生成式人工智能（GenAI）在EFL学习中的“行为投入但动机缺失”（EBA）现象：一项中国高职情境下的质性研究

本综述系统探讨了生成式人工智能（GenAI）在英语作为外语（EFL）教学中引发的“行为投入但动机缺失”（Engaged but Amotivated, EBA）现象。基于自我决定理论（SDT）和多维投入框架，研究揭示GenAI工具在高职学生中虽提升任务完成率，却未能有效激发内在动机，反而可能导致认知负荷与身份认同模糊。该研究为AI教育应用中的动机陷阱提供了重要警示，尤其对低学业准备群体的教学设计具有关键启示。

　　

引言

近年来，生成式人工智能（GenAI）在语言教育领域的整合显著重塑了教与学的实践，尤其在英语作为外语（EFL）学习中表现突出。中国作为全球重要的教育市场，EFL学习者群体迅速增长，与此同时，诸如DeepSeek、Kimi、豆包、学习通和ChatGPT等GenAI工具被广泛引入高等教育体系，作为国家教育现代化战略的一部分。这些工具被寄予厚望，旨在实现个性化教学、提升学习者自主性、增强动机、促进投入并最终改善学习成效。

然而，现有研究多聚焦于普通高校学生，对高职院校（HVCs）这一特殊群体的关注严重不足。高职学生通常在学业背景、学习目标和数字素养方面与大学生存在显著差异，其英语学习往往更注重实用性与考试导向。在这一背景下，本研究提出“行为投入但动机缺失”（EBA）这一新构念，指那些在行为上表现出高参与度——如按时完成任务、频繁使用AI工具——却在动机层面存在严重匮乏的学习者。EBA现象质疑了“可见的投入即等同于有意义学习”的普遍假设，尤其在高职这类低学业准备群体中更具警示意义。

文献综述

2.1 理论框架

自我决定理论（SDT）由Deci和Ryan提出，认为人类动机存在于一个从外部调节到内部调节的连续统上，并受到自主性（autonomy）、能力感（competence）和关联性（relatedness）三种基本心理需求满足程度的影响。尽管GenAI工具被证实可影响EFL学习动机，但频繁的AI使用并不必然反映内在动机。Fredricks等人提出的行为、情感与认知三维投入模型为理解这一现象提供了重要视角：行为指标（如任务完成率）易被系统记录，却可能掩盖情感疏离与认知浅表化的问题。

2.2 “行为投入但动机缺失”（EBA）：一个新构念

EBA学习者表现出持续的行为参与——如任务完成、准时提交、频繁与AI互动——却缺乏相应的内在动机或认同调节。换言之，这些学习者“在做而非真正愿做”。在GenAI支持的环境中，这种行动与动机之间的脱节常被行为参与的高可见性所遮蔽。任务的游戏化、自动化反馈循环和性能跟踪机制可能激励学习者高效完成任务，却未必带来有意义的学习。

EBA不同于经典动机理论中的“动机缺失”（amotivation），后者通常伴随行为上的不参与；也与“表层学习”（surface learning）有所区别，后者虽认知投入有限但仍存在外在动机；它也有别于“表现趋近学习”（performance-approach），后者虽以外在目标为导向但动机水平较高。EBA的独特性在于其将高外显努力与内在动机真空结合在一起。

2.3 中国高职院校：一个关键而未被充分关注的情境

中国高职院校招收超过全国半数的高等教育学生，却常在AI与EFL融合的研究中被忽略。高职学生多数通过高考分流进入职业教育轨道，英语起点较低、学业准备较弱，且对语言学习持实用主义态度。课程设置强调职业技能与资格考试，英语多被视为通关工具而非个人发展的载体。此外，许多学生来自低收入家庭，面临立即就业的压力，传统文化中的“勤奋”“服从”观念可能与AI输出驱动的设计相结合，进一步强化为满足外在期望而学习的行为。

