表現，以驗證語訓干預是否具有顯著影響，并探究時間因素的統計學意義。通過比較實驗組A和對照組B在WFD、RA和RS方面的改善情況，以求證MMCW語訓的相對有效性。

（一）描述性統計結果

通過描述性統計，主要研究的前測、后測和滯后測的分數總結如表3所示。三種測試的分數分布呈鐘形曲線，代表數據的正態分布。偏度值接近于-0.2，而峰度值在-0.5左右。此外，偏度與標準差之比，峰度與標準差之比均在2.00以下，說明數據分布無極端傾向。

根據表3的平均值數據，試驗組在三種測試中表現出顯著的進步，前測、后測和滯后測的平均值之間存在較大的差異。特別值得注意的是，試驗組A在WFD、RA和RS三種測試的后測平均值都顯著高于對照組B。下面將分別探討每個測試成績的差異。

（二）WFD結果

經過SPSS重復測量方差分析模型2 （A組：實驗組 vs. B組：控制組）×3（時間：前、后和延遲）對 WRD測試評分進行分析，結果顯示語訓時長對參與者的WRD測試成績有顯著影響，F（1.68，334.26） =480.67，p=.000，部分η2 =.71。WFD后評分和WFD延遲評分與前測分比較均有顯著性差異。需要注意的是，eta平方統計量的大小（.71）表明時間（干預時長）的影響非常顯著，顯著的時間*組交互作用（p=.000）表明試驗組在WFD測試中優于對照組。對參與者進行前、后、延遲的分析表明，試驗組的WFD顯著提高，F （1.68，334.26）= 63.24，p=.000，partial η2=.24。顯著的交互作用表明，實驗組在WFD方面可能獲益顯著。此外，在一般情況下，組內差異考慮在內時，WFD的后測和延遲測試相對于前測而言，也產生類顯著的提升，組間效應同樣顯著，F（198） =24.86，p=0.000，partial η2=.11。

（三）RA結果

對RA測試結果采用相同的分析方法。首先，采用SPSS重復測量方差分析模型2 （A組：實驗組 vs. B組：控制組）×3（時間：前、后和延遲）對RA測試評分進行分析。結果再次顯示，與WFD測試成績一樣，RA測試結果也受到語訓時長的顯著影響，F（1.58， 312.91）=391.62，p=.000，partialη2=.66。這個結果表明，語訓時間對RA測試成績有著相當顯著的影響，同時時間*組交互作用的顯著性也表明，語訓試驗組在RA測試中表現出了優異的表現。值得注意的是，實驗組A和控制組B在后測和滯后測的平均分差異非常明顯（A組后測平均分差為15.63，滯后測為8.3；B組后測平均分差為7.27，滯后測為4.87）。采取同樣的SPSS分析步驟，當控制各組前測差異時，組間統計仍然具有顯著性，F（1，198）=17.74， p=.000，partialη2=.08。這個結果進一步表明，語訓干預對語言能力的發展在RA測試方面具有顯著貢獻，不僅語訓實驗組A在RA后測和滯后測分數明顯優于受控組B，而且兩組之間的平均分差異也得到了顯著提升。

（四）RS結果

針對RS測試，我們也進行了類似的組間方差分析，以評估實驗組A和控制組B在前測、后測和滯后測試之間的差異。本次測試參與者在前、后和滯后測分析值，F（1.65， 365.68）=320.19，p=.000，partial η2=.62，顯示出顯著差異。由于Pailla’s Trace=.000，進一步分析顯示兩組之間的交互作用和時間干預影響顯著，F（1.65， 365.68）=320.19，p=.000，partial η2=.20。這個值表明語訓實驗組有助于促進學生的RS得分。此外，組間分析F（1， 198） =.104，p= .000，partial η2=.104，表明在考慮組內差異時，實驗組A和控制組B在RS方面具有顯著的得分差異。該分析充分表明語訓試驗組A在RS測試表現方面優于受控組B。

