大語言模型輔助反饋對二語概要寫作表現(xiàn)的影響研究——自我效能感的中介作用

孫波

中國科學(xué)技術(shù)大學(xué)本科生院外語教學(xué)中心

摘要

本研究聚焦大語言模型輔助反饋對二語概要寫作表現(xiàn)的影響及寫作自我效能感的中介作用，主要設(shè)計(jì)了先大模型反饋后教師反饋(LT組)、先教師反饋后大模型反饋(TL組)和大模型單獨(dú)反饋(LO組)3種反饋形式。研究發(fā)現(xiàn)：(1)LT組和TL組在內(nèi)容、結(jié)構(gòu)、總體寫作方面顯著優(yōu)于LO組，而LT組和TL組無顯著性差異；(2)LT組和TL組的語篇整合效能感顯著強(qiáng)于LO組，但前兩組之間無顯著性差異；(3)語篇整合效能感在大模型反饋對寫作內(nèi)容的影響中具有中介作用。二語概要寫作任務(wù)中，結(jié)合教師反饋的大模型反饋能更有效地提升學(xué)習(xí)者的寫作表現(xiàn)和寫作自我效能感，對寫作反饋和寫作教學(xué)實(shí)踐具有一定啟示意義。

關(guān)鍵詞：概要寫作;大模型;自我效能感;中介作用

01

引言

大語言模型(以下簡稱“大模型”)的動態(tài)交互等特性使其在二語寫作教學(xué)中得到更多應(yīng)用，逐漸成為輔助二語寫作反饋的重要工具。大模型輔助反饋對寫作表現(xiàn)的影響已經(jīng)引發(fā)學(xué)界關(guān)注，目前研究者大多聚焦議論文寫作(金檀等2025),并且通常采用先大模型反饋后教師反饋的形式。作為一種特殊的寫作任務(wù)類型，概要寫作要求學(xué)習(xí)者在充分理解原文的基礎(chǔ)上準(zhǔn)確歸納提取主要內(nèi)容，比一般性的議論文寫作更具復(fù)雜性(Liuet al. 2024)。因此，大模型輔助反饋形式對概要寫作表現(xiàn)的影響研究有助于深化對大模型輔助反饋的認(rèn)識，提升反饋效果。二語寫作表現(xiàn)不僅涉及學(xué)習(xí)者語言知識的運(yùn)用，還與認(rèn)知因素尤其是自我效能感密切相關(guān)(Teng & Wang 2023),然而現(xiàn)有研究極少考察大模型輔助反饋與二語學(xué)習(xí)者寫作自我效能感之間的關(guān)系。本研究基于社會認(rèn)知理論，旨在探討大模型輔助反饋如何影響英語學(xué)習(xí)者的概要寫作表現(xiàn)，并檢驗(yàn)寫作自我效能感在二者關(guān)系之間的中介作用。

02

文獻(xiàn)綜述

2.1 大模型輔助寫作反饋研究

傳統(tǒng)的寫作反饋按照反饋來源，可分為教師反饋、同伴反饋和寫作自動評價(AWE)系統(tǒng)反饋(任偉等 2024)。這3種反饋各有優(yōu)勢和不足，因此當(dāng)前寫作反饋研究多采用融合式的多元反饋模式(如張亞，姜占好 2022)。隨著人工智能技術(shù)的發(fā)展，以ChatGPT為代表的大模型能夠高效提供寫作反饋，大模型輔助反饋已經(jīng)成為學(xué)界關(guān)注的熱點(diǎn)。

研究者一般認(rèn)為大模型輔助反饋有助于提升二語寫作表現(xiàn)。例如，Boudouaiaet al.(2024)采用ChatGPT-4為學(xué)習(xí)者提供議論文寫作反饋，發(fā)現(xiàn)實(shí)驗(yàn)組在寫作內(nèi)容、結(jié)構(gòu)、詞匯和語法方面的表現(xiàn)均顯著優(yōu)于對照組。然而，大模型輔助反饋的促學(xué)效應(yīng)在概要寫作任務(wù)中可能并不始終存在。究其原因，與議論文寫作相比，概要寫作中學(xué)習(xí)者會表現(xiàn)出不同的語言特征。Cumminget al.(2005)發(fā)現(xiàn)學(xué)習(xí)者在概要寫作中表現(xiàn)出來的詞匯復(fù)雜度和句法復(fù)雜度均顯著高于議論文寫作。概要寫作與議論文寫作的評價標(biāo)準(zhǔn)也不盡相同，比如概要寫作的評價需考察寫作者識別和轉(zhuǎn)述原文主要內(nèi)容的表現(xiàn)。大模型輔助反饋對概要寫作這些方面表現(xiàn)的影響尚未有明確結(jié)論。

