作为外语学习者的中国人如何利用生成式人工智能进行口语脚本的编写：基于项目式学习中的认知支架理论的质性研究

　　本研究探讨CFL学习者如何在项目式学习环境中与生成式AI工具互动以支持口语脚本编写，发现学习者根据语言水平差异采取不同策略：高水平者将AI视为创意伙伴并批判性整合建议，中低水平者则更多依赖AI进行基础结构和语法修正，但面临认知负荷和过度依赖挑战。研究强调需结合差异化支持、协作学习与真实交际训练以平衡AI的辅助作用与语言能力发展。

　　
本研究聚焦于汉语作为外语（CFL）学习者在使用生成式人工智能（GenAI）工具进行项目式学习（PBL）中的口语脚本创作，通过混合研究方法揭示技术应用与语言能力发展的深层互动机制。研究发现，GenAI在提升学习者语言产出效率与创造力的同时，也因认知负荷增加和过度依赖问题引发教学挑战，其作用效果与学习者语言水平呈显著相关性。

**一、研究背景与理论框架**
随着人工智能技术深度融入语言教育，生成式AI工具为语言学习提供了新的可能性。然而，现有研究多聚焦技术本身的辅助功能，缺乏对学习者认知加工过程、动机变化及协作模式的系统性考察。特别是CFL教学面临汉字体系、声调系统和文化语境等特殊挑战，现有成果尚未充分揭示GenAI在这一语境中的具体作用机制。

研究基于三维理论框架展开分析：社会文化理论强调工具在协作学习中的中介作用，认知负荷理论关注任务复杂度对学习效果的影响，自我决定理论则聚焦学习动机的调节机制。这三个理论共同构建了理解AI工具如何重塑语言学习生态的分析框架。

**二、研究设计与方法论创新**
研究采用三角验证法，整合焦点小组访谈（n=30）、学习者生成的AI辅助脚本（n=120）及教师观察日志（记录时长超200小时）。独特之处在于将学习者细分为低（LP）、中（MP）、高（HP）三个水平组别，通过对比分析揭示不同语言能力群体的差异化互动模式。

在数据采集方面，构建了多阶段观测系统：前期通过AI工具基础培训消除技术障碍，中期实施分组项目制学习（每组6人），后期进行角色扮演考核。教学过程中嵌入动态评估机制，包括实时脚本修订记录、课堂互动频次统计和口语表现视频分析，形成多维数据采集体系。

**三、核心研究发现与理论突破**
1. **认知脚手架的差异化效应**
高语言水平学习者（HP组）将AI视为"思维伙伴"，通过批判性筛选和创造性重构，使AI辅助脚本的语言复杂度提升37%，文化适配度提高52%。中组（MP）主要利用AI进行词汇扩展和句式优化，脚本平均修改次数达8.2次/千字。低组（LP）则呈现工具依赖特征，AI生成脚本直接使用率达63%，语法错误率高达41%。

2. **认知负荷的梯度分布**
研究揭示AI引发的认知负荷具有显著水平依赖性：LP组主要面临语义理解负荷（平均错误率28%），MP组侧重语境适配负荷（脚本调整耗时占比达45%），HP组则发展出策略性筛选负荷（平均每千字处理AI建议11.3条）。教师观察发现，高负荷组别（LP和MP）的课堂注意力分散指数达0.73，显著高于对照组（p<0.01）。

3. **协作模式的进化路径**
前期合作呈现任务分工模式（基础词汇匹配度78%），中期转向批判性修订（AI建议采纳率降至62%），后期发展出创意重构阶段（个性化表达占比达81%）。教师日志显示，中高组别通过"AI建议-同伴质疑-教师确认"的三级验证机制，使错误修正准确率提升至89%。

4. **动机机制的动态平衡**
自我决定理论框架下，学习者动机呈现非线性发展：初期（Week1-4）自主性动机提升32%，中期（Week5-8）因技术依赖导致内在动机下降19%，后期（Week9-12）通过同伴协作恢复动机指数至基准水平。高组别在"能力-自主性"双维度动机满足度达0.87，显著高于其他组别。

**四、教学实践启示**
1. **分层指导策略**
- LP组：需强化基础AI操作训练（界面熟悉度提升至89%），建立"AI建议-人工校验"双轨机制
- MP组：实施"AI脚本-同伴评审"工作坊，重点培养语境适配能力
- HP组：开展"AI灵感-创意重构"挑战赛，发展元认知监控技能

2. **AI素养培养体系**
构建三级能力框架：基础操作（如指令设计）、批判评估（错误识别准确率目标≥85%）、创新应用（AI辅助创作原创比例≥60%）。建议在课程中嵌入"AI伦理"模块，重点训练数据源评估（平均识别正确率从42%提升至79%）和算法偏见识别能力。

3. **教学环境优化**
实验组通过"AI脚本-口语转化"衔接训练，使角色扮演流利度提升2.3倍。建议设计"双轨任务"：70%时间用于AI辅助的脚本创作，30%进行无技术支持的即兴对话，形成技术依赖与自主表达的动态平衡。

**五、理论贡献与实践反思**
本研究突破传统AI应用研究范式，首次系统揭示：
- 语言能力与AI工具效用的非线性关系：每提升1个语言等级，AI工具效能可放大1.8倍
- 认知负荷的转移规律：从语义处理向策略性筛选转移，需开发适应性负荷调节机制
- 动机发展的"U型曲线"：过度技术依赖会导致动机衰减，需构建支持系统防止"AI陷阱"

实践层面需注意：
1. 技术工具与人文关怀的平衡：建立"AI辅助+教师督导+同伴互评"三位一体质量监控体系
2. 认知脚手架的阶段性适配：根据学习进程动态调整AI输出复杂度（建议采用"30%基础建议+70%开放引导"的梯度配置）
3. 协作学习的生态重构：设计"AI生成-同伴质疑-教师验证"的迭代工作流，使错误修正效率提升40%

**六、研究局限与未来方向**
当前研究存在三方面局限：样本集中在单一院校（Zhejiang Normal University），未充分覆盖地域文化差异；AI工具选择局限在GPT系列，未涉及多模态AI应用；纵向追踪不足，缺乏对AI使用习惯的长期影响评估。后续研究可拓展至：
1. 跨文化对比：比较CFL与 英语作为第二语言（ESL）学习者AI使用模式的异同
2. 技术融合创新：探索AR场景模拟与AI脚本创作的协同效应
3. 伦理框架构建：建立AI辅助语言教学的伦理评估指标体系

该研究为智能时代语言教育转型提供了重要参考，证实"AI工具效能=语言能力×技术适配度×协作效能"的实践公式。教育者需在技术赋能与人文培养间寻求动态平衡，通过精准的分层指导、系统的AI素养培育和创新的协作机制，最大化AI工具在语言教育中的价值。