人工智能背景下高職生基于自測的英語語音學習模式研究

摘 要：本研究旨在探討人工智能在高職生英語語音學習中的輔助作用。通過采用自測學習模式，研究團隊選取某師專一個班38名高職非英語專業師范生為實驗對象，進行為期14周的教學實驗。實驗中，使用基于人工智能的輔助工具，重點關注學生課外的語音學習，鼓勵他們進行自主學習并不斷提升核心素養。實證結果表明，人工智能背景下的自測學習模式提高了學生課外語音學習的質量。本研究對高職生英語語音學習模式的改進和優化提供了有益的啟示，并為未來進一步研究方向提供了參考。

關鍵詞：人工智能；高職生；英語語音學習；自主評測

作者簡介：王磊，連云港師范高等專科學校。

《高等職業教育專科英語課程標準（2021年版）》指出，高等職業教育專科英語課程要培養學生職場涉外溝通和自主學習完善等核心素養。其中，“職場涉外溝通”要求學生掌握必要的語音知識，有效完成日常生活和職場情境中的溝通任務；“自主學習完善”則要求學生養成良好的自主學習習慣，形成終身學習的意識和能力。然而高職院校對英語語音的重要性往往認識不夠，非英語專業也沒有合適的語音教材。由于學生數量多、周課時數少，教師難以在課堂上有效完成對學生的語音訓練。但學生課后的語音學習既缺乏自測方法，也缺乏糾錯指導，導致語音學習效果不好，學習質量不高。大多數學生在經過3個學期的英語學習后，語音方面的問題仍然沒有明顯改善，語音教學現狀與課程標準的要求之間存在較大差距。

一、研究現狀綜述

（一）國外研究現狀

全球最大的教育出版集團培生教育2016年度報告指出，應用人工智能按照其為教育所能提供的支持主要分為三類：個人導師、協作學習智能輔助和智能虛擬現實。2019年聯合國教科文組織發布《教育中的人工智能：可持續發展的挑戰和機遇》報告，認為通過人工智能技術重塑教育生態意義重大。2022年的地平線報告認為人工智能在學校和教育中已經無處不在。

Meyerson認為，當今的學習者并不愿意坐在常規的教室里接受培訓，而是傾向于高速的、自適應的學習方式。Agarwal等的研究指出，不同層次的學習者可以采用不同的計算機輔助發音訓練系統，CAPT系統可以檢測到86%的語音錯誤，幫助學習者減少23%的發音錯誤。

2016年國外發表的一項研究表明， 51名學生通過MyET平臺的訓練，發音質量評測平均分由前測的51.05，提升至二測的57.79和后測的65.53。Moussalli的研究表明，智慧型個人助理App能夠幫助非母語英語學習者增強語音意識和感知能力，并顯著提高學習者對于英語過去式標記“-ed”在不同動詞中發音的準確性。這兩項研究驗證了智能系統對高校非母語英語學習者語音訓練的有效性。

Rogerson-Revell認為，CAPT能夠提供個性化、無壓力、自定節奏的學習環境和即時的、定制化的反饋。此外，機器作為評估者，在消除人為偏見、注意力分散和主觀誤差方面，還存在較為顯著的優勢。

（二）國內研究現狀

萬濟萍指出，當計算機錯音檢測的準確性達到或接近教師的水平，學生才有可能借助機器實現語音的自我檢測。梁迎麗等也認為，評價的信度和效度是影響口語測試的重要因素。2016年，微軟將英語語音識別錯誤率降低到了5.9%，達到了與人類接近的水準。科大訊飛已經實現了高達97%的識別準確率。陳樺、李景娜認為，隨著語音識別技術的發展，可以開發用于語音評測的計算機自動評分系統。李榮認為，應當基于人工智能App構建智慧學習環境，實現課前、課中、課后語音訓練智慧化，為全面改善學生的語音面貌打好基礎。

