1. 引言
20世纪末，随着计算机技术的发展，计算机辅助教学(CALL)被引入外语教学。这一时期对计算机的应用主要集中在语言学习软件和多媒体学习工具的开发上。教师通过运用计算机来增强互动性和趣味性，以至于能提高学生对语言学习的兴趣。然而，这些技术应用大多停留在辅助学习的层面，对教学效果的影响相对有限[1]。
进入21世纪，人工智能技术的蓬勃发展促进了外语教学理念和学习方式的革新[2]。如何在人工智能颠覆性发展的时代保持稳定的生态位，是困扰教育者和研究者的一个共同问题[1]。在此背景下，本研究从教育生态学的视角探究高校英语智能教育，通过外部因素和内部因素、学生学习观念和策略的变化，探究学生生态位的稳定性，进而助力外语学习者生态位的智能化发展。
2. 教育生态视角下大学生的生态位
生态学是研究生物与外界环境相互关系的学科，其研究范围广泛，小至原子，大至宇宙。凭借复杂的层次分类与互动关系，生态学理论对解决生态系统内外不同层面及主体间的复杂问题具有较强解释力[3]。陈坚林[4]提出，受信息技术影响，外语课程构成范式已从“2 + 1”模式(理论、方法 + 教材)转变为“3 + 1”模式(理论、方法、技术 + 教材)。历经近二十年教育信息化发展，外语教学已迈入“互联网 + 外语教学”深度融合阶段，并成为新常态[5]。在人工智能技术与高等教育深度融合的当下，信息素养对学业成效的促进作用愈发重要[6]，当代大学英语课程规划也格外重视信息技术的广泛应用[7]。
当前，大学英语教学生态系统的主要生态因子包括教师、学生、教学资源、信息技术和教学管理人员，每个因子在系统中都拥有独特生态位，共同构成系统的显性生物链。本文中“生态位”概念源于格林内尔[8]，指生物占据生境的最小单位，强调空间概念；埃尔顿[9]进一步丰富其内涵，加入生物在群落中的机能作用和地位，提出生态平衡时各生物生态位原则上不重合，若重合则会通过物种间竞争削减重叠以维持平衡。
近年来，生态位理论被广泛应用于生物以外领域，国内学者将其引入教育学研究，其中借助生态位分析教学情况的研究较多[1]。如陈坚林[10]从生态学视角研究外语教学的教学生态位与生态平衡，旨在实现外语教学动态平衡；李军凯和王慧娟[11]运用生态位理论解析国家战略科技力量四大主体的生态位分工；李晨和陈坚林[12]提出学生生态位扩充框架，指出大学英语教学生态系统主要生态因子及其独特生态位。卓玲[1]探究人工智能对学生生态位的影响，发现学生生态位失衡、元认知策略不足并提出对应策略。本文沿用卓玲对学生生态位的定义，即学生在英语智能教学生态环境中，于外界与内部因素关联作用下呈现的学习现状和学生角色[1]。
国内对教师生态位的研究较为充分，但学生生态位研究相对薄弱。从研究覆盖来看，虽涉及大学英语、英语专业及儿童英语习得等领域，但文献数量与深度多集中于大学英语的生态学研究，英语专业及其他阶段的生态化研究匮乏，小语种相关探索更是寥寥[13]。具体到小语种中的日语研究，现有成果虽关注AI应用，却普遍缺乏对“生态位”的系统关照：卢昱安[14]的多模态教学模式虽提升读写效率，未涉及跨专业生态位差异；齐金玲[15]证实国产生成式AI的资源与个性化优势，却未探讨其对学习者生态位角色的重塑；吴菲[16]聚焦商务日语中AI的场景模拟价值，未触及生态位视角下的互动关系；卢明洛[17]对二外日语学习动机的研究，也未分析AI对生态位稳定性的影响。事实上，英语与日语专业学生所处教学生态环境存在显著差异，受教学资源、技术适配等生态因子影响，其学习效果可能分化——或形成稳定的自主学习生态位，或陷入生态失衡。据此，本研究立足外语教育学视角，分析智能教学系统下的语言学习实践，探究AI时代学习方式的转变，为优化学生生态位提供思路。
3. 研究设计
