CC BY
46
ЧАСТНЫЕ МЕТОДИКИ И ТЕХНОЛОГИИ ОБУЧЕНИЯ
SPECIAL TECHNIQUES AND TECHNOLOGIES OF EDUCATION
УДК 378: 81’243 ББК 74.58 А 18
Т.П. Аванесова
Кандидат педагогических наук, доцент кафедры иностранных языков Морской государственной академии им. адмирала Ф.Ф. Ушакова, г. Новороссийск; E-mail: avanesova1@mail.ru В.Ф. Тенищева
Доктор педагогических наук, профессор, начальник кафедры иностранных языков Морской государственной академии им. адмирала Ф. Ф. Ушакова, г. Новороссийск; E-mail: vic-ver@mail. ru И.М. Данцевич
Кандидат технических наук, доцент кафедры электроэнергетики Морской государственной академии им. адмирала Ф. Ф. Ушакова, г. Новороссийск; E-mail: damzewitsch@rambler. ru Л.А. Гриценко
Заведующая лабораторией кафедры иностранных языков Морской государственной академии им. адмирала Ф.Ф. Ушакова, г. Новороссийск; E-mail: Lar130660@mail.ru
КОМПЬЮТЕРНАЯ ПОДДЕРЖКА В ОБУЧЕНИИ ВОЕННЫХ СПЕЦИАЛИСТОВ ИНОСТРАННОМУ ЯЗЫКУ
(РЕЦЕНЗИРОВАНА)
Аннотация. В статье рассматриваются возможности компьютерной поддержки в обучении военных специалистов иностранному языку. Включение в программный продукт автоматизированной акустической системы способствует распознаванию и усвоению информационной единицы близко к эталону.
Ключевые слова: военный специалист, профессиональная деятельность, иностранный язык, компьютерная поддержка, алгоритмы быстрого преобразования Фурье, кратномасштабный анализ, оптимизация задачи распознавания речи.
T.P. Avanesova
Candidate of Pedagogy, Assistant Professor of Foreign Languages Department of the Admiral F.F.Ushakov Marine State Academy, Novorossiysk; E-mail: avanesova1@mail.ru V.F. Tenishcheva
Doctor of Pedagogy, Professor, Head of Foreign Languages Department of the Admiral F.F. Ushakov Marine State Academy, Novorossiysk; E-mail: vic-ver@mail. ru I.M. Dantsevich
Candidate of Technical Sciences, Assistant Professor of Electric Power Industry Department of the Admiral F.F.Ushakov Marine State Academy, Novorossiysk; E-mail: damzewitsch@rambler.ru L.A.Gritsenko
Head of Laboratory of Foreign Languages Department of the Admiral F.F. Ushakov Marine State Academy, Novorossiysk; E-mail: Lar130660@mail.ru
COMPUTER SUPPORT IN TRAINING MILITARY EXPERTS TO THE FOREIGN
LANGUAGE
Abstract. The paper examines feasibilities of computer support in training military experts to a foreign language. Inclusion of the automated acoustic system in software product promotes recognition and mastering an information unit close to the standard.
Keywords: the military expert, professional work, a foreign language, computer support, Fourier algorithms of fast transformation, the short-scale analysis, optimization of a problem of speech recognition.
Информационные технологии играют большую роль в освоении иностранных языков и формировании личностных образований, которые позволяют специалисту компетентно решать профессиональные задачи в иноязычной среде. Компьютер предоставляет учащемуся физическую, социальную, лингвистическую и когнитивную автономию, социализирует образовательный процесс, способствуя созданию коллективных творческих групп за пределами аудитории.
В настоящее время уделяется особое внимание применению информационных технологий для подготовки военных специалистов, профессиональная деятельность которых все чаще сопряжена с общением на иностранном языке. Эффективность возникающих контактов зависит от адекватных иноязычных навыков, интегрированных в их профессиональную компетенцию. Военный специалист должен четко понимать ключевые термины, мгновенно адаптироваться к национальным особенностям их произношения, точно и оперативно соотносить их значения с предметными характеристиками объекта или процесса профессиональной деятельности.
