文章推介 | 多源互動反饋與二語水平對英語學習者認知投入影響研究

多源互動反饋與二語水平對英語學習者認知投入影響研究

張 凱 李偉正 李 波

摘要

本研究基于社會認知理論交互決定論框架, 系統探討多源互動反饋與二語水平對中國英語學習者認知投入的影響機制及其交互作用。 通過混合研究方法結合認知網絡分析技術, 對非英語專業研究生開展對比實驗研究。 實驗結果顯示:1) 多源互動反饋顯著提高學習者認知投入水平; 2) 二語水平對認知投入存在顯著調節效應;3) 反饋模式與語言水平的交互作用對認知投入具有關鍵預測效應。 研究表明,外語教師應著力構建反饋機制與學習者認知特征的動態適配模型, 通過分層設計強化深度學習路徑, 并建立包含情感支持、策略引導和認知腳手架的多維互動體系, 最終形成情感—行為—認知協同發展的良性學習生態。

正文

1. 引言

隨著智能教育技術的深度演進, 構建多維互動的寫作反饋生態已成為學界亟待破解的重要課題 (陳功、宮明玉 2022:60) 。 多源互動反饋是在數智教育背景下發展起來的一種技術增強型反饋模式。 區別于傳統課堂教學中依賴純粹人際交流的互動( 如師生、生生互動) , 其核心特征在于深度融合智能技術( 自動化寫作評價系統, 簡稱 AWE) 。這種模式構建了“ 機—師—生” 協同的反饋生態環境。 其核心價值在于激活學習者的認知投入—涵蓋元認知調控與認知策略遷移等思維運作的復雜過程( Zhang & Hyland 2022) 。 現有研究雖在單一反饋模式的認知效應方面取得進展, 但對多源反饋協同作用下的認知投入動態機制仍缺乏系統考察( 徐錦芬、龍在波 2022:21)。 值得關注的是,學習者二語水平作為關鍵個體差異變量, 其在多源反饋環境中的調節效應尚未得到充分闡釋( Zhang & Hyland 2022) ,反饋模式與語言能力的交互路徑仍存在理論盲區。

本研究立足社會認知理論視角, 通過構建“ 環境—個體—行為” 三維分析框架,旨在揭示多源互動反饋與二語水平對認知投入的協同作用機制, 為智能教育背景下寫作教學范式的轉型升級提供實踐參照。

2. 研究背景

社會認知理論( Bandura 1986: 18) 強調,環境要素( 如反饋模式) 與個體特質( 如二語水平) 通過交互決定論共同作用于學習行為( 即認知投入) 。在本研究中, 環境因素具體表現為多源互動反饋, 這種多維反饋系統通過其交互特性構成促進認知投入的外部支持( 龍在波、邱鈺景 2024:549) 。 既有研究表明, 教師反饋、同伴互評與自動化系統三類反饋的協同應用能夠有效提升認知投入度( Liu& Aryadoust 2022:457) 。 然而, 當前研究對多源反饋協同機制的解析仍停留于靜態特征描述,尚未深入探討不同反饋源之間的動態互補關系及其作用邊界( Zhang & Hyland 2022) 。 例如,龍在波、邱鈺景(2024) 的實證研究雖驗證了多源反饋對認知投入的促進作用,卻未能揭示學習者在面對多重反饋信息沖突時, 如何通過元認知策略進行篩選整合的關鍵過程。 值得注意的是,王利娜 ( 2024:75) 的最新研究指出,多源互動反饋對認知投入的影響同時受到個體因素的顯著調節。

在個體因素維度,二語水平被視為影響認知投入的核心變量。 研究表明,高水平學習者能夠借助元認知策略和語言知識網絡有效處理反饋信息,而低水平學習者受限于認知資源,往往表現出淺層認知加工與工具依賴特征( Koltovskaia 2020) 。基于社會認知理論視角,二語水平主要通過調節自我效能感、學習動機及情感狀態等中介變量影響認知投入質量( Bandura 1986: 20)。 然而,現有研究多聚焦二語水平對認知投入的直接效應( 韓曄、楊魯新 2021) ,對動機激發路徑、效能感維持機制及情感調節過程等中介變量的作用機理尚未充分探討,相關理論模型構建與實證證據仍顯不足。

