滚动信息2

摘要：数据驱动学习作为一种以语料库检索为核心的发现式学习路径，正在重塑大学商务英语课堂的知识生成方式。文章以大学商务英语课程的教学实践为研究对象，深入分析传统篇章讲授模式在真实语料供给、探究过程设计、知识体系联结与学习成效反馈等环节存在的局限，提出语料建库、索引探究、模块联结、过程评价四种可操作的创新方法，旨在为商务英语课堂从“教师讲授”转向“学生发现”提供具体路径，提升学生在真实商务语境中的语言运用与问题解决能力。

关键词：数据驱动学习；商务英语；语料库

引言

全球经贸往来的深化使商务英语成为高校受众面较广的通识与专业课程，然而当前课堂仍较多沿袭以篇章阅读为中心、以教师讲解为主线的传统范式，教材语料有限、课时压缩、师资复合能力不足等问题交织并存，学生在真实商务场景中的语言敏感度与话语生成能力难以得到充分训练。数据驱动学习倡导学习者借助语料库检索生成的索引行进行观察、归纳与总结，在多语境碰撞中自主发现词汇、语法与语用规律，恰好回应了商务英语职业性、体裁化、实践性强的课程特质。梳理数据驱动学习在商务英语课堂中的具体落地路径，对于丰富教学手段、激活学生主体性、提升课程实效具有现实参考价值。

一、语料建库：搭建真实商务语境的语料资源池

语料库是数据驱动学习得以展开的物质基础，教师可围绕教材单元主题，从上市公司年报、国际商会合同范本、财经媒体报道、行业峰会演讲实录等公开渠道采集文本，按“品牌营销”“跨境谈判”“财务报告”“人力资源”等模块分类存储，同时标注语篇体裁与难度层级，使学生在检索某一核心词时能够同时获得正式书面体与口语交际体的对照样本，教师在每学期初集中完成一次基础建库，并在授课过程中随主题推进持续补充新文本，保持语料的时效性。同时引入学生共建机制，布置“语料采集员”轮值任务，让小组按周从指定英文商务网站采集、整理与单元主题相关的短文或对话片段，经教师审核格式与版权后汇入班级共享语料库，学生在采集过程中本身即完成一次对真实商务文本的细读，资源池也由此从教师单向供给转向师生共同维护，检索结果的丰富度与课堂参与的深度同步得到提升[1]。

二、索引探究：设计观察归纳式的课堂检索任务

Tim Johns曾将数据驱动学习形象地比喻为让学习者成为“语言研究者”，这一理念落到课堂层面意味着教学活动需要从“讲解规则”转向“设计任务”，使学生在检索、筛选与比对索引行的过程中自行归纳语言特征。一是教师可在课前针对单元核心词汇或句型预制检索清单，例如围绕“negotiate”一词设计“检索原形—观察搭配动词—比较介词差异—归纳语用场合”四步任务单，课堂上预留十五至二十分钟让学生借助AntConc等工具逐行浏览索引，记录该词在商务语境中常见的动宾搭配与句式结构，再以小组为单位汇总结论，教师仅在学生出现归纳偏差时介入点拨，使语言规则从学生的观察中自然浮现而非由教师直接灌输。二是可设计对比检索任务，将同义表达置于同一检索框架下，让学生统计各词在财经报道、合同文本与会议纪要中的出现频次与搭配倾向，绘制简易的语义分布图，让学生在量化对比中能够直观感知近义词的语体差异与使用边界，这种基于证据的归纳过程比单纯记忆词义更有助于形成稳定的语用直觉。

三、模块联结：构建跨主题知识的个性化体系

商务英语的知识并非孤立的词汇与句型，而是嵌入在品牌、营销、财务、供应链等相互关联的业务模块之中，学生若仅围绕单一主题检索，容易获得碎片化信息而难以形成可迁移的话语能力，因而帮助学生在不同知识模块之间建立联结是数据驱动学习走向纵深的关键。教师可在学生完成某一主题的检索学习后，布置“跨模块迁移”写作任务，例如在掌握“品牌”主题的核心表达后，要求学生运用语料库检索“营销策略”“客户关系”“电子商务”等相邻模块的语料，撰写一篇将品牌定位与渠道策略相结合的简短商务建议书，写作过程中学生需要反复回查不同模块的索引行以选择恰当表达，知识由此从单点记忆转化为可调用的网络。在此基础上，引导学生建立个人概念图谱，借助思维导图工具将检索中发现的核心术语、典型搭配与商务场景逐一标注，并在节点之间用连线标明语义关联，例如把“loyalty”同时连接到“customer retention”“CRM system”“repeat purchase”等节点，图谱随学习进度不断扩展，学生在期末复习时能够凭借自身构建的网络快速调取相关表达，个性化知识体系的形成也使每位学生的学习成果呈现出差异化的深度与侧重[2]。

四、过程评价：完善数据追踪下的多元反馈机制

学习评价是检验教学成效并反向调整教学设计的重要环节，传统以期末笔试为主的评价方式难以捕捉学生在检索、归纳与协作过程中的能力成长，因而借助数据痕迹构建覆盖全过程的多元反馈机制，能够使数据驱动学习的成效得到更完整的呈现。一方面，可以建立学生检索行为档案，记录每位学生在一学期内的检索关键词数量、索引行浏览时长、小组汇报中的归纳准确率等过程性数据，结合课堂观察形成个性化学习画像，在期中阶段向学生反馈其在信息筛选深度或归纳完整度上的具体表现，并给出针对性的改进建议。另一方面，可采用“检索日志+成果展示+同伴互评”相结合的评分结构，检索日志记录学生每次任务的检索路径与发现，成果展示检验其将语料发现转化为口语或书面表达的能力，同伴互评则促使学生在观摩他人检索策略时反思自身方法的不足，三项按比例计入平时成绩，学生在持续的反馈循环中能够清晰感知自身能力的进阶轨迹，教师也可依据整体数据分布调整后续任务的难度与主题分布，使课堂创新在迭代中不断趋于完善。

结语

综上所述，数据驱动学习在大学商务英语教学中的创新运用，并非简单地将语料库工具引入课堂，而是围绕资源建设、任务设计、知识联结与评价反馈四个环节进行系统性的教学重构，使学生在真实语料的观察与归纳中逐步形成面向商务场景的语言能力。未来随着人工智能辅助检索与多模态语料技术的发展，数据驱动学习有望进一步与翻转课堂、项目式学习等形态深度融合，教师可在实践中持续优化语料库的领域覆盖度与任务设计的阶梯性，探索更贴合学生认知规律的课堂样态，让数智技术真正成为商务英语课堂焕发新生的内在支撑。

参考文献：

[1]沈剑文.大数据时代背景下的大学商务英语翻译教学改革研究[J].海外英语,2021(18):86-87.

[2]耿攀峰.数据驱动学习在大学商务英语教学中的应用[J].科学咨询(教育科研),2019(11):48-49.

万瑜

江西应用科技学院