文摘
人工智能的快速发展给大学英语教学带来了新的发展机遇和挑战。本文探讨了“智能教育”的概念,建立一个生态信息化教学模式的路径通过解释英语学院的人工智能的概念,深入学习、生态语言学和语言教育。人工智能,特别是深度学习,将承诺在许多方面,如语言学习者的个体差异的分析,定制学习内容,多样化和三维教学媒体,教师作为智能教室设计师的角色,和多维动态造型的评估。依靠深度学习的数据挖掘技术来分析学习者的特征、智能教室设计,促进语言学习者的自主学习,以及建立动态和完整的学习资料,语言学习的过程不再是一个线性过程,而是一个不断发展的开放的循环,最终形成一个和谐发展的各种生态位在语言学习的过程。在本文中,我们研究和设计基于深度学习英语信息学教学系统开发深度上优于评分预测模型。模型包含基于词的深度学习模型嵌入和文本卷积网络,它可以揭示隐藏的学者们对英语的兴趣特征。实验研究结果表明,在线学习服务平台不仅有效地满足大学生的多元化和个性化的英语学习需求,也是提高教师和学生的学习效率。
1。介绍
深度学习技术的应用程序可以显示一个独特的优势领域的英语学习起着重要的支持作用在学生的学习和教师的教学。它的角色在促进英语教学改革的探索而言,写作,翻译,听力,和口语。关于写作,(1包括英语专业写作教学的深度学习,其中应用程序主要是关于英语作文内容的批评。深度学习平台上的自动校正系统可以分析学生的英语作文非常全面,做出基本判断结构的学生论文,及时修正拼写错误和语法错误在学生的论文,并提出及时的修正。教师还可以使用系统的自动反馈机制来手动纠正学生的论文第二次和学生提供进一步的反馈。同时,老师也可以掌握学生的学习情况根据系统给出的评估报告和实施合理的课程改进,这是很重要的教学方法的改进和升级的教学体系2]。探索的形式翻译的角色,我们提到深度学习教英语专业翻译人员,使领域的显著成绩和突破英语翻译和英语教学取得了一定的教学成果的翻译。首先,深learning-assisted翻译系统的使用英语翻译可以显著优化英语翻译的基本过程。这是特别重要的学生能够翻译英语精通地未来,应用他们的学习。其次,英语翻译软件和基于云服务的平台可以帮助学生解决许多困难翻译点,这在一定程度上可以提高学生的信心,激发他们对学习英语的兴趣在更深的层次上。最后,翻译任务设定的智能云平台可以使用人工智能跟踪每个学生的翻译,形成评估报告,可以掌握学生的翻译特点和问题及时、准确,实现个性化教学指导和改善教学课程。在深入研究大学英语听力教学,听力训练的重视发展学生英语素养的3]。然而,许多学生对听英语听力材料的无聊的内容和听力的难度。深度学习语言平台可以为学生提供大量的听力材料和各种各样的困难和主题来满足不同学生的不同需要英语听力。在这种环境下,学生不仅可以根据他们的兴趣选择相应的英语学习材料,深入学习,而且深度学习可以自动匹配合适的听力材料和学习内容的学生通过分析他们的基本信息。最后,专业的英语口语评估是一个重要方面。学习语言的目的是为了实现更好的沟通和交流。因此,在实际的教学过程中,要加强学生学习和掌握英语口语,帮助他们提高他们的英语技能(4]。深度学习有一个很大的优势在教学英语作为一门外语,英语交流环境变得更加丰富多彩的教育机器人,因为和实时对话帮助学生使用英语。教育机器人可以伴随着学生和与它们进行交互来创建一个持续和自然环境中使用英语,这个过程可以帮助学生提高他们的英语技能,缓解他们的紧张与真实的人。
2。相关的工作
在本节中,讨论学习语言策略;使用一些技术、流程和评估。
2.1。英语信息学的教学策略
AI的深化英语教学等多个视角的教学评估,教学平台优化和教学辅导,它带来了新的创造力为学生和教师的教学空间,大大提高教学效率和优化学生的学习经验在同一时间(5]。首先,在preclass准备阶段,引入人工智能教学平台给教师带来了自然免费资源库,同时,教师可以在任何时间和任何地点共享教案跨越时间和空间的间隔来实现资源的最优利用。最后,在课后评估阶段,人工智能教学结束不需要担心的脸,无论是老师或学生对老师的总结评估。评价应该更公平公正,也更有利于双方及时发现并纠正问题[6]。个性化教育是更倾向于出口更具创新性、个性化人才的社会比传统教育“统一生产,”,这与老师的有限能源。个性化教育要求教师制定有针对性的发展战略通过了解学生的心理特点和利益。这个冲突也解决了大型数据库的AI-enabled教育系统(7]。数据库判断基于学生自身学习偏好、学习能力和学生的实际学习情况,进行一系列的学习计划根据每个学生的不同情况。数据库还将在此基础上,收集每个学生的学习动态,根据他们的学习动力调整课程以真正教学适应学生的需要,实现个性化的发展(8]。关于之前列举了考试和评价体系引入到教学评价人工智能系统,每日测试问题是由一个或多个教师,但这种方式给予问题有很大的人为因素。一方面,教师不能完全把握试题的难度,还有缺乏标准化;另一方面,因为不同的老师有不同的教学风格和教学生有不同的强调知识的点,很难考虑。另一方面,很难考虑到所有学生的学习进程,因为不同的老师有不同的教学风格和教学生有不同的重点。智能系统的引入后,试题由系统结合数据库,根据教学大纲的要求,基本上和测试方法是多样化的,这样测试问题可以智能地由根据不同学生的在线学习记录,和学生可以有目的地监控,这样学生可以找出他们还没有掌握在测试的过程中,哪个更有利于检查测试的差距,发挥评价的作用。此外,人工智能系统可以标记文件本身学生完成考试后,减少了教师的工作量。数据驱动有效促进教学工作量化后的人工智能教学结束是基于数据库的数据资源丰富,为教学提供信息,同时设计程序,发挥良好的作用,支持教师的教学工作。