根據交互決定論原則, 環境與個體因素通過動態交互共同作用于認知投入( Bandura 1986:23) 。 韓曄、楊魯新( 2021) 實驗研究發現,環境支持與個體特征并非孤立存在, 而是通過復雜交互影響認知投入水平。 該研究證實, 同伴反饋情境能顯著促進學習者的認知加工深度與策略使用頻率; 但僅關注單一反饋模式, 未探究教師引導與自動評價系統等多源反饋的協同影響。 Xu & Zhang(2023) 后續研究進一步證實,環境與個體因素的交互作用顯著影響認知投入,其中二語水平的調節作用尤為突出;但研究僅關注二語水平這一變量,未涉及學習動機與自我效能感等 關鍵因素。此外,上述研究普遍采用文本分析與訪談等質性方法,難以有效揭示主要變量間的量化關系及其作用路徑,在捕捉認知投入的動態變化特征方面存在方法論局限。

基于此, 本研究以社會認知理論的交互決定論為 框架 ( Bandura 1986 ) , 借鑒韓曄、 楊魯新(2021) 提出的認知投入分析模型,采用混合研究方法系統探究多源互動反饋與二語水平對認知投入的動態交互機制。

3. 研究方法

3. 1 研究問題

本文主要基于社會認知理論,探討多源互動反饋與二語水平對英語學習者認知投入的影響,研究問題如下:1) 多源互動反饋對英語寫作認知投入的影響如何? 2) 二語水平對英語寫作認知投入的影響如何? 3) 反饋模式和二語水平如何共同影響英語寫作認知投入?

3. 2 研究對象

研究對象為中國某高校非英語專業 120 名研究生,經牛津水平測試確定前 30% 為高水平, 后30%低水平,并從中選出 72 名學生,專業涵蓋海洋、工程、電子等多個學科。 其中男生 37 名,女生35 名,平均年齡 23. 26( SD = 0. 46) ,均有參與英語小組合作學習的經歷。

3. 3 研究過程

研究采用 2×2 因子設計,將 72 名非英語專業研究生隨機分為實驗組( 批改網+教師+同伴) 與對照組( 教師+同伴) 各 9 組,每組含高、低水平學生各 2 人。 單因素方差分析證實組間語言水平同質( F = 0. 043, p = 0. 837) 。 實驗周期內 完成三 輪CET-6 標準議論文寫作( 雙周任務制) ,其中實驗組接受批改網自動評分、教師書面反饋與同伴互評,對照組獲取教師書面反饋與同伴互評。 實驗周期內完成三輪寫作任務后, 組織線上焦點小組討論( 騰訊會議,60 ~ 90 分鐘 / 組) ,采集反饋處理過程的互動語料。 另從各組選取典型樣本開展半結構化訪談(60 分鐘 / 人) ,收集到的互動語料( 如討論 1-1) 與訪談語料( 如訪談 1-1) 用于補充量化數據,形成三角驗證數據源。 整個實驗歷時 10 周。

3. 4 數據分析

首先,研究者對收集的語料進行規范化處理 :1) 修改線上討論文本出現的錯別字,清理無意義信息;2) 將沒有標點符號的句子按照說話的習慣進行分隔。 其次,基于韓曄、楊魯新( 2021) 的認知投入分析框架, 對各小組的討論文本進行編碼。具體編碼見表 1。

基于 Python 構建認知投入編碼模型: 首先由研究者人工標注 20%語料( 隨機抽取 4 組) 建立訓練集, 經雙盲編碼檢驗( Cohen’ s Kappa = 0. 92) 后, 模型依據語義特征自動識別認知投入及其子維度( 認知處理深度、元認知策略、認知策略) 。 每個語句認知投入值按子維度頻次總和計量( 韓曄、楊魯新 2021:96) 。 訪談文本采用內容分析法, 統計二語水平相關變量( 自我效能感、學習動機、積極情感) 的語義單元頻次。 最后運用WebENA 平臺進行認知網絡分析( Andrist et al. 2015) , 通過量化代碼共現構建加權網絡模型,可視化呈現認知投入要素的關聯結構與演化路徑。

