基于数据驱动的美国文学教学模式研究

董晓烨

摘 要： 数据驱动在外语教学實践中发挥着越来越重要的作用。在利用大数据构建线上课程平台的基础上，探讨基于数据驱动的美国文学教学模式创新问题。研究发现，通过以数据驱动促进教学和学习内容的选择和扩充、增加量化研究方法、改革测试体制等措施，美国文学教学适应了学习者在学习资源、学习目的、学习内容和学习工具等方面的需求，有助于提高学生主动学习和自主学习的能力。 关键词： 数据驱动;美国文学;教学模式;创新 中图分类号：G642

文献标志码：A

文章编号： 1001-7836（2018）11-0053-03

互联网和移动终端的普及将人类带入了全新的大数据时代，这必将为教育带来巨大的变革。“新时代的发展特色召唤新时代的教学方法与手段。”[1]将现代化的电教手段应用于外语教学已成为时代对外语教育者提出的要求。对于当前的外语教学来说，这既是机遇也是挑战。4G时代学习者的学习资源、学习目的、学习内容和学习工具相比之前发生了翻天覆地的变化。这既要求学习者具备相应的学习能力，也要求教学者在教学内容、教学组织形式和测试手段等方面做出革新和调整。美国文学是英语院系的专业必修课程之一。大数据时代的美国文学教学必须适应个性化和多元化的教学语境，积极利用现代化的方法与手段促进教学，实现从“教”到“学”的转变。

近年来，语料库语言学成为语言学科中飙升最快的学科之一。“语料库是一个按照一定的采样标准采集而来的、能够代表一种语言或者某语言的一种变体或文类的电子文本集。”[2]基于语料库的研究，蒂姆·约翰斯（Tim Johns）于20世纪90年代提出了数据驱动学习（Data-driven Learning， DDL）的理念并将其应用于词汇和语法教学。DDL越来越受到关注并被尝试应用于语言技能的教学当中。但是，正如学者们所指出的那样，“语料库辅助的DDL语言教学还远未达到预期效果。”[3]现有语料库主要用于研究，在教师教学和学生学习实践中还受到一定的限制。另外，语料库研究多关注词汇、语法等基本技能的教学，对英语专业课程如文学类课程的教学模式的研究还较为少见。鉴于此，本文分析DDL辅助美国文学教学创新问题。

美国文学课是笔者主持的学校重点课程和在线建设课程，为英语专业三年级学生开设。此前，课程采取课堂讲授的传统模式，学习者将注意力放在知识接收上。从2015年9月起至今，我们实施了线上课程建设和美国文学教学模式改革。调整教学策略，利用大数据构建线上课程平台，建立基于数据驱动的美国文学教学模式，配合以丰富的文学教学手段，对学生进行引导式教学，服务于学习者的不同需求，促进其自主学习。经过数据驱动式教学，学生学习的积极性和主动性普遍提升，对文学知识的掌握更加牢固，取得了较好的教学效果。以下主要介绍该模式的实践策略。

一、利用数据驱动进行教学内容改革

以往的美国文学教学内容主要以固定的教材为纲。在大数据时代，学生可以轻易接触到大量的文学学习材料，具备一定的文学知识，因此学生的课上学习任务已经由知识的初步接受转变为知识的吸收和内化，以及学习如何处理和加工繁多的知识数据。众所周知，“大数据时代移动互联网的发展以及新媒体和多元信息的产生，使学习过程中获取的知识比较零散、不系统，是无序、互不关联的知识碎片。”[4]因此，如何引导学生整合庞大的信息，选择什么样的课上教学内容，如何指导学生进行课下的阅读延伸成为美国文学教师在进行DDL的教学内容安排时需要考虑的首要问题。

