类型a：学术研究报告

作者及机构
本研究由四位作者合作完成：
- Chun Hao（中国新乡工程学院；马来西亚马来亚大学）
- Wei Xu（中国澳门城市大学）
- Huzaina Binti Abdul Halim（马来西亚马来亚大学）
- Mengyao Hao（中国新乡工程学院）

研究论文发表于期刊 *Language Teaching Research*，2025年出版，DOI编号为10.1177/13621688251352595。

学术背景
本研究属于第二语言习得（Second Language Acquisition, SLA）与教育技术交叉领域，聚焦于人工智能（AI）聊天机器人在词汇自主学习（Self-Regulated Vocabulary Learning, SRVL）中的应用。研究背景基于以下关键问题：
1. 现实需求：中国民办高校学生英语基础薄弱，词汇学习动机不足（Cao & Li, 2014），而传统教学难以提供个性化支持。
2. 技术潜力：基于大语言模型（Large Language Model, LLM）的AI聊天机器人（如ChatGPT）能通过自然语言交互提供动态反馈，但其在SRVL中的实证研究尚属空白。
3. 理论缺口：现有研究多关注动机或学习策略的独立作用，而三者（动机、策略、技术干预）的交互机制尚未明确（Teng & Mizumoto, 2024）。

研究目标包括：
- 验证AI聊天机器人（Doubao）对词汇学习效果的提升作用；
- 揭示自主学习策略（Vocabulary Learning Strategies, VLSs）与心理需求（Basic Psychological Needs, BPNs）对学习结果的链式影响。

研究流程
研究采用为期8周的纵向对照实验设计，分为以下步骤：

1. 参与者筛选

   • 初始样本：从中国某民办高校抽取4个英语专业班级（共223人），通过词汇前测（满分100分，平均分35分）筛选出两组（实验组51人，对照组52人），确保基线水平无显著差异。
     
   • 分组处理：实验组使用字节跳动开发的AI聊天机器人Doubao，对照组采用传统方法（电子词典、笔记等）。
     

2. 干预设计

   • 共同培训：两组均接受自主学习策略（VLSs）培训，涵盖目标设定、监控、反思三阶段（Zimmerman, 2002）。
     
   • 实验组附加干预：
     
     • 聊天机器人指令库：基于Mizumoto（2010）的VLS分类，设计28条交互指令（如“提供同义词”“生成个性化练习”）。
       
     • 使用监控：通过每周自报记录使用频率（平均6次/周，每次14分钟）。
       

3. 数据收集

   • 测试工具：自编词汇测试（40题接受性任务+10题产出性任务，满分100分），经3位专家验证效度。
     
   • 心理量表：改编自Mizumoto & Takeuchi（2009）的VLS问卷和Wang & Reynolds（2024）的BPNs量表，共34题（6点李克特量表），Cronbach’s α=0.920。
     

4. 数据分析

   • 统计方法：
     
     • 组内/组间比较：配对样本t检验、ANCOVA（控制前测分数）。
       
     • 中介/调节效应：PROCESS宏（Bootstrap=5000次）。
       
   • 因子分析：主成分分析（PCA）提取4类VLSs（元认知策略、编码与书写复述策略、口头复述策略、激活策略）。
     

主要结果
1. 词汇成绩提升
- 实验组后测平均分显著提高（前测35→后测47，p<.001，Cohen’s d=1.05），对照组无显著变化（p=.320）。
- ANCOVA显示组间差异显著（F=39.401，p<.001，偏η²=.283），效应量中等。

1. 心理需求与策略的中介作用

   • 感知自主性（Perceived Autonomy, PA）是词汇成绩的唯一显著预测因子（β=.364，p<.05）。
     
   • 元认知策略完全中介PA与成绩的关系（间接效应b=2.531，95%CI [0.435, 5.064]），即自主性需通过策略应用才能转化为学习效果。
     

2. 调节效应

   • PA显著调节前测与后测的关系（p=.039），高自主性学生更善于利用已有知识。
     

结论与价值
1. 科学意义
- 首次实证证明LLM驱动的AI聊天机器人可通过满足心理需求（尤其是自主性）间接提升SRVL效果。
- 完善了自我决定理论（Self-Determination Theory, SDT）在技术增强学习中的解释框架。

1. 应用价值
   
   • 教育实践：建议教师设计“SMART目标”模板（如“每日掌握10词”），结合聊天机器人监控学习进度。
     
   • 技术依赖警示：需防范过度依赖AI（Zhang & Xu, 2025），例如限制其用于作业答案生成。
     

研究亮点
1. 创新方法：开发了首个针对民办高校学生的AI聊天机器人VLS指令库（28条指令）。
2. 特殊样本：聚焦中国民办高校学生，填补了低英语水平群体研究的空白。
3. 理论整合：将SDT、SRL与LLM技术交叉，揭示了“动机→策略→成绩”的链式机制。

局限与展望
1. 样本局限：仅一所高校，未分析性别、年龄等变量。
2. 长期效果：8周干预未能评估词汇保留率。
3. 技术限制：Doubao无法自动记录交互数据，依赖自报可能产生偏差。
未来研究可扩展至12周，结合标准化测试（如Star Reading）评估广义语言能力迁移。