文章推介 | 人與ChatGPT互續任務中二語寫作效能感的發展及其對二語產出的影響

人與ChatGPT互續任務中二語寫作效能感的發展及其對二語產出的影響

張曉鵬 陳莉

摘要

本研究以24名非英語專業大二學生為被試，考察了人與ChatGPT-4互續故事過程中學習者二語寫作效能感的發展特征及其對英語產出的影響。實驗為期6周，共進行了12次人與ChatGPT-4互續任務。在首次和末次互續任務結束后，學習者分別完成寫作效能感的Q任務。結果顯示，學習者的寫作效能感在人機互續過程中經歷了從“無結構型”到“結構型”的發展階段。在前一階段，學習者的語言效能、自我調節效能、寫作行為效能和構思效能相互交織，未形成清晰的結構。在后一階段，上述四個維度在學習者個體間逐漸分化，呈現出了清晰的結構特征。此外，寫作效能感的提升顯著促進了人機互續中的語言協同。上述結果表明，續寫任務不僅有助于提升學習者的積極心理品質，還能通過增強寫作效能感優化語言使用。

關鍵詞：人與ChatGPT互續任務;寫作效能感;二語產出;語言協同

正文

1. 研究背景

“續論”以簡潔的理論概括了語言學習的普遍規律(王初明2018,2025)，認為語言是通過“續”學會的，語言學習高效率可以通過“續”實現(王初明2016:792)?！袄m”指語言使用者在互相交流的過程中，通過補充、擴展或創造新的言語內容來傳遞信息，表達新思想，實現交際目的。在此過程中，學習者在內生表達動力的驅使下，將語言的理解與產出緊密結合，互相適應并模仿對方的語言，從而產生協同效應。協同效應越強，語言學習效果越顯著。

基于“續論”的教學任務靈活多樣，能夠將聽、說、讀、寫、譯等語言使用方式有機融合，從而優化語言擴展與創造性適應的過程，提高語言學習效率?！袄m”任務具有一個共同的核心機制：學習者在續的過程中，首先需要深入理解前文內容，熟悉其細節，通過“創造性模仿”來延續話題，表達自身的想法(王初明2016)。具體而言，學習者一方面需理解和消化前文內容，另一方面則要在續的過程中靈活運用所學語言。這不僅加深了對文本的理解，還能夠在新的語境中拓展二語構式，從而有效提升語言能力。此外，“續”任務通過內容引導語言學習，能夠激發學習潛力，緩解外語學習中的困難，提升學習者的積極心理狀態(王初明2018)。

目前，已有大量實證研究驗證了“續”的促學機理，研究結果表明：不同的“續”任務能夠有效提升中國學生的英語流利度(Zhang 2017；姜琳2016)，促進名詞、動詞、形容詞(姜琳、涂孟偉2016)、動詞短語、副詞短語(張曉鵬2016)的使用，加速動詞-名詞搭配(Zhang 2017)、關系從句(王啟、王初明2019)的習得及短語能力的發展(Chen&Zhang 2022)。同時，續任務能顯著抑制學習者在時態、數的一致性、冠詞、系動詞、非限定動詞等方面的使用錯誤(Wang&Wang 2015)，幫助他們更好地選擇詞匯(Wang&Wang 2015)、短語(Cui et al.2019;Zhou&Wang2025)以及句法結構(Wang 2019)，提升語篇連貫性(張曉鵬2016)，并提高其閱讀能力(張素敏、張繼東2019)和體裁意識(Zhou&Wang 2025)?！袄m”任務還能夠激發學習者外語學習動機(Zhang&Zhang 2021)，提升其積極二語自我(姜琳、詹劍靈2021)。

然而，不同的“續”任務的互動強度存在差異，協同強度也各有不同。盡管書面續寫有助于學生在語言學習中的輸出與理解，但其主要局限在于缺乏互動性和情感反饋。此外，書面續寫通常局限于固定的文本內容，缺乏在多樣化語言環境中的實際應用，導致學生的表達空間較為有限，從而限制了其語言能力的進一步發展。針對這一問題，王初明(2018)指出，多輪續寫可以增加續寫與原文內容及語言間的互動頻率，增強互動強度。張素敏、張繼東(2019)的實證研究也驗證了這一觀點。

