基于IRT的英语辅助学习系统设计与实现

2022-04-20曹艳琴姚兆宏

微型电脑应用 2022年3期

曹艳琴，姚兆宏

(1.西安培华学院,人文与国际教育学院，陕西,西安 710125；2.西安电子科技大学,外国语学院，陕西,西安 710126)

0 引言

英语词汇在英语学习中有着极其重要的作用[1-2]。近年来，许多研究对英语学习进行了调查，大多数研究强调词汇学习对英语学习的重要性。在阅读英语文章时，词汇量不足常常导致误解内容或理解能力差。

此外，遗忘所学词汇是英语词汇学习中的另一个严重问题[3]。人们通常在学习后比长时间延迟后更容易回忆起信息。随着时间的推移，当不执行重复学习过程时，信息将被遗忘。遗忘的速度取决于学习材料的难度、表现方法等因素，以及压力和睡眠质量等生理因素。潘锡娟[4]研究了高职英语词汇教学过程中存在的遗忘现象，提出利用词汇软件评价和激励学生词汇学习，从而能提升高职英语词汇教学的成效。田兴华[5]研究了艾宾浩斯遗忘规律对提高英语词汇学习效率的作用。

此外，随着融媒体时代到来，掌上电脑、手机浏览网页或检索网页信息等移动访问手段多样化发展，也带来了教育技术的飞速变革，并趋向于动员性、便携性和个性化发展[6]。这些趋势导致学习形式从传统的课堂学习转变为电子学习(E-learning)。在这些新颖的学习形式中，移动学习是有效的、灵活的，即移动学习能够克服时间和空间的限制，使学习者能够随时随地学习。杨丽芳[7]分析当代大学生及移动学习的特点，并探讨基于移动学习的词汇学习模式。刘红梅等[8]研究了基于微信平台的大学英语教学设计与实践。然而大部分方法都是对词汇学习过程进行定性分析，很少有研究对词汇记忆及学习方法进行定量分析，且没有针对个人特点订制个性化学习方案，从而导致学习效果提升有限。

因此，本研究提出一个新颖的个性化移动英语词汇学习系统，该系统基于个体的学习词汇能力及其记忆周期，根据每个单词的难度和个体学习者的词汇记忆能力，自适应地为个体学习者安排一段时间进行词汇复习。

1 系统架构

本文提出了一种基于项目反应理论[9](Item Response Theory，IRT)和词汇学习记忆周期的个性化移动英语词汇学习系统，包括远程管理服务器、客户端移动学习系统和数据同步智能体3部分。

图1为系统架构。客户端移动学习系统由3个智能体和3个数据库组成，可以基于IRT向个别学习者推荐新单词，并为个别学习者安排词汇复习周期。远程管理服务器有2个数据库和1个数据管理接口，用来收集英语词汇并由管理员(即教师)管理词汇。为了支持离线学习，数据同步智能体负责在无线网络连接后维护客户端数据库和服务器数据库之间的数据一致性。

1.1 远程管理服务器

图1左侧为远程管理服务器的系统架构。管理服务器建立在网站上，便于管理员管理学习资料。管理员可以通过数据管理界面添加、修改、删除或编辑学习内容，并对学习者的学习状态进行评估。

1.2 客户端移动学习系统

图1的右侧为客户端移动学习系统的系统架构。该系统由3个智能体组成：词汇推荐智能体、学习成绩评估智能体和测试智能体。

图1 移动英语词汇学习系统架构

词汇推荐智能体根据个体的学习词汇能力和所学词汇的记忆周期，向学习者推荐个性化的英语词汇。测试智能体自动为学习者学习的词汇生成相应的测试，以便立即评估学习成绩。学习成绩评估智能体从测试智能体中收集学习者的测试结果，然后重新评估学习者的个人能力和所学词汇的记忆周期。最后，学习成绩评估智能体将这些信息存储在用户组合数据库中，用于个性化学习。

此外，该系统具有3个学习界面：登录界面、学习复习界面和自检界面。这些学习界面提供了一个灵活友好的学习界面，允许学习者与3个智能体进行交互。

(1)词汇推荐智能体

基于IRT估计学习者的词汇能力可以让词汇推荐智能体向学习者推荐合适的词汇。如果学习者选择学习过程，那么词汇推荐智能体会根据学习者的词汇能力向其推荐最合适的词汇。学习的单词被记录在用户档案数据库中，以供复习。另一方面，当学习者选择复习过程时，词汇推荐智能体根据学习者对不同单词的记忆周期，向学习者推荐记忆周期最短的词汇。

(2)测试智能体

为了评估学习者的学习成绩，测试智能体随机选择10个与所学词汇相关的测试问题来评估学习结果。在词汇学习过程中，测试智能体要求学习者在空白处填写正确的单词，以评估学习者的拼写和回忆能力。在词汇复习过程中，测试智能体要求学习者从几个相似的单词列表中识别出正确的词汇，以提高学习者识别单词的能力，延长词汇记忆周期。此外，在学习成绩评估过程中，测试智能体基于词汇暴露出来管理词汇的难度。对于词汇暴露量大的词汇，测试智能体降低了词汇的难度。

