基于人工智能的混合方法分析技术依赖性：人格因素在语言学习中对口语英语焦虑影响的调节作用

《Acta Psychologica》：AI-driven mixed-methods analysis of technology dependence: Personality-moderated pathways to Oral English anxiety in language learning

该研究基于认知负荷理论和自我效能理论，探讨技术依赖与口语英语焦虑的非对称双路径机制，发现心理负担通过放大技术依赖与焦虑的关联增强焦虑，而数字自我效能通过缓冲效应部分抵消焦虑。人格特质（外向性缓解焦虑，神经质加剧焦虑）作为调节变量显著影响路径关系，并通过混合方法验证了非线性交互作用，为开发焦虑敏感的智能教学系统提供理论依据和实践建议。

　　随着人工智能技术的迅猛发展，语言学习的生态系统正在经历深刻变革。然而，尽管技术为学习者提供了便捷的学习工具，如实时语音纠正和神经网络翻译等，但研究发现，技术依赖反而可能导致学习者在面对面交流中表现出回避行为（Aluthman, 2016），并且依赖语法纠正工具的学生会经历显著更高的口语焦虑（Rahimi & Dastjerdi, 2012）。这一现象挑战了传统观点，即技术必然提升学习效果。现有研究大多停留在技术依赖与口语焦虑的表面关联，缺乏对潜在心理机制的深入分析。本文旨在通过整合认知负荷理论、社会认知理论以及自我效能理论，结合特质激活理论，探索技术依赖如何影响口语焦虑，并揭示其背后的复杂心理机制。

### 技术依赖与口语焦虑的关系
技术依赖（TD）是指学习者在语言学习过程中对技术工具的过度依赖，这可能影响他们的学习体验和心理状态。认知负荷理论认为，任务的复杂性与认知过载之间存在关联（Sweller, 1988），而自我效能理论则强调自信与焦虑之间的关系（Bandura, 1997）。然而，如何在技术背景下整合这些理论，仍然是一个未解之谜。本文通过混合方法研究发现，技术依赖与口语焦虑之间存在双重路径的非对称机制。一方面，心理负担（PB）作为互补中介变量，增强了技术依赖与口语焦虑之间的正向关联；另一方面，数字自我效能（DSE）作为竞争中介变量，仅在一定程度上缓解了这种关联，其路径比例为7.83:1。这意味着，虽然技术工具可以提供辅助，但其对焦虑的影响并非单一的正向或负向，而是受到多种因素的调节。

### 人格特质的调节作用
人格特质在技术依赖与口语焦虑的关系中发挥了关键的调节作用。其中，外向性（EX）增强了学习者对技术引发焦虑的抗压能力，而神经质（NEU）则放大了技术依赖对心理负担的影响。外向性个体更倾向于主动使用技术工具，从而在学习过程中建立积极的自我效能感，降低焦虑水平。相反，神经质个体在面对技术依赖时更容易产生负面情绪反应，如焦虑、自我怀疑和对技术使用的压力，从而加剧心理负担。这些发现进一步拓展了特质激活理论在数字学习环境中的应用，揭示了人格特质如何影响个体对技术依赖的适应性。

### 研究方法与数据分析
本文采用了一种混合研究方法，结合结构方程模型（SEM）和机器学习技术，特别是XGBoost-SHAP-PDP模型。SEM用于验证理论假设，而机器学习技术则用于捕捉非线性关系和复杂交互模式。研究数据来源于716名来自北京、上海、广州和重庆的大学学生，这些学生覆盖了中国不同地区的文化背景和教育环境。研究通过问卷调查收集数据，并运用数据清洗和统计分析方法确保数据质量。最终，716份有效问卷代表了样本的79.38%，提供了广泛且深入的分析基础。

### 研究结果与分析
研究结果表明，心理负担在技术依赖与口语焦虑的关系中起着主导作用，其影响远大于数字自我效能。此外，外向性与神经质在这一关系中表现出不同的调节模式：外向性个体在技术依赖背景下显示出更强的抗压能力，而神经质个体则更容易受到技术依赖的负面影响。这些发现不仅揭示了技术依赖与口语焦虑之间的非线性关系，还提供了个性化的干预策略的理论依据。

### 实践意义与未来方向
研究结果对教育实践具有重要指导意义。首先，智能教育系统应具备基于心理负担的适应性调整机制，以减少任务复杂性或提供额外支持。其次，系统应根据学习者的人格特质进行个性化干预：对高神经质的学习者，应提供更多的情感支持和渐进式任务设计；对低外向性学习者，则应增强社交互动元素和同伴支持功能。此外，研究还指出，减少心理负担比单纯提升数字自我效能更为重要，因此教育技术设计应从“功能导向”转向“福祉导向”，优先考虑学习者的心理健康。未来研究可进一步探讨不同学习群体（如学生和在职成人）在技术依赖下的心理反应，以及不同技术平台和学习环境（如在线/离线、同步/异步）对学习效果的影响。同时，研究提出的干预策略仍需通过随机对照试验进行实证验证，以确保其有效性。

### 结论
本文通过理论与数据驱动的方法，揭示了技术依赖与口语焦虑之间的复杂机制，并提出了基于心理负担和人格特质的个性化干预策略。研究不仅为理解技术依赖如何影响口语焦虑提供了新的理论视角，也为设计更符合学习者心理需求的智能教育系统提供了实践指导。未来的研究应更加关注样本的多样性、纵向研究设计以及干预策略的综合效果，以推动教育技术与心理学的深度融合，更好地支持学习者克服口语焦虑，提升英语口语能力。