Python 賦能英語(yǔ)詞匯深度學(xué)習(xí)

徐使超 黃新海

《普通高中英語(yǔ)課程標(biāo)準(zhǔn)（2017年版2020年修訂）》（以下簡(jiǎn)稱《課程標(biāo)準(zhǔn)》）提出，普通高中英語(yǔ)課程應(yīng)充分利用信息技術(shù)，實(shí)現(xiàn)大數(shù)據(jù)等新技術(shù)有效促學(xué)功能的目標(biāo)。人工智能、大數(shù)據(jù)技術(shù)與英語(yǔ)教學(xué)深度融合已成為當(dāng)下英語(yǔ)教學(xué)研究的重點(diǎn)。本文以突破當(dāng)前詞匯教學(xué)瓶頸為出發(fā)點(diǎn)，圍繞深度學(xué)習(xí)理念，探討Python賦能詞匯學(xué)習(xí)的技術(shù)路徑與課堂實(shí)踐方法。

一、英語(yǔ)詞匯教學(xué)存在的問題

詞匯是中小學(xué)英語(yǔ)教學(xué)的一大難題。根據(jù)筆者的觀察與研究，當(dāng)下英語(yǔ)教學(xué)存在“南轅北轍”與“蜻蜓點(diǎn)水”兩大問題。

（一）“南轅北轍”問題

教師盲目根據(jù)自己所理解的語(yǔ)言知識(shí)開展教學(xué)活動(dòng)，詞匯教學(xué)目標(biāo)不明確，目標(biāo)詞匯不突出。教師詞匯教學(xué)中缺乏計(jì)劃性，導(dǎo)致詞匯教學(xué)重點(diǎn)不突出、講解內(nèi)容過多或過少，這都影響了詞匯教學(xué)的質(zhì)量[1]。同時(shí)，很多教師在教學(xué)中喜歡孤立地呈現(xiàn)單詞，忽略語(yǔ)境和語(yǔ)篇的重要性，只關(guān)注單詞的形態(tài)和意義的講解，忽視了單詞內(nèi)部的音形意義關(guān)系和單詞之間的聯(lián)系。

（二）“蜻蜓點(diǎn)水”問題

教師教學(xué)以“單詞聽讀講解—課后背誦記憶—后續(xù)課堂聽寫”的流程為主，由于講解不深，引導(dǎo)學(xué)生對(duì)所學(xué)詞匯進(jìn)行歸類、開展主題化詞匯教學(xué)活動(dòng)不足，因此學(xué)生的詞匯理解深度不足，對(duì)單詞的存儲(chǔ)和記憶處于雜亂和無(wú)序的狀態(tài)，單詞遺忘現(xiàn)象十分嚴(yán)重。正確的詞匯教學(xué)應(yīng)是將單詞學(xué)習(xí)與語(yǔ)境認(rèn)知有機(jī)結(jié)合，并在語(yǔ)言應(yīng)用的過程中幫助學(xué)生鞏固詞匯[2]，同時(shí)改變碎片化、脫離語(yǔ)境講解詞匯的教學(xué)方式[3]。

如何幫助學(xué)生進(jìn)行詞匯知識(shí)的深度學(xué)習(xí)，從而擺脫詞匯學(xué)習(xí)困境，已成為現(xiàn)階段教師教學(xué)改革的迫切需要。

