本文探讨了将西浦人工智能（君谋）融入在线测验的制作，从而支持以英语为教学语言(EMI)的学位准备课程的教学和学习。作者从支持内容和语言的学习、加速教学材料开发和提高工作效率三个方面阐述了使用人工智能的理由。基于测验的分析-设计-开发-实施-评估(ADDIE)模型和大语言模型的功能，文章介绍了测验制作的 7阶段程序。尽管人工智能技术可以为语言学习提供宝贵的支持，以实现教学目标并增强学生在EMI课程中的学习体验，作者强调了人工智能与人类专业知识之间的协作方法的重要性，这需要教师的积极参与，以确保人工智能生成材料的准确性和可靠性。

 

关键词：西浦人工智能（君谋），在线测验，学位准备课程，英语作为教学语言（EMI），人类专业知识

 

 

       西交利物浦大学为大学生提供英语教学（EMI）课程及其配套语言支持，帮助学生获得学位准备课程所需的语言技能。本文聚焦于大一第二学期《市场营销与信息管理趋势》课程，探索了将人工智能融入在线测验制作这一创新实践。本文将简要阐述作者引入西浦君谋开发在线测试的动因，概述这种实践所涉及的流程，提供一些运用人工智能辅助测验开发的案例，并探讨这一过程中的挑战和局限性以及教师应发挥的关键作用。

 

 

       将人工智能融入到测验的制作过程，其背后有多重考量。首先，这有助于制作每周讲座的课后活动，涵盖概念理解（Paturusi,Chisaki 和 Usagawa，2014）和语言两方面。正如 Cohen 和 Sasson（2016）所强调的那样，这些测验旨在为学生提供练习和复习内容。其次，随着人工智能技术被引入语言教育领域，人工智能已广泛应用于英语作为外语的教学材料和评估的开发。大型语言模型，尤其是Chat GPT，有可能简化和加速材料开发过程（Koraishi，2023），并在教育工作者开发测验的过程中予以辅助。最后，对于部分英语教师而言，他们对学科和语言方面的熟练程度很难达到超出其现有经验能力的效果（Hutchinson and Waters，1987，引自Luo and Garner，2017），因而，将人工智能融入到测验制作中，可以提高他们在为专业课程提供语言辅助时的整体工作效率。

 

       在涉及人工智能辅助测验制作实践的具体程序前，有必要明确测验开发的几个阶段和所需用到的人工智能的具体功能。根据相关文献，测验开发的程序应遵循ADDIE模型，即分析、设计、开发、实施和评估这5个阶段（Slamet & Mukminatien，2024）。大语言模型在AI辅助测验制作过程中的具体功能包括：分析课程内容材料（Owan，et. al.，2023）并提取相关信息（Özdere，2023）。进而将课程内容转换为精确、清晰和无歧义的测验项目，例如多项选择题、判断对错和匹配练习(Owan, et. al., 2023)。随后，从 人工智能生成的测验项目池中识别和整合最相关的和最合适的测试项目 (Owan, et. al., 2023)。

 

       在这个案例中，从学术英语讲师的角度出发，人工智能辅助测验制作的程序或全过程（见如下流程图1）包括研究每周的讲座课件内容、在 Excel 文档中记录关键术语和定义、判断学生潜在的语言困难，以及规划同义词和释义等语言支持。接着撰写请人工智能生成材料的提示词。然后评估 AI 生成的测验项目并校对答案。最后，对测验题目进行格式化编辑，然后将其导入学习管理系统，即上传到西浦学习超市测验平台的题库。

 

 

（流程图1：AI辅助测验制作流程简述）

 

       表1解释了AI赋能在线测验制作的流程。作者在学习每周专业课讲座内容时，快速浏览课件，寻找每堂课的预期学习成果、关键术语的定义和相应的示例。这些信息的提取可以通过手动复制粘贴课件中的相关句子来完成，也可以把课件上传到AI知识库平台，并向AI发送提取的请求。

 

 

（表 1：流程简介以及人工智能与人的工作融合）

 

       随后，AI被要求列出关键词和句子，并根据CEFR等级对单词和句子进行分类，这些信息可以为作者决定重点关注哪些语言项目提供宝贵的参考意见。成功识别潜在的语言困难或需求后，作者会拟定清晰的提示词（见下图1），以阐释对测验问题类型（见下图2和3）、难度级别、问题的认知领域、测验答案和解释等的详细说明。

 

 

（图1：西浦君谋提示词截图）

 

 

（图2：词汇题的截图示例）

 

（图3：句子同义释义题截图示例）

 

