[摘要]移动互联网环境下，智能语音技术取得了突破性发展和创新性应用。在教育领域中，语音评测技术也达到了大规模应用的条件。该研究针对英语口语教学中存在的学习环境匮乏和评价难度大等问题，设计了基于语音评测的英语口语智能导师系统，旨在通过一对一个性化教学的途径为上述问题提供解决方案。该智能导师系统主要包括学生模型、领域模型和教学模型三部分，作为核心的学生模型通过自动化语音测评技术描述学生当前的口语技能水平，教学模型依据学生模型向学生推荐个性化的口语学习资源。结果表明，该方法能够有效地辅助学生的英语口语学习。
[关键词]语音技术；语音评测；智能导师系统；学生模型
[中图分类号]G40-057 [文献标识码]A [论文编号]1009-8097（2012）11-0082-04
一、引言
语言是人类最重要的、最有效的、最常用的和最方便的通信方式。口语是实现人与人之间沟通与交流的重要工具，口语水平是衡量会话能力的重要标准。英语已经成为一种国际化语言，英语口语教学是应用语言学科的重要研究领域之一。随着新课改的实施，我国当前的英语教学中日益注重英语听说等交际能力的培养。目前，在广东、江苏和山东等省市，英语口语考试已经成为中考、高考的重要组成部分之一，如广东高考英语听说考试满分15分，占高考英语科总分的10%。然而，作为非母语的第二语言，国内大量的中小学生，甚至高校毕业生，在经历了十几年的英语学习后，仍然是只会写不会说的“哑巴”，“哑巴英语”已经成为我国当前英语教学中亟待解决的首要问题。面对这种“说不出的痛”，作为广大教育工作者，我们应该认真思考当前英语口语教学中存在的严重问题。
1.英语口语学习环境极度匮乏
语言环境，即“语境”（context of situation）是语言学研究的重要问题。从应用语言学的角度分析，语境极为重要，是切实提高口语技能的必备条件。英语语言学家弗斯、韩礼德等对此做过深入分析与论述，并认为英语口语的语境对英语口语水平的提高具有极大的影响作用。然而，对于国内的英语教学来说，英语口语环境基本上都集中在课堂上，其他口语练习环境很少。尤其在广大农村地区，学生的英语口语学习环境更是匮乏，练习机会几乎为零。可以说，英语口语学习环境匮乏是导致“哑巴英语”的首要原因。
2.英语口语评价难度大
朗读、复述是提高英语听说能力的重要途径。然而，仅仅张口说是不够的，口语交流需要实现会话者双方或多方高效地交互。并且，交互过程中，如何检测自己口语会话中的发音、语法错误并进行针对性地改进才能有效地提高口语水平。同时，评价的信度和效度也是影响口语测试的重要因素。因此，口语评价与反馈极为重要。尽管如此，我国当前的口语教学中，有限的师资力量明显地难以满足这一需求，且在一些落后地区，师资水平难以保证英语口语的教学质量。所以，评价难度大成为制约学生口语学习的瓶颈之一。
综上，英语口语学习环境匮乏难以为学生提供有效的练习情境，口语评价难度大导致口语交互中断，二者是当前国内英语口语教学中存在的突出问题。针对上述问题，如何通过技术手段构建一对一的个性化学习环境，实现自动化语音评测与提供即时反馈成为口语教学的有效解决方案之一。
二、语音评测技术概述
随着云计算的出现和3G的广泛应用，在移动互联网浪潮的推动下，语音技术迅猛发展。语音技术实现了人机语音交互，使人与机器之间沟通变得像人与人沟通一样简单。语音技术是一个涉及多学科的交叉研究领域，包括声学、信号处理、信息理论、语言学以及计算机科学等诸多领域研究。语音技术主要包括语音合成技术、语音识别技术和语音评测技术三个重要研究领域。语音合成技术可以将任意的文字信息转化为自然流畅的语音，即Text-to-Speech，又称文语转换技术，解决让机器会说话的问题。与语音合成技术相对应，语音识别是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。
近年来，教育文化传播事业的迅速发展，语音评测技术也取得了极大进步并得到了广泛应用。语音评测技术属于计算机辅助语言学习（ComputerAssisted Language Learning）研究领域，是一种通过机器自动对发音进行评分、检错并给出矫正指导的技术。通过该技术，可以用计算机对普通话或者英语的发音进行标准评价和错误反馈指导。在英语口语教学中，能有效地提高学生口语学习的效率和效果。语音评测研究包括标准发音模型的建立、发音的音段韵律质量分析和人工评分映射训练等核心内容，语音评测基本框架如图1所示。
语音评测首先需要构建语音模型和评分映射模型。通常基于大规模的标准发音语料库，获取标准发音数据，对其进行特征提取，进而构建语音模型，使计算机能够自动分析什么样的发音是标准的发音。同时采集大量的发音语料，即非标准语音，然后基于标准声学模型，计算机经过特征提取和音段切分等一系列处理后可自动分析出其发音距离标准语音的声学差距，同时请相关方面的专家完成整个语音语料库相关评分和检错的人工标注，通过数据挖掘技术实现声学差距到专家评分的专家映射模型，这一过程可以使计算机自动学习专家的评分规则，从而具备专家的评分能力。
