英語學(xué)習(xí)者對教師與GenAI寫作反饋的投入差異研究

張 聰 孟怡雯

浙江大學(xué)外國語學(xué)院

香港理工大學(xué)人文學(xué)院

摘要

近年來，生成式人工智能廣泛應(yīng)用于二語寫作反饋，但反饋效果很大程度上取決于學(xué)習(xí)者對反饋的投入，然而這一問題尚需深入探討。本研究采用DeepSeek作為反饋工具，通過收集學(xué)生寫作文本、反思日志及刺激性回憶訪談等多源數(shù)據(jù)，考察英語寫作學(xué)習(xí)者對三種不同類型反饋，即教師反饋、GenAI反饋與人機(jī)混合反饋的投入差異。研究發(fā)現(xiàn)，學(xué)習(xí)者的反饋投入呈現(xiàn)三種模式：教師反饋偏好型、教師反饋—人機(jī)混合反饋并重型以及跨三種反饋類型的均衡型(即對三種反饋的投入水平普遍較高)。整體而言，教師反饋因其針對性與情感支持充分最易激發(fā)學(xué)習(xí)者的積極投入；人機(jī)混合反饋體現(xiàn)出人機(jī)協(xié)同特征，因而能激發(fā)學(xué)習(xí)者對反饋的深度加工，但可能對部分學(xué)習(xí)者造成認(rèn)知負(fù)荷；而GenAI反饋雖具即時性與覆蓋廣泛的優(yōu)勢，但因無法充分理解文本語境、缺乏人際關(guān)懷而導(dǎo)致學(xué)習(xí)者投入水平較低。綜合來看，人機(jī)混合反饋有助于拓展反饋資源，并在一定程度上提升學(xué)習(xí)者的反饋加工深度。

關(guān)鍵詞：生成式人工智能反饋；教師反饋；人機(jī)混合反饋；反饋投入；二語寫作

01

引言

反饋投入指學(xué)習(xí)者對反饋?zhàn)龀龅姆磻?yīng)(Ellis2010)，是二語寫作研究的重要議題(Han2017)。近年來，隨著生成式人工智能(GenerativeArtificial Intelligence，簡稱GenAI)技術(shù)的快速發(fā)展，GenAI反饋逐漸引起二語寫作教學(xué)研究者的關(guān)注，尤其是反饋效果成為研究熱點(diǎn)，但有關(guān)學(xué)生針對該類反饋的投入以及與傳統(tǒng)教師反饋投入的差異尚缺乏實(shí)證探討。鑒于此，本研究擬重點(diǎn)考察二語寫作中學(xué)習(xí)者對教師反饋、GenAI反饋和人機(jī)混合反饋三種不同類型反饋投入的差異與特征，旨在為教師在反饋實(shí)踐中有效運(yùn)用GenAI工具提供實(shí)證參考，從而優(yōu)化寫作課堂的多元反饋策略，提升學(xué)生的整體反饋投入水平。需要特別說明的是，本研究中的人機(jī)混合反饋是指教師對GenAI生成的內(nèi)容進(jìn)行審核、優(yōu)化與整合后形成的協(xié)同反饋，旨在提升反饋針對性與教學(xué)有效性。

02

文獻(xiàn)綜述

2.1 二語寫作中的教師反饋與人工智能反饋

作為二語寫作的重要反饋來源，教師反饋在促進(jìn)文本修改、提高寫作水平、增強(qiáng)寫作動機(jī)等方面具有重要作用(Karim&Nassaji2018;Lee et al. 2015)。然而，班級規(guī)模與行政負(fù)擔(dān)等外在因素常令教師難以及時提供個性化反饋(Thi&Nikolov2022)，從而影響學(xué)生寫作能力的發(fā)展(Yuetal. 2021)。為解決該問題，自動寫作評估系統(tǒng)(AutomatedWriting Evaluation,簡稱AWE)被逐漸應(yīng)用于寫作反饋實(shí)踐，但其反饋重點(diǎn)多聚焦語言層面，對內(nèi)容與邏輯等深層問題關(guān)注不足(Thi&Nikolov2022)。

近年來，GenAI廣泛應(yīng)用于二語寫作反饋，但其優(yōu)勢與局限性并存。一方面，其內(nèi)容生成、即時反饋等功能拓展了二語寫作反饋的研究范圍與實(shí)踐模式。相較于AWE，GenAI既能指出語言層面的問題，也能就結(jié)構(gòu)與內(nèi)容提供反饋。更為重要的是，GenAI反饋質(zhì)量較高，能幫助教師提高反饋效率，從而減輕其工作負(fù)擔(dān)(Steissetal.2024)。但另一方面，GenAI產(chǎn)出的內(nèi)容往往以結(jié)果為導(dǎo)向，較難通過啟發(fā)式教學(xué)促進(jìn)學(xué)習(xí)者對知識的深度加工，而且無法如教師般充分了解學(xué)生的個體差異(Wangetal.2024)，其針對性與有效性因而受限。

