教育人工智能在日语听力教学中的应用研究

吴 繁

北华大学外国语学院

一、主要内容

本文提出学习策略T检验智能分析技术并以此为理论基础，基于日本国内关于听力策略学习的现行研究，以日本某大学本土班级和留学生班级的学生为研究对象，分析不同语言学习能力的学生在自主听力学习过程中学习策略方法的选择行为；并运用学习策略T检验智能分析技术研究不同能力的学习者在学习策略项目及学习策略运用上的差异。通过参照日本国内既有的关于学习策略先行研究的数据统计方法并根据Oxford的SILL计量表制作调查问卷。问卷中包括直接学习策略问题与间接学习策略问题，关于直接学习策略为记忆策略、认知策略、补偿策略；关于间接学习策略为元认知策略、情义策略、社会策略。调查对象具体为日本某大学经济学部二年级本土学生（89人）和留学生（69人）。首先，通过制作调查问卷把被调查者所使用的听力学习策略数字化，完成学习策略采集；其次，通过T检验数据分析技术对调查数据进行比较判断，完成学习策略预处理；最后，通过主题模型智能分析技术对直接策略与间接策略各表现结果和被调查者成绩差异间的潜在关联进行研究，完成学习策略挖掘。项目研究成果可为国内日语教学改革提供一定的理论指导与数据保障，同时项目也存在拟解决的技术难点和关键技术。

项目的技术难点为如何通过T检验技术有效分析两组相关的调查数据（本土学生和留学生，并且两者在一起进行听力学习，非独立学习），目前T检验技术主要应用在医学病理筛查与工程探伤检测方面，应用在教学数据分析方面的案例很少。T检验主要用于样本含量较小，总体标准差未知的正态分布，其是用T分布理论来推论差异发生的概率，从而比较两个平均数的差异是否有决定性意义。由于项目存在两组相关样本，这增加了T检验的运算随机性和相关参数的设置的复杂性。因此，项目采用双总体相关样本T检验技术来检验两组调查样本所获得数据的差异性。项目关键技术为主题模型智能分析技术，其把概率分布与贝叶斯先验理论引入到数据挖掘中。主题模型有三个结构层次：特征词层、主题层和文档层，其可以揭示直接学习策略与间接学习策略各表现结果（主题）与学习策略调查题目（特征词）及被调查者成绩差异（文档）之间的潜在关联，其中计算主题模型提取相关信息的耦合度；确定主题模型中最优主题数量；设计主题聚类算法是该技术关键所在。

二、研究框架

项目研究内容、拟解决的技术难点和关键技术，如下图所示。

图1 项目研究内容、拟解决的技术难点和关键技术