人工智能提高評閱外貿(mào)函電英文寫作的效率的可行性研究

王倩雅

摘 要：外貿(mào)函電是國際貿(mào)易專業(yè)的一門核心課程，其主要目標是培養(yǎng)學(xué)生掌握外貿(mào)函電寫作的能力。 然而由于評閱學(xué)生的寫作往往需要花費教師大量的時間，因而影響了總體的教學(xué)效率。為了解決這個問題，本文提出了一種基于人工智能模型的自動化評閱外貿(mào)函電寫作的方法。 我們所提出的方法運用了神經(jīng)網(wǎng)絡(luò)中的自然語言處理（Natural Language Processing）模型，通過對已評閱的學(xué)生的寫作進行深度學(xué)習(xí)，從而掌握外貿(mào)函電寫作的特點。所得出的模型能夠幫助教師快速、準確的評閱學(xué)生的寫作。

關(guān)鍵詞：外貿(mào)函電;評閱;人工智能

1引言

在全球化時代的今天，中國的進出口貿(mào)易不斷增加。隨之而來的是對熟練掌握外貿(mào)實務(wù)中各種英文業(yè)務(wù)函電的人才。外貿(mào)函電正是為培養(yǎng)該類人才所設(shè)置的課程。目前在許多高校外貿(mào)函電通常是國貿(mào)專業(yè)學(xué)科基礎(chǔ)必修課。

在外貿(mào)函電的教學(xué)過程中，最重要的一個環(huán)節(jié)是使學(xué)生在熟悉對外貿(mào)易各環(huán)節(jié)的基礎(chǔ)上熟練掌握各種英文業(yè)務(wù)函電的書寫格式和書面表達。評判一個學(xué)生是否真正掌握，最好的方式就是評估他們所寫的外貿(mào)英文函電。全英語外貿(mào)函電的教學(xué)改革需要更加強調(diào)書面的交際能力[1]。然而目前評判學(xué)生的寫作存在著一些嚴重的問題。例如，評閱英文寫作占用教師大量的時間，不是所有的教師都有一樣的評閱標準。所以，評閱學(xué)生外貿(mào)函電英文寫作的方法急需改進。

另一方面，任課教師長年累月所審閱的學(xué)生外貿(mào)函電作業(yè)卻沒有被很好地利用起來。 這些已經(jīng)評閱好的函電作業(yè)不僅能通過實例幫助剛接觸這個領(lǐng)域的學(xué)生理解外貿(mào)函電的寫作要領(lǐng)， 還能夠幫助提高教師評閱的水平。

利用人工智能模型，我們能夠從大量的歷史數(shù)據(jù)中，找出某種事物的特征。當遇到新的數(shù)據(jù)時，能夠迅速通過已有的知識做出判斷。由于受到這種學(xué)習(xí)模式的啟發(fā)，我們建立了一個基于神經(jīng)網(wǎng)絡(luò)（neural network）的人工智能模型， 然后用現(xiàn)有的外貿(mào)函電作業(yè)來訓(xùn)練這個模型。最后，這個模型可能幫助教師自動地評閱學(xué)生的作業(yè)， 從而減少了大量人工評閱的時間。

本文的貢獻主要在于以下兩個方面：

·我們解釋了在教授全英語外貿(mào)函電中評閱學(xué)生寫作能力的重要性，以及目前使用的方法的優(yōu)缺點。

·本文提出了一種基于人工智能的方法來幫助改進評閱學(xué)生寫作能力的效率。具體來說，所提出的方法是一種由英語語言模型和人工識別相結(jié)合的方法。

2現(xiàn)有評閱方法存在的問題

當前，在大多數(shù)高校的全英語外貿(mào)函電的教學(xué)中，學(xué)生的函電寫作主要是由教師手動評閱。這種方法的優(yōu)點是教師能夠檢查每個學(xué)生的寫作能力;根據(jù)學(xué)生寫作的具體情況來做出評判。 但是會有如下的問題和難點：

·花費教師大量的時間。大多數(shù)高校的外貿(mào)函電的任課教師的母語并不是英語，因此不可避免地在評閱過程中會耗費更多的時間。

·評閱結(jié)果的不一致性。研究顯示，在閱讀非母語的作文時，人們通常會帶有強烈的主觀愿望[2] 。這種情況會影響到評閱作文的結(jié)果。 如兩個教師，或者同一教師在不同時間，對同一篇學(xué)生的外貿(mào)函電作文評閱的結(jié)果會有一定的誤差。

·不能適應(yīng)目前互聯(lián)網(wǎng)教學(xué)的趨勢。由于互聯(lián)網(wǎng)的興起，出現(xiàn)了大量的在線教育平臺。與以往的傳統(tǒng)課堂教學(xué)不同，在線教育使得大量收集學(xué)生的作業(yè)成為現(xiàn)實。因此傳統(tǒng)的完全由教師人工的評閱是不適合互聯(lián)網(wǎng)教學(xué)趨勢的。

近年來隨著互聯(lián)網(wǎng)的興起，出現(xiàn)了越來越多的在線教育平臺。 這些教育平臺可以依據(jù)學(xué)生的學(xué)習(xí)情況來生成題目并且自動評閱。雖然提高了教學(xué)效率，但是也有如下的一些限制：

·被評閱的題目簡單。大多數(shù)自動評閱系統(tǒng)都是針對選擇題和簡單的問答題;這類問題的答案通常是一個符號（如，A）或者由簡單的詞語組成，一般不會超過一個句子。外貿(mào)函電是由幾個具有前后關(guān)聯(lián)性的句子組成，因而不適合這類自動評閱系統(tǒng)。

