大型预训练语言模型在英语语用教学中的应用.pdf

792024年3月(总第259期)英语广场作者简介：黄子成，南通大学教育科学学院。研究方向：英语教育。收稿日期：2023-8-3大型预训练语言模型在英语语用教学中的应用 黄子成 摘 要 长期以来，我国英语语用教学都存在语用材料有限和个性化程度不足两大难题。大型预训练语言模型在英语语用教学中具有独特的优势，它能够运用上下文学习能力，通过文本模拟来理解和回应自然语言输入，从教学内容、方法和评价三个方面帮助教师选择和收集有针对性的英语语用教学材料，在现有的材料上进一步挖掘语用知识；根据学生的水平和特点进行个性化的设计和实施教学，在学生语言的输入和输出上提供帮助，满足学生英语语用自主学习需求。关键词 ChatGPT；大型语言模型；人工智能；英语语用教学中图分类号 H319文献标识码 A文章编号 1009-6167（2024）07-0079-04 1 研究背景由OpenAI发布的ChatGPT大型预训练语言模型一经问世就引发了广泛的关注。传统的机器学习模型对于学习任务需要大量的人工标注进行引导，如基于人工所归纳出的语法规则进行学习，这类机器学习因为规则所限无法应对如此丰富多样的自然语言。即使在机器学习的过程中增加特征维度和训练数量，人们也会为了得到一致性假设而选择让假设变得过度复杂化，产生过拟合现象（李恒，2020）。预训练语言模型则变换思路，用大语料库进行预训练，通过训练得到含有语境信息的通用语言表示，再根据下游任务进行微调（LeCun et al.，2015）。这种“预训练+微调”二段式模型因为其优越的性能成为主流。ChatGPT使用自然语言处理（NLP）来检查用户输入的内容并产生相关答案进行直观自然的回应（岳增营 等，2021）。这使得大型预训练语言模型有了更广阔的运用场景，成为使用者的一位得力“助手”。这种“人机互动性”为帮助教师进行英语语用教学提供可能。大型预训练语言模型的问世对于英语语用教学是一个机遇，它在语用教学中具有天然的优势，可以通过目标语言和学习者产生即时的互动，并且能够不断地从之前的交互中学习，回答学习者提出的问题，帮助学习者注意和掌握语言特征（Schmidt，1990）。本文基于个人使用ChatGPT的体会和在英语语用教学实践中的思考，分析英语语用教学存在的问题和大型预训练语言模型的优势，将大型预训练语言模型应用于英语语用教学中，从教学内容、方法和评价方面提出应用策略，为教师提供合适的语用教学材料，为个性化英语语用教学提供支持，从而实现更为有效和高效的教学，帮助学生避免语用失误。2 大型预训练语言模型对英语语用教学的赋能 2.1 英语语用教学存在的问题分析英语语用教学存在的问题主要集中在两个方面：缺乏有效的情境创设和忽视学生个体性差异。语用能力并非一种天生的能力，不能随着学生语言能力的发展而自发地获得，所以教师需要通过特定的方式教授相关知识来培养学生的语用能力（Kasper et al.，2002）。首先，从教学内容上看，英语语用教学 Tel:[phone]ENGLISH SQUARE关注学习者语言的交际与社会互动功能的发展，教学内容必须围绕着交际和互动展开才能提升学生的语用能力，而英语语用能力由三个要素所决定：“正确理解意思”“恰当使用”和“分语境使用”（张蕊，2017）。也就是说，无论关注哪个要素，基于语用能力发展的英语教学高度依赖日常生活情景的再现，而目前课堂中的语用能力培养局限于课本特定主题，或者教师根据课本修改并设置的主题。这种方式过于注重语法规则和单词的灌输，其大多以孤立和静态的语用特征为主，而忽略了语篇层面的动态语用教学，如在人际交往中采取的策略、语境分析、对文化差异的考虑等（卢加伟，2013）。这导致学生虽掌握了语法规则，但不知道如何在实际交流中使用这些规则，不利于学生语用能力的发展。其次，从英语语用教学方法的角度出发，虽然教师采用显性教学还是隐性教学哪种更佳尚无定论，但显性和隐性语用教学都要求学生在互动中提升自己的能力。互动过程中对学生表现的有效反馈是语用教学的重要组成部分。这种即时反馈要满足学生的个性化需求，要做到以学习者为中心，区别不同学习者的个性、年龄、语言水平和学习风格（王晓燕 等，2015）。教师受制于时间和精力，往往只能为每位学生提供相同的语用学习材料和采取相似的评价标准，在英语语用教学的过程中无法做到具体情况具体分析，针对每个学生的情况“对症下药”。2.2 大型预训练语言模型为英语语用教学带来的机遇大型预训练语言模型的优势在于能够运用上下文学习（in-context learning）来帮助学习者举一反三，它能辅助教师在教学的过程中创设相似情境、与学生进行个性化互动。20世纪70年代初以来，聊天机器人已经在教育中有所应用（Huang et al.，2022）。但是由于技术所限，人机互动不尽如人意。GPT-3在训练了多种语言之后，输出结果强于单独训练英语的GPT-2（Brown et al.，2020）。ChatGPT逼真的对人类对话的模拟为学习语言开辟了一条全新的道路。当学习者在使用第二语言时，他们需要掌握词汇、语法和语用等多个方面的知识，这些知识需要在语言输入、输出和反馈中不断交互才能不断完善。