在此背景下，Han和Li(2024)提出“ChatGPT支持的教師反饋”，即教師將ChatGPT生成的反饋轉(zhuǎn)化為間接反饋供學(xué)生使用。該研究在一定程度上展現(xiàn)了GenAI在提升教師反饋效率方面的優(yōu)勢。但在這一反饋模式下，教師無法結(jié)合自身教學(xué)經(jīng)驗(yàn)，根據(jù)學(xué)生的寫作短板對GenAI反饋進(jìn)行針對性優(yōu)化，從而限制了其教學(xué)能動性的發(fā)揮。因此，本研究提出人機(jī)混合反饋。該模式賦予教師更高的自主性，使其可根據(jù)任務(wù)目標(biāo)、學(xué)生水平及GenAI反饋質(zhì)量，自主決定采納、修改或舍棄GenAI反饋，并靈活運(yùn)用直接、間接或元語言等多種形式提供最終反饋?；诖?，本文將教師反饋、GenAI反饋與人機(jī)混合反饋視為三種獨(dú)立反饋來源，比較學(xué)習(xí)者在行為、認(rèn)知與情感三個維度上的投入差異，以揭示不同反饋類型對學(xué)習(xí)者投入的影響，并為人機(jī)協(xié)同寫作教學(xué)提供實(shí)證依據(jù)。

2.2 二語寫作中學(xué)習(xí)者對教師反饋與人工智能反饋的投入

作為二語寫作教學(xué)的重要環(huán)節(jié)，反饋對提升學(xué)習(xí)者寫作能力具有重要作用(Hyland&Hyland 2019)，但其實(shí)際效果卻受學(xué)習(xí)者對反饋的理解、加工與應(yīng)用的影響。為探討其中的作用機(jī)制，Ellis (2010)將“投入”(engagement)概念引入反饋研究，從行為、認(rèn)知和情感三個維度解析學(xué)習(xí)者處理反饋的過程。行為投入關(guān)注學(xué)習(xí)者的修改行為與修改策略；認(rèn)知投入涉及學(xué)習(xí)者對反饋的注意、理解以及認(rèn)知與元認(rèn)知策略的應(yīng)用；情感投入則指學(xué)習(xí)者對反饋的情感反應(yīng)(Han&Hyland2015)。

基于這一框架，現(xiàn)有研究主要考察學(xué)生對反饋的投入程度及其影響因素(Fan&Xu2020; Han 2019)，且多聚焦對教師反饋的投入。研究表明，學(xué)生的投入水平在不同維度上均存在差異。例如，Han和Hyland(2015)發(fā)現(xiàn)，部分學(xué)習(xí)者雖對反饋理解有限，但仍展現(xiàn)出較高水平的行為投入。Zheng和Yu(2018)則發(fā)現(xiàn)，盡管學(xué)習(xí)者情感積極，其行為與認(rèn)知投入?yún)s相對有限。Cheng和Liu(2022)通過對比不同水平二語學(xué)習(xí)者對教師反饋投入的異同，進(jìn)一步揭示了三個維度之間復(fù)雜且非線性的關(guān)系。這些差異受個體因素(如寫作能力、學(xué)習(xí)目標(biāo)、反饋信念)及情境因素(課堂環(huán)境及反饋方式等)的共同影響(Han2017;Mahfoodh2017)。 至于反饋來源，除單一教師反饋外，部分研究(如徐錦芬、龍在波2022)已對教師反饋與以AWE為代表的人工智能反饋進(jìn)行了對比，結(jié)果顯示，部分學(xué)生青睞AWE反饋的即時性，但也有學(xué)生認(rèn)為其信息量過大，難以消化和吸收(Zhang&Hyland2018)。加之AWE反饋數(shù)量較多，學(xué)生仍傾向采納教師反饋(Tian&Zhou2020)。

近年來，隨著GenAI成為寫作教學(xué)中新的反饋工具，學(xué)界開始從多維度探討學(xué)習(xí)者對該反饋的投入。在投入特征方面，Zhan和Yan(2025)發(fā)現(xiàn)，盡管學(xué)習(xí)者認(rèn)可GenAI反饋的即時性優(yōu)勢，卻難以在情感上與其產(chǎn)生共鳴；其行為投入主要集中于語言形式的修改，在認(rèn)知維度缺乏深度的元認(rèn)知監(jiān)控與反思。此外，部分研究聚焦GenAI反饋投入的影響因素。Huang和Mizumoto (2025)指出，二語學(xué)習(xí)動機(jī)可通過調(diào)控反饋的調(diào)用與加工行為，間接作用于GenAI反饋投入水平。Yan和Zhang(2024)發(fā)現(xiàn)，學(xué)習(xí)者對GenAI的整體情感傾向較為積極，但反饋尋求行為的主動性、修改策略的多樣性，以及元認(rèn)知調(diào)控策略的運(yùn)用，均受學(xué)習(xí)者語言水平與AI素養(yǎng)的影響。

盡管上述研究已從學(xué)習(xí)者投入的視角對GenAI反饋進(jìn)行了初步探討，但多聚焦于單一反饋的特征分析，鮮有研究對比多元反饋的異同。因此，本文采用多案例研究方法，從行為、認(rèn)知及情感三個維度，深入考察學(xué)習(xí)者對教師反饋、GenAI反饋以及人機(jī)混合反饋的投入差異，以期為寫作教學(xué)實(shí)踐提供更具針對性與有效性的指導(dǎo)。具體而言，本研究擬回答以下問題：英語寫作學(xué)習(xí)者對教師反饋、GenAI反饋以及人機(jī)混合反饋的投入各呈現(xiàn)何種特征？三種反饋投入是否存在差異？