例如,教师可以使用移动终端登录,以判断学生的课堂出勤率,使用数据终端问题实践问题,这可以有效地查看学生的回答想根据他们的回答记录,并防止抄袭作业等行为和学生的后期甚至nonsubmission作业中存在的传统教育,并释放每日必不可少的词量通过移动终端查看学生的单词储备。这相当于把老师的职责更清晰。 The teaching work and the amount of students’ learning are quantified in chunks, which provides a good quantitative reference for the later evaluation of teaching work. Synergistic human-machine development artificial intelligence is, after all, a software system developed by human beings. From the perspective of science and technology, AI education has both its human side and its limited side. Therefore, the use of AI in teaching usually reflects a clear human-machine synergy, with the teacher still playing a major role in education and AI serving as a supporting role for meeting the teacher’s daily teaching needs [9]。如图1,AI可以执行数据挖掘通过记录和分析学习者的历史数据和集成数据通过深机器学习来做进一步的深入分析和研究。具体地说,人工智能可以形成一个英语学习者的基本建模基于他们的基本资料(如年龄、性别、学习经历和认知水平),然后完善学习者类型基于他们的英语学习资料,社会概要文件和其他资料提供技术支持创建一个个性化的英语教学模式10]。
2.2。教学过程和评价
教学过程和评估图所示2。
现代教育更多的关注学生的个性化发展和全面发展。实现学生的个性化发展,第一步是引导他们掌握个性化学习方法(11]。所谓的个性化的先决条件是结合不同学生的学习情况,不推广,但教育区分为不同的学生。在传统教育的条件下,一个老师需要面对几十个学生,使得差异化教学的实现困难重重。但随着人工智能平台,每个学生的学习动力可以实时记录系统上,和老师可以了解每个学生的学习水平基于他或她的学习记录,引导学生进行有针对性的练习。例如,一个学生的学习记录显示,他经常犯错误在被动语态,所以老师可以通过记录时间理解它在教学方面,同时可以通过手机端发送相关练习给他一对一的指导。同时,不同学生的实际情况在系统中用于建立不同的教学方法,这有利于提高教学效率。如图2,基于人工智能技术的LMS软件可以对整个教学过程提供技术支持(12]。
语言技能包括四项技能的听,说,读,写的能力一起使用这四个技能。倾听是对学生的一种方式输入大量的语言知识,和口语是语言表达的主要通道。因此,听力和口语技能是语言运用能力的基础,听力和口语课也是一种重要的一课的英语课程。对于大多数中国小学生,小学是学习英语的开始阶段。在小学英语教学13],发展学生的听说能力起着至关重要的作用在发展学生的综合语言技能。然而,仍然有一些问题在初级英语听力和口语教学;例如,一些教师还更关注培养学生的应试能力而忽略培养学生听力和口语能力;英语课堂缺乏真实的语言环境,再加上母语的影响,使英语语言交际环境相对缺乏;一些老师仍然依靠机械操练,课堂听力和口语活动缺乏兴趣和品种,不能有效地刺激学生的意愿参与听力和口语活动;在教室里学生被动地接受知识,他们的高阶思维不是有效地开发。深度学习的概念起源于人工神经网络领域,已逐渐应用于教育领域(14]。传统浅学习更机械、被动的学习方式,忽视知识的内在联系和转让。相比之下,深度学习是指学生利用多步分析和处理策略,如概念转换、认知结构的发展,资源互动,和反射复议,为了更深入的了解知识。从本质上说,学习是一个活跃的深处,探究,comprehension-based明智地使用高阶思维的学习方式,需要学习者实现有效的知识转移和应用。深度学习提倡学生学习理解的基础上,然后连接新旧知识,实现知识的转移和应用,从而帮助学生发展他们的创造性思维,批判性思维,以及其他高阶思维能力。练习的必要性深度学习听力和口语教学中英语课程标准指出,培养学生观察、记忆、思维、想象力和创新精神是英语课程的基本任务之一,在基础教学阶段,正值深度学习的本质。整个教学过程可以用人工智能的帮助下,监督和结构和指标评估的教学活动可以和反馈给教师和学生的教学和学习终端及时促进整个生态建设科学、有效的教学活动。可以说,人工智能中起着决定性的作用在整个教学会话(包括教学内容的制定,教学活动的发展,和学习过程的评估)。深度学习使教学环节不再一个封闭系统,而是发展成为一个开放的循环发展的螺旋。然而,我们需要认识到,AI平台只是创建了一个新的环境生态大学英语教学。 