从数字素养到学生创造力：人工智能支持语言学习中的动机路径

摘要

本研究发现，以学生为中心的教学、策略性使用 ChatGPT 以及数字素养与中国英语作为外语学习者的学习动机呈正相关。这种更高的动机会进一步降低焦虑水平并提升创造力，表明动机在其中起中介作用。研究结果支持将教学法、人工智能工具与数字技能相整合的教师培训模式。

摘要

本研究探讨了教学风格、ChatGPT 使用情况和数字素养如何共同影响中国英语作为外语（EFL）学习者的动机、焦虑感和创造力，并考察了动机在这些关系中的中介作用。研究采用定量方法，通过经过验证的量表收集了 n=290 名本科生的数据，并使用结构方程模型进行分析。研究结果表明，以学生为中心的教学、ChatGPT 的策略性整合以及数字素养均与更高的学习动机呈正相关。而更高的学习动机又与更低的焦虑水平相关，较低的焦虑水平则与更高的创造力相关。此外，动机在三个前因变量（教学风格、ChatGPT 使用、数字素养）与焦虑之间的关系中起到完全中介作用，凸显了其在所检验模型中情绪结果的核心地位。本研究通过揭示教学与技术因素如何协同支持学习者的心理需求，拓展了自我决定理论；同时通过阐明动机的中介功能，进一步发展了媒体学习的认知-情感理论。实践意义在于，需要开展教师培训项目，将创新教学法、人工智能工具应用与数字素养培养相结合，以优化语言学习体验。该研究强调了在技术增强型 EFL 教育中，尤其是在高利害学习环境中，采用以动机为中心的教学方法的重要性。

引言

人工智能（AI）通过为语言学习中的互动性、个性化和创造性创造新的机会，推动了教育技术的发展¹。ChatGPT 是一种基于人工智能的对话工具，可提供互动性和适应性反馈，支持语言能力的发展²。与此同时，数字素养已成为在学习环境中有效使用和驾驭技术的一项关键技能³。尽管人们对人工智能支持的语言学习兴趣日益增长，并且在英语作为外语（EFL）教学环境中越来越多地使用 ChatGPT⁴，但仍存在若干重要研究空白。首先，现有研究大多孤立地探讨教学风格、人工智能工具使用和数字素养；很少有研究将这三者整合到一个统一的动机框架中⁵。其次，尽管动机被广泛认为是语言学习的关键驱动力，但很少有研究探讨其在连接教学与技术因素与情感结果（如语言学习焦虑）和认知结果（如创造力）之间的中介作用⁶。这一研究空白在中国的英语作为外语教学环境中尤为突出，因为该地区的技术整合仍在不断发展。此外，尽管焦虑已被充分证实为影响英语作为外语学习的抑制因素⁷，但它很少与动机和技术变量共同被研究。同样，创造力作为语言学习中日益受到重视的一项技能，尚未与人工智能辅助的学习环境建立强有力的关联⁸。与以往仅关注教....

方案

伦理声明
本研究遵循中国成都大学机构审查委员会（IRB）的伦理标准（批准号：202509）进行。所有参与者在参与前均签署了书面知情同意书。本研究遵守涉及人类受试者的机构研究指南，确保参与的自愿性、保密性，以及参与者可在任何时间无惩罚地退出研究。

为保护机密性，所有收集的数据均使用编码标识符进行匿名化处理，个人信息与研究数据分别存储于仅主要研究者可通过密码访问的受保护文件中。问卷设计采取了减少心理不适的措施，特别是涉及焦虑相关问题的部分，并为参与者提供了大学心理咨询服务的联系方式，以便在参与调查过程中出现任何困扰时寻求帮助。为解决师生关系中可能存在的权力不平衡问题，招募参与者和数据收集工作由经过培训的研究助理而非课程教师执行，同时向参与者保证其回答不会影响其学业成绩或与教职人员的关系。

本研究采用定量横断面设计，招募了来自一所公立大学的290名中国本科生英语作为外语学习者。通过便利抽样并确保比例代表性，招募了来自不同年级和学科的参与者，并在常规课堂的受控环境中完成纸质问卷，耗时约25分钟。问卷包括经过验证的量表，用于测量教学风格、数字素养、ChatGPT使用情况、学习动机、焦虑水平和创造力。为尽量减少偏差，经过培训的研究助理采用程序性控制措施（如项目心理分离）来施测问卷。数据收集完成后，使用统计软件和偏最小二乘结构方程模型（PLS-SEM）软件进行数据分析，包括数据筛查、测量模....

