游戏化语言学习与新自由主义意识形态：一款流行英语词汇应用程序的多模态批判性话语分析

摘要

本研究探讨了游戏化对大学生借助移动设备学习英语词汇时的学习动机的影响。批判性话语分析表明，尽管游戏化元素能在短期内提高参与度，但它们也助长了竞争性和自我监控的规范，这可能会削弱内在动机，并影响学生的心理及社会技术体验。

摘要

游戏化在移动辅助语言学习（MALL）中的应用已经改变了学习者进行词汇习得和自主交流的方式。尽管游戏化应用常被认为能够提升用户动机和参与度，但针对其对学习者行为和心理反应影响的研究仍然较少，尤其是在非英语母语学习环境中。本研究采用费尔克劳（Fairclough）的三维批判性话语分析（CDA）框架，考察流行的游戏化英语词汇应用程序的动机影响及其意识形态基础，分析对象包括用户互动和平台设计。研究基于中国高校英语作为外语（EFL）学习者的界面数据、用户情感分析以及访谈转录文本，发现游戏化在鼓励学习者动机和参与方面具有显著作用，这与自我决定理论（SDT）一致；但同时，它也嵌入了新自由主义的竞争、自我优化和行为监控理念。这些特征虽然旨在提升表现，但长期来看可能削弱内在动机。研究结果揭示了游戏化学习环境中的心理与社会技术动态，为数字教育平台如何强化自我监管期望和以绩效为导向的话语提供了新的见解。

引言

语言习得过程通常被视为一种由社会中介并具有互动性的活动，尤其涉及在特定社会文化情境下的交际互动、语言输出和输入。第二语言习得（SLA）的基础研究表明，学习者参与的机会、获得反馈以及自我调控的练习，与接触语言输入一样，对帮助学习者达到熟练水平至关重要。该框架使学习者能够通过使用数字和移动辅助学习环境，参与支架式反馈循环并进行真实交际¹。将游戏化机制融入这些学习环境中，进一步改变了学生维持学习动机、追踪自身进步以及发展自主语言学习实践的方式。

语言学习者若具备全面的词汇量，便能更有效地掌握目标外语，因为这有助于他们理解所听到或读到的内容。虽然语法可用于传递信息，但缺乏词汇则无法完成交流。然而，许多英语作为外语（EFL）的学习者在词汇习得方面仍面临困难，他们将此视为提升整体英语水平的主要障碍。由于掌握复杂词汇——包括语法、拼写、词义、内涵、搭配及词形结构——需要持续的输入，这种认知负荷常常促使学习者寻求更具吸引力的学习方法²。

词汇学习的效果受到传统纸质学习方法的限制。随着教育技术的发展，越来越多的英语词汇学习游戏化应用涌现，旨在提高学生的学习动机和学习效果。根据Li等人²的研究，游戏化是指将游戏机制和游戏元素引入非游戏环境中，以改变人们的行为模式或使用习惯的过程。受游戏启发的应用程序在英语作为外语（EFL）学习者中日益普及，并因其能够在词汇发展环境中融合教学游戏化与移动辅助语言学习（MALL）的特点，引起了学术研究者的关注。

在过去20年中，教育技术（EdTech）解决方案在全球课堂中的可及性和使用范围不断扩大³。随着多项研究及连续多年的年度报告⁶揭示出印度儿童学习水平呈下降趋势⁷，人们日益依赖技术手段来缩小教育差距。现代社会的多样性和复杂性使得高等教育变得至关重要，因而针对预测学业成就或学生辍学可能性的科学研究迅速增长^{8,9,10,11,12,13}。高等教育机构传播知识的传统职能已经演变；随着人工智能的发展¹⁴，新知识的创造以及专业人才的培养，促使许多高校与社会各个层面展开互动。事实上，其学术与文化活动的主要目标是通过教学、研究以及信息共享与传播能力，提升社区整体的知识水平。

