人智交互语言学习环境中英语专业研究生自我调节学习的质性分析
徐锦芬 李娟
华中科技大学外国语学院
摘要
人工智能技术驱动下的人智交互语言学习环境为自我调节学习（SRL）创造了新的机遇。然而，SRL 在人智交互语言学习环境中的具体表现形式仍有待进一步探索。为此，本研究收集了 30 名英语专业研究生的回溯性日志，并对其进行了访谈，然后利用 MAXQDA 12 软件对这些数据进行扎根理论的三级编码，对编码结果实施理论饱和度检验，在找出人智交互语言学习环境中 SRL 具体表现形式的基础上，构建了 SRL 理论模型。本研究认为，SRL 可以分为 3 个阶段：个性化学习规划阶段、SRL 实施阶段以及学习过程与成果的反思阶段。其中，个性化学习规划阶段涉及需求分析、经验求取、目标-计划设定以及学习资源推荐与筛选；SRL 实施阶段包括任务完成、人智协同评估、人智监控调节、人智辅助指导和社群交流互动；学习过程与成果的反思阶段旨在总结 SRL 学习的有效成果和不足之处。该 SRL 三阶段模型不仅拓展了 SRL 的理论视角，而且为提升学习者在人智交互语言学习环境中的 SRL 能力提供了干预思路。
关键词：人智交互语言学习；自我调节学习；个性化学习规划；SRL 实施；学习过程与成果的反思；扎根理论
引言
人工智能（artificial intelligence，AI）技术的迅猛发展与数字化环境的广泛普及正在深刻地改变着外语学习的方式，为外语教育带来了前所未有的机遇（陈坚林，2020）。人工智能技术驱动下的人智交互（human-AI interaction）学习逐步成为外语学习的新趋势。人智交互是指 AI 基于“感知—思考—行动”的范式，与人类进行互动与合作。在这一过程中，AI 扮演着双重角色，它不仅是辅助工具，而且也是人类的合作伙伴，与人类一起实现相互理解、合作和共同决策等一系列任务（Heyder et al.，2023）。例如，AI 可以利用语言生成模型完成写作任务（Draxler et al.，2024），进行需求分析、资源推荐以及评估反馈（Zhai et al.，2021；Wu et al.，2024）。人智交互作为人机交互的高级形态，体现了 AI 的自主性（汪靖等，2024）。这种自主性为自我调节学习（self-regulated learning，SRL）创造了更多可能性（祝智庭等，2022）。SRL 以学习者的自我导向为主要特征，在实施 SRL 的过程中，学习者会利用各种认知和行为策略主动监控自己的学习（Zimmerman & Schunk，2011）。SRL 在语言学习中发挥着关键性作用（Wei，2023），具备 SRL 能力的学生能够有效地诊断学习需求、制定目标、选择学习资源，并在学习过程中进行自我监控和反思，从而更高效地达成预期的学习目标（Su et al.，2019；李昆，2021；Teng & Zhang，2022）。
然而，外语教育中的 SRL 研究目前仍处于起步阶段，尤其是对如何在人智交互语言学习环境中进行 SRL，相关研究尚显不足（徐锦芬、黄子碧，2020； Teng & Zhang，2022）。尽管部分研究已经对 AI 赋能语言学习环境中的 SRL 进行了探讨，但多改编自原有的 SRL 量表，难以全面揭示 SRL 的具体表现形式（如 Pan et al.，2024；Xu et al.，2024）。此外，以往技术环境中对语言学习的研究大多聚焦大学生群体，对研究生群体的关注较少（徐锦芬、杨嘉琪，2023），而实际上，研究生在学习过程中对 AI 技术的需求和依赖程度都更高，其 SRL能力的培养尤为重要。再者， 现有的 SRL 理论框架（ 如 Boekaerts，1992； Zimmerman & Kitsantas，1997；Pintrich，2004；Hadwin et al.，2011）多基于传统教学环境或者计算机辅助的学习环境，并不完全适用于当前 AI 赋能的语言学习情境，特别是人智交互语言学习环境。为此，本研究拟采用扎根理论方法，系统地探索在人智交互语言学习环境中英语专业研究生 SRL 的具体表现形式。
研究设计
1. 研究对象