03

研究方法

3. 研究方法

3.1 研究背景及研究對象

本研究在中國東部一所985高校開展，受試為某英語寫作課程中七名大二英語專業(yè)學(xué)生(S1~S7，其中S3和S7為男生，其余五人為女生)。該課程授課教師擁有博士學(xué)位，具有十余年英語寫作教學(xué)與反饋實(shí)踐經(jīng)驗(yàn)。課程為期16周，每周一次課，每次兩小節(jié)，每節(jié)50分鐘。為了解學(xué)生的寫作水平，學(xué)期初授課教師組織了診斷性寫作測試，要求學(xué)生在40分鐘內(nèi)完成一篇雅思Task2議論文寫作，并參照雅思寫作評分標(biāo)準(zhǔn)打分。結(jié)果顯示，學(xué)生得分均處于6.0~6.5之間，屬中等至中上水平。

3.2 數(shù)據(jù)收集

本研究以國產(chǎn)大語言模型DeepSeek作為GenAI工具，分別收集學(xué)生的初稿、二稿、教師反饋、GenAI反饋、人機(jī)混合反饋、反思日志及刺激性回憶訪談等數(shù)據(jù)。教師對GenAI反饋的整合遵循兩項核心原則：首先是準(zhǔn)確性，嚴(yán)格參照學(xué)生原文，避免信息失真；其次是適用性，即基于教學(xué)經(jīng)驗(yàn)對反饋進(jìn)行再加工，以服務(wù)特定教學(xué)目的。例如，教師可能將某些直接反饋轉(zhuǎn)化為間接反饋，引導(dǎo)學(xué)生自主思考。加工后的GenAI反饋在形式上與教師反饋保持一致，均以批注和總結(jié)形式呈現(xiàn)。GenAI反饋則由教師將DeepSeek生成的原始反饋復(fù)制至文檔后呈現(xiàn)給學(xué)生。為避免信息負(fù)荷過大，每輪寫作僅向?qū)W生呈現(xiàn)兩類反饋?；诮處煹膶懽鹘虒W(xué)經(jīng)驗(yàn)、對學(xué)生個體差異的了解程度以及訪談結(jié)果，本文認(rèn)為學(xué)生可同時有效處理兩類反饋。數(shù)據(jù)收集過程如下。

第一周，教師向?qū)W生講解雅思寫作方法與評分標(biāo)準(zhǔn)，布置第一篇課堂寫作任務(wù)，要求學(xué)生在40分鐘內(nèi)完成。課后，教師提供反饋(A1)，并使用DeepSeek生成GenAI反饋(提示詞見圖1)，經(jīng)過教師加工后形成人機(jī)混合反饋(B1)。

第二周，學(xué)生在未被告知反饋來源的情況下，參照A1與B1的反饋進(jìn)行文本修改。任務(wù)要求保留所有修改痕跡并撰寫反思日志。在此之后，研究者開展刺激性回憶訪談，以深入探究學(xué)生對兩種反饋的認(rèn)知與情感投入。

第三周，學(xué)生完成第二篇課堂寫作任務(wù)。教師提供第二輪教師反饋(A2)與GenAI反饋(B2)。

第四周，學(xué)生參考A2與B2的反饋完成第二輪修改，沿用相同流程，再次撰寫反思日志，并接受刺激性回憶訪談。

3.3 數(shù)據(jù)分析本研究遵循混合數(shù)據(jù)分析的研究范式，系統(tǒng)探討受試在行為、認(rèn)知與情感三個維度上的反饋投入特征。為分析行為投入，兩位研究者分別對受試的初稿與二稿進(jìn)行句子級對齊，標(biāo)注修改痕跡，并依據(jù)反饋來源進(jìn)行分類標(biāo)記，統(tǒng)計其反饋攝取與修改行為。反饋攝取分為成功攝取、不成功攝取和未攝取。學(xué)習(xí)者根據(jù)反饋內(nèi)容正確修改文本視作成功攝取，根據(jù)反饋修改但未達(dá)到預(yù)期效果為不成功攝取，未采取任何行動則為未攝取(Niuetal.2021)。為統(tǒng)計反饋攝取，研究者分別計算三類反饋中成功攝取、不成功攝取及未攝取的頻次與比例。修改行為分為增加、刪減、替換、重組、重寫、刪除、自我修改、基于反饋的自我修改共八類(Zhang&Hyland 2022; 徐錦芬、龍在波2022)。

認(rèn)知投入和情感投入分析基于反思日志與刺激性回憶訪談內(nèi)容完成。為考察學(xué)生的認(rèn)知投入特征，本研究依據(jù)現(xiàn)有文獻(xiàn)并參照本研究的具體情境對反思日志與訪談數(shù)據(jù)中的認(rèn)知加工進(jìn)行歸類，最終構(gòu)建了表1所示的編碼方案。為分析情感投入，研究者首先分析反思日志與刺激性回憶訪談文本，然后結(jié)合具體語境，識別并標(biāo)記受試在反饋過程中的情感線索，并將其歸納為積極、消極與復(fù)雜情感三個類別。兩位研究者獨(dú)立完成數(shù)據(jù)編碼，并通過定期討論解決分歧。最終編碼一致率高于85%，表明編碼結(jié)果信度良好。

為提升研究結(jié)果的可信度與有效性，本研究采用了三角驗(yàn)證策略。具體而言，研究者結(jié)合了文本分析、反思日志與刺激性回憶訪談等多源數(shù)據(jù)，從不同角度交叉驗(yàn)證學(xué)習(xí)者在行為、認(rèn)知與情感維度上的反饋投入特征。

