“人工智能+句法学习”在高中英语教学中的实践

徐使超，贾 炯

（1.浙江省海宁市高级中学，浙江海宁 314400；2.淘宝（中国）软件有限公司，浙江杭州 310000）

一、问题的提出

2020年10月通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，推动互联网、大数据、人工智能等技术同各产业的深度融合为未来5年我国发展方向之一[1]。国务院《新一代人工智能发展规划》明确指出要构建开放协同的人工智能科技创新体系，“构建包含智能学习、交互式学习的新型教育体系”。[2]“人工智能+”的教学模式时代已全面到来，但人工智能在教育领域运用的优势尚未完全发挥，教育系统人工智能化的深层次变革空间仍然存在[3]。如何将人工智能、大数据等前沿技术与教学结合已成为当下高中英语教学研究的焦点。

《普通高中英语课程标准（2017年版）》（以下简称《课标》）提出了英语学科核心素养概念及学业质量标准，重新设计高中英语教学目标要求[4]。《课标》重视英语句法在语法教学中的作用，设置了多达14条相关学习条目，根据学生所处的不同学习阶段，对句法水平提出了明确要求，内容主要集中在复杂句型与句法成分的认知与使用上，分布在必修、选择性必修、选修提高三个阶段。本文结合人工智能及大数据技术，通过运用Stanford CoreNLP实现高中英语句法的有效学习，探究句法学习的人工智能互动模式框架的教学实践。

二、人工智能句法教学模式的理论基础

《课标》指出，高中句法学习应关注句法结构与句法成分（动词短语、名词短语、形容词短语、副词短语、介词短语）学习。语法知识是“形式、意义、使用”的统一体，句子的句式选择不仅需要做到形式和意义的正确，还要做到在所涉及的语境中恰当和得体[5]。融入语境的句法、句法结构、句法成分运用练习，同时有利于“三维动态语法观”下的句法感悟，有利于句法认知的提高。由此，本文在人工智能句法教学模式的设计中主要依据语言显性与隐性学习理论。

（一）人工智能句法显性学习理论

人工智能模式下的句法显性学习以直观的句法树图形式呈现为主要形式，为学习者提供的是一种直观的句法显性知识，以学生对于句法结构的注意、句法结构认知的自我监控为目的。R. Ellis认为显性知识主要以两种方式促进语言学习：首先，显性知识有助于学习者注意语言；同时，显性知识利于学习者发现自身语言与目标语言范式之间差距[6]。掌握显性知识的学习者能够发现自身的言语与目标语言特征之间的差异，注意差距，进行语言学习的自我监控与有意识调整。在语篇教学的过程中，运用树图句法开展教学恰能够满足张维忠、唐慧荣提出的可视化教学原则：文字语言与图形输入结合的形式须实现可视化教学的组块原则，动态语篇教学中加入句法可视化分析须保证学习对象与信息多元表征的一致性，保证信息组块内容的时空一致性[7]。

（二）人工智能句法隐性学习理论

在句法显性知识的分析教学之外，隐性输入不可或缺，而符合句法结构特征、满足学习短时工作记忆规律的短语训练也能够有效实现语篇学习中句法知识的隐性学习。韩宝成在外语学习的语句习得假说中提出，外语是在大量、充分的语句使用体验中学会（习得）的，过程中外语语言知识可以从学习者身上“自然地生长出来”。[8]句法短语对于语言教学的价值在于：①以词块认知的单词，更加符合语言的认知规律；②以词块为单位运用语言，较以单词为单位，记忆经济性更强；③词块为单位开展语言学习，其产出更为地道、合理；④词块更有利于学习者对语言进行模仿学习。

因此，在语篇阅读训练中设计学生运用短语结构完成的任务。在任务完成的过程中，学生需要关注、理解并迁移运用句法成分，从而得到句法成分、结构知识的强化训练。此外，根据Simon研究，人类词汇认知的短时工作记忆极限平均为7个单词[9]。因此，在人工智能句法教学模式的设计中，机器挖掘的短语长度上限设为7词。