4. 結果

4. 1 多源互動反饋及其對英語學習者認知投入的數據分析

對實驗組和對照組的認知投入及各維度進行獨立樣本 t 檢驗,結果( 表 2) 顯示:實驗組和對照組在認知投入總體水平上存在顯著差異(t = 8. 933,p<. 001, d = 1. 285),實驗組的認知投入顯著高于對照組。 就認知投入三個維度而言:實驗組在元認知策略(t = 15. 432, p<. 001, d = 0. 561)和認知策略(t = 9. 289,p<. 001, d = 0. 702)上的得分均顯著高于對照組。 然而,在認知處理深度維度上,對照組的得分顯著高于實驗組(t =-5. 763, p<. 001, d = 0. 689)。

將數據導入 ENA 分析工具后,得到實驗組與對照組在認知投入上的整體認知網絡及疊減圖( 圖 1)。 生成的認知網絡與原始數據擬合良好, X維度和 Y 維度上的 Pearson 與 Spearman 相關系數均為 1. 00。 圖中通過疊減呈現兩組差異:線條粗細隨差異相互抵消,以突出對比效果。 結果顯示,實驗組在元認知策略—認知策略上 的連接性更強,而對照組在認知處理深度—認知策略上的連接性更強。

圖 1. 實驗組( 機師生) 和對照組( 師生) 在認知投入上的疊減圖

4. 2 學習者二語水平對認知投入的結果分析

對高水平學生與低水平學生的認知投入及各維度進行獨立樣本 t 檢驗,結果( 表 3) 顯示:兩組學習者在認知投入總體水平上存在顯著差異( t =51. 282, p<. 001, d = 0. 851) ,高水平學生的認知投入顯著高于低水平學生。 在認知投入的三個維度上,高 水 平 學 生 的 認 知 處 理 深 度 ( t = 36. 678, p <. 001, d = 0. 551)、元認知策略( t = 17. 717, p <. 001,d = 0. 546) 和 認 知 策 略 ( t = 26. 046, p < . 001, d =0. 613)均顯著高于低水平學生。

對高低水平學生二語水平相關重要因素進行獨立樣本 t 檢驗,結果( 表 4) 顯示:高低水平學生在自我效能感、動機和積極情感上均存在顯著差異,高水平學生的自我效能感( t = 14. 874,p<. 001,d = 0. 284) 、動機( t = 12. 573,p<. 001,d = 0. 285) 和積極情感( t = 19. 746,p<. 001,d = 0. 367) 均顯著高于低水平學生。

將數據導入 ENA 分析工具中,得到兩個組的高低水平學生在認知投入上的疊減圖( 圖 2) 。 結果顯示,低水平學生在認知處理深度—元認知策略上的連接性更強,而高水平學生在認知處理深度—認知策略上的連接性更強。

4. 3 多源互動反饋和二語水平對學生認知投入的影響

為了探究多源互動反饋與二語水平及其重要相關因素如何共同影響學生的認知投入,對兩組高低水平的學 生 的 認 知 投 入 進 行 雙 因 素 方 差 分析, 結果( 表 5) 顯示,多源互動反饋對認知投入的主效應顯著( F = 143. 721,p<. 001,偏 η2 = 0. 048) ;二 語 水 平 對 認 知 投 入 的 主 效 應 顯 著 ( F =3772. 031,p<. 001,偏 η2 = 0. 571) ;多源互動反饋與二 語 水 平 的 交 互 作 用 顯 著 ( F = 198. 809, p <. 001,偏 η2 = 0. 065) 。 進一步簡單效應分析表明,實驗組( p<. 001,偏 η2 = 0. 430) 和對照組( p<. 001,偏 η2 = 0. 371) 高水平學生的認知投入均顯著優于低水平學生;實驗組高水平學生的認知投入顯著優于對照組( p <. 001,偏 η2 = 0. 101) ;而實驗組低水平學生 的 認 知 投 入 與 對 照 組 無 顯 著 差 異 ( p =0. 122,偏 η2 = 0. 001) 。