從研究結果來看，在RA、WFD和RS測評中，初始研究組和主要研究都表明該語訓設計的干預對參與者語言習得具有顯著的促進作用，即試驗組顯著優于控制組。在控制了前測時兩組之間先前存在的邊緣差異后，實驗組A在三種測試中仍然優于受控組B。兩組之間在后測和滯后測的差異都具有統計顯著性。這表明實驗組A在前測到后測期間在RA、WFD、RS上均有較大的平均值增長。兩組在后測和滯后測的平均成績差異的統計顯著性表明，語訓實驗組A對參與者群體的二語習得有明顯改善。

該研究是我國私立大學進行的一項二語語訓混合多元電化教學實踐。研究發現，該方法在后方法時代對多元創新混合式電化教學方面具有一定的啟示意義。首先，無論學界如何對宏微觀音系設計的合理性和有效性意見相左，爭論不休，該設計都對系統學習語言有積極的功效。無論英語學習底子是否薄弱，都有各不相同的進程處理習慣（微觀正向或宏觀逆向），該設計都導致顯著性的二語習得效應。

其次，該研究使用的多元混合式交叉設計，從音系出發，到多元混合式的語訓設計，有別于傳統的課堂教學。同學們從微觀到宏觀的模塊流水線上進行訓練，最后用人工智能客觀測試對其語言產出進行檢驗，而非人為主觀的判斷。這一創新不僅將語言教學從傳統課堂教學變為微觀模塊流水線式操練，同時將傳統的主觀評價變為客觀的語料產出結果分析。從微觀音系多維度為語言的每個層面去構建一套操練流程，充分利用混合式線上線下電化資源進行自主學習，也能夠獲取較為客觀的學生語言產出的評價，避免人為的偏見[24]。該舉措有利于大學生看到自己的客觀表現，從產出內容完整性、清晰度和流利度等方面來評判產出標準。參與者不僅能夠看到基于人工智能的客觀反饋和科學的認知，從而科學面對學習成績，找到不足之處，力求精進。同時也有機會與老師面對面進行交流，反饋，以彌補機器測評和訓練的不足。

當然，該研究的主要目的是確定宏微觀音系混合式語訓的相對有效性。研究結果表明，無論在初始研究還是主要研究過程中，其語訓效果都具有統計顯著性。盡管這一結論還需要進一步的研究來追加其確切性。作者認為本次語訓設計與學習者的語言水平、語言宏微觀雙維度處理模式以及二語發展的規律有機結合。這種種因素都有可能在某種程度上影響了參與者的學習效應。并進一步認為，參與者的心理認知模式也與該研究結果息息相關。如果該推測合理，宏微觀雙維度進程模式在二語習得中應該是根深蒂固、深入人心的重要習得環節，是課程和語訓設計中不可或缺必要元素。

如前文所述，本研究是專門針對聽說產出導向而設計的。不難看出，該項研究的一個明顯的擴展方向將可以延伸到宏微觀音系混合式語訓對其他語言技能，比如閱讀、聽力、寫作、翻譯等的有效性測試。英語一線教師如能結合每個模塊的教學屬性，從宏微觀音系出發，聚焦聽說讀寫譯的對應模塊，語訓設計將會有無限的可擴展空間，尤其是受控產出性技能和自由產出性技能訓練，因其發展會滯后于接受性語言知識。因此，大學英語應用型改革課程設計可在一定程度上參考該設計展開，尤其在綜合英語應用技能訓練方面，而非傳統的語言點和語言考試本身。