3.1. 研究对象
本研究以外语专业学生为研究对象，采用问卷调查法收集有效样本318份，并且利用SPSS 27.0软件对问卷进行了统计分析。Cronbach’s α系数为0.810，表明问卷具有很好的信度。以英语专业学生为主体，占比80.8% (257人)，日语专业学生占比19.2% (61人)，符合高校外语专业招生规模差异的现实特征。男性占比52.2% (166人)，女性占比47.8% (152人)，性别分布相对均衡，男性略多于女性。样本涵盖大一至大四年级，其中大一学生24.5% (78人)，大二27.7% (88人)，大三25.8% (82人)，大四22.0% (70人)，各年级人数分布较为均匀。
3.2. 研究问题
本文基于研究背景和目的，旨在探讨以下核心问题：在外语教育智能化的背景下，不同专业学生(尤其是英语专业与日语专业学生)在技术使用方式上是否存在显著差异？如果存在差异，英语专业与日语专业学生之间的具体差异体现在哪些方面？
3.3. 问卷设计
本研究采用定量的研究方法，以问卷调查的形式进行研究，共发放问卷318份，回收有效问卷318份，回收率为100%。问卷主要包括两个部分，第一部分，学生的基本信息；第二部分，主要通过学生的语言学习观念和语言学习策略两个维度来考察人工智能时代下大学外语智能教学模式对外语专业大学生学习外语的影响以及发生的转变。
4. 调查结果与讨论
4.1. 研究对象的基本情况
根据调查结果，研究对象中318名学生的个人情况“见表1”，44.0%的学生，每个月使用人工智能工具1~2次，每周使用3~5次的学生占比27.0%，而每天使用的学生占比23.3%，只有5.7%的学生完全不使用人工智能工具，这表明人工智能技术在大多数学习情境中都很普遍。语音识别工具最受欢迎占比35.2%，其次是机器翻译和自适应学习平台分别占比31.1%和24.2%，而支持写作的人工智能工具则占9.4%。这表明学生在很大程度上依赖技术来优化他们的听、说和翻译技能，而对写作辅助工具的需求相对较低。这也说明尽管大多数外语学习者普遍接受人工智能技术来支持他们的语言学习，但他们对工具的使用频率和选择显然是分等级的，工具的功能适用性影响了其实用范围。
Table 1. Students’ personal information
表1. 学生个人情况
调查项目 |
选项 |
频率 |
百分比(%) |
使用人工智能辅助语言学习的频率 |
每天使用 |
74 |
23.3 |
每周3~5次 |
86 |
27.0 |
每月1~2次 |
140 |
44.0 |
从不使用 |
18 |
5.7 |
总计 |
318 |
100.0 |
最常使用的智能语言学习工具是 |
语音识别类(如语音测评) |
112 |
35.2 |
机器翻译类(如DeepL) |
99 |
31.1 |
自适应学习平台(如Duolingo) |
77 |
24.2 |
AI写作辅助工具(如Grammarly) |
30 |
9.4 |
总计 |
318 |
100.0 |
4.2. 语言学习观念的调查与分析
不同的研究者对语言学习观念的内容有着不同的理解。Wenden [18]认为语言学习观念是学习者对学习过程中关于如何学习语言知识、获得语言技巧和进行交际能力的看法，语言学习观念具有稳定性、可描述性、易错性和交互性四个特点。文秋芳[19]赞同Wenden提出的“稳定性”这一特点，指出学习观念对学生的英语学习产生潜移默化的较为深远的影响。了解了学生的学习观念，可以帮助教师根据具体情况设计合适的学习观念课堂指导与策略训练[20]。本研究针对人工智能时代非英语专业大学生的语言学习观念自制五级量表，以便对300名学生进行问卷调查，共涉及26个问题，其中有13个问题是语言学习观念，另13个问题是关于语言学习策略。量表从最小值1到最大值5，按照李克特量表式的赋值，分别对应“很不同意”“不同意”“一般”“同意”“很同意”五级，研究对象根据自身情况选择合适的分值，经汇总统计，得出平均值以及标准差。英语专业和日语专业大学生在智能教学环境下的语言学习观念，包括对英语学能观念、智能英语教学作用观念两个方面。