三、高中英语人工智能句法教学模式的实施路径

斯坦福大学近年来研发的Stanford CoreNLP斯坦福自然语言处理工具包是一个以Python为实现环境，采用高准确性的神经网络组件构建，可运用于自然语言的分词、多词标记、词性（POS）、形态学特征标记，以及依存句法分析的数据库、软件包组合[10]。本文述及的句法分析主要运用斯坦福自然语言处理工具包中的句法依存结构分析，及句法成分分析功能。该技术目前为开放项目，根据提示在Python3.0以上环境运行即可。

人工智能句法教学模式以学生为中心，以学生句法意识、能力提升为目标，以显性输入与隐性输入为教学驱动，在教学中充分发挥人工智能的助学赋能作用。

教学模式实施以“结构分析—可视化呈现—显性学习”与“成分分析—智能化挖掘—隐性学习”为路径。首先，根据学习主体，即学生的实际学习需求，将学习对象，即需要重点开展句法教学的句子，输入斯坦福自然语言处理包，进行句子的句法结构与句法成分分析。根据人工智能的分析结果，运用Python自然语言处理方法对句子进行“句法结构可视化呈现”与“句法成分智能化挖掘”。通过“句法结构可视化呈现”，实现句法的显性学习。同时，借助“句法成分智能化挖掘”所得到的句法短语，进行听写、填空、选择等句法短语强化训练，实现句法的隐性学习。此后，根据学习主体，即学生的学习反馈与学习结果，对后续句法教学的学习重点进行适时调整，使学生的句法意识与句法能力在循序渐进中不断提高（如图1）。

图1 人工智能句法教学模式

四、高中英语人工智能句法教学模式的实践案例

2019年，高中英语全面转入新教材教学，新教材以《课程标准》课程目标、课程内容、学业质量标准为导向，是教学的核心内容、重要路径。以下以新教材第一单元的Reading and thinking语篇为例，介绍Stanfordn CoreNLP的句法结构可视化呈现与句法成分智能化挖掘等实践。

（一）句法结构可视化呈现

在Python环境下，斯坦福自然语言处理工具包能够以句法树图的形式通过图形可视化准确地显性呈现句式结构（如图2）。该教学方式的应用场景主要有两类，其一是由教师运用于课堂的句法教学，另外也可由学生自行操作，进行句法结构认知的自主学习。以“My name i s Adam and I'm a freshman at senior high school.”句为例，系统运行：

图2 句法可视化呈现

from nltk.tree import Tree

sentence="My name is Adam and I'm a freshman at senior high school."

parsetree=nlp.parse(sentence)

tree=Tree.pretty_print(parsetree)

tree.draw()

由于句法分析Penn Tree相关术语，如ROOT、SBAR等成分结构概念及JJ等词性标注与高中英语教学存在一定的差异，在实际教学中还需要对其进行适当转化，使用学生较为熟悉的词性标注为了便于学生的理解，教师还可对上述图形进行改编，制作PPT形式课件或改编Word文档示意图，以使其更加适合教学应用。以下简单介绍课堂教学应用实践案例。

1.教学实践片段

本例中句法可视化教学围绕包含复杂名词短语的语篇第3句，以及包含从句结构的第7句展开，在课堂语法教学过程中设置句法结构填空的句法分析训练。在教材阅读语篇第3句进行的短语归纳及其改编练习中，设计句法可视化练习（如图3），学习者需要辨析下列句子中的NP、ADJP或ADVP结构短语，并填入空格内。

图3 句法可视化练习示例

2.教学实践说明

在日常英语的句法教学中加入树图短语结构的补全训练，通过句法复合句与动词短语的辨析，学生在句法结构图的相应位置填入句法结构属性，帮助学生在图示的认知过程中形成对于名词短语NP、形容词短语ADJP、副词短语ADVP、动词短语VP与从句的显性认知。学生在自主探究、图示辅助探究的过程中理解句法的结构关系。

3.教学优缺点思考

人工智能技术英语于英语句法教学，其对于句法结构的分析较以往的经验式句法分析教学，具有明显的科学性与准确性，人机协同的句法学习模式，有效补充了英语课堂句法教学。其中可视化技术作为一种信息表征形式，语篇长难句的句法成分与结构通过可视图形直观呈现，降低学生复杂句式的认知障碍，能以学习支架的形式有效助学，使信息传递更快速、更有效率。同时，作为一种普遍的认知机制，语块划分与依存树的层次结构密切相关，合理的短语可视化呈现显著降低了复杂句法的认知难度，帮助学生系统性理解句法知识，为句法习得提供支架。再者，实现人工智能赋能句法学习。