在具體反饋實(shí)踐中，大模型輔助反饋可采用不同形式，但學(xué)界還未給予充分關(guān)注。Stevenson(2016)建議將自動反饋置于教師反饋之前，學(xué)習(xí)者根據(jù)自動反饋的結(jié)果自行修改語言問題，而教師反饋主要關(guān)注寫作內(nèi)容、意義建構(gòu)等層面。然而，大模型在反饋時可能會大幅改動學(xué)習(xí)者提交的文稿(Shin & Lee 2024),掩蓋學(xué)習(xí)者寫作的不足，因此將教師反饋置于大模型反饋之前也有其合理性。另外，有些研究者認(rèn)為應(yīng)將大模型視為教師助手而非替代者，但這些結(jié)論多源自觀點(diǎn)調(diào)查或訪談(如Asadiet al. 2025),缺乏學(xué)習(xí)實(shí)效的數(shù)據(jù)支撐。師機(jī)混合反饋和單獨(dú)大模型反饋對學(xué)習(xí)者概要寫作表現(xiàn)的影響差異有待考察。

2.2 寫作自我效能感的中介作用研究

自我效能感是指人們對于自己能否組織和執(zhí)行特定行為從而取得特定成就的判斷(Bandura 1986)。相關(guān)研究發(fā)現(xiàn)寫作反饋能夠有效提升學(xué)習(xí)者的寫作自我效能感。Sari & Han(2024)指出，在AWE輔助反饋條件下，即時、個性化的自動反饋能夠幫助學(xué)習(xí)者積累成功寫作經(jīng)驗(yàn)，學(xué)習(xí)者在自行修改中減少了被評價的恐懼，增強(qiáng)了對于寫作的信心。

寫作自我效能感不僅受到反饋的影響，而且會影響寫作表現(xiàn)(Teng & Wang 2023)?，F(xiàn)有研究主要聚焦寫作自我效能感在學(xué)習(xí)者個體因素影響寫作表現(xiàn)過程中的中介效應(yīng)。Woodrow(2011)運(yùn)用結(jié)構(gòu)方程模型分析發(fā)現(xiàn)，焦慮并不直接影響寫作表現(xiàn)，而是通過削弱學(xué)習(xí)者的自我效能感間接影響寫作表現(xiàn)。Sarikaya & S?kmen(2025)發(fā)現(xiàn)自我調(diào)節(jié)可通過增強(qiáng)學(xué)習(xí)者的寫作信心來提升寫作表現(xiàn)。Zhang & Zhang(2025)將考察的個體因素從單一的心理或元認(rèn)知維度擴(kuò)展至包含學(xué)習(xí)者特質(zhì)、認(rèn)知、動機(jī)等的多元維度，發(fā)現(xiàn)寫作自我效能感在堅(jiān)毅、詞匯學(xué)習(xí)能力、工作記憶和成就目標(biāo)影響二語寫作表現(xiàn)的過程中具有中介作用。環(huán)境、個體和行為三者之間相互作用，環(huán)境會影響個體的認(rèn)知，而個體的認(rèn)知又會進(jìn)一步影響行為表現(xiàn)(Bandura 1986)。在寫作情境中，反饋?zhàn)鳛榄h(huán)境因素可能通過影響學(xué)習(xí)者的寫作自我效能感，進(jìn)而影響寫作表現(xiàn)。然而，目前鮮有研究考察寫作自我效能感在大模型輔助反饋與寫作表現(xiàn)之間的中介作用。

03

研究設(shè)計(jì)

3.1 研究問題

本研究設(shè)計(jì)了3種大模型輔助反饋形式，即先大模型反饋后教師反饋(LT)、先教師反饋后大模型反饋(TL)、大模型單獨(dú)反饋(LO),聚焦大模型輔助反饋對二語概要寫作表現(xiàn)的影響，擬回答3個問題：

(1)接受大模型輔助反饋后，學(xué)習(xí)者概要寫作表現(xiàn)和寫作自我效能感的總體情況如何?(2)大模型輔助反饋如何影響學(xué)習(xí)者的概要寫作表現(xiàn)?(3)寫作自我效能感是否在大模型輔助反饋形式對學(xué)習(xí)者概要寫作表現(xiàn)的影響中起中介作用?