ChatGPT能通过使用者所输入的内容有针对性地提供帮助，比如将一篇英语文章发送给它，再询问它文中某个句子的意思，它能通过这个句子所蕴含的语用知识点去给学习者一些新的例句和相关的练习。得益于模型的上下文学习能力，大型预训练语言模型能够学习到对话者的内在逻辑并对相关问题进行回答和预测，利用对话者所提供的上下文信息提高回答的准确性。大型预训练语言模型不需要重新计算就能根据使用者提供的少量输入内容输出答案。有学者认为这初步满足了一种人机共生的条件，即模型在与人类交互的过程中变得更为准确，人作为学习者在与机器对话中也掌握了相关信息和知识，双方的语言能力都得到提升（秦颖，2023）。这种“教学相长”在机器学习中是独一无二的，为辅助教师教学创造可能性，在一定程度上解决了英语语用教学所面临的难题。3 大型预训练语言模型在英语语用教学中的应用3.1 教学内容大型预训练语言模型能够帮助教师对教学内容进行相关生成，根据学生不同特点为学生提供个性化材料。首先，大型预训练语言模型可以创设真实的对话情境，提供相关语用材料，根据互动来提供建议和方向。ChatGPT能够从“正确理解意思”“恰当使用”和“分语境使用”三个要素入手，帮助教师进行语用教学内容的生成。“正确理解意思”通常是指正确理解英语语句中的隐含之意，这种隐含之意常常是由语用提示和通过上下文推断而出的，ChatGPT通过提供或者分析相关的材料，让学生学会如何识别和运用各种语用策略。“恰当使用”需要学习者准确地表达自己的意图。比如教师想进行I guess这个语用知识点的教学，想让812024年3月(总第259期)英语广场ChatGPT辅助生成相关教学材料。ChatGPT会创造两个朋友之间约定今晚一起出去玩，但是其中一个朋友因为某些原因取消这个计划的情景，另一个朋友说道：“I guess you dont want to hang out with me tonight.”。ChatGPT会先分析这句话的字面意思：“我猜你今晚不想和我出去玩了。”，告诉学生这句话可以在约会、聚会等社交场合中作为应答来使用。然后，它会提示学生注意guess这个词在英语中可以用来表示不完全确定听者的意图，不愿直面听者来表达自己的感受，这句话传达着受伤和失望的隐含意思。如果对ChatGPT进行追问应该如何回复，ChatGPT会提醒学生在回复时需要注意的要点，学生还能根据自己的意愿和场景来选择不同的回复方式，比如学生想要表达同意出去玩时可在前面加上：“Why would you say that?”，在否定对方假设的同时，表达自己想一起去的意愿。ChatGPT在英语语用教学的过程中提供了完整详细的语用材料并对其加以分析，同时满足了“正确理解意思”“恰当使用”和“分语境使用”的需要。其次，大型预训练语言模型可以根据学生不同语用水平，根据每个学生的“最近发展区”来提供个性化材料，这样的个性化材料可以更好地满足学生的学习需求，并提供适当的挑战，促进他们的语用能力提升。例如一位学生在学习表达感谢的初级阶段，只能进行简单的对话：“Thanks for your help.”“Youre welcome.”。ChatGPT能够识别这位学生的语用能力，并为其提供下一阶段更加详细表达感激的语言表达方式，例如：“I really appreciate your assistance.It was very kind of you to help me.”“Youre welcome!Im glad I could assist you.”。这种个性化的教学材料可以帮助学生在适度挑战的情况下发展他们的语用能力，并提高他们在真实交际中的表达能力。3.2 教学方法大型预训练语言模型能助力以学生为中心的英语语用课堂发展。在以学生为中心的语用教学课堂中，学生不再是一味地听教师讲解，坐在课桌前抄写和背诵语法笔记，而是真正参与到英语语用课堂中来。在此之前，如何让每个学生真正参与课堂一直是难题，教师在教学的过程中无法照顾到每个学生的情况。在利用大型预训练语言模型生成语用材料后，面对需要学习的语用材料，学生有了自主选择权，教师可以在大型预训练语言模型的辅助下判断学生是否掌握某项语用用法，为学生提供适合的语用学习材料。比如将学生的对话或者作文放入模型进行处理，模型会找出学生的语用失误，并生成更适合学生的个性化材料。此时教师扮演引导者的角色，不再独自掌控整个课堂，也不再对不同学生使用同一语用教学方法。而对于学生而言，通过大型预训练语言模型所生成的材料是从海量信息资料中精心挑选的有针对性的材料，学生能够对其进行个性化的吸收。在使用归纳法的显性教学中，教师通过利用大型预训练语言模型提供的一系列相关材料，可以尝试将从自然语料中寻找语用规则这一任务交给学生，让学生参与其中。例如在讲解如何道歉时，教师可给出两个由ChatGPT生成的句子。第一句是：“I apologize.I didnt mean to hurt your feelings.I was having a bad day.I will make it up to you by treating you to dinner.”，第二句是：“I made a mistake.Im sorry for being late.There was heavy traffic on the way.Let me know how I can make it right.”