5. 討論

5. 1 多源互動反饋對英語學習者認知投入的影響

研究數據表明,實驗組在認知投入總體水平上顯著優于對照組(t = 8. 933, p<. 001, d = 1. 285),證實相較于傳統師生互動,多源互動反饋模式更能促進學習者的認知投入,驗證了環境因素對學習行為的塑造作用。 具體而言,在認知投入的三個維度中,實驗組在元認知調控(t = 15. 432, p<. 001, d =0. 561) 與 認 知 策 略 應 用 ( t = 9. 289, p <. 001, d =0. 702)方面表現尤為突出。 認知網絡圖譜分析顯示,實驗組學習者的元認知節點與認知策略節點間呈現更高的連接密度,表明其更擅長策略整合與遷移。 這表明,自動化寫作評價系統通過即時語法糾錯與結構建議( 周瑩 2025:63) ,強化學生的錯誤認知處理效率( Dikli & Bleyle 2014:11) ;教師反饋憑借 其 解 釋 性 特 征 彌 補 機 器 反 饋 的 局 限 性( 許川根 2025:69) ;同伴互評通過提供多樣化視角( 如討論 3-2 所示“ 論點表述模糊” 的修改建議) 促進策略整合( 周曉、王啟 2025:68) 。 三類反饋形成的“ 即時修正—深度解析—多源補充” 協同機制,推動學習者系統性優化學習路徑,如訪談 2-2 所述“機評給一個大概的方向,師評則是給機評加互評的一種查缺補漏” ,印證了多源反饋模式對元認知與認知策略的協同促進作用。

值得關注的是,在認知處理深度上,對照組顯著優于實驗組 ( t = -5. 763, p <. 001, d = -0. 689) 。實驗組雖在認知處理層面投入度較高,但其處理深度呈片面化特征,傾向于快速提取關鍵信息;而對照組在信息深度理解與全面處理方面表現更突出。 這一現象可以從兩方面闡釋:首先,多源反饋環境的信息密度提升( Zhang & Hyland 2022) 與交互頻率增加( 張亞、姜占好 2022) 可能導致認知資源超載,抑 制 深 度 語 義 加 工 ( Sweller et al. 2019:268) ;其次,會話分析顯示學習者對智能系統反饋準確性存在普遍質疑,該發現與 Cheung( 2015:9)關于自動寫作評價系統效度感知的研究結論形成理論互證———當學習者判定 AWE 反饋存在技術缺陷時,易產生認知排斥反應。 技術診斷進一步揭示,現有 AWE 系統存在模板化反饋機制( 徐鷹、韓蘇 2020) 與動態語境捕捉不足( Zhang & Hyland2022) 的雙重瓶頸。 依據社會認知理論,機師生互動環境通 過 增 強 反 饋 時 效 性 有 效 激 活 認 知 加 工( 周瑩 2025:63) 。 交互決定論進一步指出, 高頻次、快節奏的智能反饋可能重構學習者的認知加工路徑,形成“ 效率優先” 的信息處理定式。 與此同時,機師生互動環境信息量的激增能否真正促進學生的認知投入,還受到學習者個體因素的影響。

5. 2 學習者二語水平對認知投入影響

研究數據表明,高水平學習者在認知投入總體水平及其子維度上顯著優于低水平組,具體而言,高水平學習者由于具備扎實的語言基礎,能夠快速處理基本的語言問題,從而將更多認知資源用于深 度 加 工 反 饋 信 息 ( 穆 惠 峰、 唐 艷 芳 2025:91) 。 他們能夠準確理解教師評語的深層要求,評估同伴建議的合理性,并有效整合不同來源的反饋( 如訪談 3-3 所述“ 每次批改網的建議我都會仔細看,結合互評和老師的意見進行修改” ) 。 相比之下,低水平學習者由于語言能力有限,需要耗費大量認知資源來理解基本的反饋內容,如解析專業術語或揣摩抽象建議。 這使得他們主要依賴反復核查的監控策略( 元認知策略) ,而難以進行深度思考或嘗試多樣的修改方法,最終往往只能進行表面的語法修正。 該結果與 Koltovskaia( 2020)的研究形成理論呼應———低水平學習者因判斷力不足而機械執行表層修正,高水平學習者則能批判性篩選反饋信息。