在教学实践中我们发现，引导学生整合庞大的碎片化信息的关键有两点：一是从混乱的信息中选择高质量的数据。二是帮助学生建立块状的知识核心。文学课的学习难度之一在于信息的层出不穷。学习者除了需要掌握基本的文学常识之外，还需要了解语言学、文化、社会学等相关领域并关注不断涌现的新的作家、作品和评论观点等。面对繁多的知识，学习者需要提高知识的敏感性，识别有效信息，建立块状的知识核心，在此基础上平衡不同的学习侧重，进而建构个人化的知识体系。面对层出不穷的信息，学生需要具备一定的识别能力，对已有数据进行分解和净化，从大数据材料中剔除错误信息，选择标准而准确的数据，以此为基础，确立块状知识核心，即学科稳固的核心知识点，进而建立相关知识的数据库，触类旁通，完善学科知识体系。文学课程的块状知识核心包括在美国文学史上具有重要影响的作家的生平简介、作品列表、代表作品的简介和初步评论等。在掌握上述几项有效数据之后，学生掌握块状知识核心，就会对美国文学以及某一位作家的基本情况有一个全面的把握。

对于教师来说，课前的任务主要是选择课上教学内容。“DDL的基本原理是根据建构主义、 人本主义教育思想，以学生为中心，引导学生对语料库里的大量语言现象进行观察、 概括和归纳，主动发现语法规则、 意义表达及语用特征等，来构建语言学习的发现式和探索式学习模式。”[5]在课堂教学中，教师要把握两个教学目标：一是强化块状知识核心，二是督促学生积累成自主学习的方法。教师采取翻转课堂的形式，通过提问、测验、讨论等方式考核学生对块状核心知识的把握，进而引导学生强化知识要点，总结知识规律，养成自主学习习惯。另外，在线上课程设计中，除了作家作品介绍和评价之外，教师可以搜集文学文本、文学理论、文学评论、习题，不同高校和机构的美国文学微课、慕课、线上课程视频等多样化数据，以便于学生平衡不同的学习侧重，根据自己的具体需要进行不同层次的知识和信息扩展。

例如，在学习有关海明威的内容时，以往课上教学以讲座形式介绍块状知识核心，包括作家生平、代表作品简介和评价、作家的创作主题和手法等内容。运用数据驱动的线上课程教学将上述学习任务放在课前，有效地规避了传统美国文学教学的一些问题，如课时有限和课上学习缺乏反思等。在数据驱动和线上课程相结合的课堂上，学生由知识的被动接受者变成了知识的主动输出者。他们在课上的主要学习任务是消化和深化对块状知识核心内容的学习。例如，在课上占用少量时间，以布置小组任务的方式介绍和研讨等。当然，“文学作品中的打破规范的句子是十分常见的。”[6]那些文学作品中的独特表述其实也恰恰体现了文学语言的灵活和丰富。这样的课上教学内容改革有助于促进学习者的深入学习，提高课堂效能。

在课后学习中，教师的主要任务是指导学生进行课下的阅读延伸，帮助学习者进一步建立个性化的知识储备，建构个人化的知识体系。在学生的后续学习中，最重要的是利用已经掌握的块状知识核心举一反三，实现终身学习。例如，对于已经满足课上教学内容的学生而言，他们会进一步强化自身的块状知识核心，同时进行知识拓展。通过对学过的作家的横向比较，学生会对不同作家和美国文学史的阶段特征有更为深刻的认识。对于那些想在课后进一步扩展其知识面的学生，他们可以利用课前和课上占有与加工材料的做法，进一步学习课程中没有讲到的其他美国作家，建构有关新作家的新的块状知识核心。对于那些想进一步对美国文学进行学术研究的学习者，他们可以利用线上课程的语料库，找到有关作家的文学文本、文学理论、文学评论和习题等，以这些数据为衍射，进一步加强有关作家的学术资料的搜集和研究工作。

