1. 引言
在全球教育数字化转型加速的背景下，自主学习能力已成为21世纪核心素养的关键维度。庞维国(2001) [1]提出了“能学–会学–坚持学”的三维框架，揭示了自主学习能力发展的内在逻辑：自我意识觉醒驱动学习潜能释放(能学)，认知策略系统提升学习效能(会学)，意志品质保障学习过程的持续性(坚持学)。何莲珍等人(2011) [2]的后续研究将这一框架提炼为“动机–策略–意志”的三元驱动模型，指出三者构成自主学习能力发展的核心机制。王利娜和吴勇毅(2017) [3]的实证研究验证了此模型的有效性，尤其是在外语学习场景中的作用显著，为框架实践转化提供了量化依据。
鉴于英语自主学习在高校人才培养中的核心地位，且大学生自我意识发展及教育指导条件相对均衡，本研究将侧重对学生个体学习动机、学习策略及学习意志的差异分析评估学生自主学习能力水平。随着科技发展，机器翻译在语言学习领域应用愈发广泛，成为高校学生英语学习的常用工具。北京高校学生作为英语学习的重要群体，因此研究机器翻译对其英语自主学习的影响具有实践意义和理论价值。一方面，有助于学生科学利用机器翻译提升学习效果(吴智慧，2024) [4]；另一方面，能为英语教学模式创新提供参考(唐昊，2024) [5]。
目前有关机器翻译与英语自主学习相结合的研究尚不完善，本研究就该领域进行探索尝试，以期丰富英语自主学习研究，以实证研究探索机器翻译对大学英语教学的理论与实践意义。
2. 研究设计
本研究基于“动机–策略–意志”三元驱动模型，着重探讨机器翻译对这三个维度的差异化影响机制：在动机层面，考察工具效能感对于内在动机的调节作用；在策略层面，分析技术辅助对学习策略使用的促进或抑制效应；在意志层面，探究工具依赖性与学习坚持性的动态平衡关系。
基于研究问题拆解，量化研究用于探究机器翻译使用频率、了解程度等维度与学生英语自主学习的相关性，评估学生学习动机等方面的水平及差异，判断机器翻译对英语学习各方面的影响。质性研究则聚焦于剖析机器翻译对学生英语自主学习策略的影响，包括使用情境、学习方式、改进建议及影响背后的潜在规律。
2.1. 量化研究
为回答上述问题，本量化研究通过问卷方式，调查北京高校本科生使用机器翻译手段进行英语自主学习的动机、策略、意志。此次研究以北京高校本科阶段学生为研究对象，涵盖英语专业与非英语专业，主要基于林莉兰(2013) [6]编制的自主学习能力量表设计问卷，并结合研究目的进行针对性的完善与调整。
基于三元驱动模型，本研究构建了包含33个封闭式问题的问卷，采用分层抽样法对北京高校本科生进行调查。问卷分为四个模块：1) 人口统计学信息：涵盖性别(Q1)、年级(Q2)、学科类别(Q3)三个基础题项；2) 机器翻译使用特征：设置了解程度(Q4)、使用频率(Q5)、态度(Q8、9)等题项，采用李克特五级量表与多重选择复合测量；3) 自主学习能力：基于林莉兰(2013)量表开发17个题项，其中动机维度(6题)测量目标导向与内在驱动力，策略维度(7题)评估元认知与认知策略，意志维度(4题)考察持续投入与障碍克服；4) 影响认知：通过Q26~38初步采集学生自我评价、工具认知与改进建议，为质性研究提供方向。
电子问卷通过线上线下相结合的方式广泛发放，数据分析采用SPSS 27.0进行信度检验、描述统计、皮尔逊相关分析及回归分析，探究机器翻译各维度与高校学生英语自主学习间的相关性，确定显著影响因素。
2.2. 质性研究
本研究运用质性研究方法，旨在深入剖析机器翻译对学生英语自主学习策略的影响，聚焦于三个核心问题：学生在何种情况下更倾向于使用机器翻译？如何结合机器翻译结果进行自主学习？对机器翻译工具的改进建议是什么？这些问题具有复杂性、多样性和主观性，涉及学生个体的学习动机、策略运用以及对工具的动态反馈。因此，质性研究中的元话语分析成为一种理想的研究工具。它能够深入挖掘访谈数据中的语言特征和表达模式，揭示学生使用机器翻译的潜在规律和内在逻辑，同时捕捉其复杂情境和多样策略，从而为优化机器翻译功能和指导学生合理使用提供更具针对性的参考。