3.2 研究被試

我國中部地區(qū)某理工科大學(xué)179名一年級本科生作為被試參與了本研究的前測和后測。研究者剔除了6名未認(rèn)真填寫量表的被試，最終納入數(shù)據(jù)分析的被試為173名。被試主要來自物理、數(shù)學(xué)和電子信息等理工科專業(yè)。所有被試均簽署了研究知情同意書。

3.3 研究工具

本研究中的寫作任務(wù)為基于閱讀的概要寫作。前測中，閱讀文章的主題是大學(xué)生無薪實(shí)習(xí)，共437詞，弗萊士易讀度為50.1;后測中閱讀文章的主題為人工智能帶給人類的生存危機(jī)，共433詞，弗萊士易讀度為44.9。兩個文本的篇幅和易讀性大致相當(dāng)。被試在閱讀文本之后，需獨(dú)立完成一篇100詞左右的概要寫作任務(wù)，時間為20分鐘。

概要寫作表現(xiàn)評價使用Yang & Plakans(2012)的概要寫作分析性評分量表。該量表包含內(nèi)容、結(jié)構(gòu)、語言使用、轉(zhuǎn)述4個維度，每個維度得分在0—5分之間。本研究采用“讀—寫型”概要寫作任務(wù)，因此刪除了聽力材料相關(guān)的描述語。

寫作自我效能感測量采用Zhanget al.(2022)的L2 RWSE量表。該量表包含自我調(diào)節(jié)效能感(SRE)、語篇整合效能感(DSS)和寫作規(guī)范效能感(WCS)3個維度，共19題，每題分值在0—10分之間。本研究中的寫作任務(wù)為概要寫作，無需被試發(fā)表個人觀點(diǎn)，因此與之相關(guān)的3個題項(xiàng)(DSS2、DSS6和DSS7)刪除。研究者根據(jù)先導(dǎo)研究數(shù)據(jù)，運(yùn)用Mplus 8.3對L2 RWSE量表進(jìn)行驗(yàn)證性因子分析。根據(jù)模型修正提示，剔除了SRE2、SRE6、WCS1共3個題項(xiàng)后，模型擬合度良好，各指標(biāo)結(jié)果為：χ2/df=1.944,p<0.001,RMSEA=0.074,CFI=0.924,TLI=0.905,SRMR=0.056。量表3個構(gòu)面的組成信度(0.780—0.851)均大于0.7,收斂效度(0.472—0.588)均大于0.35,表明修正后含13個題項(xiàng)的L2 RWSE量表具有良好的信效度。

結(jié)合研究主題，訪談提綱參照Chen & Pan(2022)的研究包含4個方面：(1)被試對大模型反饋的感受；(2)LT組和TL組被試對教師反饋的感受；(3)被試在實(shí)驗(yàn)前后對概要寫作任務(wù)的自我效能感變化；(4)被試關(guān)于有效使用大模型的建議。

3.4 實(shí)驗(yàn)過程

本研究的實(shí)驗(yàn)持續(xù)12周，被試每兩周參加一次英語讀寫課程，在第1次、第6次課分別參加前測和后測。測試結(jié)束后，被試即刻填寫L2 RWSE量表。第2—5次課期間，被試需當(dāng)堂完成一項(xiàng)概要寫作任務(wù)。所有被試均由同一位教師授課，教材、講解內(nèi)容和配套練習(xí)均保持一致。實(shí)驗(yàn)之前，所有被試均接受了大模型使用培訓(xùn)，通過隨機(jī)抽樣被試按班級分別接受LT(55人)、TL(78人)和LO(40人)反饋。

