《Sage Open》：Generative AI Chatbots in Writing Education (2023–2025): A Systematic Review of Research
编辑推荐：
生成式人工智能（Generative AI，GenAI）聊天机器人在写作教育中的应用日益增多，引发了日益增长的研究兴趣；然而，关于其在不同语言和学习情境中对写作技能发展的应用，所受关注仍然有限。为弥补这一空白，本系统综述分析了关于使用人工智能聊天机器人支持写作
生成式人工智能（Generative AI，GenAI）聊天机器人在写作教育中的应用日益增多，引发了日益增长的研究兴趣；然而，关于其在不同语言和学习情境中对写作技能发展的应用，所受关注仍然有限。为弥补这一空白，本系统综述分析了关于使用人工智能聊天机器人支持写作技能的实证研究。在PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）协议指导下，对2023年至2025年中期发表的48项研究进行了系统分析，以识别出版特征、研究设计及所用技术。研究结果显示，研究兴趣迅速增长，其中ChatGPT成为最常被考察的工具，本科英语作为外语（English as a Foreign Language，EFL）学生是最常见的参与者群体。大多数研究采用混合方法（mixed-methods）设计，使用单一聊天机器人调查学习者感知。聊天机器人主要被用作对话伙伴和反馈提供者，而其作为评估者或资源提供者的潜力尚未得到充分探索。此外，部分研究对研究情境和参与者特征的报告不足，限制了其可解释性。本综述识别了方法和设计上的局限，指出了现有文献中的空白，并为人工智能辅助写作教育的未来研究提供了实证见解。
论文主体部分内容总结
引言
引言部分界定了聊天机器人的概念，即一种能够通过自然语言与用户交互并处理用户输入的话语软件程序。早期聊天机器人因基于预定义指令集运行而功能受限，无法回答程序化知识之外的新问题。然而，随着自然语言处理和机器学习技术的整合，聊天机器人已变得更加复杂和类人化，能够模拟规划、决策、问题解决和逻辑推理等人类心智能力。典型的生成式人工智能工具包括ChatGPT、Gemini（原Bard）、DeepSeek和Copilot。在语言教育领域，人工智能聊天机器人可充当助手或伙伴，提供个性化反馈和学习材料，并提升学习自我效能感。与传统语言学习工具相比，AI聊天机器人具有全天候可用、信息量更大、可处理重复性任务等优势，并可在语言教育中扮演对话练习、写作辅助、评估与反馈、研究与信息汇编以及教师日常事务和材料开发等多种角色。
现有实证研究表明，AI聊天机器人可用于提升听说技能、词汇习得、读写技能和语法能力。同时，这类工具也存在局限性，包括伦理关切、对评估可能产生的负面影响、对用户的误解导致不准确回答、过度依赖以及妨碍真实人际交流等。以往综述大多考察聊天机器人在语言教育中的总体应用，较少聚焦于写作这一特定技能；部分综述仅关注英语或ChatGPT这一特定技术。因此，本研究旨在涵盖多种AI聊天机器人和多种语言，专门考察其在写作技能发展中的应用，以此弥补上述空白。研究借鉴Jeon等人（2023）的框架，从出版信息、研究设计和工具使用三个维度提取信息，并围绕三个研究问题展开：已发表研究的基本出版信息、研究设计和所使用的技术工具。
方法论
本系统综述基于PRISMA指南实施，包括系统数据库检索、文献筛选、选择和数据综合。数据收集于2025年6月进行，使用Web of Science作为索引数据库，以及Wiley和Taylor & Francis两个主要出版商平台。检索字符串结合了布尔运算符，包含与聊天机器人、生成式AI、大语言模型以及写作技能相关的多个关键词。
文献筛选依据五项纳入标准：使用现有AI聊天机器人或在研究中开发聊天机器人、在语言学习领域开展、聚焦写作技能、可获取全文、以英文撰写。截至2025年6月，共从三个来源获得406条记录。经过去重（n=20）、排除非英文文献（n=7）和无法获取全文的文献（n=201）后，剩余178条记录进入筛选阶段。通过阅读标题和摘要并对照纳入标准，进一步排除了130条记录（其中35项未涉及聊天机器人，62项与语言学习无关，33项未聚焦写作技能），最终纳入48项研究。
数据提取采用Jeon等人（2023）编码方案的修改版本，该方案包含出版信息、设计和技术三个维度。出版信息包括出版年份和期刊；设计维度涵盖研究焦点、聊天机器人使用地点、方法论、小组设计格式、参与者人数、参与者教育水平、干预持续时间和目标语言，并增加了参与者性别、年龄、第一语言和研究地点等类别；技术维度包括设备类型和聊天机器人角色，并增加了聊天机器人名称。数据编码由两位应用语言学家独立完成，通过迭代比较解决分歧直至完全一致。
结果
在出版特征方面，多数研究（n=30）发表于2024年，2023年和2025年各仅有九项研究。研究来自35种期刊，其中《Computer Assisted Language Learning》刊载数量最多（n=5）。多数期刊直接与语言学习或教育技术相关，但也有少数来自其他领域。
在研究设计方面，50%的研究具有单一焦点，其余研究涉及多个焦点领域。最常见的总体焦点是对聊天机器人使用的感知，27%的研究将其作为唯一焦点，另有50%的研究将其纳入多焦点设计。在研究地点上，中国的研究数量最多（n=16），其次为美国（n=5）和土耳其（n=4）。聊天机器人使用地点在23项研究中未作说明，另有七项研究不适用该类别。在有报告的18项研究中，多数在教室内使用（n=11），六项在课外使用，仅有一项同时涵盖课内外。在方法论上，混合方法最为常见（n=23），其次是定性方法（n=16）和定量方法（n=9）。多数研究（n=28）采用单一聊天机器人设计，其余研究将聊天机器人与人类、其他聊天机器人模型、传统材料、混合系统或网站进行比较。参与者特征方面，多数研究（65%）聚焦本科生，另有11%的研究同时包括本科生和研究生，6%仅关注研究生。参与者年龄在20项研究中未作说明，已报告研究的年龄范围从10岁到43岁。17项研究未报告参与者性别。13项研究未说明参与者第一语言，在已报告的研究中，中文为最常见的参与者第一语言（n=14）。83%的研究考察了聊天机器人在学习者第一语言之外的语言学习中的使用，最常见的目