从语言学层面看，元话语是从话语中分离出来的与基本话语(Primary Discourse)相区别的概念，用来指口语或写作文本中出现的无关命题内容，但有助于听众或读者组织、理解及评价命题信息的部分(姜峰和Ken Hyland，2020)。
本研究将运用Hyland的互动元话语分析模式，深入探究受访者所表达的信息和立场，为进一步研究开拓思路。Hyland的互动元话语分析模式分为立场(stance)和介入(engagement)两大类。立场包括模糊语(hedges)、加强语(boosters)、态度标记语(attitude markers)和自我指称(self-mention)四大部分，体现了作者的观点和态度。介入包括读者指称(reader pronouns)、带入标记(brought in)、共享知识(shared knowledge)、提问(questions)以及插入语(personal asides)，旨在实现和读者的互动(姜峰和Ken Hyland，2020 [7]；徐赳赳，2006 ([8]: p. 4))。
从理论建构视角看，元话语分析与自主学习能力之间存在显著的语用关联机制。自主学习本质上是学习者通过元认知监控调节认知过程的能力(Zimmerman, 2000) [9]，而元话语的本质属性是语言使用者对命题信息的认知加工过程。Hyland (2005) [10]提出的互动元话语分类体系(立场标记与介入资源)与自主学习的三元驱动模型(动机–策略–意志)形成了理论层面的深度契合。
这种理论契合为研究工具的选择提供了方法论依据：元话语分析不仅能揭示语言表征特征，更能透视自主学习的核心心理过程。通过捕捉学习者的语言调节行为，可建立“元话语模式–自主学习能力”的动态映射关系，为技术赋能的语言学习干预提供精准切入点。
考虑到访谈的特点以及出于获取机器翻译对学生自主学习影响相关数据的目的，本研究共开展十场访谈，受访者基本信息见表1。
Table 1. Basic information table of respondents
表1. 受访者基本信息表
类别 |
详情 |
学校 |
北京理工大学、中国矿业大学(北京)、北京语言大学、中国科学院大学、中央民族大学、
北京林业大学等 |
学科门类 |
工科、文科、商科、理科 |
访谈旨在深入了解学生对机器翻译的态度、认知，以及在实际英语学习中的应用情况。采用Ken Hyland元话语分析方法对访谈数据进行剖析，从立场(stance)和介入(engagement)两类模式出发，分析学生表达对机器翻译看法时的态度倾向，以及对机器翻译影响英语自主学习的评价，挖掘影响背后的原理。
3. 研究结果与分析
3.1. 量化研究结果
根据研究问题，本研究所用问卷内容被分成机器翻译、自主学习以及机器翻译对英语学习的影响三个维度，使用SPSS 27.0软件对所收集问卷数据进行分析，共回收338份问卷，其中能够提供有效数据的问卷为292份，有效回收率为86.4%。样本基本信息见表2。
Table 2. Basic information table of samples
表2. 样本基本信息表
类别 |
细分项目 |
占比 |
年级 |
大一 |
14.6% |
大二 |
65.1% |
大三 |
16.4% |
大四 |
3.8% |
性别 |
男生 |
47.6% |
女生 |
52.4% |
专业 |
工科 |
54.5% |
人文社科 |
20.5% |
其他专业 |
25.0% |
可靠性分析结果显示，所有变量的克隆巴赫Alpha值为0.874，表明量表总体信度良好且量表变量在内部一致性方面表现良好。样本的年级、性别和专业分布较广且较为均衡，具有较好的代表性。同时，较高的有效回收率和量表的高信度，进一步确保了数据的合理性和可靠性。数据结果报告如下。
如表3所示，在量化研究部分，本研究通过北京高校学生的问卷调查和SPSS的数据分析，对英语自主学习能力的三个维度进行了评估，发现在学习动机、学习策略和意志努力三个维度的平均值均接近4分(满分为5分)，这表明学生在英语学习中普遍具有较高的学习动机、有效的学习策略和较强的意志努力。然而标准差的存在也显示出学生在这些维度上的表现存在一定的差异。