·非針對性的英語語言模型。 在評閱英語句子時，我們需要用到某種自然語言模型，這類模型通常由大量的英語文章訓(xùn)練而成，如莎士比亞文集、紐約時報的新聞、維基百科。和外貿(mào)函電相比，這類文章并沒有很嚴格的句式要求。 所以這類模型并不適用于評閱外貿(mào)函電。

·完全依靠模型，評閱精確度不能完全保證。雖然自動化的模型能夠加快評閱速度，但是其準確性不能完全保證。 造成這種情況有多方面原因，如訓(xùn)練數(shù)據(jù)不夠多。因此在實際應(yīng)用中，我們必須考慮到這一點。

在理解了人工評閱和自動評閱各自的優(yōu)缺點以后，我們在接下去的章節(jié)會詳細解釋本文所提出的方法是如何解決這些難點的。

3基于人工智能的評閱方法

人工智能的應(yīng)用是指通過讓機器學(xué)習(xí)大量的數(shù)據(jù)來掌握某種知識，從而能夠?qū)π碌氖挛镒龀雠袛唷?這種知識本質(zhì)上就是一個數(shù)學(xué)模型，建立這個模型的要求是需要訓(xùn)練數(shù)據(jù)。由訓(xùn)練所得到的模型，和人工評閱相結(jié)合的方式來判斷新的數(shù)據(jù)（也就是新的外貿(mào)函電）的情況。 圖1是所提出方法的流程圖。

第一階段是建立模型，如圖 1的上半部分所示。我們將收集到的學(xué)生外貿(mào)英語函電作業(yè)輸入到一個人工智能網(wǎng)絡(luò)。 這些輸入數(shù)據(jù)包含各個等級的作文，如高分作文、普通作文和低分作文。人工智能網(wǎng)絡(luò)可以抓取各個類別文章的特征， 并且產(chǎn)生一個評閱模型。在評閱過程階段（圖 1的下半部分），我們再將新的學(xué)生作業(yè)輸入這個評閱模型。 評閱模型會輸出評分的等級和一個概率值。根據(jù)這個結(jié)果，教師可以大概了解這個學(xué)生的函電作業(yè)的情況，然后做出最終的判斷。

4相關(guān)工作及總結(jié)

外貿(mào)函電是一門實踐性很強的課程。 教師通常首先通過課堂學(xué)習(xí)模版寫作的方式，來提高學(xué)生外貿(mào)函電的寫作能力。如基于企業(yè)外貿(mào)業(yè)務(wù)流程學(xué)習(xí)函電知識的教學(xué)方法中[3]，其中每一環(huán)節(jié)的教學(xué)活動，學(xué)生都是通過大量的寫作來完成的。 另外，傳統(tǒng)的閉卷考試很難反應(yīng)學(xué)生的專業(yè)水平，因而應(yīng)用型課程教學(xué)模式改革和考核方式改革將考核結(jié)果由原來的百分制改為等級制以及鼓勵學(xué)生反復(fù)進行寫作的訓(xùn)練[4]。 這種等級和我們所提出的模型評閱的結(jié)果是一致的。本文所提出的方法符合了對當前外貿(mào)函電教學(xué)和考核方法改進的趨勢。可以很好的補充相關(guān)的教學(xué)改革。

目前人工智能正在影響教學(xué)， 并且有很大的潛力能夠改變傳統(tǒng)的教學(xué)方式。報告顯示，99.4%受訪的教師認可人工智能在未來教育中的重要程度[5] 。 不僅如此，人工智能已經(jīng)被應(yīng)用到實際教學(xué)中。 例如，Jill Watson是一個基于神經(jīng)網(wǎng)絡(luò)的助教系統(tǒng)[6] 。通過大量的訓(xùn)練數(shù)據(jù)，Jill能夠回答學(xué)生問題，自動產(chǎn)生問題，和評判學(xué)生的回答。 在線教育平臺（Transtutors.com）也利用自然語言來自動產(chǎn)生問題和評閱學(xué)生的解答[7] 。 我們的方法也證實了人工智能在高校特別是外貿(mào)課程教學(xué)中的可行性。

在將來工作中，我們需要進一步改進模型的精確度，例如運用網(wǎng)絡(luò)化教學(xué)收集更多的數(shù)據(jù)。 另一方面，我們也將進行更廣泛的跨學(xué)科合作來推廣本文所提出的方法。

參考文獻：

[1]全小燕. 模因論視域下外貿(mào)英語函電教學(xué)研究與實踐——以培養(yǎng)學(xué)生跨文化書面交際能力為維度[J]. 對外經(jīng)貿(mào)， 2020（2）：143-146.

[2] Kaan E ， Ballantyne J C ， Wijnen F . Effects of reading speed on second-language sentence processing[J]. Applied Psycholinguistics， 2015， 36（4）：799-830.

[3] 鄒幸居. 基于外貿(mào)業(yè)務(wù)流程的《外貿(mào)函電》教學(xué)模式的改革[J]. 石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報， 2014（2）：127-132.

[4 ]莫麗婭. 應(yīng)用型課程教學(xué)改革的探索與實踐——以西安翻譯學(xué)院英語專業(yè)"外貿(mào)英語函電"為例[J]. 蘭州教育學(xué)院學(xué)報， 2019， （12）：134-135，167.

[5] Dan Ayoub， Unleashing the Power of AI for education， MIT Technology， 2020.

[6] Jason Maderer， Georgia Tech course prepares for third semester with virtual teaching assistants， 2017.

[7] transtutors， https：//www.transtutors.com/homework-help/.

項目：滬教委高<2018>47號 “外貿(mào)函電”上海高校示范性全英語課程建設(shè)項目。