语音评测的流程是：首先对学习者的语音进行特征提取，然后用训练好的语音模型对语音特征进行音段切分（通常采用Viterbi算法），接着在音段上计算出各种发音质量测度，最后用训练好的评分映射模型，把发音质量测度转换为直观的分数。
随着语音技术的不断成熟及其在语言学习过程中的广泛应用，用于促进英语课程教学的计算机辅助语言学习日益成为当前研究的热点。
三、基于语音评测的英语口语智能导师系统
智能导师系统（intelligent tutonng system，ITS）在一对一个性化教学方面效果显著。学生模型是ITS的核心，学生的能力水平是学生模型的最主要特征，通过测评能客观地反映学生的知识技能水平。因此，本研究认为，学生模型的构建依赖于测评技术。领域模型和学生模型是教学模型功能实现的基础，教学模型是领域模型和学生模型之间的桥梁，教学模型的实质是做出适应性决策和提供个性化的资源推荐服务。其相互联系如图2所示。 语言学相关研究表明，朗读和复述是提高英语口语技能水平的有效途径。因此，本研究中创设了仿读、朗读、复述、情景对话等英语口语练习活动。而作为语音评测引擎，口语发音的准确性、流利性和完整性将是其主要测评指标。
1.系统设计与原型实现
本研究提出如图3所示的系统流程设计。
首先，英语口语领域知识表示方面，构建基于语音语料库的领域模型，这是语音评测引擎的组件和评价标准的基础。一方面，需要确定重要的语言特征，即能表征口语流利程度的重要指标变量。在本研究中，这些特征包括口语发音准确性、流利性和完整性。另一方面，要构建声学模型、语言模型和评分模型。声学模型是能使引擎识别单词的软件组件，语言模型是允许引擎区分具有相似发音单词的软件组件（如，能区分学生讲的是“the red cup”而不是“the read cup”），评分模型是基于真实专家评分，对回答所评分数的一系列评价标准，这和语音引擎评价的标准类似。声学模型、语言模型和评分模型是对口语语音准确性、流利性和完整性及评分标准的规则性定义，供语音评测引擎使用。
其次，在学生模型方面，构建以语音评测数据为基础的学生模型。学生可以进行仿读、朗读、复述、情景对话等口语练习活动，语音评测引擎将学生的语音信号作为输入数据，在英语口语领域知识表示的基础上，提取所输入语音的特征，基于语音模型和评分映射模型，执行自动化语音评测，给出建议分数，并通过即时反馈的方式，提示学生在口语语音准确性、流利性和完整性方面的具体表现及相应的学习建议（如图5所示）。所给分数反映了学生的口语能力水平，本研究将其作为学生模型的最典型特征。随着时间增长，系统使用所收集到的学生口语水平数据，自动改进语音评测引擎背后的英语口语领域知识模型，即将语音测评的评价指标能够更加准确地反映中国英语学习者的口语能力特质。
最后，教学模型根据学生模型所代表的学生口语能力水平，通过个性化资源推荐的方式，向学生推送符合其当前口语水平的练习题目。学生可以根据系统的具体反馈情况，针对自己在语音准确性、流利性和完整性的表现，进行下一轮的训练。
本研究以语音评测方法和技术为支撑，构建了以语音评测为核心的英语口语智能导师系统原型。其主要功能如图3所示。
学生可在系统中进行情景对话练习，其他练习方式还包括句子仿读、短文朗读、句子复述等练习。系统对学生的语音输入进行自动化评测，并根据发音准确性、流利性和完整性指标评分，并将其综合结果即时反馈给学生。该分数能够反映学生当前的口语水平。根据该分数（即学生口语能力水平），系统会向学生推荐符合其口语水平的练习。
2.应用效果分析
本研究所设计的原型系统在英语口语学习中进行了初步应用，并取得了一定的效果。首先，在语音评测的信度方面，测试表明：系统自动化语音测评结果与人工评分具有较高的一致性，效果如图4所示。其次，对试用了该系统的学生进行抽样调查，结果表明，96%的同学认为该系统能够有效促进口语学习，如图5所示。
四、总结与展望
随着移动互联网浪潮席卷而来，语音技术取得了突破性发展和大规模应用，而语言教学对于语音评测有着更为迫切的需求。本研究针对当前英语口语教学中存在的口语练习环境匮乏和评价难度大等问题，设计了基于语音评测的英语口语智能导师系统，应用效果表明该系统能够有效地辅助学生的口语学习。当前，该系统在功能设计方面尚存不足，尤其是学生与系统之间的人机交互方面。如何根据语言教学的规律，设计有效的练习类型，构建更加有意义的口语练习情境，将是下一步改进的重点。
作者简介：梁迎丽，华南师范大学信息技术学院，在读博士，研究方向：计算机网络与教育应用。
收稿日期：2012年6月29日
编辑：李婷