中考英语听说“人机对话”考试的现实复习和优化路径

随着云计算、大数据、自然语义分析技术的快速迭代发展，智能语音识别与分析技术已广泛应用于医疗、交通、通讯、会议事务等领域，带来新的社会变革语言教学一直重视对学生综合语言应用能力的评价，但由于缺乏评价手段，往往只能通过纸笔测试来监测学生的学习状况，这在一定程度上导致了“哑英语""聋英语"@英语"等语言教学异化现象。随着智能语音测评技术的发展，利用该技术开展教学和考试受到广泛关注，学生语用能力综合评价有了技术支撑。近年来，智能语音测评技术在教学应用中不断深化，产生了一批有意义的研究和实践成果英语口语对话机器人技术，有力地促进了两者的融合。相比之下英语，智能语音测评技术在大规模高考中的应用比较少见，不利于学术和实践交流。为此，本文分析了智能语音测评技术在中考英语听说能力测试（以下简称“人机对话”）中应用存在的问题英语口语对话机器人技术，并提出相应的建议。解决方案，以提供相关的研究和实践。参考。

一、智能语音评估技术在英语教学应用中的发展与演进

随着自然语音处理、机器深度学习和大数据技术的发展，智能语音评估技术在英语教学中的应用研究正在不断深入。最早的研究可以追溯到 1952 年，当时贝尔研究所开发了第一个语音识别系统。后来随着自然语义处理技术的发展，使用技术手段辅助英语听力口语训练逐渐流行起来。单机训练和语音矫正是这一时期的技术特点。第二阶段是从1980年代到21世纪的前10年。随着计算机存储处理技术和自然语音识别技术的飞速发展，自然语义的编解码成为这一时期的主流应用，主要表现在不同语言的翻译、语音识别等方面。随着机器学习算法的大规模突破，智能语音评估技术的应用场景相对有限。第三阶段是2010年至今。随着大数据和云计算技术的发展，机器深度学习无论是训练数据量还是计算速度都取得了前所未有的发展，极大地提升了智能语音评价技术的应用。在测量的信度和效度方面，这一时期智能语音评价技术的研究呈爆发式增长。研究主要集中在三个方面：一是智能语音评价技术的优化。通过机器学习算法的优化和计算机计算能力的提高，语义分析判断的准确性得到了很大的提高[1]。二是智能语音评估技术在教学中的应用研究，重点研究如何利用技术手段支持教与学活动的组织和实施，通过数据反馈改进教学策略[2]。三是智能语音评价技术应用效果研究。通过对实验组和对照组的准实验数据进行分析，认为使用智能语音评测技术的实验组对听说能力的提升大于对照组，提高了提高教学效率，激发学生学习积极性[3]。

可以发现，目前的研究主要集中在智能语音技术在教学中的应用。然而，关于智能语音评估技术在大型高考题中的应用研究较少。本文试图以此为切入点，在实践和观察的基础上进行相应的分析学英语，以期为相关研究和实践提供参考。

二、研究对象和方法

(一）研究课题

本研究采用分层随机抽样的方法学英语，选取S市15所初中和10所高中作为样本来源。调查对象为高中新生（参加过人机对话测试）。 S市作为港口城市，地处东部沿海中考英语听说“人机对话”考试的现实复习和优化路径，经济社会发展程度较高英语口语对话机器人技术，城乡发展均衡，发展信息化和数字经济区位优势明显。 S市于2009年启动英语听力口语人机对话测试试点工作，2011年全面铺开。全市中考英语人机对话测试由智能语音技术支持，考试管理和试卷制作均在计算机辅助下完成。考试过程采用人机交互的形式，即听力部分听电脑播放的声音并选择正确答案，口语部分使用口语答题根据需要提问。评分过程采用“人工采样校准、智能评价系统深度学习、自动评分”的模式。在考试组织方面，考虑到考场、考试安全等因素，考试按时间段分批次进行，规定不同时间段使用不同试卷。试卷分为听力和口语两部分，其中听力15分，分为听力对话和回答问题（5题，5分），听力对话和短文回答（10题，10分） ; 口语10分，阅读短文（3分），情景问答（2分），主题简述（5分）。听力和口语总分25分（英语科目满分120分），考试时长约30分钟。

(二）研究方法

本研究采用调查研究方法和数据分析方法。调查研究采用问卷调查和半结构化访谈方式：初中发放教师问卷56份，有效问卷54份，有效率为96.4%。教师区域分布为：农村27人（50.00%），乡镇12人（22.20%）英语口语对话机器人技术，中心城区15人（27.8 %）。高中阶段通过网络问卷形式向学生发放问卷2165份，有效问卷2150份，有效率为99.31%。其中，男生1057人（49.16%），女生1093人（50.84%）；区域分布为：农村101人（4.70%），乡镇882人（41.02%），中心城区1167人（54.28%）。问卷涉及人机对话的满意度、考试内容和题型的适合性、试题难度和区分的合理性、自动评分的认可度、教学压力、学生的练习方式等。 .，并使用SPSS21.0软件对相关数据进行统计分析。访谈以小组讨论和个别访谈的形式进行。受访者为英语学科教师和教学副校长。共有56人参加了面试，其中教学副校长10人。访谈重点关注学生学习投入的变化、教学压力的来源和原因，以及教师对人机对话优缺点的看法。数据分析主要有两类数据，一类是定量数据，包括问卷数据、智能语音评分系统参数、考试成绩数据、试题质量参数等；二是定性数据，包括文件、访谈等。对话、观察记录、工作总结和反思等。分析时对定性数据进行分析并建立相关联系，并以定量数据辅助确认。