國內大語言模型輔助意大利語教學的能力探析

引言

2017年7月，國務院印發的《新一代人工智能發展規劃》提出，要利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系[1。2018年1月，中共中央、國務院印發的《關于全面深化新時代教師隊伍建設改革的意見》要求教師主動適應信息化、人工智能等新技術變革，積極有效開展教育教學[2]。2018年4月，教育部印發《高等學校人工智能創新行動計劃》提出加快人工智能在教育領域的創新應用，利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升[3]。2024年3月，教育部發布4項行動助推人工智能賦能教育，邀請“大咖”談AI、組織名師教AI、鼓勵師生學AI。在2024世界慕課與在線教育大會上，教育部副部長吳巖指出，伴隨人工智能快速興起，高等教育正在加速進入智慧教育階段，“智慧教育元年”已經到來。利用人工智能賦能教育成為大勢所趨，如何讓智能賦能教育成為外語教育教學改革的思考方向。

一、人工智能和大語言模型的定義

人工智能（Artificial Intelligence，AI）是計算機科學的分支，通過模擬人類智能的過程來開發能夠執行通常需要人類智慧的任務的機器或計算機程序。1956年在美國東部的達特茅斯學院舉行的達特茅斯會議上，計算機科學家約翰·麥卡錫等人首次明確提出了“人工智能”這一術語，標志著人工智能作為一門獨立學科的正式誕生。隨著計算機技術的快速發展和大數據的廣泛應用，人工智能在21世紀初迎來了飛速發展。特別是在深度學習等新興技術的推動下，人工智能在圖像識別、語音識別、自然語言處理等領域取得了顯著成果，并逐漸滲透到各個行業和日常生活的方方面面。

大語言模型（LargeLanguageModel，LLM）是AI領域的一個重要分支，專門用于處理和生成自然語言文本。其核心是通過訓練大量的文本數據，學習到語言的語法、語義和上下文信息，從而能夠生成符合語法規則且具有意義的文本。近年來，國內外涌現出眾多優秀的大語言模型，如OpenAI的GPT系列，百度公司的文心一言、科大訊飛公司的訊飛星火、阿里云公司的阿里通義千問、智譜AI公司的智譜清言等。這些模型在多個領域取得了顯著成果，如智能寫作、機器翻譯、對話系統等。將大模型應用于外語教學，能夠提高教學效率，為外語教學的提質升級和創新創造了條件，提供了手段。

二、大語言模型在意大利語教學中的應用評估

目前，國內大語言模型在英語應用方面已經相對成熟，而在意大利語應用方面則仍處于發展階段。本文以文心一言、訊飛星火、智譜清言、阿里通義等大語言模型為研究對象，將這些模型應用于意大利語教學中，旨在探索它們在人機對話、文本翻譯、文本解析、文本續寫、文本生成、試卷命題及作業批改等教學輔助方面的功能與應用效果，以期為意大利語教師提供新的教學方法和思路。

（一）人機對話

筆者使用意大利語分別與這幾個大語言模型進行了交互提問。結果顯示文心一言、智譜清言和阿里通義均能夠理解意大利語提問并作出相應回復，而訊飛星火暫時只支持中文/英文對話。

文心一言表示其作為語言模型，不具備語言等級認證資格，但能夠流利地使用意大利語進行問答和文本生成。智譜清言則自評其意大利語水平大致在B1/B2級別之間。而阿里通義則聲稱其意大利語能力可達到歐洲共同語言參考框架（CEFR）中的最高級別C2，能夠幾乎完全理解并使用意大利語進行書面和口語表達，準確且流利地與母語者交流，處理抽象復雜議題，且對語言的細微差別有良好掌握。相比之下，訊飛星火自述目前主要支持中文/英文對話，其意大利語能力大致對應到A2一B1水平，能夠進行基本交流和理解日常用語，但在處理更復雜對話或專業內容時可能存在不足。

（二）教案生成

筆者上傳《新視線意大利語（修訂版）2》第3單元的對話《跟羅馬一樣漂亮》文本，要求大語言模型根據內容生成一份 40min 課堂的教案。經過實踐，發現所測試的語言模型均能夠成功生成一份內容完整、結構合理的教案，內容與課文相符，環節設計也都包含了教學自標、教學內容、教學過程、作業布置等幾個板塊。

以文心一言語言模型生成的教案為例，該教案不僅完全符合上述要求，而且在細節處理上也表現出色。它巧妙地結合了課文內容和教學實際，設計出了一系列既有趣又富有挑戰性的教學活動，有效激發了學生的學習興趣和積極性。此外，教案中的作業布置也緊貼課文內容，既鞏固了新知，又為學生的進一步學習提供了有力的支持。