Усвоение информационных единиц может быть обеспечено при использовании компьютерных программ - интеллектуальных тренажёров, где учащиеся имеют возможность не только получать знания, развивать и закреплять необходимые умения и навыки, но и осознавать их необходимость и важность для решения профессиональной задачи.
В информационную базу компьютерной поддержки запоминания иноязычного тезауруса входят названия материальных объектов, лингвистические единицы, знаковые информационные единицы, формулы, рисунки изучаемых объектов, дефиниции объектов или понятий, формулировки законов, правила, инструкции и т.п.
При рассмотрении теории поэтапного формирования умственных действий (А.Н. Леонтьев, П.Я. Гальперин) [1], согласно которой усваиваемое действие должно постепенно переводиться из внешнего состояния во внутренний план, нами была создана педагогическая модель запоминания информационной единицы, реализованная в программном продукте, тренировочно-контролирующей программе «Students Training Educational Programme» (STEP).
Процесс запоминания проектировался непосредственно после первичной презентации учебного материала на основе комбинированного способа заучивания с учётом характера учебного материала. Он обеспечивался приемами сосредоточивания внимания учащегося, наведением его на глубокое осмысление всех частей изучаемого материала и его равномерное запоминание, на формирование умения выделять главное.
В ситуации запоминания присутствуют исходный элемент - новый объект (термин, схема, рисунок), конечный элемент - образ объекта и его взаимосвязи с другими элементами информации или понятийное описание. Выполнение задания по усвоению информационной единицы (ИЕ) можно представить в виде блочной схемы действенной структуры звена тренинга с применением ЭВМ с расщеплённым описанием компонентов. Описание каждого компонента состоит из двух частей: действие преподавания и действие учения. Эти части расположены так, что в каждом случае на первое место поставлено действие, которому в этом компоненте принадлежит инициатива в обучении (См. рис. 1).
Стратегия действия по запоминанию учебного материала заключается в направлении мыслительной деятельности учащегося на осознание соответствия объекта его понятийным характеристикам. Вопрос тактики заключается в организации восприятия, осуществляемого различными способами: выдачей текста на экран компьютера, устным сообщением
преподавателя с дублированием на экране компьютера, предоставлением аудиовидеозаписи с использованием различных акцентов произношения.
Основными условиями организации действий учащегося, направленных на активное многостороннее осмысление новых информационных единиц, являются:
- разнообразие повторений;
- связывание повторения с интересными для учащихся проблемами;
- классифицирование явлений, понятий; обобщение материала;
- сочетание разных способов восприятия материала, воспроизведение материала в процессе заучивания;
- организация самоконтроля при воспроизведении в процессе заучивания;
- распределение повторений во времени с целью запоминания;
- произвольность, мотивация учащегося прочно усвоить изучаемый материал, мобилизация волевых усилий.
К приёмам организации действий учащегося, направленных на активное многостороннее осмысление этих единиц, относятся:
- установка на прогнозирование профессиональных и других ситуаций и возникающих в них проблем, не разрешимых без знания изучаемых информационных единиц;
- направление внимания на оценку зависимости своих качеств личности от владения изучаемым материалом;
- направление внимания на зависимость оценки его личности будущим партнёром от владения изучаемым материалом;
- побуждение всестороннего осмысления и оценки обучающегося выполняемых им действий;
- актуализация в процессе выполнения действий по запоминанию житейских и производственных представлений о смежных понятиях, законах, явлениях и сопоставление их с изучаемыми информационными единицами;
- возбуждение эмоций, окрашивающих рассматриваемые информационные единицы;
- установление обратной связи в процессе выполнения действий по запоминанию;
- разнообразная поддержка многократного выполнения действий, улучшающих запоминание.
Рис. 1. Блочная схема действенной структуры звена тренинга с применением ЭВМ
Параметры усвоения ИЕ можно представить в виде лепестковой диаграммы. Именно эти параметры составляют в дальнейшем основу усвоения алгоритмов профессиональной деятельности военного специалиста в иноязычной среде (См. рис. 2).
Для отработки звукового эталона запоминаемой информационной единицы необходимо создание педагогической модели обучающей речевой компьютерной системы. Наличие различных тембров голоса - спектров речи, фонетических особенностей иностранного языка, сложных корреляционно-статистических зависимостей фонем, -которые обучающийся должен воспроизводить с максимально допустимой точностью, создают определённые трудности при разработке акустической системы.
