大语言模型在外语教学中的应用研究

陈舒梦

(大连财经学院 商学院,辽宁 大连 116026)

外语教学是教育领域的一个重要组成部分。从学生成长需求来说,外语对促进学生知识、能力与素质的协调发展,迎接经济全球化的挑战和机遇具有重要意义;从国家战略需求出发,外语是中国持续深化对外改革开放、推进“一带一路”建设过程中不可或缺的一部分。近年来,随着人工智能技术的迅猛发展,大型语言模型作为自然语言处理领域的杰出代表,引发了教育领域的浓厚兴趣,并以其出色的自然语言理解和生成能力在外语教学中崭露头角。

一、大语言模型的发展历程

大型语言模型的发展历程堪称NLP(自然语言处理)领域的一部“辉煌史诗”,它标志着人工智能技术的继承与优化、迭代与创新。在人工智能的早期阶段,研究人员主要依赖基于规则的方法处理自然语言。由于需要编写复杂的规则来处理语言,这种方法难以适应自然语言的复杂性和多样性。随着计算能力的增强及大规模语料库可用性的提升,统计语言模型逐渐崭露头角。这些模型通过统计分析语料库中的词汇和语法规则,可以更好地处理自然语言文本。

深度学习技术的崛起彻底改变了NLP领域的格局。循环神经网络(RNN)和长短时记忆网络(LSTM)等神经网络模型开始在NLP任务中取得突破性成果。Transformer架构的革命性设计为处理文本数据带来了全新的思路,开启了“大语言模型或预训练模型+精调/提示”新范式。基于Transformer的大语言模型不仅能记忆并处理海量语言数据,捕捉自然语言中的语义和语境,而且能完成较为复杂的逻辑思考和推理,生成多样风格的长文本,根据用户的反馈及时地交互修正,在智能语言信息处理能力方面实现了重大突破。ChatGPT、LLMA (Large Language Model Meta)、MOSS、文心一言等,均展现了大语言模型的卓越性能。大语言模型为知识的调用方式、获取手段打开了新的途径,为人民的生活带来了巨大便利,在教育领域为个性化数字资源创建、人机协同学习、实时教学辅导等提供了有力支撑。

二、大型语言模型的优势与劣势

(一)大语言模型的优势

大语言模型在自然语言理解、任务适应性、可扩展性、可定制性等方面展现出了诸多优势。

1.强大的自然语言理解能力

大型语言模型在数千亿级的海量数据上进行预训练学习,并通过基于人类反馈的强化学习对模型进行微调,实现了对语境中的词汇选择、语法结构等各种语言难点的识别,人类语言的细微差异的捕捉。在问答系统中,大语言模型可以准确理解问题中的含义,流畅地进行对答,并提供明智的答案。

2.出色的任务适应性

大语言模型不局限于单一任务,而是能够自适应地调整和优化模型,应用于多种任务场景。例如,它们可以在文本分类、命名实体识别、情感分析等不同任务之间切换,并在处理各种复杂任务时保持高效性和准确性。

3.高度的可定制性

大语言模型具有高度的可定制性。通过增加模型的层数和参数量,大语言模型可以快捷并精准地处理大规模数据和复杂数据。例如,在机器翻译任务中,大语言模型可以学习多种语言之间的翻译关系,并在翻译不同语言时表现优异。此外,大语言模型的参数可以根据不同的任务进行微调整,以适应各种特定的应用场景。这种可定制性使得大语言模型在实际应用中更具灵活性及适应性。

(二)大语言模型的劣势

大语言模型是通过大规模的语料数据进行训练的,其性能与数据的质量和数量密不可分。数据的准确性、全面性、语料的语言风格、用词习惯、标注人员的个人立场、主观偏好等都会间接影响模型的性能[1]。尽管现有的大型语言模型已经取得了显著的进展,但算法仍然存在一定的局限。例如,评价指标的多样性致使模型在多个维度间难以均衡[1],从而输出存疑性信息。

大语言模型可能获取用户的使用数据,涉及信息隐私问题。大语言模型具有庞大的用户群体,若生成无依凭的数据,或者被恶意者利用,亦可能引起信息安全问题。

三、大语言模型辅助外语教学应用场景

大语言模型在课前准备、课中辅助教学、课后评估和个性化辅导等各个教学环节均可发挥重要作用。通过充分利用这一技术工具,教师可以提供更丰富、个性化的外语学习体验,帮助学生更好地掌握目标语言技能。

(一)课前准备

在课前,大语言模型可以根据教学内容生成教学大纲及详细的教学计划,为教师提供额外的教学资源和建议。教师可以使用模型查找相关的文章、视频资源,以丰富课堂教学内容。此外,模型还可以帮助教师准备教材中可能出现的难点,以便更好地对学生进行解释,提高教学效率。

(二)课中辅助教学

借助大语言模型的知识问答功能,教师可对课堂中的知识点进行分析、拓展;可对生成的答案展开讨论、师生共评,激发学生的批判性思维,提升其思辨能力;亦可使大语言模型扮演不同角色,搭配智能语音技术进行人机对话,帮助学生练习旅行、商务、日常等各种情景的交流,提高口语表达能力。