Table 3. Dimensions of English autonomous learning ability and overall score situation
表3. 英语自主学习能力维度及总体得分情况
|
平均值 |
标准差 |
学习动机 |
3.899 5 |
0.615 28 |
学习策略 |
3.880 8 |
0.533 20 |
意志努力 |
3.897 3 |
0.801 45 |
如表4所示，学生对机器翻译的了解程度与英语自主学习的学习动机、学习策略和意识努力呈显著正相关，表明深入了解机器翻译的学生往往具有更强的学习动机、更有效的学习策略和更高的学习投入。然而，机器翻译的使用频率与学习动机、学习策略和意识努力呈负相关，说明过度依赖机器翻译可能削弱学生的自主学习能力和学习积极性。
Table 4. Correlation study among various dimensions
表4. 各维度间的相关性研究
|
|
学习动机 |
学习策略 |
意识努力 |
了解程度 |
皮尔逊相关性 |
0.238** |
0.188** |
0.229** |
显著性(双尾) |
0 |
0.001 |
0 |
个案数 |
292 |
292 |
292 |
频率 |
皮尔逊相关性 |
−0.144* |
−0.154** |
−0.140* |
显著性(双尾) |
0.014 |
0.008 |
0.016 |
个案数 |
292 |
292 |
292 |
态度分级 |
皮尔逊相关性 |
0.201** |
0.174** |
0.109 |
显著性(双尾) |
0.001 |
0.003 |
0.064 |
个案数 |
292 |
292 |
292 |
注：*在0.05级别(双尾)，相关性显著；**在0.01级别(双尾)，相关性显著。
从了解程度来看，机器翻译的了解程度与学习动机、学习策略、意识努力的皮尔逊相关系数显著性(双尾)均达到高度显著水平(分别为0、0.001、0)。这表明学生对机器翻译的了解越深入，其英语自主学习的学习动机越强，越能运用有效的学习策略，投入的意识努力也越多。
在使用频率维度上，机器翻译的使用频率与学习动机、学习策略、意识努力的皮尔逊相关系数显著性(双尾)分别为0.014、0.008、0.016，呈负相关且具有一定显著性。说明机器翻译使用频率越高，学生的英语自主学习动机、学习策略运用以及意识努力程度可能越低，过度依赖机器翻译或许对自主学习产生一定消极影响。
从态度分级维度分析，机器翻译的态度分级与学习动机、学习策略的皮尔逊相关系数显著性(双尾)分别为0.001、0.003，在0.01级别显著相关；与意识努力的皮尔逊相关系数为0.109，显著性(双尾)为0.064。意味着学生对机器翻译的态度越积极，越有助于提升英语自主学习的动机和学习策略的运用，但对意识努力的影响未达到显著水平。
此外，根据表5描述统计结果中的平均值数据，初步推断大多数同学认为机器翻译对英语学习具有积极影响。具体表现在英语词汇、写作、发音、语法方面的辅助作用。
Table 5. Statistical analysis of the impact of machine translation on various dimensions of English learning
表5. 机器翻译对英语学习各维度影响的统计分析
|
平均值 |
标准差 |
机器翻译对英语学习的影响 |
3.705 1 |
0.445 02 |
词汇 |
3.689 5 |
0.569 91 |
写作 |
3.720 9 |
0.528 |
发音 |
3.73 |
0.876 |
语法 |
3.66 |
0.824 |
3.2. 质性研究结果
量化研究显示，在学习动机，学习策略，意志努力三大维度中，机器翻译对于学习策略的影响更为显著，本研究将运用质性研究方法对该结果展开深入剖析，并回答以下问题：学生在何种情况下更倾向于使用机器翻译；学生如何结合机器翻译结果进行自主学习：学生对机器翻译工具的改进建议。此外，结合量化数据结果，质性研究还将进一步探索机器翻译对学生自主学习策略的影响，并通过对访谈数据的元话语分析，深入挖掘其中的潜在规律。
