在DCCM模型下，利用人工智能技术实现人机协同的智能英语教学

《Scientific Reports》：AI technology for human computer collaborative intelligent English teaching under DCCM model

　　

摘要

为进一步解决在传统英语教学任务中整合个性化辅导与人文关怀的难题，本研究提出了一种基于动态认知聚类模型（DCCM）的人机协作智能教学模型。该模型采用改进的K-means++算法，并结合时间衰减因子和滑动窗口机制，有效实现对学生认知状态的动态聚类。本研究通过四个实验验证了该模型的有效性：（1）在TOEFL11数据集上的聚类实验表明，所提出的模型调整后的Rand指数（ARI）达到0.87，优于传统的K-means++和DBSCAN（基于密度的空间聚类算法）等方法。（2）在大学英语虚拟语气教学中进行的一项为期四周的干预实验显示，认知冲突激活机制使冲突解决率（CRR）达到78.3%，学生犯的结构性错误减少了52.1%。（3）对不同写作教学模型的比较实验发现，在DCCM模型下，教师的每周工作量减少了37%，而学生的写作成绩提高了34.2%。（4）一项为期八周的写作教学后续实验发现，学习者的错误密度减少了51.9%，且有43.3%的学生在欧洲语言共同参考框架（CEFR）中的水平至少提高了一个等级。这些结果表明，这种以教师为主导的框架结合人工智能（AI）提供的实时反馈，能有效提升教学效率并减轻教师负担。这一发现为类似的教学环境提供了有益的启示，尽管其普遍性需要在更多样化的场景中进一步验证。本研究提出了一种人机协作方法，将算法创新与教育原则相结合，突显了将技术工具与教学智慧相结合以优化教学成果和减轻教师工作量的重要价值。