After all, language teaching is a human-centered activity, and ecological college English teaching must comply with the law of second language acquisition and coordinate the relationship between teachers and students and their interaction with the teaching environment to ensure a dynamic and balanced relationship for its benign development. The intervention of artificial intelligence enables teachers and students to interact and collaborate on an intelligent platform and build an open, holistic, and sustainable virtuous language learning ecology, allowing students to generate knowledge and skills in a dynamic way and to perceive and internalize them in the process of interactive experience. Although the powerful technology supports us in sketching the future picture of college English teaching, how to make it a reality remains to be further thought and explored. In general, we need to follow the following “changes” and “constants” in university English teaching integrated with AI: the way English learners learn changes (i.e., more emphasis on “contextual” and “interactive” learning, “interaction,” “experience”) and the realization of a native language environment or near-native language environment on top of the platform created by technology; English learning is moving towards ubiquitous learning. The role of English teachers needs to be changed to become intelligent classroom designers, organizers, and leaders of activities; their practical knowledge needs to be updated to become a lifelong learner with subject content knowledge and pedagogical knowledge and adept at using technology for blended teaching. Their practical knowledge needs to be updated to become lifelong learners who have subject content knowledge and pedagogical knowledge, and are adept at using technology to carry out blended learning; their assessment methods change; that is, they no longer use the “one-test-for-life” summative assessment, but fully use the real-time monitoring function of big data to model and profile learners so that assessment becomes both the temporary end of the learning task and the new starting point of the next task. In the AI-assisted classroom ecosystem, what remains unchanged is the “learner-centered” approach, with the teacher being the guide and the technology being the intermediary; the ultimate goal is to equip learners with independent learning, self-directed learning, and problem-solving skills through “scaffolding.” The ultimate goal is to equip learners with the awareness and ability to learn independently and solve problems through the role of “scaffolding.”