基于該研究結果和作者多年的教學經驗，研究者試探性的提出語訓的目的不應聚焦于大綱，正如前文語訓設計部分考慮到的“杰出英語學習者教學的六個原則”，而應聚焦于學生的個性特點和需求分析。大學英語教學的師資和教學資源應該圍繞學生特性和應用需求而設計，根據學生個體做到各不相同，因才施教，而不是千篇一律。教師工作的重點應該是學生特點和需求的分析，根據分析研究學生個例情況，真正協助學子自發找到學習者的需要和終生發展的全面育人需求。本次語訓設計中用到的語言理論知識和宏微觀層面框架的只作為系統學習模塊的參考尺度，僅此而已。當英語教學不是按照“自上而下”的學校教學條例和教學大綱來設計課堂，而是真正按照“自下而上”的學生內在需求和前文提到的“科瑞思道式全人教育”模式為導向時，學生就會開始理解英語學習的生活屬性、學習屬性和工作屬性。這種理解將會是他們學習興趣和打開世界大門的橋梁，而不僅僅是一種學科或考試，因為賦予了語言學習的意義，只有如此，學生對外語學習的激情才會綻放，方向才會明確，目標自然就會達到，從而達到“假以外語，而超越外語”的科瑞思道全人培育模式，而非培育語言機器[25]。

基于該研究還合理利用了一定的教學資源和教學技術，作者最后建議，外語教師工作的另一個重點應該是熟悉當前領先的教學資源和教育技術例如，該研究涉及的皮爾森學術英語（PTE）可采用人工智能或人機混合式設計，無論是語訓過程還是結果評估。只有了解學生的需求，為其提供和分配恰當的教學資源，一線教師才能自然而然地滿足學生的個人追求、目標和方向，為其找到適合的學習資源、方法和甚至老師（包括選擇電腦、虛擬人工智能平臺還是真人老師）。這樣不僅可以節省大量授課師資，同時也可以讓教與學的自由選擇來源于學生內在動力，而不是老師和環境施加的外在力量。公平教育的含義在于在每個學生需要的時候給予他們最需要的資源和幫助，而不是把所有的學生放在一個被事先設計好標準的盒子里。當代外語教學改革的重點是分析了解學生個體差異，為其合理分配教學資源、提供教學環境，創造適合學生發展的出路和平臺，讓其自主追求就業、創業，考研或留學等夢想導向外語教學大出口的成功。其重點是“學”的資源、平臺和服務，而非“教”的地位，方法和老師，這種學本位的導向與學生成功的結果，從本質上鞏固了學生尊師重教的優良傳統和強則回饋社會的文化自信及家國情懷[26]。

參考文獻：

[1] Xu，Jian，Xuyan Qiu.Study abroad experiences count：Motivational profile of EFL listeners and its impact on top-down and bottom-up processing [J].Applied Linguistics Review，2023，14（1）：145-172.

[2] Tessari，A.，Proietti，R.，et al.Bottom-up and top-down modulation of route selection in imitation [J].Cognitive Neuropsychology，2022，38（7-8）：515-530.

[3] 張茗沁，李繼琴.The Effectiveness of Top-Down and Bottom-Up Process in Listening Comprehension[J].海外英語，2021，（1）：274-275+277.

[4] 文秋芳.認知語言學與二語教學[M].北京：外語教學與研究出版社，2013.

[5] Isaacs T.Integrating form and meaning in L2 pronunciation instruction [J].TESL Canada Journal，2009，27（1）：1-2.

[6] Ellis，Rod.Rod Ellis’s Essential Bookshelf：Focus on Form [J].Language Teaching，2022，（1）.1-16.

[7] Ellis，Rod，et al.Task-Based Language Teaching：Theory and Practice [C]. Camberidge：Cambridge University Press，2019.

[8] 王海嘯，王文宇.創新創優 共建共享——“項目式大學英語教學模式改革虛擬教研室”建設路徑探索[J].外語界，2022，（4）：8-15.

[9] 文秋芳.”產出導向法”的中國特色[J].現代外語，2017，40（3）：348-358+438.

[10] Richards JC，Rodgers TS.Approaches and methods in language teaching [M].Camberidge：Cambridge university press，2014.

[11] Larsen-Freeman，D.I.A.N.E.On language learner agency：A complex dynamic systems theory perspective [J].The Modern Language Journal，2019，103：61-79.

[12] Larsen-Freeman，Diane.Complex dynamic systems theory in second language acquisition [C].London：Routledge，2020.

[13] Krashen，Stephen.Second language acquisition [J].Second Language Learning，1981，3（7）：19-39.

