基于RBF算法的建构式英语学习平台信息化实践探索

于舜

(河南省外贸学校， 河南 郑州 450002)

0 引言

随着我国经济的发展，与国际交流的事务越来越多，英语的读写能力和沟通能力是十分必要的，由于信息技术的发展可以帮助学生快速地提高掌握英语的能力，而且学生对于英语教学提出了越来越高的要求，传统的英语教学模式已经无法满足教学的需求，国内外的学者都在探索自主建构式的英语教学方式[1]，利用信息化的技术对这种教学方式进行探索。通过基于RBF的神经网络算法的理论研究，开展建构式英语学习平台的实践探索，让学生沉浸在英语学习情境中。而且在当前国际上，在线教学平台的实践使用十分广泛，例如Blackboard、Moodle、WebCT、eCollege等等在线教育平台[2]。

1 建构式英语教学模式及分类

1.1 英语自主学习

国内外学者普遍认为，自主学习就是学生主宰自己的学习。自主学习具有更好的主观能动性、学习反馈性以及自主调节性。而国外的众多学者则将自主学习归纳为四个要点，即综合性、能力性、环境性以及责任性[3]。自主学习模式主要可以分为两种，主要依据教学的地方，包括课堂自主学习以及课外自主学习两种模式。课外自主学习就是常见的课前预习功课、课后复习、自主选用参考书等，这类学习模式需要学生不借助外力的协助、独立自主地完成学习。而课堂上的自主学习往往会受到教师的影响，能够与教师相互合作，获得更好的学习效果。而英语自主学习是学生按照自己的学习目的，制定英语学习的规划，展开自我监督，从而达到良好的英语学习效果。其理论基础主要是基于现代教育心理学的建构主义、人本主义以及认知主义[4]，这三方面分别是由学生学习英语的情感、认知和环境来实施自主学习。三种理论的融合为优质的教育理念提供基础理论。

1.2 建构式教学

在进行英语学习的活动中，建构式的教学模式主要是以学生为主体，以教师为主导的双主模式[5]，结合教和学的两个角度，利用先进的教学理念，结合信息技术、多媒体技术来提高学生在英语学习听说读写四方面的能力。建构式的教学设计对象由学习环境、学习活动、媒体传递这三个方面组成[6]。设计学习活动是以学习工具和学习资源来相互组合，依靠网络资源为载体，让学生在学习的过程中，体验学习内容并评价自身的学习成果，利用多媒体技术的学习工具将乏味、枯燥的英语学习内容变成丰富多彩的影像动画资料，体现在视觉和听觉上，开放式的英语教学平台有利于学生在课后自主学习。网络化的交流环境也有助于和教师之间的沟通，体现教师的主导功能，所以建构式的英语教学平台对于提高学生的英语自主学习能力具有积极的意义。

2 基于神经网络的英语学习平台

2.1 RBF算法

RBF算法称为径向基函数，是由局部调整神经元组成的神经网络[7]，一般具有五层网络模型，如图1所示。

图1 RBF算法神经网络的结构图

其中第一层为与案例有关的信息因素，这些输入量可以归纳为不同的英语项目指标，输入到神经网络结构中。第二层则是隶属函数，其数学表达式为式(1)。

(1)

第三层形容了模糊规则数，通过对样本的学习，尽量使得学习的规则数最少，最重要。其中第j个规则的输出的数学计算为式(2)。

(2)

式中，cj=(c1j,…,crj)代表第j个RBF单元的中心。RBF神经网络的特征是神经元距离中心越近，其激活程度越高[8]，非常符合建构式英语学习的影响因素的教学模式。

第四层则是归一化层，该层的节点应与模糊规则节点一致[9]，它的第j个节点Nj的输出为式(3)。

(3)

第五层是输出层，输出英语听说读写的各个技能的成绩，其主要是基于RBF算法中的TS模糊模型[10]，它的输出量为式(4)。

(4)

wk代表第k个规则的连接方式，即输出变量的权重乘积的加和为式(5)。

(5)

为了实现RBF算法的简化，可以将第二层、第三层以及第四层归结成隐含层，第一层和第五层分别为输入层和输出层。

2.2 模型实现

基于RBF算法的建构式英语学习平台的模型，主要是在建构式英语学习平台的设计中参考RBF算法的思想，在编写代码的过程中充分体现算法。在模型算法的实现层面上，可以满足教师和学生各自的需求，RBF算法可以解决英语教学的量化指标，尤其在教师层面上，教学效果如何可以在不同的教学时长、教学方式和教学内容的配置方式下实现最优化。对于学生，算法主要解决不同学习状态、任务进度下的学习成绩。学生的算法模型如表1所示。