近年来，TAM 已成为理解多种领域技术采纳的突出范式，涵盖社交媒体¹⁵、网上银行¹⁶、医疗技术¹⁷以及教育领域。众多学者在TAM理论框架下，探讨了教师与学生如何使用电子学习资源或平台。例如，Mustafa 等人¹⁸针对新冠疫情背景，考察了影响电子学习成效的变量。此外，也有研究调查了学生对基于 YouTube 的学习资源的接受程度¹⁹。Rafique 等人²⁰分析了用户使用电子书格式的行为意向，并解释了教师和学生为何喜欢或不喜欢在线教学¹⁷。同时，也有研究基于TAM探讨了用户对移动应用程序的采纳情况。

本学习的主要目标是批判性地考察大学阶段的英语作为外语（EFL）学生所使用的游戏化语言学习应用程序如何构建并传播新自由主义话语。这些应用程序的交际内容与设计框架均融合了此类话语。尽管以往研究已系统地探讨了用户的动机与接受度，但这些培训项目通常依赖于技术与心理层面的理论框架，例如自我决定理论（Self-Determination Theory, SDT）和技术接受模型（Technology Acceptance Model, TAM）。然而，从批判性话语分析（Critical Discourse Analysis, CDA）的视角出发，本研究旨在填补一项重要的研究空白。研究将考察语言学习应用程序如何促进竞争行为、追随式表现以及自我优化。这些体现新自由主义思想的核心特征，往往通过排行榜、徽章、积分和进度追踪等游戏化基本机制得以实现。本研究还将评估文本提示、界面图像以及学习者的深层反应如何影响用户的学习动机、学习行为及自我认知。研究的核心目标仍是探讨这些方法对大学生英语学习所产生的影响。

本研究采用费尔克拉夫（Fairclough）的三维批判性话语分析（CDA）方法，从一种全新的批判性话语视角评估游戏化语言学习应用程序。与现有研究主要关注基于自我决定理论（SDT）或技术接受模型（TAM）的技术或动机采纳特征不同，本研究揭示了教育技术（EdTech）在用户界面扩展与交流中所嵌入的新自由主义理念。研究特别验证了诸如排行榜、进度条和评估指标等游戏化机制，如何作为自我优化与追踪的工具，尤其在高校英语作为外语（EFL）学生的词汇学习情境中发挥作用。为了在数字信息与以人为中心的信息之外进一步验证研究结果，本研究采用混合方法论，结合情感分析、界面日志记录和话语映射技术。

新自由主义优先考虑市场驱动的规则、竞争和私有化，而非教育更普遍的价值，导致全球高等教育发生了重大变化²¹。为了提高就业能力和全球竞争力，各大学日益采用英语授课（EMI）政策，认识到英语作为关键优势的价值。然而，EMI 常常加剧教育不平等，排除非英语使用者，偏袒那些能够获得英语学习资源的人群²²。结果形成了一种熟悉的等级结构，语言能力成为潜在的障碍。在韩国等国家，EMI 的使用明显体现了新自由主义的目标，旨在提升全球排名并吸引投资，但这可能削弱地区语言，并导致语言霸权²³。

研究者在多种情境下应用了自我决定理论（SDT）和技术接受模型（TAM），包括持续使用在线社交网络平台的意图²⁴，以及在新冠疫情期间使用技术增强学习^25,26，以进一步探究技术使用背后的动因。此外，Isabel 等人²⁷基于 SDT 和 TAM 研究了用户对游戏化招聘工具的反应，发现候选人对该工具可用性和使用便捷性的评价，与其满足用户自主性和能力需求的程度以及促进自我激励的能力相关。Wu 和 Chen²⁸则旨在整合这两个理论，明确揭示影响游戏化英语词汇学习应用程序接受度的用户感知因素与其自主性动机和受控动机之间的关系。

根据自我决定理论（Self-Determination Theory, SDT）的假设, 近期研究将游戏化置于动机理论框架中，阐述其在促进学习者参与方面的潜力. Seaborn 和 Fels（2015）在其对游戏化研究的全面综述中²⁹ 强调游戏化特征（如排行榜、徽章和积分）如何旨在提升内在动机并促进学习目标的实现。尽管效果因具体实施方式而异，但根据 Sailer 和 Homner（2020）的元分析，游戏化可对认知、动机和行为结果产生积极影响。³⁰尽管兰德斯、鲍尔和卡拉汉（Landers, Bauer, and Callan，2017）^31,32Hanus 和 Fox（2015）表明，排行榜的激励作用取决于其与目标设定过程的整合程度。^31,32 发现课堂中的游戏化教学如果与学习者需求不一致，可能会降低内在动机和学业表现。这些实验性和纵向研究还警示了过于简单化的应用方式。Mekler 等人（2017）进一步强调了理论驱动的游戏化设计的重要性。³³，他们证明了特定的游戏机制虽然可能提升表现，但并不总能促进内在动机。总体而言，这些发现为将当前研究置于有关游戏化在促进学习与动机方面所起的矛盾但富有前景的作用的知识体系中，提供了深入的基础。