為界定學(xué)習(xí)者的投入水平，本文構(gòu)建了涵蓋行為、認(rèn)知與情感三個維度的判定指標(biāo)(見表2)。各維度的具體判定標(biāo)準(zhǔn)如下：行為投入的判定主要依據(jù)反饋的成功攝取率與修改行為的多樣性。若學(xué)習(xí)者對反饋的成功攝取率達(dá)到60%及以上，并采用多樣化的修改行為，則認(rèn)定其行為投入水平較高。高水平認(rèn)知投入需同時滿足兩項條件：一是學(xué)習(xí)者能夠注意并理解大部分反饋內(nèi)容；二是在此基礎(chǔ)上，學(xué)習(xí)者主動運(yùn)用多種認(rèn)知策略與元認(rèn)知策略對反饋進(jìn)行深度加工。在情感投入維度，本文主要依據(jù)訪談與反思日志中的情感詞匯對學(xué)習(xí)者的情感投入進(jìn)行綜合分析。高情感投入表現(xiàn)為積極情感持續(xù)并占主導(dǎo)地位，且不存在強(qiáng)烈的消極情感。在此基礎(chǔ)上，本文借鑒徐錦芬和龍在波(2022)的界定：如學(xué)習(xí)者在兩個及以上維度對兩類反饋表現(xiàn)出積極投入，同時對第三類反饋投入較低，則視為“并重型投入”。

04

研究發(fā)現(xiàn)

研究發(fā)現(xiàn)，學(xué)習(xí)者對二語寫作中不同反饋類別的投入存在顯著差異。七位參與者的投入模式可分為三類：教師反饋偏好型(簡稱“偏好型”)、教師反饋—人機(jī)混合反饋并重型(簡稱“并重型”)和跨三種反饋類型(教師反饋—人機(jī)混合反饋—GenAI反饋)的均衡型(簡稱“均衡型”)

4.1教師反饋偏好型投入(S1和S3)

本研究中，偏好型學(xué)習(xí)者(S1和S3)在三個維度上對教師反饋表現(xiàn)出較高投入，對其余兩類反饋投入程度較低。表3呈現(xiàn)了不同反饋條件下，學(xué)習(xí)者對各反饋條目的攝取結(jié)果分布（成功、未攝取、不成功攝?。?，數(shù)值為具體條目數(shù)，百分比即該結(jié)果類型在對應(yīng)反饋條目總數(shù)中的占比。由表中數(shù)據(jù)可知，在行為投入維度，S1和S3對教師反饋(A1、A2)的成功攝取率普遍較高，分別為80%和90% (S1)，以及70%和77% (S3)，其不成功攝取率和未攝取率較低。相比之下，他們對人機(jī)混合反饋(B1)和GenAI反饋(B2)的成功攝取率則相對較低。具體而言，S1對B1和B2的成功攝取率分別為54%和40%，S3則為59%和42%。從修改行為來看，S1和S3在處理教師反饋時表現(xiàn)出高度投入：既采取了替換、增加、刪除乃至全文重寫等多種修改行為，又基于反饋產(chǎn)生了自我修改行為。例如，S1表示在收到第二篇教師反饋后“幾乎重寫了整篇文章”，顯示出較高的行為投入水平。相比之下，在面對人機(jī)混合反饋與GenAI反饋時，S1和S3所采取的修改行為相對較少。

在認(rèn)知維度，S1與S3都能夠注意并理解教師反饋中的大部分信息，并運(yùn)用分析、評估、對比、總結(jié)等策略進(jìn)行加工。例如，S1明確指出，閱讀教師反饋后會“把反饋意見和比較權(quán)威的參考資料(如詞典和語料庫)進(jìn)行互證”，以判斷反饋的合理性與可信度。S3則認(rèn)為教師“明確指出哪里有邏輯問題，或句子語法不對”，便于理解與執(zhí)行。

相比之下，在面對GenAI反饋時，S1與S3的認(rèn)知加工大多停留在注意層面。S3表示“有些反饋我理解不了，很多都是看一眼就過去了”。S1則認(rèn)為GenAI反饋“幾乎每句都有批注，反而讓我不太能意識到自己的作文問題在哪里”，難以據(jù)此確定修改的優(yōu)先項。

至于人機(jī)混合反饋，兩位學(xué)習(xí)者雖都能理解其意圖，但在實(shí)際操作中，很難將反饋有效轉(zhuǎn)化為具體的修改行為。S1指出，當(dāng)反饋提示awkwardphrasing、inappropriatewordchoices時，自己往往難以確定該如何修改。S3則表示，按反饋修改后“仍需自己斟酌哪里不合適”，而且“不易判斷改的地方對還是不對”。這表明兩位受試在這一過程中較少采用深層次的認(rèn)知策略。

在情感維度，S1與S3對教師反饋均表現(xiàn)出積極情感，如認(rèn)同與滿意。兩位受試都提到，教師提供的積極反饋提升了其寫作信心，并鼓勵其持續(xù)進(jìn)行練習(xí)。

面對人機(jī)混合反饋，二人則呈現(xiàn)“認(rèn)可價值VS感到吃力”的矛盾情感：一方面認(rèn)為這類反饋“更細(xì)致，指出了更多問題，有利于提升寫作技巧”，另一方面又感到“改起來更費(fèi)時間、壓力更大”、“自信心受到一定打擊”?？傮w來看，學(xué)習(xí)者對人機(jī)混合反饋的情感反應(yīng)，與其能否順利將反饋建議轉(zhuǎn)化為具體修改行為密切相關(guān)。而在面對GenAI反饋時，S1因其缺乏重點(diǎn)而感到迷茫，認(rèn)為“批注過于詳細(xì)”，而S3則因反饋“AI味道過濃”而產(chǎn)生抵觸情緒。

