人智交互語言學習環(huán)境中英語專業(yè)研究生自我調(diào)節(jié)學習的質(zhì)性分析

徐錦芬 李娟

華中科技大學外國語學院

摘要

人工智能技術驅(qū)動下的人智交互語言學習環(huán)境為自我調(diào)節(jié)學習（SRL）創(chuàng)造了新的機遇。然而，SRL 在人智交互語言學習環(huán)境中的具體表現(xiàn)形式仍有待進一步探索。為此，本研究收集了 30 名英語專業(yè)研究生的回溯性日志，并對其進行了訪談，然后利用 MAXQDA 12 軟件對這些數(shù)據(jù)進行扎根理論的三級編碼，對編碼結果實施理論飽和度檢驗，在找出人智交互語言學習環(huán)境中 SRL 具體表現(xiàn)形式的基礎上，構建了 SRL 理論模型。本研究認為，SRL 可以分為 3 個階段：個性化學習規(guī)劃階段、SRL 實施階段以及學習過程與成果的反思階段。其中，個性化學習規(guī)劃階段涉及需求分析、經(jīng)驗求取、目標-計劃設定以及學習資源推薦與篩選；SRL 實施階段包括任務完成、人智協(xié)同評估、人智監(jiān)控調(diào)節(jié)、人智輔助指導和社群交流互動；學習過程與成果的反思階段旨在總結 SRL 學習的有效成果和不足之處。該 SRL 三階段模型不僅拓展了 SRL 的理論視角，而且為提升學習者在人智交互語言學習環(huán)境中的 SRL 能力提供了干預思路。

關鍵詞：人智交互語言學習；自我調(diào)節(jié)學習；個性化學習規(guī)劃；SRL 實施；學習過程與成果的反思；扎根理論

引言

人工智能（artificial intelligence，AI）技術的迅猛發(fā)展與數(shù)字化環(huán)境的廣泛普及正在深刻地改變著外語學習的方式，為外語教育帶來了前所未有的機遇（陳堅林，2020）。人工智能技術驅(qū)動下的人智交互（human-AI interaction）學習逐步成為外語學習的新趨勢。人智交互是指 AI 基于“感知—思考—行動”的范式，與人類進行互動與合作。在這一過程中，AI 扮演著雙重角色，它不僅是輔助工具，而且也是人類的合作伙伴，與人類一起實現(xiàn)相互理解、合作和共同決策等一系列任務（Heyder et al.，2023）。例如，AI 可以利用語言生成模型完成寫作任務（Draxler et al.，2024），進行需求分析、資源推薦以及評估反饋（Zhai et al.，2021；Wu et al.，2024）。人智交互作為人機交互的高級形態(tài)，體現(xiàn)了 AI 的自主性（汪靖等，2024）。這種自主性為自我調(diào)節(jié)學習（self-regulated learning，SRL）創(chuàng)造了更多可能性（祝智庭等，2022）。SRL 以學習者的自我導向為主要特征，在實施 SRL 的過程中，學習者會利用各種認知和行為策略主動監(jiān)控自己的學習（Zimmerman & Schunk，2011）。SRL 在語言學習中發(fā)揮著關鍵性作用（Wei，2023），具備 SRL 能力的學生能夠有效地診斷學習需求、制定目標、選擇學習資源，并在學習過程中進行自我監(jiān)控和反思，從而更高效地達成預期的學習目標（Su et al.，2019；李昆，2021；Teng & Zhang，2022）。

然而，外語教育中的 SRL 研究目前仍處于起步階段，尤其是對如何在人智交互語言學習環(huán)境中進行 SRL，相關研究尚顯不足（徐錦芬、黃子碧，2020； Teng & Zhang，2022）。盡管部分研究已經(jīng)對 AI 賦能語言學習環(huán)境中的 SRL 進行了探討，但多改編自原有的 SRL 量表，難以全面揭示 SRL 的具體表現(xiàn)形式（如 Pan et al.，2024；Xu et al.，2024）。此外，以往技術環(huán)境中對語言學習的研究大多聚焦大學生群體，對研究生群體的關注較少（徐錦芬、楊嘉琪，2023），而實際上，研究生在學習過程中對 AI 技術的需求和依賴程度都更高，其 SRL能力的培養(yǎng)尤為重要。再者， 現(xiàn)有的 SRL 理論框架（ 如 Boekaerts，1992； Zimmerman & Kitsantas，1997；Pintrich，2004；Hadwin et al.，2011）多基于傳統(tǒng)教學環(huán)境或者計算機輔助的學習環(huán)境，并不完全適用于當前 AI 賦能的語言學習情境，特別是人智交互語言學習環(huán)境。為此，本研究擬采用扎根理論方法，系統(tǒng)地探索在人智交互語言學習環(huán)境中英語專業(yè)研究生 SRL 的具體表現(xiàn)形式。

