基于生成式人工智能的发音反馈与英语交际意愿之间的关联：英语发音自我效能感的中介作用

《Frontiers in Psychology》：Associations between generative AI–based pronunciation feedback and willingness to communicate in English: the mediating role of English pronunciation self-efficacy

　　

本研究依托社会认知理论（Social Cognitive Theory），考察学习者对基于生成式人工智能（GenAI）的发音反馈的感知与其英语交际意愿（WTC）之间的关联，并将英语发音自我效能感（English pronunciation self-efficacy）视为潜在中介变量。研究人员采用横截面调查设计，从1,701名中国大学英语作为外语（EFL）学习者的便利样本中收集数据。运用基于协方差的结构方程模型（CB-SEM）和偏差校正自助法（bias-corrected bootstrapping）检验假设关系及中介效应。结果显示，对基于GenAI的发音反馈的积极感知与更高的英语交际意愿显著相关。英语发音自我效能感部分中介了该关联，间接效应占总效应的69.9%，而直接效应仍然显著。这些发现表明，发音自我效能感是将对GenAI反馈的感知与交际意愿联系起来的重要但非唯一的心理机制。基于GenAI的反馈也可能通过其他机制（如降低交际焦虑和增强心理安全感）与交际意愿相关。通过将基于GenAI的反馈概念化为技术中介的环境影响，将发音自我效能感视为个人认知因素，本研究将社会认知理论的应用扩展到中国EFL语境，并为智能反馈技术如何支持学习者英语交际准备提供了新见解。

**论文解读：基于生成式人工智能发音反馈与英语交际意愿的关系——英语发音自我效能感的中介作用**

### 研究背景与问题
在第二语言习得领域，交际意愿（WTC）被定义为个体在特定时刻使用第二语言与特定对象或群体发起交流的准备状态，是连接语言能力与实际交际行为的关键心理纽带。大量研究表明，英语作为外语（EFL）学习者的交际意愿与学习投入、学业成绩、口语产出频率及整体二语使用显著相关。然而，在中国EFL语境中，学习者课外缺乏真实、持续的英语使用机会，课堂成为主要甚至唯一的语言输入与输出场所。在此背景下，教师或同伴的反馈是影响学习者情绪体验、自我评估能力及交际动机的关键外部因素。支持性、精确且实用的反馈能增强自信、降低语言焦虑，从而提升交际意愿。

近年来，生成式人工智能（GenAI）工具逐渐融入外语教学，在提供即时、可重复、个性化且低压力感的反馈方面展现出独特优势。然而，现有研究多聚焦于GenAI对语言准确性和流利性的提升，对其如何影响学习者交际意愿的探讨尚不充分。同时，虽有研究证实一般语言自我效能感与交际意愿相关，但针对发音自我效能感（EPSE）的研究较少，而在中国EFL语境中，发音常被视为语言能力的重要标志，且因应试教育导向和口语练习机会匮乏，学习者普遍存在“哑巴英语”现象——即因担心发音不准影响可理解性而不敢开口。因此，探究GenAI发音反馈、英语发音自我效能感与交际意愿之间的关系具有重要理论与实践意义。

### 研究内容与结论
本研究基于社会认知理论（Bandura, 1986），将GenAI发音反馈视为技术中介的环境影响，将英语发音自我效能感视为个人认知因素，构建中介模型，检验EPSE在GenAI反馈感知与英语交际意愿之间的中介作用。研究采用横截面调查设计，从中国某大学1,701名EFL学习者的便利样本中收集数据（样本来源注明：中国大学EFL学习者）。通过基于协方差的结构方程模型（CB-SEM）和偏差校正自助法（5,000次重抽样）分析数据。结果显示：GenAI反馈与EPSE显著正相关（β=0.607, p<0.001），EPSE与交际意愿显著正相关（β=0.661, p<0.001），GenAI反馈与交际意愿的直接效应仍显著（β=0.173, p<0.001）。中介效应分析表明，EPSE部分中介了GenAI反馈与交际意愿的关系，间接效应占总标准化效应的69.9%。该研究扩展了社会认知理论在中国EFL语境中的应用，为智能发音反馈技术促进学习者口语交际准备提供了新见解。论文发表在《Frontiers in Psychology》。