二、Python賦能英語(yǔ)詞匯深度學(xué)習(xí)的方法與路徑

人工智能賦能教育是指人工智能技術(shù)在教育領(lǐng)域的應(yīng)用和實(shí)踐，它是支持學(xué)、教、管、評(píng)等教育活動(dòng)的技術(shù)手段[4]。Python作為一種不受局限、跨平臺(tái)的開源編程語(yǔ)言，兼有系統(tǒng)語(yǔ)言的運(yùn)行高速性和腳本語(yǔ)言的開發(fā)簡(jiǎn)單性[5]，幾乎能夠?qū)崿F(xiàn)任何方向的技術(shù)編程，在爬蟲、科學(xué)運(yùn)算、云計(jì)算、人工智能等方面，都有相應(yīng)的庫(kù)為其提供全方位的支持[6]。本文主要探討Python在主題分析、詞匯網(wǎng)絡(luò)構(gòu)建、詞塊挖掘以及語(yǔ)篇比對(duì)四個(gè)方面是怎樣賦能學(xué)生詞匯深度學(xué)習(xí)的。依賴的Python模塊工具包括：（1）NLTK（Natural Language Tool Kit）3.7，主要作用是進(jìn)行詞匯頻率、形態(tài)、發(fā)音等信息的統(tǒng)計(jì)，語(yǔ)篇主題詞匯的提取，以及語(yǔ)篇易讀性的計(jì)算； （2）NetworkX 2.6.2，主要作用是實(shí)現(xiàn)詞匯關(guān)系的網(wǎng)絡(luò)化、可視化呈現(xiàn)；（3）Gensim 3.8.3，主要作用是進(jìn)行基于詞向量與潛在語(yǔ)義分析的詞義相似度計(jì)算；（4）Stanford Core NLP，主要作用是進(jìn)行詞塊挖掘與詞塊特點(diǎn)統(tǒng)計(jì)。

深度學(xué)習(xí)強(qiáng)調(diào)學(xué)習(xí)中的過程體驗(yàn)，強(qiáng)調(diào)知識(shí)的聯(lián)想互動(dòng)與結(jié)構(gòu)建構(gòu)，重視學(xué)生對(duì)于本質(zhì)的掌握、對(duì)于變式的理解，以及靈活應(yīng)用所學(xué)開展遷移創(chuàng)新的能力。在Python相關(guān)模塊工具包的輔助下，首先，人工智能技術(shù)的語(yǔ)篇主題挖掘能夠更好地幫助教師確定單元情境的主題意義，并以此為基礎(chǔ)設(shè)計(jì)與主題情境相關(guān)的問題與任務(wù)，從而提升學(xué)生學(xué)習(xí)的體驗(yàn)。其次，人工智能建構(gòu)的詞匯網(wǎng)絡(luò)能夠?qū)⒃~匯知識(shí)網(wǎng)絡(luò)化、可視化，從而幫助學(xué)生更好地進(jìn)行詞匯知識(shí)的聯(lián)想與結(jié)構(gòu)。再次，詞塊挖掘提供了學(xué)生詞匯學(xué)習(xí)的基礎(chǔ)語(yǔ)境單位——詞塊。在詞塊的支撐下，學(xué)生能夠更好地掌握詞匯知識(shí)的本質(zhì)，理解詞匯知識(shí)的變化形式。最后，語(yǔ)篇比對(duì)能夠根據(jù)主題語(yǔ)境、詞匯應(yīng)用、閱讀難易度，為學(xué)生提供知識(shí)遷移創(chuàng)新所需的適切情境（如圖1）。

（一）主題引領(lǐng)提升詞匯學(xué)習(xí)體驗(yàn)

在詞匯學(xué)習(xí)中，圍繞一定的主題帶領(lǐng)學(xué)生開展系列學(xué)習(xí)活動(dòng)，能夠讓學(xué)生在詞匯學(xué)習(xí)中擁有良好的體驗(yàn)。以單元主題意義為基礎(chǔ)開展單元詞匯教學(xué)，筆者在主題意義的提煉過程中通過Python中的NLTK工具包計(jì)算文本秩頻分布與對(duì)數(shù)似然率，獲取單元內(nèi)相關(guān)文本的主題意義。

1. 運(yùn)用秩頻分布分析

借助秩頻分布獲得文本主題需要計(jì)算h點(diǎn)[7]。h點(diǎn)是秩頻率分布的臨界點(diǎn)，是將文本中每個(gè)詞（型符）按照頻次降序排列，并從1到V（V指語(yǔ)篇詞類總數(shù)）依次編號(hào)，每個(gè)頻序r都對(duì)應(yīng)一個(gè)頻次值fr，h點(diǎn)就是詞的秩頻分布中r=fr的那個(gè)點(diǎn)。h點(diǎn)之前多為功能詞，若有實(shí)詞，則認(rèn)為這些實(shí)詞是文本的主題詞匯。