研究設計

1. 研究對象

本研究采用目的抽樣和方便抽樣的方式，選取有人智交互學習經(jīng)歷的英語專業(yè)研究生作為研究對象。在研究正式開展前，研究人員首先向 13 位英語專業(yè)研究生導師詳盡闡述本研究的目的和可能產(chǎn)生的貢獻，并在征得導師明確同意的基礎上，通過小組訪談的形式，分別對每位導師的研究生團隊進行了前情訪談，以了解潛在被試在利用 AI 輔助英語學習時的態(tài)度、現(xiàn)狀以及他們參與本研究的意愿。前情訪談問題主要包括：你如何看待 AI 在英語學習中的應用？你如何借助 AI 輔助英語學習？訪談小組由兩名研究人員組成，一人負責發(fā)布問題并引導被訪人員自由發(fā)言或逐一發(fā)言，另一人負責補充提問和記錄訪談內(nèi)容。在前情訪談后，對潛在被試進行篩選，通過郵件逐一邀請潛在被試參與進一步的研究，并根據(jù)回復最終確定了 30 名參與正式研究的被試。這些被試都有利用各種 AI 工具（如 DeepL、趣配音、Duolingo、有道翻譯、有道翻譯·AI 寫作、 Kimi、文心一言和ChatGPT 等）進行語言學習的經(jīng)歷。例如，利用DeepL 練習翻譯、輔助學術文章閱讀；通過趣配音練習和評估聽說能力；利用 Duolingo 進行詞匯和語法練習、英語水平檢測，或者通過 Duolingo 的學習社區(qū)與其他學習者展開互動，分享學習經(jīng)驗和成果；基于 ChatGPT、Kimi 或文心一言模擬真實對話，實現(xiàn)陪伴學習，尤其在科研思路商討、背景資料查找和輔助學術寫作等方面使用得較為頻繁。被試的基本信息見表 1。

2. 數(shù)據(jù)收集

本研究的數(shù)據(jù)主要來自被試的回溯性日志和訪談。回溯性日志提綱包括以下內(nèi)容：①你是如何借助 AI 開展英語學習的；②在利用 AI 學習英語的過程中，有什么令你印象深刻的事；③在利用 AI 學習英語時，你遇到過什么挑戰(zhàn)；④你覺得什么是自主學習；① ⑤在 AI 賦能語言學習環(huán)境中，你是如何開展自主式英語學習的；等等。日志文件格式可以是音頻或者 Word 文檔，通過郵件提 交。此外，研究還對 4 名愿意接受訪談的學習者分別進行了半結構化訪談，以深入挖掘其在人智交互語言學習環(huán)境中對 AI 輔助英語學習的體驗和對 SRL 的感知。半結構化訪談的內(nèi)容包括：①你覺得 AI 輔助英語學習對你的學習方式產(chǎn)生了哪些影響；②在利用 AI 學習英語的過程中，尤其是與 AI 進行對話的過程中，你如何看待 AI 與你的關系；③你如何看待 AI 輔助下的自主學習；④哪些因素推動或者制約你利用 AI 進行英語學習；⑤未來你會如何運用 AI 輔助英語學習；等等。半結構化訪談由負責前情訪談的兩名研究人員通過騰訊會議進行，在征得學習者同意后，訪談過程全程錄制，每位被訪者的訪談時間約為 1.5 小時。在對全部視頻和音頻數(shù)據(jù)進行轉(zhuǎn)碼改寫時，刪除其中包含的口語詞匯（如 “嗯”“我想想”“這個”“那個”等），最終收集到 43 218 字的原始文字材料。

