微精选

1.问题提出

人工智能(AI)在教育领域的应用已经成为全球教育的重要发展趋势,这种趋势在外语教育领域也正加速扩展。AI在英语教学中能够扮演语言顾问、语伴和测评专家三种角色(许家金,赵冲2024),能对学生的写作、语法习得和学习动机产生积极影响(Alharbi 2023; Huang&Zou 2024; Karataş et al. 2024),在“教师—教材—学生”三要素模式中发挥创新性作用(文秋芳 2024),并且赋能中国特色产出导向法的教学(李冬青 2024)。

现有研究提供了AI在外语教育中应用的宝贵见解和实证依据,但仍有很多重要的问题亟待解答。作为外语教育实践的直接参与者,外语教师对外语教育中AI技术的融入和应用充满好奇、疑问和期待,渴望通过研究AI技术改进教学过程,提升教学效果,更好地完成教育使命。如何探寻应用AI技术的研究选题,以及如何开展此类研究,成为外语教育研究的新诉求和新方向。为帮助研究者和教师系统开展应用AI技术的外语教育理论和实践研究,本文提出了系统、多维的研究选题思考框架和研究方法建议。

2.选题思考框架与流程

AI赋能外语教育研究选题框架旨在引导研究者的思路,助力研究者在选题过程中保持方向感,但并非具体、详细的研究选题。研究者可结合教学实践和相关文献进行深入思考,针对性开展研究探索。

2.1选题思考框架

基于多年的教育实践经验,笔者构建了“四维度”选题思考框架,四个维度分别为“国家政策”、“外语教学设计”、“外语教学实施”和“外语教与学主体”。与传统选题思路最大的不同之处在于,该框架增加了“研究者 AI”的人智协同体(见图1)。四个维度之间存在逻辑关系,维度两两之间由箭头相连,呈现关联方向。例如,国家政策维度与外语教学设计、外语教学实施、外语教与学主体之间以三个向下箭头相连,表明国家政策维度为三个维度提供方向指引。外语教与学主体以两个向上箭头显示对外语教学设计和外语教学实施的直接影响。外语教学设计有一个单向箭头连接外语教学实施,表明外语教学设计影响外语教学实施。因此,研究选题需考虑四个维度之间的关系,并融入“研究者 AI”的人智协同体作用。

2.2选题思考流程

选题思考流程包括三种方式:自上而下系统推进、灵活选择综合思考、聚焦教与学主体维度。

2.2.1自上而下系统推进

国家政策是基础和导向,它如同指南针和导航仪,引导其他三个维度。其他三个维度的选题研究须透彻理解国家政策和外语教育要求,否则就会失去方向。例如,国家政策可能强调大中小学外语教育一体化改革、跨语种协同发展、跨学科融合等,为其他维度研究提供指引。

以“AI在大学和中学外语写作中应用政策与实践挑战的差异性研究”为例,这是一项政策研究。目前我国尚未出台有关大学和中学外语写作中使用AI的具体政策,因此前期研究应充分理解国家教育政策以及联合国等对AI使用的宏观策略(如UNESCO 2023,2024a,2024b),为后续政策的制定提供证据支持。由于大学与中学处于教育的不同阶段,政策既需有机衔接,又需各有侧重。这也是一项实践研究。外语写作属于技能课型,研究可涉及课程的多个要素,如教学目标、教学内容、教学方法和教学评估。在确定要素后,研究者还需决定教与学主体维度是教师、学生还是双主体。如果选择教师,研究内容可聚焦教学方法,具体包括课前备课、课中教学和课后批阅,也可讨论教师使用AI的态度和技能差异。如果选择学生,研究可着重记录学生使用AI写作的全过程,了解使用AI对学生写作能力发展的正负面影响。

再以教学设计层面的教学材料编写为例,这是一项政策研究,也是一项教学理论在教材编写中的应用研究。笔者研究了如何与AI协同编写POA(production-oriented approach)大学英语教材。教材是国家事权,体现国家意志,因此须从国家课程标准出发,然后分析传统人工编写POA教材遇到的五大挑战:难以科学确定单元主题符合国家育人目标,难以寻找合适输入文本与产出活动相配,难以设计驱动场景与对应的产出活动,难以挑选和加工输入语篇中的重点语段,难以选择关键表达式。接着,考察AI能发挥什么作用来克服这些难点。通过与AI不断协商和反复实践,笔者提出了应对这些挑战的原则和流程。两大原则包括:1)编写者主导AI,2)编写者系统落实POA理论。六步流程为:1)编写者发布指令,2)AI生成初稿,3)编写者审查,4)编写者调整指令,5)AI修改初稿,6)编写者全面核定。最后,演示了借助AI应对挑战的过程和结果。解决教学设计的同时,还要将编写的单元置于外语教学实施场景,例如每个单元的教学目标、教学内容、教学方法和教学评估。最后,决定课题的教与学主体。这是教材编写研究,视角主要是教师/教材编写者。

