可视化生成式AI反馈提升EFL写作质量：基于认知情感学习理论的修订效果与情绪响应研究

随着生成式AI(GenAI)在EFL写作辅助中的广泛应用，传统文本反馈存在认知负荷高、情绪体验差的问题。本研究基于认知情感学习理论(CATLM)，开发了具备可视化反馈功能的写作聊天机器人，通过准实验设计(N=60)发现：可视化组在文本连贯性(CC)提升(Δ1.333分)、负面情绪(ANX/Boredom)降低和认知负荷(CL)减轻方面显著优于纯文本组，为构建情感支持型AI学习环境提供了实证依据。

　　

在人工智能技术迅猛发展的当下，生成式AI(GenAI)聊天机器人正在重塑英语作为外语(EFL)写作教学的面貌。尽管ChatGPT等工具能提供即时反馈，但单调的文本输出形式往往让学习者陷入认知超载的困境，甚至引发写作焦虑(ANX)和倦怠情绪。更棘手的是，现有研究大多聚焦于反馈内容本身，却忽视了信息呈现形式对学习效果的关键影响——这正是认知情感学习理论(CATLM)强调却未被充分探索的领域。

针对这一空白，西安交通利物浦大学的研究团队开展了一项创新研究。他们基于10位雅思教师的真实批改流程，自主开发了两种GenAI写作聊天机器人：对照组采用常规文本反馈，实验组则整合了色彩编码、表格化排版等可视化设计元素。通过2×2准实验设计，研究人员系统考察了60名中级水平EFL学习者在两种反馈模式下的写作修订质量、情绪变化和人机交互体验。

研究发现，可视化反馈组在文本连贯与衔接(CC)指标上展现出显著优势，修订后分数提升达1.333分，较对照组高出0.6分。这种提升被归因于色彩标记和结构化呈现有效降低了认知负荷(CL降低20.3%)，使学习者能更高效地处理语篇层面的修订任务。在情绪维度，可视化组学员的写作焦虑(ANX)和无聊感降幅分别达到24%和26%，印证了CATLM理论中情感设计对认知加工的促进作用。值得注意的是，两组在教师相似度(TL)和满意度(SA)上无显著差异，表明反馈流程设计而非单纯界面美化才是提升体验的核心。

关键技术方法包括：1)基于雅思评分标准开发AI评分模块，经专家验证ICC>0.85；2)采用混合实验设计(前测-后测×反馈模式)，通过RStudio进行混合ANOVA分析；3)使用5点Likert量表测量认知负荷(CL)、情绪指标(ANX/ENY/CON)等心理变量。

主要研究结果揭示：

1. 修订质量提升：可视化组在CC维度表现突出(η2=0.08)，平均分从5.9跃升至7.233，证实色彩标记能强化语篇结构认知。
2. 情绪响应改善：ANX(p=0.034)和Boredom(p=0.024)显著降低，暖色调设计产生积极情绪唤醒。
3. 认知负荷优化：可视化组CL得分降低0.646分(d=0.88)，结构化布局减少了信息整合负担。

这项研究首次将CATLM理论框架应用于GenAI写作反馈设计，证实可视化元素可通过"认知-情感"双路径提升学习成效。其现实意义在于：为教师提供了减轻批改负担的新工具，为开发者指明了界面优化方向——未来GenAI教育产品应超越单纯的内容生成，注重多媒体学习原则的整合。研究也留下开放性问题：如文化因素对色彩感知的影响，以及长期使用中可视化效果的持续性，这些都将成为后续研究的重要切入点。