先前讨论的大多数研究^1,2,3仍集中于动机模型与技术接受模型，尽管大学生正日益使用游戏化移动辅助语言学习（MALL）技能。这些研究包括技术接受模型（TAM）和自我决定理论（SDT）等框架¹。这些方法虽常涉及更细微的意识形态影响，并有助于理解用户行为与互动模式，但对教学技术策略如何融入特定话语或世界观的问题却缺乏充分反思。目前尚缺乏批判性视角来审视游戏化特征（如吸引力、进度追踪评估和自我控制）是如何体现并支持新自由主义理念的。此外，语言学习内容中的传播与视觉基本要素也尚未被广泛地从批判性话语分析（CDA）的角度加以考察²。特别重要的是理解这些设计结果如何影响大学生的学习体验，并塑造他们对学习成就的认知。本研究通过教育技术平台，考察新自由主义话语在高等教育语境中对英语学习者所产生的影响。

重要的教育技术研究已对教育技术更广泛的影响提出了质疑，超越了其在激励方面的益处。Selwyn（2016）³⁴警告不应盲目乐观，认为技术并非中立工具，而应置于社会、文化与政治背景中加以审视。Williamson（2017）³⁵通过分析数据驱动技术如何在新自由主义逻辑下改变教育治理——这种逻辑往往优先考虑效率与问责，而非公平与教学法——进一步拓展了这一批判。同样，Roberts-Mahoney、Means 和 Garrison（2016）⁴强调，市场化与企业化理念如何体现在个性化学习平台中，将学生重新定义为数据驱动教育的消费者。通过综合多种视角，本研究立足于关于教育技术政治经济学以及动机与采纳框架（如自我决定理论 SDT 与技术接受模型 TAM）的持续讨论之中。在承认游戏化教学的教育潜力的同时，也关注影响其实施的系统性力量，这种双重框架强化了本研究的批判性基础。根据后疫情时代韩国与中国香港的最新比较数据，大学生使用游戏化语言学习应用程序的动机受到竞争性排名和易用性的中介作用影响。这表明，游戏化元素会影响用户对参与度和可用性的判断⁵。这进一步加强了本研究对这些特性在批判性语境中话语建构的关注。

为了突出游戏化应用在不同学科中的有效性及潜力，该范围综述³⁶考察了英语作为外语教学（TEFL）领域内游戏化应用的研究现状，并探讨了医学教育中的相关比较性见解。综述重点关注了这些研究的发表年份、地理分布、研究设计、教学方式、技术使用情况、游戏化特征以及测量工具，共纳入33项研究。评估结果显示，大多数论文发表于2018年，其中很大一部分来自亚洲地区。这些干预性研究共包含2,531名学生。最常用的研究方法为混合方法和准实验前后测设计。移动学习技术被广泛使用，在线教学已成为最主要的教学方式。

近期来自疫情后学习环境的比较数据凸显了审视游戏化词汇学习应用程序的重要性。根据一项在中国香港和韩国开展的研究，促使大学生使用移动语言学习应用程序的动机不仅包括竞争性排名和连续打卡等游戏化功能，感知易用性以及文化学习偏好也发挥着重要作用^4,5。这些结果表明，疫情后向基于移动设备的自主学习（SRL）趋势发展，已进一步提升了应用程序可用性与设计的教育意义。通过将本研究置于这一框架之中，语篇分析（CDA）方法得以拓展，不再局限于意识形态批判，而是涵盖对动机形成与采纳过程的语篇性发展分析。

方案

本研究获得了中国福州福建警察学院伦理委员会的批准。所有方法均按照相关指南和规定实施。研究已获得所有参与者的知情同意。参与者被明确告知研究目的、数据使用方式、参与的自愿性以及随时退出的权利。所有参与者还签署了书面知情同意书，同意发表从访谈记录和应用程序使用模式中提取的匿名引述和见解。本稿件中未包含任何个人身份信息或图像。

