疫情背景下高校大学英语写作教学的教师辅助反馈研究

疫情背景下高校大学英语写作教学的教师辅助反馈研究

周先武 宋岩 赵斌 董海云

(浙大宁波理工学院 外国语学院,浙江 宁波 315100)

[本研究为2020年浙江省教育科学规划课题“疫情与复学”专项预立项课题“疫情背景下的高校大学外语写作教学模式研究”的阶段性成果。]

摘 要:在疫情防控常态化背景下,提高大学英语写作教学的效率面临着更多挑战。本文在产出导向法理论框架下,考察高校大学英语写作教学中的教师辅助反馈机制。研究发现,1)基于智能批阅的大学英语写作教学局限于系统智能化程度,其不足主要表现为长句识别不力与语法误判,尚需教师辅助反馈加以弥补;2)教师辅助需针对智能化程度不足的问题,结合线上与线下建立多元化反馈机制;3)教师辅助反馈可提高学生的写作积极性、个体与整体的写作能力;4)写作任务的复杂化程度对学生语言能力的提升存在影响。

关键词:疫情;产出导向法;智能批阅;大学英语写作;教师辅助反馈

一 引言

外语写作能力为外语核心能力之一,也是高校人才培养中外语素质培养的重要内容。《全国高校毕业生就业调查报告》(2019)指出,高校毕业生在外语综合素质方面尚存较大提升空间。然而,高校大学外语教学面临着班级多、规模大、教学任务繁重而课堂时间又极为有限等诸多困境,其中尤以大学英语写作教学为甚,其作业批改量大,批阅时效低,难以逐句批阅、及时反馈,而且单向反馈并不能有效提高学生的写作水平[1]。与此同时,《大学英语教学指南》对学生书面表达能力又已作出明确的高要求。在疫情防控常态化背景下,如何利用线上与线下相结合的混合教学模式,充分发挥出智能批阅的资源优势与教师辅助反馈的积极作用成为一项重要研究课题。

基于产出导向法(Production-oriented Approach,POA)理念(学习中心说、学用一体说、全人教育说)、假设(输出驱动、输入驱动、选择性学习)和教师为中心的教学流程(驱动、促成、评价)的实证研究已证实其教学实效[2, 3]。然而,基于POA,学生产出任务频次高、类型多、难以得到及时反馈等问题却客观存在[4],传统写作教学课堂的反馈亦无法解决这些问题。其实,早有学者指出如仅要求学生产出,而不提供及时反馈,则其产出质量难以保证[5]。

所谓反馈(feedback),指的是在教学环境中为促进学习效果而针对学习任务成果所发出的信息[6]。在学习过程中,适当形式的互动与指导行为是反馈的关键[7]。二语习得中的反馈是为了使学生能有效参与目的语学习与教师所搭建的支架[8]。写作教学中的反馈,则指的是读者给作者提供输入,为作者自行修改写作文本提供信息的系列活动,包括来自于教师或同伴的有助于促成写作者修改的口头或书面评价、建议、评估以及修改等[9]。在高校大批量使用智能批阅技术的大环境下,如何基于POA指导,结合英语文本的智能批阅技术与教师辅助反馈来弥补不足,探究建立基于智能批阅的教师修补机制这一核心问题亟待解决。

本文在POA理论关照下,结合疫情防控需求,以某智能批阅平台为例,以学生语言能力在写作方面的提升为聚焦,考察高校大学英语写作教学中教师辅助反馈的机制及其教学效果,主要回答三个问题:1)智能批阅技术智能化程度不足导致的语言误判类型有哪些? 2)基于智能批阅平台应建立怎样的教师辅助反馈机制?3)该机制能否切实提高学生个体与整体的写作水平?

