基于内容的英语录音教材标注研究与应用.docxVIP

?

?

基于内容的英语录音教材标注研究与应用

?

?

闵捷钟岑岑沙沙

摘要：英语录音教材在数量和种类上的飞速发展对其有效管理与利用提出了新的挑战，此时传统的人工标注和组织方式已不能满足数字出版以及教育信息化的需要。文章基于音频信号处理、机器学习等信息技术，提出基于内容的英语录音教材标注，运用自动与人工相结合的处理方法，从多层次、可扩展等角度构建描述录音内容的内容表征模型，并在教育信息化环境中探索该模型及标注框架的应用方式，以期为未来录音教材的建设和管理乃至数字化教育出版物的加工与发布提供参考。

关键词：英语录音教材；内容标注；关键词检出；文本分类；数字教育出版

：G434文献标志码：A：1673-8454（2016）04-00089-04

一、引言

在我国，录音教材是教科书体系中的重要组成部分[1]，是纸质教科书中精选内容的音频化，在我国英语、语文、音乐等学科的教学中得到了广泛的应用，迄今已有五十余年的历史。尤其是对英语这一外语类学科的教学，录音教材以其规范的语言表达和内容质量，为教师提供了便捷的辅助工具，为学生创建了良好的听觉情境，对于听说读写等外语学习基本技能特别是听的培养和达成，起到了重要作用。

英语录音教材的产生经过了素材录制、内容编辑、技术加工等音像出版的主要环节[2]，在此过程中，录音教材的编辑开发单位积累了大量的资源。最近三十年来，从教科书中的课文同步朗读到教辅中的听力测试，各类英语录音教材的总数量巨大、内容多样，如何对这些资源进行科学、高效的组织和管理，对于录音教材的编制与应用、数字化教育资源的开发和建设具有重要意义。长久以来，英语录音教材的管理主要是以录音磁带、光盘等载体为依托，将播音人员、出版单位、时长、主要内容等信息采用卡片形式通过手工来建立文本索引。然而，在数字技术飞速发展的今天，这种传统的基于人工的资源标注方式却变得日益局限。一方面，面对海量的录音教材，人工处理不仅耗时费力，而且易受疲劳、差错等人为因素影响。另一方面，目前的人工处理大多是对一些客观属性进行标引，而在智慧学习环境，更需要的是基于各种教学功能、内容语义和语音特征等信息为教师或学生提供个性化服务，现有的属性标引方式难以满足实际需求。

在这种情况下，本文基于音频信号处理、机器学习等信息技术，提出基于内容的英语录音教材标注方案，以期在尽量少的人工干预下，自动给出大量未知英语录音教材的多层级内容标签，并从教育信息化环境下的数字教材建设和录音教材数据库应用的角度尝试探索，从而为未来录音教材乃至数字化教育资源的建设和管理提供参考。

二、英语录音教材的内容描述

英语录音教材是将一定的教材内容以音频形式进行呈现的课程资源。相对于纸质教科书的文本形态，录音教材通过播音人员的演绎、背景音（乐）的插入、音频技术的处理等手段，试图营造出生动、真实的听觉环境，给人以亲近感，从而促进教师教学效果的提高、学生英语综合语言运用能力的培养。

从本质上看，英语录音教材仍归属为音频资源：作为一种重要的多媒体信息传播媒质，在人耳所能听见的频率范围内包括语音、音乐、环境音等类型。对于这些音频的内容，可以用反映其声学特点和人类听觉感受的低层特征以及贴近用户理解的语义特征来描述。

然而，不同于一般音频数据，英语录音教材面向教学的特殊地位决定了其语音部分是实现语言教学的重点。无论是内容的选择与录制还是素材的处理与集成，均围绕教学目标和教学内容进行。作为英语录音教材内容中的主体，录音教材的语音部分具有一定的规律性，从形式上看包括单词、语句、对话等基本单元，在不同的学段偏重不同；从语言内容上看，在传递词句等语言表层含义的同时，还隐含了主题、话题等高层语义信息，例如，与《义务教育课程标准实验教科书英语（新目标）七年级上》配套的录音教材中，就大体包括姓名、足球、晴朗等关键词，并涵盖天气、运动、生日、交际等主题。

基于以上分析可知，英语录音教材的内容描述主要体现在以语言为主的语义层面，也就是说，对于一个基本单元，可以分别用关键词和主题两个层级的内容来表示语言低层和高层语义的信息。以此为基础，还可再辅以提示音类别、间奏音乐类型等其他信息，由此构建出的更为丰富的基于不同层级的内容表征模型（见图1），就可用于描述英语录音教材的内容。

三、基于内容的英语录音教材标注方案

基于内容的英语录音教材标注的目的在于，自动得到大量未标注英语录音教材（未知数据）的基于内容表征模型的标注结果（多层级内容标签），并以此作为接口用于实现资源管理以及后端的具体应用，在此过程中允许管理人员或用户进行人工干预，通过修正学习模型来提高标注性能（见图2）。

基于内容的英语录音教材标注本质上是一个机器学习问题，它借助于已准确标记的训练数据来构建学习模型，再以此为依据建立起未知数据与内容标签之间的映射关系。作