4.2 教師反饋—人機(jī)混合反饋并重型投入(S4、S5和S7)

本研究中，并重型投入的學(xué)習(xí)者(S4、S5和S7)對三類反饋均表現(xiàn)出較高的認(rèn)知投入；而在情感和行為層面，他們對教師反饋與人機(jī)混合反饋的投入較高，對GenAI反饋的投入則較低。表4顯示了并重型學(xué)習(xí)者對四份反饋的攝取情況。三位學(xué)生對教師反饋與人機(jī)混合反饋均表現(xiàn)出較高行為投入，成功攝取率分別達(dá)到62%~93%與69%~77%，而對GenAI反饋的成功攝取率則較低(17%~44%)。就修改行為而言，他們根據(jù)教師反饋與人機(jī)混合反饋修改文本時，均采取了替換、重寫、刪除、增加等多種行為，其中“重寫”這一高認(rèn)知要求行為出現(xiàn)的頻次較高。相反，在GenAI反饋條件下，三位受試多采取“替換”，僅使用一次“重寫”。

在認(rèn)知維度上，三位受試對三種反饋呈現(xiàn)“整體高水平投入”模式。他們對反饋內(nèi)容給予充分關(guān)注，能夠準(zhǔn)確把握其要點(diǎn)并進(jìn)行批判性思考。例如，S5在反思中提到，修改時“結(jié)合老師的建議和自己原先的思路對觀點(diǎn)進(jìn)行了細(xì)化和補(bǔ)充”，這表明她在理解反饋意圖的基礎(chǔ)上，能夠重構(gòu)論證邏輯并調(diào)整文本結(jié)構(gòu)，體現(xiàn)出較高的理解水平?；谏钊肜斫猓粚W(xué)習(xí)者運(yùn)用了多種認(rèn)知與元認(rèn)知策略。S4采用優(yōu)先級策略安排修改順序，“先保證內(nèi)容符合題目要求，再關(guān)注詞匯和語法”，并結(jié)合評估與分析對反饋內(nèi)容做出判斷。例如，她認(rèn)為“調(diào)換段落順序的建議很有道理”，因而接納，顯示出其在理解基礎(chǔ)上的理性接受。S5則運(yùn)用類推與聯(lián)系等策略，借助詞庫工具進(jìn)行同義替換，并將教師建議與自身思路整合，進(jìn)一步細(xì)化論點(diǎn)。S7在處理反饋時展現(xiàn)出較高的自我調(diào)節(jié)能力，能夠主動評估與監(jiān)控反饋。在采納前，他會將反饋建議與文章核心論點(diǎn)進(jìn)行對照，審慎地判斷其價值，而非被動接受。

在處理GenAI反饋時，三位學(xué)習(xí)者能夠注意并理解大部分反饋內(nèi)容，并對其進(jìn)行深度加工。S5指出，自己曾“按照評分標(biāo)準(zhǔn)分別列出了有問題的地方，修改的具體措施和修改的原因”，體現(xiàn)出對反饋結(jié)構(gòu)的整體把握。在此基礎(chǔ)上，她對該反饋進(jìn)行評估，認(rèn)為部分內(nèi)容“過于細(xì)節(jié)”、“感覺沒有必要修改的點(diǎn)也列出來了”，因而選擇性采納。S4雖曾因一度無法找到對應(yīng)的原文而產(chǎn)生疑惑，但并未放棄處理，而是通過監(jiān)控與優(yōu)先級策略，篩選出“印象深刻的部分”進(jìn)行修改。此外，她還從初步閱讀中判斷出B2為AI生成，認(rèn)為其“用詞偏好和AI很像”，對其可靠性持謹(jǐn)慎態(tài)度，反映出S4在理解與應(yīng)用中的主動反思與策略調(diào)整能力。S7認(rèn)為“自己的寫作水平還不錯”，能夠?qū)enAI反饋進(jìn)行理性篩選，有效辨別并采納有價值的部分，同時忽略不必要的建議。

至于情感維度，S4、S5和S7對教師反饋與人機(jī)混合反饋整體持積極情感，表現(xiàn)為認(rèn)可、滿意與信任。三人均認(rèn)為反饋內(nèi)容“中肯”、“具體”，而且“和我想象中的反饋很接近”。其中S4還特別提到教師反饋“有人文關(guān)懷，比較有‘人情味’”。相比之下，三位學(xué)習(xí)者對GenAI反饋則呈現(xiàn)矛盾情感：S5和S7對GenAI反饋的結(jié)構(gòu)與明確性表示肯定，同時批評其“吹毛求疵”，并指出部分建議可操作性不強(qiáng)；S4則表示在看到GenAI反饋時“判斷是人工智能的產(chǎn)物，產(chǎn)生了先入為主的刻板印象，認(rèn)為AI可能會犯錯”。

4.3 跨三種反饋類型的均衡型投入(S2和S6)