2. 運(yùn)用對(duì)數(shù)似然率分析

秩頻分布方法所得語(yǔ)篇主題詞僅與語(yǔ)篇自身內(nèi)容相關(guān)，運(yùn)用觀察語(yǔ)料庫(kù)則能計(jì)算語(yǔ)篇的相對(duì)主題。語(yǔ)料庫(kù)語(yǔ)言學(xué)中的主題詞，通過對(duì)比觀察語(yǔ)料庫(kù)中的詞匯頻率，計(jì)算、提取微型語(yǔ)料庫(kù)中具有超常使用頻率的詞匯獲得。運(yùn)用log檢驗(yàn)或卡方檢驗(yàn)計(jì)算兩個(gè)語(yǔ)料庫(kù)中出現(xiàn)頻次存在明顯差異的詞匯即為主題詞[8]。在本文討論的對(duì)數(shù)似然率分析中，筆者以布朗語(yǔ)料庫(kù)為參照語(yǔ)料庫(kù)。相較于秩頻分析中的主題詞，參照語(yǔ)料庫(kù)計(jì)算對(duì)數(shù)似然率得到的主題詞表，更側(cè)重語(yǔ)篇主題差異性、特殊性的體現(xiàn)。

（二）詞匯網(wǎng)絡(luò)促進(jìn)詞匯知識(shí)建構(gòu)

深度學(xué)習(xí)強(qiáng)調(diào)聯(lián)想與結(jié)構(gòu)的學(xué)習(xí)樣式。信息時(shí)代的語(yǔ)言學(xué)習(xí)活動(dòng)，不再是簡(jiǎn)單的信息傳遞，而是對(duì)于語(yǔ)言知識(shí)、意義的內(nèi)在建構(gòu)。語(yǔ)言學(xué)習(xí)過程中，隨意地或以列表的形式記憶詞匯不是有效的方法。以一種組織精密而相互關(guān)聯(lián)的方式存儲(chǔ)，即心理詞庫(kù)的形式，學(xué)生可以更好地理解和記憶英語(yǔ)詞匯，并能更容易地使用它們[9]。詞匯習(xí)得，一方面意味著逐漸擴(kuò)大積累詞匯的廣度，另一方面也是學(xué)生逐漸加深所記住的詞的印象，并逐漸建立詞與詞之間的網(wǎng)絡(luò)關(guān)系，構(gòu)建學(xué)生的心理詞庫(kù)[10]。因此，Python能夠通過融合人工智能的詞義、詞形、詞音對(duì)比計(jì)算，借助NetworkX等構(gòu)圖工具，實(shí)現(xiàn)詞匯知識(shí)“所見即所想”的網(wǎng)絡(luò)化、可視化呈現(xiàn)，從而落實(shí)詞匯深度學(xué)習(xí)中的聯(lián)想與結(jié)構(gòu)。

運(yùn)用Python構(gòu)建詞匯網(wǎng)絡(luò)，能夠根據(jù)學(xué)生高中、學(xué)年或單元學(xué)習(xí)目標(biāo)，控制詞網(wǎng)中詞匯的來(lái)源與層次。本文所述詞網(wǎng)以《課程標(biāo)準(zhǔn)》詞匯表為詞匯來(lái)源，做到了與學(xué)生高中學(xué)習(xí)目標(biāo)一致。同時(shí)，詞網(wǎng)圖片易保存，無(wú)須通過網(wǎng)絡(luò)鏈接搜索，方便學(xué)生隨時(shí)調(diào)取查看。

1. 構(gòu)建詞匯的語(yǔ)義網(wǎng)絡(luò)

筆者運(yùn)用基于詞向量的潛在語(yǔ)義分析方法計(jì)算詞匯的語(yǔ)義聯(lián)系（即詞義相似度），并在此基礎(chǔ)上建立了詞匯網(wǎng)絡(luò)（如圖2）。同時(shí)，在語(yǔ)篇主題已被挖掘的前提下，選擇語(yǔ)篇中語(yǔ)義關(guān)系緊密的詞匯配對(duì)，構(gòu)建語(yǔ)篇的詞匯網(wǎng)絡(luò)（如圖3）。

潛在語(yǔ)義分析是一種計(jì)算機(jī)進(jìn)行自然語(yǔ)言處理的方法，主要運(yùn)用詞向量的方法，通過矢量語(yǔ)義空間提取文檔與詞中的概念，進(jìn)而分析文檔與詞之間的關(guān)系[11]。詞向量在當(dāng)下被廣泛應(yīng)用于機(jī)器翻譯、語(yǔ)義提取、人機(jī)對(duì)話等自然語(yǔ)言處理相關(guān)應(yīng)用之中。本文討論的語(yǔ)義分析使用Python語(yǔ)義分析工具包Gensim的詞義相似度模塊Similarity計(jì)算。