3. 數(shù)據(jù)分析

本研究的數(shù)據(jù)分析采用扎根理論方法。這一理論由 Glaser & Strauss（1999）提出，以逐層遞進的三級編碼（分別為開放式編碼、主軸式編碼和選擇性編碼）為核心，強調(diào)對數(shù)據(jù)進行自下而上的深入分析，逐步從原始材料中提煉并構建理論框架。本研究利用 MAXQDA 12 軟件，通過系統(tǒng)化的操作步驟對 27 份回溯性日志和 3 份訪談進行自下而上的三級編碼，其余 3 份回溯性日志和 1 份訪談用于后續(xù)的飽和度檢驗。具體而言，在開放式編碼階段，整理原始文本中有關 SRL 的材料，提取初始概念和初始范疇；在主軸式編碼階段，將意義相近的初始范疇進行整合，提煉出主范疇；在選擇性編碼階段，根據(jù)主范疇之間的關系提煉出核心范疇。隨后，基于最后 3 份回溯性日志和 1 份訪談進行開放式編碼，觀察是否產(chǎn)生了新的范疇和關系。結果顯示，該階段并無新范疇和關系產(chǎn)生，表明 SRL 的理論框架已經(jīng)飽和。此外，本研究還在三級編碼的基礎上采用過程編碼的方式，對 SRL 行為和事件在不同時間和情境中的變化進行分析，以厘清 SRL 的動態(tài)過程。整個過程確保了研究的系統(tǒng)性和嚴謹性，對 AI 賦能語言學習環(huán)境中的 SRL 進行了較為深入的分析。

二、研究結果

通過三級編碼和過程編碼分析，本研究構建了 SRL 的三階段模型（見表 2）。

首先，在開放式編碼階段的概念化和范疇化過程中，剔除出現(xiàn)頻次少于 3次的初始概念（Hadley，2017；徐錦芬，2024），最終提煉出 27 個初始范疇。然后，在主軸式編碼階段，對具有相似主題的初始范疇進行系統(tǒng)化整合，形成了 11 個主范疇。其中，“任務完成”（78 次）是出現(xiàn)頻次最高的主范疇，其次是“目標- 計劃設定”（61 次）、“有效成果”（55 次）、“學習資源推薦與篩選”（37 次）和“人智監(jiān)控調(diào)節(jié)”（34 次）。相較而言，出現(xiàn)頻次最低的主范疇為“社群交流互動”（4 次），其他頻次較低的主范疇包括“人智協(xié)同評估”（14 次）、“人智輔助指導”（13 次）、“不足反思”（13 次）、“需求分析”（6 次）和“經(jīng)驗求取”（6 次）。

最后，在選擇性編碼階段，通過進一步梳理主范疇之間的邏輯聯(lián)系，最終確定了 3 個高度概括且具有統(tǒng)領性的核心范疇，并依據(jù)過程編碼所顯示的SRL的先后順序?qū)ζ溥M行排列，依次為：個性化學習規(guī)劃階段（110 次）、SRL 實施階段（143 次）和學習過程與成果的反思階段（68 次）。這些核心范疇構成了 SRL 在人智交互語言學習環(huán)境中的三階段模型，有助于我們進一步理解這種學習模式。

本研究厘清了人智交互語言學習環(huán)境中 SRL 的具體表現(xiàn)形式，構建了 SRL的三階段模型。其中，個性化學習規(guī)劃階段包含 4 個要素，SRL 實施階段包括 5 個要素，學習過程與成果的反思階段涉及 2 個要素。

1. 個性化學習規(guī)劃階段

在個性化學習規(guī)劃階段，AI 可以輔助學習者做好語言學習的準備工作，如目標-計劃設定、需求分析、經(jīng)驗求取以及學習資源推薦與篩選等。這一階段與 Zimmerman & Kitsantas（1997）和 Pintrich（2004）所描述的前思階段類似，核心目的均是為語言學習的開展奠定基礎。然而，本研究發(fā)現(xiàn)，個性化學習規(guī)劃階段的內(nèi)涵更為豐富，不僅包括學習者的自主規(guī)劃，還涉及 AI 的輔助和支持。其中，目標-計劃設定在這一階段的占比最高，出現(xiàn)頻次高達 61 次，主要體現(xiàn)在AI 輔助規(guī)劃、學習者自主設定目標以及合理安排時間 3 個方面。這些要素在 Zimmerman & Kitsantas（1997）和 Pintrich（2004）的模型中均有所體現(xiàn)，這表明目標- 計劃設定在 SRL 中發(fā)揮著關鍵性作用（Schunk & Greene，2017）。占比排第二的要素是學習資源推薦與篩選（37 次），這是個性化學習規(guī)劃階段出現(xiàn)的新要素，具體指 AI 向?qū)W習者推薦學習資源，或?qū)W習者自主搜索學習資源，并且學習者會對 AI 推薦的資源進行篩選。AI 基于自適應技術，能夠根據(jù)學習者的學習現(xiàn)狀有針對性地推薦學習資源（Zhai et al.，2021），這反映了在人智交互學習環(huán)境中，AI 在賦能語言學習方面具有獨特的優(yōu)勢，可以彌補計算機、移動技術等常規(guī)技術在資源提供方面的不足（Oxford，2016；徐錦芬、李娟， 2024）。

