关于构建OCR-NLP图文处理与高中英语写作课堂教学相混合的新型教学课堂的研究

施丽丽

OCR-NLP图文处理系统不同于以往的图文处理系统，还是一种人工智能系统，不仅可以精准有效地识别学生的写作内容，还能对此进行研究和分析，指出写作内容的不足，以及改正之处。最重要的是，它有一个大数据，可以实时地分析每一位学生英语写作的总体水平。这对于学生来说是十分重要的，也能更好地提高学生的英语写作水平。那么下面，我结合自己多年的教学经验，谈一谈如何构建OCR-NLP图文处理与高中英语写作课堂教学相混合的新型教学课堂。

一、当前高中英语写作课堂中存在的问题

1.教学质量低下

在当前高中英语写作课堂中，其实存在着许多问题，最重要的就表现在当前高中英语写作课堂的教学质量十分低下。一方面是由于一个班的学生数量十分众多，而教师不能兼顾每位学生。另一方面，传统的高中英语写作教学模式已经不能够再适应当前新时代的英语教学。在这种情况下，高中英语教师如果不能够创新一些新的教学方式和教学理念，就无法更好地进行高中英语的写作教学。在当前高中，一般一个班级都有50到60个人，教师不可能完全照顾到每一位学生，这就导致学生不能够完全了解自己的寫作问题出在哪里，从而进行改正。不仅如此，当前的高中英语教师还依旧采取着“填鸭式”的英语教学，这也就让英语写作的教学质量停滞不前，学生不能从教学中得到提高，教师也无法获得学生的有效反馈。

2.学生的写作热情欠缺

在当前的高中英语写作课堂中，许多学生都会产生或多或少的反感心理，这很大程度上都是由于学生的写作热情不够而导致的。学生对于写作没有热情是源于很多方面的，有的是由于高中英语本身十分枯燥，连带着学生也不喜欢英语的写作。同时，教师对高中英语写作的教学研究能力不够，导致他们在教学时不能够运用适合学生写作的教学方式来进行教学，久而久之，就会造成学生的写作热情渐渐丧失，从而造成学生对于高中英语写作越来越没有动力。

3.学生的写作能力较弱

在高中英语的写作教学过程中，一般都是教师布置一篇命题作文，然后学生进行写作的练习。在高中英语的写作教学过程中，学生利用模板来进行写作，已经是当前几乎所有高中生的常态。他们认为，利用模板来进行高中英语的写作，可以大大节省他们的时间，但这往往会造成一些弊端，那就是学生的写作能力不能够真正得到有效提高，从而造成学生的写作能力普遍较弱。

二、构建OCR-NLP图文处理与高中英语写作课堂教学相混合的新型教学课堂的意义

1.激发学生的写作热情

利用OCR-NLP图文处理系统来进行高中英语的写作课堂教学，可以大大提高学生的写作热情。首先，它具有一对一批改的功能，突破了传统的高中英语写作教学的弊端，让每一个学生都能够得到有效的指导，并通过相关的建议来完善自身的写作内容。同时，它还能通过大数据分析学生写作内容的具体问题，让学生在不断地修改和完善的过程中，提高对自身写作缺点的认识，并在这个过程中获得写作的乐趣。通过OCR-NLP图文处理系统与高中英语写作教学相结合，对于激发学生英语写作的积极性和主动性都有一定的促进作用。

2.提高学生的写作能力

利用OCR-NLP图文处理与高中英语写作课堂相结合的教学方式，可以很大程度上提高学生的写作能力，这是OCR-NLP图文处理自身的特点所决定的。基于OCR-NLP图文处理对高中英语写作提升实践研究着重两方面：一方面是在语法、拼写、句型、搭配等方面的反馈;另一方面是在篇章结构、逻辑性和连贯性方面的反馈;特别是智能评阅系统的错误类型统计分析技术优势和传统高中英语写作课堂相结合，可以达到提升学生的定语从句、状语、表语、同位语从句、形容词、名词短语等写作能力目的;同时该系统对学生作文的修改次数和修改质量与作文成绩的提高存在一定关系。这些研究都可以表明，在高中英语写作课堂中结合OCR-NLP图文处理系统可以有效地提高学生的写作能力。

3.提高高中英语写作教学的质量

在传统的高中英语写作教学的课堂中，教学的气氛是十分枯燥且无聊的，教学的质量也十分低下。但如果能够利用OCR-NLP图文处理系统来进行高中英语写作的辅助教学，就可以大大减轻教师的工作量，也能够让每一位学生提高写作水平。这样一来，教师和学生不仅能形成融洽的师生关系，也能让学生在这个过程中及时发现自身写作的不足之处，并及时地进行改正。在写作的教学中再也不会出现教师无法兼顾每位学生的状况，从而有效地提高高中英语写作教学的质量和效率。

目前相关研究只提出构建基于写作智能评阅系统的高中英语自主写作教学这一模式，只是粗线条的展望和推测，业内还未提出如何将写作智能评阅系统和教师点评、同伴互评结合起来。哪种结合方式才是适合高中生写作学习的具体模式？对此，还需要进行进一步的研究和探讨。

【备注：本文系2020年度江苏省南通市教育科学“十三五”规划“基于OCR-NLP图文处理的高中英语写作教学行动研究”（编号：XC2020002）的研究成果。】