本研究采用目的抽样和方便抽样的方式，选取有人智交互学习经历的英语专业研究生作为研究对象。在研究正式开展前，研究人员首先向 13 位英语专业研究生导师详尽阐述本研究的目的和可能产生的贡献，并在征得导师明确同意的基础上，通过小组访谈的形式，分别对每位导师的研究生团队进行了前情访谈，以了解潜在被试在利用 AI 辅助英语学习时的态度、现状以及他们参与本研究的意愿。前情访谈问题主要包括：你如何看待 AI 在英语学习中的应用？你如何借助 AI 辅助英语学习？访谈小组由两名研究人员组成，一人负责发布问题并引导被访人员自由发言或逐一发言，另一人负责补充提问和记录访谈内容。在前情访谈后，对潜在被试进行筛选，通过邮件逐一邀请潜在被试参与进一步的研究，并根据回复最终确定了 30 名参与正式研究的被试。这些被试都有利用各种 AI 工具（如 DeepL、趣配音、Duolingo、有道翻译、有道翻译·AI 写作、 Kimi、文心一言和ChatGPT 等）进行语言学习的经历。例如，利用DeepL 练习翻译、辅助学术文章阅读；通过趣配音练习和评估听说能力；利用 Duolingo 进行词汇和语法练习、英语水平检测，或者通过 Duolingo 的学习社区与其他学习者展开互动，分享学习经验和成果；基于 ChatGPT、Kimi 或文心一言模拟真实对话，实现陪伴学习，尤其在科研思路商讨、背景资料查找和辅助学术写作等方面使用得较为频繁。被试的基本信息见表 1。
2. 数据收集
本研究的数据主要来自被试的回溯性日志和访谈。回溯性日志提纲包括以下内容：①你是如何借助 AI 开展英语学习的；②在利用 AI 学习英语的过程中，有什么令你印象深刻的事；③在利用 AI 学习英语时，你遇到过什么挑战；④你觉得什么是自主学习；① ⑤在 AI 赋能语言学习环境中，你是如何开展自主式英语学习的；等等。日志文件格式可以是音频或者 Word 文档，通过邮件提 交。此外，研究还对 4 名愿意接受访谈的学习者分别进行了半结构化访谈，以深入挖掘其在人智交互语言学习环境中对 AI 辅助英语学习的体验和对 SRL 的感知。半结构化访谈的内容包括：①你觉得 AI 辅助英语学习对你的学习方式产生了哪些影响；②在利用 AI 学习英语的过程中，尤其是与 AI 进行对话的过程中，你如何看待 AI 与你的关系；③你如何看待 AI 辅助下的自主学习；④哪些因素推动或者制约你利用 AI 进行英语学习；⑤未来你会如何运用 AI 辅助英语学习；等等。半结构化访谈由负责前情访谈的两名研究人员通过腾讯会议进行，在征得学习者同意后，访谈过程全程录制，每位被访者的访谈时间约为 1.5 小时。在对全部视频和音频数据进行转码改写时，删除其中包含的口语词汇（如 “嗯”“我想想”“这个”“那个”等），最终收集到 43 218 字的原始文字材料。
3. 数据分析
本研究的数据分析采用扎根理论方法。这一理论由 Glaser & Strauss（1999）提出，以逐层递进的三级编码（分别为开放式编码、主轴式编码和选择性编码）为核心，强调对数据进行自下而上的深入分析，逐步从原始材料中提炼并构建理论框架。本研究利用 MAXQDA 12 软件，通过系统化的操作步骤对 27 份回溯性日志和 3 份访谈进行自下而上的三级编码，其余 3 份回溯性日志和 1 份访谈用于后续的饱和度检验。具体而言，在开放式编码阶段，整理原始文本中有关 SRL 的材料，提取初始概念和初始范畴；在主轴式编码阶段，将意义相近的初始范畴进行整合，提炼出主范畴；在选择性编码阶段，根据主范畴之间的关系提炼出核心范畴。随后，基于最后 3 份回溯性日志和 1 份访谈进行开放式编码，观察是否产生了新的范畴和关系。结果显示，该阶段并无新范畴和关系产生，表明 SRL 的理论框架已经饱和。此外，本研究还在三级编码的基础上采用过程编码的方式，对 SRL 行为和事件在不同时间和情境中的变化进行分析，以厘清 SRL 的动态过程。整个过程确保了研究的系统性和严谨性，对 AI 赋能语言学习环境中的 SRL 进行了较为深入的分析。
二、研究结果
通过三级编码和过程编码分析，本研究构建了 SRL 的三阶段模型（见表 2）。