本研究提出的方法论采用批评性话语分析（Critical Discourse Analysis, CDA）框架，基于先前对“百词斩”应用程序的研究，分析游戏化语言学习界面中的新自由主义话语。该分析借助Fairclough的三维框架，考察“百词斩”的文本机制、视觉设计和功能装置。此外，还收集了高校英语作为外语（EFL）学习者的用户情感分析数据、界面操作记录以及定性访谈日志。这种混合研究方法有助于评估游戏化如何促进竞争、行为监控和自我优化——这些正是新自由主义思想的关键要素。通过将学生讨论与应用程序设计进行复杂映射，该研究揭示了重要发现。通过凸显以参与度为导向的游戏化设计与学习者内在动机之间的张力，本研究阐明了技术特征如何影响高等教育中的语言学习过程。图1展示了所提出方法的架构结构。

图1 展示了用于分析应用程序中嵌入话语的三阶段批判性话语分析（CDA）方法。该范式有意将分析过程重构为一种解释性方法，而非技术性的数据处理，从应用程序的具体文本元素逐步上升至对社会意识形态问题的抽象理解。通过记录意识形态编码的具体位置——即应用程序的文本、视觉和功能特征（如连续签到记录、排名表和激励性提示）——第一阶段“应用程序人工制品”构建了实证基础。随后，这些人工制品进入第二阶段：“CDA解释层次”，该阶段通过一系列重叠的概念层次，直观地突出微观证据与宏观背景之间的辩证关系。文本元素通过“话语实践”进行解读，关注意义的再生产，并关联到“社会实践”，后者考察权力与意识形态的语境。第三阶段“主题综合”则利用解释性编码和主题抽象，将话语中发现的模式转化为抽象的定性结论，最终生成组织应用程序体验的新自由主义意识形态主题，例如个体责任化和竞争性激励。本方案提出的四个主要步骤如下：

应用程序的界面设计与选择
本研究选用了一款流行的、具有游戏化特征的语言学习应用程序（如百词斩）。采用Fairclough提出的三维批判性话语分析模型（CDA），对词汇提示、用户反馈以及与界面相关的信号进行文本分析，并重点开展话语实践分析，探讨应用内部的交流结构和用户互动模式。通过社会实践分析，可以揭示其中蕴含的新自由主义价值观，例如竞争性、高效性和自我追踪。这些功能特征体现了新自由主义所倡导的效率、竞争和自我监控等价值取向。

数据收集
为了深入了解大学阶段英语作为外语（EFL）学习者对游戏化学习环境的知识、目的及情感态度，研究人员对他们进行了半结构化访谈。

情感分析与话语映射
情感分析用于调节用户反应、聊天记录或交流信息中的情绪回应和参与程度。话语领域的测量侧重于评估其与新自由主义理念（如绩效基准化和自我治理）的契合度。

数据整合与验证
研究了游戏化设备与学习者焦虑、动机减退或表现压力等指标之间的关系。控制了影响用户互动和行为的主要对话策略。

界面设计与应用程序选择
在本研究的第一部分，百词斩应用程序¹被用作游戏化移动辅助语言学习（MALL）的主要示例，重点在于词汇习得。由于该应用包含大量游戏化元素，例如排名顺序、学习进度监控、视觉徽章以及反馈触发机制，因此在中国的英语作为外语（EFL）大学生中具有广泛的普及性。

鉴于中国在国家主导的数字化教育政策、应试导向的学习文化以及日益市场化的教育科技产业方面具有独特结合，关注中国的英语作为外语学习者显得尤为重要。由于“教育信息化2.0”等国家政策的推动，学校中数字工具的使用日益增加，这些政策支持个性化和数据驱动的学习策略。与此同时，中国以考试为中心的教育体系持续强调可量化的结果和持续的绩效评估，这为重视目标达成、排名和进度追踪等游戏化特征提供了发展空间。这些竞争性机制已通过快速扩张的商业教育科技行业，进一步融入到百词斩等移动学习平台中，帮助数以百万计的用户备考重要的英语考试。由于政策、文化与技术的交汇，中国的教育环境成为研究游戏化学习设计如何将自我优化、竞争和绩效表现等新自由主义话语自然化的理想场域。