二、利用数据驱动进行教学组织形式改革

传统美国文学教学过于依赖课本和教师教授。学生一方面接觸知识有限，对知识的学术性把握不足，另一方面课上的学习任务主要是记笔记和短时记忆，无法进行知识输出。而数据驱动学习理念则吸纳语言习得和认知心理学的研究成果，倡导“以学习者为中心”的思想，即课堂练习或活动都以自主学习为主。教师设计好的教学材料交由学生自己观察、假设、推断，然后再通过同学之间相互讨论，最后归纳出问题的答案[7]。我们所实践的基于数据驱动的美国文学线上教学始终秉持以学生为主体和教师为主导的“主导和主体相结合”的交互式教学组织形式，在教学过程的课前、课上和课后三个环节进行改革，深度融入信息技术，加入语料库辅助手段。实践证明，建立数据驱动的教学组织形式——课前自主学习、课上合作学习、课后反思总结，有助于提高学生的自主学习能力，使学生朝着个性化学习方向发展。

在课上教学中，课题组追求“教是为了不教”的教育目标，以培养学生的自主学习能力为目标，采取基于翻转课堂和数据驱动的混合式课上教学模式，督促学生进行合作学习。在课上学习中，学生发挥的主体作用，将课前从在线课程中学习到的知识进行消化、吸收和延伸;“教师应该积极利用现代化的方法与手段促进教学。”[8]

例如，上文提到的在学习海明威的相关知识时，学生在课前通过语料检索源语言文学语料库、英汉对比语料库或自建语料库，从真实的语料中找出海明威语言的规律和特点。教师针对学生课前的自主学习状况，提出需要研讨的问题，引导学生将前期的定量研究与进一步的定性研究相结合，将软件检索的结论结合前人的评价和分析，定性分析检索结果，发现语言特征所表达的意义和文本主题，使学生在对真实语料和文本评论的结合中深入了解海明威的语言特色、作品寓意和创作主题，并将其上升到学术层次，从而将丰富真实的语料与深刻系统的评论相结合，达到基础文学知识和批判性思维的平衡发展。

在课后，教师可以进一步引导学生向自主学习和个性化学习的方向发展。作为课堂教学的补充，线上课程遵照开放式、主动式和关联式的新型文学教学模式，建立多元化和个性化的教学语境，为学生扩展学习内容和养成终身学习的习惯提供了便利。线上课程中包含丰富的多媒体资源，如文本、音频和视频等，以新颖的话题、多角度的阐释和深刻的剖析激发学生的学习兴趣和主动性。教师也可以进一步利用线上课程中的语料库进行后续教学和指导复习等。学生可以通过重新观看微课和阅读线上课程的文本材料来归纳课程内容，复习课程的重点和难点，从而提高对课堂内容的掌握度，帮助学生完成课后自主学习。学生可以在线上课程的讨论区进行后续学习和讨论，学习者之间形成合作式学习，分享学习成果。

例如，在学习海明威的名作《老人与海》时，学生可以运用FOXPRO得出《老人与海》的文本的平均词长，再将其与普通英语语料的词长做对比，就会发现海明威所用词长短于普通英语词长。这说明海明威倾向使用简单、简短的词汇，也有力地证明了海明威的语言特色和简洁、含蓄、清新的文体风格。这样，通过课前的DDL式预习和课上的积极参与，学生在教师的引导下课后自主完成了对文学文本的初步认识和定量认知。