首先，在开放式编码阶段的概念化和范畴化过程中，剔除出现频次少于 3次的初始概念（Hadley，2017；徐锦芬，2024），最终提炼出 27 个初始范畴。然后，在主轴式编码阶段，对具有相似主题的初始范畴进行系统化整合，形成了 11 个主范畴。其中，“任务完成”（78 次）是出现频次最高的主范畴，其次是“目标- 计划设定”（61 次）、“有效成果”（55 次）、“学习资源推荐与筛选”（37 次）和“人智监控调节”（34 次）。相较而言，出现频次最低的主范畴为“社群交流互动”（4 次），其他频次较低的主范畴包括“人智协同评估”（14 次）、“人智辅助指导”（13 次）、“不足反思”（13 次）、“需求分析”（6 次）和“经验求取”（6 次）。
最后，在选择性编码阶段，通过进一步梳理主范畴之间的逻辑联系，最终确定了 3 个高度概括且具有统领性的核心范畴，并依据过程编码所显示的SRL的先后顺序对其进行排列，依次为：个性化学习规划阶段（110 次）、SRL 实施阶段（143 次）和学习过程与成果的反思阶段（68 次）。这些核心范畴构成了 SRL 在人智交互语言学习环境中的三阶段模型，有助于我们进一步理解这种学习模式。
本研究厘清了人智交互语言学习环境中 SRL 的具体表现形式，构建了 SRL的三阶段模型。其中，个性化学习规划阶段包含 4 个要素，SRL 实施阶段包括 5 个要素，学习过程与成果的反思阶段涉及 2 个要素。
1. 个性化学习规划阶段
在个性化学习规划阶段，AI 可以辅助学习者做好语言学习的准备工作，如目标-计划设定、需求分析、经验求取以及学习资源推荐与筛选等。这一阶段与 Zimmerman & Kitsantas（1997）和 Pintrich（2004）所描述的前思阶段类似，核心目的均是为语言学习的开展奠定基础。然而，本研究发现，个性化学习规划阶段的内涵更为丰富，不仅包括学习者的自主规划，还涉及 AI 的辅助和支持。其中，目标-计划设定在这一阶段的占比最高，出现频次高达 61 次，主要体现在AI 辅助规划、学习者自主设定目标以及合理安排时间 3 个方面。这些要素在 Zimmerman & Kitsantas（1997）和 Pintrich（2004）的模型中均有所体现，这表明目标- 计划设定在 SRL 中发挥着关键性作用（Schunk & Greene，2017）。占比排第二的要素是学习资源推荐与筛选（37 次），这是个性化学习规划阶段出现的新要素，具体指 AI 向学习者推荐学习资源，或学习者自主搜索学习资源，并且学习者会对 AI 推荐的资源进行筛选。AI 基于自适应技术，能够根据学习者的学习现状有针对性地推荐学习资源（Zhai et al.，2021），这反映了在人智交互学习环境中，AI 在赋能语言学习方面具有独特的优势，可以弥补计算机、移动技术等常规技术在资源提供方面的不足（Oxford，2016；徐锦芬、李娟， 2024）。
需要指出的是，本研究的需求分析指的是 AI 辅助分析或学习者自主分析，与 Zimmerman & Kitsantas（1997）所强调的任务难度分析或要求分析并不相同。在人智交互语言学习环境中，AI 可以整合学习管理系统、社交网络和学习数据库等不同平台的数据，通过机器学习对学生的行为和需求进行预测与分析，为学习者提供全面的语言学习需求分析（Molenaar，2022）；同时，学习者也可以直接与 AI 对话，明确表达自身需求，以指导 AI 更好地辅助语言学习。
经验求取指的是学习者向同伴或社交媒体寻求经验，以最大化地发挥 AI 辅助英语学习的功效，与 Boekaerts（1992）在适应性学习模式中提出的同伴求助相类似。值得注意的是，在本研究中，经验求取主要发生在语言学习的规划阶段，而同伴求助则主要发生在 SRL 实施阶段。
总体而言，个性化学习规划阶段强调在 AI 辅助下学习者所作的计划和规划，为自我调节语言学习的开展奠定了坚实基础。该阶段不仅验证了已有模型的部分观点，还扩展了 SRL 的概念框架，为研究者更好地理解 AI 赋能语言学习环境下的 SRL 提供了新的视角。
2. SRL 实施阶段
