将人工智能辅助翻译支持整合进英语课程：对翻译准确性、压力感知和焦虑的影响

摘要

本研究探讨了如何将结构化的人工智能辅助翻译支持融入英语课程，以提升翻译准确性，同时减轻高等教育学生感受到的压力和焦虑。

摘要

英语翻译能力是高等教育中重要的学术技能，但许多学生在翻译任务中仍面临显著的语言困难、认知负担和心理压力。这项混合方法研究考察了将结构化人工智能辅助翻译支持整合进英语课程是否与大学生翻译准确性变化、压力感知和焦虑的相关性。共有525名本科生和研究生参与了为期八周的教学干预。基线和干预后评估包括翻译准确性测试、感知压力量表和广泛性焦虑障碍-7量表。定量分析采用配对比较、相关分析、回归分析和基于群体的比较，并辅以定性访谈以探讨学生的学习体验。干预后，参与者的翻译准确度有所提升，压力和焦虑感知水平也有所降低。工具使用频率越高，翻译表现越好，尽管研究设计并未支持强因果推断。定性研究进一步表明，结构化的工具辅助练习有助于减轻认知过载，支持复习过程，并提升对翻译任务的参与度。这些发现表明，将人工智能辅助翻译支持融入英语课程，可能为提升翻译表现提供切实可行的教学方法，同时支持学生的福祉。本研究为当前关于技术增强翻译教学法的讨论提供了实证证据，并为高等教育环境提供了可适应的教学框架。

引言

随着大学致力于培养学生进行全球学术交流、国际专业交流和跨文化^{知识生产，}英语翻译能力在高等教育中变得越来越重要。然而，翻译并非纯粹的语言练习。它还需要情境判断、文化调解和持续的认知控制，使它成为许多学习者要求极高的学术工作形式².在课堂环境中，这些要求常常带来相当大的压力，尤其是语言学、文学和国际研究等学科的学生，因为翻译任务与表现评估和学术身份密切相关。传统的翻译教学虽然在教学上有价值，但当学生被期望在有限的即^时支持下管理复杂的源文本时，可能会变得耗时、认知负担重且心理负担巨大。

人工智能辅助语言技术的最新发展为解决这些^{教学挑战创造}了新的可能性。在翻译学习中，这些工具可以提供快速的词汇、句法和语义支持，从而帮助学生减少起草和修订过程中的不确定性⁶.一些关于英语作为外语语境的研究表明，技术辅助学习可能提升语言表现，增强学习者的自信，并支持在高强度任务中的情绪调节（^7,8）。与此同时，现有文献也提出了对自动化输出过度依赖、批判性参与度下降以及在引入正规学习环境中这些工具时教师持续指导的^担忧。因此，人工智能辅助翻译支持的教育价值不能仅仅从输出效率的角度来理解。还必须结合支持的结构、学生如何与之互动，以及支持如何塑造学习中的表现和心理体验进行审视。

尽管人工智能辅助翻译的兴趣日益增长，当前文献中仍存在重要空白。现有研究大多聚焦于翻译质量或对教育技术的普遍态度，而相对较少的研究将学业和心理结果纳入明确结构化的课堂干预措施中共同探讨。特别是，关于在大学英语课程中引导使用人工智能辅助翻译支持是否不仅与提高翻译准确性有关，还能减少持续教学期间感知到的压力和焦虑，目前的证据有限。这一差距很重要，因为这些工具的教学价值不仅取决于学生是否能产出更好的翻译，还取决于学习过程是否变得更易管理、更自信且更具教育可持续性。

因此，本研究在八周内探讨了结构化人工智能辅助翻译支持在大学英语课程中的整合情况。该研究有两个目标：首先，考察学生在干预后翻译准确率、压力感知和焦虑是否发生变化;其次，探讨工具使用模式是否与翻译表现和学生体验相关。我们还预期，结构化实施而非无指导的工具暴露将与翻译结果的改善和更有利的心理反应相关。该研究的新颖之处在于其在单一教学设计中结合认知和心理维度的评估，结合定量评估和定性探究，探讨人工智能辅助翻译如何支持实际课堂实践的功能。

方案

本研究在中国民航飞行大学人文艺术学院内进行，使用了课程中收集的去标识化教育数据。分析数据集中未包含可直接识别的个人信息。所有参与者均被告知研究目的和程序，并在参与前获得书面知情同意。参与为自愿，未参与或退出研究部分不会影响课程出席率、成绩或常规教学机会。根据中国民航飞行大学适用的研究实践框架，基于去标识化、低风险教育数据的研究可能无需正式的伦理审查。所有去标识化的材料都存储在只有研究团队访问的密码保护文件中。伦理和参与者流动如图1所示。

