大家好。我是博士生田中。在这篇文章中，我将介绍在最近的英语文献研讨会上阅读的一篇论文。
论文标题: Can GenAI-empowered feedback promote L2 learners’ self-regulation strategic behavior and writing performance?
生成式AI提供的反馈能否促进英语学习者的自我调节学习策略行为与写作表现？
作者: Lin Sophie Teng, Xinjie Deng, Jing Yang
期刊: System (2026年)

1. 概要
本研究基于自我调节学习（SRL）理论，验证了不同类型的反馈对EFL（英语作为外语）学习者的SRL策略使用及写作能力的影响。作者将中国某大学的84名学习者分为“对照组（无反馈）”、“Bingo组（AWE：自动写作评估工具）”和“ERNIE组（生成式AI反馈）”三组。通过为期3个月的3次英语写作任务及修改过程，进行了包括混合因素方差分析（Mixed factorial ANOVA）在内的分析。结果表明，生成式AI反馈的效果因学习者的英语水平而异。

2. 引言
在英语写作教学中，反馈是促进学习者语言发展和维持动机的重要因素。然而，教师很难即时为所有学生提供个性化的高质量反馈。针对这一课题，以往主要使用AWE工具，但有研究指出，这些工具往往偏向于语法和拼写等形式上的修正，在促进学习者的批判性思维和深层自我调节方面存在局限性。作者关注到基于大语言模型（LLM）的生成式AI能够通过交互式界面生成更具语境针对性的细致反馈。本研究旨在阐明这种“交互式反馈”如何超越单纯的错误修正，进而影响学习者的SRL。

3. 文献综述
・SRL与反馈的作用
在Zimmerman的模型中，SRL被定义为学习者为实现自身目标而控制认知、情感和行为的动态过程，由三个循环阶段（预见、执行、自我反思）组成。作者指出，写作中的有效反馈是重要的外部刺激，能促使学习者认识到自身现状与目标之间的差距，并引导其选择合适的策略。

・AWE与GenAI的比较
传统的AWE工具（如Bingo English、Pigai等）是通过模式识别和统计方法指出错误的机制，虽然有助于提高语言准确性，但反馈往往趋于统一，难以激发学习者的深度参与。对此，作者指出，生成式AI能够针对内容逻辑结构、观点展开及风格改善等高阶层面提出具体建议。这种交互性被认为能够激发学习者的元认知，支持其执行更高水平的SRL策略。
此外，反馈的有效性也取决于学习者的英语水平。研究提到，低水平学习者容易对详细反馈感到认知负荷过重，而高水平学习者则倾向于更批判性地接受并筛选生成式AI的建议。

・研究缺口
作者指出，虽然已有研究表明AWE有助于提高写作准确性，但直接比较生成式AI与AWE对SRL策略和表现影响的研究尚不充分，本研究旨在验证这一点。本研究的研究问题如下：
RQ1：AWE反馈和生成式AI反馈在多大程度上影响中国EFL学习者的SRL策略使用？
RQ2：AWE反馈和生成式AI反馈在多大程度上影响中国EFL学习者的写作表现？
RQ3：第二语言（L2）水平是否调节了反馈类型对中国EFL学习者写作能力发展的影响？

4. 研究方法
4.1 参与者
以中国某大学84名非英语专业一年级学生为对象，分为以下三组：
・生成式AI使用组：使用ERNIE Bot
・AWE使用组：使用Bingo English
・对照组：无反馈

4.2 实验设计与程序
本研究由前测、3个月的干预和后测组成。
・前测中实施了写作任务和SRL问卷（WSSLQ）。
・培训阶段对各工具的使用方法进行了指导。
・干预期间，学习者完成3篇作文任务，并根据反馈进行多次修改。
・后测中再次实施了相同的测量。

4.3 测量方法
SRL策略通过WSSLQ测量，写作能力从内容、结构、语言运用、机制四个维度进行评价。评分采用GPT-4自动评估，并确认了其与人工评分之间的高度一致性。语言水平基于EF SET进行分类。

5. 结果与讨论
・对SRL策略的影响（RQ1）: 混合因素方差分析结果
分析结果显示，虽然观察到了随时间推移SRL策略的效果，但仅凭反馈类型并未确认出显著差异。不过，在部分策略（例如：Goal monitoring: η² = 0.09）中观察到了交互作用，表明成长模式因反馈类型而异。此外，在接受生成式AI反馈的组中，确认了多种认知策略的提升，但同时也报告了在反馈处理和情感调节等方面的下降。
• ERNIE（GenAI）:
・显著提升的项目：Idea planning（d = 1.78）,Text processing（d = 0.76）, Knowledge rehearsal（d =0.64）, Interest enhancement（d = 0.48）
・显著下降的项目：Feedback handling（d = 0.45） , Emotional control（d = 0.52）
作者针对这一结果提到了对外部工具的依赖以及认知负荷外部化的可能性。

・对写作成绩的影响（RQ2）
所有组的写作成绩均有所提高，但提升方式存在差异。如下所示，生成式AI组表现出最高的成绩提升，特别是在内容层面的改善尤为显著。另一方面，AWE被认为有助于语法和机制等方面的改善。
• Content ERNIE > Bingo（MD = 0.97, p Comparison（显著）（Table 5）→ 对准确性也有一定效果

・写作水平的影响（RQ3）
反馈的效果因学习者的水平而异，组间确认了显著的交互作用。
・对于高水平学习者，在Bingo(AWE)条件下确认了比中级学习者更大的提升（t(24) = 2.82, MD = 4.68, p = .010），这一结果暗示了AWE反馈在高水平学习者中可能具有更大的效果。
理由如下：
1) 中级学习者可能不具备处理AWE反馈所需的足够语言能力，导致其对修改活动的参与度较低。
2) 高水平学习者拥有更高的SRL，能够利用认知策略和元认知策略等多种写作策略来内化AWE反馈。

・在中级学习者中，ERNIE比Bingo显示出显著更大的提升（MD = 5.67, p < .01）。理由是中级学习者可能在内容等方面需要更多支持，而个性化支持可以通过与ERNIE Bot的对话（如后续提问等）来实现。

6. 结论
本研究表明，反馈对EFL写作的发展是有效的，特别是生成式AI在写作内容（观点展开）方面非常有用。另一方面，其效果也因学习者的水平而异。具体而言，生成式AI对中级学习者有效，而AWE可能相对更适合高水平学习者。作者指出，GenAI与AWE并非竞争关系，应互补使用，根据学习者的水平等特性选择反馈至关重要。
此外，研究还暗示了生成式AI的使用可能会影响SRL的某些方面。特别是由于在反馈处理和情感调节等方面，学习者的主体参与度可能会减弱，因此结论认为在教育设计上需要谨慎。

感想
作为我个人研究主题“GenAIxSRLxEFL writing”的相关先行研究，我从文献综述的角度选择了这篇论文。特别是本学期我计划验证不同水平下的SRL策略使用情况，本研究中提到的“反馈类型对成绩和SRL的影响因水平而异”这一结果是非常有用的见解。
本研究背景中指出了“传统AWE工具偏向拼写等形式修正，无法充分促进学习者的批判性思维和SRL”这一课题。然而，验证结果显示生成式AI也可能降低写作中部分SRL策略的使用，这让我重新认识到利用生成式AI进行反馈设计的重要性。作者提到“生成式AI对中级学习者有效，而AWE可能相对更适合高水平学习者”，我认为今后整合两者的优势，设计能够应对不同水平和SRL学习者的反馈至关重要。特别是希望能够设计出作为支架的反馈，以更有效地促进SRL意识和策略。

文责: 田中早代