生成式人工智能在EFL写作环境中的应用：学生素养研究

作者及机构
本研究由Ali Abbas Falah Alzubi（沙特阿拉伯Najran大学英语系、语言与翻译学院及Shariaa、教育与人文研究中心）完成，发表于2024年5月的《Qubahan Academic Journal》（第4卷第2期）。

学术背景

本研究属于人工智能教育应用（AI in Education）与英语作为外语（EFL）写作教学的交叉领域。随着生成式人工智能（Generative AI）技术的快速发展（如ChatGPT），其在语言学习中的潜力日益凸显。然而，学生是否具备有效利用这些工具的素养（AI literacy）尚不明确。

研究动机源于两个核心问题：
1. 技术潜力与素养缺口：生成式AI可辅助写作（如语法修正、内容生成），但学生需掌握工具使用、批判评估及伦理应用能力。
2. 现有研究不足：此前文献多关注AI工具的功能性，而缺乏对学生素养水平的量化分析，尤其是EFL写作场景下的差异化表现（如专业、成绩水平的影响）。

研究目标包括：
- 评估EFL学生使用生成式AI工具的素养水平；
- 分析专业背景（英语vs.翻译）、GPA及AI熟练度对素养的影响；
- 探索学生面临的挑战、工具优势及改进建议。

研究方法与流程

研究采用描述性调查法（Descriptive-survey），结合量化问卷与质性访谈，流程如下：

1. 研究对象与样本

• 问卷样本：278名沙特公立高校EFL本科生（英语专业194人，翻译专业84人），按GPA分层（55%为4-5分，34.5%为3-3.99分）。
  
• 访谈样本：20人（目的性抽样），覆盖不同AI熟练度（初级44.6%、中级29.9%、高级25.5%）。
  

2. 研究工具

• 封闭式问卷：29项Likert量表题（1-5分），涵盖AI工具在写作中的7类应用：
  
  • 基础功能（如翻译、语法检查）；
    
  • 创意辅助（如头脑风暴、内容生成）；
    
  • 反馈与修订（如实时纠错、结构优化）。
    
  • 问卷经5位CALL（计算机辅助语言学习）专家验证，Cronbach’s α=0.95，信效度良好。
    
• 半结构化访谈：3个开放性问题，聚焦挑战、工具优势及改进建议。
  

3. 数据分析方法

• 量化分析：SPSS 25进行非参数检验（Kruskal-Wallis、Mann-Whitney U），因数据非正态分布；
  
• 质性分析：Braun & Clarke主题分析法，编码访谈文本为“挑战”“赋能”“建议”三大主题。
  

主要结果

1. 学生AI素养水平（RQ1）

问卷显示学生AI素养总体为中等水平（均值3.15/5），但存在分化：
- 高频应用：词汇学习（均值3.72）、文本清晰化（3.42）、同义词建议（3.41）得分最高，属“高素养”领域；
- 薄弱环节：内容组织（2.62）、生成样例文章（2.83）及衔接词建议（3.17）表现较差。

2. 背景变量影响（RQ2）

• 专业差异不显著（p=0.120），英语与翻译学生对AI工具态度无本质区别；
  
• GPA与AI熟练度显著相关：
  
  • 高GPA（4-5分）学生素养显著优于低分者（p<0.001），反映学术能力与AI应用的正相关性；
    
  • 高级用户（25.5%）比初级用户更积极（p=0.012），因熟练度提升工具效用感知。
    

3. 挑战与建议（RQ3）

访谈揭示三大主题：
- 挑战：
- 内容组织混乱（如“生成段落结构松散”-S12）；
- 词汇局限（如“无法找到特定词汇”-S5）；
- 技术学习曲线（如“需额外培训”-S18）。
- 赋能：
- 个性化学习（如“根据风格定制反馈”-S9）；
- 虚拟教师辅助（如“AI提供实时评估”-S14）。
- 建议：
- 开设AI工具培训课程（S3）；
- 结合英语与AI技能实践（S5）；
- 培养批判性使用意识（S6）。

结论与价值

科学意义

1. 理论扩展：首次量化EFL学生的生成式AI素养，填补了AI literacy研究在写作场景的空白；
   
2. 影响因素模型：揭示GPA与AI熟练度的调节作用，为后续干预研究提供靶点。
   

应用价值

• 教学实践：建议将AI工具培训纳入EFL课程，尤其针对低GPA学生；
  
• 工具设计：优化AI的内容组织与词汇建议功能，以匹配学生需求。
  

研究亮点

1. 方法论创新：混合方法（问卷+访谈）全面捕捉素养多维性；
   
2. 情境特异性：聚焦EFL写作，区别于泛化的AI教育研究；
   
3. 实证导向：通过大样本（N=278）验证假设，结论具普适性。
   

局限与展望

• 样本局限：仅沙特高校学生，结论推广需谨慎；
  
• 纵向缺失：未追踪AI工具长期使用效果。未来研究可跨文化比较，或设计实验验证培训方案有效性。
  

本研究为AI与语言教育的融合提供了关键证据，强调素养培养与技术优化需同步推进，以实现生成式AI在EFL写作中的最大化价值。