iwrite：iWrite双核纠错引擎：智能进化，促进写作教学提升

紧随“智能 + 教育”发展趋势，数字手段开始被越来越多地融入现代教学之中，推动教学质量的提升。测评作为外语教学中的重要一环，对评价教学效果、指导教学策略调整有着重要意义。iWrite 英语写作教学与评阅系统基于对大学英语写作教学的深入研究而设计，为提升写作教学效果、提高学生写作能力提供助力。2019 年，iWrite 团队经过多年实践探索，充分利用大数据资源，采用国际学界最为前沿的深度学习技术，启用全新双核纠错引擎机制，融合基于语法规则的简约模型与基于深度学习的统计模型，双核联动，极大提升了引擎纠错性能，进一步助力英语写作教学效率的提升。

基于语法规则的简约模型借助链语法和规则模板，实现对学生作文的精准纠错和细致反馈。这种方法的优势是准确率高，反馈语针对性强，其缺点是召回率较低，对于规则尚未覆盖的错误无能为力。为了提高纠错系统召回率，iWrite 研究团队引入了更加智能的深度学习统计模型——“基于 RNN 和注意力机制的神经机器翻译模型”，并以数以千万计的标注语句对纠错引擎进行深度训练，触达语法规则盲区，与基于语法规则的简约模型互为补充，相得益彰。双核引擎在智能评阅中各自发挥所长，使得系统达到更为理想的准确率和召回率。

“基于 RNN 和注意力机制的神经机器翻译模型”原理图

同时，基于规则的简约模型提供人工定制反馈语，而基于深度学习的统计模型则为用户提供整句修改建议。定制反馈语和整句修改建议不仅能指出学生的语句错在哪里，更能通过细致的解释和正确的示例使学生触类旁通，达到更好的学习效果。

此外，iWrite 系统采用全新错误分类体系：五大错误类别“句法类”“词法类”“搭配类”“技术规范类”及“其他类”，统领“缺失(增)、冗余(删)、错用(改)”三类纠错可能，衍生出 71 种细分错误类型，实现分类不重叠、分类无遗漏，使纠错更加全面精准，为英语写作教学提供更加完善的支持。

一、人工智能助力打造混合式写作教学模式

iWrite 双核纠错引擎使人工智能辅助语法层面的写作教学成为现实，由机器筛选语法错误，实现语法反馈，让学生在语言层面的学习得以自理。教师在课上可以专注对学生写作思维的训练;在课下得以跳过繁重的基础评阅任务，整合碎片化时间，为学生提供更深层次的写作指导，最终实现线上线下混合式写作教学，促进写作教学效率与效果的双重提升。

二、立体多维评估，建立基于数据的学习档案袋

近年来，在英语写作教学实践中，形成性评价的作用越来越凸显。借助 iWrite 系统，学生能够针对自己的写作进程建立档案袋，记录每次习作初稿、终稿、同伴互评结果及反思日志。

iWrite 双核纠错引擎依托 iWrite 英语写作教学与评阅系统，引入智能写作平台，基于数据比对、智能分析等功能，进一步丰富形成性评估手段。通过立体多维评估，学生账号不仅忠实记录每一稿作文，还提供分数曲线图、写作错误类别统计图，以及针对学生作文中的客观特征进行的多项统计数据，便于教师动态追踪学生个人成长轨迹与学习短板，并根据学生实际情况及时调整教学节奏与重点。

iWrite学习档案

三、中国英语学习者语料库反哺教学

大数据喂养机器，机器投入使用后又会产生有价值的新数据集。iWrite 中国英语学习者语料库依托 iWrite系统实时搜集的作文数据建立，是大数据视野下的“活”语料库;截至目前，该语料库的规模已达上亿词次。鲜活的中国大学生英语写作错误标注语料库直接反哺教学，使学生在学习语法和搭配过程中获取直接的统计数据支持;巨大的信息存储量和快捷的检索，为教师写作教学提供内容指导和创新思路。

基于 iWrite 中国英语学习者语料库，还衍生了 iWrite教学案例库。案例库参照机器批阅出来的学生语病，对比英美本族语言者语料库中的典型用法，为教研人员提供语误诊断和详解，帮助全国外语教师通过线上平台共建、共享教学成果。

以北京外国语大学周老师分享为例，周老师通过分析平日教学中 iWrite 实时更新的错误统计数据，发现学生经常混淆 able 和 capable 两个单词的用法。他随后通过 iWrite 中国英语学习者语料库检索验证了这一错误的普遍性，然后使用本族语者语料库明晰了这两个词的区别，并制作了教案进行分享。

iWrite教学案例库案例

写作教学的革新要与新时代信息社会同频共振。人工智能对语言教育的影响才刚刚显现，教育从业者和语言学习者站在“后之视今 , 亦尤今之视昔”的发展时间轴中，更应超前识变、积极应变。人工智能开发者也应明晰机器发展的落脚点始终在“人”，因此在探讨如何优化智能评阅系统时，着眼点应始终放在如何提升教学效能上。唯有如此，才能使革新之路不断向前迈进。