本研究中，S2與S6對三種反饋投入較為均衡。其中，S2在行為、認(rèn)知、情感三個維度的投入水平均較高。與之相比，S6的投入在行為與情感維度較高，其認(rèn)知維度的表現(xiàn)則稍弱。表5顯示了均衡型學(xué)習(xí)者對四份反饋的攝取情況。S2與S6對四份反饋表現(xiàn)出較高的成功攝取率：成功攝取率均超過70%，未攝取率低于20%，不成功攝取率最高僅為22%。這表明兩位學(xué)習(xí)者成功攝取了大部分反饋。而且她們均采取了多種修改方式：S2采用了替換、重組、重寫、刪除等，其中“重寫”行為多次出現(xiàn)，并多次基于反饋進(jìn)行自我修改。S6也同樣使用了增加、替換、重組、重寫、刪除等行為，也頻繁進(jìn)行“重寫”；此外，她的“自我修改”行為高達(dá)八次，“基于反饋?zhàn)晕倚薷摹币灿兴拇巍?/p>

在認(rèn)知維度上，S2表現(xiàn)出較強(qiáng)的反饋加工意識，能夠主動關(guān)注并深度理解反饋內(nèi)容。她在訪談中清晰闡明采納的理由，體現(xiàn)出對相關(guān)反饋內(nèi)容的理解和把握。在此基礎(chǔ)上，S2采用了多種策略，包括根據(jù)問題類型進(jìn)行優(yōu)先項排序(如“按照詞匯、語法和邏輯的順序修改作文”)，并對反饋中反復(fù)指出的邏輯論證問題進(jìn)行系統(tǒng)總結(jié)與反思。相比之下，S6雖然在行為上采納了大部分反饋，但其認(rèn)知加工過程相對表層。她表示，“雖然有些[反饋]我不太理解，但修改作文本身就是要接收很多自己能力和水平之外的東西”，這反映出她對部分反饋內(nèi)容并未充分理解，但仍選擇直接采納，缺乏更深層次的理解與加工過程。

在情感投入層面，S2與S6對三類反饋總體呈現(xiàn)積極情感。S2指出，教師反饋中“鼓勵性的話語讓人心里暖暖的，有點(diǎn)小開心”，對人機(jī)混合反饋亦表示認(rèn)同，認(rèn)為這類反饋明確指出了自身寫作中的問題，同時對GenAI的格式感到“新奇”，認(rèn)為提供的例子具體、清楚。S6的情感投入總體積極，表現(xiàn)為對反饋的充分信任與主動采納。

綜上所述，學(xué)習(xí)者在面對不同來源的反饋時，在行為、認(rèn)知與情感三個維度上的投入呈現(xiàn)出顯著差異。具體而言，教師反饋在所有模式中均占據(jù)主導(dǎo)地位，最能激發(fā)學(xué)習(xí)者的積極投入。無論是偏好型、并重型還是均衡型學(xué)習(xí)者，對教師反饋的成功攝取率普遍較高，修改策略多樣。大部分學(xué)習(xí)者對教師反饋的理解較為深入，能夠進(jìn)行有效的分析、判斷與策略整合，并在情感層面表現(xiàn)出較高的信任與認(rèn)同。相較而言，學(xué)習(xí)者對人機(jī)混合反饋的投入則展現(xiàn)出明顯的個體差異。并重型與均衡型學(xué)習(xí)者能夠?qū)Υ祟惙答佭M(jìn)行深入思考，并基于反饋修改文本；但偏好型學(xué)習(xí)者則在反饋攝取與認(rèn)知加工過程中面臨困難，并伴有“認(rèn)同其價值但感到吃力”的矛盾情緒。而學(xué)習(xí)者對純GenAI反饋的投入差異最為突出。僅均衡型學(xué)習(xí)者對其投入水平較高，能夠?qū)ζ溥M(jìn)行批判性地篩選、整合與運(yùn)用；其余兩種類型的學(xué)習(xí)者在行為上多限于表層語言修改，認(rèn)知上則表現(xiàn)出與行為的脫節(jié)或僅停留于表層加工，并在情感上表現(xiàn)出明顯抵觸。

05

本研究發(fā)現(xiàn)，學(xué)習(xí)者在二語寫作中對不同來源的反饋投入呈現(xiàn)異質(zhì)性，可歸為三種模式：教師反饋偏好型、教師反饋—人機(jī)混合反饋并重型，以及跨三種反饋類型的均衡型。這 種異質(zhì)性反映了在GenAI快速融入外語寫作教學(xué)的背景下，學(xué)習(xí)者并非簡單地向GenAI反饋遷移，而是在“人—機(jī)—人機(jī)協(xié)同”的反饋生態(tài)中主動調(diào)適與定位。本節(jié)首先對三種反饋模式的差異展開討論，然后從反饋特征、學(xué)習(xí)者個體差異、教師素養(yǎng)以及文化語境等多個維度，系統(tǒng)探討其深層成因。

5.1學(xué)習(xí)者對反饋的投入差異

偏好型學(xué)習(xí)者在行為、認(rèn)知與情感三個維度均對教師反饋表現(xiàn)出高投入。他們將教師反饋視為最權(quán)威、最可靠的反饋來源，并投入大量精力進(jìn)行理解、反思和修改。該結(jié)論與徐錦芬和龍在波(2022)及Steiss 等(2024)的研究結(jié)果一致，即教師反饋在多元反饋中仍占據(jù)主導(dǎo)地位。在情感上，教師的肯定行為提升了學(xué)習(xí)者的自我效能感與寫作信心。這與Yu等(2021)關(guān)于反饋具有信息—個體—社會文化多維作用的發(fā)現(xiàn)高度契合。同時，本研究進(jìn)一步發(fā)現(xiàn)，即使GenAI工具已廣泛應(yīng)用于二語寫作領(lǐng)域，教師的主導(dǎo)地位仍未被取代。相較而言，此類學(xué)習(xí)者對GenAI反饋和人機(jī)混合反饋的攝取率和加工深度均較低，常出現(xiàn)理解困難、采納猶疑或情感抵觸的情況。