4.2.1. 学能观念
通过调查问卷收集数据后用Spss进行描述统计得出“表2”和“表3”，这里总计平均值是由对应的每个问卷题的平均数相加后再除以题目数得来的，总标准差也是由对应的问卷题的标准差相加后再除以题目数得来的。
在智能教学环境中，日语专业的学能观念略高于英语专业，它们的总均分分别为3.16和3.11，但差异不显著，然而两专业标准差均较高分别为日语1.302，英语1.263，这表明学生的观点存在较大个体差异。两个专业的关键差异在于评价标准化以及人机协作素养方面。评价标准化方面英语专业学生的平均值是3.14，日语专业学生的平均值是3.39，所以可以看出日语专业更认同“智能技术使语言能力评价标准变化”，这也反映了日语专业的教学评价体系对技术介入更敏感。同时也可以看出，日语专业的学生
Table 2. Beliefs about English language aptitude
表2. 英语学能观念
变量 |
平均值 |
标准差 |
智能技术能弥补我在语言学习中的弱点 |
3.07 |
1.295 |
使用AI工具后，我对语言学习的信心有所提升 |
3.09 |
1.200 |
智能技术使语言能力评价标准发生了变化 |
3.14 |
1.281 |
语言素养应包括人机协作能力 |
3.12 |
1.277 |
总计平均值/标准差 |
3.11 |
1.263 |
Table 3. Beliefs about Japanese language aptitude
表3. 日语学能观念
变量 |
平均值 |
标准差 |
智能技术能弥补我在语言学习中的弱点 |
3.11 |
1.253 |
使用AI工具后，我对语言学习的信心有所提升 |
3.07 |
1.276 |
智能技术使语言能力评价标准发生了变化 |
3.39 |
1.307 |
语言素养应包括人机协作能力 |
3.08 |
1.370 |
总计平均值/标准差 |
3.16 |
1.302 |
生态位受技术影响更加显著，这可能源于日语教学对标准化测试的依赖，例如日语的JLPT，而AI工具的普及重构了其能力评价维度。还可能是由于文化教学差异导致的，因为日语教学更加注重语言形式与文化规范的统一，而AI技术的介入容易被看作是对传统评价体系的冲击，所以导致了日语专业的学生对评价标准的变化感知力更强。人机协作素养方面，英语专业平均值3.12，日语专业3.08，说明英语专业更倾向“语言素养应包括人机协作能力”，与其技术驱动的学习策略一致，体现其学生生态位向“人机协同”的适应性偏移。这可能是由于英语教学中广泛使用AI进行写作批改、语音识别等，且侧重实用性，使学生更易接受人机协作作为语言素养的一部分。
从生态位理论来看，这种差异体现了生态位分化特征。依据埃尔顿[9]的观点，生态平衡时不同生物生态位存在机能作用与地位的分化。日语专业生态位呈现“技术重构评价”特征，AI工具通过改变评价标准影响学习行为，属于生态位中“机能地位”的调整；英语专业生态位偏向“技术赋能素养”，强调人机协作能力对语言能力的扩展作用，是对“资源利用方式”的优化，两者通过生态位分化减少重叠，维持教学生态系统的平衡。
4.2.2. 智能教学作用观念
通过调查问卷收集数据后用Spss进行描述统计得出下“表4”和“表5”，这里总计平均值是由对应的每个问卷题的平均数相加后再除以题目数得来的，总标准差也是由对应的问卷题的标准差相加后再除以题目数得来的。