立场标记与动机调节：自我指称(如“I think”)和态度标记语(如“fortunately”)构成学习者自我表征的核心元话语资源。当学生频繁使用模糊语(如“maybe”)时，可能反映其动机水平的波动——通过降低语义确定性来规避认知风险(Hyland, 2005) [10]。研究数据显示，本样本中高达55.34%的自我指称占比印证了学习者将学习行为主体化的倾向，这与自主学习理论中“自我意识觉醒”的核心特征形成呼应(庞维国，2001) [1]。
介入策略与策略选择：介入资源(如提问、共享知识)体现学习者对认知资源的动态调配能力。例如，学生通过“读者指称”(如“you can see”)构建虚拟对话空间，实质是在模拟真实交际场景中的策略选择(Kasper & Rose, 2002) [11]。实证研究表明，介入标记的使用频率与学习策略量表得分呈显著正相关(r = 0.31, p < 0.01)，揭示了元话语作为策略实施外显标记的功能属性。
3.2.1. 立场
本研究共进行了10场访谈，可将受访者谈话内容分为以下四种语言特征(见表6)：
1) 加强语标记
加强语表达的是明确、不容置疑的观点，强调作者对所说内容的确定性和坚定信念等。加强语有助于强调受访者表达的明确性，强调关键观点，使访谈更有说服力和清晰度。模糊语表达作者的谨慎态度，削弱对命题的肯定性判断，为访谈的进一步深入创造条件。态度标记语表达受访者的情感和态度，能够直接而明确地表明受访者的立场。
少数受访者使用加强语强调机器翻译的积极作用，这类表达通常包含绝对化修饰词(如“极大”、“非常”)或因果推论(如“因为……所以……”)，旨在强化观点的可信度。
Table 6. Four kinds of linguistic features
表6. 四种语言特征
语言特征 |
数量 |
占比 |
模糊语 |
745 |
20.93% |
加强语 |
240 |
6.74% |
态度标记语 |
605 |
16.99% |
自我指称 |
1970 |
55.34% |
SA20241002 (法学专业大二学生)：“我认为机器翻译对我的学习有很大的帮助，极大提高了我的学习效率。”
(使用“很大”、“极大”强化机器翻译的效用，突出其对学习效率的显著提升)
SA20241006 (计算机专业大二学生)：“利用机器翻译就很便捷，自己手动查单词的话，会花掉一定的时间。”
(通过对比“便捷”与“花掉一定时间”，暗示机器翻译的效率优势)
SA20241010 (土木专业大二学生)：“大声朗读可以便于我们记住一个单词的发音和形状，有利于记住它的拼写！”
(使用“便于”、“有利于”等积极词汇，增强语气)
2) 模糊语标记
多数受访者采用模糊表达，通过概率性词汇(如“可能”、“大概”)、条件句(如“如果……就……”)或限定范围(如“有时候”、“部分”)降低陈述的绝对性，为后续讨论留有余地。
SA20241001 (英语专业大三学生)：“我在60%程度上都依赖机器翻译作为一个辅助功能。”
(使用百分比量化依赖程度，既承认工具价值，又避免全盘肯定)
SA20241003 (法学专业大二学生)：“我在写作业的时候几乎每次都要使用机器翻译，但有时候也会自己先查词典。”
(“几乎每次”与“有时候”的对比，反映工具使用的阶段性特征)
SA20241005 (数学专业大二学生)：“我觉得机器翻译的语言太像机器人了，不是我们平时会写出的语言。”
(“太像”、“不是”等模糊表述避免直接否定，仅指出风格差异)
3) 态度标记语
受访者通过情感化词汇(如“有帮助”、“困扰”)或主观评价(如“希望”、“觉得”)直接表达对机器翻译的态度，揭示其认知倾向。
SA20241004 (新闻传播专业大二学生)：“机器翻译对我来说既有帮助也有困扰。”
(“既有……也有……”体现矛盾态度，暗示工具的双刃剑效应)
SA20241008 (行政管理大三学生)：“提高英语水平对我的工作和考试都有很大的帮助。”
