翻译硕士生学习倦怠的系统性根源：基于社会-制度-近端环境与个人惯习的交互模型

本研究针对人工智能时代翻译硕士(MTI)学生面临的学习倦怠问题，采用扎根理论方法对23名中国MTI学生进行访谈，构建了包含社会环境、制度环境、近端环境和个人惯习四维度的理论模型。研究发现各系统间存在跨层交互作用，首次将"惯习"概念引入生态系统中，为理解技术变革下翻译教育的心理适应机制提供了新视角，对优化MTI培养方案具有重要实践价值。

　　

随着人工智能(AI)技术的迅猛发展，翻译行业正经历前所未有的变革。ChatGPT等大型语言模型(LLM)的崛起，在提升翻译效率的同时，也给翻译专业学生带来了职业前景的不确定性。这种技术冲击与翻译硕士(MTI)项目固有的高强度训练相结合，使得学习倦怠(learning burnout)——表现为情绪耗竭、学习疏离感和成就感降低——成为困扰MTI学生的普遍问题。然而，现有研究多聚焦于医学等专业领域，对MTI学生这一特殊群体的学习倦怠缺乏系统性探讨。

中国某高校的研究团队在《Acta Psychologica》发表的研究填补了这一空白。研究采用扎根理论(Grounded Theory)方法，通过对4所中国高校23名MTI学生的半结构化访谈，构建了首个解释MTI学生学习倦怠的系统理论模型。研究发现学习倦怠是多重环境系统与个人特质交互作用的结果：宏观层面的社会环境（如AI技术冲击、职业前景）、中观层面的制度环境（课程设置、硬件设施）、微观层面的近端环境（师生互动、同伴关系）以及个人惯习(Habitus)共同构成了动态影响网络。特别值得注意的是，研究首次将布迪厄(Bourdieu)的"惯习"概念引入布朗芬布伦纳(Bronfenbrenner)的生态系统理论，揭示了外部环境如何通过塑造学生的持久性 dispositions（如学习习惯、情绪态度）间接影响倦怠发展。

研究采用三级编码技术：开放式编码从593条原始语句中提炼26个初始概念；轴向编码建立10个子类别与4个主类别的关联；选择性编码最终确定"学习倦怠"为核心范畴。样本覆盖英、日、越语方向的笔译与口译学生，通过理论抽样确保数据饱和。

研究结果揭示：1）社会环境方面，AI技术进步与职业前景形成双重压力，78%受访者表示"ChatGPT的翻译能力使我对职业未来产生怀疑"；2）制度环境中，课程与本科重复率高达43.5%，硬件设施落后阻碍AI工具应用；3）近端环境中，教师教学准备不足与同伴"躺平"文化共同削弱学习动机；4）个人惯习成为中介变量，外部压力内化为消极情绪(39%出现焦虑)和被动学习策略。各系统存在显著交互，如技术环境影响职业认知，继而改变学生对课程价值的判断。

该研究在理论上创新性地整合了生态系统理论与社会实践理论：修正了原生态模型中中系统(Mesosystem)的定位矛盾，提出"近端环境"作为独立层次；通过"惯习"系统弥补了生态理论忽视个体能动性的缺陷；同时将布迪厄抽象的"场域"(Field)概念具体化为可操作的教育环境维度。实践层面，研究为MTI项目改革提供路线图：建议院校及时更新AI相关课程，建立心理支持机制，并通过校企合作增强职业信心。研究也警示教育者需平衡AI工具的使用，避免技术依赖导致的核心能力退化。

这项研究不仅拓展了学习倦怠理论的应用边界，更为理解技术革命背景下专业教育的心理适应机制提供了新框架。后续研究可扩大文化比较维度，并采用混合方法进一步验证模型的普适性。在当前AI技术重塑教育生态的关键时期，该成果对保障翻译人才培养质量具有重要启示意义。