       在收到人工智能生成的文本后，作者开始校对问题和答案，以确保测验项目的准确性并进行适时的调整或优化。若测验项目未达到预期效果，作者会与AI进行进一步的互动以收集更多资料，直至最终获得令人满意的结果。在测验项目最终确定后，作者将检查测验格式，以确保测验的文本可以成功导入到西浦学习超市的测验平台。

 

 

       尽管人工智能为测验制作过程带来了诸多便利，教师仍应注意人工智能融合实践中的一些挑战与局限。第一个挑战或局限是关于提示词的设计和人工智能生成的测验题目的。作者从提示词和生成内容的初步尝试中发现，教师和人工智能之间需要进行更多的互动沟通，从而便于提升生成材料的质量。其次，人们担心人工智能生成的测验项目的可靠性、有效性和准确性。在人工智能辅助的测验制作过程中，会不时地出现干扰项如设计不合理、生成选项与题干不相关等情况，例如，选项所给定义与关键术语完全不匹配的情况时有发生。这与前人文献中相应的警示相呼应，例如““possibility of errors”或“inaccurate information”（Elsen-Rooney，2023 年，引自 Koraishi，2023 年，第 70 页）。因而，下面两句话可以提醒教育工作者在尝试将人工智能融入语言教育时面临的挑战：首先，“人工智能模型并不总能给出正确或适当的反应，从而导致语言学习中出现潜在的错误或误解”（Yang 等，2020 年，引自 Özdere，2023 年，第 157 页）。其次，“Chat GPT 不是一个完美的系统，需要教师的参与和反馈……”，它存在“局限性，例如凭空捏造信息并附有虚假文献支撑”（Koraishi，2023 年，第69 页）。

 

       因此，在将人工智能融入在线测验制作时，教师应发挥一些关键作用（Koraishi，2023），包括改进人工智能提示词的设计、提高测验项目的格式化编辑技巧，带入更多人为的专业判断和监督，从而确保人工智能辅助在线测验制作的准确性和可靠性（Owan 等，2023），并与学科专业教师合作，共同校对测验的问题，确保测验项目与预期学习成果保持一致。

 

 

       本文基于学术英语讲师的视角，描述了将人工智能技术运用于支持《市场营销和信息管理趋势》这一学位准备课程的语言学习。文章介绍的教育实践创新点包括：使用 AI 技术来辅助测验制作，利用学习管理系统进行自动评分和学生表现监控，以及使用在线测验提供即时反馈并鼓励主动学习。本文对于学术用途英语教学从业者来说较有价值，因其在以英语为教学语言的环境中工作，需要为系部专业课程提供英语语言教学支持，并时常需要寻求更有效的方法来制作语言支持材料。然而，值得注意的是，借助人工智能工作时，存在一定的不准确性等问题，这仍然需要教师积极参与 AI 生成的教学和测评材料的设计、评估和修订。作者建议，学术英语讲师应将人工智能技术与专业知识相结合，并与专业学科的教师展开密切合作，确保生成的材料符合预期的教学目标且有效满足学生需求。希望通过不断探索和改进人工智能辅助教学的实践，大学学术英语教育工作者可以利用这些技术性的工具在 EMI 课程中提供全面而又引人入胜的语言支持，从而更有效地为学生的学术之旅做好铺垫。

 

 

Cohen, D. & Sasson, I. 2016. Online Quizzes in a Virtual Learning Environment as a Tool for Formative Assessment. Journal of Technology and Science Education, 6, 188-208.

 

Koraishi, O. 2023. Teaching English in the Age of AI: Embracing ChatGPT to Optimize EFL Materials and Assessment. Language Education & Technology, (2791-7010), 3, 55-72.

 

Luo, J. & Garner, M. 2017. The challenges and opportunities for English teachers in teaching ESP in China. Journal of Language Teaching and Research, 8, 81-86-86.

 

Owan, V. J., et. al. 2023. Exploring the potential of artificial intelligence tools in educational measurement and assessment. Eurasia Journal of Mathematics, Science & Technology Education, 19, 1-15.

 

Özdere, M. 2023. The Integration of Artificial Intelligence in English Education: Opportunities and Challenges. Language Education & Technology, (2791-7010), 3, 137-172.

 

Paturusi, S., Chisaki, Y. & Usagawa, T. Development and evaluation of online quizzes to enhance learning performance: A survey of student assessment through MOODLE in Indonesian National University.  Proceedings of International Conference on Information, Communication Technology and System (ICTS) 2014, Information, Communication Technology and System (ICTS), 2014 International Conference on, 2014. IEEE, 211-216.

 

Slamet, J. & Mukminatien, N. 2024. Developing an Online Formative Assessment Instrument for Listening Skill through LMS. LEARN Journal: Language Education and Acquisition Research Network, 17, 188-211.