近年來，大語言模型，尤其是Chat GPT的迅速發展，為學習者創造了更加真實的互動環境，成為促進語言學習的重要平臺。Chat GPT通過深度神經網絡和自注意力機制有效捕捉語言中的詞匯關系，能夠理解和生成與用戶輸入相關的文本內容，支持多輪對話、即時反饋(金檀等2025)、創作生成以及跨學科領域的知識推理。其功能包括創作故事、解答問題、提供寫作建議等，還可以根據用戶需求調整語氣、風格和復雜度，具有較強的適應性(Shaikh et al.2023)。相比紙質文本續寫，Chat GPT在互動性、創意激發、個性化定制(王啟、周曉2025)以及協作方式上具有明顯優勢。學習者與其互動實則是一個多輪“互續”過程，與真實語言交際非常相似。作為二語學習者的理想互動對象，Chat GPT通過提供即時反饋和靈活的語言輸出，能夠激發學生的創作靈感，提升他們的語言流暢性和創意思維。此外，通過與Chat GPT共同續寫，學習者可以不斷獲得及時反饋，有效增強自我效能感和學習動機，提升語言學習整體效果(Han 2024；楊連瑞2024)。

2. 研究設計

本研究探討二語學習者與Chat GPT多輪互續時寫作效能感的動態發展特點及其對二語產出的潛在影響。研究問題如下：1)學習者在與Chat GPT互續故事的過程中，二語寫作效能感如何發展？2)二語寫作效能感的發展與學習者續作語言產出間存在怎樣的關系？

2.1被試

被試為陜西某高校非英語專業的25名大二中國學生，12人來自智能科學與技術專業，13人來自電子信息工程專業。兩個專業的英語教師與授課內容相同，教學進度一致。本研究通過人與Chat GPT互續任務收集雙方的語言產出，采用Q方法分析二語學習者在續寫過程中寫作效能感的動態發展。被試按照Q排序標記，Q1代表被試1,Q2代表被試2，以此類推。

2.2寫作任務

被試每周與Chat GPT合作，互相輪流續寫如下主題的故事：Tom and his friends、The time capsule、A story that I want to tell you、The forgotten island、The dark forest和The bridge beyond time。提示語中簡要介紹每個故事的背景，并要求Chat GPT-4與每位被試合作，使用常見的英語單詞互相續寫對方的內容，確保故事連貫且有趣。提示語示例如下：

Hello,let's begin a role-playing activity where we will collaboratively write a story.The theme of the story is The Dark Forest (A family moves to a cottage located near a mysterious forest.The villagers around them avoid entering the forest,but the children are filled with curiosity.As they venture deeper into the forest,they realize that the legends about this place may not just be stories).The specific requirements are as follows:Each person should write a paragraph with no fewer than 200 words each time.Use common English words to build upon each other's content so that the story flows coherently and remains interesting.

被試隨機分為三組，第一組按題目順序逐周完成任務，第二組按題目逆序完成，第三組則按照1、6、2、5、3、4的順序進行續寫。每次任務中，Chat GPT-4先生成故事的第一部分，被試續寫該部分，再由Chat GPT-4續寫，依此類推，直到故事完成。被試每周需分兩次完成一個故事，每次續寫4段，每次內容200詞以上。每個故事Chat GPT-4和被試各產出8個段落，兩方共合作產出16個段落。

2.3 Q任務

本研究采用Q任務收集被試在續寫過程中寫作效能感的變化數據。Q任務結合定性與定量分析，可幫助研究者系統揭示群體中的關鍵“主觀性”，即不同被試之間的觀點差異，從而突出群體中的核心共同態度或情感(Watts&Stenner2012)。Q任務適用于小樣本研究，在探討復雜態度方面具有獨特優勢，被廣泛應用于教育學、心理學和社會學等領域(Lundberg et al.2020)。

Q陳述項(Q statement)的設計過程如下：首先，基于續任務的促學機理(即理解與產出的緊密結合、激發內生表達動力、拓展寫作想象力、提供語言示范、降低寫作焦慮以及增強語言協同能力，見王初明2016,2018)，并結合寫作效能感研究框架和相關實證研究(Pajares&Valiante 2006;Teng et al.2018)，提煉出寫作構思、語言使用、寫作行為和自我調節4個核心維度，以全面反映二語寫作效能感。其次，根據Q任務的設計原則，陳述項應避免單一視角，涵蓋多種觀點(Watts&Stenner 2012)。因此，我們參考了已有二語寫作效能感研究問卷(Bruning et al.2013;Teng et al.2018)，結合小型可行性測試中學習者對人機互續任務的反饋，最終提煉出60個能夠全面反映上述4個核心維度的陳述項，接著邀請了兩位應用語言學領域的教授對陳述項進行審閱、刪減，確定了40個有效的陳述項。最后，通過第二輪小型可行性測試對陳述項進行修訂，確保所有陳述項準確無歧義。

