从个人最佳目标到AI辅助语言学习中的学习投入:成就目标理论视角
《Learning and Motivation》:From personal best goals to engagement in AI-supported language learning: The achievement goal theory perspective
【字体:
大
中
小
】
时间:2026年09月19日
来源:Learning and Motivation 4.4
编辑推荐:
摘要
本研究基于成就目标理论,探讨了个人最佳成绩目标与大学生在AI支持的语言学习中的参与度之间的关联。研究进一步检验了动机、心流和自我效能的中介作用,同时探索了导致高参与度的多种组态。对687名有AI工具语言学习经验的大学生进行了横截面问卷调查。首先运用结构方程模型(SEM
摘要
本研究基于成就目标理论,探讨了个人最佳成绩目标与大学生在AI支持的语言学习中的参与度之间的关联。研究进一步检验了动机、心流和自我效能的中介作用,同时探索了导致高参与度的多种组态。对687名有AI工具语言学习经验的大学生进行了横截面问卷调查。首先运用结构方程模型(SEM)检验变量之间的直接与间接关系,随后采用模糊集定性比较分析(fsQCA)识别高参与度的替代路径。SEM结果显示,个人最佳成绩目标与动机、心流、自我效能及参与度均呈正相关。动机、心流和自我效能也与参与度正相关,并各自在个人最佳成绩目标与参与度之间起中介作用。fsQCA结果识别出四种高参与度的充分组态,表明学生可能通过成就目标与心理状态的不同组合实现高参与度。这些发现拓展了AI支持语言学习研究,突出了自我参照型成就追求在塑造学习者参与度中的重要作用。
引言
人工智能(AI)日益成为语言教育的重要组成部分,支持多样化的语言练习、反馈、教学设计和技术中介学习(Chen and Wang, 2026, Chen et al., 2026, Fu et al., 2026, Shi et al., 2026, Wang et al., 2026, Wang, 2026; Wang et al., 2026; Wang & Wang, 2026)。在高等教育中,AI支持的语言学习为语言练习超越传统课堂边界和支持学生自主学习创造了新的可能性(Wang and Guo, 2026, Yang, 2026, Zhang and Liu, 2026)。本研究中,AI支持的语言学习泛指学习者使用基于AI的工具或平台(包括生成式AI及其他AI赋能应用程序)来支持练习、互动、反馈和学习调节的语言学习活动。因此,学习者在AI支持环境中的参与度已成为关键问题,通常被概念化为涵盖行为、认知、情感和社会维度(Liu et al., 2025, Wang and Wang, 2024, Wang et al., 2026, Zhang and Liu, 2026)。近期研究已考察了技术增强和AI支持的语言学习环境中参与度的不同维度(Guo and Tang, 2026, Hoi and Le Hang, 2021, Liu et al., 2025; Wang & Wang, 2024; Wang, Gao & Liu, 2026; Wang, Gao & Reynolds, 2026),相关研究还进一步强调了学习者在数字化中介学习活动中的情感和社会投入(Shi and Derakhshan, 2026, Wang et al., 2026; Wang & Wang, 2026;Zhang & Zhou, 2026)。现有研究还考察了与数字化和AI支持学习相关的各种技术、动机和情感因素(Wang et al., 2025, Wang et al., 2026, Wang and Shi, 2026, Yang and Kyun, 2022),近期研究进一步强调了动机信念、自我效能和成就相关取向在学生参与AI支持学习中的作用(Liu and Fan, 2026, Liu et al., 2023, Shi et al., 2026, Tian et al., 2026, Wang and Guo, 2026, Xi and Xue, 2026, Yang et al., 2025)。然而,自我参照型成就追求如何通过不同的动机、体验和胜任感相关过程与参与度相关联,理论上仍不够清晰。现有变量中心的证据也有限地揭示了这些心理状态的不同组合是否与同样高水平的参与度相关联。这一差距之所以重要,是因为AI支持的语言学习要求学习者调节自己的目标、维持努力,并将技术可供性转化为有意义的学习体验(Fathi and Rahimi, 2026, Liu and Cheng, 2026, Pack and Maloney, 2023)。因此,需要进一步研究以阐明连接成就目标与AI支持语言学习参与度的心理机制和组态路径。