结果

描述性统计与相关性分析
所有研究变量的描述性统计结果显示数据呈正态分布，变异性在可接受范围内，偏度和峰度值均处于推荐阈值±2之内，证实了这一点。

表1展示了290名英语作为外语学习者样本中各研究变量的重要特征。教学风格（M = 4.32，SD = 0.72）、数字素养（M = 4.15，SD = 0.68）和动机（M = 4.21，SD = 0.79）在5点量表上的平均得分最高，表明参与者对这些因素的总体评价较为积极，且标准差较小，说明变异程度相对较低。ChatGPT使用频率的评分略低，但仍属积极范畴（M = 3.89，SD = 0.91）；而创造力水平处于中等，离散程度较大（M = 3.95，SD = 1.02）。焦虑的平均得分最低（M = 2.87，SD = 0.94），表明参与者经历的语言学习焦虑程度相对较轻。所有变量均表现出可接受的正态性，偏度值（-0.83 至 0.71）和峰度值（-1.12 至 0.93）均在参数检验推荐的阈值范围内（偏度±2，峰度±7）。

讨论

本研究为英语作为外语（EFL）学生中教学风格、ChatGPT 使用、数字素养、动机、焦虑与创造力之间的关联提供了有益的见解。研究结果表明，以学生为中心的教学风格、更多地使用 ChatGPT 以及更高的数字素养与学生的学习动机呈正相关。而动机与焦虑呈负相关，焦虑又与创造力呈负相关。由于本研究采用横断面设计且数据基于自我报告，这些结果应被理解为模型支持的关联性，而非因果效应。尽管如此，这种关系模式支持了自我决定理论的相关性，因为教学风格、技术使用和数字能力可能与学习者感知到的自主性、胜任感和归属感相关，而这三者是动机发展的核心要素。较强的中介效应结果（VAF 值介于 72% 至 78% 之间）表明，动机是一条重要的心理路径，通过该路径，教学与技术变量在统计学上与焦虑相关联。

这些发现与以往关于以学习者为中心的英语作为外语（EFL）和英语教学（ELT）环境中的教学研究一致，表明支持性教学实践与学习者的动机和参与度呈正相关^40,41。本研究中教学风格与动机之间的正向关联，支.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
调查工具（量表）	教学风格量表	NA	格拉沙教学风格量表（Grasha, 1996）的修订版本，用于评估五种教学方法：权威型、专家型、示范型、促进型和委任型。 目录编号： NA
	数字素养量表	NA	29项量表改编自Rodríguez 等人íguez-de-Dueñasños 等人（2016）提出的六个维度：技术熟练度、个人数据保护、批判性评估、设备安全管理、信息处理和数字沟通。 目录编号： NA
	ChatGPT 使用量表	NA	改编自Abbas等人（2024）的8项量表，聚焦于学生’ 与人工智能工具在语言学习任务中的互动。 目录编号： NA
	外语课堂焦虑量表（FLCA）	NA	量表改编自 Briesmaster 和 Briesmaster（2015），包含交流焦虑（10 个条目）、考试焦虑（15 个条目）和负面评价恐惧（7 个条目）三个子量表。 目录编号： NA
	动机量表	NA	改编自Kanoksilapatham等（2021）的20项量表，用于测量三个维度：工具性（促进/预防）、民族中心主义/融合性，以及对英语学习的态度。 目录编号： NA
	创造力量表	NA	改编自 Govindasamy 等（2024）的 12 项量表，用于测量四个子构念：原创性、灵活性、流畅性和精细性。 目录编号： NA
软件	SPSS Statistics 版本 27	IBM 公司	统计分析软件 目录编号： NA
	SmartPLS 版本 4	SmartPLS GmbH	结构方程模型软件。 目录编号： NA
设备 &及其他材料	数据收集工具	NA	匿名自填纸质问卷组合 目录编号： NA
	知情同意书	NA	详细说明研究目的、流程、风险/获益以及退出权利的书面信息表和知情同意书。 目录编号： NA
	数据存储系统	NA	带有编码标识符的密码保护数字文件；个人信息与研究数据分开存储。 目录编号： NA
分析步骤	PLS-SEM 算法与自举法	SmartPLS GmbH	SmartPLS 4 内部程序（PLS 算法和基于 5,000 次重抽样的偏差校正自助法）。 目录编号： NA
	效度与信度检验	SmartPLS GmbH；IBM Corp.	SmartPLS 4 和 SPSS 的 Cronbach 例程’克朗巴哈α系数、组合信度、平均方差提取量（AVE）、Fornell-Larcker准则以及异质-单调性（HTMT）比率 目录编号： NA
	预测相关性评估	SmartPLS GmbH	在 SmartPLS 4 中采用盲法程序计算 Stone-Geisser 值’s Q² 值 目录编号： NA
	初步数据筛查	IBM Corp.	处理缺失数据的SPSS操作（期望-最大化算法）以及正态性、异常值和因子结构的检验（探索性因子分析）。 目录编号： NA