隨著2016年興起的新一波人工智能的發展浪潮，“人工智能+語音教學”受到了更多學者和教師的關注。學界普遍認為，基于人工智能的語音評測和智能導師系統有潛力為學生的自主學習構建智慧化的學習條件。這也有可能幫助學生解決課后語音學習缺失的問題，但有關“人工智能背景下高職生基于自主評測的英語語音學習模式”還并沒有得到深入研究，這也成為本研究將要著手探索的問題。

二、研究設計

（一）研究目標

解決非英語專業高職師范生課外英語語音學習缺失的問題。

（二）研究內容

1.研究問題

（1）非英語專業高職生如何在人工智能的輔助下進行課外語音學習；

（2）人工智能背景下高職生基于自測的英語語音學習模式效果如何；

2.學習模式設計

主要包括4個方面的問題：學習目標、學習內容、學習過程、學習評價：

（1）學習目標。根據課程標準要求，學生要掌握必要的英語語音能力，達到英語課程核心素養的要求。具體而言，要減少大學生英語發音可理解性失誤的元音音素出現的頻率，如單元音音長問題、單元音音質問題、雙元音與單元音混淆、雙元音之間混淆等，提高學生英語口語的可理解性。

（2）學習內容。以當前使用的教材《新時代實用英語綜合教程》第二冊6個單元的對話部分為主要學習內容，中國文化部分和閱讀部分為可選學習內容。

（3）學習過程。

學習方法：教師指導下的自主學習。教師把語音學習內容根據學期課程安排做好規劃，定期下發給學生，學生接收到語音學習任務后，先通過模仿音頻或視頻課件進行朗讀練習，然后在人工智能工具的幫助下進行語音自主評測和練習；再把學習后的錄音上傳至超星學習平臺，在平臺上接受同學評價和教師評價。

學習條件：學生需要掌握人工智能口語評測和發音指導等兩類工具的使用。首先，智能訓練類，可以采用“我在AI”或“Call Annie”，幫助學生建立人機協同的英語學習環境。其次，智能評測類，可使用搜狗AI口語評測（也可以使用馳聲口語評測或聲通口語評分引擎），在AI口語評測工具的幫助下定位發音有誤的單詞。最后，發音指導類工具，可以使用有道詞典的發音指導功能，從音節層面定位錯音，幫助學生更精確地定位并糾正錯音。

學習流程如下圖：

（4）學習效果評價。機評、互評、師評相結合。機評主要是指學生可以通過智能應用評測自己的發音質量；互評則是通過超星教學平臺獲得同伴對自己發音質量的評價；師評由教師進行人工測評。

3.行動研究

選取22級一個班作為實驗班，進行為期一個學期14周的教學實踐，嚴格按照教學模式的設計指導學生進行英語語音學習。

4.學習模式評價

（1）通過前測和后測，統計、分析、檢驗學習模式是否能夠幫助學生解決發音問題，提高發音質量；

（2）通過座談、訪談和問卷調查學生對該學習模式的主觀感受，評估該學習模式是否能夠幫助學生形成課外英語語音自主學習的習慣和能力；

5.研究方法

研究方法主要包括行動研究和數理統計。

（1）行動研究方面，選取課本必學內容作為測試內容，選取一個班作為教學實驗和分析對象，該班級共38人，全程參與教學實驗和測試，無人缺席。

（2）數理統計方面，對教學實驗對象進行四輪前測和后測，對檢測結果進行配對樣本T檢驗，分析所構建的學習模式的有效性。

（3）測試數據收集方面，學生通過人工智能打分軟件獲得機評自測成績；通過某教學平臺提交機評結果和錄音，在教學平臺進行生生互評和教師評價，對學生的語音成績進行綜合評價。最后將學生的4組前測和后測數據輸入SPSS進行配對樣本T檢驗。