简言之,“自上而下系统推进”的选题方法是从国家政策出发,逐步推进到外语教学设计、外语教学实施以及教与学主体,最终形成具有价值的研究题目。

2.2.2灵活选择综合思考

“灵活选择综合思考”路径允许研究者选择图1中的任一维度作为出发点,然后关联其他维度,以丰富选题的研究内容。这种灵活且综合的思考方式可以更好地适应不同研究兴趣和背景。例如,研究者可从课程类型出发,结合教学内容、国家政策(如跨专业)、教与学主体维度进行选题。假设选择知识—技能融合型课程“英语商务谈判”,该课程的教学内容既包括商务谈判知识学习,也包括英语商务谈判技能教授。从教师视角出发,最终确定的选题可以是“AI在知识—技能融合型课程中的应用效果研究:以英语商务谈判为例”。

再如,研究者可从外语教学实施的“目标”出发,然后联系其他方面。在目标方面,外语教育包括知识、技能(听说读写译)、综合素养(人生观、世界观、价值观等)等多个方面。引入AI技术后,语言知识、语言技能、综合素养的发展将受到什么影响?当然,一个研究选题不可能覆盖外语教育方方面面的目标,研究者可选取自己最感兴趣并且又是学生最迫切需要达到的目标,比如“外语互动能力”。目前我国大中小学外语课堂以大班课为主,学生很难获得充足的课堂发言机会,发言的通常是外语水平较高的少数学生,“哑巴英语”现象没有彻底改变,教师也难以根据每个学生的情况及时给予反馈。豆包智能软件等AI技术不仅可以充当语伴,而且可以模仿授课教师的发音与学生对话交流。由此,研究者可确定的选题是:“教师—AI语伴—学生”协同发展英语口语互动能力的理论与实践研究。

2.2.3聚焦教与学主体

教师和学生是外语教育的主动参与者,聚焦教与学主体的研究可深入探讨AI技术对他们角色、能力、态度等方面的影响。这种思路有助于研究者更好地理解AI在外语教育中应用的实际效果、存在问题以及如何优化AI应用,从而提升教学和学习质量,并促进教师和学生作为社会人的全面发展。

(1)AI与外语教师。将教师作为研究焦点,研究者可关注AI技术如何影响外语教师的角色、教学方法、专业发展以及对技术的接受度(见表1)。AI技术的引入对外语教师的角色产生深远影响。教师不再仅仅是知识的传授者,还可以是AI技术使用的参与者、引导者、协调者和管理者。AI技术要求教师具备新的能力和素养,比如AI技术使用、数据分析及人机互动协商能力。教师身份、能力变化和发展研究有助于教师更好地适应新型教学环境和改进教学过程。AI技术的使用也会影响教师的主观能动性,包括他们的教学策略、教学方法和教学态度。教师主体的变化研究能够优化教师的技术使用体验和教学效果。

(2) AI 与外语学习者。 AI 技术改变了学习的方式和内容,对学习者的语言能力、思维能

力、心理情感、跨文化理解能力产生了深刻影响。 为了更好地探讨、理解这些变化和影响,AI与外语学习者的选题可分为三个主要类别:学习能力与效果、学习过程与应用、情感与心理支持(见表 2)。 研究者据此可更清晰地定位研究方向,找准研究具体的切入点。

3. 研究方法建议

研究方法选择应基于研究问题,方法应服务于问题探究。 需要强调的是,尽管纯量化方法在产出宏观数据和解释普遍问题方面具有一定价值,但在外语教育研究领域,其作用相对有限。外语教育是一个复杂系统,很难通过一两个孤立变量揭示关键要素。 外语教育研究的重要目的之一是对师生的某些负面行为进行干预,而量化结果通常是群体行为的平均值,无法反映个体的具体行为。 假设通过 5 级量表问卷调查 300 名学生对使用 AI 的态度,得到的平均值

是 3. 3,但这个平均值无法反映个体的具体差异,教师无法据此提供有针对性的帮助。 此外,学生对量表的理解并不一致,也会削弱问卷调查结果的准确性和可靠性。

实验法虽然可以提供统计学意义上的显著性,但在实际教学环境中很难严格控制所有变量,而且实验结果的应用价值有限。 例如,使用 AI 的实验组多学会了 1. 5 个单词,实验组与对照组差异显著,但是这种差异因在实际教学中可能无法感知而对于实际教学意义不大,甚至可能掩盖实验组部分学生表现不如控制组学生的情况。 AI 与外语教育的相关研究适合采用以下研究方法。

· 混合研究:结合量化和质化方法,提供宏观数据和微观细节,帮助研究者更全面、深入地回答问题;