(3)学习绩效评估智能体

根据随机抽取的词汇测试结果和推荐学习者的词汇学习能力测试结果，对学习者重新学习词汇的能力进行测试。这些重新评估的学习参数随后被存储在用户组合数据库中，以便在下一个学习周期中向个别学习者推荐合适的词汇。为了了解个别学习者的学习状况，自查界面总结了学习信息，包括当前词汇能力、记忆周期短的前10个单词、容易混淆的单词以及个别学习者的评分等级。自我检查界面的目的是促进自主学习。

2 英语词汇能力评价与推荐

项目反应理论是一种广泛应用于教育测量的理论，通常应用于计算机自适应测试(Computerized Adaptive Testing，CAT)领域。该方法有效地减少了测试时间和测试项目数，能够准确地估计考生的能力。基于IRT，本研究提出一个新的个性化移动词汇学习系统，用于评估个性化移动学习服务中学习者的词汇能力。

2.1 学习英语词汇能力评价

为了估计学习者的英语词汇能力，基于IRT提出一个单一难度参数的项目特征函数来模拟每个词汇难度[10]，计算式如下：

(1)

其中，Pj(θ)表示学习者在低于其能力水平θ的水平上记忆和识别第j个词汇的概率，bj表示第j个词汇的难度，n表示词汇的数量，D为常数，通常取1.702。

在式(1)中，当学习者的词汇能力θ等于第j个词汇的难度参数时，概率Pj(θ)等于0.5。显然，当第j个单词的难度增加时，学习者必须有更高的词汇能力，以达到0.5的概率来记忆第j个单词。

在IRT中，通常用最大似然估计(Maximum Likelihood Estimation，MLE)和贝叶斯(Bayes)估计来估计学习者的能力。尽管MLE程序简单易用，但当学习者对所学词汇的测试反应完全正确或不正确时，它会对学习者的词汇能力产生不同的估计。当测试结果完全正确时，MLE方法常常高估学习者的词汇能力。相反，当测试反应完全错误时，最大似然估计通常低估了学习者的词汇能力。与极大似然估计方法相比，贝叶斯估计方法复杂度高、效率低，能够解决极大似然估计中的发散估计问题。基本上，本研究采用了先前关于学习者词汇能力分布的信息来估计学习者的词汇能力。

因此，采用贝叶斯估计方法来估计学习者的词汇学习能力，公式如下:

(2)

在式(2)中，似然函数L(u1,u2,…,un|θk)可以进一步描述为

(3)

其中，Pj(θk)表示学习者能够在低于其能力水平θk的水平上记住第j个词汇的概率,Qj(θk)表示学习者不能在低于其能力水平θk的水平上记住第j个词汇的概率，且有Qj(θk)=1-Pj(θk),uj是正确或不正确的测试词汇测试结果对第j个词汇的反应，即如果答案正确，则uj=1,否则uj=0。

在该系统中，学习者的词汇能力限制在-3到+3之间。也就是说，θ=-3的学习者能力最差，θ=0的学习者能力中等，θ=+3的学习者能力最好。该系统基于学习者的测试反应来评估学习者的词汇能力。如果一个学习者记住了推荐的词汇，并且给出了正确的测试答案，那么一个学习者的词汇能力将根据式(2)中的学习者能力估计公式得到提升,否则学习者的词汇能力将下降。

2.2 推荐英语词汇和测试表

IRT中常用的2种推荐方法是最大信息策略和贝叶斯策略。最大信息策略假设每个词汇及其相应的难度参数对学习者的学习表现出不同的信息。信息价值高的词汇更适合推荐给学习者。由于贝叶斯策略比最大信息方法更复杂，因此采用最大信息方法来推荐合适的词汇。最大信息函数定义为

(4)

其中，Ij(θ)是第j个词汇在低于其能力水平θ的水平上的信息值，bj是第j个词汇的难度参数。

词汇推荐智能体在计算词汇的信息值后，向学习者推荐具有最大信息功能的词汇。对于具有θ能力的学习者来说，具有最大信息功能值的词汇表示该系统产生的推荐优先级最高。

3 实验与分析

本研究以Microsoft Visual C# 2015为开发工具，实现了个性化的移动英语词汇学习系统。

为了评估个性化移动英语词汇学习系统的学习效果，本研究招募了15名学生作为志愿者参加实验。为保证实验顺利进行，首先假设参加者都接受过至少持续了3年的英语听说读写方面的基本教学技能教育。

图2为前测和后测的学习性能的比较结果。前测和后测包含15道选择题和15道完形填空题的试卷，满分为30分。为保证测试准确，2种测试难度被控制在相似范围内。虽然学习者在多项选择题方面的学习成绩没有明显提高，但图2显示，学习者在完形填空方面的词汇能力明显提高。

图2 学生前测-后测得分对比结果

为了比较使用该系统前后学习者词汇能力的差异，采用统计软件对前测和后测结果进行分析。根据表1所列的描述性统计结果，15名学习者的前测和后测平均分分别为21.8分和23.333 3分。此外，表2给出了配对样本t检验的前测和后测得分的比较结果。前测与后测的平均分之差为1.533 3，结果在自由度14下达到显著水平(t=2.553，p=0.023)。也就是说，使用该学习系统后，对学习者的学习成绩有显著的促进作用，平均测试成绩提高了1.533 3分。