Компьютерная программа «STEP» предусматривает базу данных звуковых единиц, пропущенных через цифровые формирующие фильтры для снижения шумовых эффектов, устранения помех различного типа с дальнейшим преобразованием в спектр, и предоставляет возможность получения эталонного звучания речевого сигнала на основе спектральной оценки его мощности.
Освоение семантических связей ИЕ
Освоение эталонного варианта произношения ИЕ
Освоение орфографического образа ИЕ/ образа объекта
Приобретение
навыка
теоретического
мышления
Усвоение информационной единицы (ИЕ)
Адаптация к национальным акцентам/ особенностям произношения ИE
Переживание эмоций и чувств, окрашивающих ИЕ
Развитие рефлексии места ИЕ в практической деятельности
Рис. 2. Параметры усвоения информационной единицы
Адаптивная обработка сигналов включает:
- создание речевого банка заданий: от простого - к сложному;
- оцифровку фрагментов речи в ходе восприятия звуковой единицы по тональности и мощности звукового поля;
- сохранение в памяти меры фонетического состава речевых фрагментов -спектральной плотности мощности сигналов (СКЗ) (power spectral density).
Воспроизведение учащимся материала задания в процессе тренинга сопровождается автоматизированным сравниванием результатов показанного ранее образа с фактическим составом и определением меры соответствия образца и речевого фрагмента учащегося.
Поскольку индивидуальные особенности тембра голоса - спектр речи и мощность звукового поля - статистически не поддаются усреднению, то физическая реализация системы по эталону педагога (речевому образу) имеет определённые трудности. Преодоление их зависит от учёта фонетических особенностей языка - сложных корреляционностатистических характеристик фонем, воспроизводимых учащимися насколько возможно ближе к эталону.
Спектральная плотность мощности речевого образа оценивается по его составляющим. Применение эталона в оценивании качества воспроизведения речевого фрагмента проблематично в силу сложности его создания.
Спектральный анализ сигналов предусматривает применение известных способов преобразования сигнала из временной области в частотную область путём выполнения преобразования Фурье [2]. В цифровых системах обработки это реализуется пропуском исходного фрагмента через формирующий фильтр. Алгоритмы быстрого преобразования Фурье (Fast Fourier Transform, FFT) позволяют производить расчёты всех спектральных отсчётов, поэтому на выходе такого фильтра получается усреднённый спектр по всему фрагменту, записанному как совокупность отсчётов сигнала.
В части анализа гармонических составляющих фонем применим кратномасштабный анализ (КМА) [3] с помощью уравнения:
j (X ) = mA /2j (X /2), (1)
где m0(X /2) - маска (фильтр) преобразования Фурье исходного фрагмента, j(X /2) -масштабирующая функция преобразования. Применение базисов всплесков позволяет использовать свойства масштабирующей функции для исследования свойств фонем, составляющих оцифрованный речевой фрагмент.
Не рассматривая подробно вопросы применимости теории всплесков к оптимизации задачи распознавания речи, воспользуемся примерами всплеска преобразований [3] к анализу речевого фрагмента, относящегося к английскому языку. Используем систему всплесков
Хаара j - j - С [0Л], преобразование Фурье этой
pX
(2)
По масштабирующей функции (2) определяется фильтр, в нашем случае sin pX
m0(X ) - -ГГ- (3)
p X
Пропущенный через формирующий фильтр сигнал (рис. 3) позволяет получить развёртку (декомпозицию) сигнала в различных масштабах, причём порядок фильтра соответствует параметрам масштабирующей функции.
x 10'
2 0 0 0
4000 6000
8000 10000 12000 14000 16000
0
0
(а
б)
Рис. 3. Сравнительные характеристики декомпозиции временного сигнала в фильтре первого
порядка (а) и четвёртого порядка (б)
Полученные данные в результате сдвигов и отображений материнской функции КМА соответствуют разложению речевого фрагмента в биортогональном базисе. Имеющиеся корреляционные связи преобразования можно оценить посредством анализа масштабирующей функции.
