文摘
技术进步带来了重大的改变在教育、和智能语音系统的发展提供了新的技术支持和更广泛的资源平台,教学和评价大学英语。评估是优化大学英语教学的基础(ESI);本文探讨了通过PLS-SEM ESI的影响因素及其关系。学生的课程认知、学习行为、知识掌握和师生交流有重大积极的与课程的关系满意度和课堂效果。在此基础上,我们提出建议,优化高校应急服务国际公司从三个方面:资源收购、平台利用率和教学评价结合智能语音系统。
1。介绍
全球化的趋势和世界上改革开放政策,英语的作用,作为世界上使用最广泛的语言,变得越来越重要。大学英语课程的定位是符合国家战略需求,另一方面满足学生专业学习与国际交流的需要。口语能力已经成为最大的弱点和最紧急的部分英语学习者的能力在学院和大学,并优化大学英语的教学是大学英语课程教学的方面需要改进。随着科技的进步,教学和学习英语口语的方式发生了变化。在1950年代,计算机技术和听力方法给演讲室英语听力课程;在1960年代,计算机辅助教学也开始进入英语学习课堂;在1990年代,网络技术的蓬勃发展和network-assisted语言学习开始进入英语教学课堂。21世纪是数字信息时代,人工智能和智能语音系统和发展如雨后春笋般出现。未来改革大学英语课程的教学重点是口语能力,在现代技术的帮助下,结合现代信息数字和人工智能技术,协助应急服务国际公司。
的设计课程教学英语口语教学活动的发展的基础。杨et al。1)认为,应急服务国际公司设计的创新主要在于真实体验和互动。国家和Macalister [1)专门成立了一个语言课程设计模型,强调设计大学应急服务国际公司的过程。课程目标应确定基于三个组件:原则,课程链接,和需求元素,和课程内容、课程实施和课程评价体系应该合理构建。刘y和m .刘2)指出,大学英语教学模式的背景下,人工智能应该受到听力教学、口语教学、写作教学和翻译教学。理查兹(3英语课程分为三个独立的phases-before,期间,基于类的语言输入后,过程,和输出,专注于一个圆形的课程设计方法,课堂学习,和面向学习的指导。
研究教学和学习英语课程网络资源和移动设备的协助下开始在1990年代和持续集成应急服务国际公司。李(4)充分结合应急服务国际公司与信息技术,并提出了一个创新的多媒体交互式教学模式基于智能语音系统。汉和妞妞5)指出,学习英语的目的是口头交流;虚拟场景中可以提高学生的语言表达能力,激发他们的学习兴趣。阮et al。6)表明,听、说、读、写是重要的应急服务国际公司的能力。通过研究,绮et al。7]发现,学生更喜欢使用PowerPoint等技术工具来提高英语演讲的效果,这也表明,教师应该利用ESI技术方法的更多信息。
大学ESI的评价取决于期望之间的比较教育服务和教育服务的实际水平被研究对象的教育需求。它既是相关过程的教育服务和教育服务的效果密切相关,和具体的影响因素包括教学计划、教学组织、教学水平、职业道德,等。基于客户满意度的研究模型,本文建立了相应的评价模型的大学ESI基于当前高校应急服务国际公司的实际情况。PLS-SVM是用来解决问题的偏见造成的小样本调查数据,多重共线性和非正态的分布的因素。在此基础上,调查的结果被用来进行实证分析的评价大学ESI。
2。评价模型的基于PLS-SEM ESI
像其他学科一样,大学英语作为外语的教学一直在不断的改革和创新。为了满足学生的需要,改变教育管理模式,基础教学决定学生的培养,指SCSB、ACSI, ECSI,和全国学生满意度报告美国,建立评价指标体系的大学应急服务国际公司根据中国的实际情况,并建立SEM因果关系的概念模型。
2.1。概念模型
通过文献分析,研究访谈等方法,本文从五个方面构造了一个因果关系的概念模型,包括认知,学习行为,掌握知识,师生互动,和课程满意度、20个项目,如图1。
当然认知程度反映了学生的主观价值认知的英语口语课程。Cybinski和Selvanathan8)进行了一项调查大学生的学习方法和学习效果,发现主观感受会影响学生的学习效果。此外,赖昌星等人的研究。9)还表明,高自我感觉价值具有积极的影响行为意向的课程学习。江等人的研究。10)证明,学生对口语复杂性将极大地影响他们的口腔表现,和自动语音识别技术可以提高学生的口语掌握。因此,本文提出了四个措施必要的意识 ,实际的意识 ,重要性的认识 ,和可扩展性意识的课程意识。