该应用程序的核心要素在界面分析中被合理地提取并分为三个部分：视觉元素（例如图标和进度条）、文本提示（例如说明和激励信息）以及功能结构（例如目标设定、提醒功能和社交竞争）。

采用费尔克拉夫（Fairclough）的三维批判性话语分析（CDA）方法来学习这些属性。该模型为全面审视行为提供了空间，其中应用程序的交际与互动方式蕴含着新自由主义意识形态。CDA过程的第一步是文本分析，考察反馈回应和应用程序请求中所使用的词语。随后，话语实践研究聚焦于用户如何与应用程序互动，以及成功或失败的概念在其中是如何被建构的。最后，社会实践研究描述了应用程序的设计如何反映了更广泛的新自由主义意识形态，例如自我规制、竞争和绩效价值化。图2展示了应用程序选择与界面设计的工作流程。

界面数据收集
本研究通过中国在线调查平台 www.wjx.cn 收集重要且完整的数据，该平台提供付费样本服务。最初设定的纳入标准为：参与者必须是中国高校在读本科生，并且此前至少使用过一款游戏化英语词汇学习应用程序。在招募信息中，明确说明了研究的学术目的、参与的自愿性质以及预计所需时间。参与者需阅读知情同意声明，并在开始问卷前提供自愿参与的同意。为确保数据质量，不仅采用IP地址筛查以减少重复或低质量作答，还设置了注意力检查题项，并监控异常短的完成时间。所有参与者均为中国本科生的要求作为样本筛选条件。在为期一周的时间内，共收集到279份来自不同IP地址的有效响应，平均完成时间为243秒。其中，有7份回答表明受访者从未使用过任何游戏化英语词汇学习应用，因此被剔除。最终保留了272份有效问卷，真实响应率达到97.49%。

其次，对中国的英语作为外语（EFL）学生进行了半结构化访谈，以深入了解他们使用游戏化词汇应用程序的学习体验。每次访谈持续30至45分钟，按照结构化提纲进行，涵盖学习习惯、对游戏化的心理反应、动机模式以及感知到的学习压力等方面。访谈通过在线方式开展，在获得同意后进行录音，随后逐字转录，并由两名研究人员采用主题分析法独立编码。

第三，从百词斩应用程序中系统提取了界面交互数据，包括截图、反馈消息日志、连续打卡计数器、徽章以及用户提示。这些素材提供了进行费尔克拉夫三维批判性话语分析所需的文本、视觉和功能材料。同时，通过使用 DeepL³⁸ 将用户生成的中文文本翻译为英文，由双语编码员验证翻译准确性，并利用 VADER³⁹、TextBlob⁴⁰ 和 SnowNLP⁴¹ 计算情感极性得分，从而收集情感分析数据，以实现跨语言验证。

对中国学习英语作为外语（EFL）的大学生进行了访谈，以深入了解他们对游戏化英语词汇应用程序的使用互动、动机及看法。访谈采用半结构化提纲，问题涵盖：（1）应用程序使用频率与使用情境，（2）对任务或奖励的情绪反应，（3）应用程序功能带来的参与度与学习动机，（4）使用过程中产生的压力或焦虑，（5）对学习习惯或词汇学习策略的影响，（6）与他人围绕应用程序进度的社交互动，以及（7）改善学习体验的建议。每次访谈通过 Zoom、面对面或电话方式进行，持续约 30–45 分钟。在获得参与者同意后，所有访谈均被录音并逐字转录为英文。研究采用主题分析法对数据进行分析。两名研究人员独立对转录文本进行编码，随后通过迭代过程将编码归类为不同主题，分歧通过讨论达成一致。结合这些定性见解与界面日志数据（记录使用频率、反馈响应及目标达成情况），得以深入分析用户对游戏化机制的行为与心理反应。

