即时与延迟AI支持时机对EFL学习者阅读理解表现的影响：一项实验研究

《Journal of Intelligence》：The Effects of Immediate Versus Delayed Timing of AI Support on EFL Learners’ Reading Comprehension Performance: An Experimental Study

　　

人工智能(AI)在第二语言阅读教学中的日益融合，加剧了关于AI介导的支持是促进理解还是减少独立意义建构所需认知努力的争论。尽管先前研究普遍报告AI辅助阅读的积极效果，但对阅读过程中支持时机的关注有限。本研究考察了即时与延迟AI支持是否会对EFL学习者的阅读理解表现产生不同影响。研究采用前测-后测实验设计，涉及90名本科EFL学习者，随机分配到三种教学条件：即时AI支持、延迟AI支持和无支持对照组。干预为期十周，使用在受控教学条件下实施的AI辅助阅读任务。阅读理解表现通过经过验证的前测和后测工具测量，评估字面理解、推断理解和整体理解。心理测量学验证程序结合经典测量理论(CTT)和项目反应理论(IRT)，支持了工具的信度和测量充分性。单因素方差分析显示三种教学条件之间存在统计学显著差异，F(2, 87) = 18.679, p < .001, η² = 0.301。事后比较表明，接受延迟AI支持的学习者在后测阅读理解得分上显著高于即时支持组和无支持组。接受即时AI支持的学习者也优于无支持组。研究结果表明，AI辅助阅读的效果因阅读过程中解释性支持何时可用而变化。延迟AI支持比即时支持和无支持阅读产生更强的阅读理解表现，表明支持时机是塑造AI介导阅读环境中理解表现的重要条件。

### 研究背景与问题

人工智能(AI)在第二语言阅读教学中的快速渗透引发了关于其作用的争论：AI支持既能促进理解，也可能降低学习者独立建构意义所需的认知努力。在英语作为外语(EFL)教学中，阅读能力的发展依赖学习者在有限语言资源下进行推断、解决词汇缺口、整合文本信息与先验知识。以往研究多聚焦于AI支持的有无、类型及学习者的总体表现，却较少将“支持时机”作为系统考察的变量。即，当AI提供的解释性支持是在阅读过程中即时呈现，还是在学习者先独立阅读后再提供，会对阅读理解产生何种不同影响？这一理论缺口限制了人们对AI辅助阅读机制的理解，也削弱了教学整合的指导依据。

### 研究设计与总体发现

为回答这一问题，研究人员在《Journal of Intelligence》上报告了一项实验研究。该研究采用前测-后测实验设计，从F?rat大学的英语教学项目中招募90名本科EFL学习者，随机分为即时AI支持组、延迟AI支持组和无支持对照组。干预持续十周，共20次阅读任务。阅读材料为学术性说明文，难度与长度在各组间保持平衡。AI支持系统采用ChatGPT（GPT-5.2；OpenAI），参与者通过网页界面进行词汇查询、句意解释、文本概括和理解澄清。即时组在阅读过程中及答题时可随时使用AI；延迟组则先独立阅读，完成阅读任务后才可接触AI；对照组全程不使用AI。实验前后均使用包含字面、推断和整体理解三个维度的10题阅读理解测试进行评估。结果显示，延迟AI支持组的后测成绩最高，即时组居中，无支持组最低。

### 主要技术方法

研究以90名本科EFL学习者为样本（来自F?rat大学，采用便利抽样，年龄20–26岁）。关键方法包括：第一，采用前测-后测随机实验设计，控制前测成绩以比较三种条件；第二，使用ChatGPT作为AI支持工具，并标准化使用规则；第三，对阅读理解测试进行心理测量学验证，结合经典测量理论(CTT)和项目反应理论(IRT)，在R 4.3.1中用mirt包建模，分析项目难度、区分度、信度和信息曲线；第四，使用IBM SPSS Statistics 29进行统计分析，先检验ANCOVA假设，再进行协方差分析(ANCOVA)，以Bonferroni校正进行事后比较。

### 研究结果

**4.1 阅读理解测试的验证**
通过对157名相似EFL学习者构成的独立样本进行前测工具的心理测量学验证，CTT分析显示项目难度范围0.291–0.826，点双列相关均高于0.30，Cronbach’s α为0.762；IRT分析中难度估计为?1.625至1.407，区分度为0.742至1.654，拟合统计量均在可接受范围。项目特征曲线、信息曲线和人员-项目映射图均表明，该工具能有效区分不同能力水平的学习者，尤其对中低至中等能力水平测量精度较高。

**4.2 初步分析**
在进行假设检验前，研究人员检验了ANCOVA的前提条件。Shapiro–Wilk检验支持残差正态性(W = 0.989, p = .673)，Levene’s检验支持方差齐性(F(2, 87) = 0.091, p = .914)，前测与后测的关系呈线性(F(1, 85) = 0.741, p = .392)，且回归斜率同质性成立(F(2, 84) = 0.440, p = .646)。诊断图进一步确认这些假设得到满足。

**4.3 假设检验**
ANCOVA结果显示，控制前测成绩后，教学条件对后测阅读理解有显著影响，F(2, 86) = 28.36, p < .001，偏η² = 0.397。调整后边缘均值显示，延迟支持组最高(M = 8.41, SE = 0.19)，即时支持组次之(M = 7.50, SE = 0.19)，无支持组最低(M = 6.36, SE = 0.19)。Bonferroni事后比较表明，延迟支持显著优于即时支持(MD = 0.91, p = .004)和无支持(MD = 2.05, p < .001)，即时支持也显著优于无支持(MD = 1.14, p < .001)。四个假设均获得支持。

### 讨论与结论

讨论部分指出，延迟AI支持组的最优表现可能源于学习者在独立阅读阶段被迫先行尝试解决词汇和意义障碍，或对其理解困难形成了更清晰的意识，从而更有针对性地使用AI；而即时支持可能导致注意力在文本与AI之间频繁切换。不过，该研究未直接测量认知负荷、元认知加工等过程变量，因此这些解释属于理论合理推断，而非实证验证。同时，两个AI支持组均优于无支持组，说明AI支持总体上能缓解二语阅读中的理解困难。研究的重要意义在于：AI支持的教学价值不仅取决于其存在，更取决于它在阅读过程中何时介入。这一发现对AI辅助阅读任务的设计具有直接启示：先让学习者独立尝试理解，再提供AI支持，可能比即时提供解释更有利于阅读理解表现。

结论部分可以概括为：本研究考察了AI支持时机（延迟、即时、无支持）对EFL学习者阅读理解表现的影响。三组之间存在显著差异，延迟AI支持产生了最强的后测阅读理解表现，其次是即时支持，无支持最弱。结果表明，AI辅助阅读的教学价值与解释性支持在理解过程中出现的阶段密切相关。尽管研究未直接检验内在认知机制，但在实验条件下，延迟AI支持高于即时支持和无支持，即时支持也优于无支持。这些发现表明，在设计EFLL学习者的AI辅助阅读活动时，支持时机是一个重要的教学考量因素。