三、利用数据驱动进行测试手段改革

传统的美国文学测试是在进行一学期的学习之后，教师以闭卷考试的方式对学生的知识掌握情况进行测验。改革后的美国文学测试采用信息技术进行线上课程测试和阶段测试。设置线上测试的主要目的是为了发现教学问题。“我们可以通过了解学生应对难题的模式来考察他们的思考方式，而不是单从考试中识别他们是否缺乏努力或相应的文学能力。”[9]教师可以利用线上课程中的语料库布置任务和作业，使学生在问题意识的驱使下，了解文学考试的规律和要点。线上课程题库为学生提供学习自测标准和内容，师生都可以对学生的知识掌握情况进行测评，从而了解教学效果，为进一步的教学指明方向。学生可以利用线上课程平台，针对自测题目，独立完成或相互讨论，通过自测结果共享，学生可以了解自身的知识掌握程度，教师可以监控学生完成作业的进度，掌握学生的学习情况，以此得出学生普遍存在的问题并及时解答和纠正。如在学习有关海明威的知识时，课前线上自测可以帮助学生自测有关海明威的代表作品、作品主题和语言特色等方面的内容。课后教师可以引导学生查阅有关海明威的其他信息和学术评价，将其放在线上课程的平台中共享，建立延伸语料库，鼓励学生提出自己的研究兴趣和疑问，促进知识的后续生成。

除了对传统的测试形式进行改革之外，我们还可以利用DDL来搜集教学数据。“数据驱动决策主要是收集合适的数据，以有意义的方式分析数据，让有需要的人能获取数据，利用数据提高学习效能和学生成绩。”[10]我们所建立的信息数据库需要尽量涵盖学生的全部测试数据、学习者的反馈信息和教师的教学信息。我们首先以DDL辅助考试数据分析。学生的每次测试都包含了丰富的量化数据：考试分数、人数、分数分配和分值比例等。对相关数据作统计分析可以发挥测试对学生学业情况的诊断作用，以改进测试效能，提高教学针对性和教育质量。

除了对量化数据的研究之外，研究质性数据对教学也具有推动作用。教师和学生的许多教学行为数据，如对学生的访谈和问卷调查、教师的教案和课件等，都可能构成大数据。以DDL辅助收集，以有意义的方式分析反馈和教学数据，有助于最大限度地利用和深入分析现有的数据资源，了解和分析学习者的情况，对前期教学进行反思，得出数据分析所反映的问题，以便得出下一步的教学重点并为今后的教学提供良性的条件和合理化的建议。尤其是调查学生学习的兴趣点，可以了解学生学习的需求，从而将学习者的需求和教学要点相结合，提高学习者的主观能动性。

综上所述，DDL在美国文学教学中起到积极的促进作用。通过在教学内容、教学组织形式和测试手段等方面的改革与创新，将DDL和信息技术应用于整个教与学的过程，有助于美国文学教学更好地适应学习者在学习资源、学习目的、学习内容和学习工具等方面的需求，促进美国文学教学适应个性化和多元化的教学语境，提高学生主动学习和自主学习的能力，从而促进教学模式从“教”到“学”的转变，有效地回应了全新的教育时代对外语教学教育者提出的要求与挑战。

参考文献：

[1] Morris L.V. Little Lectures[J].Innovative Higher Education，2009，34（2）：67—68.

[2] 梁茂成，李文中，许家金.语料库应用教程[M].北京：外语教学与研究出版社，2010.

[3] 王晓雯，葛诗利.大学英语的数据驱动教学模式研究：以广东外语外贸大学《影视英语》精品课程改革为例[J].外语研究，2014（6）：48.

[4] 王承博，等.大数据时代碎片化学习研究[J].电化教育研究，2015（10）：26—30.

[5] Johns， Tim. Should You Be Persuaded： Two Samples of Data-Driven Learning Materials[J].English Language Research Journal， 1991（4）：1—16.

[6] Widdowson H.G. Stylistics and the Teaching of Literature[M].London and New York： Routledge， 2013. [7] 许家金.词汇中心教学法的交际观：理论溯源与反思[J].中国外语教育，2009（4）：38—45.

[8] 楊偃成.大数据时代下的大学英语微课教学模式研究[J].江苏外语教学研究，2015（4）：1—4.

[9] Linkon， Sherry Lee. Literary Learning： Teaching the English Major[M].Bloomington： Indiana University Press， 2011.

[10] 王萍，傅泽禄.数据驱动决策系统：大数据时代美国学校改进的有力工具[J].中国电化教育，2014（7）：105—112.