情感数据预处理：
为确保与基于英语的工具（如 TextBlob 和 VADER）的互操作性，所有文本数据在计算情感之前均被翻译为英语，因为原始用户回复为中文。为保持上下文和情感的准确性，采用 DeepL API 进行翻译，并由两名双语研究人员手动验证翻译结果。这些经过验证的英文文本随后用于计算情感极性与主观性得分。此外，还使用中文情感分析模型 SnowNLP 对 200 条随机抽取的回复子集进行分析，以评估跨语言一致性；结果显示其与 VADER 情感极性得分之间存在显著的正相关关系（r = 0.84）。

表1总结了272名中国高校英语作为外语（EFL）学生使用过游戏化英语词汇学习应用程序的先前经验的调查数据响应情况。根据人口统计学数据，本研究的研究对象适合用于调查目标用户群体，因为在性别、年龄、专业和教学经验年限方面充分代表了中国大学生群体。在练习设计方面，79.04%的受访者每周使用此类应用程序超过一小时，94.11%的受访者每周使用多次。练习行为的相关信息结合了受访成员提供的补充回答进行观察。

该数据集包含人口统计学变量（年龄、性别、专业、学习年级）以及使用相关变量（应用程序使用频率和每周使用时长）。数据集中的272个实体通常处于18-22岁年龄范围（占91.91%），其中男性占60.66%，女性占39.34%。该年龄分布表明，参与者的数量与使用移动辅助语言学习的大学生人数相符，并且与传统的本科学生群体相似。

尽管受访者来自多样化的学术背景，但主要学科分布如下：工科（38.97%）、工程学（37.87%）、理学（12.87%）和数学（10.29%）。这种跨学科的分布使得能够比较其他领域学生如何看待和使用游戏化系统。在学业阶段方面，大三学生（36.03%）和大二学生（26.47%）占比最高，其次是大一新生（18.01%）和大四学生（19.49%）。根据这一分布，大多数受访者为中高年级学生，这可能影响他们参与学习资源的程度以及对资源的批判性分析能力。在应用程序使用方面，28.31%的受访者表示他们每天使用百词斩，33.46%的人每周使用四到五次，表明用户与该社交网络存在较高频率的互动。仅有2.21%的用户每周使用少于一次。参与者每周使用该应用的时间有所不同，其中大多数使用时长为1至3小时（50.37%），较少学生使用超过5小时（11.4%）。

参与者的登录频率和互动日志被解读为与自我调节学习（SRL）相关的行为指标，反映了用户在管理学习活动、监控学习习惯以及持续参与方面的自主性，这与后疫情时代关于技术采纳和自我调节学习（SRL）的研究相一致。质性访谈数据还揭示了若干与技术接受模型（TAM）特征一致的主题，包括感知有用性（“排行榜让我保持每天学习的动力”）和感知易用性（“这个应用程序操作简单，界面直观”）。尽管这些维度在研究中并未被正式编码或建模，但它们在概念上将当前的CDA框架与近期比较研究中基于采纳视角的理论联系起来⁵为了定量整合CDA和情感分析结果，并加强行为、感知和语篇层面研究的融合，本研究的后续版本将纳入经过验证的简短量表，用于测量TAM和SRL。

费尔克拉夫的批评话语分析模型
通过费尔克拉夫的三维批评话语分析（CDA）模型，可以切实地考察游戏化语言学习应用（如百词斩）中的语篇如何生成并延续新自由主义理念³⁷。该模型整合了三个相互关联的步骤：社会实践（宏观层面）、话语实践（中观层面）和文本分析（微观层面）。

文本分析（T）- 微观层面
语言方面的内容，包括术语、组织结构以及应用程序设计提示（例如“已达成每日目标”和“保持连续使用不断裂”），是该层面的主要目标。假设用户的所有文本单元如下：

    (1)

此处 te_i 代表一条特殊文本消息或提示。

为了评估新自由主义的布局与出现情况：

    (2)

 (3)

因此，文本层的新自由主义密度为：

    (4)

话语实践（D）- 中观层面
这些信息来自用户使用应用程序的访谈和界面日志，内容涉及用户与应用程序的互动情况（使用频率、反馈响应以及目标达成情况）。

设_i表示一个用户，a_j表示一次交互行为（例如完成一项任务或查看排行榜）。描述交互矩阵如下：

    (5)

用户自我优化评分现已定义：

    (6)