三、研究結果

（一）學生四輪語音測試成績配對樣本T檢驗結果（見表1）

其中，第一輪測試結束后，筆者認為教師在學生學習過程中的參與度過低，因此在此后的教學活動中加強了對學生課外活動的組織和引導，并在課堂中對學生展示環節表現出的語音缺陷進行了針對性的分析和糾正。從上表可以看出，四輪測試的配對樣本均呈現出顯著的差異性（plt;0.05或 plt;0.01） ，四輪測試的后測比前測分別高2.29、5.45、3.47和3.71分。從差值來看，第二輪測試的平均分數提升幅度明顯高于第一輪測試，盡管第三輪和第四輪測試分數提高幅度有所回落，但仍顯著高于第一輪測試。

（二）問卷調查情況

問卷發出38份，收回有效問卷37份。問卷設計主要關注學生對于人工智能輔助語音學習的主觀體驗，問卷結果總結如下：

1.智能語音打分的準確性方面，38人中有23人認為智能語音打分軟件能夠較為客觀地反應自己的語音水平，占比62.9%；11人表示不清楚，占比29.7%；3人認為不能，占比8.1%。多數學生認為人工智能對語音的打分較為準確。

2.智能發音指導工具有效性方面，38人中有29人認為電子詞典的智能發音指導功能能夠幫助自己提高自己的單詞發音質量，占比78.4%；4人覺得不清楚、4人覺得不能，占比為10.8%。大多數學生肯定了人工智能發音指導工具的作用。

3.在人工智能語音學習App的易用性方面，18人認為好用，18人認為不好用，占比均為48.6%，1人認為不好用，占比2.7%。多數學生認為人工智能語音學習App的易用性存在問題。

在后續的訪談中，有學生認為人工智能語音學習App往往存在功能單一、集成度不高的缺陷。具體表現為有的人工智能可對學習者的發音進行評測，但不能提供發音指導，另外一些人工智能可以提供發音指導，但又依賴學生自己發現自己的發音錯誤，同時具備語音評測和發音指導的人工智能工具還相對缺乏。

四、討論

研究結果表明，學生能夠在人工智能輔助下顯著提高自己課外的語音學習質量。同時也要看到，由于人工智對學生學習的組織和管理方面沒有強制性，要想充分發揮人工智能的學習輔助功能，首先要依靠學生的主觀意愿，其次也需要教師的組織和引導。此外，多數人工智能輔助學習應用并不免費，對于學生學習來說，成為較高的門檻。如果高校使用的各大教學平臺能夠將這些功能集成到平臺中去，則一方面能夠提高學生自主學習的便利性，另一方面也能夠提升自己平臺的競爭力。

五、結語

人工智能背景下高職生基于自測的英語語音學習模式針對高職學生語音學習效果不好、學習質量不高的問題，聚焦學生課外語音學習，通過為期14周的教學實踐，證明學生有能力在人工智能的輔助下有效提高課外英語語音學習的質量。當然，本研究也存在一些局限性，研究樣本來自一個班級，不同班級和專業的情況可能更為復雜，后續可以擴大采樣面積，引入更多變量，進一步提高研究結論的精確性。

參考文獻：

[1]Rogerson-Revell P M. Computer-Assisted Pronunciation Training（CAPT）： Current Issues and Future Directions[J]. RELC Journal， 2021（1）：189-205.

[2]萬濟萍，肖云鵬，葉衛平.錯音檢測及其在語音教學中的應用綜述[J].中文信息學報，2009（4）：95-102.

[3]李開復，王詠剛.人工智能[M].北京：文化發展出版社，2017.

[4]李霄垅，王夢婕.基于語音識別App的同聲傳譯能力培養教學模式建構與研究：以科大訊飛語記App為例[J].外語電化教學，2018（1）：12-18.

[5]陳樺，李景娜.英語語音評測的現狀與思考：一項對標準化口試評分員的調查[J].外語與外語教學， 2017（5）：81-87，131，149.

[6]李榮.基于智慧學習環境的高職英語語音教學探索[J].校園英語，2022（46）：22-24.

基金項目：本文系2022年江蘇省職業教育教學改革研究課題（項目編號：WYZZ10）的研究課題成果。