需要指出的是，本研究的需求分析指的是 AI 輔助分析或?qū)W習者自主分析，與 Zimmerman & Kitsantas（1997）所強調(diào)的任務難度分析或要求分析并不相同。在人智交互語言學習環(huán)境中，AI 可以整合學習管理系統(tǒng)、社交網(wǎng)絡和學習數(shù)據(jù)庫等不同平臺的數(shù)據(jù)，通過機器學習對學生的行為和需求進行預測與分析，為學習者提供全面的語言學習需求分析（Molenaar，2022）；同時，學習者也可以直接與 AI 對話，明確表達自身需求，以指導 AI 更好地輔助語言學習。

經(jīng)驗求取指的是學習者向同伴或社交媒體尋求經(jīng)驗，以最大化地發(fā)揮 AI 輔助英語學習的功效，與 Boekaerts（1992）在適應性學習模式中提出的同伴求助相類似。值得注意的是，在本研究中，經(jīng)驗求取主要發(fā)生在語言學習的規(guī)劃階段，而同伴求助則主要發(fā)生在 SRL 實施階段。

總體而言，個性化學習規(guī)劃階段強調(diào)在 AI 輔助下學習者所作的計劃和規(guī)劃，為自我調(diào)節(jié)語言學習的開展奠定了堅實基礎。該階段不僅驗證了已有模型的部分觀點，還擴展了 SRL 的概念框架，為研究者更好地理解 AI 賦能語言學習環(huán)境下的 SRL 提供了新的視角。

2. SRL 實施階段

SRL 實施階段在三階段模型中占比最大，具體包含任務完成（78 次）、人智監(jiān)控調(diào)節(jié)（34 次）、人智協(xié)同評估（14 次）、人智輔助指導（13 次）以及社群交流互動（4 次）5 個要素。其中，任務完成出現(xiàn)的頻次最高，涉及學習者英語知識技能的習得訓練、科研訓練和作業(yè)輔導。這 3 個方面不僅體現(xiàn)了英語專業(yè)的學科特性，也顯示了研究生群體的獨特性。

人智監(jiān)控調(diào)節(jié)強調(diào)學習者的自我調(diào)節(jié)（如調(diào)整注意力、心態(tài)以及策略方法等）、AI 監(jiān)督（如監(jiān)控學習進度等）以及學習者的自主控制（如反復練習、克服拖延和控制學習進程等）。這一結果與 Zimmerman & Kitsantas（1997）所提出的表現(xiàn)階段中的自我監(jiān)控相類似，二者均強調(diào)學習者對學習過程的調(diào)節(jié)和掌控。然而，本研究進一步擴展了這一概念，加入了 AI 對學習進度的監(jiān)控。這是因為在人智交互的語言學習環(huán)境中，AI 技術（如數(shù)據(jù)挖掘和機器學習）能夠跟蹤學習者的行為數(shù)據(jù)，預測其學習表現(xiàn)，并通過這些數(shù)據(jù)動態(tài)地調(diào)整學習進度和內(nèi)容難度（蘭國帥等，2024），從而實現(xiàn)更精細化的學習過程管理。

人智協(xié)同評估包括 AI 輔助評估和學習者自我評估兩部分。在 AI 輔助評估的過程中，AI 通過機器學習技術（如自然語言處理）對學習者的語言輸入和行為模式進行分析，為學習者提供個性化的反饋和建議，幫助其更精準地識別知識盲點（袁莉等，2021）。AI 輔助評估彌補了 Hadwin et al.（2011）的框架在學習任務測量和評估方面的不足，進一步顯示了AI 在語言學習過程中的重要作用。未來研究可以進一步探索AI 在語言評估方面的應用，實現(xiàn)以評促學、學評融合。此外，人智協(xié)同評估還包括學習者的自我評估，學習者可以根據(jù) AI 提供的反饋報告審視自身在語言學習中存在的問題，這與 Zimmerman & Kitsantas（1997）提出的自我評估相類似，二者均強調(diào)學習者在 SRL 過程中的主體性和主動性。