二 基于智能批阅的教师辅助反馈的相关研究

近年来,为探寻高校大学英语写作教学中教师反馈的新出路,解决教师难以提供即时反馈、有效反馈、多次反馈、多元化反馈等现实问题,国内学者基于自动作文评阅系统(AWE)开展系列实证研究,其中以句酷批改网、iWrite以及冰果自动批阅系统的实证研究较为常见。

基于句酷智能批阅的实证研究表明,该系统有助于提高大学生的写作水平、自主写作能力并激发写作动机、写作热情和词汇运用的多样性,进而提高其自主学习能力[5, 10, 11]。部分学者指出,批改网能弥补传统大学英语写作教学的不足,且可通过教师反馈加以弥补,在普通高校的推广具有可行性[12]。此外,尚有学者基于写作反馈类型的可接受程度调查,证实学生对于“智能批阅反馈+教师反馈+同侪反馈”的多元化反馈模式的接受度最高[13]。基于iWrite的实证研究则认为,在使用自动评阅系统时教师应发挥其优势,并注意其存在错误类型识别不足的缺陷,有必要将系统反馈与其他形式的反馈相结合[14]。基于冰果的实证研究则指出,教师不能完全依赖智能评阅,应适当穿插人工辅助反馈,及时了解学生在写作方面的不足[15] 。

对于如何基于智能批阅系统来加强教师反馈的问题,学者们认为,部分智能批阅系统在文本内容评估、结构、逻辑与复杂句识别方面存在不足,系统仅针对常见错误如用词、搭配、表达、标点等提出提示[5],对文本内容、结构方面的帮助较小[10],且作文评阅系统的信度和效度受限于自动反馈是否能够有效促成文本修改、是否能够提升水平,以及能否让教学更具有有效性等[16, 17, 18]。学者们指出,教师反馈是对自动批改工具单一反馈模式的弥补,也是正常教学活动的必要组成部分[5]。然而,基于智能平台反馈、教师反馈与同侪反馈的多元化反馈背景下,教师虽能从文章的内容、结构、用词等方面进行二次反馈,但反馈用时长,且常因学生个体差异而造成重点不明,客观上也增加了工作量[19]。

前人研究达成的基本共识是:1)智能批阅有助于学生写作水平的提升,有一定的推广价值;2)智能批阅的自动反馈可解决传统写作课堂反馈不及时、难以个性化等问题,但智能化程度存有短板,尚需结合教师辅助反馈来加以解决;3)智能反馈、教师反馈与同侪反馈相结合的多元化反馈模式最易于被学生接受。基于前人研究,本文以某智能批阅平台为例,重点考察如何针对智能批阅反馈的不足在教师辅助反馈方面加以人工修补。

三 研究设计

研究对象。研究对象以浙江省某普通高校26个大学公共外语班为主,涉及学生1018人,其中男、女分别占53.24%与46.76%。鉴于其中大部分班级系在疫情爆发后展开基于智能批阅的写作教学实践,时间有限且仍在持续,故以试验起步较早的土木班为例,收集该班相关数据并对加以分析。该班学生共32人,男女分别占90.62%与9.38%。

研究工具。主要使用SPSS、EXCEL与学术点滴微信公众平台开发的COOC工具,分析作文提交次数所体现的写作积极性及其与成绩之间的线性相关性、个体成绩数据的主题河流图、学生初次成绩与教师辅助反馈后最终成绩的线性拟合参数等,从中分析基于智能批阅的教师辅助反馈的教学效果以及相关因素影响。

数据收集。作文数据主要为面板数据,来自平台的导出数据,如提交次数、完成时间、习作文本、字数、最终成绩、初次成绩等数据;学生身份数据则由课题组成员提供。

四 发现与讨论

在培养学生写作语言能力方面,基于智能批阅的教师辅助反馈实践发现,制约学生写作水平提升的主要因素在于智能批阅系统智能化程度的不足,主要体现为长句识别不力与语法误判等。那么到底应建立怎样的教师辅助反馈机制加以弥补、又是否有实际效果呢?

1智能批阅系统存在的短板:长句识别不力与语法误判

实践表明,智能批阅在学习提示、推荐表达、近义词表达学习、拓展辨析、标点警示、大小写、拼写、精彩句型、连词错误、动词错误、代词错误等方面反馈的正确度较高;然而,局限于智能化程度的不足,智能批阅系统对于长句识别、语法纠错存在相当程度的误判。如某智能批阅平台在这两个方面即存在问题。

第一,长句识别误判,尤其在复合复杂句方面。

例1. There are only six days before the college entrance examination, but I found my shortcomings, which gave me a heavy blow.