为弥补这些差距,本研究考察了个人最佳成绩目标与AI支持语言学习参与度之间的关系,并检验了动机、心流和自我效能的中介作用。在方法论上,本研究结合结构方程模型(SEM)和模糊集定性比较分析(fsQCA),提供互补的变量中心和组态证据。SEM考察焦点构念之间的直接与间接关联,而fsQCA识别与高参与度相关联的个人最佳成绩目标、动机、心流和自我效能的替代组合。通过整合这些视角,本研究考察了关联的一般模式以及参与度的异质路径。在此过程中,本研究将自我参照型成就追求作为理解AI支持语言学习中学习者参与度的重要视角加以突出(Liu et al., 2026)。
本研究以成就目标理论为基础,该理论解释了学习者的成就相关目标如何与其动机、学习体验、胜任感信念和参与度相关联(Cai and Liu, 2025, Pintrich, 2000)。在此理论视角下,个人最佳成绩目标代表一种自我参照型的成就追求,强调相对于自身以往表现的提升,而非与他人的比较(Urdan & Kaplan, 2020)。这种取向在理论上与AI支持的语言学习相关,因为个性化反馈和反复练习可以为学习者提供反复监控自身相对于以往表现进步的机会,设定改进导向的标准,并维持持续努力(Bardach et al., 2020)。因此,成就目标理论为检验自我参照型成就追求是否与AI支持语言学习中的动机、学习体验、胜任感信念和参与度相关联提供了一个有用的视角。
所提出的模型包含五个构念:个人最佳成绩目标、动机、心流、自我效能和参与度。个人最佳成绩目标捕捉自我参照型的改进追求(Benlahcene, 2022)。动机、心流和自我效能分别代表AI支持语言学习中的动机、体验和胜任感相关方面(Wang and Liu, 2026, Hong et al., 2017, Kutuk et al., 2023)。参与度指学生在此类学习活动中的行为、认知、情感和社会投入(Wang & Wang, 2024)。因此,该模型考察个人最佳成绩目标是否通过这三个理论上区分开的心理过程直接与间接地与参与度相关联。
个人最佳成绩目标可能在促进参与度方面发挥核心作用,因为它们鼓励学习者根据自己以往的表现来评估学习(Martin & Elliot, 2016)。在AI支持的语言学习中,具有强烈个人最佳成绩目标的学生更可能将AI工具作为自我提升、寻求反馈和持续练习的资源(Xi and Xue, 2026, Zhao and Yang, 2026)。这些学生不会将AI支持的学习视为被动或任务完成活动,而是可能积极投入努力、监控进步并追求更高水平的语言表现(Cheng et al., 2026)。因此,预期个人最佳成绩目标与AI支持语言学习中的参与度正相关(Xi & Xue, 2026)。当学生力求超越以往成就时,他们可能表现出更强的行为参与、更深入的认知加工、更大的情感投入以及更主动地互动学习资源(Yu & Martin, 2014)。这一推理表明,个人最佳成绩目标可能是AI支持语言学习参与度的重要前因。
动机在AI支持的语言学习中至关重要,因为学生在使用AI工具时通常需要发起、维持和调节自己的学习活动(Hong and Guo, 2025, Hsu et al., 2024)。个人最佳成绩目标可能通过为学习者提供明确的自我改进方向和鼓励他们将AI支持的学习视为实现更好个人表现的路径来增强动机(Kormos et al., 2011)。因此,那些旨在超越以往成就的学生更可能产生更强的内在和外在理由来参与AI支持的语言学习(Najafzadeh et al., 2018, Sun et al., 2026)。进而,动机可能增强参与度,因为动机强烈的学习者更愿意在时间、精力、注意力和情感能量方面投入学习活动(Li et al., 2022)。在AI支持的语言学习中,动机强烈的学生也更可能探索AI功能、完成学习任务并维持积极参与(Zhang, 2025)。因此,动机可能作为连接个人最佳成绩目标与参与度的重要心理机制发挥作用。
心流在AI支持的语言学习中也很重要,因为AI工具能够提供互动性、适应性和即时性的学习体验,这有助于集中注意力和沉浸(Liu and Song, 2021, Tang, 2026)。个人最佳成绩目标可能通过鼓励学习者设定有意义的挑战并深度参与帮助他们改进以往表现的任务来促进心流(Liem et al., 2012)。当学生追求自我参照型改进时,他们更可能在AI支持的语言学习期间体验到集中注意、感知控制和深度投入(Phan & Ngu, 2022)。进而,心流可能有助于参与度,因为深度沉浸在学习活动中的学习者倾向于更积极地参与并坚持更长时间(Gao et al., 2025)。在AI支持的语言学习中,心流可以将技术互动转化为有意义的学习体验,从而增加学生的认知和情感参与度(Yang & Du, 2025)。因此,心流可能作为个人最佳成绩目标增强参与度的体验性路径发挥作用。