• 个案研究:深入分析特定案例,揭示个体在特定情境中的行为和心理;

• 行动研究:在实践中探索问题解决方案,通过系统的实践行动解决实际问题(该方法

• 研究者相对较为熟悉,故下文不作专门讨论);

• 案例分析:通过反复打磨优秀案例,展示理论在实际教学中的应用效果;

• 设计研究:探索创新解决方案,通过迭代设计和实施优化教育干预;

• 辩证研究:提供解决关键问题的理论框架和实践方案。

3. 1 混合研究

混合研究能够提供宏观数据和微观细节,为研究结论提供更全面的解释和验证。 它不仅能挖掘数据背后的深层原因,还能通过多角度的数据验证提高研究的信度和效度。 以“外语教师对 AI 技术接受度的调查与分析”为例,问卷调查可量化教师对 AI 技术的态度和使用情况,提供基础数据,然而仅靠问卷调查可能无法揭示教师在实际教学中的具体体验和挑战。 通过加入半结构化访谈,研究者可深入了解教师对AI 技术的具体看法、使用经验以及遇到的问题。 此外,通过课堂观察,研究者可直观了解教师在教学中使用 AI 技术的实际情况,并记录教师与学生的互动细节。 这样,研究者不仅能得到量化数据,还能洞察教师应用 AI 技术的真实情境和感受。

再以“AI 对外语写作学习效果的影响”为例。 如果仅采用准实验法,研究者可能会发现实验班在 AI 辅助下撰写的作文成绩优于对照班,然而这种即时效果并不能完全反映 AI 对写作学习的全面影响。 通过增加延时后测作文的质性分析和学生访谈,研究者可比较学生在不同阶段的语言使用变化,揭示 AI 对作文内容、结构和语言使用的具体影响。 再者,访谈数据能够提供学生对 AI 工具的使用体验和反馈,帮助研究者了解 AI 对学生学习动机、自主学习和思维能力的影响。 这种综合方法不仅能观察表面现象,还能探索现象背后的机制和路径,为教育实践提供更具实用价值的建议。

3. 2 个案研究

个案研究能够考察分析个体在特定情境中的行为和心理,并能通过跨个案的比较揭示普遍性问题和规律,适用于探索个体差异和复杂互动过程。 例如,在“AI 时代学生人机互动协商能力差异性研究”中,研究者可选择同一班级不同水平学生作为个案,设计同类任务由 AI 辅助完成。 通过对任务完成过程的录像,研究者可细致观察和记录学生 AI 辅助下的互动过程,分析不同个案的人机互动协商能力表现和差异。深度描述时,研究者需细致描绘每个个案的具体情境和行为,展现生动的立体感。 同时,研究者还需运用抽象概念进行分析,揭示具体行为背后的规律和机制。 例如,研究者可分析学生在与 AI 互动中的语言使用、问题解决策略和情感反应,探讨这些因素如何影响学生的人机协商能力。 通过跨个案比较,研究者可总结出不同水平学生在 AI 辅助下的人机协商能力差异,并提出针对性的培养举措和建议。个案研究不仅能展示个案的独特性,还能为教育实践提供具体的操作策略。 例如,研究者可根据研究结果设计针对不同水平学生的 AI 辅助教学方案,帮助学生提高人机互动协商能力。 此外,研究者还可提出教师在教学中如何有效利用 AI 技术的建议,帮助教师更好地支持学生的学习和发展。

3. 3 案例分析

案例分析(case analysis)通过详细分析经过多次实践打磨而成的优秀案例来揭示理论和实践之间的关联,在教育领域具有重要的应用意义。 该方法的核心在于通过具体教学实践,提炼和展示理论在实际教学中的应用效果,为教师提供可操作的指导和参考。 逻辑上说,案例可以是成功的,也可以是失败的,但一般情况下,研究者更多分析成功案例,读者也更希望借助成功案例指导自身实践。

从“AI 在外语互动课堂中的创新应用研究”为例,研究者需在理论指导下展示具体的实践案例。 首先,研究者可设计一个 AI 赋能的互动课堂教学方案,通过 AI 工具提供个性化的学习资源和实时反馈,帮助学生提高学习效果。 教学实施过程中,研究者需详细记录教学设计的每个步骤,包括教学目标、教学内容、教学方法和评价方式等。 研究者还需观察和记录学生的课堂表现,收集学生的反馈和评价。 通过反复实践和反思,研究者可总结出 AI 赋能教学设计的有效原则,发现 AI 工具在个性化学习资源提供、实时反馈和互动支持等方面的优势,并提出相应的教学设计策略。 研究结果需运用具体教学实例来展现可操作的教学设计流程,包括教学目标设定、教学内容选择、教学方法应用和评价考查等。