在Q排序時，被試根據提示語“在與Chat GPT互續故事時，我認為......”，對40個陳述項進行從“完全不同意(-5)”到“完全同意(+5)”排序。被試首先將陳述項分為同意、不確定或中立、不同意三類，然后將這三類陳述項排列在網格中：右側網格放置同意的陳述項，左側網格放置不同意的陳述項，中間網格放置不確定或中立的陳述項(見圖1)。

2.4數據收集

數據收集于2024年秋季學期第9-14周。被試每周與Chat GPT-4完成兩次故事續寫任務，每次續寫4段。二語寫作效能感數據通過Q-TIP平臺(https://qtip.geography.wisc.edu)收集于首末兩次續寫完成后。每次Q任務的完成時間約為20分鐘。

2.5數據分析

首先，本研究使用KADE軟件結合主成分分析和Varimax旋轉方法，對兩次Q數據進行因子分析。主成分分析用于提取能夠最大化解釋數據方差的因子，Varimax旋轉則通過優化因子負荷結構，使得因子便于解釋。通過對比兩次Q任務的結果，可以分析被試寫作效能感的動態變化。因子篩選基于特征值大于1.0且至少含2個統計顯著的Q陳述項(Watts&Stenner 2012)。1名被試因續寫產出不達標而被淘汰。

其次，我們分別將Chat GPT產出的文本與學習者產出的文本建立成INPUT和OUTPUT語料庫，使用自然語言分析軟件TAACO2.0對兩者進行對比分析。通過實詞重復率和Word2Vec語義相似度，評估INPUT和OUTPUT文本之間的詞匯重疊和語義相似性。LSA (潛語義分析)和Word2Vec (詞向量模型)是兩種用于分析詞匯關系的方法。LSA通過矩陣分解文本，揭示潛在的語義結構，適用于計算INPUT和OUTPUT語料之間的語義相似度，而Word2Vec則通過神經網絡模型學習詞匯的向量表示，捕捉詞匯的語法和語義信息。LSA關注整體文本的語義結構，適合于進行文檔層面的相似性分析，Word2Vec則通過捕捉詞匯上下文中的語義關系，適合于細粒度的詞匯和句子層面的相似性分析(Crossley et al.2016)。

3. 研究結果

3.1人與Chat GPT互續對二語寫作效能感發展的影響

第一次互續任務后，Q排序的數據分析提取出了一個因子，該因子反映了被試在二語寫作效能感認知方面的主要差異，并解釋了38%的變異量。在這個因子中，共有11名被試(Q1、Q3、Q5、Q6、Q8、Q9、Q12、Q15、Q16、Q18、Q20)的因子負荷值顯著，均在0.55以上(p<.05)。其余13名被試則未能顯著附載在該因子上。

此因子涵蓋了二語寫作效能感中的構思、寫作表現、自我調節和語言使用四個維度，內容雜糅，結構不清。在首次續寫任務之后，這11名被試一致認為，與Chat GPT合作續寫對他們的構思、寫作表現、自我調節以及語言使用等方面產生了積極影響(見圖2)。具體而言，在構思階段，人與Chat GPT互續任務能夠激發被試的創造力(如“我能夠想出許多原創思路”，+5)，并促進他們積極進行內容構思(如“我能夠積極思考”，+5；“我能夠設計出精彩的內容”，+4)。在續寫過程中，學習者表現出較強的自我調節能力，積極與Chat GPT互動(如“我能夠重讀Chat GPT產出的某些內容”，+4；“我能夠評估自己的優勢和劣勢”，+3)，并認為這種合作對他們的寫作行為產生了積極影響(如“我能夠很好地理解Chat GPT產出的文本”，+3；“我能夠寫出結構良好的故事”，+3)。在語言使用方面，學習者在續寫時或多或少借用了Chat GPT的語言(如“我模仿了Chat GPT文本中的詞或短語”，+2)，但在續寫完成后，他們普遍不對文本進行修改(如“提交前，我會修改自己寫的內容，使其更流暢”，-5)。該因子顯示，學習者在構思、自我調節、語言使用和寫作行為等方面的具體認知構成了他們完成后續任務的關鍵驅動力。