虽然Stanford CoreNLP句法结构可视化实现的操作性较强，全过程10行代码，即可实现句法结构的直观化表达，但是其简化与改编练习仍需要对树图内容进行简单修改，对于一线教师应用还存在一定困难。

（二）句法成分智能化挖掘

斯坦福自然语言处理工具包还可实现将语句按照句法成分关系进行切分挖掘，该功能的主要应用场景为课堂内外文本句法练习的编写。

仍 以“My name is Adam and I'm a freshman at senior high school.”为例，在工具包基础上设计Python程序可将其划分为多层次的句法短语（模块下载链接：https://github.com/SpikeNarrowstone/Chunks-digger），将模块内容复制至python后运行，可得如下表中的短语内容、短语类别及词汇数量标注：

s="My name is Adam and I'm a freshman at sen ior high school."

SCdigText(s)

成分短语挖掘及标注表

在课堂教学及课后复习时，文本句法练习的编写主要针对学生文本内容的复现训练，可以翻译、选择、听写填空等多种形式展开。以短语选择形式练习为例：

1.教学实践举例

本例中（如图4），应用以斯坦福自然语言处理工具包为基础的模块提取文本中的句法词块。根据系统标注的词块长度与词块类型，根据实际教学需要（本例中，在小于7词的短语内，选择较长的动词、名词、形容词短语作为训练对象），对文本进行挖空处理，引导学生开展词块填空练习。在语法成分短语强化训练中，学生记忆语篇内容，实现语篇内容的再建构。

图4 语篇句法短语填空

2.教学实践说明

按照课时教学指导，在句法教学中，主要开展句法成分短语强化学习，练习中以名词短语、形容词、副词短语为教学重点。在语篇的课后巩固过程中，设计以NP、ADJP、ADVP词块短语为考察重点对语篇进行选择填空复现，可训练学生工作记忆，实现句法输入的强化学习。以输出促输入，运用指向输出的语言运用练习，实现隐性的句法成分输入。同时，根据人类词汇认知的短时工作记忆极限平均为7个有意义联系单词的研究。训练需要的短语设置为7词以内的形容词短语、名词短语及副词短语。

3.教学优缺点思考

运用Stanford CoreNLP句法成分智能化挖掘功能，通过构成语篇的各种语块，如短语、成语、套语、固定搭配及常用句型开展结合语境的输入、输出强化训练，学生能够实现在语言实践中的自觉运用。在语篇复现过程中，词块选择练习，可改编为语篇短语填空练习，以填空的形式复现语篇，引导学生在阅读学习基础上以短语输出的形式产出语言内容，通过多维、高频的隐性学习，帮助学习者提升句法分析能力。

然而，目前一线教师更多只是软件的应用者，大部分并不具备调试Python、JAVA等汇编语言的能力和心理准备，而目前的句法教学的辅助软件功能简单，尚不具备Stanford CoreNLP人工智能系统的完善性、精准性与应用潜力，这形成了目前人工智能的应用困境。

五、结语

运用Stanford CoreNLP计算机技术及句法教学理论，应用人工智能在高中英语课堂教学中的实践，体现了王初明“外语教学的根本出发点，是不断尝试和应用集大成的教学理念，利用一切有效的教学资源，调动一切促学的积极因素，帮助学习者尽快学会外语”的英语教学观[11]，提升学习者的英语学科核心素养。经过人工智能辅助句法教学的课堂实践，相较以往“满堂灌”的语法讲解性课堂，教学过程变得更加简洁高效，学生对于句法结构的显性认知更加系统。诚然，目前人工智能技术的实际运用基础，仍然存在不足，Stanford CoreNLP模式在现阶段的普及性不强，人工智能技术应用对于一线教师存在明显的技术障碍，需要一定的学习成本，但是，所谓“未来已来，将来已至”，随着新时代“人工智能大数据+语言教育”的不断深化，人工智能辅助教学模式的广泛运用势必成为一种现实可能。