2. 構(gòu)建詞匯的形態(tài)網(wǎng)絡(luò)

歸納整理學(xué)生英語(yǔ)學(xué)習(xí)中易于混淆拼寫的詞匯，能夠幫助學(xué)生更好、更準(zhǔn)確地記憶與運(yùn)用詞匯。因此，構(gòu)建詞匯的詞性網(wǎng)絡(luò)能夠幫助學(xué)生進(jìn)行詞匯的深度學(xué)習(xí)。借助Jaro-Winkler距離算法，筆者獲取了與目標(biāo)詞拼寫形式相近的單詞，生成詞匯學(xué)習(xí)的詞形網(wǎng)絡(luò)（如圖4）。

Jaro-Winkler 距離算法是一個(gè)計(jì)算兩個(gè)字符串之間編輯距離的度量標(biāo)準(zhǔn)。該算法根據(jù)兩個(gè)詞匯之間單字符轉(zhuǎn)換的最小數(shù)量計(jì)算詞匯的詞形相似度，并對(duì)目標(biāo)詞匯的前綴相似情況進(jìn)行額外賦值，更加符合學(xué)生詞匯記憶中對(duì)于形近詞的記憶特點(diǎn)。

3. 構(gòu)建詞匯的發(fā)音網(wǎng)絡(luò)

Python可借助Jaro-winkler距離算法對(duì)不同詞匯的語(yǔ)音相似度進(jìn)行計(jì)算，對(duì)比分析詞匯之間音素與音節(jié)的相似情況。由于高一學(xué)生存在音節(jié)運(yùn)用能力不足的問題，因此，筆者以音素為基本單位進(jìn)行發(fā)音相似度的比對(duì)（如圖5）。

（三）詞塊挖掘呈現(xiàn)詞匯應(yīng)用本質(zhì)

詞塊是詞匯構(gòu)成語(yǔ)言應(yīng)用的最小單位，它們是錨定新話語(yǔ)內(nèi)涵的結(jié)構(gòu)框架，以便語(yǔ)言使用者/接受者根據(jù)不同的立場(chǎng)、語(yǔ)篇結(jié)構(gòu)、語(yǔ)域狀態(tài)解釋語(yǔ)言信息[12]。筆者嘗試運(yùn)用Python相關(guān)技術(shù)幫助學(xué)生挖掘主題語(yǔ)境詞塊、句法目標(biāo)詞塊、記憶規(guī)律詞塊，由此促進(jìn)學(xué)生詞塊積累、詞匯學(xué)習(xí)生成化，跨越“本質(zhì)”，掌握“變式”。

斯坦福自然語(yǔ)言處理工具包能夠?qū)⒕渥痈鶕?jù)句法組成關(guān)系進(jìn)行分析和切分。它在進(jìn)行句法成分分析時(shí)運(yùn)用了成分向量語(yǔ)法，通過遞歸式神經(jīng)網(wǎng)絡(luò)訓(xùn)練句法分析器[13]，分析所得詞塊符合英語(yǔ)語(yǔ)言認(rèn)知的句法規(guī)律，同時(shí)計(jì)算詞塊的內(nèi)容與長(zhǎng)度（如圖6）。

1. 根據(jù)主題語(yǔ)境挖掘詞塊

學(xué)習(xí)基于詞塊認(rèn)知的單詞，要以語(yǔ)境作為依托，這樣更符合語(yǔ)言認(rèn)知規(guī)律。以詞塊為單位運(yùn)用語(yǔ)言，記憶效果更好，形成的語(yǔ)言更為地道、合理。

筆者在教學(xué)中引導(dǎo)學(xué)生通過概念網(wǎng)絡(luò)復(fù)現(xiàn)文本內(nèi)容，利用詞塊回憶語(yǔ)篇閱讀中掌握的語(yǔ)篇內(nèi)容，進(jìn)行語(yǔ)言輸出，回憶主題詞匯、主題詞塊、主題語(yǔ)境，復(fù)現(xiàn)、記憶知識(shí)內(nèi)容。

