培养动态

活动简介

5月13日，未来教育国际沙龙系列活动第26期在励教楼A101沙龙区成功举办。活动邀请英国谢菲尔德大学自然语言处理副教授、剑桥大学特聘研究员袁征博士担任主讲嘉宾，以"自然语言处理技术在教育领域的应用"为主题，探讨了该技术在语言教学中的前沿应用场景及未来发展方向。

活动回顾

自然语言处理技术赋能的语言教育

袁征博士系统梳理了自然语言处理技术（NLP）的发展脉络：从早期基于规则与特征工程（feature-based method）的传统范式，演进至当前以Transformer架构为核心的智能系统（Transformer model）。其团队研究证实，现代智能系统在自动写作评分（Automated Essay Scoring, AES）领域的突破，正推动AES评估模式由单一总分（holistic scoring）向多维度分析（analytic scoring）转型，实现对文本连贯性、句法复杂度、词汇丰富度等维度的精细化评估，从而为教师生成具有可解释性的教学反馈。

此外，袁征博士还探讨了自然语言处理技术在语法纠错（Grammatical Error Correction, GEC）中的实践进展与现实挑战。她指出，当前自然语言处理技术已实现学习者文本的自动语法纠错，例如将“in conclude”智能修正为“in conclusion”或“to conclude”。 技术通过智能模型分析错误类型并生成修正方案，但实际应用仍面临许多难题：多解选择（同一错误可能有多种正确改法）、错误连锁反应（修正一处可能引发新问题）以及功能词纠错瓶颈（如介词、连词等小词修正精度低）。研究还发现，虽然AI工具在少量示例引导下能达到接近人类的评判水平，但存在明显的过度修正倾向——常将正确表达误判为错误。这表明AI工具必须在灵活性与准确性之间取得平衡，才能有效支持语言学习。

与AI Teacher对话——智能教学互动原理

在讲座中，袁征博士还分享了其团队关于AI生成式反馈在教育对话场景中的运行机制研究成果。借助自然语言处理技术，AI教师正变得愈发"懂教学"。当学生在对话中提出疑问时，AI系统会模拟教师的思维逻辑：首先通过智能模型理解问题核心，结合学生过往对话定位知识薄弱点；其次分析其能力短板（如需加强语法或词汇） ；最后从教学资源库中选取最适配的引导方式，通过提问启发学生自主思考。例如针对时态错误，系统会提示“请思考动作发生的先后顺序”，而非直接纠正答案。

然而，这种机制虽能模拟教师的教学逻辑，现有技术仍存局限——系统容易过度关注对话中的礼貌用语等非核心要素，却忽视教学策略的实际效果。袁征博士的研究团队正致力于优化评估体系，让人工智能在保持对话自然度的同时，更精准地提升教学效能。

智能教育的未来发展方向

最后，袁征博士从教育研究与政策视角出发，提出了自己对智能教育未来发展研究方向的思考：

第一，应提升大语言模型在语法纠错等特定教育任务中的可靠性，通过针对性训练减少过度修正问题；

第二，需探索多语言及语码转换在教学场景中的合理应用范式，在保持语言规范的同时兼顾学习者的母语认知习惯；

第三，要开发更符合教学需求的自动评估指标，突破当前技术对文本长度、词汇复杂度等表面特征的依赖，建立能够评估思维逻辑、创新表达等核心能力的评价体系。

在互动环节中，未来教育学院孙波教授、青年教师章仪博士及多位博士生与袁征博士围绕自然语言处理技术的教育应用展开深度交流。孙波教授聚焦AI过度纠错现象的本质，提出关键追问：“过度”标准的界定问题——究竟是技术精度缺陷还是评价标准偏差？”章仪博士则结合自身研究领域，与袁博士共同探讨了如何运用自然语言处理技术优化同伴互评活动机制，以提升学生反馈质量的潜在路径。这些问题都仍需通过跨学科研究进一步探索。

与会者一致认为，智能教育发展需实现从"技术可行"到"课堂实效"的跨越，推动人工智能与教育育人目标的深度融合。本次沙龙活动取得良好效果。