基于评阅系统的英语写作可视化分析研究

基于评阅系统的英语写作可视化分析研究

红鸽

呼和浩特民族学院

摘要：随着教育技术的迅速发展，语言教学领域正经历着前所未有的变革。在众多的新兴教学技术中，可视化分析教学与研究尤为引人注目。它将文字、图像、视频等多模态视觉元素与英语教学相结合，使学生在轻松愉快的氛围中提高学习效率，从而实现自主学习的目的。本文基于“句酷批改网”写作数据，围绕“英语写作可视化教学”这一课题展开探讨，以期为英语写作教学提供新的思路和方法，帮助英语教师更好地了解可视化写作技术在线上线下混合式教学中的必要性和重要性。

关键词：评阅系统；英语写作；可视化

一、引言

根据教育部高等学校大学外语教学指导委员会2009—2010年间对全国530所高校的大学英语教学现状的调查结果，听、说、读、写、译五项技能在参加调研高校的总体排列顺序为读、听、说、写、译，在 985 工程和 211 工程学校的排序为听、读、说、写、译（王守仁、王海啸，2011:6）。近年来对全国大学英语四、六级考试的研究发现与上述调查结果相吻合：“听”和“读”的成绩在近年来都有较明显的进步，但写作的得分率一直是不同学历学生各项得分率最低的一项(唐锦兰等, 2012:53)。“句酷批改网”自投入使用以来，受到广大英语学习者的青睐。它依靠智能化的线上作文评阅系统，以智慧教学与学习的方式为师生提供英语写作的自助服务。英语写作可视化分析教学能够提高学生的写作学习兴趣。可视化教学通过丰富的视觉元素，将抽象的英语知识变得生动形象，有效激发学生的学习兴趣。研究表明，可视化分析技术还可以强化记忆。因为，视觉信息的记忆效果往往优于文字信息。通过可视化教学，学生可以更轻松地记住所学内容，能够培养跨文化意识。通过展示英语国家的文化背景、风土人情等，帮助学生更好地理解英语语言背后的文化内涵（Guanyu He, 2020:253-265）。近来，学者开始探讨人工智能时代的大数据挖掘和学习者呈现出的可视化学习数据，尤其在英语写作领域中，人们可以运用iWrite、批改网、Grammarly等等阅卷网提供的可视化图形、图表和报告，特别是误差分布的课堂应用价值和对精准教与学的影响作用指导英语课堂教学。与此同时，可视化数据分析能力不仅考验一线教师的多重能力，也能培养学生的自主学习和学习能力。

二、基于评阅系统的英语写作可视化教学研究

通过评阅系统获取的大量关于学生写作行为的数据，无论是定量数据还是定性数据，都对课堂教学和学生的准确管理具有较高的参考价值。智慧教学的决策与实施的有机融合离不开智能技术的支持。例如，在写作期间，教师动态地管理学生的写作表现；教师可以随时阅读学生的得分情况、平均修改次数、更正学生在线提交的作文语言错误；如发现学生偏离写作主题或有衔接词语误用的红色提示时，可以利用评阅系统的教学资源，结合课程内容，精准推送教学评语和评价结果。同时，教师也可以精心制作可视化教学资源，创设真实语境，利用虚拟现实，模拟真实的英语写作场景，提高学生的实际语言运用能力。学生也可以通过可视化方法协作学习，通过小组合作，利用可视化教学资源进行讨论、交流，共同完成学习任务。可视化分析技术的被广泛推广，促进了在线教育数据的探索和应用。本文将现有的可视化分析技术分析研究分为四类:学习行为分析、学习内容分析、学生互动分析、语言学习内容预测与数据统计分析。在每个研究类别中对可视化分析技术的使用进行了数理统计分析与总结。

三、英语写作可视化实例分析研究

接下来，以《英语基础写作》为例，探讨在英语写作课堂上实施的学生学习行为的可视化分析。本班有42名英语专业学生。教师根据课文内容，在智能写作评阅系统发布了一段介绍“Huawei Breakthrough”(华为的突围)的文字材料，布置一些协作学习的任务，引导学生观察平台上提供的视频资料、思考并展开写作主题讨论。此外，教师结合课文内容讲解写作理论知识，帮助学生梳理知识结构。通过写作可视化分析的结果可以看出如下学习数据。

1.学生写作行为的可视化分析

图1 学生表现

对学生写作行为数据的可视化分析也是本课题的重点研究内容之一。可视化分析报告显示，参与本次活动的学生平均修改3.88次，即学生在老师看到其最终版本之前，已经自行修改了3.88次。在收到的42篇有效学生作文中，人机互动累计次数有203次，占比20.69%。从学生的得分分布情况可以看出，大部分学生的分数集中在80-85分之间；从修改次数分布情况可以知道，学生在线提交作文后只需等待几秒钟，就能得到机器给出的分数和修改建议，根据反馈修改后再次提交，会得到比先前更高的分数。因此，可视化分析提供的及时互动内容和根据语料库修改提示内容，学生自行修改分数并不断提高分数，这种“攀升”带来的成就感是学生用心投入英语写作的原动力。“批改网”评阅系统的及时反馈信息相比，在线下课堂中，老师对学生英语作文的反馈相对滞后。所以，利用评阅系统的可视化技术能够帮助学生及时了解自己的语言运用中出现的偏误。

