技术摘要：超越“一刀切”的生成式人工智能辅助口语练习

1. 问题陈述

尽管生成式人工智能（Generative AI）已为英语作为外语（EFL）的口语练习建立了低威胁、个性化的环境，但现有文献主要依赖定量方法来报告群体层面的趋势或中介效应。这些研究通常将情感、认知和行为参与视为独立的变量，或假设它们同步发展。因此，在理解学习者如何主观地配置这些维度方面存在显著空白。具体而言，目前尚不清楚不同学习者的情感体验如何塑造其认知评价和行为参与，以及鉴于学习者经验的异质性，“一刀切”的 AI 辅助教学方式是否足够。

2. 研究方法

本研究采用了 Q 方法论（Q methodology），这是一种旨在调查个人主观性并识别群体内共同观点的以人为本的方法。

• 参与者： 27 名来自中国北方某理工科大学的大一学生（22 名男性，5 名女性；平均年龄 19.04 岁）。所有参与者均至少有一学期的使用 AI 工具（如豆包、超星学习平台、流利说英语）进行口语练习的经验。
• 工具开发（Q 集合）： 从三个来源构建了一个包含 47 个代表性陈述的 Q 集合：(1) 关于 AI 辅助学习中学习者参与度和情感体验的文献综述；(2) 参与者关于其实际体验的开放式回答；(3) 中国流行 AI 口语平台的用户评论。陈述经过精炼，侧重于单一维度（情感、认知或行为），以避免歧义。
• 数据收集：
  • Q 分类（Q-Sorting）： 参与者在从“强烈反对”(-5) 到“强烈同意”(+5) 的强制分布网格上对 47 个陈述进行排序。
  • 排序后访谈： 对表现出高因子载荷的 10 名参与者进行了半结构化访谈，以探讨其排序背后的逻辑。
• 数据分析： 使用 KADE (Version 1.3.1) 通过主成分分析（PCA）及方差最大化旋转法对 Q 分类数据进行分析。根据特征值 > 1.00 且因子载荷 ≥ 0.38 的标准保留因子。共提取出四个因子，解释了 51% 的总方差。

3. 关键结果：四种学习者参与剖面

因子分析识别出了四种截然不同的学习者参与剖面，每种剖面都以情感、认知和行为参与的独特配置为特征：

1. 放松调节者 (Factor 1)：

   • 情感： 高度的放松感和安全感；对于评价或错误引起的焦虑感较低。
   • 行为： 根据个人需求动态调整交互风格（例如，要求 AI 简化语言）。
   • 认知： 没有显著的区分性认知参与；处理过程似乎较为肤浅，或侧重于练习而非深度反思。
   • 剖面特征： 感到安全且有掌控感，但可能缺乏深层的认知参与。

2. 疏离怀疑者 (Factor 2)：

   • 情感： 疏离感强且情感参与度低；对 AI 反馈的“人类”特质持怀疑态度。
   • 认知： 持批判和怀疑立场；质疑 AI 反馈的准确性及其评估真实水平的能力。
   • 行为： 被动使用或参与度有限（例如，仅在老师要求时才使用 AI）。
   • 剖面特征： 对工具缺乏信任，从而导致脱节。

3. 焦虑改进者 (Factor 3)：

   • 情感： 对分数和反馈高度敏感；经历焦虑和情绪波动。
   • 认知： 明确认识到 AI 对提升能力的价值，但过度关注特定的弱点。
   • 行为： 针对性地、重复性地练习已识别的弱点；不愿探索其他的 AI 功能或特性。
   • 剖面特征： 由外在动机驱动以避免失败，导致练习模式僵化且缺乏探索性。

4. 好奇探索者 (Factor 4)：

   • 情感： 由内在兴趣、好奇心和新颖感驱动的正向激活情绪。
   • 认知： 对 AI 的评估和教学价值持积极评价。
   • 行为： 具有高度的主动性；积极尝试不同的 AI 工具和功能。
   • 剖面特征： 具有内在动机，在所有维度上进行广泛探索并深度参与。

4. 核心贡献与发现

本研究挑战了情感、认知和行为参与同步发生的假设。相反，它揭示了这些维度是以异质性的、配置性的模式结合在一起的。

• 情感的核心地位： 情感参与是所有剖面中的核心维度。然而，情绪类型（激活型 vs. 去激活型，正向 vs. 负向）决定了随后的认知和行为结果。
• 控制-价值理论的应用： 本研究应用控制-价值理论（Pekrun, 2006）来解释这些配置：
  • 放松调节者： 高感知控制力和正向价值评价导致 去激活的正向情绪（放松），这可能会抑制深层的认知加工。
  • 好奇探索者： 高控制力和正向价值评价导致 激活的正向情绪（愉悦/新颖），从而促进深层的认知和探索性行为参与。
  • 焦虑改进者： 高价值评价但低感知控制力导致 激活的负向情绪（焦虑），这驱动了针对性的行为努力，但抑制了探索性。
  • 疏离怀疑者： 低控制力和负向价值评价导致 去激活的负向情绪（无聊/疏离），削弱了认知评价和行为参与。

5. 意义与教学启示

本文认为，针对生成式 AI 辅助口语教学，“一刀切”的方法是不够的。这项工作的意义在于证明了学习者参与是异质且具有配置性的。

教学启示：

• 优先考虑情感支持： 教学应优先考虑情感支持，以利用 AI 的低威胁特性。
• 定制化干预：
  • 针对 放松调节者：保持低压力的环境，但引入反思日志以深化认知参与。
  • 针对 疏离怀疑者：通过有趣的互动游戏来建立正向情感体验，并逐渐引入具有递增认知要求的任务，以建立掌控感。
  • 针对 焦虑改进者：引导学习者设定阶段性目标，并批判性地评估 AI 反馈，以减轻焦虑，并将动机从外在转向更可持续的动机。
  • 针对 好奇探索者：布置开放式、创造性的任务以维持内在动机，并鼓励同伴分享以强化参与。

6. 局限性

作者承认存在两个主要的局限性：

1. 样本代表性： 研究是在中国一所大学的一个特定年级进行的，这限制了研究结果在不同年龄、不同熟练程度及不同地理区域的普适性。
2. 静态视角： 本研究捕捉的是某一时间点的参与剖面，并未探讨这些剖面在持续学习过程中如何随时间演变。

论文总结指出，在 AI 集成的环境中，教师的指导对于应对这些不同的情感-认知-行为配置并促进持续参与至关重要。