《Applied Corpus Linguistics》:Upgraded literacy: teacher training approaches to integrating corpus data and AI tools for school text readability adaptation
编辑推荐:
本研究探讨了归纳学习法如何培养电子素养(e-literacy),即批判性且有效地使用数字和AI工具以支持读写的能力。研究呈现了一项在罗马尼亚全国性专业发展倡议框架内开展的教师培训项目的成果,涉及56名在职教师,涵盖小学、初中和高中三个阶段。培训将理论讲授与实践
本研究探讨了归纳学习法如何培养电子素养(e-literacy),即批判性且有效地使用数字和AI工具以支持读写的能力。研究呈现了一项在罗马尼亚全国性专业发展倡议框架内开展的教师培训项目的成果,涉及56名在职教师,涵盖小学、初中和高中三个阶段。培训将理论讲授与实践活动相结合,向参与者介绍了基于语料库的可读性分析和用于文本改编的AI平台。教师们使用了LEMI、Text Inspector、ARTE、ChatGPT和Perplexity等工具。基于语料库的语言分析表明,教师最常应对词汇复杂性和认知负荷方面的挑战。参与者使用可读性和AI工具来简化句法结构、改写密集段落,并使话语适应学生的语言熟练度水平。反思进一步表明,教师逐渐将读写相关的数字和AI平台视为互补角色:作为使文本更易理解的简化器(simplifiers),作为支持教学设计创造力的共同设计者(co-designers),以及作为确认其专业判断的验证器(validators)。该培训增强了教师的数字教学意识和元语言洞察力,将电子素养定位为更新后读写范式中的关键能力,能够支持全纳的、符合水平的教育。
本研究旨在探讨教师如何通过归纳学习法(inductive learning,通过观察数据、发现模式并得出结论的学习方式)培养电子素养(e-literacy,即有效利用数字与AI工具支持读写的能力),以应对学校文本可读性改编这一实际教学需求。研究背景方面,教师日常教学经常需要对教材、文章或文学作品进行语言改编,但传统教师教育很少涉及可读性评估工具的训练,教师大多依赖主观判断。罗马尼亚语境下,教科书语言复杂度与学生阅读水平不匹配的问题尤为突出,例如物理、生物教材中的术语密集和认知负荷过重,但相关实证研究十分匮乏。因此,本研究旨在通过一个结构化的教师培训项目,测试归纳式数字工具培训是否能够提升教师使用语料库与AI工具进行文本改编的能力,并探索这一过程中教师对工具功能的理解与反思。
研究人员在罗马尼亚西大学(West University of Timi?oara)教师教育系开展了一门研究生课程,作为国家InoVest DigiPedia专业发展项目的一部分,于2025年4月以在线同步形式举行。参与者为56名来自小学、初中和高中的在职教师,涵盖语言、科学、历史、信息学及职业技术学科。培训分两个阶段:第一阶段讲解可读性、认知负荷(cognitive load,即文本处理所需的工作记忆资源)和伦理改编等理论;第二阶段让参与者动手操作LEMI、Text Inspector、ARTE、ChatGPT和Perplexity等工具,对罗马尼亚语或英语文本进行简化与改编。课程包含两项评估任务:Task 1要求每位教师选择三种数字工具(至少一种含AI)并说明如何整合到读写教学;Task 2要求设计一个电子素养教学项目,包括文本改编、工具应用和反思。研究人员将两项任务的提交材料转化为两个语料库:Task 1语料库包含41份报告(48,294词),Task 2语料库包含56份完整报告(115,018词),进行语言学和主题分析。
在技术方法上,研究人员使用Python自动化脚本(如python-docx、PyPDF2和re)将PDF/DOCX作业转换为纯文本,预处理时解析反思部分、标准化变音符并删除页眉表格等非语言构件。数据分析结合了定性编码与定量文本挖掘:通过自然语言处理提取工具名称、语言干预类型、教学目的等字段;利用关键词共现分析和手动主题聚类对反思内容进行归类和统计。样本来源为罗马尼亚全国多个地区的在职教师,课程通过Moodle平台提交任务。
研究结果部分保留原文小标题:
**4.1 AI use in teacher-led linguistic adaptation(教师主导的语言改编中AI的使用)**
通过Task 1语料库的频率分析,ChatGPT是最常被提及的工具(超过100次),其次是LEMI和Text Inspector。AI使用目的可归纳为六类:内容改编(n=56)、文本简化(n=48)、评估设计(n=35)、课程规划(n=32)、写作与生成(n=12)、理解支持(n=2)。定性分析显示,教师高度关注语言复杂性,例如有教师描述“修改长句并拆分为较短命题,同时保持信息清晰”。主题聚类揭示三种教师对AI的感知角色:简化器(simplifier,降低句法负载和词汇密度)、共同设计者(co-designer,生成课堂活动与评估格式)、验证器(validator,提供数据化反馈以支持专业判断)。
**4.2 Linguistic challenges in educational text adaptations(教育文本改编中的语言挑战)**
通过Task 2的分析,最常见的语言挑战是复杂词汇(36次提及)和认知负荷(31次提及),古语和区域主义各出现6次。不同教育阶段使用工具的模式存在差异:小学教师侧重简化与认知脚手架;初中教师更多将AI用作共同设计者,生成与课程目标一致的任务;高中教师则更多扮演验证者,运用可读性指标确保文本既易读又保持内容深度。反思部分的主题聚类分析识别出四类:一般反思与少量内容、数字整合与素养原则、教学应用与学习者影响、文本焦点与改编策略。教师通过比较原文与改编版本,观察语言变体对学生理解的影响,从而增强了元语言意识。
总结讨论部分,研究人员指出,教师通过归纳式参与数字工具,能够更好地认识文本复杂性和学生认知障碍,工具与教学判断结合可增强教学能动性。同时,教师也警惕“工具幻觉”(AI生成误导性内容)和“过度依赖AI表述”,显示出在专业判断中介下的整合态度。研究结论翻译如下:教师能够运用工具进行句法切分、语义澄清和概念密度简化,这与Liu(2024)基于系统功能语言学的适应策略(解包、去隐喻化)一致。关于三个研究问题:第一,工具选择深受归纳式培训设计影响,教师倾向于选择支持实验、比较和发现的平台;第二,动手实验使复杂词汇和认知负荷等语言挑战显性化,教师通过词汇替换、句子缩短和结构重组等策略加以解决;第三,教师通过反思将工具视为简化器、共同设计者和验证器,体现了电子素养的发展。总体而言,结构化接触语料库支持的平台和AI工具提升了教师批判性评估和改写文本的能力,使其更注重开发适合学习者需求的教学材料。该研究发表于《Applied Corpus Linguistics》,为在职教师培训中整合可读性平台和AI工具提供了实证支持,填补了罗马尼亚乃至更广泛背景下相关研究的空白。