本研究采用的大模型系統(tǒng)為訊飛星火認(rèn)知大模型。按照任偉等(2024)對反饋方式的分類，大模型為3組學(xué)習(xí)者提供明確糾正型反饋，直接指出并更正寫作錯誤。被試當(dāng)堂提交初稿后，LT組需在課后根據(jù)大模型的反饋修改作文。研究者要求被試首先利用大模型生成一篇范文，比對范文與初稿，并在內(nèi)容維度上做出修改。然后，被試參考Atlas(2023)建議的提示詞，由大模型在語法、標(biāo)點(diǎn)、簡潔性、用詞、銜接與連貫等方面給出反饋。被試修改后將修改稿提交給授課教師，授課教師對概要中的問題給出元語言評論，指出問題所在，但不給出修改的參考樣例。另外，教師對于概要中的優(yōu)點(diǎn)給出直接評論予以鼓勵。被試收到教師反饋后，再次進(jìn)行修改，并提交終稿。LO組接受大模型反饋的步驟與LT組相同，但作文修改完成后即為終稿。對于TL組，授課教師在被試提交初稿當(dāng)天便完成反饋，反饋方式與LT組相同。被試根據(jù)教師反饋意見，結(jié)合大模型反饋進(jìn)行修改后，提交終稿。

半結(jié)構(gòu)式訪談在后測結(jié)束后進(jìn)行。研究者根據(jù)后測寫作成績，將被試劃分為高、中、低3個水平組，隨后從每組隨機(jī)邀請3名被試參加訪談，每次訪談時長約30分鐘。經(jīng)被試明確同意，研究者對訪談過程進(jìn)行了錄音，錄音再轉(zhuǎn)寫成文本。

3.5 數(shù)據(jù)分析

兩位大學(xué)英語教師對概要文本進(jìn)行評分。兩位教師先共同研讀評分量表，通過討論確保對描述語理解一致后開始評分。最終得分取兩位評分員的平均分。如果單個維度相差超過2分或總分相差超過3分，兩位評分員進(jìn)行協(xié)商，縮小評分差距后再取平均值。

研究者和一名助手根據(jù)Braun&Clarke(2006)的建議對訪談數(shù)據(jù)進(jìn)行主題分析。第一步，兩人通讀訪談的轉(zhuǎn)寫文本，充分了解訪談內(nèi)容。第二步，兩人分別對每份訪談文本進(jìn)行初始編碼。第三步，兩人比較所有訪談文本中的編碼，通過共同討論總結(jié)主題。第四步，兩人從所有主題中歸納提煉出中心主題。第五步，兩人基于達(dá)成的共識，對確定的中心主題進(jìn)行命名和定義。

04

結(jié)果與討論

4.1 學(xué)習(xí)者概要寫作表現(xiàn)和寫作自我效能感的總體情況

描述性統(tǒng)計(jì)分析結(jié)果(見表1)顯示，前測中LO組(13.475)、LT組(13.736)和TL組(13.410)的概要寫作表現(xiàn)處于中等水平，3組的寫作自我效能感也處于中等水平(依次為89.750、87.036、89.103)。后測中3組的概要寫作表現(xiàn)均有所提升(依次為14.575、15.409、15.269),而在寫作自我效能感方面，LO組略有下降(89.400),LT組(90.364)和TL組(91.833)則有所提升。各變量的峰度和偏度均在-2至2之間，符合正態(tài)分布。大模型輔助反饋有助于提升學(xué)習(xí)者寫作表現(xiàn)(Boudouaiaet al. 2024),這種促學(xué)效應(yīng)在概要寫作中同樣存在。

4.2 大模型輔助反饋對概要寫作表現(xiàn)的影響

對不同組別前測和后測概要寫作表現(xiàn)的單因素方差分析結(jié)果顯示，前測中3組在總分及各分項(xiàng)分方面均不存在顯著性差異，后測中3組在語言使用、轉(zhuǎn)述方面不存在顯著性差異，但在內(nèi)容(F=5.919,p=0.003)、結(jié)構(gòu)(F=5.197,p=0.006)和總分(F=3.848,p=0.023)方面存在顯著性差異。Tuckey HSD事后檢驗(yàn)結(jié)果顯示，LT組和TL組在內(nèi)容、結(jié)構(gòu)、總分方面均不存在顯著性差異，而LO組與TL組的均值差分別為-0.371(p=0.003)、-0.337(p=0.008)和-0.694(p=0.054),LO組與LT組的均值差分別為-0.300(p=0.030)、-0.325(p=0.019)和-0.834(p=0.026)。