例2. Despite these apparent benefits, the practice of software piracy should be banned.

例3. In addition, the penalties for developing pirated software need to be increased.

例4. From my perspective, happiness and problems go together.

例5. I remember when I was in high school, there was a semester when my desk mate and I always played together.

智能反馈认为,例1中连词连接两个并列成分时,成分形式应保持一致。事实上,该句系由两简单句构成的复合句与一从句共同构成的复合复杂句。系统提示例2中应检查be以确认主谓一致,例3应检查need以确认主谓一致,例4应检查go用法,例5应检查连词缺失。事实上以上句子均无问题。可见,对于结构较复杂的句子,系统很难理清各个成份或结构的逻辑关系,其反馈往往出现误判,尚需教师辅助反馈。

第二,语法纠错的误判。教学实践发现,句酷系统在语法纠错方面存在的问题较多,主要表现在以下几个方面。

1)词性误判

例6. The government should perfect the relevant laws, and the market should strengthen the management.

例7. The life of everyone is not smooth all the time.

例8. Finally, turn to others for help if necessary.

例9. In addition, if people suddenly need the support of softwares, most people will choose the convenient .

例10. Last but not least, the most important is that we are supposed to develop softwares of our own instead of imitating others products.

智能反馈提示例6中perfect词性误用,例7需检查is not smooth,且疑似双谓语错误;例8 if necessary疑为词性误用,例9中the convenient疑形容词误用为名词,例10中important疑形容词误用为名词。事实上,perfect为动词,表“完善”;smooth为形容词,表“平坦的”; if necessary则为固定用法,定冠词加形容词可表一类事物,系名词范畴;important则显然为形容词。

2)断章取义式误判

例11. According to statistics, most rich people in society are not happy.

例12. Therefore, everyone should not expect to be happy without difficulties in life.

智能批阅提示,例11中most rich疑似形容词最高级误用,实际上most修饰的为people,为rich people的修饰语。系统反馈认为例12中without difficulty意为“不费劲”,difficulty为不可数名词。事实上,原文中without difficulties意为强调“没有任何形式的困难”,difficulty系可数名词。

3)谓语缺失误判。

例13. Secondly, the State needs to improve relevant laws and regulations.

例14. Second, the legal system of intellectual property lags behind.

智能反馈提示例13、14疑似谓语缺失。事实上,例13中的谓语为need,例14中谓语为动词词组lag behind。

4)主语缺失误判。

例15 With so many pirated and upgraded software, who would bother to spend time and money looking for a licensed but outdated version in the store?

系统反馈认为,该句疑似主语缺失。其实,who在该句中作为疑问句的形式主语并不存在争议。

5)动词不定式to的误判。

例16. The government should make laws to protect softwares.

例17. It is extremely necessary for us to make thorough laws to prevent and handle every consequence software piracy makes.

例18. Above all, the government should make laws to protect the original version.

智能反馈认为,以上例句中to均疑似成分冗余。其实,to均为必要的动词不定式标记。

6)主谓一致误判。

例19. From my perspective, happiness and problems go together.

例20. Dear customer, do you worry about how to teach business major students?

