大语言模型融通高中英语阅读教学初探.docx

大语言模型融通高中英语阅读教学初探

大语言模型（largelanguagemodel，LLM）是一种基于机器学习和深度学习技术训练而成的算法系统，它能够根据提示语生成自然语言、图片、代码或其他数据序列。这类模型可以理解人类指令并生成相应内容，因此也被称为生成式人工智能。大语言模型与外语教学的不断融合，有利于实现外语学习的数字化和个性化[1]，显著提升教学效率和质量。本文尝试进行数智融通，运用大模型内容生成、应用嵌人、程序编写、数据分析的功能，探究它与英语阅读教学有效融合的实践路径。

表1素养级别水平描述

一、大语言模型融合阅读教学的出发点

《普通高中英语课程标准（2017年版2020年修订）》对学生阅读素养发展的水平描述融人语言能力、文化意识、思维品质、学习能力之中，在语言能力与思维品质方面较为突出。下面以阅读相关的语言能力、思维品质素养级别水平为例进行分析，详见表1。

根据课标描述，笔者认为，学生英语阅读素养培育的关键在于：语篇主题意义、关键信息的提炼，语篇具体信息的认识，语篇信息内在关联的推断和理解，以及语篇观点、逻辑等内容的批判性审视。

然而，当下阅读教学碎片化、表层化现象仍然广泛存在。一方面，教师缺乏对语篇主题意义、内在关联的探究，往往把教学过程看成单纯的阅读技能训练，忽视对语篇内容和意义的探究，因而对文本缺乏深层次的理解；另一方面，教师对阅读教学的关注点固化于“教”的实施，缺失对学生“学”的落实，缺少将主题语境与阅读能力、思维能力培育有机结合的意识与方法。

本文基于大模型数智融通的助学作用，以落实学生阅读核心素养培育、改善表层化和碎片化教学现状、优化阅读教学模式为目标，运用大模型探究语篇主题内容、价值取向，建构语篇思维地图，探究大模型助力阅读课堂教学实施与搭建学生阅读支架的路径。

二、大语言模型融合阅读教学的技术支点

（一）提示交互生成目标内容

运用大语言模型生成教学支架，教师可通过提示语引导模型生成所需的文本，用于完成主题词提取、语篇插图建议等任务。然而，大模型基本采用Transformer模型，根据概率信息从训练数据中输出内容，组合语言形式的序列，没有真正涉及意义，在处理复杂任务时准确率不高。

（二）嵌入插件构建可视图形

GPT系列等大模型具有加载嵌入式插件的功能，能够提供文本结构图生成、语音合成、文本数据分析等助学工具，为教学应用提供丰富的功能支撑。例如，在插件模式下，Diagrams：Showme插件可基于阅读材料生成语篇思维导图，进一步增强大模型的助学作用。

（三）程序加持编写助学代码

大模型还具有生成代码的能力。在分析文本语言特征过程中，教师可调用spaCy等数据库进行词性标注、句法分析等语言数据化操作。虽然大模型无法直接运行该类程序，但可通过编写代码帮助教师达成既定目标。该方法大大降低了大数据技术辅助教学的门槛，但在现阶段教学应用中，仍需进一步探究其应用场景。

（四）数据驱动增强功能应用

在普通交互过程中，大模型能够处理的语言信息总量有限，且无法精准处理复杂任务，运用语料库等技术对信息进行预处理加工，提高了大模型的效能和准度，从而进一步发挥其助学功能。例如，群文阅读教学中，先运用语料库技术分析语篇主题词汇，之后运用大模型分析各语篇主题的语义联系。

三、大语言模型融合阅读教学的实践过程

下面以人教版高中英语教材必修三第三单元的读思课教学为例。本课时的阅读语篇从中国游客季兰（LiLan）的视角，记录了她在旧金山一天的经历。季兰首先概述了她对旧金山文化的初步印象，接着描述了在教会区早晨的所见所闻。那里人口众多，街头艺术独特且食物美味，令她感到惊喜。随后，她在博物馆中学习“淘金热”引发的移民潮及城市文化融合的历史。当提及移民带着家乡的记忆在此建设新家园时，她充满敬意。最后，季兰在唐人街品尝了中国传统美食。她的旅行日记，展现了旧金山的文化多样性，也鼓励读者以尊重和包容的态度看待多元文化。

本课时的教学重点在于通过大模型引导学生关注和探究语篇内容（what）、目的（why）、方法（how）层面的相关信息，分析判断语篇内容信息的内在联系，内化运用语篇的结构化知识，最后通过批判性评价等活动，实现阅读内容的迁移创新。

运用大模型融合辅助阅读教学过程中，笔者先以提示交互的形式提炼语篇主题语境，探索价值取向，用人工智能生成主题情境，继而借助大模型嵌人工具围绕主题词生成语篇概念地图，此后利用大模型输出程序编码探究“主题一语言”的关联，最后运用语料库数据驱动天模型生成群文概念地图，促成学生迁移性、评判性阅读视角的形成。

（一）生成主题内容导入语篇阅读

读前环节，学生形成阅读动机，并以此驱动开展学习活动。教师读前环节设计的主题情境导入活动，旨在激发学生的学习兴趣和好奇心。

1.大模型提炼、生成语境信息

（1）对语篇的主题与主旨大意