Меру сравнения двух сигналов необходимо вычислить с использованием алгоритмов быстрого преобразования Фурье (БПФ), в нашей задаче это будет окно Хемминга [2]. Для оценивания мощности в каждом КМА необходимо построить спектры по каждой декомпозиции.
Полученные спектральные составляющие в октаве анализа суммируются, при этом спектральная плотность мощности будет соответствовать СКЗ по спектру декомпозиции (рис. 4).
Значения СКЗ, полученные суммированием спектральных составляющих по спектру, соответствуют энергии сигнала. Имеющиеся четыре реализации речевого фрагмента обучающей выборки после декомпозиции в формирующем фильтре соответствующего порядка позволяют сравнивать с такой же реализацией контрольной выборки, воспроизводимой учащимся.
Рис. 4 Спектр речевого фрагмента, построенного методом БПФ (Окно Хемминга) из декомпозиции обучающей выборки 4-го порядка
Результаты экспериментального исследования речевого фрагмента обучающей и контрольной выборки, сравнительных характеристик СКЗ декомпозиций позволяют говорить об идентичности распределений (См. рис.5). Тренировочная выборка всегда будет отличаться от контрольной в силу как внутренних факторов (субъективное восприятие звука по тональности и мощности звукового поля), так и внешних (шумы, помехи). Добиться полного совпадения можно при обладании абсолютным тембром эталона звуковой единицы и при исключении внешних факторов.
распределение оценок СКЗ сигнала по всплескам
Оценки, вычисленные декомпозицией по фильтрам
Рис. 5.Тренды характеристик распределения СКЗ по обучающей и контрольной выборке декомпозиции речевого фрагмента
Различные значения СКЗ спектра, представленные в нижеприведенной таблице, позволяют говорить о разбросе значений СКЗ даже у носителя языка. Анализ эмпирических данных показывает, что фонемы находятся в определённых связях, а речевые фрагменты, состоящие из разных по набору слов, подчиняются звуковым конструкциям языка.
Таблица.
Значения СКЗ по спектрам декомпозиций обучающей и контрольной выборки
Порядок декомпозиции Значения СКЗ по обучающей выборке Значения СКЗ по контрольной выборке
1 3.75407Е-15 1.73448Е-15
2 0.0028 0.0047
3 0.0027 0.0052
4 0.0051 0.0098
Коэффициент корреляции составляет величину 0,7-0,8, что характеризует идентичность реализаций.
В разработанной программе используется макрос, созданный в МАГЬАВ-е [4], реализующий описанный алгоритм. Пользовательская форма программы реализуется в среде DELPHI. Актуальные проблемы ее реализации связаны с время-частотной локализацией фрагмента речи, важным параметром которой является ускорение вычислительных процессов с использованием множеств нечеткой логики. Это может быть реализовано посредством каскадного алгоритма с вычислением с помощью кратномасштабного анализа с последовательным приближением.
С учётом результатов эксперимента составим блок - схему (рис. 6) обучающей программы.
Запись речеуго фрагмента Преобразование в цифровой вид
Реализация КМА
*1 т
________Построение спектра по КМА___________
Вычисление СКЗ по КМА ' ▼
Вычисление по коэффициентам корреляции идентичности фрагментов
Рис. 6. Блок - схема программы автоматизированного лингвистического обучения
Автоматизированный контроль способствует усвоению речевых единиц информации как близких к эталону, так и в вариантах национального произношения.
Автоматизированная система для усвоения иноязычного тезауруса -фразеологического материала стандартного словаря-разговорника, отражающего коммуникативную составляющую профессиональной деятельности военного специалиста при решении его типовых задач в иноязычной среде, позволяет в дальнейшем реализовать как тематические, так и узкоспециализированные тренинги, направленные на развитие навыков его профессиональной речевой деятельности.
Примечания:
1. Леонтьев А.Н., Гальперин П.Я. Теория усвоения знаний и программированное обучение // Советская педагогика. 1964. № 10.
2. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2003.
3. Новиков И.Я., Протасов В.Ю., Скопина М.А. Теория всплесков. М.: Физматлит, 2006.
4. Назаров А.В., Козырев Г.И., Шитов И.В. Современная телеметрия в теории и на практике: учеб. курс. СПб.: Наука и Техника, 2007.