2. 根據(jù)句法目標(biāo)挖掘詞塊

在挖掘主題語(yǔ)境詞塊的同時(shí)，借助Python，筆者按照單元教學(xué)目標(biāo)，在句法教學(xué)中，主要開展句法短語(yǔ)學(xué)習(xí)，以名詞短語(yǔ)、形容詞、副詞短語(yǔ)為教學(xué)重點(diǎn)。以名詞短語(yǔ)、動(dòng)詞短語(yǔ)等句法詞塊為考查重點(diǎn)的練習(xí)對(duì)語(yǔ)篇進(jìn)行選擇填空復(fù)現(xiàn)，可鞏固學(xué)生的詞匯記憶，加深學(xué)生對(duì)于詞匯的理解。以輸出促輸入，運(yùn)用指向輸出的語(yǔ)言運(yùn)用練習(xí)，能夠?qū)崿F(xiàn)隱性的句法成分輸入。

3. 根據(jù)記憶規(guī)律挖掘詞塊

人類詞匯認(rèn)知的短時(shí)記憶極限在5～9個(gè)有意義聯(lián)系的單詞構(gòu)成的詞匯組合，主要受單詞數(shù)量影響，受單詞長(zhǎng)短及音節(jié)數(shù)的影響相對(duì)較小[14]。因此，在篩選單詞的過程中，可根據(jù)教學(xué)對(duì)象的實(shí)際情況設(shè)置詞塊長(zhǎng)度上限，對(duì)能力較弱的學(xué)生進(jìn)行詞塊訓(xùn)練時(shí)可設(shè)置以5詞為詞塊長(zhǎng)度上限，能力較強(qiáng)者可設(shè)置9詞為詞塊長(zhǎng)度上限，一般情況下，7詞可作為大部分二語(yǔ)學(xué)習(xí)者（高中生或大學(xué)生）的詞塊長(zhǎng)度上限。

（四）語(yǔ)篇比對(duì)助力詞匯能力遷移

在詞匯遷移學(xué)習(xí)中，通過情境的主題語(yǔ)境、詞匯應(yīng)用、閱讀難度計(jì)算，教師能夠?yàn)閷W(xué)生提供多樣化的遷移情境，從而有針對(duì)性地引導(dǎo)學(xué)生進(jìn)行橫向與縱向遷移以及低通路與高通路遷移的學(xué)習(xí)活動(dòng)。

1. 根據(jù)主題語(yǔ)境配置遷移文本

在引導(dǎo)學(xué)生進(jìn)行互文性語(yǔ)言情境學(xué)習(xí)的過程中，教師應(yīng)首先考慮遷移對(duì)象與學(xué)習(xí)內(nèi)容之間主題的相似性。Python能夠通過分析語(yǔ)篇的主題詞相似度以及主題詞語(yǔ)義相似度，進(jìn)行語(yǔ)篇的主題相似度計(jì)算。

2. 根據(jù)詞匯應(yīng)用配置遷移文本

根據(jù)艾賓浩斯等人的研究，記憶遺忘的速度由快而慢，因此應(yīng)從識(shí)記之初便通過各種活動(dòng)材料的重復(fù)運(yùn)用防止遺忘。詞匯學(xué)習(xí)中，學(xué)生對(duì)于詞匯知識(shí)的記憶需要一定程度的重復(fù)學(xué)習(xí)。因此，在遷移學(xué)習(xí)中幫助學(xué)生挖掘詞匯應(yīng)用相似的語(yǔ)境文本至關(guān)重要。

3. 根據(jù)閱讀難度配置遷移文本

語(yǔ)篇易讀性的分析以文本的平均句長(zhǎng)、平均詞長(zhǎng)等表面特征為判斷依據(jù)。借助Python模塊工具包，計(jì)算機(jī)能夠統(tǒng)計(jì)音節(jié)與句長(zhǎng)，并獲得Flesch-Kincaid易讀性指數(shù)（Efk=0.39 ×SL+11.8×SW-15.59，其中Efk指可讀指數(shù)，SL指語(yǔ)篇平均每詞的音節(jié)數(shù)），以獲得語(yǔ)篇的易讀性，進(jìn)而幫助學(xué)生設(shè)置符合其需要、難度適宜的情境，開展遷移學(xué)習(xí)。