6周12次人機共續任務后的Q任務共產生了3個有效因子，反映了被試在二語寫作效能排序模式中的主要差異，解釋了56%的總變異量。具體而言，因子1與構思和寫作行為有關，因子2與語言使用有關，因子3有自我調節效能和寫作行為有關，三者分別解釋了21%、19%和16%的變異量。

因子1：構思與寫作行為。Q1、Q5、Q6、Q8、Q12、Q15、Q16和Q21的因子負荷值均具統計顯著性。這8名被試一致認為，在互續過程中，他們能夠產生原創的想法(如“我能夠想出許多原創思路”，+5)，并能夠將自己的想法合理地組織到續寫內容中(如“我知道在續寫中將自己的想法放在適當的位置”，+5)。此外，他們還能夠設計出精彩的結尾(如“我能夠設計出精彩的內容”，+4)。在寫作行為方面，他們能夠充分理解Chat GPT產出的內容(如“我能夠很好地理解Chat GPT產出的文本”，+3)，并能夠順利產出完整的句子(如“我能夠寫出完整的句子”，+3)。

因子2：語言使用。該因子由Q2、Q4、Q7、Q9、Q11、Q18、Q19等7名被試構成。具體來說，這些被試普遍認為，在續寫任務中，他們能夠逐步使用恰當的語言表達(如“我能夠使用正確的詞匯和短語”，+4；“我能夠寫出正確的句子”，+4)，并能有效借助Chat GPT生成的內容進行語言構建(如“我借用了Chat GPT文本中的詞匯或短語”，+4)。此外，部分被試還強調了語言表達的及時調整能力(如“我重讀自己所寫內容并修改語言錯誤”，+3)，這表明他們在續寫過程中能夠靈活調整自己的語言，從而提升文本質量。

因子3：自我調節與寫作行為。6名被試(Q3、Q10、Q13、Q14、Q17和Q23)的因子負荷值顯著。在12輪續寫任務之后，這些被試認為，他們能夠在續寫前后有效評估自己的寫作目標是否得以實現(如“在續寫之前思考要達成的目標”，+5；“評估續寫過程中是否達成了目標”，+4)，并能夠迅速進入寫作狀態(如“我能夠快速開始續寫”，+3)。更為重要的是，他們普遍反映，續寫任務給他們帶來了顯著的成就感(如“比以前寫出更長的文本”，+5；“續寫后獲得了成就感”，+4)。這表明，與Chat GPT互動增強了他們的寫作能力，提高了他們的自我調節意識和成就感。

上述分析表明，在為期6周的續寫任務中，二語寫作效能感發生了顯著變化。最初，只有11名被試在語言使用、自我調節、寫作行為和構思等維度上表現出雜糅狀態的積極效應。隨著任務的推進，逐漸有21名被試在自我效能感方面產生了積極變化，表現出更加清晰和細化的結構化認知。

3.2二語寫作效能感與語言產出關系分析

Mann-Whitney U檢驗結果顯示(見圖2),Q1任務中因子組與非因子組的語言產出在多個語言特征上存在顯著差異。具體來說，因子組在與Chat GPT-4文本實詞重復率(Z=-2.057,p=.04)、LSA (Z=-3.563,p<.001)和Word2Vec (Z=-2.578,p=.01)語義相似性等方面均顯著高于非因子組。這些結果表明，被試二語寫作效能感越高，在續寫任務中越傾向重用源文本中的實詞；被試與Chat GPT互續文本的語義相似度越高，在寫作過程中越能夠理解并延續Chat GPT的寫作思路，越能在單詞和句子層面與Chat GPT協同，從而驗證了二語寫作效能感提升對語言協同的積極影響。