。通过这两个例子，学生可以归纳出道歉的语用用法：从承认错误到解释原因再到给出补救措施。同理，在使用演绎法的显性教学中，大型预训练语言模型能帮助学生分析教师要讲解的语用规则，并提供相关的实例，即先教学生有关道歉的语用规则，再根据语用规则进行举例说明。3.3 教学评价大型预训练语言模型促进英语语用教学评价转向，使形成性评价和终结性评价相结合。传统的英语语用教学评价依赖于语法、阅读等题目的测试分数，忽略了学生的个体语用能力发展情况。大型预训练语言模型能通过对学生的语用使用情况进行前后对比，分析出学生语用能力的进步之处以及仍然存在不足的地方，根据目前学生在阅读、写作、口语交际中 Tel:[phone]ENGLISH SQUARE的语用学习情况进行评估，实时掌握学生的语用能力发展情况。教师可以利用大型预训练语言模型对学生语用能力进行前后对比，比如一开始一位学生向别人借书时说的是：“Can you give me that book?”，在开展语用学习之后学生学会了更加委婉、礼貌的用法，并在最后附上了自己相应的理由：“Excuse me,would it be possible for you to lend me that book?I need it for my research project.”。虽然这两句话在表达上都没有出现语法错误，但后者是学生语用能力提升的具体体现，这是传统评价所做不到的。此外，教师可以利用ChatGPT能够与学生对话的特点，从是否符合语用原则、表达是否流畅恰当等方面来考察学生的语用能力。教师可以观察学生在与ChatGPT对话时是否遵守了相应的语用原则，比如请求别人时有没有礼貌，是否明确表达自己的态度和需求等，这种方式比在课堂中以配对分组的方式考察学生口语表达能力更加有趣。教师可以设计不同的对话任务来涵盖多样的评估场景，以更加全面地了解学生语用使用情况和对语用原则的掌握程度，从而给予学生更为客观全面的评价。4 结语人工智能在教育领域的应用已成为潮流。我国高度重视人工智能和教育事业的深度融合（徐欢云 等，2019）。大型预训练语言模型为英语语用教学带来了新的方法和思路，本文尝试从教学内容、方法和评价三个方面出发，探讨大型预训练语言模型在英语语用教学中的运用。作为教学的辅助手段，大型预训练语言模型能够让英语语用课堂更加高效，使语用材料获取更加便捷和个性化。大型预训练语言模型有效使用的关键还在于教师自身，教师在使用的过程中仍须结合自己的经验和具体问题做出选择，本文对大型预训练语言模型的探讨仅停留在语用知识层面的“用”上，未来在教育数字化的过程中，随着技术和观念的不断更新，人工智能能够为教育带来更多的变革和思考。参考文献1BROWN T，MANN B，RYDER N，et al.Language models are few-shot learnersJ.Advances in neural information processing systems，2020（33）：1877-1901.2HUANG W，HEW K F，FRYER L K.Chatbots for language learningare they really useful?A systematic review of chatbot-supported language learningJ.Journal of computer assisted learning，2022，38（1）：237-257.3KASPER G，ROSE K R.Pragmatic development in second language teachingM.Oxford：Blackwell Publishing Limited，2002.4LECUN Y，BENGIO Y，HINTON G.Deep learningJ.Nature，2015，521（7553）：436-444.5SCHMIDT R W.The role of consciousness in second language learningJ.Applied linguistics，1990，11（2）：129-158.6李恒.基于深度学习过拟合现象的分析J.中国科技信息，2020（14）：90-91.7卢加伟.认知框架下的课堂语用教学对学习者二语语用能力发展的作用J.解放军外国语学院学报，2013，36（1）：67-71.8秦颖.人机共生场景下的外语教学方法探索以ChatGPT为例J.外语电化教学，2023（2）：24-29+108.9王晓燕，邓兆红.个性化英语语用教学：原则、内容与方法J.外语与外语教学，2015（4）：12-17+24.10 徐欢云，胡小勇.借鉴、融合与创新：教育人工智能发展的多维路向基于AIED（20112018）的启示J.开放教育研究，2019，25（6）：31-45.11 岳增营，叶霞，刘睿珩.基于语言模型的预训练技术研究综述J.中文信息学报，2021，35（9）：15-29.12 张蕊.初中英语语用教学案例分析D.天津：天津师范大学，2017.（责任编辑：周宇婷）