系统提示检查go与do以确认主谓一致,而事实上例句中主谓一致并无问题。批阅系统在长句识别、语法纠错等语言能力提升方面所存问题由此可见一斑。

2 基于智能批阅的大学英语写作教学教师辅助反馈

智能批阅存在短板的事实已无可争辩,关键在于如何建立基于智能批阅的教师辅助反馈机制以弥补其不足。以下从专题补漏机制、混合教学模式与多元反馈模式三方面对此加以阐述。

第一,基于写作语言能力的语法纠错与专题讲座相结合的专题补漏机制。以某智能批阅平台为例。针对该系统对于长句识别智能化程度不足的问题,教师开展“英语句型及其拓展”专题讲座,明确简单句、复合句、复杂句与复合复杂句的特点及其拓展过程中的相互逻辑关联,以英汉信息结构的差异为视角讲解英语句型与汉语句型的共性与差异,指导学生克服母语负迁移现象。对于断章取义式误判、主谓语缺失误判、动词不定式误判、主谓一致误判、词性误判等导致学生引发的混乱,则收集存疑,开展英语词类、词语搭配度、逻辑衔接等专题讲座,及时通过班级QQ群、微信群或钉钉在线课程等加以讲解,在线回答个性化问题。对于普遍性疑虑,指导个别学生作为自主项目加以研究后通过网络发布。实践证明,经过理论与实践两方面的辅助反馈,习作中可被提取的语言错误急剧下降,学生对于系统误判也开始有清晰的认识,其习作中语法问题明显减少。

第二,基于智能批阅的线上与线下相结合的混合教学模式。线上通过系统的错误提取与下载功能,设计句型错误、语法错误修正练习供学生研习,通过布置新的在线习作再次强化。鉴于课堂时间有限,部分专题讲座通过在线课堂完成,大部分则在课堂教学中安排时间完成。专题讲座的配套强化练习则通过线上布置,线下完成,线上与线下相结合,构建混合教学模式下的反馈通道。

第三,智能批阅反馈与教师辅助反馈相结合的多元反馈模式。在语言能力提升方面,智能批阅主要反馈习作所存在的句子、语法类问题以及基于文本相关度指标的柱形图示等,其中还有误判,因此并不能满足学生个性化需求,尚需教师结合线上与线下的辅助反馈。在句型与语法方面,教师通过系统完成错句提取、搜集词性误判、搭配误判、断章取义式误判案例等,线下布置改错练习,开展系列专题讲座。在内容提升方面,则在线上提取作文文本,线下专门讲解文本相关度问题。此外,线下分析班级整体成绩数据,借以判断班级个体与整体进步程度并公示,使学生了解每篇习作的进步状况。其过程如图1所示。

图1:基于智能批阅的教师辅助反馈示意图

3 基于智能批阅的教师辅助反馈的效果分析

基于智能批阅的教师辅助反馈机制究竟能否提高大学英语写作教学的效果呢?以下拟从三方面加以回答。

第一,智能批阅能否提高学生写作的积极性?以8篇作文提交次数为切入点发现,实验个体提交次数最高达118次,最低则为4次,平均提交次数为34次,远远超过传统写作课堂的修改次数。为进一步阐明该问题,以学生提交次数为指标,构建主题河流图图示,其中河流的宽窄代表次数的多寡。如图2。

图2:提交次数主题河流图

图2表明,个体作文提交次数大体上偏高,提交次数偏低的个体较少;前期提交的次数相较于后期明显更多,往后则呈现下降趋势,然而其基数仍保持在较高水平。这一变化趋势疑与疫情发展引起的心理变化有关。前4篇作文完成于疫情严重时的网课期间,学生有足够时间与精力加以修正;后4篇则完成于复课后,各门课程开始查漏补缺,在时间节点上则已趋近于期末考试,学生压力增加且尚需为其他课程及其考试加以准备,由此引发次数变少趋势。尽管受到疫情影响,但提交次数的基数表明学生仍然保持着较高的写作积极性。

第二,提交次数与写作成绩是否具有相关性?

以提交次数为横轴,以成绩为纵轴构建二者的相关性散点图及趋势线,如图3所示。学生提交次数与其最终成绩呈现线性正相关,其线性回归方程为y=0.0744x+80.945,线性回归方程参数中a=0.0744<1,b=80.945>0,R²=0.0578,表明学生提交次数与成绩整体呈现线性相关,这种相关性在5.78%的学生个体身上表现尤为明显。

图3:提交次数与成绩分布散点图

第三,学生初次成绩与终成绩是否具有显著差异性?

