人机交互技术英语口语训练系统研究

导语：人机交互技术英语口语训练系统研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：现有的英语口语训练系统多数采取了分层训练的模式，对于学生的口语学习具有一定的局限性。为此，提出并设计了一种基于人机交互的英语口语训练系统，系统采用C8051F021单片机构建硬件框架，通过C＋＋编程语言实现依据学生能力值提供不同练习策略的功能。实验结果表明，所设计的英语口语训练系统能够准确判断学生的能力值并为其制定相应的练习策略，相较于同类系统具有一定的性能优势。

关键词：C8051F021单片机；能力值分析；英语口语训练系统；训练项目

目前教学领域常用的英语口语训练系统多数从学生的口语学习需求出发，依据专门的教学大纲设计口语训练、单元测试等功能，但其口语训练的内容及形式都相对较为固定，不能根据学生的实际情况进行有针对性的训练［1－3］。因此，本文提出并设计了一种基于人机交互的英语口语训练系统，采用C8051F021单片机、A／D芯片等组建硬件架构以实现不同采样频率的控制，通过训练信息分析获取学生能力值并以此为依据为其选择合适的练习题目。

1系统硬件架构

基于人机交互的英语口语训练系统硬件结构，如图1所示。作为系统硬件部分的核心部件，C8021F021单片机主要用于处理传感器采集的数据。C8021F021单片机与控制计算机之间通过无线网络进行通信，所有的数据都通过计算机显示器显示给用户。为了有效控制电源电压的工作范围，综合各芯片的具体工作参数，采用－12V与＋12V电源进行供电，分别利用LM337和LM317芯片将两种电源的电压控制在－4．5V与＋4．5V左右。上述两种芯片的真值，如表1所示。为了保证电桥能够精确发出信号，选取LM317芯片最典型的稳压器来控制电压，它的可输出电压范围较为特别，通常可在1．25－37V范围内进行电压调整，其电压调整率可达到0．01％，负载调整率可达到0．1％，温度漂移稳定值为0．6％。通过以上数据可知，LM337和LM317两种芯片所形成的正负对称有利于系统运行性能的整体提升。LM2575S为进口高端芯片，内置固定频率振荡器并拥有完整的配套保护电路。选用ESR旁路电容作为周边器件，能够避免在输入端产生高值瞬间电压。为了有效保护器件，电源的额定耐压值需要达到输入端最高电压值的2倍。选取肖特基二极管作为续流二极管，其中IN5822二极管具有更快的开关响应速度。LM2575S芯片能够在较长时间内持续工作，在持续通电的条件下，必须将电感电流的通过时间限定在一个通断周期内。选用100μF／16V规格的钽电容作为电源的输出电容，对于电子器件，电容值越高则自身所承受的损害越大，同时，由于输出电容的作用是保证输出滤波的稳定性，所以如果电容值过低，也会造成反馈环路的信号波动。A／D芯片的作用是实现输入的模拟信号向数字信号的转换。它是保证系统在高速、持续的条件下稳定运行，必须将不断输入的模拟信号转换为相应数字信号的器件。传感器决定了输出数据的精度，但在传感器型号已确定时，A／D芯片的工作能力会对系统的性能产生直接的影响。为了实现与输出数码的对应，整个运行过程中要对模拟信号的最小变量进行提取，用以确定同一采样环境中的转换精度。系统面向不同的对象要相应地进行采样率切换，因此高精度是精确控制采样频率的基本保证。

