基于智能云服务平台的英语写作辅助教学系统设计

关红梅

(大连海洋大学应用技术学院，辽宁 大连，116300)

随着计算机网络信息技术和多媒体技术的发展，数字化教学和网络成为未来英语写作教学的主要模式[1-3].此外，可以利用云服务平台丰富的教学资源在网络空间进行英语教学，从而针对性提高英语写作教学能力.

云服务平台[4-5]为人们获取知识和信息提供了便捷的渠道.英语写作教学资源分布在云存储的网络空间，通过云服务平台实现在线百科全书与网络文献的知识共享，文献知识由Web服务器发布.为了激发学生学习英语写作的积极性和兴趣，实现信息资源的共享，对英语写作辅助教学系统的智能化设计研究具有重要意义.

为此，国内外众多学者对智能化辅助教学系统进行了研究，并取得了丰富成果.谷浩彰等[6]以蒙学智能自适应学习系统为例，探讨了智能化教学辅助训练系统的优势与构成.张挺耸等[7]针对现有多媒体辅助教学系统兼容性差、负载能力弱、耗时长等问题，提出并设计基于概念网络的物理多媒体辅助教学系统.王晓茹[8]提出了一种基于个性化推荐的英语辅助教学系统，并对系统功能及架构进行了设计.金弘迪等[9]对外语教学系统设计的需求进行了分析，并结合计算机智能辅助技术提出了基于agent技术的智能辅助外语教学系统.然而，由于教学内容出现重叠现象，传统的嵌入式软件开发方案容易导致教学平台服务器端的负载过重.用户的响应速度变慢，导致用户体验性差，用户满意度下降.

1 系统总体架构及基础知识描述

1.1 系统总体架构

图1所示为所提基于云服务平台的智能英语写作教学系统的设计架构.用户通过本地客户端接口(或浏览器)连接到基于云-P2P[10]的应用系统，系统从集群服务器和端对端(peer-to-peer)[11]终端提供英语写作辅助教学资源.云P2P融合模式包括英语写作教学辅助服务和资源目录(服务资源目录)、英语写作教学管理模块、调度模块、监控模块、账号模块.调度模块和虚拟化机制，虚拟化机制.英语写作教学管理模块提供管理和服务，它主要负责管理现有的计算、存储和信息资源及服务.通过该安全机制，实现了对节点身份和角色的认证、授权和管理.调度模块负责接收用户提交的英语写作教学服务请求.根据用户对英语写作教学资源的请求、动态部署、配置和恢复，在服务器端和对等节点上对资源和应用进行调度和部署.监控模块负责监控英语写作辅助教学系统资源的使用、异常处理、节点配置.负载均衡和资源监控，以确保服务能够成功地提供给用户.

图1 智能英语写作教学系统架构

1.2 智能云服务平台

在英语写作辅助教学系统云服务平台的设计中，通过屏蔽物理网络的基础层，展示实现细节，对英语写作教学资源进行控制和管理，并在数据库中进行英语写作教学资源的交换，提高了能力通过不同虚拟数据库间的动态切换实现网络连续服务.从而提高英语写作教学体系的可信度和稳定性.

借用量子物理中的“电子云”概念，在海量分布式存储和简单分布式计算平台的基础上，将信息以文档或分发的入口方式存储在大量高成本、海量集群服务器的终端设备上，具有相关性的知识网络相互互联.因此，在英语写作教学系统的设计中，采用基于系统虚拟化、资源虚拟化和网络虚拟化技术的云P2P集成虚拟化机制模型，对分散在服务器端和对等端的计算机资源进行统一管理.虚拟主机通过资源池为教学资源分配提供了统一的管理接口，从而有效地免除了用户管理计算机软硬件资源的负担.

2 系统检索算法设计

在上述系统架构总体设计的基础上，研究了英语写作教学系统的资源检索算法设计，从而实现英语写作教学资源库检索的优化.本文采用模糊聚类方法进行特征融合分析.首先，构建了英语写作教学资源数据库检索的节点分布结构模型，将空间数据发布到英语写作教学资源数据库中.从Web的任意节点提取原始数据，进行语义特征分析，采用数据融合和相关语义特征提取方法进行关联信息分析和数据库检索.然后通过检索接口将检索条件编码回数据库，根据检索条件进行信息处理和反馈，利用Internet在客户端和服务器之间交换信息，将空间数据发布到英语写作教学资源库中，对空间数据信息进行查询和检索，最终在用户端显示数据库检索结果.

在英语写作教学资源数据库存储结构模型中，构建了检索数据流模型.并用标量时间序列表示一组英语写作教学资源的数据流模型，

x=[x1,x2,…,xj]T

(1)

对标量时间序列进行了英语写作教学资源库属性集的矢量量化处理.检索语义特征属性集的矢量量化特征分解函数为，

(2)

其中，k表示分布式英语写作教学资源库的特征融合中心.