并重型學(xué)習(xí)者則展現(xiàn)出對教師反饋和人機(jī)混合反饋的重視與積極投入。他們不僅對教師反饋進(jìn)行深度加工，也對人機(jī)混合反饋表現(xiàn)出較高的投入水平。這種并重模式說明GenAI能夠有效補(bǔ)充教師反饋，提升反饋效率(Han&Li2024)。然而，他們對GenAI反饋的投入相對較低，這與Koltovskaia等(2024)的結(jié)論存在差異。他們發(fā)現(xiàn)受試在使用ChatGPT進(jìn)行學(xué)術(shù)寫作修改時表現(xiàn)出較高的行為與認(rèn)知投入。這種差異可能源于研究對象在學(xué)術(shù)素養(yǎng)方面的差異：本研究的被試為本科生，其知識儲備與批判性思維能力尚處于發(fā)展階段，難以有效理解和運(yùn)用GenAI反饋；而Koltovskaia等(2024)的被試是研究生，該群體的學(xué)術(shù)能力較高，能夠更充分地利用GenAI反饋并展開深度加工。

均衡型學(xué)習(xí)者能有效整合三種反饋來源。他們在行為上對反饋成功攝取率較高，在認(rèn)知上批判性地篩選、評估和整合信息，總體上對不同反饋均表現(xiàn)出積極情感。這類學(xué)習(xí)者展現(xiàn)出較高的自我調(diào)控能力和反饋素養(yǎng)(毛志成、IcyLEE2024)，能夠根據(jù)反饋特性和自身需求，靈活分配資源，有效利用多元反饋，為未來人機(jī)協(xié)同反饋中學(xué)習(xí)者自我導(dǎo)向?qū)W習(xí)(selfdirected learning)的相關(guān)研究提供了新的視角。

5.2 反饋投入差異的成因

首先，從反饋特征來看，教師反饋之所以能激發(fā)并重型和均衡型學(xué)習(xí)者的高投入，關(guān)鍵在于其語境契合性、教學(xué)針對性及無法替代的情感支持(Yuetal.2021)。教師在提供反饋時能夠綜合把握文本語篇特征、任務(wù)要求和學(xué)生的具體學(xué)習(xí)情況，使反饋更具個性化和溫度，從而激發(fā)學(xué)習(xí)者在行為、認(rèn)知與情感三個維度上的高水平投入。相比之下，GenAI反饋雖提供了豐富信息，但難以充分理解文本語境、缺乏情感支持和人際關(guān)懷，導(dǎo)致偏好型和并重型學(xué)習(xí)者難以感受到與“人”進(jìn)行意義協(xié)商與情感聯(lián)結(jié)的過程(Yeung2025)。而人機(jī)混合反饋通過教師對GenAI輸出的篩選、整合與優(yōu)化，有效彌補(bǔ)了GenAI反饋“AI味濃”的缺陷，使反饋既具備信息覆蓋的廣度，又兼具貼合教學(xué)需求的聚焦性。因此并重型學(xué)習(xí)者能在保持對教師反饋高投入的同時，也能夠?qū)θ藱C(jī)協(xié)同反饋進(jìn)行深度加工。然而，這種廣泛而具體的反饋也可能對部分學(xué)習(xí)者，尤其是認(rèn)知資源有限的偏好型學(xué)習(xí)者，造成較大的認(rèn)知負(fù)擔(dān)。當(dāng)反饋信息超出他們的處理能力時，其投入水平便會下降。這一發(fā)現(xiàn)不僅為前人關(guān)于認(rèn)知負(fù)荷影響反饋加工的研究提供了實(shí)證支持(Tian&Zhou2020;Zheng&Yu2018)，更將這一關(guān)聯(lián)延伸至人機(jī)協(xié)同反饋的新情境，為部分偏好型學(xué)習(xí)者產(chǎn)生出現(xiàn)的情感與行為悖離的現(xiàn)象(認(rèn)同反饋價值卻投入不足)提供了有力解釋。

其次，學(xué)習(xí)者個體差異在很大程度上影響了其投入水平(田麗麗、周羽2022)。具體而言，受試在理解、篩選和整合反饋信息方面的能力，以及對GenAI工具的信任程度，均影響其反饋加工的深度。本研究發(fā)現(xiàn)，偏好型學(xué)習(xí)者往往依賴外部指導(dǎo)，缺乏整合多源反饋的能力；而并重型與均衡型學(xué)習(xí)者則表現(xiàn)出較強(qiáng)的元認(rèn)知調(diào)控與評估能力，能夠?qū)Ψ答亙?nèi)容進(jìn)行篩選、排序與遷移(Fan&Xu2020)。同時，學(xué)習(xí)者對技術(shù)工具的信任感也是影響其對GenAI反饋投入的重要因素(Koltovskaia等2024)。本研究中，部分學(xué)生因缺乏GenAI使用經(jīng)驗(yàn)或懷疑其可靠性而減少了對反饋的采納與深度加工。