2软件部分功能设计

人机交互能够实现人与计算机之间的信息交流，可以有效提升用户体验。本系统基于C＋＋语言创建业务逻辑构件并实现练习策略，系统软件在Windows7操作系统环境下进行开发，同时完成数据库服务器与应用服务器的部署。为了清晰地描述学生的学习历史，系统中集成了DataGrid控件，利用双向绑定的方法对练习过程中的事件进行记录。在此基础上，要创建完善的可配置后台服务体系，因此系统的软件设计要优先考虑练习策略的适应性训练。完成练习策略的制定后，系统要依据学生的能力值为其提供有针对性的口语训练项目，以切实提高学生的口语表达能力。系统的口语训练流程如图2所示。（1）对口语训练的题目类型及其他与练习有关的信息进行提取，整理后将其存储于练习参数数据集中。实现代码如下。inti，j；ArcNode＊p；for（i＝0；i＜G－＞n；i＋＋）／／g．edges［i］［j］赋初值0for（j＝0；j＜G－＞n；j＋＋）g．edges［i］［j］＝0；for（i＝0；i＜G－＞n；i＋＋）｛p＝G－＞adjlist［i］．firstarc；while（p！＝NULL）｛g．edges［i］［p－＞adjvex］＝1；p＝p－＞nextarc；｝｝（2）提供英语口语训练服务时，对数据库中的参数进行测试，确认登入系统的学生用户是否需要进行口语训练。如果需要，就结合活动信息的提取方法开始学生的能力值计算；如果不需要，则按照学生的意愿从题库中为其选取相应主题的题目进行练习。（3）根据测试结果对学生的练习情况进行分析，获得学生的能力值。（4）通过人机交互界面向用户显示练习内容，若用户需要增加题目数量则继续从题库中抽取题目。学生英语口语训练的过程是基于学生的能力值判定实现的，根据不同的能力值为其分配不同层次的训练内容，系统通过编程语言进行具体策略的制定。首先，设定练习参数和具体练习项目曝光率的最大值；其次，以单个项目全部设定完成为前提，模拟口语训练过程以获取对应的曝光参数；最后，通过项目内容的分类结果确定项目的曝光率，如果当前项目的曝光率大于目标项目，则系统将会自动继续选择与能力值相匹配的练习项目。

3应用验证

本文选取一种文献［4］和文献［5］口语训练系统作为参照系统，通过三个系统的核心功能测试进行性能对比，以验证本系统在英语口语训练方面的实用性和先进性。

3．1验证过程

首先确定用于实验的练习题目数量，其次，要在长时间运行的条件下开展测试，以提高测试结果的准确度，并保证测试的有效性。在以下条件下可终止实验。（1）保证测试结果的全面汇总，完整记录测试项目的项目值，所有项目测试完成后可停止实验。（2）设定一个固定的取值周期，每完成一个周期对两个系统的预测值进行对比，当预测值之差小于所设的阙值即可终止实验。（3）提前统计实验信息量，实验进行至达到与阙值对应的项目数量时停止实验。

3．2验证结果

针对本次实验所创建的测试模型共包含口语训练题库400套，练习项目50个，参试人员总数量为3000人。实验后对比3种练习系统分别基于各自练习策略所得到的性能测试结果，同时记录相同样本集的练习题目曝光率实际分布与平均偏差。测试数据如表2所示。由表2中的具体数据可见，本文所设计的基于能力值分析的英语口语训练系统各项性能指标均优于文献［4］和文献［5］系统，满足了依据不同能力提供不同项目的要求，实现了系统的设计目标。

4总结

为了解决现有的英语口语训练系统无法有针对性地提供口语训练服务的问题，本文提出并设计了一种人机交互英语口语训练系统，介绍了系统硬件架构的搭建过程，阐述了软件部分的设计思路，并通过对比试验证明了系统的性能优势。本文所设计的系统根据学生的能力值为其选取相应层次的项目进行训练，对于切实增强学生的口语水平、提高口语训练的效率发挥了重要的作用。

参考文献

［1］黄玉霞．输入输出理论下FiF口语训练系统在高校艺体类大学英语视听说教学中的应用［J］．海外英语，2020（14）：131－132．

［2］林辉．面向SELL语料库的AI虚拟英语口语训练系统研究［J］．微型电脑应用，2020，36（7）：126－129．

［3］李莉，刘斌．基于人机交互的英语口语训练系统设计［J］．现代电子技术，2020，43（14）：135－137．

［4］申茜，郭树行．基于互联网的共享英语口语智练平台的分析与研究［J］．科技资讯，2019，17（20）：90－91．

［5］肖梦洁．移动学习背景下FiF口语训练系统在大学英语口语教学的运用探究［J］．校园英语，2019（14）：50－51．

作者：杜爱红 谢飞 单位：咸阳师范学院 西北工业大学