3所示。系统分析和设计
在本节中,基于深度学习英语信息学教学系统设计开发一个基于深度学习评分预测模型。我们分析这个系统,讨论了框架设计除了系统功能设计,最后整体模型设计。
3.1。系统分析
与越来越多的英语信息发布的课程教学体系,用户很容易被大量的课程资源,而很难获得他们所需要的资源。基于深度学习英语教学智能策略系统可以显著改善上述问题。该系统是基于深度学习智能推荐技术,可以从复杂的信息中提取所需的信息,也让用户基于日志信息的建议。迄今为止,推荐系统已经收到了很多的关注和广泛的应用。尽管传统的推荐方法可以完成推荐任务,他们有有限的影响本身的问题和Xi-number矩阵。包含多个异构信息的混合推荐方法可以缓解上述问题,但它也面临着挑战,当辅助信息大规模、多通道、数据异构、数据稀疏,且分布不均。有用户提供不同的权利在英语教育信息系统:管理员和学习者。不同的用户有不同的系统的透明度。学习者可以注册学习,选择和浏览在线课程和实验情况,并在论坛帖子和回复帖子。管理员具有最高的权威角色。 The corresponding functions are key information management (management of students, main course information), user management (user rights and information), learning resource management (course resources, video resources), background management, and information analysis.
3.2。系统整体框架设计
基于深度学习英语信息学教学策略系统包含各种子系统和业务功能,也分为许多模块和组件根据Vue.js的组件化和模块化思想。的各种功能组件化的系统之间的耦合降低,并在可重用性有一个质变。系统包括四个层次,即系统门户层、应用程序模块层、功能模块层,数据存储层。
(1)系统门户层:为不同的用户提供不同的服务。学习者可以学习视频、浏览课程材料,和网上提问;管理员可以管理学习信息、课程资源,并回答问题。(2)应用程序模块层:它描述了每个模块的实现步骤操作:vue。js前端开发,vue-video-player开源视频播放插件,Axios HTTP请求,深度学习模型进行数据处理和分析。(3)功能模块层:它表达和划分不同功能和处理数据的子模型进行数据处理和分析。深度学习模型是进行数据处理和分析。(4)功能模块层:它表达和划分不同的功能和连接的子数据层提供信息传递服务的操作数据存储层。(5)数据存储层:它存储的信息不同的用户和系统的信息。它包括学生信息、论坛信息,课程信息和管理信息。
3.3。整个系统的功能设计
该系统是基于B / S架构,使用MVC模型,前端由Vue实现。js框架和后端用弹簧引导。在线学习系统开发设计的网络化、多样化,和聪明的学生学习。(1)学生个性化学习推荐模块通过收集学生的学习内容,成绩,偏好,弱势课程,学习记录和其他特征的信息,信息处理分析,为学习者推荐个性化的学习课程。(2)学生学习评价模块通过学习偏好(主要是学习)。(3)在线视频学习模块,管理员可以上传自己的视频学习课程,学生可以学习通过在线学习系统,系统记录用户的播放等功能。(4)在线程序实践模块通过在线项目课程实践平台,实现相关项目开发实践,提高学生的动手能力。(5)用户管理子模块控制用户登录,登录信息的缓存和注册的新用户和存储的用户信息。(6)课程资料管理模块子系统,教师用户上传课程资料,包括PDF、PPT、Word文档,和实验室指南。学生用户可以下载这些课程材料,在线学习不可或缺的一部分。(7)网络通信子模块学习与同学和老师交流和经验分享的帖子回复论坛,等等。 (8) Knowledge map display module constructing course knowledge maps to facilitate students’ intuitive learning and querying of materials. This learning system involves a variety of modules: user login and registration, online learning, online experiment, resource sharing, online communication, and other functions. Among them, online learning includes online video learning, course materials such as PPT, Word documents, and lab guide learning, which can meet students’ various personalized needs and improve learning efficiency.