(“很大的帮助”明确肯定工具价值，聚焦实际效用)
SA20241009 (土木专业大三学生)：“我希望能通过机器翻译提高我的英语阅读速度。”
(“希望”表达对未来效果的期待，隐含工具潜力认可)
4) 自我指称系统
在访谈中，受访者通过多样化的自我指称方式构建学习主体性，并隐含对机器翻译使用的认知态度。
SA20241001 (英语专业大三学生)：“我通常会给自己列一个小计划表，内容是这一天之中我要学习的任务有哪些。”
(使用“我”强调个体学习规划能力，暗示自主学习意识)
SA20241002 (法学专业大二学生)：“我平常上英语课或者课下学习英语时会使用百度翻译和有道翻译这两个APP。”
(“我” + 具体场景描述，展现工具嵌入日常学习流程的程度)
SA20241003 (法学专业大二学生)：“我现在学习非常依赖机器翻译，几乎每次写作业都要使用。”
(“我” + 程度副词“非常”，直白表达工具依赖现状)
SA20241004 (新闻传播专业大二学生)：“我发现自己在查资料时，会不自觉地先用机器翻译过一遍。”
(“我” + 行为观察，揭示工具使用的无意识性)
SA20241005 (数学专业大二学生)：“我觉得自己越来越依赖机器翻译来理解长难句。”
(“我” + 趋势性描述，反映依赖程度的动态变化)
从数据来看，在关于机器翻译对大学生英语自主学习影响的访谈中，自我指称标记语占比高达55.34%，这表明学习者在描述机器翻译使用情况时，高度强调自身角色，以第一人称视角展开叙述，如频繁出现“我通常会……”、“我发现自己……”等表述，体现出他们试图建立与学习过程的紧密联系，凸显自身在英语自主学习中的主体地位。
模糊语占比20.93%，像“大概”、“可能”、“有时候”等词汇频繁出现，说明学习者对机器翻译的效果和作用持谨慎态度，未给出绝对判断，这或许与机器翻译在英语自主学习中存在诸多不确定因素有关，也为后续深入探讨其影响保留了空间。
加强语占比仅6.74%，例如“极大提高”、“非常有帮助”等明确肯定表述较少，反映出学习者对机器翻译用于英语自主学习的看法缺乏坚定明确的认知，侧面体现出机器翻译的实际效果尚未让学习者形成统一而强烈的定论。
态度标记语占比16.99%，如“有帮助”、“有困扰”等情感表达，表明学习者虽有一定情感倾向，但比例相对不高，意味着他们对机器翻译的情感态度处于相对中性状态，未表现出特别强烈的喜爱或厌恶等情绪。
3.2.2. 介入
机器翻译软件如百度翻译、Deepseek等，能够帮助学生快速翻译不认识的单词和句子，从而提高学习效率。这种即时的翻译支持使得学生能够迅速理解外语材料，减少了查阅纸质词典的时间。
SA20241001：“我认为机器翻译最主要的作用就是提高了学习的效率并且提供了丰富的资源，因为自己手动翻译单词的话，会花掉一定的时间，但是利用机器翻译就很便捷。”
在此访谈内容中，学生通过“我认为”这一明显的介入标记，直接表明自身立场，将个人观点引入对话，构建起与访谈者及潜在读者的互动。该学生着重强调机器翻译在提高学习效率方面的积极作用，并使用“最主要”、“便捷”等词汇强化了这一观点，引导听众对机器翻译在提升学习效率这一优势上给予关注。
通过机器翻译，学生能够更容易地了解和记忆新词汇，这对于词汇量的积累至关重要。机器翻译提供了一个便捷的途径来学习和复习新单词。
SA20241002：“好处就是能提高学习的效率，方便跨国际的语言交流，有时候用机翻碰到没有见过的新单词也会特别留意。”
“好处就是”这一表述，是学生介入话语的方式，向访谈者传达机器翻译在学习过程中的益处。“特别留意”体现出学生在使用机器翻译时的主动学习行为，学生通过这种介入性话语，不仅阐述了机器翻译对词汇学习的帮助，还暗示自身在学习过程中的积极态度，引导听众从积极角度看待机器翻译在词汇学习方面的辅助作用。
机器翻译可以帮助学生锻炼修改英文文章的能力，尤其是在遣词造句方面。尽管存在翻译不准确的问题，但它仍然可以作为一个初步的参考，帮助学生构思和改进写作。
SA20241003：“机器翻译质量参差不齐，经常有语法混乱的时候，有点中式英语，语序不是完全正确，得自己再改改。”