学习行为是指习惯性行为的学生在口语学习的过程中,和一个评价指标体系形成通过建构主义学习理论和认知学习理论。赵et al。11)和其他(12- - - - - -15)认为,环境可以影响形成性评估的结果。根据上面的描述,本文提出了四个学习兴趣的措施 ,课程的难度 ,课堂学习积极性 ,学习和课外扩张计划维度的学习行为。
知识掌握的程度是指彼得的学习层次分类和学习效果评价(16];英语口语学习的实际情况相结合,知识掌握程度分为理论知识掌握程度 ,学习思维的形成 ,口语熟练程度 ,和知识体系建设程度 。
师生互动是一个要求在教学过程的各个阶段,以及教师和学生之间的互动可以建立之间的联系老师,学生,学习内容和学习方法17]。阮et al。18)认为,师生互动在学生学习中起着非常重要的作用。通过师生互动,可以保证教学质量,可以提高学习效果。此外,互动交流的口语学习经验对提高学生成绩和积极的影响导致学生满意度(19]。在此基础上,本文理论学习的参与程度 ,参与口头练习的程度 ,课后与同学参与沟通的程度 ,和参与课后与老师沟通的程度 。
测量课程满意度是指顾客满意度理论,从学生的角度评估。课程评估的质量区别学生的主观感知的教学质量和预期水平前后参与大学英语口语教学活动。提出了相关措施,包括教学内容的满意度 ,教学方法的满意度 ,教学满意度的逻辑 ,和老师的满意度水平 。
基于上述分析,本文构造一个评价模型通过三个独立变量,大学英语口语教学的一个因变量,一个调节变量从学生的认知。与此同时,提出了以下六个假设根据变量之间的关系。
H1:积极程度当然认知课程满意度有积极影响。
H2:积极的学生的学习行为概要文件对课程满意度具有积极的影响。
H3:积极的学生知识获取课程满意度有积极的影响。
H4:正相关教员-学生之间的互动和学生的课程意识和课程的满意度。
H5:师生互动与学生的学习行为呈正相关资料和课程满意度。
编辑:师生互动,学生之间的正相关知识获取和课程满意度。
独立和依赖的变量之间的关系反映在图上1。每个量表条目在潜油电泵里氏震级测定(1为“强烈不同意”“强烈同意”和5)。缺失数据的条目是由线性插值。具体规模如表所示1。
目前,多数学者用偏最小二乘法(PLS)研究高校教学满意度和PSL也更合适的方法在研究的预测模型变量之间的关系是分析的内容和理论确认分析的目标。潜变量的因果关系需要评估的概念模型构建多维可测量的变量。本文建立的衡量包括以下步骤。
步骤1。建立初始指标体系通过引用相关文献研究和咨询相关专家。
步骤2。分类指标使用最大数学模糊聚类方法。
步骤3。非参数测试为每个子类为显著差异测试。
步骤4。组的指标没有显著差异,最大偏差的平方和的指标等级相关系数对其他指标选择的等级相关系数的方法。
没有限制数量的观察变量的潜在变量,但SEM的识别原理应该满意。
2.2。应急服务国际公司的评估方法
(1)结构方程建模(SEM)
SEM技术,包括一系列的多元分析方法如回归分析、因子分析和方差分析。它实际上是一个统计模型和方法对多变量分析的假设检验。为了探索口语教学和潜变量之间的关系,我们可以构建一个因果关系模型,通过统计测试确认模型是否持有(20.]。SEM可以发现不为人知的概念关系,反映了元素的信息。SEM和路径分析之间的主要区别是,完整的SEM包括测量关系,和扫描电镜的分析过程如图2。
潜变量之间的关系在我们将定义为扫描电镜
在方程(1), 。递归关系由偏最小二乘(PLS),如图所示
和是系数预测内生变量与外生潜变量,而是内生剩余变量。
结合方程(2),我们可以得到
观察到的变量和潜变量之间的关系被定义为
所示的重量关系
根据扫描电镜的基本思想,我们可以画出具体的计算过程如图3。(2)基于PLS模型参数估计方法
请是一个多元统计数据分析方法,哪些项目的高维数据空间独立变量和因变量相应的低维空间,建立一元线性回归关系的特征向量独立变量和因变量。它不仅克服了共线性问题,但也在回归删除无用的噪声的影响,使模型包含最小数量的变量。
请常被用来弥补SEM的局限性,以更好地估计模型参数。外部评估是潜在变量和估计的线性组合和可测量的变量组和 ,分别表示为 , 。让 , 外部权重;然后,外部潜在变量的估计可以表示为
内部评估的计算过程和所示
在方程(8),压缩数据。 , 内部的权重;他们所代表的符号函数值潜变量及其内部估计相关系数: , 。
的权重系数和请算法是非常重要的,目前有两种方法可以用来估计。和是可测变量的协方差系数 关于标准化的数量 ,分别如图所示
