【摘要】：近年來,“互聯(lián)網(wǎng)+教育”已經(jīng)成為一種發(fā)展趨勢,而且人工智能已經(jīng)上升到國家戰(zhàn)略的高度,“人工智能+教育”也面臨著新的挑戰(zhàn)。大學英語語言技能訓練對學生的學習和未來發(fā)展舉足輕重,將人工智能中的機器學習、深度學習等技術(shù)應(yīng)用在教育中,特別是應(yīng)用在語言訓練指導和批改中,可以解決很多指導批改中的痛點。北京郵電大學人文學院本科生每學期都會使用大學英語技能訓練系統(tǒng)進行前測、中測、后測,其中客觀題可以直接給出答案,主觀題只能通過教師人工批改,這對教師的時間和精力都提出了較高的要求。本文根據(jù)大學英語技能訓練系統(tǒng)數(shù)據(jù),針對口語表達題建立了智能評分模型,實現(xiàn)對口語表達題的智能批改。本文先分析了課題的研究背景、研究意義和國內(nèi)外研究現(xiàn)狀,并闡述了人工智能和語言訓練方面的相關(guān)概念,然后將音頻數(shù)據(jù)識別成文本,再對文本進行自然語言處理,提取出評分特征。接著使用線性回歸算法和神經(jīng)網(wǎng)絡(luò)算法,根據(jù)現(xiàn)有的大學英語技能訓練中的系統(tǒng)數(shù)據(jù),對口語表達題建立三種智能評分模型。第—種模型是通過機器學習中的線性回歸算法建立模型,第二種模型是通過深度學習中的深度神經(jīng)網(wǎng)絡(luò)建立模型,第三種模型將線性回歸模型和深度神經(jīng)網(wǎng)絡(luò)模型融合建立模型,并且對三種模型效果進行比較。結(jié)論是利用線性回歸模型和深度神經(jīng)網(wǎng)絡(luò)模型融合之后建立的模型效果最好。經(jīng)過不斷地訓練之后,對口語表達題的智能批改準確度高達90%以上。本文利用人工智能對口語表達題這種主觀題進行批改,這對于大學英語技能訓練指導和批改的意義非常重大,也對于減輕教師批改壓力、評價學生學習成績、指導學生學習都有很大幫助。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：H319.3;G434

【參考文獻】

相關(guān)期刊論文 前10條

1 張冬梅;閆蓓;;對話周志華教授:關(guān)于人工智能和機器學習[J];科學通報;2017年33期

2 許睿;;大數(shù)據(jù)背景下大學生個性化自適應(yīng)學習研究[J];電腦知識與技術(shù);2017年31期

3 郝兆杰;潘林;;高校教師翻轉(zhuǎn)課堂教學勝任力模型構(gòu)建研究——兼及“人工智能+”背景下的教學新思考[J];遠程教育雜志;2017年06期

4 艾玲梅;葉雪娜;;基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的目標檢測與分類[J];計算機技術(shù)與發(fā)展;2018年02期

5 郁可人;傅云斌;董啟文;;基于神經(jīng)網(wǎng)絡(luò)語言模型的分布式詞向量研究進展[J];華東師范大學學報(自然科學版);2017年05期

6 沈劍波;雷相東;李玉堂;蘭瑩;;基于BP神經(jīng)網(wǎng)絡(luò)的長白落葉松人工林林分平均高預(yù)測[J];南京林業(yè)大學學報(自然科學版);2018年02期

7 王竹立;;人工智能時代的教育暢想[J];今日教育;2017年09期

8 曹大有;胥帥;;基于TensorFlow預(yù)訓練模型快速、精準的圖像分類器[J];漢江師范學院學報;2017年03期

9 章敏敏;徐和平;王曉潔;周夢昀;洪淑月;;谷歌TensorFlow機器學習框架及應(yīng)用[J];微型機與應(yīng)用;2017年10期

10 劉清堂;黃景修;雷詩捷;吳林靜;毛剛;;PST視角下智能導師系統(tǒng)的設(shè)計與新發(fā)展——以句酷批改網(wǎng)為例[J];現(xiàn)代教育技術(shù);2017年05期

相關(guān)會議論文 前1條

1 張理志;;網(wǎng)絡(luò)環(huán)境下英語作文在線智能批改與師生角色定位——以句酷批改網(wǎng)為例[A];外語教育與翻譯發(fā)展創(chuàng)新研究（第五卷）[C];2016年

相關(guān)重要報紙文章 前1條

1 丁鵬;;大數(shù)據(jù)的核心價值是因材施教[N];中國教育報;2016年

相關(guān)博士學位論文 前2條

1 林命彬;智能機器的哲學思考[D];吉林大學;2017年

2 薛少飛;DNN-HMM語音識別聲學模型的說話人自適應(yīng)[D];中國科學技術(shù)大學;2015年

相關(guān)碩士學位論文 前10條

1 黃雪蓮;批改網(wǎng)在高中英語作文反饋中的現(xiàn)狀、問題與對策[D];四川師范大學;2016年

2 李鵬飛;基于深度學習的維語語音識別研究[D];安徽大學;2016年

3 王向文;基于脈沖序列內(nèi)積的脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學習研究[D];西北師范大學;2015年

4 陳嘉華;基于深度學習的英語語音識別與發(fā)音質(zhì)量評價[D];廣東外語外貿(mào)大學;2015年

5 蔣瑞;情境理論指導下培養(yǎng)學生化學學習能力的教學策略研究[D];西南大學;2014年

6 吳繼民;基于Boosting思想的半監(jiān)督學習算法研究[D];吉林大學;2014年

7 倪志嘉;基于Python的CRM系統(tǒng)接口自動化測試設(shè)計與實現(xiàn)[D];上海交通大學;2012年

8 王振宇;電路類虛擬實驗自動批改與智能指導系統(tǒng)的設(shè)計及實現(xiàn)[D];北京郵電大學;2011年

9 嚴可;英文朗讀題及復述題自動評測技術(shù)研究[D];中國科學技術(shù)大學;2009年

10 王榕;基于課堂教學下教學媒體的選擇與績效分析[D];湖南大學;2007年

本文編號：2778198