三、Python賦能詞匯學(xué)習(xí)的單元教學(xué)實(shí)踐

以下就本文所述Python賦能詞匯深度學(xué)習(xí)的方法路徑，結(jié)合人教版英語(yǔ)必修三第三單元的詞匯教學(xué)進(jìn)行簡(jiǎn)單說(shuō)明。

（一）確定單元整體學(xué)習(xí)主題

課堂教學(xué)之前，教師要運(yùn)用Python對(duì)單元文本進(jìn)行處理，得到單元文本的主題詞匯。以本單元為例，經(jīng)過文本處理，根據(jù)秩頻分析與對(duì)數(shù)似然率統(tǒng)計(jì)，單元Reading and Thinking課時(shí)的語(yǔ)篇主題詞分別為“city”和“city、art、Chinatown”。在此基礎(chǔ)上，結(jié)合本課時(shí)的教學(xué)參考意見，以“城市”為主題構(gòu)建情境，設(shè)計(jì)相關(guān)閱讀問題與學(xué)習(xí)活動(dòng)。在解答問題與完成任務(wù)過程中，學(xué)生圍繞單元主題會(huì)自發(fā)性地進(jìn)行單元詞匯的輸入與輸出，從而實(shí)現(xiàn)詞匯知識(shí)的隱性學(xué)習(xí)。

（二）構(gòu)建單元詞匯學(xué)習(xí)網(wǎng)絡(luò)

在教學(xué)前，教師用Python構(gòu)建圍繞主題詞匯的詞義網(wǎng)絡(luò)：可以根據(jù)教學(xué)實(shí)際需要構(gòu)建高中英語(yǔ)學(xué)習(xí)主題詞義網(wǎng)絡(luò)，也可針對(duì)單元學(xué)習(xí)詞匯構(gòu)建詞義網(wǎng)絡(luò)。同時(shí)，圍繞主題詞匯構(gòu)建詞型網(wǎng)絡(luò)與詞音網(wǎng)絡(luò)。

接著，在單元教學(xué)中充分運(yùn)用詞匯網(wǎng)絡(luò)。以本單元教學(xué)為例，筆者依托高中整體詞匯構(gòu)建的主題詞網(wǎng)可用于單元學(xué)習(xí)的導(dǎo)入環(huán)節(jié)，修改詞匯語(yǔ)義網(wǎng)絡(luò)（如圖7），即在熱身環(huán)節(jié)引導(dǎo)學(xué)生猜測(cè)單元主題，激活學(xué)生的已學(xué)知識(shí)與聯(lián)想網(wǎng)絡(luò)。

詞形網(wǎng)絡(luò)、詞音網(wǎng)絡(luò)可幫助學(xué)生在課堂學(xué)習(xí)之外，通過辨識(shí)相似單詞，更好地記憶詞匯。圍繞單元詞匯構(gòu)建的詞義網(wǎng)絡(luò)，適用于閱讀課時(shí)或單元復(fù)習(xí)階段，作為學(xué)生對(duì)單元內(nèi)容回憶、重構(gòu)、復(fù)述的學(xué)習(xí)支架，幫助學(xué)生更好地通過意義建構(gòu)組織詞匯知識(shí)的記憶。

（三）設(shè)計(jì)單元詞塊積累活動(dòng)

在單元詞塊學(xué)習(xí)中，運(yùn)用Python對(duì)單元詞塊進(jìn)行挖掘與標(biāo)注，是本教學(xué)內(nèi)容有效開展的基礎(chǔ)。以本單元為例，通過對(duì)文本進(jìn)行處理，相關(guān)詞塊及其性質(zhì)可通過表格呈現(xiàn)與歸類。

此后，可根據(jù)教學(xué)需要，將以上詞塊與相應(yīng)的單元教學(xué)課時(shí)相結(jié)合。在單元閱讀教學(xué)中，設(shè)計(jì)繪制詞塊概念圖等與主題語(yǔ)境、語(yǔ)篇詞塊密切相關(guān)的閱讀任務(wù)，使學(xué)生在解決問題的過程中通過隱性學(xué)習(xí)積累詞塊。