1. 参与者招募与基线画像

共有525名学生来自大学英语相关或翻译相关课程。包括语言学、文学和国际研究等学科的本科生和研究生。所有志愿者在报名前都经过筛选。仅包括目前正在修读英语或翻译课程且根据机构安置记录、既往课程或同等学术证据具备至少中级英语能力的学生。具有丰富专业翻译经验的学生被排除在外。记录了年龄、性别、学术水平、专业领域、以往使用AI辅助翻译支持的经验以及工具使用基线频率。参与者特征见 表1。

2. 教学设计与干预工作流程

实施了为期八周的课堂干预，传统翻译教学仍为主要教学方式，并以人工智能辅助翻译支持作为结构化的辅助支架¹¹。第0周完成基线评估。从第1周到第8周，每周分配一项翻译任务，所有参与者都必须遵循相同的教学顺序。第8周结束时，基线时使用的评估电池被重复进行。定量阶段结束后，对特定选定的亚组进行了半结构式访谈。整体工作流程如 图2所示。

3. 基线评估

所有基线测量均在监督课堂环境中，按照相同的指示和时间条件进行。采用了基于约300字源文本的翻译任务。选择了包含字面和文化细微差别的段落的文章，要求学生展示词汇准确性、句法控制、语义忠实度和语境理解¹²。基线测试期间禁止使用外部工具。所有完成的剧本在评分前都进行了匿名处理。每个脚本由两名受过训练的评分员独立评分，使用涵盖词汇准确性、语法和句法适切性、语义完整性及文化语境化的评分标准。如果分数差异超过预定的容忍范围，则需要讨论直到达成共识分数。

翻译任务结束后，进行了10项感知压力量表，并按照标准程序评分，分数越高表示感知压力越大，¹³。随后使用已发表的方法进行7项广泛性焦虑障碍量表的评分，分数越高表示焦虑严重程度越高，¹⁴。最后，采用五点李克特格式进行了简短的翻译置信度测量。 表2提供了代表性题目、得分范围和变量定义。

4. 每周标准化集成AI辅助翻译支持

在每个干预周，会分配一个翻译任务，该任务在体裁和难度上尽可能匹配其他每周任务。学生每周需按相同顺序完成任务。首先，对源文本进行独立阅读，并标记出复杂的词汇项、句法结构或带有文化涵义的表达。其次，准备初稿或简短说明，描述预期的翻译问题。第三，仅允许在起草和修订期间咨询经批准的AI辅助翻译系统。不允许直接提交未经编辑的机器生成输出。

学生每周需使用相同的四项标准评估所有保留或被拒绝的机器建议：词汇契合度、句法自然性、话语连贯性和文化适宜性。每周任务均需提交标记的源文本、机器辅助草稿和最终修订翻译。提交后，每周都会组织结构化的同伴讨论，使用相同的提示，学生们解释自动输出在哪些方面有帮助、误导性、过于字面化或语境不合适。这一设计基于当前证据，表明机器翻译在引导比较和修订中最具教育价值，而非替代人类判断¹⁵。

5. 工具使用监测与分类

在为期八周的干预期间，对AI辅助工具的使用进行了跟踪。每周作业结束后，参与者需填写简短的在线使用日志，报告是否使用了自动化支持、其功能、咨询频率以及进入翻译流程的阶段。第一周提供了标准化的响应类别，使参与者在整个研究期间使用相同的报告标准。第8周结束时，周度记录被汇总，整体使用频率被归类为每日、每周或偶尔使用。这些类别的操作定义如 图3所示。

6. 干预后评估

第8周结束时，重复基线时使用的评估电池。采用了一种在长度、体裁和难度上尽可能接近基线文本的干预后翻译文本。给药条件、时间、评分标准和评审工作流程均与基线程序保持一致。相同的感知压力量表、广泛性焦虑障碍量表和翻译-置信度测量按基线使用的顺序进行。

7. 定性访谈程序与主题分析

干预后评估后，有40名学生被有意选择进行半结构化访谈，确保性别、学术水平及先前AI辅助翻译支持经验的差异。所有参与者均可面对面或通过批准的在线会议形式进行，使用相同的面试指南。还询问了工具使用策略、认知负担感知、信心变化、机器输出评估以及过度依赖的担忧。所有访谈均经参与者同意录音并逐字转录。

这些记录通过主题分析进行了分析。两位研究人员被要求独立阅读所有文字记录，生成初始代码，比较编码输出，合并重叠代码，并通过反复审查文字记录来完善候选主题。在初步编码阶段后，计算了评审间协议，并报告了Cohen的kappa。分析逻辑遵循定性研究中既定的主题分析程序¹⁶.