人智輔助指導包括 AI 輔助指導和教師指導，將 AI 的自動化能力與教師的專業(yè)知識相結合，可以為學習者提供全面的支持與指導。通過實時評估和自適應資源推薦，AI 能夠幫助學習者進行個性化學習，優(yōu)化其語言學習體驗。教師可以利用 AI 的反饋報告，及時了解學習者的需求和學習現(xiàn)狀，從而靈活地調(diào)整教學內(nèi)容和策略。這種協(xié)同合作的模式體現(xiàn)了 AI 與教師在語言教育中的互補性和合作潛力（周琴、文欣月，2020；Liu & Wang，2024），是數(shù)智化教育的關鍵組成部分（蘇旭東，2024）。然而，如何平衡教師與 AI 在指導過程中的作用，以最大限度地發(fā)揮 AI 與人類教師的協(xié)同效果，是未來研究需要關注的焦點。

社群交流互動是指學習者在 AI 技術賦能的語言學習環(huán)境中，利用由 AI 構建的學習社群進行經(jīng)驗交流與分享。雖然在 SRL 實施階段中，社群交流互動出現(xiàn)的頻次最低，但它揭示了人智交互語言學習環(huán)境中同伴交流的現(xiàn)狀。AI 技術的智能化使其在語言學習中不再僅僅充當工具的角色，而是逐漸轉(zhuǎn)變?yōu)閷W習者的合作伙伴（Heyder et al.，2023）。隨著學習者與 AI 交互頻次的增加，雖然學習者之間直接的交流與互動在一定程度上減少了，但學習過程中的互動方式卻變得更加豐富多元。這一現(xiàn)象反映了人智交互語言學習環(huán)境中多樣化的互動特征，也揭示了人智交互環(huán)境中社會共享調(diào)節(jié)學習的運行機制（Hadwin et al.， 2011；Teng & Zhang，2022）。社會共享調(diào)節(jié)學習是一種發(fā)生于合作學習環(huán)境中的元認知和適應性心理過程（Singh & Muis，2024）。在人智交互語言學習環(huán)境中，AI 不僅提供了豐富的互動機會，而且促進了學習者之間的協(xié)作與共同成長。例如，AI 可以幫助學習者分析交流數(shù)據(jù)，對交流內(nèi)容和方式進行評估與反饋，從而提高同伴之間的互動質(zhì)量和效果。通過這些交互，學習者能夠更好地進行社會共享調(diào)節(jié)學習，增強合作能力，改善學習效果。未來研究可以進一步探討在 AI 賦能的人智協(xié)同合作學習環(huán)境中如何更有效地實現(xiàn)學習者之間的社會共享調(diào)節(jié)學習。例如，研究者可以考察 AI 如何通過智能分析和反饋，促進學習者之間更深層次的交流與合作，或者探討如何平衡學習者與 AI 的互動和人際互動之間的關系，以獲取更好的學習效果。

綜上所述，SRL 實施階段不僅體現(xiàn)了語言學習的學科屬性，展示了語言學習者在自主學習過程中的行為特征，還表明了 AI 在人智交互合作中的獨特優(yōu)勢和作用。這些發(fā)現(xiàn)對未來人智交互語言學習環(huán)境的設計與應用具有重要的啟示。