3.4。整体模型设计
英语信息学教学策略模型如图3。
在本文中,一个神经网络评价预测模型的设计。该模型结合了基于字嵌入深度学习模型和文本卷积网络,使改进的特征向量和用户以及学习资源,并使用深度学习我隐藏的功能在此基础上的兴趣。模型也训练用户的历史评级信息的帮助下,成绩是用来表达一个潜在的用户和学习资源之间的联系。最后,推荐效果的性能改进,增强用户体验。模型分为两个部分:培训和推荐(图3)。
学习者特征向量的提取和学习资源向量在训练过程中执行。学习者特征向量提取使用字嵌入的用户的ID、名称和参数作为输入,形成一个向量可以模拟用户的功能。在此之后,用户通过一个两层的特征向量训练完全连接层提取潜在的每个用户特性之间的关系。学习资源的提取特征向量是通过一个文本执行卷积网络获得名词向量,课程id和课程类型是通过一个嵌入层模型不同属性的特征向量,最后执行的属性向量的链接集成使用一个完全连接层。第一层的文本卷积网络输入层,这一层是一个矩阵排列的单词在句子在相应的顶部和底部秩序,建立句子矩阵:
网络的第二层是卷积层,这一层的每个单词形式全面嵌入矩阵通过嵌入的各个向量层。点积的输入矩阵和过滤器+编译,卷积操作制定如下:
最后,输出是使用激活函数,执行如下:
第三层是池层,它使用Max-over-time-Pooling方法。该方法提取一维特性前面步骤中处理和提取最大的值卷积窗这个窗口的功能价值:
第四层是完全连接+ softmax层,控制培训适合通过辍学技术的属性和限制这一层的重量参数与L2正规化。这样做是为了防止适合减少由于自适应的本质隐藏的单位:
四层的处理后,学习资源的标题的矢量特性。
4所示。实验结果
来验证算法和模型的有效性,实验必须做。因此,在本文中,我们使用这部分实验结果。
4.1。实验数据
本文使用了开放edX数据集,其中包含相关数据16英语教学课程上的哈佛大学和麻省理工学院edX平台从2012年到2013年。许多属性提供,包括课程数据,学习者信息,学习者的行为特征。
4.2。实验结果
为了进一步验证的有效性和优化性能提出了深度学习英语信息学教学策略模型,算法进行比较分析质量的识别误差均方误差的三种算法,收敛的比较分析在相同的迭代次数和初始化参数,并比较分析的质量识别算法的准确性。收敛曲线如图所示4。
测试集的一部分被作为验证,验证集和课程评级与目标值相比,和评级的内容评定量表的数据集进行比较,最终精度78.34%,77.56%的回忆,和一个F(表1值的78.56%1)。
5。结论
基于深度学习英语教学策略系统是基于大数据分析和智能处理研究行为和性格特征的学生在学习英语的过程中,使个性化推荐系统中基于智能指导功能。这个系统需要最基本的学生信息和自己的学习条件作为深基坑的基础,建立英语学习行为模型和经验,并通过学习的个性化的分析条件下,它也可以使学生对学习英语的热情重新点燃。在线英语学习和教学的推荐系统可以推荐更深入的对学生学习方法和内容和具体类和生成直观形象的学习变化教学完成后,实现准确和高质量的教学。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。