8. 定量与混合方法分析

使用描述性统计数据总结参与者特征和基线分数。采用配对样本比较来检验翻译准确性、感知压力、焦虑和置信度的事前差异。采用多重回归模型识别干预后翻译准确率的预测因子，基线表现、AI辅助工具使用频率及心理变量作为自变量。使用卡方检验检验使用类别与类别结果之间的关联，并使用皮尔逊相关系数评估翻译准确率、使用频率、感知压力、焦虑和信心之间的关联方向和强度。统计显著性设为α=0.05，采用双尾检验。定量和定性发现在解释阶段根据标准混合方法程序进行了^整合。

结果

主要结局

本研究的主要目标是确定翻译准确性、感知压力、焦虑和翻译信心在八周干预期间是否发生变化。基于525名参与者的分析显示，所有四个主要结局变量在事前发生后存在显著差异。如 表3所示，翻译准确率从基线时的68.45（标准差=8.12）提升至干预后的82.76（标准差=6.95）。感知压力从21.34（标准差=5.02）降至16.27（标准差=4.88），焦虑从11.56（标准差=3.89）降至8.72（标准差=3.14）。翻译置信度从2.84（标准差=0.91）提升至4.12（标准差=0.67）。配对样本比较显示翻译准确率（t = 15.23，p < 0.001）、感知压力（t = -12.14，p < 0.001）、焦虑（t = -10.06，p < 0.001）和置信度（t = 18.42，p < 0.001）等方面有显著差异。后期差前的分布如 图4所示。

讨论

本研究考察了大学英语课程中结构化使用翻译支持工具是否与八周内翻译表现和心理结果的变化相关。结果显示四项主要结局均有显著的预发前差异。干预后翻译准确率提升，压力和焦虑感知减少，翻译置信度提升。次级分析进一步显示，干预后翻译准确率与基线表现、使用频率、压力较低、焦虑降低和置信度提升相关。访谈结果进一步说明，许多学生在起草过程中感到困难较少，修订时意识增强，完成任务时信心增强，同时也有人担心过快依赖流畅生成的产出。

这些发现与近期证据大致一致，表明人工智能支持的学习能够改善学生的学习成果，尽管这种效果的强度因情境和任务类型而异。Deng等人在最近的一项综述和荟萃^{分析中报告} 称，ChatGPT支持的学习通常与学业表现的提升和更有利的情感动机结果相关，而更广泛的人工智能教育综述同样强调教学前景和教学控制的必要性¹⁹.对于本研究而言，这一更广泛的模式具有相关性，因为观察到的翻译准确性和信心提升伴随着压力和焦虑的降低，而非任务负担增加...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
AI辅助翻译和语言支持平台	OpenAI (网页)	网络服务；在研究计划中使用	用于每周起草和修订任务中生成翻译建议和语言反馈
计算机工作站/笔记本电脑	机构提供的设备	等效可接受	用于翻译任务、数据输入、编码和统计分析
数字音频录音机/录音设备	机构提供的设备	等效可接受	用于在需要时录制访谈
广泛性焦虑障碍量表（7项）	原开发者：Spitzer等人	标准仪器	在基线和干预后使用，以评估焦虑
用于转录和检查的耳机	机构提供的设备	等效可接受	用于转录和编码器检查时使用
在线翻译平台	Google LLC (网页)	网络服务；在研究计划中使用	用作干预期间的额外翻译支持来源
感知压力量表（10项）	原开发者：Cohen等人	标准仪器	在基线和干预后使用，以评估感知压力
定性编码软件	QSR International	版本14	用于访谈分析期间的主题组织和编码支持
统计分析软件	IBM Corp.	版本31	用于描述性统计、配对样本测试、回归、卡方测试和皮尔逊相关
翻译准确性源文本	研究开发	版本1.0	长度和难度相匹配的大约300字的段落
翻译信心测量	研究开发	版本1.0	使用5点Likert格式的三项自我报告测量
翻译评分标准	研究开发	版本1.0	四个分析领域：词汇准确性、语法/句法适当性、语义保真度、文化背景化
每周使用日志	研究开发	模板v1.0	用于记录任务阶段、频率和支持工具使用功能