### 主要关键技术方法
本研究采用定量横截面调查设计，通过自填问卷收集数据。样本来源为中国大学EFL学习者，采用便利抽样法，最终有效样本1,701人（男性794人，女性907人；农村生源1,279人，城市生源422人）。测量工具包括：GenAI发音反馈感知量表（Zhong等，2025，含准确性、严格性、清晰性、个性化四个维度，16题），英语发音自我效能感量表（Yang，2023，含音段特征和超音段特征两个维度，9题），以及L2交际意愿量表（Lee等，2021，5个情境题项）。数据分析分三步：先进行描述统计与皮尔逊相关分析；再通过CB-SEM评估模型拟合（使用SmartPLS 4，拟合指标：χ2/df=9.406, RMSEA=0.070, SRMR=0.009, CFI=0.988, TLI=0.984, GFI=0.960），并检验组合信度（CR）、平均方差提取量（AVE）和异质-单质比率（HTMT）以验证收敛效度和区分效度；最后采用偏差校正自助法（5,000次重抽样）进行路径分析和中介效应检验。

### 研究结果
**4.1 初步分析**
描述性统计显示，参与者对GenAI发音反馈的感知总体积极（均值M=4.13，标准差SD=0.79），英语发音自我效能感（M=3.75，SD=0.87）和交际意愿（M=3.77，SD=0.86）均处于中等水平。相关分析表明，三个构念之间存在显著正相关（r=0.562~0.739, p<0.01）。

**4.2 结构模型拟合**
通过CB-SEM检验假设模型，各项拟合指标显示模型整体可接受：RMSEA=0.070（<0.08），SRMR=0.009（<0.08），CFI=0.988，TLI=0.984，GFI=0.960。χ2/df=9.406虽偏高，但研究者指出卡方对样本量敏感，其余指标支持模型拟合。收敛效度与区分效度良好：CR值在0.949~0.977之间，AVE值在0.893~0.909之间，HTMT值均低于0.85。

**4.3 路径分析**
偏差校正自助法路径分析结果显示：EPSE对交际意愿的路径系数显著（B=0.665, β=0.661, p<0.001）；GenAI反馈对EPSE的路径系数显著（B=0.655, β=0.607, p<0.001）；GenAI反馈对交际意愿的直接效应显著（B=0.188, β=0.173, p<0.001）。所有假设直接路径均得到支持。

**4.4 中介分析**
EPSE的中介效应显著（B=0.436, β=0.401, 95% CI [0.390, 0.490], p<0.001），表明较高的GenAI反馈感知与较高的EPSE相关，进而与较高的交际意愿相关。

**4.5 总效应**
GenAI反馈对交际意愿的总效应显著（B=0.624, β=0.574, p<0.001），其中间接效应占69.9%，直接效应占30.1%。

### 讨论与结论
讨论部分总结：研究结果支持社会认知理论，表明GenAI反馈作为技术中介的环境因素，主要通过增强学习者的发音自我效能感来提升交际意愿。EPSE解释了约69.9%的总效应，而直接效应虽显著但较小，提示其他心理机制（如降低交际焦虑、增强心理安全感、提升学习动机等）可能也起作用。该发现强调，在“哑巴英语”普遍的中国EFL语境中，GenAI发音反馈通过提供即时、个性化、低压力感的练习环境，有助于塑造学习者的自我效能信念，从而促进口语交际意愿。

研究结论部分翻译：
本研究探讨了基于生成式人工智能的发音反馈与学习者英语交际意愿之间的关系，特别关注英语发音自我效能感的中介作用。结果表明，学习者对GenAI发音反馈的积极感知主要通过增强发音自我效能感与更高的交际准备状态相关联，间接效应占总效应的69.9%，而剩余的直接效应虽显著但相对较小（β=0.173）。从社会认知视角对这些关系进行框架化，突显了在EFL语境中技术可供性、学习者信念与交际行为之间的复杂交互作用。尽管本研究存在方法学局限，但发现强调了GenAI支持的发音反馈作为促进口语参与的有价值工具，尤其在低风险口语练习机会有限的环境中。