為考察納入前測寫作表現(xiàn)后分組因素是否仍然顯著影響后測寫作表現(xiàn)，研究者以LO組為參照組，以前測中的寫作表現(xiàn)為協(xié)變量進(jìn)行回歸分析。表2分析結(jié)果顯示，分組因素依然具有顯著預(yù)測效應(yīng)。表2中的LT組和TL組為啞變量，對應(yīng)的回歸系數(shù)為正數(shù)，說明在控制3組前測內(nèi)容、結(jié)構(gòu)和總分后，LT組和TL組后測中的相應(yīng)寫作表現(xiàn)優(yōu)于LO組。

本研究中，在控制前測內(nèi)容得分之后，分組因素對后測寫作內(nèi)容具有顯著預(yù)測作用，LT組和TL組的內(nèi)容得分顯著高于LO組。這一結(jié)果可能與大模型在寫作內(nèi)容方面的反饋特點(diǎn)有關(guān)。主題分析顯示，大模型反饋存在精準(zhǔn)的偏差這一看似矛盾的特點(diǎn)。一方面，受訪者認(rèn)同大模型能準(zhǔn)確理解原文內(nèi)容。但另一方面，在原文主要內(nèi)容的判斷上，學(xué)習(xí)者和大模型有時會存在分歧。受訪者S5認(rèn)為：“大模型雖然能給我提供一篇概要范文，但是否是主要內(nèi)容我有時不太確定，需要比對老師給我的反饋?！边@說明，大模型生成的范文中可能納入了非主要內(nèi)容或者缺失了部分主要內(nèi)容。

大模型在寫作反饋中存在虛構(gòu)事實(shí)的風(fēng)險(Loet al. 2024)。本研究拓展了已有結(jié)論，發(fā)現(xiàn)概要寫作任務(wù)中大模型基于原文提供的內(nèi)容反饋未出現(xiàn)虛構(gòu)原文信息的情況，但在原文主要內(nèi)容的判斷上可能存在缺陷。主題分析顯示，大模型提供的反饋內(nèi)容存在較為明顯的隨機(jī)性。當(dāng)大模型就同一提示詞進(jìn)行多次反饋時，反饋之間會存在內(nèi)容不一致的情況。這說明大模型并不能真正理解文本，而更多是利用了基于概率的算法(蘇祺 2024)。

以上種種不足影響了大模型反饋的促學(xué)效果，而教師反饋則有助于學(xué)習(xí)者準(zhǔn)確、全面把握原文主要內(nèi)容。Graham(2018)認(rèn)為寫作者與教師、讀者、評論者等共同構(gòu)成寫作共同體，而寫作文本是共同體中各成員認(rèn)知能力以及各種資源相互作用的結(jié)果。本研究中，學(xué)習(xí)者提交的概要終稿是學(xué)習(xí)者與原文、教師、大模型互動的產(chǎn)物。LT組和TL組學(xué)習(xí)者除與原文以及大模型互動，還與教師互動。由于教師主要采用元語言評論的方式進(jìn)行反饋，并不直接提供修改樣例，這為學(xué)習(xí)者修改文稿提供了必要支架，使得學(xué)習(xí)者可根據(jù)教師反饋意見有針對性地查閱原文，并在與原文的不斷互動中加深對原文的理解。相比之下，LO組僅接受大模型反饋，被試難以確定反饋中是否包含了所有主要內(nèi)容。