再者，教師素養(yǎng)也發(fā)揮了關(guān)鍵作用。教師的AI素養(yǎng)和提示語設(shè)計能力能夠影響AI反饋的教學(xué)價值。馮慶華和張開翼(2024)指出，教師應(yīng)具備提示語優(yōu)化與教學(xué)整合能力，以確保AI輸出符合學(xué)習(xí)目標(biāo)并具備教學(xué)可用性。Law(2024)同樣強(qiáng)調(diào)，持續(xù)的AI專業(yè)發(fā)展是AI工具有效融入課堂的前提。若教師在提示語設(shè)計或AI輸出篩選上經(jīng)驗(yàn)不足，反饋內(nèi)容可能過于冗余或偏離學(xué)習(xí)重點(diǎn)，從而增加學(xué)生的認(rèn)知負(fù)荷，降低投入水平，并最終阻礙學(xué)習(xí)者向并重型和均衡型模式發(fā)展。

最后，社會文化層面的影響也不容忽視。中國外語教學(xué)所處的獨(dú)特社會文化情境進(jìn)一步揭示了教師反饋在三類學(xué)習(xí)者中受到一致認(rèn)可的原因。中國學(xué)生通常對教師抱有天然的信任與尊重，師生關(guān)系并非僅限于知識傳授的單向互動，更蘊(yùn)含著深厚的情感聯(lián)結(jié)與教師的身份權(quán)威。本研究中，學(xué)習(xí)者對教師反饋的積極情感和高度信任，以及部分學(xué)習(xí)者對GenAI反饋的抵觸情緒，都與中國傳統(tǒng)師生關(guān)系中的“溫度”和“權(quán)威”感知緊密相關(guān)。在該文化背景下，教師不僅承擔(dān)著“傳道授業(yè)解惑”的職責(zé)，還在知識體系的整合建構(gòu)與學(xué)術(shù)價值的引領(lǐng)塑造等方面發(fā)揮著不可替代的作用。因此，AI反饋要真正促進(jìn)學(xué)習(xí)，必須與教師的過程性教學(xué)法緊密結(jié)合(Luo&Yusuf2025)。換言之，教師的專業(yè)判斷與人文溫度，共同構(gòu)建了學(xué)習(xí)者對反饋的信任根基，而這種信任正是促使學(xué)習(xí)者持續(xù)投入并實(shí)現(xiàn)反饋有效轉(zhuǎn)化的關(guān)鍵前提。

06

結(jié)語

本研究考察了中國學(xué)生對二語寫作多元反饋的投入表現(xiàn)，并將其歸納為三種類型：教師反饋偏好型、教師反饋—人機(jī)混合反饋并重型、跨三種反饋類型的均衡型。研究發(fā)現(xiàn)，學(xué)習(xí)者的反饋加工受反饋特征、個體因素、教師素養(yǎng)，以及社會文化因素的共同影響。這一結(jié)果明確了教師在數(shù)智時代寫作教學(xué)中的不可替代性，同時也揭示了GenAI在反饋支持與效率提升方面的潛力。在理論層面，本研究加深了我們對二語寫作反饋投入多維性的理解。以往研究多考察單一反饋源，而本研究通過引入人機(jī)混合反饋，揭示了該反饋的復(fù)合性特征：教師的專業(yè)判斷與GenAI的生成能力可以在不同層面實(shí)現(xiàn)互補(bǔ)，從而拓展反饋研究的理論視域。

但本研究也存在若干不足。第一，盡管本研究探討了人機(jī)混合反饋的優(yōu)勢，但未對教師整合的具體過程進(jìn)行系統(tǒng)分析。未來研究可以進(jìn)一步細(xì)化教師對GenAI反饋的加工流程，以便更深入理解學(xué)習(xí)者的差異化反應(yīng)。第二，本研究未對三類反饋的內(nèi)容特征進(jìn)行系統(tǒng)編碼與比較。后續(xù)研究可采用標(biāo)準(zhǔn)化編碼與量化分析方法，檢驗(yàn)“來源—特征—投入”三者之間的關(guān)系及其潛在的調(diào)節(jié)效應(yīng)。第三，反饋的呈現(xiàn)順序可能會對學(xué)生的投入產(chǎn)生影響。未來可借助更為平衡的2×2實(shí)驗(yàn)設(shè)計，探究反饋類型與呈現(xiàn)順序之間的交互效應(yīng)。盡管存在上述研究不足，本研究仍揭示了學(xué)習(xí)者反饋投入的多維性與復(fù)雜性，并得出以下教學(xué)啟示。首先，寫作教師應(yīng)持續(xù)提升自身的專業(yè)能力與反饋素養(yǎng)，關(guān)注學(xué)生的個體差異，根據(jù)學(xué)生的具體需求調(diào)整反饋策略，以更好地滿足個性化學(xué)習(xí)需求。其次，鑒于“教師+GenAI反饋”模式所展現(xiàn)的潛力，學(xué)校層面宜通過相關(guān)培訓(xùn)來提升教師的數(shù)字素養(yǎng)；教師也可積極嘗試并實(shí)踐該模式，以提高反饋的效率與質(zhì)量。最后，在引導(dǎo)學(xué)生使用GenAI反饋的初期，教師應(yīng)幫助其理性認(rèn)識GenAI的優(yōu)缺點(diǎn)，增強(qiáng)對GenAI反饋內(nèi)容的信任感與接受度，從而充分發(fā)揮人工智能在寫作學(xué)習(xí)中的輔助作用，促進(jìn)學(xué)生寫作水平的有效提升。總之，本研究不僅為理解學(xué)習(xí)者在多元反饋情境下的投入提供了新的實(shí)證證據(jù)，也為教師與人工智能協(xié)同優(yōu)化寫作反饋的教學(xué)實(shí)踐提供了借鑒。

參考文獻(xiàn)略

文章來源：外語與外語教學(xué)