自我效能是AI支持语言学习中的关键心理因素,因为学生对自己完成学习任务能力的信心可能决定他们是否主动使用AI工具并坚持学习(Lyu and Salam, 2025, Sun et al., 2025)。个人最佳成绩目标可能通过将学生的注意力引导至渐进式进步和以往改进,而非固定能力或外部比较,来增强自我效能(Ismail & Heydarnejad, 2023)。当学习者认识到在AI工具的支持下他们可以表现得比过去更好时,他们可能会发展出更强的语言学习能力信念(Saks, 2024)。自我效能可能进一步促进参与度,因为自信的学习者更可能积极参与、投入认知努力并在面对困难时坚持(Alemayehu & Chen, 2023)。在AI支持的语言学习中,自我效能较高的学生更愿意尝试AI资源并利用反馈改进表现(Luo et al., 2023, Sun et al., 2026)。因此,自我效能可能代表连接个人最佳成绩目标与参与度的胜任感相关机制。
综合而言,本研究提出了一个理论模型,其中个人最佳成绩目标通过动机、心流和自我效能直接与间接地促进学生参与AI支持的语言学习。基于成就目标理论,本研究认为学生的自我参照型成就追求可以激活支持持续参与度的动机、体验和胜任感相关过程。为检验该模型,提出以下假设:
H1:个人最佳成绩目标正向预测学生在AI支持语言学习中的参与度。
H2:个人最佳成绩目标正向预测学生在AI支持语言学习中的动机。
H3:个人最佳成绩目标正向预测学生在AI支持语言学习中的心流。
H4:个人最佳成绩目标正向预测学生在AI支持语言学习中的自我效能。
H5:动机正向预测学生在AI支持语言学习中的参与度。
H6:心流正向预测学生在AI支持语言学习中的参与度。
H7:自我效能正向预测学生在AI支持语言学习中的参与度。
H8:动机在个人最佳成绩目标与AI支持语言学习参与度之间起中介作用。
H9:心流在个人最佳成绩目标与AI支持语言学习参与度之间起中介作用。
H10:自我效能在个人最佳成绩目标与AI支持语言学习参与度之间起中介作用(见图1)。
研究片段
参与者
最终分析样本包含687名大学生。符合参与资格的条件是:目前在高等教育机构注册就读,有使用AI赋能的工具或平台支持语言学习的经验,并在完成问卷前提供自愿知情同意。资格标准基于AI支持语言学习的先验经验,而非特定AI应用程序的使用、频率阈值、使用时长或预定义标准。
测量模型
表1呈现了AI支持语言学习中个人最佳成绩目标、动机、心流、自我效能和参与度的测量模型评估。所有五个构念均表现出令人满意的内部一致性,组合信度(CR)系数超过推荐阈值0.70。其平均方差提取量(AVE)值也均高于0.50,表明每个构念都对其指标解释了足够比例的方差,因此SEM...
SEM发现:连接个人最佳成绩目标与参与度的线性机制
SEM研究结果为个人最佳成绩目标如何与学生在AI支持语言学习中的参与度相关联提供了一个连贯的解释。总体而言,个人最佳成绩目标与参与度呈正相关,而这一关系进一步通过动机、心流和自我效能得到解释。这些发现表明,力求超越以往表现的学生可能不仅仅是更频繁地参与AI支持的学习活动;相反,他们可能...
研究总结
本研究考察了大学生在AI支持语言学习中个人最佳成绩目标、动机、心流、自我效能与参与度之间的关系。
基于成就目标理论,该研究提出了一个模型,其中个人最佳目标通过三种心理机制与投入度直接和间接相关。结构方程模型结果显示,个人最佳目标与动机、心流、自我效能感和投入度呈正相关。作者贡献所有作者均实质性参与了研究和论文撰写工作。此外,所有作者均已批准最终论文。CRediT作者贡献声明YuanYuan Zhang:撰写—初稿撰写,方法论,概念构思。Changshuang Zhou:撰写—审阅与编辑,调查。伦理声明已获得所有参与者或其法定代理人参与本研究及发表文章的书面知情同意。已遵守参与者的隐私权利。本研究是在研究所在地遵守相关法律、法规框架和指南的情况下进行的。本研究经江苏海事职业技术学院批准。(批准号:2026-JMI-0401)发表同意声明本研究遵循科学探究中既定的伦理标准。作者确认本文系原创,无抄袭、重复或学术不端行为,并符合伦理准则。本研究不涉及人类或动物实验相关问题。资助江苏省高等教育学会2024年度重点项目(基于SOESY平台的教学策略研究),编号:WY-14。利益冲突声明作者声明不存在利益冲突。YuanYuan Zhang是江苏海事职业技术学院国际教育学院副教授,位于中国南京。她拥有英语相关学科的硕士学位,并具有丰富的高职外语教学经验。近年来,她积极从事学术研究和教学创新。目前她正参与江苏省高等教育学会资助的重点项目(2024年度),项目名称为"研究YuanYuan Zhang | Changshuang Zhou"