在第二种方法中,权重的回归系数向量( )对可测量的变量,如所示
请总结如下的迭代算法。
步骤1。任意分配初始权重;例如,其中一个可以设置为 ,和其他的权重可以设置为0。
步骤2。计算新的权重 。
步骤3。确定新的权重满足收敛公式: , 。如果条件满足,转到步骤4;如果不是,步骤1。
步骤4。 , , ,和估计的值。
第5步。用估计的值代替潜在变量的原始值,然后,用PLS回归估计模型参数。
3所示。实验结果和分析
为了获得研究结论的准确性和更接近应急服务国际公司的实际情况,本文分发调查问卷在天津大学外国语学院获得样本数据的形式研究。总共290份问卷分布这一次,243份问卷被恢复,235问卷有效,有效率为81%。本文描述性统计分析、信度和效度测试,结构方程建模用于验证和分析样本数据。描述性分析是测试样本数据通过均值和频率等指标。信度和效度分析可以进一步验证量表的科学性。
3.1。描述性分析
描述性分析的项目规模如表所示2。
从表可以看出2最大值,最小值,平均值,标准差,偏斜度和峰度的20个项目基本上满足正态分布。
3.2。可靠性分析
可靠性指的是一致性、稳定性和可靠性的问卷调查结果。可靠性评估的方法有很多,和克伦巴赫系数是更合适的,也称为全面的可靠性。观察到的变量对应于相同的潜变量理论上应当一致,和克伦巴赫是用来测量观测变量之间的一致性对应相同的潜变量。本文的系数大于0.7,表明本文的统计数据有良好的可靠性,和项目的选择满足要求。具体计算结果如表所示3。
3.3。效度分析
有效性是用来评估是否观察变量设计问卷测量的变量。摘要确保测量变量的内容效度通过阅读文献和咨询专家、学者。建构效度是用来测量多个指标的测量,包括聚合效度和区分效度。
根据表3的成分可靠性五变量范围从0.68到0.864,平均变异量提取范围从0.442到0.577,表明聚合效度良好。
在这项研究中,大街的方法被用来测试区分效度。如果开放根大街的每个因素大于相关系数,它表明,区分效度很好。经过计算,详细的数据如表所示4。根据表中的数据4,开放的平方根值AVE的五个变量的相关系数大于行和列。当然认知与满意度之间的系数是0.531,学习行为和满意度之间的系数是0.442,这个知识掌握的程度和满意度之间的相关系数为0.479,以及师生互动和满意度之间的相关系数为0.496,表明这五个变量显著相关的满意度。
3.4。模型试验
(1)主要影响测试
基于之前的研究,初步建立了结构方程模型。研究潜变量之间的关系的关键是建立初始模型,如图4。
然后,我们使用AMOS23.0测试和表5包括细节。计算结果表明,每个健康指数符合标准和具有良好的拟合。
根据统计的表模型的路径系数表6程度的标准化系数当然认知、学习行为,和知识的掌握程度和课程满意度是0.321,0.197,和0.252,分别 ,表明这三个内生变量对课程的满意度有直接的正面影响和课堂效果,和假设是有效的。(2)调整效果测试:分层回归
从表可以看出7这一三个内生变量的0.422、0.290和0.575,分别,表明模型的拟合程度很高。统计结果等值显示,总体回归变量对课程的满意度的影响是显著的。变量的回归系数对课程满意度的背景下师生交互是0.293,0.362,和0.257,分别显示显著的积极的监管效果建立了。
图5总结了PLS-SEM方法的分析结果。根据上述分析,本文的研究假设是有效的。学生课堂的感知、学习习惯、掌握和课堂满意度改善应急服务国际公司是非常重要的。积极的师生之间的通信将发挥重要积极的监管作用这三个变量和课堂满意度和应急服务国际公司的发展中发挥重要的作用。
4所示。应急服务国际公司的改进措施
技术和互联网的发展带来了重大的改变在教育、以及人工智能的出现提供了一个新的技术支持和资源平台,在大学英语口语的教学与评估。智能语音系统是一个人工智能背景的产物,它为英语学习提供了技术支持和学习平台通过人工智能技术。通过问卷调查和前面的讨论,在大学英语口语教学应该基于加强教育者和受过教育的人之间的沟通和互动,和聪明在大学英语口语教学应该意识到通过智能语音系统。因此,本文提出了改进和优化高校应急服务国际公司从三个视角:学习资源采集、智能语音系统交互,智能评价的教学。