行为 a_j 的新自由主义权重（重要性）用 w_j 表示。例如，查看排行榜的 w_j 高于仅访问应用程序。

社会实践（S）- 宏观层面
这包括分析应用程序的使用和相关论述如何反映更广泛的社会观念（例如生产力和竞争）。

设 P(us_i,λ_k) 为一个二元值或模糊值，用于表示用户话语是否促进特征 λ_k，其中 λ_k 为一种意识形态特征（如公平性或自我优化）。

接下来，用户的思想表现：

    (7)

这衡量了每种新自由主义意识形态 λ_k 在用户群体中的传播程度。用户界面的整体 CDA 框架得分可表示如下：

 (8)

当每个维度被赋予一个权重（α, β, γ）时，该权重可通过经验调整或基于定性考虑确定。

费尔克劳（Fairclough）提出的三维批判性话语分析（CDA）模型如图3所示，该模型用于评估游戏化知识在教育边界方面的应用，主要针对百词斩等语言学习阶段。图中上排代表CDA的三个分析维度，而下排则整合了这些维度的分析结果，生成一个统一且连贯的结论。

本研究为批判性话语分析（Critical Discourse Analysis, CDA）建立了一个简明的编码手册，将话语特征划分为三个类别：文本类（词汇选择、隐喻）、视觉类（图标、颜色、徽章）和功能类（积分、等级、通知）。例如，“继续加油！”这类语句属于文本类，星形徽章属于视觉类，进度追踪通知则属于功能类。在消除歧义并迭代优化编码后，两名熟练的编码员独立将该编码手册应用于数据。采用Cohen's Kappa系数计算编码者间一致性，结果显示信度良好（κ = 0.78），确保了研究的一致性与严谨性。

情感分析与话语映射
情感分析适用于用户生成内容以及解释性文本、应用程序评论、通信日志和会议转录文本，该方法紧随费尔克拉夫（Fairclough）提出的三层批判性话语分析（CDA）之后，涵盖文本、话语及社会层面的重复现象³⁷。此步骤利用自然语言处理（NLP）技术对情绪基调（正面、负面和中性）及其强度进行分类。例如，为建立用户与游戏化学习机制之间的情感联系，可测量用户在面对线路损耗或排行榜展示时所表现出的压力或满意度等常规情绪反应。本研究有助于界定游戏化设计元素——如关注与竞争、成长压力或参与机制——是支持还是违背批判性话语分析中揭示的新自由主义价值观。

算法1，见于 补充文件 1展示了情感分析与话语映射的工作流程。在收集并预处理文本信息后，采用小写转换、停用词消除、词形还原和标点符号过滤等方法准备用户观察数据。随后，对英语和汉语的EFL文本数据进行情感分析，预处理步骤包括小写化、停用词去除、词形还原以及标点过滤。这些文本通过VADER、TextBlob或基于BERT的模型等程序进行情感分析，依据情感基调或极性得分将每段文本分类为中性、正面或负面。这有助于界定用户对游戏化基本要素的情感反应，例如对展示形式、对话内容及奖励机制的评价。与此同时，通过基于关键词匹配或主题编码的方法剔除话语要素，识别出与特定新自由主义概念相关的表达与观点，例如“自我优化”、“竞争”、“效率”或“追踪”等。

在CDA阶段提出的概念性标签现在可以在每位用户的文本中得到理解。随后，基于分析结果设计出话语图谱，以验证详细的话语内容和态度在数据集内的共现情况。这一过程可能包括生成图表或热图，用以展示每种意识形态主题的表达语气及其出现频率。为了更全面地呈现材料内容，这些情感分析结果和话语理解将与CDA结果进行整合。该分析有助于验证学习者是否接受或抵制边界方案中呈现的新自由主义话语。此外，它还突显了游戏化学习中的情感体验，识别出在哪些情况下移动管理可能无意中削弱了基本激励机制或影响学习者的选择。

结果

本研究采用批判性话语系统分析方法，探讨了移动辅助语言学习（MALL）应用程序（如百词斩）中的游戏化机制如何影响大学生英语作为外语（EFL）学习者的动机与自我调节行为。研究估计所使用的数据集来自三个统一的基础来源：（1）15次与大学生EFL学习者进行的半结构化访谈记录；（2）来自250多条用户参与日志的情感分析数据；（3）包含游戏化结构（如徽章、学习进度、奖励评论和连续打卡计数器）的界面数据日志。研究在模拟分析环境中进行，该环境使用传统Python脚本实现界面话语映射，并利用NVivo软件进行情感分类与主题组织。通过模拟情境，实现了对Fairclough批判性话语分析（CDA）模型中文本、话语和社会三个层面上的语言、图形与行为信息的整合分析。