此外，主題分析表明教師反饋有助于學(xué)習(xí)者與大模型進(jìn)行有效互動。雖然TL組和LT組在寫作各維度和總分上均不存在顯著性差異，但將教師反饋置于大模型反饋之前，有助于學(xué)習(xí)者提升提示詞的精準(zhǔn)程度，進(jìn)而提升大模型的反饋質(zhì)量。受訪者S1表示：“如果沒有老師反饋這個提示進(jìn)去的話，它會生成一大堆沒什么用的東西?！边@表明提示詞越精準(zhǔn)，大模型的反饋越具有針對性(徐林林等 2024)。若將大模型反饋置于教師反饋之前，大模型通常會在被試概要的基礎(chǔ)上重新生成一篇新的概要，而并非對被試概要進(jìn)行修改，導(dǎo)致被試并不清楚自己概要中的優(yōu)缺點(diǎn)，無法知曉應(yīng)如何修改，從而降低了被試的學(xué)習(xí)收獲感。受訪者S4反映道：“它不能直接找出我文章里面有問題的這個點(diǎn)，然后只修改那個點(diǎn)?！北狙芯恐斜辉囯m然接受了大模型使用培訓(xùn)，但仍需在實(shí)踐中不斷摸索大模型使用，積累大模型使用經(jīng)驗(yàn)。教師反饋可指導(dǎo)學(xué)生在具體任務(wù)中與大模型交互，提升數(shù)智素養(yǎng)。

4.3 自我效能感的中介作用

單因素方差分析結(jié)果顯示，前測中3組在總體自我效能感及各組成構(gòu)念上均不存在顯著性差異，后測中3組只在語篇整合效能感方面表現(xiàn)出顯著性差異(F=8.309,p<0.001)。Tuckey HSD事后檢驗(yàn)結(jié)果顯示，LO組的語篇整合效能感顯著低于LT組(MD=-3.582,p=0.005)和TL組(MD=-4.190,p<0.001),但LT組和TL組無顯著性差異。

為控制前測語篇整合效能感可能的影響，研究者進(jìn)行了層次回歸分析。表3分析結(jié)果顯示，分組因素仍然具有顯著的預(yù)測效應(yīng)，LT組、TL組比LO組具有更強(qiáng)的語篇整合效能感。

本研究中，LT組和TL組的語篇整合效能感顯著強(qiáng)于LO組。Bandura(1986)認(rèn)為，成功經(jīng)驗(yàn)有助于增強(qiáng)學(xué)習(xí)者的自我效能感。教師反饋采用元語言評論指出被試文稿中存在的問題，有助于促進(jìn)被試的反思(Wu & Schunn 2023)。對于評論中的內(nèi)容部分，LT組和TL組被試需根據(jù)反饋，查看原文后做出修改，從而體驗(yàn)到文稿質(zhì)量的提升，獲得成功經(jīng)驗(yàn)。主題分析表明教師反饋具有啟發(fā)性。受訪者S2表示：“(老師提示)我文章后面的點(diǎn)沒有抓住，然后(我)仔細(xì)去看那個part, 再看一遍的時候，我會有新的理解?！?/p>

被試在自我調(diào)節(jié)效能感和寫作規(guī)范效能感方面不存在顯著性差異，原因可能有二。其一，被試的寫作規(guī)范效能感的初始水平較高，每個題項(xiàng)的平均值為7.325。其二，被試在高中階段接受過大量讀后續(xù)寫訓(xùn)練，概要寫作和讀后續(xù)寫都是基于閱讀的寫作任務(wù)，在自我調(diào)節(jié)效能感和寫作規(guī)范效能感方面存在一定相通之處，因而被試可將自己在讀后續(xù)寫中掌握的寫作技能遷移至概要寫作。但是，由于讀后續(xù)寫并不過多涉及原文主要觀點(diǎn)的判斷與整合，語篇整合效能感也就缺乏遷移的基礎(chǔ)。

研究者以語篇整合效能感的前后測變化情況為中介變量，以分組因素為自變量，前測寫作成績?yōu)閰f(xié)變量，后測寫作成績?yōu)橐蜃兞浚捎肂ootstrap方法，重復(fù)抽樣5 000次，使用Mplus 8.3軟件進(jìn)行中介效應(yīng)分析。表4分析結(jié)果顯示，只有以后測內(nèi)容成績?yōu)橐蜃兞康?個中介效應(yīng)模型顯著，這表明相對于LO組，無論LT組還是TL組，語篇整合效能感在分組因素對后測寫作內(nèi)容的影響中均有顯著的中介作用。