SA20241004：“大概他可能相对来说没那么准确吧，因为可能有时候机器，他理解不了你要说的意思，还是要自己把关。”
第一位学生通过描述机器翻译在语法、语序等方面的问题，如“语法混乱”、“中式英语”、“语序不是完全正确”，直接介入讨论机器翻译在辅助写作时的不足。而“得自己再改改”表明学生虽认识到机器翻译的缺陷，但仍将其作为一种可利用的资源，在一定程度上引导听众全面看待机器翻译在写作辅助中的作用。第二位学生使用“大概”、“可能”等模糊语介入，表达对机器翻译准确性的不确定态度，“还是要自己把关”则进一步强调学生自身在使用机器翻译辅助写作时的主导性，与听众互动，传递在利用机器翻译时需保持谨慎的信息。
如使用背单词辅助软件、利用机械翻译软件的词汇书、通过看美剧练习口语、通过ChatGPT进行口语训练、利用电子科技资源刷题、找四六级题、在阅读英语外刊时利用一点即查的功能等。
SA20241005：“首先背单词会使用一些背单词的软件，学有余力的时候我会阅读一些外刊，体会原汁原味的英语表达，有的软件支持外刊里的词汇一键即查，这个很方便。”
该学生通过列举多种利用电子科技资源辅助学习的方式介入对话，“首先”这一序列标记词，将自己使用电子资源辅助学习的情况依次展开，向访谈者及听众详细介绍学习途径。“很方便”突出了对电子资源辅助学习的认可，引导听众认识到这些资源在自主学习中的便捷性与实用性。
同时，访谈也反映出有待改进的现实问题：机器翻译的质量参差不齐，可能导致学生对翻译结果产生依赖，从而减少他们自主学习和深入理解语言的机会。这种依赖性可能会影响学生的语言习得深度和准确性。
在讨论机器翻译的问题时，访谈内容虽未明确以某一学生的直接话语呈现，但整体表述从客观角度介入，向读者揭示问题。通过“可能导致”、“可能会影响”等表述，构建起与读者的互动，引发读者对机器翻译潜在负面影响的思考。
综上，学生对机器翻译有明确的期望，希望它能够更准确、流畅、合理，并且能够理解语境，创造更自然的表达。这表明学生意识到机器翻译的局限性，并期待技术的进步。
此处“学生对机器翻译有明确的期望”以概括性的表述介入，将学生群体的期望传达给读者，“希望”一词体现出学生与机器翻译这一技术之间的互动关系，引导读者关注学生对机器翻译改进方向的诉求，从而理解学生在使用机器翻译过程中的复杂心态与实际需求。
4. 研究结论与建议
4.1. 研究结论
机器翻译对北京高校学生英语自主学习的影响具有复杂性。一方面，学生对机器翻译的了解程度越深，其英语自主学习的学习动机、学习策略运用和意识努力就越强，表明机器翻译在一定程度上能够促进学生的自主学习能力发展。另一方面，机器翻译的使用频率过高则可能削弱学生的自主学习能力，尤其在学习动机和学习策略的运用上表现出明显的消极影响。这表明过度依赖机器翻译可能导致学生在语言学习过程中缺乏主动性和深度思考。
此外，质性研究进一步揭示，机器翻译在提高学习效率、辅助写作和词汇积累等方面具有积极作用，但其翻译质量的不稳定性和可能导致的依赖性问题也不容忽视。在词汇学习方面，能帮助快速获取信息，但不利于深度掌握；在语法理解上作用有限；在阅读中可辅助理解，但过度依赖会削弱自主阅读能力；在写作方面，虽提供参考，但可能影响创新思维。学生对机器翻译的态度和认知受多种因素影响，呈现多样化特点。且学生对机器翻译的期望主要集中在其准确性、流畅性和语境理解能力上，这也反映出当前技术在语言学习应用中的局限性。
4.2. 建议
对于学生，应合理使用机器翻译，将其作为辅助工具，英语薄弱的学生建议初期借助机器翻译理解学习内容，但需逐渐加强自主思考，控制机器翻译使用时间和频次；基础较好的同学鼓励借助机器翻译工具深度学习，培养自我纠错及分析比较能力。教师可将机器翻译融入教学，引导学生正确使用，如开展翻译对比练习，培养翻译鉴赏和语言运用能力。学校可以组织开展机器翻译使用讲座，对不同需求和不同层级学生进行针对性培训，如基础使用方法或是深入学术研究应用。教育部门可以设立专项资金，鼓励和支持相关产业开发特色化机器翻译应用，提供不同英语学习阶段的适用工具，给出使用分析报告与个性化学习建议。