SRL 实施阶段在三阶段模型中占比最大，具体包含任务完成（78 次）、人智监控调节（34 次）、人智协同评估（14 次）、人智辅助指导（13 次）以及社群交流互动（4 次）5 个要素。其中，任务完成出现的频次最高，涉及学习者英语知识技能的习得训练、科研训练和作业辅导。这 3 个方面不仅体现了英语专业的学科特性，也显示了研究生群体的独特性。
人智监控调节强调学习者的自我调节（如调整注意力、心态以及策略方法等）、AI 监督（如监控学习进度等）以及学习者的自主控制（如反复练习、克服拖延和控制学习进程等）。这一结果与 Zimmerman & Kitsantas（1997）所提出的表现阶段中的自我监控相类似，二者均强调学习者对学习过程的调节和掌控。然而，本研究进一步扩展了这一概念，加入了 AI 对学习进度的监控。这是因为在人智交互的语言学习环境中，AI 技术（如数据挖掘和机器学习）能够跟踪学习者的行为数据，预测其学习表现，并通过这些数据动态地调整学习进度和内容难度（兰国帅等，2024），从而实现更精细化的学习过程管理。
人智协同评估包括 AI 辅助评估和学习者自我评估两部分。在 AI 辅助评估的过程中，AI 通过机器学习技术（如自然语言处理）对学习者的语言输入和行为模式进行分析，为学习者提供个性化的反馈和建议，帮助其更精准地识别知识盲点（袁莉等，2021）。AI 辅助评估弥补了 Hadwin et al.（2011）的框架在学习任务测量和评估方面的不足，进一步显示了AI 在语言学习过程中的重要作用。未来研究可以进一步探索AI 在语言评估方面的应用，实现以评促学、学评融合。此外，人智协同评估还包括学习者的自我评估，学习者可以根据 AI 提供的反馈报告审视自身在语言学习中存在的问题，这与 Zimmerman & Kitsantas（1997）提出的自我评估相类似，二者均强调学习者在 SRL 过程中的主体性和主动性。
人智辅助指导包括 AI 辅助指导和教师指导，将 AI 的自动化能力与教师的专业知识相结合，可以为学习者提供全面的支持与指导。通过实时评估和自适应资源推荐，AI 能够帮助学习者进行个性化学习，优化其语言学习体验。教师可以利用 AI 的反馈报告，及时了解学习者的需求和学习现状，从而灵活地调整教学内容和策略。这种协同合作的模式体现了 AI 与教师在语言教育中的互补性和合作潜力（周琴、文欣月，2020；Liu & Wang，2024），是数智化教育的关键组成部分（苏旭东，2024）。然而，如何平衡教师与 AI 在指导过程中的作用，以最大限度地发挥 AI 与人类教师的协同效果，是未来研究需要关注的焦点。
社群交流互动是指学习者在 AI 技术赋能的语言学习环境中，利用由 AI 构建的学习社群进行经验交流与分享。虽然在 SRL 实施阶段中，社群交流互动出现的频次最低，但它揭示了人智交互语言学习环境中同伴交流的现状。AI 技术的智能化使其在语言学习中不再仅仅充当工具的角色，而是逐渐转变为学习者的合作伙伴（Heyder et al.，2023）。随着学习者与 AI 交互频次的增加，虽然学习者之间直接的交流与互动在一定程度上减少了，但学习过程中的互动方式却变得更加丰富多元。这一现象反映了人智交互语言学习环境中多样化的互动特征，也揭示了人智交互环境中社会共享调节学习的运行机制（Hadwin et al.， 2011；Teng & Zhang，2022）。社会共享调节学习是一种发生于合作学习环境中的元认知和适应性心理过程（Singh & Muis，2024）。在人智交互语言学习环境中，AI 不仅提供了丰富的互动机会，而且促进了学习者之间的协作与共同成长。例如，AI 可以帮助学习者分析交流数据，对交流内容和方式进行评估与反馈，从而提高同伴之间的互动质量和效果。通过这些交互，学习者能够更好地进行社会共享调节学习，增强合作能力，改善学习效果。未来研究可以进一步探讨在 AI 赋能的人智协同合作学习环境中如何更有效地实现学习者之间的社会共享调节学习。例如，研究者可以考察 AI 如何通过智能分析和反馈，促进学习者之间更深层次的交流与合作，或者探讨如何平衡学习者与 AI 的互动和人际互动之间的关系，以获取更好的学习效果。
综上所述，SRL 实施阶段不仅体现了语言学习的学科属性，展示了语言学习者在自主学习过程中的行为特征，还表明了 AI 在人智交互合作中的独特优势和作用。这些发现对未来人智交互语言学习环境的设计与应用具有重要的启示。