社會認知理論( Bandura 1986) 強調的個體因素作用機制在本研究中得到充分驗證。 高水平學習者通過語言能力優勢構建“ 自我效能感—學習動機—積極情感” 良性循環:強烈的自我效能感促使其主動實施元認知調控( 如訪談 2-1 所述“ 先機評、師評和互評,再看文章” ) ,策略有效性會讓學習者體驗到更多的積極情感,進而提升學習動機。這一點也與前人的研究相呼應( 許川根 2025) 。 相反,低水平組因語言缺陷陷入“ 理解障礙—情感抑制—策略固化” 的惡性循環,表現為對復雜反饋的淺層處理( 如討論 2-2 所述“ 不知道為什么會錯” )與元認知調節缺失。 值得注意的是,動機強度差異顯著影響策略選擇模式:高水平組能系統整合多源反饋,低水平組則呈現策略單一化特征。 該現象在陳 功、 宮 明 玉 ( 2022:64) 的 研 究 中 亦 有 體現,即學習者應對反饋時存在策略分化———從深度參與到消極回避的連續統。

研究進一步揭示,情感狀態通過成就感知調節認知投入質量。 積極情感( 如高水平組訪談 1-3所述“ 上手快,能完全投入” ) 促進深度語義加工,而焦慮情緒( 如低水平組訪談 2-1 所述“ 有壓力,怕說錯或做得不夠好” ) 導致認知退縮,這一發現與Li et al. ( 2022) 的互動參與度研究結論一致。 這表明,高水平學習者通過語言優勢構建“ 策略有效性—情感激勵—動機維持” 的動態增益系統,低水平學習者則因能力質疑陷入“ 情感抑制—策略僵化—認知窄化” 的適配困境。

基于社會認知理論,我們對多源互動中學習者心理因 素 與 認 知 投 入 的 動 態 交 互 關 系 進 行 深描。 高水平學習者通過語言優勢形成“ 效能感—動機—情感—策略” 正向循環,主動運用元認知策略,實現深度認知加工,體現了個體通過自我調節優化認知的核心機制。 低水平學習者則因語言能力缺陷陷入“ 理解障礙—情感抑制—策略固化” 負向循環,依賴元認知策略補償認知不足,且情感抑制導致認知退縮與策略單一化。 這些發現證實了社會認知理論的核心觀點( Bandura 1986:20) :學習者個體因素通過影響認知策略的選擇和運用,最終決定其認知投入的質量和深度。

5. 3 多源互動反饋和二語水平對學生認知投入的影響

研究發現,多源互動反饋與二語水平對認知投入的交互作用顯著,這可以通過社會認知理論的交互決定論得到深入解釋。 研究結果表明,學習者的二語水平與反饋環境之間存在動態的相互影響關系,二者共同塑造了認知投入的質量和深度。 高水平學習者展現出了更強的環境適應和資源整合能力。 得益于扎實的語言基礎和成熟的元認知能力,他們能夠有效篩選、評估并整合來自不同渠道的反饋信息。 在實驗組設置的多源反饋環境中,AWE 系統的即時糾錯功能幫助他們快速修正語言形式錯誤,教師的專業指導促進內容深化,同伴的多源視角則拓展了思考維度。 這種“ 即時修正—深度解析—多樣化補充” 的閉環促使高水平學生靈活調用元認知策略( 如優先處理關鍵錯誤) 與認知策略( 如整合多源建議) 。 例如,實驗組高水平學生表示:“ 機評給方向,師評補充細節,同學評價可以幫助拓展思路,綜合起來更有針對性”( 訪談 3-3) ,這種交互顯著提升了認知投入的系統性與深度( 韓曄、楊魯新 2021) 。 反觀對照組的高水平學生,僅依賴教師與同伴的雙向反饋,缺乏自動系統的即時性與高頻次支持。 盡管教師反饋仍能提供深度指導,但反饋的時效性與信息密度相對不足,導致其策略應用的效率降低。 這一差異驗證了 Zhang & Hyland(2022) 的結論,即技術工具與教師、同伴反饋的協同能顯著影響高水平學習者的策略遷移與認知整合。