通过数据匹配检测，得到英语写作教学资源数据库检索数据信息流的包络幅度，

(3)

3 学习效果评估

本节研究了基于模糊逻辑的英语写作教学系统学习效果评估算法，从而帮助学生与教师及时了解英语写作能力及教学水平，实现针对性能力训练提高写作成绩.系统学习效果评估核心方法为模糊逻辑及其规则，接下来进行详细介绍.

3.1 模糊化规则

首先，设计隶属度函数主要用来识别学生的情感表现.系统中共有六个主要的情感语言变量表示学生的情感属性：动机(μmot)、态度(μatt)、内向(μint)、外向(μext)、焦虑(μanx)和自尊(μsel).对于每个情感变量进行模糊化处理，共分为5个级别，第i个学生的情感变量集Ai(x)描述如下，

Ai(x)={VL,L,M,H,VH}.

(4)

其中VL表示很低，L表示低，M表示中等，H表示高，VH表示很高.同理，将学生成绩模糊化处理，第i个学生的学习成绩用Ci(x)表示，则有

Ci(x)={U,F,G,VG,E}.

(4)

其中U表示不满意，F表示低，G表示良好，VG表示好，E表示非常好.

情感变量用高斯隶属函数式(5)构造，学习成绩用梯形隶属函数式(6)构造.

(5)

(6)

进一步，建立基于情感因素推断学生成绩的规则库.系统共包含5种成绩类型：不满意、一般、良好、非常好和优秀.

3.2 模糊逻辑系统

模糊逻辑系统(FLS)[12]可以用来概括学生对认知和知识获取的偏好，评估和评价学生的知识和学习成果.模糊逻辑系统的框图如图2所示.

系统包括4个阶段即：模糊化器、规则库、推理机和去模糊器.规则可以从数值数据中提取，也可以由专家提供.在建立规则后，FLS可以被认为是从crisp输入到crisp输出的映射.

基于模糊逻辑系统，本文提出的模糊情感推理系统如图3所示.系统中推理机以if-then规则和模糊化输入的形式，利用预先定义的规则库，模拟前人的研究成果和英语学习的理论概念.模糊集的输出是由预先定义的规则和输入变量得到的.去模糊机制将模糊值转换为学生分数.

图2 模糊逻辑系统 图3 模糊情感推理系统

本研究中使用的推理机制为Mamdani最大-最小推理方法.该方法通常用于模拟人类专家知识，其中最小算子作为前因(规则和蕴涵函数)中的连接，最大算子作为后因的一部分，最后通过聚集给输出模糊集.该过程描述如下：

(7)

当学生成绩分数处于划分类别时，推理系统可利用去模糊化以获得分数值.本研究中使用的去模糊方法为重心法(COG).具体描述如式(8)，

(8)

4 仿真与分析

为了验证本文设计的英语写作教学系统的应用性能，在嵌入式Linux内核开发环境下进行了仿真实验.

4.1 仿真环境

硬件环境：CPU为i3-3220，内存为4G的Windows操作系统.编程环境为VS.NET和Python，FrameBuffe图形库用作底层组织和图形界面接口.安装完成后，为ARM生成Qt/嵌入式编译器开发环境算法，并加载在智能云服务平台上.

表1 系统仿真参数

4.2 系统性能测试

4.2.1 检索性能测试

根据上述仿真环境和表1参数设置，对英语写作辅助教学系统进行了检索性能测试.图4所示为所提方法与传统二叉树方法的检索性能对比结果.可以看出，所提系统检索召回率较二叉树方法较高，能够为用户提高准确的检索结果.

4.2.2 响应速度测试

图5所示为所提系统与传统调度算法HEFT和HCNF的响应速度对比结果.可以看出，所提系统具有较好的响应能力.

图4 检索性能对比结果

图5 响应速度对比结果

5.2.3 学生评估性能测试

表2 蒙特卡罗模拟数据

利用蒙特卡罗[13]模拟数据对系统评估能力进行测试.蒙特卡罗模拟产生的数据是由随机分布产生的在[0～l]之间的值.基于蒙特卡罗方法生成数据如表2所示.

根据所得数据和模糊逻辑对学生进行评估.表3所示为学生分数及学生情绪特征统计分析结果.可以看出，所有因素都与学生成绩显著相关.动机(μmot)、态度(μatt)、外向(μext)和自尊(μsel)与学生成绩呈正相关，而内向(μint)和焦虑(μanx)与学生成绩呈负相关.仿真结果符合实际情况，进一步验证了所提方法的有效性.

表3 学生情绪特征统计分析结果

5 结语

文中提出了一种基于云服务平台的智能英语写作教学系统，该系统可以根据学生的特点学习出所需的知识传递方式，从而生成个性化的学习环境.云P2P融合模型应用于英语写作教学资源信息融合处理中，在英语写作教学资源数据库客户端，从Web的任意节点发布空间数据，提取原始数据并进行语义特征分析，英语写作辅助教学资源信息显示在客户端.本文在进行数据分析时假定知识库中数据都非常完整且无坏值(无效测评).此外，由于实验条件有限，实验所用数据来自模拟数据.这些不足一定程度上削弱了该系统的适用范围.未来可对知识库数据进行清洗操作，从而进一步提高系统学习能力.