2. 可视化维度数据分析

事实上，评判一篇英语作文的优劣有很多客观的维度，比如词汇的丰富度、从句密度、搭配错误率等等。通过对42名学生的可视化数据的初步分析和班级写作维度表现均值，可知学生写作的平均词长为5.14、词汇丰富度6.14、词汇难度5.94、平均句长23.3、从句密度1.14、文章长度316、段落数4.6、拼写正确率0.997、语法正确率0.905，如图2所示。

图2 班级写作维度表现均值

其中出现频率最高的错误是主谓不一致，占比为16.83%，紧随其后的是疑似误用名词词组，占比8.83%。学生维度表现前五名的学生一览表如下图3：

图3 学生维度表现前五名

从图3中的平均词长分布、词汇丰富度分布、词汇难度分布、平均句长分布、从句密度分布、从句数量分布中可以看出，利用可视化技术分析误差分布数据是最实用的方法之一。直方图和特定错句的显示都为学习分析提供了方便可靠的技术支持。这类数据为教师提供准确的课堂教学和面对面的准确指导提供了教学诊断的依据，便于教师使用最合适的教学方法和教学策略进行英语写作错误分析。

3. 错误统计可视化分析

在学生英语写作中经常会出现类似的错误句子““The technology are also had many change”，我们知道“are” “Had”这种表达方式在英语中是错误的，在写作评价中针对以上错误，我们应该多举一些例子来解释英语语法和习惯表达方式。英语SVC句式对中国学生来说也是一种容易出错的类型。在汉语中，形容词直接跟在主语后面，如“如果家庭幸福，孩子是幸福的”；在英语中，必须要有动词“be”形式才能形成系词的结构，SVC是英语五大核心句式之一。即便学生太熟悉了，也会犯错误，这反映出我们需要改进教学方法，在写作教学中强调英汉之间的差异。在可视化分析中出现这种错误时，我们可以要求学生根据智能提示语自行修改，以提高语言自我纠正的意识。我们在研究中发现42名学生犯的各种错误类型并加以统计，如图4所示。

图4 学生写作错误统计

具体错误提示如下：

图5 错误提示

五、结论

英语可视化教学是一种富有创新性的教学方法，它将现代科技与英语教学完美结合，有助于提高学生的英语学习效果。在实际教学中，教师应根据课程内容和学生的实际情况，灵活运用可视化教学资源和方法，激发学生的学习兴趣和积极性，培养他们的跨文化意识和实际运用能力。同时，教师还应不断探索和完善可视化教学的实施策略，为英语教学注入新的活力。以上分析中的结构图是一种常用的可视化方法，可以用来表示语言层次结构和分类关系。在英语写作中，可以使用结构图来组织文章的结构，帮助作者更好地安排段落和布局。同时，结构图也可以使读者更容易地理解文章的层次和逻辑关系。因为，图表是一种常用的数据可视化方法，可以用来表示数据和趋势。在英语写作中，可以使用图表来呈现数据和趋势，帮助读者更好地理解相关信息的意义，使文章更加生动有趣，吸引读者的注意力。我们也可以通过思维导图可视化方法，用来表示思维的过程和结果。在英语写作中，可以使用思维导图来帮助作者整理思路、构思文章的结构和要点。思维导图可以使作者的思维更加清晰有条理，提高写作效率和质量。同时，思维导图也可以使读者更容易地理解作者的思路和观点。相信随着技术的不断发展，可视化教学将在未来的英语教学中发挥越来越重要的作用。通过对海量教学数据的收集和分析更能客观真实地反映学生英语能力和教学效果。大数据时代，如何将大数据技术应用到英语写作教学中，向学生和老师们提供更多数据支持是我们一直在探索的课题。

参考文献：

[1]王海啸.大学英语教师与教学情况调查分析[J].外语界，2009（4）:6-13.

[2] 王守仁，王海啸. 我国高校大学英语教学现状调查及大学英语教学改革与发展方向[J]. 中国外语,2011(5)：4-17.

[3]唐锦兰，吴一安.写作自动评价系统在大学英语教学中的应用研究 [J].外语与外语教学，2012（4）:53-59.

[4]张芳，数字化写作平台在大学英语教学中的应用实践——以句酷批改网为例，青年学者园地，2018（6）.

[5]Guanyu He, Schema interaction visual teaching based on smart classroom environment in art course [J].International Journal of Emerging Technologies in Learning,2020.

[1]作者简介：红鸽（1986-），女，蒙古族，副教授，博士研究生，研究方向：外国语言学及应用语言学。

基金项目：内蒙古自治区高等教育学会2022年高等教育研究课题《人工智能时代的英语专业写作智慧课堂数据采集与可视化分析研究》（NMGJXH-2022XB013）