在單元語(yǔ)法教學(xué)中，融入單元詞塊能夠更好地幫助學(xué)生理解相關(guān)語(yǔ)法單元在語(yǔ)言表達(dá)中的意義及擔(dān)當(dāng)作用。在單元寫作教學(xué)中，可在寫作前的頭腦風(fēng)暴過程中，引導(dǎo)學(xué)生回憶單元學(xué)習(xí)中積累的詞塊，指導(dǎo)學(xué)生在寫作中應(yīng)用詞塊，實(shí)現(xiàn)語(yǔ)言輸入與輸出的緊密結(jié)合。

在單元復(fù)習(xí)教學(xué)中，使用Python技術(shù)，筆者從文本中提取句法詞塊，再根據(jù)系統(tǒng)標(biāo)注的詞塊長(zhǎng)度和類型（本語(yǔ)篇中，在小于7詞的短語(yǔ)內(nèi)選擇較長(zhǎng)的動(dòng)詞、名詞、形容詞短語(yǔ)作為訓(xùn)練內(nèi)容），結(jié)合實(shí)際的教學(xué)目標(biāo)，對(duì)文本進(jìn)行挖空處理，設(shè)計(jì)詞塊填空練習(xí)（如圖8）。在語(yǔ)法成分短語(yǔ)強(qiáng)化訓(xùn)練中，學(xué)生記憶語(yǔ)篇內(nèi)容，實(shí)現(xiàn)語(yǔ)篇內(nèi)容的再建構(gòu)。

（四）落實(shí)單元詞匯知識(shí)遷移

為單元學(xué)習(xí)提供各方面較為相似的遷移學(xué)習(xí)材料，是落實(shí)單元詞匯知識(shí)鞏固遷移的有效途徑。在Python相關(guān)工具包的幫助下，筆者根據(jù)主題詞匯相似、文本風(fēng)格相似、閱讀難度相似的遷移目標(biāo)，運(yùn)用人教版文本語(yǔ)料庫(kù)、新概念英語(yǔ)語(yǔ)料庫(kù)，對(duì)其中的文本進(jìn)行計(jì)算與統(tǒng)計(jì)，獲取適合學(xué)生圍繞本單元進(jìn)行互文閱讀的學(xué)習(xí)材料。經(jīng)過比較與分析，筆者選擇閱讀語(yǔ)篇“California”一文作為閱讀遷移對(duì)象。該文易讀性為11.7，閱讀難度較大，但適合學(xué)生開展課外拓展閱讀。同時(shí)，語(yǔ)篇的主題詞為California、usa、spanish、mexico、attracted等，與Reading and thinking主題相近，文本中包含與本單元主題息息相關(guān)且學(xué)生不易掌握的單詞“immigrant”，適合幫助學(xué)生在遷移學(xué)習(xí)中夯實(shí)、鞏固所學(xué)詞匯知識(shí)。

確定遷移學(xué)習(xí)的內(nèi)容之后，筆者根據(jù)學(xué)生單元課堂學(xué)習(xí)進(jìn)度，設(shè)計(jì)相關(guān)的教學(xué)任務(wù)，包括尋找遷移文本的語(yǔ)篇主題、比較課堂文本與拓展文本主題意義方面的相同與不同、作為讀者分析對(duì)兩個(gè)文本的偏好等。在拓展閱讀過程中，學(xué)生能夠更好地建構(gòu)對(duì)單元主題意義的認(rèn)知，鞏固課堂上學(xué)到的詞匯知識(shí)。

依賴NLTK等工具包，Python能夠有機(jī)結(jié)合詞匯學(xué)習(xí)與學(xué)生的語(yǔ)篇學(xué)習(xí)、單元學(xué)習(xí)，增強(qiáng)學(xué)習(xí)的整體性、知識(shí)的關(guān)聯(lián)性、學(xué)習(xí)的實(shí)踐性、遷移的靈活性，讓詞匯學(xué)習(xí)突出過程與體驗(yàn)、聯(lián)想與結(jié)構(gòu)、本質(zhì)與變式、遷移與創(chuàng)造，指向?qū)W生詞匯的深度學(xué)習(xí)。同時(shí)，人工智能賦能教學(xué)也轉(zhuǎn)變了教學(xué)過程中學(xué)生與教師的職能與定位，二者形成“學(xué)習(xí)共同體”：學(xué)生由知識(shí)的被動(dòng)接收者轉(zhuǎn)變?yōu)橹鲃?dòng)建構(gòu)者，教師由知識(shí)灌輸者轉(zhuǎn)變?yōu)閷W(xué)生學(xué)習(xí)的同伴與幫助者。此類教學(xué)過程中，學(xué)生更加具有主動(dòng)性與中心性，學(xué)習(xí)更加深化，有利于培養(yǎng)學(xué)科核心素養(yǎng)。筆者認(rèn)為，當(dāng)前運(yùn)用人工智能相關(guān)技術(shù)輔助詞匯學(xué)習(xí)、促進(jìn)學(xué)生詞匯深度學(xué)習(xí)已然具有可行性與實(shí)用性，人工智能等技術(shù)輔助學(xué)科教學(xué)的契機(jī)日趨成熟，信息技術(shù)與英語(yǔ)學(xué)科教學(xué)的深度融合已成時(shí)代所需。