表1 学生算法模型

该算法模型主要考查国家四六级英语考试的学生成绩情况，输入层包含在该学习平台下学生的学习时间，隐含层则是对应学习资料的不同内容，输出层是各个科目的成绩，从而计算出四六级英语考试的最优化总成绩，并且比较所花费的时间比例。为了获得良好英语能力的学习规律，对某省部分高校参加四六级英语考试的大一、大二学生进行数据搜集，选取其中参加考试的学生7 000多人，其中有将近3 200人通过了等级考试，成绩良好学生的基数模型，可在一定程度上反映良好的英语学习习惯，如表2所示。

表2 四六级成绩良好的学生模型

3 英语学习平台的设计与实现

该学习平台的网络拓扑结构如图2所示。

图2 网络拓扑图

采用分布式的网络拓扑结构[11]，依据教师、学生、管理员的用户等级来支持不同的身份权限，同时对应的服务略有不同，该建构式英语学习平台主要由辅助训练、自主学习、视听训练等模块来组成，其逻辑图如图3所示。

图3 逻辑图

各个模块组成需要后台题库的支持，通过采用SQL Server数据库来支持，从而实现对系统集成的自动化管理，执行数据解决方法的总体方案。

3.1 平台数据库设计

平台数据库的主要功能为英语学习课件题库，课件题库包含听力选择题、单项选择题、判断题、阅读理解、完形填空、纠错题、填空题等等。数据库的信息列表中含有试题类型信息、试题知识点信息、试题领域信息、试题语法信息、多媒体文件信息、试题答案信息等等，这些信息列表的数据类型和字段内容如表3所示。

表3 数据库信息列表

3.2 学习平台设计与评价

该学习平台的网络拓扑结构已经陈述过，平台运行的环境为软件和硬件结合，服务器环境下，布置数据库服务器，系统设置为4G内存500G的固态硬盘、双CPU的至强处理器系统和千兆网卡，软件上则采取系统软件和应用软件，备份软件采用Veritas备份，应用服务器操作系统为MS Windows 2007企业版，系统软件为WinCC。学习平台的登录界面，需输入用户名与密码，如图4所示。

图4 用户登录界面

采用该省的理工大学的英语专业学生成绩，评估基于RBF算法实现的英语学习平台的使用效果，选取该高校2018级语言学院学生予以使用。其中，听力和口语练习模块的界面图如图5所示。

图5 听力练习模块界面图

设置该高校2018级语言学院学生的四级考试成绩的合格线为425分，设定对比的显著性差异设置为5%。为了比较不同年级的学生是否存在较大的差异，首先对比2017级英语专业学生的四级英语考试合格率与2018级学生的合格率(第1次参加大学英语四级考试)，差异性显示在1.5%左右，几乎没有差异。然后在2018级语言学院中，对比使用平台的学生与未使用学生的四级考试情况。从结果中，可以发现在使用了学习平台的学生具有较好的通过率，说明平台的使用探索趋势起到了一定的积极作用，如表4、表5所示。

表4 2017级与2018级英语专业部分学生的大学英语四级考试

表5 2018级语言学院使用平台的大学生与未使用平台大学生的合格率对比

4 总结

建构式英语学习方式为英语学习者提供了更好的技术支持和学习理念，本文首先介绍了建构式英语学习的理论基础和国内外研究现状，分析相比于传统英语学习方式的优势。并且分析了RBF神经网络模型，尤其针对性地采用局部调整的RBF算法，考虑RBF神经网络的训练模型和构建方式，模拟出四六级英语良好学习者的学习规律，从而更好地实现英语学习平台的效果，让英语学习平台在学生的学习过程中起到支撑性的作用，通过对设计的评估，能够更好地对软件设计进行改进。在后续的研究中，应加入更人性化的界面设计，采用更大规模的模型样本来训练模型，使之准确度更加具有普适性，保证在操作度方面具备良好的稳定性，也可以将多种算法融合用来改进RBF神经网络的训练算法，获得更具有通用的算法模型，这是下一步研究的重点方向。