Q2任務中，語言效能組被試與Chat GPT-4文本的實詞重復率(Z=-2.893,p=.004;Z=-2.571,p=.01)、LSA (Z=-1.967,p=.049;Z=-2.286,p=.022)和Word2Vec(Z=-2.662,p=.008;Z=-3.0,p=.003)語義相似性顯著高于構思和寫作行為組及自我調節和寫作行為組；構思與寫作行為組和自我調節與寫作行為組在這三個方面的差異均未達到顯著水平。這說明，被試語言效能感越高，越傾向于重復源文本中的實詞，與Chat GPT-4續寫文本在單詞、句子和語義層面的相似度越高?？傮w而言，學習者語言效能感越高，其與Chat GPT-4在語言層面的協同強度越大。

4. 討論

本研究探討了人與Chat GPT-4互續任務中學習者二語寫作效能感的變化特點及其與英語產出的關系。研究發現：1)學習者的二語寫作效能感經歷了兩個階段：從無結構的寫作效能感到結構化的寫作效能感。前者表現為語言、自我調節、寫作行為和構思等維度的混雜，后者則表現為這些維度間清晰的關系。2)在互續任務初期，寫作效能感較強的學習者傾向于在語言使用方面與Chat GPT-4的文本進行更好的協同。隨著任務的深入，語言效能感較強的學習者比在構思、寫作行為和自我調節方面效能感較強的學習者更容易與Chat GPT-4的文本產生更高程度的語言協同。

4.1人與Chat GPT互續對二語寫作效能感動態變化的影響

第一次互續任務后，只有因子組的寫作效能感在自我調節、寫作行為和構思三個維度上得到了正向提升。這主要歸因于學習者與Chat GPT-4的互動質量直接影響了效能感的變化。數據分析結果顯示，因子組通過與Chat GPT-4的深入互動，成功提升了自己的寫作效能感；非因子組在自我調節、寫作行為和構思等維度上的Q陳述評價大多集中在中立和不同意之間，則可能與他們與Chat GPT-4的互動不足有關。即便學習者具備一定的語言表達能力，但若對前文理解不深就匆忙開始續寫，僅憑興趣和想象隨意發揮，缺乏深入的互動續寫體驗，其寫作效果往往不佳(王初明2018)?？傊?，人機互續任務對不同學習者寫作效能感的影響存在明顯的不均衡性。

隨著互續任務的推進，24名被試中有8人的構思和寫作行為得到了顯著提升，7人的語言效能感有所改善，6人的自我調節能力和寫作行為得到了強化。這一結果與王初明(2018)的預測相符。通過多輪互動，學習者與Chat GPT-4逐步建立了有效的協作關系，共同推動了故事情節發展(Zhang&Zhang 2021；楊連瑞2024)；互續任務的高喚醒度激發了學習者的情緒反應，成為其積極二語自我發展的關鍵驅動力(姜琳、詹劍靈2021)。這一發現與積極心理學相關研究一致：二語學習中的積極心理體驗與二語交際意愿之間呈顯著正相關。具有和諧激情的二語學習者通常會表現出積極的行為傾向(Chen et al.2021)。

然而，人與Chat GPT-4互續任務對學習者語言、自我調節、寫作行為和構思四個方面的發展產生了不同程度的影響。產生這種差異的主要原因如下：首先，學習者初始寫作效能感的高低是關鍵因素之一。寫作效能感較高的學習者更能積極參與、主動構思，并借助Chat GPT-4的語言樣例改善表達。其次，自我調節能力的強弱直接影響學習者在任務中的執行策略。自我調節能力較強的學習者通過重讀、修訂和評估目標等行為，不斷優化任務表現。再次，學習者的語言水平差異也會影響語言效能感的提升程度。語言水平較高的學習者能夠更快吸收并模仿Chat GPT-4的語言結構，語言水平較低的學習者則更關注基礎表達，導致他們對復雜語言結構的吸收較慢。最后，學習動機和興趣對任務表現也起重要作用。對任務內容感興趣并具有明確學習目標的學習者，更愿意與Chat GPT-4互動，從中獲得成就感并提升語言和寫作的自信心。綜合來看，互續任務的效果因個體差異而不同，這表明教學任務的設計必須充分考慮學習者的個體特點，為不同需求的學習者提供個性化支持(王啟、周曉2025)，從而優化續寫過程和最終結果。