初次成绩指的是学生第一次所提交文本的自动批阅成绩,终成绩则为经历多次刷分后自动批阅系统所给评分。为探究初次成绩与终成绩是否具有显著差异性,以班级32位学生的组成绩为单位,基于EXCEL分别对8篇作文文本的组成绩建立散点图,得到其线性回归方程y=ax+b的a、b参数;以SPSS 25分别对8对数据加以线性回归分析,得到其R²、调整后的R²、F值与α值。其中,a为x,y的均值,且必须满足回归方程,即回归线必须经过以x,y均值为横纵坐标的点。如表1所示。

表1:初次成绩与终成绩线性回归分析参数表

 

作文1

作文2

作文3

作文4

作文5

作文6

作文7

作文8

a值

0.0735

0.1047

0.1165

0.0957

0.0783

0.1988

0.0692

0.0934

b值

79.5490

76.5990

73.2090

75.3870

80.6670

66.5270

80.5860

78.6080

0.1333

0.0295

0.0755

0.1651

0.2422

0.4430

0.1372

0.1909

调整后R²

0.0400

-0.003

0.0450

0.1370

0.2170

0.4240

0.1080

0.0120

F值

4.6140

0.9110

2.4500

5.9310

9.5890

23.8570

4.7700

7.0780

α值

0.0400

0.3470

0.1280

0.2100

0.0040

0.0000

0.0370

0.0120

根据表1,8个a值均小于1,说明首成绩每增加一个单位,终成绩的增加小于1个单位,可见y增加的速度比较慢,y 对 x的变化不敏感;b值则均大于0,说明首成绩与终成绩均呈现线性正相关关系;R²值越大,说明线性回归拟合中二者的差异越为显著,即作文6的首成绩与终成绩差异最为显著,而其他组的显著性有所降低。调整后R²值数据表明,提交次数在8篇作文中分别可解释13.33%、2.95%、7.55%、16.51%、24.22%、44.30%、13.72%、19.09%的结果,亦进一步说明以上问题。ANOVA线性回归分析中的F值系样本的计算结果之一,研究发现F值均大于其临界值(设α=0.05)。根据α值,则发现作文1、5、6、7、8中首成绩与终成绩差异显著,表明提交次数对于成绩表现较为敏感。R²值的分析结果与α值的分析结果存在的差异说明,除提交次数外,可能还存在其他原因。比如,作文2的R²值为负数,疑与该篇作文的写作要求、复杂程度有关。该作文题为My Definition of Success,该任务要求学生自由发挥,绝大部分学生为展示水平,在任务完成过程中使用了大量复杂句型与高级词汇,由此导致任务复杂度增加;而其他作文均按照CET作文标准加以布置。8篇作文的提交次数均值依次分别为48、43、35、34、29、29、25、25,其中作文6的提交次数均值为29,介于最大值48与最小值25之间。出现该种情况存在多种可能性,比如提交次数过多或过少均不能对成绩有显著影响、部分学生的提交次数敏感而其他学生的敏感程度有所降低、作文任务的复杂程度对成绩存在影响、教师反馈与人工干预的程度亦存在影响等。可见,提交次数对于作文成绩而言,虽然总体上呈现线性正相关关系,但个体成绩除提交次数外,还可能会受到教师反馈、作文题材、任务复杂程度等影响。其中,任务复杂度对于产出的影响还需突破过于简化的视角[20]。

为进一步厘清教师辅助反馈对提交次数、初次成绩与终成绩的影响,以8篇作文的首成绩与终成绩为两组数据,对之加以多元回归分析发现,其线性回归方程中的参数a=0.1288,b=74.592,R²=0.1517,调整后R²=0.148,F值=45.430,而α=.000。多元线性回归分析表明,虽然受到多种因素影响,但从整体而言,同篇作文的初次成绩与终成绩差异显著。由此说明,要提高班级整体写作水平,除进一步加强教师反馈外,尚需鼓励学生增加提交次数,同时控制写作任务复杂度。