(三)课后评估

在课后,大语言模型可以用来评阅学生的学习成果。例如,分析学生的输出文本,并对其语法、语义和上下文进行评估,从语言、内容、篇章结构、技术规范等多个维度提供反馈和建议,切实提高学生的外语水平。

(四)个性化辅导

大语言模型可以用于实时的个性化教学辅导。学生可以根据自己的需求和进度,随时随地向模型提问,获得解答和指导。大语言模型可为每位学生定制学习计划,确保学生在自己的学习节奏和能力范围内得到最大的学习收益。大语言模型技术联合语音合成技术、图像技术等构建的数字化虚拟教师,不仅可以随时随地提供教学服务,而且可以语音和图像等多种形式与学生进行互动,对学生的学习行为进行分析,为其提供更具有针对性的学习建议和改进方案。

四、大语言模型辅助外语教学效果

(一)实验方法

为验证大语言模型在外语教学中的应用效果,联合8位专业课教师,以商务英语专业60名学生为实验对象,进行了为期一学期的大语言模型(ChatGPT、文心一言、UNIPUS Chat 外研AIGC平台、英语写作教学与评阅系统、iTEST智能测评云平台、iTranslate计算机辅助翻译与教学平台等)辅助课堂教学实践。

实验结束后,对学生的词汇量、语法知识进行测试,并对学习满意度进行问卷调查。

(二)实验结果

实验结果表明,实验组学生在词汇量积累和语法知识掌握方面都有较大提升。96.6%的学生对大语言模型辅助外语课堂的形式采取积极的态度,并对其在提高自主学习能力和语言运用能力方面的作用给予了肯定评价。部分学生表示在初期接触大语言模型时,使用频率较高,能自主地学习词汇和语法,能利用大语言模型出题、讲题、修改自己的文章等,但在后期自主学习热情有所降低。

参与大语言模型外语教学实验的教师首先肯定了大语言模型对教学辅助的积极作用,认为大语言模型可以提供多维度教学思路、多元化教学模式、多样化教学资料,可有效提高教学质量;大型语言模型对学生学习成果的自动评价和分析,亦能大幅度减轻教师工作量。但是,部分学生过度依赖大语言模型,不能分辨信息的真伪,甚至有依赖各类大语言模型技术完成其他科目作业的现象。

五、大语言模型背景下教育改革途径

(一)创新教育理念

随着以大语言模型为代表的人工智能技术不断更新迭代,不同母语者之间的沟通障碍愈来愈少。大语言模型背景下,外语教育应着重培养人工智能无法取缔的高级语言人才,要求学生不仅有过硬的语言技能,还能深入了解语言规律、语言比较、语言认知、语言文化等方面的信息。此外,可将自然语言学列为大学的基础课程之一,教授各种语言单位的概念以及在复杂对象中提取这些概念的方法,培养学生联想、类比、归纳、抽象和演绎等逻辑思维能力,推广普及型自然语言学教学[2]。不能一味地排斥或过度依赖以大语言模型为代表的各类人工智能技术,而要学会如何合理运用各项先进科学技术,以实现更个性化、更高效的学习。

(二)改进教学方式

在大语言模型加持下,外语教学应秉承“以学生为中心”的教学理念,改进教学方式,使其更符合新时代的教育理念和需求。例如,在学习任务设计方面,要注重任务的多样性、批判性、开放性、挑战性;在学习过程评价中,不仅要灵活地运用智能化学习分析工具监督学生的学习行为过程,而且可提倡学生在不同阶段撰写反思日志,以帮助教师更好地理解学生的学习思维过程;在学习成果评价阶段,要注重评价的动态性、创造性和现实性,包括考虑人机共创过程的内容贡献程度,对现有知识材料的创造性加工和批判性改造程度,以及对社会问题的应对程度等。

(三)打磨教学工具

外语教学现状与技术更新速度之间存在一定的差距。外语教师应积极参加技术培训,保证理论层面、技术知识层面的前沿性,将不断更新迭代的以大语言模型为代表的各项人工智能技术应用到外语教学中,做到与时俱进。

同时要加强教师与技术研发人员的协同合作。例如,用语言学知识处理方言、口音、不同社会群体间的语言差异,从而令模型更好地处理各类语言变体;从语言学角度识别模型弱点,令大语言模型更精确地理解语义、提高模型的泛化能力;也可从实际教学角度出发,研发面向外语教学的新型智能语言学习工具。

(四)整合教育资源

优质外语教学资源的整合是提高教学质量的重要途径。可以利用大语言模型技术收集全球优质外语教学资源,并根据学生的学习需求进行筛选和整合,以提供更加多样的学习选择,实现教学资源的共享和优化。还可以收集、分析师生的使用体验和反馈信息,通过大语言模型技术对教学资源进行持续更新和升级,以满足持续变迁的教学需求和学习需求。

六、结论与展望

以大型语言模型为代表的各类智能技术的应用将继续推动外语教育领域的创新和进步,为学生提供更优质的语言学习体验。同时,教育界需要密切关注技术的发展,持续优化教学方法,以适应不断变化的教育环境。