3. 学习过程与成果的反思阶段
在 SRL 的三阶段模型中，学习过程与成果的反思阶段占比最小，但依然是重要组成部分，主要体现在对有效成果的总结和对不足的反思两个方面。有效成果总结在这一阶段占据主要地位，包括加强个性化学习、辅助思考与交流、革新学习模式、提高英语学习效果和效率以及提升综合能力 5 个方面。这些成果进一步验证了 AI 对语言学习的支持作用（邹斌、汪明洁，2021；Zhou & Hou，2024），为 AI 与外语教育的深度融合提供了坚实的理论基础。然而，本研究也发现，人智交互语言学习环境中的 SRL 过程并非无懈可击，也存在诸如反馈不准确、学习主动性下降等问题。这些问题揭示了在 AI 赋能外语教育的过程中所面临的困难与挑战（李佐文，2024；Xu et al.，2024）。面对这样的情况，未来的技术发展需要进一步优化机器学习算法，提高 AI 反馈准确性和个性化推荐能力。同时，需要平衡 AI 赋能与学习者自主性之间的关系，确保在 AI 辅助下的学习者依然能够主动参与学习过程。为此，研究者可以探索在 AI 赋能语言学习环境中，如何通过适当的干预措施来提升学习者的自主学习能力，以确保他们在技术支持下仍能保持高水平的自主性和强烈的学习动机。
总体而言，虽然学习过程与结果的反思阶段在 SRL 的三阶段模型中占比最低，但它仍是一个至关重要的环节。通过对学习过程与结果的深入评价和反思，学习者能够认识到自身的优势与不足，为下一轮的 SRL 提供参考和指导。
综上所述，本研究所构建的 SRL 三阶段模型不仅体现了学习者的自主调节，如利用认知、行为和元认知进行调节，也揭示了学习者与 AI、教师和同伴之间的共享调节，这与 Hadwin et al.（2011）所强调的共享调节不谋而合。但在本研究中，共享调节建立在对学习者的个体差异进行分析（通过数据挖掘、自然语言处理、自适应学习系统等 AI 技术对学习者进行实时画像）的基础上，弥补了 Hadwin et al.（2011）忽视学习者个体差异及过程评估的不足。此外， SRL 的三阶段模型在强调学习者个体内部学习的同时，也反映了学习者在语言学习过程中与 AI、教师以及同伴之间的交互，修正了先前模型忽视社会交互的问题。再者，SRL 的三阶段模型证实了 SRL 的动态性和多维性特征（Oxford， 2016；Teng et al.，2024），与 Zimmerman & Kitsantas（1997）的三阶段模型类似，均强调规划、执行和反思的重要性。这一研究结果为在教学中培养学生的 SRL 能力提供了思路。例如，教师可以依据 SRL 三阶段模型，设计多样化的教学活动和评估机制，引导学生对学习过程与结果进行自主规划、监控调节和评价反思，进而促进其 SRL 能力的发展。
结语
本研究依据扎根理论研究范式，系统地构建了人智交互语言学习环境中英语专业研究生 SRL 的三阶段模型，并全面剖析了各阶段的核心要素及表现形式。具体而言，个性化学习规划阶段涉及需求分析、经验求取、目标- 计划设定和学习资源推荐与筛选；SRL 实施阶段包括任务完成、人智协同评估、人智监控调节、人智辅助指导和社群交流互动；学习过程与成果的反思阶段旨在总结 SRL 的有效成果和不足。整体而言，该三阶段模型为 SRL 提供了新颖的理论视角与框架结构，丰富了 SRL 理论体系，也为构建动态多元的学习者评价体系、设计行之有效的教学干预策略提供了借鉴。当然，该研究成果也为 AI 技术赋能语言教育提供了理论支撑，有助于促进 AI 技术与语言教育的深度融合，推动语言教育领域的持续创新与发展。然而，由于本研究仅聚焦 SRL 三阶段模型的表现形式分析，并未探讨三阶段之间复杂的交互关系，未来研究可以在本文的基础上进一步加以探索，揭示 SRL 三阶段模型的动态交互过程。这将有助于更加全面地理解 SRL 在语言学习中的作用，并为人智交互语境下的外语教育实践提供更为精准的指导。
参考文献：
免责声明：原文载于《北京第二外国语学院学报》，2024（6），版权归作者所有，如有侵权，请及时联系删章。
热门跟贴