学习资源确定学生的动机和自我激励。学习是一个长期的、复杂的认知过程,和传统的填空教育是逐步消除随着信息技术的发展,使学生很难构建一个知识体系高效、高质量的一个巩固学习。如果我们能有机地整合学习内容、活动困难,问题类型和评价系统,和学习资源设计新颖,接近生活,时事,我们可以促进学生自主学习的兴趣。技术的发展使其更方便学生从互联网上获取资源,和老师也可以获得口语学习资源形式丰富多彩。学习方法包括配音,阅读,和人机对话。通过构建一个合理的个性化学习平台通过智能语音系统,各种高质量的演讲实践资源可以有效地访问来自世界各地。破碎的英语学习资源,一个伟大的影片剪辑,名人演讲,或者英语课程序可以用来帮助学生扩大他们的知识和尽可能多的了解英语母语国家的海关在非英语国家。
智能语音系统平台可以为教学提供一个新的平台英语口语。传统的口语课堂充满情况老师灌输知识在课堂上和学生把他们的头埋在指出,从长远来看会使失去动力和学生口语教学的根本目的。智能语音系统的支持,学生有更多的不同渠道获取知识,教师的角色变化从权威的教练和知识的唯一来源的指导学习和课堂活动的组织者。在口语练习,教师不再只是课程鼓励学生通过合作完成相应的任务和辩论通过设置任务。通过突出学生的主要位置,实现教学目标。智能语音系统平台,老师需要分配preclass pretraining任务的学生,和学生下载材料通过平台和研究根据任务列表。有什么问题随时可以问在这个平台上,和老师和其他学生能回答。综合施工之前、期间和课后继续口语练习时间,减少教师口语教学的难度。与口语练习作为输出语言,教师根据学生的需要分配不同的任务地基,兴趣范围,局部问题和集成电影配音,角色扮演、英语歌曲,演讲辩论,等教学活动。学生可以积极经验发音技能感兴趣的话题,包括头韵、吞咽、和闪烁。 Teachers can also rely on the digital teaching platform to assign review tasks and assignments as a way to urge students to consolidate and improve their knowledge, thus achieving the purpose of teaching speaking.
学习效果的评价是一种有效促进学生主动学习的动力。智能语音系统的帮助下,学生可以摆脱课堂和教材的局限性,和线上和线下教学极大地改变了口腔教学评价的方法。大数据技术的帮助下,学生的个体差异突出显示,结果被老师评价更加客观和科学,智能语音系统评分,和学生的自我评价。评价的内容也从单一的语音语调学习的态度,发音技巧,情感投入,知识的扩张。同时,智能语音系统的协助下,预读和审查,独立学习和在线口语表达被记录在数码在线平台。老师能够进行综合得分基于由系统记录形成性评价和总结性评价在期末考试中,可有效提高学生口语学习的性能。
它提供全面帮助大学英语学习从三个视角:资源收购、智能语音系统的应用平台,和评价的能力,将口语学习融入日常生活中,为充分发挥智能语音系统的效用,然后给反馈到通过老师的课程教学有效地优化大学ESI。
5。结论
ESI非常复杂,影响因素众多,它们相互影响,最终作用在学生满意度和教学效果。为了确保教学评价和改进的合理性和科学性,本文采用PLS-SEM方法深入分析应急服务国际公司的影响因素,最后找出基于智能语音系统的改进路径。我们得到三个内生变量:程度的认知,学习行为,和知识的掌握程度,以及一个重要的调节变量师生互动,和应急服务国际公司的评价是反映测量当然满意。研究结果表明,内生变量是强烈和课程满意度呈正相关,教员-学生沟通发挥了不可忽视的积极的调节作用。结合统计分析的结果,以提高学生的课堂满意度为主线,积极推动的基础上教师和学生之间的沟通,关注提高积极的课堂知觉,学习习惯,和学生的掌握,依靠智能语音系统,构建一个多维ESI推广系统,为提高学生的说话能力具有重要意义。
由于研究条件的限制,本文评价方法可以改善。评估数据在本文中使用传统的问卷调查法,但现在,智能语音系统有多种功能,可以结合深度学习等方法及指标如课堂沟通可以判断表达式识别方法。我们希望有更客观的方法在后续的研究中,以增强研究的科学性。
数据可用性
标签数据集用于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。
确认
这项工作是支持的项目河北省国家社会科学:“海外研究河北文化之间的交流和一带一路从跨文化视角”(没有。HB19YY024)。