面向产出导向的大学英语教育新模式的构建*

作者:网站采编
关键词:
摘要：1 引言 产出导向理论的前身是“输出驱动假设”和“输出驱动的输入使能假设”。作为外语教学的“局部”理论，产出导向理论在“输出假设”和语言学习的社会文化视角的基础上，运

1 引言

产出导向理论的前身是“输出驱动假设”和“输出驱动的输入使能假设”。作为外语教学的“局部”理论，产出导向理论在“输出假设”和语言学习的社会文化视角的基础上，运用了SLA理论的研究成果［1～4］。本文提出了新的基于语料库的产出驱动型教学理念，以提高大学英语单词教学效果。

作为语言学教学的补充工具，语料库可以提供丰富而真实的英语资料，充分保证学习者有充足的真实语料输入，并提供真实的词汇，帮助学生积极探索具有重要前提的目标词的深层意义［5］。语料库可以被广泛使用的一个重要原因是它可以提供关联搜索。与传统的英语教学方法相比，使用语料库练习英语的优势在于摆脱了孤立学习词汇的传统方法。通过使用语料库提供的关联搜索学习单词搭配和上下文语义，可以节省花在词汇深度知识上的学习时间，并且可以快速掌握大量的词汇信息［6～8］。通过对相同语境下同义词挖掘等手段可以提高学习目标词的速度，并为掌握相关词汇和词汇学习奠定良好的基础。从而提高学生的词汇知识水平和词汇应用能力。

大学英语实践训练必须以英语语境为实际，必须精心运用大量的英语培训教材，在实践中可以获得更理想的教学效果［9］。因此，高质量、大规模、多元化的语料库对于推动大学教学的研究与应用具有重要意义。根据不同的标准，语料库分类也各不相同。原始语料库采用仅由手动注释的文本数据集的形式。随着信息能力的提高，研究人员建立了一个大规模的信息语料库，通过信息收集和处理大规模的语料库数据，将语料库的语料从文本格式扩展到大学英语教学。大规模的信息语料库可以广泛应用于大学英语教学。随着现代信息多媒体技术的发展，人们对英语活动性质的认识逐渐增强，出现了多语种语料库。多模式语料库是音频、视频和文本语料库等信息的集合［10～11］。研究人员可以通过多种方式处理、检索和统计相关研究的语料库。本文从词汇知识的深度入手，将基于语料库的数据驱动学习方法与大学英语课堂教学实践相结合，探索如何利用产出导向语料库方法促进大学生词汇深度的掌握，激发大学生自主学习英语的兴趣。

2 基于信息技术的大学英语教学模式

2.1 大学英语实践教学原则

大学英语实践教学过程包括五个方面：教学语料库文档预处理；基于语料库的词表扫描；动态规划方法以找到基于词频的最大分词组合；利用隐马尔可夫模型实现未注册大学英语单词的预测；以及教学效果的评估［12～13］。教学建模过程的具体内容如下。

用动态规划方法找出最大概率路径。根据已经形成的语料库和要教学的句子的有向无环图（DAG），基于语料库的教学模式首先找到语料库中单词的不同组合的频率，然后使用基于词典的反向最大匹配原理来找到最大概率路径按照动态规划方法从待教学的句子的右侧进行计算，最后得到分割组合的最大概率。对于大学英语的教学，句子长度为n，字符串组合为C=C1C2C3Cn，输出字符串为S=S1S2S3Sm，其中m≤n。对于一个特定的字符串C，将会有与该任务对应的各种分词程序S，并且应该从最大值的S概率中找到教学结果，并且这是最有可能的单词所构成的大学英语教学句子。

根据贝叶斯公式，m=2的组合的条件概率为和：

其中是句子出现在语料库中的概率，语料是用于归一化的固定值。从英语句子到英语句子的概率只有一种可能性是。因此，可以比较较大改变和的大小的两个切割组合的和。

假定每个单词之间的概率是上下文无关的，那么S概率是

其中，对于不同的S、m不是相同的值。通常，m越大，越小。换句话说，分词越多，该方案S的可能性就越小。这与实际观察相符，而在反向最大长度匹配方法中，分割往往会使m更小。计算出现任何单词的概率就是上面提到的单词频率，即语料库中Si出现次数与语料库单词总次数的比值。因此，这个术语的概率的对数是

这里，N是语料库中单词的总数。在求解动态规划的过程中，并未预先生成所有可能的方案Si，并且具有最大值并且获得，然后通过回溯方法直接输出Si。

节点Ni的最大概率称为节点Ni的概率：

其中，英语教学节点的末尾是Ni，它被称为Sj和 Ni前体词。这里，prev（Ni）是节点i的紧前词集。StartNode（Wj）是Wj的起始节点，也是节点i的紧前节点。因此，在JIEBA教学中，对于n的长度，最后一个单词是Sm，在教学英语教学句子的教学中，得到 P（Noden）=1：

文章来源：《信息系统工程》 网址: http://www.xxxtgc.cn/qikandaodu/2021/0218/1075.html

上一篇：高校图书馆如何运用计算机信息管理系统
下一篇：information和info 构成的新词