注：本文系2017年度教育部人文社會(huì)科學(xué)研究規(guī)劃基金項(xiàng)目“基礎(chǔ)英語(yǔ)課程深度學(xué)習(xí)的教學(xué)模式建構(gòu)研究”（項(xiàng)目批準(zhǔn)號(hào)：17YJA880081）、2022年浙江省教育信息化研究專項(xiàng)課題“主題意義引領(lǐng)下的‘人工智能+’單元詞匯教學(xué)實(shí)踐研究”（立項(xiàng)編號(hào)：2022ETC024）、2022年度海寧市教育科學(xué)研究規(guī)劃課題“基于主題意義的詞匯教學(xué)人工智能模式探究”（立項(xiàng)編號(hào)：22HG005）的階段性研究成果。

參考文獻(xiàn)

[1][2]羅少茜，趙海永，邢加新.英語(yǔ)詞匯教學(xué)[M].南寧：廣西教育出版社，2016：165-167.

[3] 何亞男，應(yīng)曉球.落實(shí)學(xué)科核心素養(yǎng)在課堂·高中英語(yǔ)詞匯教學(xué)[M].上海：上海教育出版社，2021：7-8.

[4] 彭紹東.人工智能教育的含義界定與原理挖掘[J].中國(guó)電化教育，2021（6）：49-59.

[5] 沈殊璇，薄亞明.適合于科學(xué)計(jì)算的腳本語(yǔ)言Python[J].微計(jì)算機(jī)應(yīng)用，2002（5）：289-291.

[6] 劉衛(wèi)國(guó)，李晨.程序設(shè)計(jì)教學(xué)的NLTK模塊應(yīng)用案例設(shè)計(jì)Python[J].計(jì)算機(jī)教育，2019（3）：92-97.

[7] 劉海濤.計(jì)量語(yǔ)言學(xué)導(dǎo)論[M].北京：商務(wù)印書館，2017：134-135.

[8] 許家金.語(yǔ)料庫(kù)與話語(yǔ)研究[M].北京：外語(yǔ)教學(xué)與研究出版社，2019.

[9]MEARA P. Towards a New Approach to Modeling Vocabulary Acquisition[A]. In Schmitt N， McCarthy M， Vocabulary： Description， Acquisition and Pedagogy[M]. Cambridge：Cambridge University Press，1997：109-121.

[10]徐浩，孫桐，蔣炎富.英語(yǔ)詞匯教學(xué)[M].北京：外語(yǔ)教學(xué)與研究出版社，2017.

[11]DEERWESTER S， DUMAIS S T， FURNAS G W， et al. Indexing by Latent Semantic Analysis[J]. Journal of the Association for Information Science & Technology，2010，41（6）：391-407.

[12]BIBER D， CONRAD S， Cortes V. If you look at…： Lexical Bundles Vin University Teaching and Textbooks[J]. Applied Linguistics，2004（3）.

[13]MANNING C D， SURDEANU M， BAUER J， FINKEL J， BETHARD S J， MCCLOSKY D. The Stanford CoreNLP Natural Language Processing Toolkit[C]//Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics： System Demonstrations，2014：55-60.

[14]SIMON H A. How Big Is a Chunk？： By Combining Data from Several Experiments， a Basic Human Memory Unit Can Be Identified And Measured[J].Science，1974，183（4124）.

（作者徐使超系浙江海寧市高級(jí)中學(xué)教師；黃新海系浙江嘉興教育學(xué)院教師）

責(zé)任編輯：孫建輝