以上結(jié)果表明，結(jié)合教師反饋的大模型輔助反饋不僅能直接提升二語學(xué)習(xí)者概要寫作的內(nèi)容表現(xiàn)，還能通過提升學(xué)習(xí)者的語篇整合效能感間接提升內(nèi)容表現(xiàn)，間接效應(yīng)分別占總效應(yīng)的53.85%(LT組)和35.34%(TL組)。這一發(fā)現(xiàn)證實(shí)了寫作自我效能感是影響寫作表現(xiàn)的重要因素之一(Teng & Wang 2023)。與教師反饋互動的學(xué)習(xí)者強(qiáng)化或修正了對原文內(nèi)容的理解，比只接受大模型反饋的學(xué)習(xí)者更能感受到自身進(jìn)步。自我效能感的中介效應(yīng)也驗(yàn)證了Bandura(1986)的社會認(rèn)知理論中關(guān)于環(huán)境、個體與行為之間動態(tài)交互的觀點(diǎn)。結(jié)合教師反饋的大模型輔助反饋為學(xué)習(xí)者構(gòu)建了一種通過師生機(jī)互動提供支架支持的學(xué)習(xí)環(huán)境，增強(qiáng)了學(xué)習(xí)者的語篇整合效能感，進(jìn)而提升其概要寫作的內(nèi)容表現(xiàn)，部分揭示了大模型輔助教師反饋產(chǎn)生促學(xué)效應(yīng)的內(nèi)在機(jī)制。此外，結(jié)合教師反饋的大模型輔助反饋同樣有助于提升學(xué)習(xí)者的寫作自我效能感與寫作表現(xiàn)(Sari & Han 2024)。

與以往研究(如Asadiet al. 2025)不同的是，本研究通過學(xué)習(xí)者的寫作學(xué)習(xí)實(shí)效表明盡管大模型能夠高效提供寫作反饋，教師反饋仍然具有不可替代的作用。自我效能感的中介效應(yīng)表明，大模型為二語教師減輕反饋負(fù)擔(dān)后，教師可在反饋中注重給予學(xué)習(xí)者更多的啟發(fā)和引導(dǎo)。這不僅能為學(xué)習(xí)者創(chuàng)造更好的促學(xué)環(huán)境，還能通過促進(jìn)學(xué)習(xí)者情感層面的發(fā)展，提升整體育人效果。

05

結(jié)語

本研究探討了大模型輔助反饋的不同形式對二語學(xué)習(xí)者概要寫作表現(xiàn)的影響，發(fā)現(xiàn)與大模型單獨(dú)反饋相比，結(jié)合教師反饋的大模型輔助反饋能夠顯著提升學(xué)習(xí)者在寫作內(nèi)容和組織結(jié)構(gòu)方面的表現(xiàn)，增強(qiáng)學(xué)習(xí)者的語篇整合效能感，并且語篇整合效能感在大模型輔助反饋對寫作內(nèi)容表現(xiàn)的影響中具有顯著的中介作用。

本研究能為二語寫作教學(xué)提供一定啟示。其一，在反饋設(shè)計(jì)上，教師可依循“教師主導(dǎo)、大模型執(zhí)行”的人機(jī)協(xié)同反饋原則。教師聚焦診斷學(xué)情和指明修改方向，措辭潤色、語法糾錯等高耗時反饋任務(wù)可交由大模型完成。這既能使教師專注于更高層次的寫作引導(dǎo)，也能充分發(fā)揮大模型反饋的高效優(yōu)勢。其二，在反饋流程上，教師可采用“先教師反饋后大模型反饋”。學(xué)習(xí)者可根據(jù)教師反饋意見，向大模型尋求具體的修改方案與范例。這有助于學(xué)習(xí)者更有針對性地與大模型互動，優(yōu)化大模型生成內(nèi)容的質(zhì)量，提升寫作水平。

當(dāng)然，本研究也存在不足之處。被試來源于一所高校，后續(xù)研究可將不同高校英語水平更加多元的學(xué)習(xí)者作為被試。研究中的個體因素僅考察了自我效能感，今后可納入自我調(diào)節(jié)等其他因素，深入考察大模型輔助反饋對于二語寫作教學(xué)的作用機(jī)制與實(shí)效。

文章來源：外語界