4.2寫作效能感與二語產出

承上文所言，第一次續寫任務后，因子組在實詞重復率、LSA和Word2Vec等文本語義相似度指標上顯著高于非因子組。這一差異可能源于因子組在續寫過程中更主動地思考、反復閱讀并深入理解Chat GPT生成的文本，因而能夠與機器產出的內容進行更好的銜接。因子組一致認為，積極的思考、重新閱讀并充分理解Chat GPT-4的產出，可以顯著提升續寫效果。通過主動理解和反思，他們能夠更有效地捕捉并利用文本中的關鍵詞和語義信息，減少認知偏差，從而提升文本質量。此外，因子組通過深度理解Chat GPT生成的文本，增強了對語句結構和詞匯選擇的敏感度，使得互續文本在LSA和Word2Vec等模型下的語義一致性顯著提高。

與Chat GPT-4的互續任務為學習者創造了自由的創作空間，幫助他們充分發揮自己的創造力與機器生成的內容互動。正是這種富有創造性的互動，推動了語言協同的順利進行。其間，機器生成的文本不僅僅作為參考，更多地成為了學習者進行創造性輸出的基礎，從而促進了雙方的有機合作與內容的共同構建(Han 2024)。然而，被試在語言、構思、自我調節和寫作行為方面的寫作效能感提升存在不同的變化。值得注意的是，本研究首次發現，語言效能感較強的學習者相比于在構思、寫作行為和自我調節方面效能感較強的學習者，更傾向于在語言層面與Chat GPT-4生成的文本進行協同。主要原因如下：首先，語言效能感較強的學習者能主動修改和優化語言細節，從而提高文本的流暢性。他們更傾向于通過利用機器文本中的詞匯、語法和句子結構來提升文本質量。其次，由于對語言使用的動機較強，語言效能感較強的學習者更能積極主動地與Chat GPT-4生成的文本進行互動。與此相比，構思、寫作行為和自我調節方面效能感較強的學習者可能更關注寫作的整體結構、邏輯性和思維過程，而非單純對語言細節進行調整，因此語言協同強度較低。

因子組與非因子組、語言效能感組與構思和寫作行為組、自我調節和寫作行為組在功能詞重復率上的差異不顯著，原因可能在于功能詞(如介詞、連詞、助動詞等)主要用于語法構建，語義負擔較輕，作用主要是連接句子結構，而非傳遞關鍵信息。在理解和創作文本時，被試往往更關注實詞(如名詞、動詞、形容詞等)，功能詞則因語義作用較為簡單，無論是學習者還是語言模型生成的文本，都會使用類似的功能詞結構。因此，無論是因子組還是非因子組，其功能詞的重復率與Chat GPT-4生成的文本都較為一致。

5. 結論

本研究探討了在人-Chat GPT-4互續故事的過程中，二語寫作效能感的變化及其對英語產出的影響。研究發現，第一次互續任務顯著影響了部分被試在構思、自我調節和寫作行為等方面的表現，并且提升了他們與Chat GPT-4生成文本之間的語言協同效果。隨著任務的推進，被試在語言使用、自我調節、寫作行為和構思四個方面的寫作效能感逐漸呈現出更加結構化的差異。在這些方面，語言使用效能感對促進與Chat GPT-4文本的語言協同發揮了至關重要的作用。研究結果支持了“續論”的核心理念：通過多輪續寫，學習者能夠不斷預測、創作和模仿語言，這不僅有助于維持學習興趣和動機，還能有效幫助建立積極的二語寫作效能感，從而進一步增強二語協同效果(王初明2018)。

本研究有以下啟示：首先，教師應充分利用AI語言模型(如Chat GPT、Deep Seek等)來加強與學生的互動。在語言教學中，尤其是與AI共同創作時，通過反復的互動可以優化續寫任務，提升語言協同能力和自我修正能力，從而促進寫作水平和語言效能感的提高，最終提升語言產出的質量。其次，教師可以設計結構化的寫作任務，幫助學生在語言使用、自我調節、寫作行為和構思等方面實現全面發展，并鼓勵學生進行創新性語言輸出。最后，續寫任務的設計應注重與AI的多輪合作，因為AI不僅能夠激發學習者的情感，減輕他們的學習壓力，幫助放松并緩解學習焦慮，還能有效調動學生的積極情緒，進一步提升二語學習者的學習體驗。

免責聲明：原文載于《現代外語》，2025（5），版權歸作者所有，如有侵權，請及時聯系刪章。

轉載自：外語教育與研究公眾號