案例分析不仅要展示成功的理念和经验,还要帮助读者理解如何在实际教学中应用理念和原则。 例如,研究者可分析教学过程中遇到的实际问题和挑战,探讨解决问题的方法和策略(见文秋芳 2025;张文娟 2025)。 通过这种方式,研究者可为读者提供清晰的教学操作指导,帮助他们在实际教学中有效利用 AI 技术。与个案研究相比,案例分析有何不同? 表 3 列出了两者的主要差异。 从研究目的来看,案例分析的终极目的是获得优秀案例,而个案研究是对特定案例进行全面深入的分析,揭示其复杂性和多样性。 从收集数据来看,案例分析需要的是成功案例的教学流程、步骤和效果,个案研究需要观察、访谈、作品等各种可能反映个案行为和心理的数据。 从分析方法来看,案例分析重点探讨成功案例的关键步骤和原则,而无需琐碎的细节,也不需要关注反复优化的过程;个案研究要通过复杂的背景、过程和结果展现个案的多维性、立体性。 从研究结果来看,案例分析只需简洁明了的成功案例,报告关键步骤、原则和效果;个案研究需对研究对象进行细致入微的描述,如同“工笔画”一般,使个案的形象丰满且栩栩如生,又不失内在的逻辑结构和核心要素。 简言之,案例分析主要通过具体案例展示某种方法或理论的实际应用效果,适用于指导教学实践。 个案研究主要通过深入分析特定案例,洞察复杂现象或建构理论,适用于复杂问题的科学探索。

3. 4 设计研究

设计研究(design-based research)是一种真实教育环境中的研究方法,通过系统、迭代的设计过程,探索和优化教育干预措施,以解决实际教育问题,并生成具有情境敏感性的理论(McKenney & Reeves 2012;Minichiello & Caldwell 2021;单迎杰,傅钢善 2017)。 它强调研究者与教育实践者的紧密合作,通过多次设计、实施、评估和反思循环,逐步完善教育设计,推动理论发展。

AI 英语写作平台日渐成为外语写作教学的重要工具,“AI 英语写作平台的设计”可探讨如何设计既能满足教学需求又能支持学生学习的写作平台。 该研究的目标是探索 AI 英语写作平台在英语写作教学中的应用效果,并生成相应的设计原则和理论。 AI 英语写作平台的设计和测试通常在真实教学环境中进行,例如学校的外语写作课程,确保平台的功能和反馈机制符合实际教学需求。 AI 英语写作平台的设计过程通常包括多个迭代循环:

(1) 初步设计。 基于理论和前期研究,设计平台的基本功能。

(2) 实施与评估。 将平台应用于实际教学,收集学生和教师的反馈数据。

(3) 改进与优化。 根据反馈调整平台功能,优化用户体验。

(4) 再次实施与评估。 重复上述过程,持续改进平台。

AI 英语写作平台的设计不仅关注技术实现,还结合应用教育理论(如写作过程理论、反馈理论),以确保平台有效支持学生的学习。 同时,通过实践中的平台应用和反馈,研究者可进一步完善相关理论。 AI 英语写作平台的设计过程中,研究者、教师和学生之间存在紧密的合作关系。 教师提供教学经验和反馈,学生给出使用体验和建议,研究者则负责整合分析数据,不断优化平台设计。 当然,设计研究不同于行动研究,两者的主要差异如表 4 所示。

3.5辩证研究

辩证研究范式由中国学者提出,代表一种新哲学取向,具有新研究目标和研究流程,与相对广泛流行的西方范式明显不同(文秋芳2017,2018,2022)。辩证研究范式体现明确的马克思辩证唯物主义哲学立场,坚持研究问题的客观性、普遍联系性和动态变化性的本体论;坚持理论和实践互动循环解决研究问题的认识论,坚持抓主要矛盾和具体情况具体分析的方法论。具体地说,研究问题要具有现实性、关键性和系统性;研究目标要三优化:优化理论、优化实践、优化诠释;研究流程包括“学习借鉴—提出/修订理论—实践理论—反思诠释”的多个循环。

以“人机互动协商能力:ChatGPT与外语教育”研究(文秋芳,梁茂成2024)为例,该研究要解决的问题是AI时代如何培养学习者的人机互动协商能力,以缩小学习者使用AI的差异,提高教育公平性。为此,研究者首要的是对人机互动协商能力进行定义,厘清能力的构成要素及其关系。根据辩证研究范式,研究者在学习借鉴的基础上,提出人机互动协商能力构成要素循环图(见图3),接着提出实践理论的方案。目前的研究还是第一个循环的前两个环节。后续研究可根据循环图开展外语学习者人机互动协商能力的培养实践,然后根据实践不断优化诠释、优化理论,再根据新修订理论指导实践。如此循环,“理论—实践—诠释”就能同步改进。