（三）文本翻譯

筆者選取5篇意大利語水平等級為B1的文章，作為測試大語言模型意大利語至中文翻譯能力的素材。通過細致的對比分析發現，所測試的大語言模型在整體上均展現出較為出色的翻譯能力，能夠基本準確地傳達原文的意思，且譯文表述流暢，符合中文的語言使用習慣。

具體而言，文心一言、智譜清言和阿里通義等大語言模型在翻譯長句和復雜句時表現出較強的理解和處理能力。它們能夠準確地把握原文的語義結構，將意大利語中的長句和復雜句恰當地轉化為中文表達，保持了原文的準確性和流暢性。

然而，在測試過程中也發現，訊飛星火等大語言模型在翻譯某些長難句時出現了漏譯或理解錯誤的情況。這表明，盡管大語言模型在文本翻譯方面取得了顯著進展，但在處理特定類型的句子時仍存在一定的局限性。

（四）文本的深度解析

1.重難點詞匯與表達方式的提取：

筆者選取《新視線意大利語2》第4單元的《講錯的故事》作為研究材料，要求各大語言模型列出課文中的B1等級重難點詞匯、詞組和表達方式，并給出相應例句。測試結果顯示，這4個大語言模型均展現出了一定的詞匯提取能力，均能提供相關的詞組和表達方式，并各自給出了一個例句作為說明。具體而言，文心一言列出了10項，訊飛星火列出了8項，智譜清言和阿里通義則均列出了11項。

2.內容理解

筆者以同一篇課文為例，要求大語言模型在閱讀文章后回答兩個具體問題：（1）按照爺爺的講述，最開始媽媽讓小紅帽去做什么？（2）為什么文章中的爺爺講的故事是錯的？

對于第一個問題，正確的答案應是“按照爺爺的講述，最開始媽媽讓小紅帽去做的事情是去給迪奧米拉阿姨送土豆皮”。測試結果顯示，僅有文心一言和阿里通義準確回答了這一問題，顯示出它們在文本細節理解方面的較強能力。

對于第二個問題，正確的答案是“爺爺故意講錯故事是因為爺爺想做自己的事情”。然而，各大語言模型的回答均較為寬泛，未能直接命中要點。文心一言指出爺爺在講述過程中不斷出現錯誤和混淆，可能是由于記憶力不佳、注意力不集中或幽默戲謔的方式；訊飛星火認為錯誤可能是由于記憶模糊或故意為了幽默效果而編造；智譜清言提出爺爺可能忘記了故事的真實內容或在故意逗弄小紅帽；通義則綜合了記憶力混淆、幽默感、孫女的糾正以及對故事細節的錯誤理解等多個因素。這些回答雖然均有一定合理性，但均未直接指出爺爺故意講錯故事的真正原因，顯示出大語言模型在深層次文本理解和推理方面仍存在一定的局限性。

3.故事續編

筆者還是以這篇課文作為材料，要求各大語言模型在此基礎上進行故事續編，以檢驗大語言模型在故事創作和情節拓展方面的能力。

測試結果顯示，幾個大語言模型均展現出了較高的故事續編能力。它們不僅成功地延續了原文的故事線索，還在保留原文風格的基礎上，巧妙地融入了《小紅帽》的經典情節，使續編故事既具有連貫性，又增添了新的趣味點。

值得一提的是，文心一言和通義千問在續寫過程中，還自發地加入了思政元素，使故事在娛樂性的同時，也具備了教育意義。文心一言在續編中巧妙地教育孩子們，雖然樹林可能充滿未知和可怕的事物，但只要有勇氣和智慧，就能克服任何困難，這一元素強調了勇敢和智慧的重要性，鼓勵孩子們面對挑戰時保持積極的心態。而通義千問則在故事中提醒孩子們要謹慎行事，不要輕易相信陌生人，這一元素則強調了安全意識和自我保護的重要性，對孩子們進行了潛移默化的安全教育。

綜上所述，大語言模型在文本的詞匯提取和簡單事實性問題回答方面表現出了一定的能力，但在深層次文本理解和推理方面仍有待提升。在故事續編方面展現出了較高的創作能力和情節拓展能力，并且能夠在不破壞原文風格的前提下，巧妙地融入其他元素。

（五）作業批改

筆者上傳了一份學生撰寫的求職信，要求各語言模型對信中的語法錯誤進行改正，并對文章進行潤色，以使表達更加地道。

測試結果顯示，所有參與測試的語言模型均能給出批改結果。然而，在細致比較后，筆者發現智譜清言的表現尤為突出。智譜清言不僅準確地改正了文章中的語法錯誤，還對文章進行了全面的潤色，使語言表達更加專業、地道，語氣也更加正式、自然。尤為值得一提的是，智譜清言是唯一一個在沒有任何進一步提示的情況下，能夠根據寫信人的女性人名，自主地將文章中的形容詞都改成陰性形式的語言模型，這充分展示了其在語言性別適應性方面的出色能力。