[14] Levelt，W.J.，Roelofs，A.，et al.A theory of lexical access in speech production [J].Behavioral and brain sciences，1999，22（1）：1-38.

[15] 張倩葦，張敏等.高校教師混合式教學準備度現狀、挑戰與建議[J].電化教育研究，2022，43（1）：46-53.

[16] 管艷郡.基于人工智能的英語教學系統設計與趨勢展望[J].中國電化教育，2020，（4）：132-133

[17] 李維，陳樺.面向高水平組學生的大學英語翻轉課堂教學實證研究[J].外語教育研究前沿，2023，6（1）：53-59+94.

[18] Riazi，Mehdi.Concurrent and predictive validity of Pearson Test of English Academic（PTE Academic） [J].Papers in Language Testing and Assessment，2013，2（2）：1-27.

[19] 蔡基剛.課程思政視角下的大學英語通識教育四個轉向：《大學英語教學指南》（2020版）內涵探索[J].外語電化教學，2021，（1）：27-31+4.

[20] Sardegna，V.G.Evidence in favor of a strategy-based model for English pronunciation instruction [J].Language Teaching，2022，55（3）：363-378.

[21] Alen Cruttenden.吉姆森英語語音教程（GIMSON’S PRONUNCIATION OF ENGLISH）[M].北京：外語教研出版社，2001.

[22] Moskovsky，C.，Jiang，G.，et al.Bottom‐up or top‐down：English as a foreign language vocabulary instruction for Chinese university students [J].Tesol Quarterly，2015，49（2）：256-277.

[23] Deborah J.Short.The 6 Principles for Exemplary Teaching of English Learners [EB/OL].https：//www.the6principles.org/about/，2023-05-10.

[24] Tamanno，V.Modern Technologies in Teaching English：Learning，Und erstanding，Speaking [J].European Multidisciplinary Journal of Modern Science，2022，4：548-555.

[25] 彭青龍，蔣洪新.全球大變局時代的文明交流對話與互學互鑒——訪談歐洲科學院院士蔣洪新[J].上海交通大學學報：哲學社會科學版，2022，30（5）：1-14.

[26] 蔣洪新.新時代外語專業復合型人才培養的思考[J].中國外語，2019， 16（1）：1+11-14.

作者簡介：

蔣國武：副教授，博士，研究方向為應用語言學TESOL方向。

A Study on the Empirical Effects of Macro-Micro Pronunciation Training Based on AI Testing

Jiang Guowu

（Yango University， Department of Universal Foundation Studies， Fuzhou 350015， Fujian）

Abstract： In recent years， there has been a call in the academic community for blended teaching designs and interdisciplinary research. However， there are few studies on the effects of “macro-micro pronunciation training” based on artificial intelligence assessment in China. This study focuses on unversity students in Fuzhou City， Fujian Province， and adopts a quasi-experimental design to evaluate the acquisition effects of pronunciation training on the development of English listening and speaking skills among university students. First， 101 initial participants received specialized training for 12 weeks， and were tested using the Pearson Test of English （PTE） simulation modules （Writing From Dictation， Reading Aloud， and Repeat Sentences/WFD， RA， and RS）. Score analysis showed that the post-test and delayed test scores were significantly higher than the pre-test scores. Then， an additional 200 main participants were recruited and evenly assigned to Experimental Group A and Control Group B. The first 100 students received 12 weeks of macro-micro pronunciation training， while the latter 100 students were assigned to natural learning， with the same content and objectives but without the intervention of macro-micro pronunciation training. The test scores were analyzed using SPSS mixed analysis of variance model 2 （Experimental Group A vs. Control Group B） × 3 （Time： Pre， Post， and Delayed）. The results showed that Experimental Group A outperformed Control Group B significantly in the post-test and delayed test scores in all three aspects： WFD， RA， and RS. This study provides insights and constructive implications for the educational reform of applied English programs in universities and IELTS/PTE listening and speaking instruction.

Keywords： Macro-micro Processing； pronunciation-based training； blended design； AI testing

責任編輯：李雅瑄