Predicting Vocabulary Acquisition in EFL Learners Using Machine Learning Models
本研究表明，虽然生成式人工智能在提升英语作为外语（EFL）学习者的词汇习得方面显著优于传统教学，但主要依赖语言指标的线性回归模型在预测这些学习增益方面，表现优于复杂的机器学习算法和行为指标。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
学习一门新语言是一个积累的过程，一个人表达复杂思想的能力在很大程度上取决于其词汇量的大小和多样性。几十年来，教师们一直知道，学生在反复接触新单词并将其应用于有意义的情境（如撰写论文或进行对话）时，学习效果最好。近年来，一种强大的新工具进入了课堂：人工智能。这些系统可以与学生聊天、提供即时解释，并建议更好的措辞方式。然而，尽管学校渴望采用这些工具，但一个关键问题仍未得到解答：仅仅拥有使用智能聊天机器人的权限，是否真的能帮助学生学习更多单词，以及我们能否预测谁将从中获益最多？
沙特阿拉伯穆格林王子大学的研究人员通过观察一大群学习英语的大学生来试图回答这个问题。他们想看看使用人工智能辅助写作作业，是否比传统的教学方法更能促进词汇量的增长。更重要的是，他们想知道是否可以利用计算机模型，根据学生使用技术的方式来预测其进步情况。该研究涉及 180 名本科生，历时十五周。学生被分为两组。一组接受老师对他们写作的常规反馈，而另一组则被允许使用先进的 AI 聊天机器人来探索词义、检查语法并修改草稿。两组学习相同的材料并完成相同的作业，以确保唯一的重大区别在于反馈的来源。
结果显示，两组学生的词汇知识在学期过程中都有所提高，这在学生积极参与学习时是预料之中的。然而，使用 AI 工具的那组学生取得了显著更大的进步。平均而言，这些学生的词汇测试成绩提高了 7 分以上，而仅依赖教师反馈的一组仅提高了 3 分多。这种差异并非偶然；使用 AI 的学生学习了更多的单词，并且在写作中使用了更丰富的词汇。他们的文章展现出了更丰富的词汇量和更高频率的学术术语使用，这表明 AI 不仅帮助他们记忆定义，还帮助他们将新单词真正融入到活跃的语言技能中。
随后，研究人员转向了预测问题。他们询问是否可以通过观察学生的行为——例如他们在与 AI 对话上花费了多长时间、他们修改作品的频率，或者他们的参与程度如何——并利用这些信息来猜测其词汇量会增长多少。他们使用了几种不同的计算机模型进行了测试，这些模型从简单的统计方法到旨在寻找隐藏模式的复杂算法不等。令人惊讶的是，最复杂的计算机模型表现并不比最简单的模型更好。事实上，预测学生词汇增益最准确的方法是查看他们的初始测试分数以及他们是否属于 AI 组或仅有教师组。
或许最具有启发性的发现是，从 AI 用户那里收集的行为数据并不能帮助预测学习成果。了解一名学生与聊天机器人交谈了多少分钟，或者他们点击按钮获取建议了多少次，并不能告诉研究人员该学生实际学习了多少。互动的数量并不是质量的可靠指标。一名学生可能会在工具上花费很长时间，但只是不加思考地接受第一个建议；而另一名学生可能使用时间较短，却深入分析了各种备选方案。研究表明，AI 的价值在于它所提供的支持性质——即实时的、个性化的反馈，让学生能够实时进行语言实验——而不是在于他们使用工具的纯粹时长。
最终，这项研究表明，人工智能可以成为语言学习中的强大伙伴，但前提是必须将其谨慎地整合到结构化的课程中。这项技术并没有取代教师；相反，它扩展了教师的影响范围，为学生提供了一个随时练习和完善写作的方式。研究人员发现，理解和预测词汇增长的最佳方式，不是通过追踪学生与机器互动的忙碌程度，而是通过观察他们写作的实际变化和测试成绩。这种方法为教育工作者提供了一条清晰的前进道路：关注学习互动的质量和语言使用的实质性提升，而不是仅仅计算学生在线的时长。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。