五 结语

在疫情防控常态化背景下,高校大学英语写作教学面临更多困境,利用智能批阅技术实施大学英语写作教学是一项可行性方案。然而,智能批阅的反馈并非万能,尚需教师人工辅助反馈的干预。局限于智能系统在长句识别与语法判断方面的不足,利用教师线上与线下相结合的混合教学模式以及多元化辅助反馈来加以弥补显得尤为重要。实践证实,教师辅助反馈可切实提高学生的写作积极性,使得学生个体与班级整体写作能力得到显著提升。研究也发现,在该套机制下,写作任务的复杂化程度对学生语言能力的提升也存在影响。可见教师辅助反馈还需控制写作任务复杂度,结合具体体裁规范写作要求,对产出结果的评价发挥多主体的主观能动性,利用线上、线下、智能批阅反馈相结合的多元化反馈模式实现优势互补。然而,写作任务复杂度在智能批阅与人工反馈相结合的基础上,到底如何来影响学生写作能力的提升,智能批阅到底在语法、词汇、篇章、文本相关度等哪些方面可使学习者获得长足进步以及男女比例是否对教学效果存在影响等问题,尚需进一步探究。

参考文献

[1] 周一书. 大学英语写作反馈方式的对比研究[J]. 外语界, 2013 ( 3) : 87-96.

[2] 文秋芳. “师生合作评价”:“产出导向法”创设的新评价形式[J]. 外语界, 2016 (5):37-43.

[3] 张文娟. 基于“产出导向法”的大学英语课堂教学实践[J].外语与外语教学,2016 (2): 106-114.

[4] 王靖等. 基于同伴互评的专业英语写作评价研究[J]. 现代教育技术研究, 2016 (5) : 77-82.

[5] 杨晓琼,戴运财. 基于批改网的大学英语自主教学模式实践研究[J]. 外语电化教学,2015 (3): 17-23.

[6] Ur, P. A Course in Language Teaching: Practicing and Theory[M]. Cambridge: Cambridge University Press, 1998.

[7] Pienemann, M. Language Processing and Second Language Development: Processability Theory [M]. Amsterdam: John Benjamins, 1998.

[8] Hyland, K. & H., Fiona. Feedback on Second Language Students’ Writing[J]. Language Teaching, 2006,39(2): 83-101.

[9] Keh, C. L. A Design for a Process-Approach Writing Course[J]. English Teaching Forum, 1990,1:10-12.

[10] 陈冰青,张荔.基于自动作文评阅系统反馈的修改过程研究——以批改网为例[J].当代外语研究,2017,7(4):37-54.

[11] 黄爱琼,张文霞.英语作文自动评价反馈对学生词汇修改的影响——以批改网为例[J]. 现代教育技术, 2018, 7(28):71-78.

[12] 周先武,王中祥,王颖. 基于句酷的大学英语写作教学实践研究[J].浙江万里学院学报,2017, 9(30): 63-68.

[13] 童成寿.基于“句酷批改网”的英语写作多元反馈模式建构与实践研究[J]. 北京印刷学院学报,2019, 1(27): 104-110.

[14]刘应亮,柳加英.在线写作自动评改系统对英语学习者写作错误修改的影响¬--基于iWrite的实证研究[J]. 中国外语教育, 2018, 11(2): 67-74.

[15 ]缪素琴. 智能评阅背景下英语议论文元话语侧略及评分相关度研究——以冰果系统为例[J]. 天津外国语大学学报, 2014, 21(6): 39-44.

[16] Grimes, D. & M. Warschauer. Utility in a Fallible Tool: A Multi-site Case Study of Automated Writing Evaluation[J]. Journal of Technology, Language, and Assessment, 2010, 8 (6): 1-43.

[17] 胡学文.在线作文自我修改对大学生英语写作结果的影响[J].外语电化教学,2015(3): 45-49.

[18] 周丽.英语在线写作平台对大学生写作句法能力的影响[J].外语电化教学,2015(5): 26-29.

[19] 张琼. 基于大数据的高校英语写作反馈策略与传统模式的比较研究[J]. 成都师范学院学报, 2017, 1(33):40-43.

[20] 王丽萍等. 外语写作中任务复杂度对语言复杂度的影响[J]. 现代外语,2020(4): 503-515.