用于评估的参数包括新自由主义关键词频率、反馈性质、情感极性得分、情绪标签、每日登录频率、内在与外在动机指标以及自我优化压力。

对数据处理的影响：
图4 展示了用户访谈和应用程序界面中使用新...

讨论

本文提出的批评性话语分析（Critical Discourse Analysis, CDA）采用一种批评性意识形态视角，通过考察游戏化语言学习应用中嵌入的深层意识形态功能，拓展了以往的研究。先前的研究，特别是Chen和Zhao¹的研究，已大规模探讨了影响中国英语作为外语（EFL）学习者接受游戏化词汇应用的动机因素。本研究基于Fairclough的三维CDA框架，认为诸如百词斩（Baicizhan）等应用不仅作为学习工具发挥作用，同时也作为强化持续绩效评估的平台而存在。这些发现与理论观点相一致，即游戏化不仅增强了用户参与度，还通过绩效比较和行为追踪等机制施加了隐性的压力。这使我们对学习者参与的理解超越了传统的动机解释，突显了与数字化学习环境相关的系统性问题⁶。

通过将定量的情感分析结果与定性的观察相结合，我们展示了游戏化特征如何推动短期参与，却可能导致长期动机的权衡。这些发现与以往东亚及跨文化研究一致，表明用户友好的界面和竞争性评分系统对移动辅助语言学习具有显著影响⁴°。结合批判性话语分析...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
腺病毒载体（shNEAT1）	10692-V5	Vigene Biosciences	用于在体内和体外敲低 NEAT1 表达的腺病毒。
BCA 蛋白检测试剂盒	23227	Thermo Fisher	用于定量细胞裂解液中蛋白浓度的试剂盒。
双荧光素酶报告基因检测试剂盒	E1910	Promega	用于双荧光素酶报告基因实验，检测 miR-181a-5p 相互作用的试剂盒。
ELISA 试剂盒（细胞因子）	N/A	R&D Systems	用于测定血清和组织样本中细胞因子水平的试剂盒。
胎牛血清（FBS）	16000-044	Gibco	用于细胞培养基中以支持细胞生长的补充物。
GAPDH 抗体	2118S	Cell Signaling Technology	作为 Western 印迹实验中上样对照的 GAPDH 一抗。
苏木精-伊红染色试剂盒	N/A	Thermo Fisher	用于组织切片的组织学染色，进行病理学分析。
免疫荧光抗体（CD206）	14693-1-AP	Proteintech	用于检测组织切片中 M2 巨噬细胞标志物 CD206 的抗体。
脂多糖（LPS）	L2630	Sigma-Aldrich	用于诱导 RAW264.7 细胞中炎症性巨噬细胞极化。
miR-181a-5p 模拟物	N/A	N/A	用于调控 miR-181a-5p 水平的合成 miR-181a-5p 模拟物。
NEAT1 表达质粒	N/A	N/A	用于在 RAW264.7 巨噬细胞中过表达 NEAT1 的质粒。
RAW264.7 巨噬细胞	TIB-71	ATCC	用于体外实验的小鼠巨噬细胞系。
RIPA 裂解缓冲液	89901	Thermo Fisher	用于裂解细胞以提取总蛋白的缓冲液。
RPMI-1640 培养基	11875-093	Gibco	RAW264.7 巨噬细胞的培养基。
SYBR Green 主混合液	4385612	Thermo Fisher	用于定量实时 PCR 分析的试剂。
Transwell 迁移实验小室	3422	Corning	用于 Transwell 迁移实验，评估巨噬细胞迁移能力。
TUNEL 凋亡检测试剂盒	ab66110	Abcam	通过 TUNEL 染色检测 RAW264.7 细胞凋亡的试剂盒。
Western 印迹抗体（HMGB1）	ab18256	Abcam	用于 Western 印迹实验的 HMGB1 一抗。