文心一言和通義千言的表現也頗為良好。雖然它們在第一次給出的結果中沒有進行詞性轉換，但在筆者進一步提示寫信人為女性后，都能夠迅速作出調整，對文章中的形容詞進行了相應的改正。這表明這兩個語言模型在接收用戶反饋并進行相應調整方面具有較強的靈活性。

相比之下，訊飛星火的表現則略顯欠佳。其給出的批改結果中出現了詞性以及單復數的語法錯誤，這在一定程度上影響了文章的準確性和流暢性。因此，在作業批改功能的評估中，訊飛星火還有較大的提升空間。

（六）試卷命題

1.文本生成

筆者上傳一篇CILSB1等級考試的閱讀文章（字數為437字），要求各語言模型判斷該文章的意大利語語言等級，并生成另外一篇與其語言水平相當的意大利語文章。測試結果顯示，各模型在判斷文章語言等級和生成相似文章方面存在差異。

文心一言判斷文章的語言等級為B1一B2，并成功生成了一篇與之內容和等級均相似的文章（字數為317字）。智譜清言同樣判斷文章的語言等級為B1一B2，并給出了另一篇與之內容和等級均相似的文章 （字數為330字）。通義千問則判斷文章的語言等級為B2，并生成了一篇與之內容和等級均相似的文章（字數為279字）。而訊飛星火在測試中的表現則不盡如人意。其給出的回復是暫時無法支持該語言，無法完成判斷文章語言等級和生成相似文章的任務。

2.單項選擇題生成

筆者要求各語言模型根據上述文章及內容，生成同等級的意大利語文章，并設置7道單項選擇題，每題包含4個選項，其中僅有一個正確答案，并需給出答案解析。

實驗結果表明，智譜清言和通義千問模型在此任務中表現優異，僅需簡單指令即可生成符合要求的結果。文心一言模型在經過多次指令調整后，也能成功生成所需內容。然而，訊飛星火模型在此項任務中仍然無法勝任，未能完成生成任務。

（七）范文寫作

筆者設定了一個寫作題目，并要求各大語言模型分別撰寫一篇字數在100一120個單詞之間的范文。具體結果如下：文心一言生成的范文字數為80個，未達到要求；智譜清言所撰范文字數為81個，同樣未達標；通義千問則成功撰寫了一篇118個單詞的范文，符合題目要求；而訊飛星火則表示暫不支持完成該語言任務。因此，在本輪測試中，僅通義千問模型達到了既定的寫作要求。

結語

通過上述研究結果的深入分析，可以明確地看出，大語言模型在輔助意大利語教學方面展現出了巨大的潛力與價值。具體而言，教師可以充分利用大語言模型的強大生成能力，快速且高效地生成豐富多樣的教學材料，設計課程、撰寫教案、編寫試卷和試題，從而極大地提高了備課的效率與質量。當教師對大模型生成的內容在主題或質量上有所不滿時，還可以通過精心設計的提示語進行調整和引導，使大模型能夠更準確地生成符合教學需求的內容。教師還可以通過修改提示語的方式，靈活地融入思辨、思政以及跨文化等多元教學元素，進一步豐富教學內容的深度和廣度。然而，大語言模型在輔助意大利語教學的過程中也并非完美無缺，存在一定的局限性。由于大語言模型的翻譯結果主要基于模式匹配和統計數據，這可能導致其在處理具有特定文化背景和語境的語言材料時，出現錯譯或誤解的情況。因此，教師在使用大語言模型提供的翻譯結果和資料時，必須保持謹慎的態度，對其翻譯質量以及資料進行全面而細致的評估，并結合實際教學情境進行必要的修正和調整，以確保教學的準確性和有效性。展望未來，隨著人工智能技術的不斷發展和普及，大語言模型將朝著更加智能化和個性化的方向發展。這意味著大語言模型在輔助意大利語教學方面的能力將越來越成熟，為外語教學帶來更多的可能性和創新點。面對這一趨勢，外語教師需要積極應對人工智能帶來的沖擊和改革挑戰，不斷提升自身的專業素養和教學能力，同時積極探索與人工智能協同教學的新模式和新方法，以更好地適應未來外語教學的需求和發展。

本文系海南外國語職業學院2024年校級課程立項建設項目《基礎意大利語》（項目編號：Hwykc2024-07）的研究成果。

參考文獻：

[1]王定華，楊丹.智能與賦能：中國外語教育數字化展望[M].北京：外語教學與研究出版社，2022.

[2]張妮，黃柳萍，郭治豪.智慧教育時代職業教育教師信息化教學能力發展途徑研究[J].職業技術教育，2022，43（11）：28-33.

[3]袁華，劉玲玲.人工智能視閾下高校優質數字化教學資源建設與應用研究[J].創新創業理論研究與實踐，2022，5（23）：89-91.

（責任編輯：袁麗娜）