3. 學習過程與成果的反思階段

在 SRL 的三階段模型中，學習過程與成果的反思階段占比最小，但依然是重要組成部分，主要體現(xiàn)在對有效成果的總結和對不足的反思兩個方面。有效成果總結在這一階段占據(jù)主要地位，包括加強個性化學習、輔助思考與交流、革新學習模式、提高英語學習效果和效率以及提升綜合能力 5 個方面。這些成果進一步驗證了 AI 對語言學習的支持作用（鄒斌、汪明潔，2021；Zhou & Hou，2024），為 AI 與外語教育的深度融合提供了堅實的理論基礎。然而，本研究也發(fā)現(xiàn)，人智交互語言學習環(huán)境中的 SRL 過程并非無懈可擊，也存在諸如反饋不準確、學習主動性下降等問題。這些問題揭示了在 AI 賦能外語教育的過程中所面臨的困難與挑戰(zhàn)（李佐文，2024；Xu et al.，2024）。面對這樣的情況，未來的技術發(fā)展需要進一步優(yōu)化機器學習算法，提高 AI 反饋準確性和個性化推薦能力。同時，需要平衡 AI 賦能與學習者自主性之間的關系，確保在 AI 輔助下的學習者依然能夠主動參與學習過程。為此，研究者可以探索在 AI 賦能語言學習環(huán)境中，如何通過適當?shù)母深A措施來提升學習者的自主學習能力，以確保他們在技術支持下仍能保持高水平的自主性和強烈的學習動機。

總體而言，雖然學習過程與結果的反思階段在 SRL 的三階段模型中占比最低，但它仍是一個至關重要的環(huán)節(jié)。通過對學習過程與結果的深入評價和反思，學習者能夠認識到自身的優(yōu)勢與不足，為下一輪的 SRL 提供參考和指導。

綜上所述，本研究所構建的 SRL 三階段模型不僅體現(xiàn)了學習者的自主調(diào)節(jié)，如利用認知、行為和元認知進行調(diào)節(jié)，也揭示了學習者與 AI、教師和同伴之間的共享調(diào)節(jié)，這與 Hadwin et al.（2011）所強調(diào)的共享調(diào)節(jié)不謀而合。但在本研究中，共享調(diào)節(jié)建立在對學習者的個體差異進行分析（通過數(shù)據(jù)挖掘、自然語言處理、自適應學習系統(tǒng)等 AI 技術對學習者進行實時畫像）的基礎上，彌補了 Hadwin et al.（2011）忽視學習者個體差異及過程評估的不足。此外， SRL 的三階段模型在強調(diào)學習者個體內(nèi)部學習的同時，也反映了學習者在語言學習過程中與 AI、教師以及同伴之間的交互，修正了先前模型忽視社會交互的問題。再者，SRL 的三階段模型證實了 SRL 的動態(tài)性和多維性特征（Oxford， 2016；Teng et al.，2024），與 Zimmerman & Kitsantas（1997）的三階段模型類似，均強調(diào)規(guī)劃、執(zhí)行和反思的重要性。這一研究結果為在教學中培養(yǎng)學生的 SRL 能力提供了思路。例如，教師可以依據(jù) SRL 三階段模型，設計多樣化的教學活動和評估機制，引導學生對學習過程與結果進行自主規(guī)劃、監(jiān)控調(diào)節(jié)和評價反思，進而促進其 SRL 能力的發(fā)展。

結語

本研究依據(jù)扎根理論研究范式，系統(tǒng)地構建了人智交互語言學習環(huán)境中英語專業(yè)研究生 SRL 的三階段模型，并全面剖析了各階段的核心要素及表現(xiàn)形式。具體而言，個性化學習規(guī)劃階段涉及需求分析、經(jīng)驗求取、目標- 計劃設定和學習資源推薦與篩選；SRL 實施階段包括任務完成、人智協(xié)同評估、人智監(jiān)控調(diào)節(jié)、人智輔助指導和社群交流互動；學習過程與成果的反思階段旨在總結 SRL 的有效成果和不足。整體而言，該三階段模型為 SRL 提供了新穎的理論視角與框架結構，豐富了 SRL 理論體系，也為構建動態(tài)多元的學習者評價體系、設計行之有效的教學干預策略提供了借鑒。當然，該研究成果也為 AI 技術賦能語言教育提供了理論支撐，有助于促進 AI 技術與語言教育的深度融合，推動語言教育領域的持續(xù)創(chuàng)新與發(fā)展。然而，由于本研究僅聚焦 SRL 三階段模型的表現(xiàn)形式分析，并未探討三階段之間復雜的交互關系，未來研究可以在本文的基礎上進一步加以探索，揭示 SRL 三階段模型的動態(tài)交互過程。這將有助于更加全面地理解 SRL 在語言學習中的作用，并為人智交互語境下的外語教育實踐提供更為精準的指導。

參考文獻：

免責聲明：原文載于《北京第二外國語學院學報》，2024（6），版權歸作者所有，如有侵權，請及時聯(lián)系刪章。