低水平學習者因語言能力不足與元認知策略的局限性,難以有效處理多源反饋的復雜性。 在實驗組中,盡管自動系統提供即時糾錯,但其術語化反饋( 如“ 主謂不一致” ) 可能超出低水平學生的理解閾值( Koltovskaia 2020) ,導致其僅能機械修正標紅錯誤。 同時,教師反饋的抽象建議( 如“ 增強論證說服力” ) 因缺乏具體示例,進一步加劇其認知負擔,印證了認知負荷理論中“ 信息超載抑制深度加工” 的假設 ( Sweller et al. 2019) 。 在對照組中,低水平學生雖僅接受教師與同伴反饋,但信息量相對精簡,反而可能降低其認知負荷,使其能聚焦于有限反饋的淺層處理( 如訪談 2-3:“ 只改明顯的語法錯誤” ) 。 因此,實驗組與對照組的低水平學生均受限于能力瓶頸( Zheng et al. 2023) ,認知投入的差異被個體因素主導,導致組間無顯著差異。 此外, 低 水 平 學 生 的 消 極 情 感 ( 如 訪 談 3-2:“壓力大,怕被批評” ) 與低自我效能感進一步削弱其參與深度互動的動機,使其在兩種反饋模式中均呈現策略單一化特征( Li et al. 2022) 。

本研究結果表明,多源互動反饋與二語水平對認知投入存在顯著交互作用。 從社會認知理論視角來看,這種交互反映了環境因素( 多源反饋)與個體因素( 語言水平) 的動態影響作用。 高水平學習者憑借較強的語言能力和元認知調控能力,能夠有效整合自動化系統、教師和同伴的反饋優勢,實現更深層次的認知加工;而低水平學習者受限于能力 與 情 感 因 素, 難 以 突 破 淺 層 加 工 困 境。這一發現不僅深化了社會認知理論在二語寫作領域的應用,也為差異化反饋設計與教學干預提供了重要依據。

6. 結語

本研究基于社會認知理論的交互決定論,揭示了多源互動反饋與二語水平對英語學習者認知投入的影響機制。 研究發現,多源互動反饋通過提供多樣化資源和增強互動性,顯著提升了認知投入度,其中實驗組的表現尤為突出。 然而,實驗組雖投入度高,但認知處理深度較淺,傾向于快速提取關鍵信息;對照組則更注重深度加工與全面理解。 二語水平作為關鍵個體因素,顯著影響認知投入質量:高水平學習者憑借扎實的語言基礎,能有效整合多源反饋信息,在元認知和認知策略運用上表現突出;低水平學習者則因理解障礙,難以充分利用多源反饋。 多源互動反饋與二語水平的交互作用進一步強化了這一差異:高水平者通過增強自我效能感、積極情感體驗和動機激發,形成認知投入的正向循環;低水平者則陷入理解困難與策略固化的困境。

根據上述發現,教師為提高學習者的認知投入,應充分考慮學生的語言水平差異,采取分層教學策略。 對于高水平學生,教師可設計更具挑戰性的綜合任務,鼓勵他們靈活運用多種學習策略;對于低水平學生,則需要提供更細致的指導,將復雜任務分解為可操作的步驟,幫助他們建立學習信心。 同時,教師應注重培養學生的反思能力,在任務完成后引導學生回顧學習過程,思考改進方法,這有助于學生形成有效的學習策略。 在小組合作中,教師應根據學生特點合理分組,讓不同水平的學生相互促進,并適時介入指導,優化小組互動模式。 此外,教師還需關注學生的學習深度,通過設計需要深入思考的活動,如觀點比較、案例分析等,引導學生進行更深層次的認知加工。 最后,教師應營造積極的學習氛圍,通過展示進步、設置適度挑戰等方式激發學生的學習動機,并及時給予情感支持,幫助學生克服學習困難,從而全面提升學生的認知投入和學習效果。

End

免責聲明：原文載于《外語教學》，2025（05），版權歸作者所有，如有侵權，請及時聯系刪章。

轉載自：外語教學與研究公眾號