研究方法

本研究采用质性研究设计，选取中国东部一所高职院校的数字媒体专业一年级学生为研究对象，跨越两个学期。通过课堂观察、半结构化访谈（39人）及学习管理系统（LMS）日志等多种方式收集数据，并借助主题分析法对数据进行编码与归纳。研究过程中注重理论框架引导与 emergent theme 的捕捉，兼顾SDT与投入理论的 deductive 编码以及从参与者经验中涌现的 inductive 主题。

研究结果

4.1 表现性参与：作为制度依从的投入

大多数学生使用GenAI工具（如DeepSeek、豆包、Kimi）主要是为了完成学业要求，而非追求有意义的学习。当被问及学习英语的原因时，仅6人提到个人兴趣或沟通目的，其余33人则将学习动机归因于外部因素，如通过考试、获得学分、应对升学转段考试等。在行为上，25名学生自评为“被动”或“较为被动”，仅有6人认为自己是“学习者”，其余则自视为“工具使用者”。这种外在驱动下的参与在制度系统中可能被记录为“积极学习”，但实际上却是一种缺乏主体性的顺从行为。

4.2 动机停滞：认知超载作为障碍

许多参与者报告进入大学后英语学习动机明显下降，这一现象与学业压力增大、任务复杂度提高以及词汇语法困难持续存在有关。尽管部分学生承认英语对考试或就业具有工具性价值，但这些目标常被情感疲劳和焦虑所掩盖。在使用AI工具后，仅8人表示动机增强，12人认为依赖加重，13人感觉“无变化”，少数人甚至动机进一步下滑。尤其对低英语水平者而言，GenAI的使用反而带来认知超载——选择工具、理解输出、操作界面等过程增加了心智负担，使学习体验更显挫败。

4.3 身份模糊性：GenAI作为赋能者与侵蚀者

学生对GenAI在身份建构中扮演的角色表现出矛盾心态。一部分学生认为AI减轻了焦虑、提升了信心，使自己更愿意主动学习；另一方面，相当一部分学生担忧过度依赖会削弱学习的主导感与挑战性，导致动机下降和反思减少。当被问及“若课堂中不再使用AI”时，多数学生表现出焦虑、失落与不便感，如“没有AI我什么也看不懂”“会感到迷失”，反映出AI已深度嵌入其学术习惯。也有少数学生认为脱离AI有助于独立思考和真正进步。

讨论

本研究提出的EBA构念为理解AI增强型EFL学习中的投入与动机关系提供了新视角。研究发现挑战了“GenAI必然提升学习动机”的乐观设想，尤其在高职教育这类重视标准化评估的语境中，AI可能无意间助长表层互动而非深度学习。依赖行为数据进行教学判断显然不足，教育者需结合动机的质性与多维投入评估框架。

GenAI对动机的影响并非单向或必然积极。对于自我调节能力较弱的学习者，AI平台可能引发认知超载和情感疏离。动机水平很可能影响AI使用方式，而非被AI直接提升。同时，AI与学习者身份之间存在张力：虽然部分学生借助AI建立起语言学习的信心，但也有人感到自身能动性被技术替代，批判性思维和学术自主性受到侵蚀。

结论与启示

本研究通过质性地挖掘EBA学生在GenAI支持的EFL课堂中的经验，揭示了行为投入与动机状态之间的复杂关系。GenAI工具虽可高效辅助任务完成，却未必促发内在动机、情感投入或深度身份认同。相反，对于低起点学生，AI可能强化被动学习习惯、加深认知依赖并引发动机衰退。

EBA构念呼吁教育者与技术开发者重新审视AI在教育中的角色。在高职院校这类动机与结构双重不利的环境中，GenAI不应仅作为提升效率与合规性的工具，而应成为培育自主性、意义建构与学习者身份的教学伙伴。未来的AI教育整合需更加关注动机的可持续性与人的全面发展，避免将自动化误译为能动性、以活动代替真实学习。只有跨越这一认知鸿沟，人工智能的教育承诺才能在以人为中心、包容多样的学习环境中真正实现。