Table 4. Beliefs about the role of AI-Enhanced instruction (English Majors)
表4. 智能教学作用观念(英语专业)
变量 |
平均值 |
标准差 |
AI技术提高了我的学习自主性 |
3.32 |
1.281 |
智能系统能准确诊断我的语言错误 |
3.23 |
1.337 |
技术辅助使语言学习目标更易达成 |
3.30 |
1.281 |
能在人机交互中获得新的学习体验 |
3.19 |
1.238 |
总计平均值/标准差 |
3.26 |
1.284 |
Table 5. Beliefs about the role of AI-Enhanced instruction (Japanese Majors)
表5. 智能教学作用观念(日语专业)
变量 |
平均值 |
标准差 |
AI技术提高了我的学习自主性 |
3.57 |
1.244 |
智能系统能准确诊断我的语言错误 |
3.56 |
1.218 |
技术辅助使语言学习目标更易达成 |
3.39 |
1.382 |
能在人机交互中获得新的学习体验 |
3.38 |
1.213 |
总计平均值/标准差 |
3.48 |
1.264 |
由两个专业的总均分分别为3.26和3.48可以看出日语专业对智能教学作用的认可度显著高于英语专业，然而两个专业的标准差分别是1.284和1.264，这显示出日语学生观点更集中。两个专业的的差异在于学习自主性、错误诊断效能以及人机交互的新体验方面。从学习自主性来看英语专业的平均值是3.32，日语专业是3.57，这说明日语专业更认同“AI提高学习自主性”，可以看出这可能是由于日语专业的教学更强调技术工具的个性化支持；从错误诊断效能上看英语专业的平均分是3.23，而日语专业的平均分则是3.56，这反映了日语的语言形式教学与AI纠错功能的适配性更好；人机交互新体验中，英语专业3.19，日语专业3.38，体现日语专业学生生态位对技术工具的综合接纳。英语专业在这三方面较弱，原因在于英语教学强调思辨与跨文化交际，AI在内容生成中易暴露模板化缺陷，导致学生对技术效能持保留态度如写作和翻译；而日语教学注重语言形式精确性，AI工具能精准匹配其语法检查等需求，强化了学生技术信任。
从生态位理论分析，这符合“资源利用分化”规律。格林内尔[8]强调生态位的空间与资源占据特征，英语专业的生态位呈现“工具辅助型”，虽认可技术作用，但因英语教学侧重批判性表达，AI在语义逻辑等深层能力支持有限，对错误诊断和人机体验评分偏低，其资源利用集中于技术的辅助功能；日语专业呈现“技术赋能型”，AI工具深度融入学习流程如语法纠错、汉字识别，学生感知到技术对自主性与目标达成的直接助力，资源利用更依赖技术的核心功能。这种资源利用方式的分化，使两专业学生在教学生态系统中占据不同生态位，减少竞争与重叠，符合生态平衡的内在要求。
4.3. 语言学习策略问题调查分析
学习者的学习观念在很大程度上决定了学习策略的选择，学习观念正确且稳定的学生会选择使用效率高的学习策略，学习观念错误的学生会偏爱懒惰拖沓的“学习策略”。隋铭才[21]讨论了国外学习策略研究和我国学习策略的研究状况，强调典型的学习策略是奥马利[22]的三个分类：元认知策略、认知策略和社会情感策略。本研究按照奥马利的策略分类设计了调查问卷，共13道题，其中涉及元认知策略4道题，认知策略5道题，社会情感策略4道题。答案选项是“从不”“很少”“有时”“经常”“总是”五级分量，对应分值1~5分。研究对象根据实际情况选择合适的分值，统计得出平均值和标准差。
4.3.1. 元认知策略
通过调查问卷收集数据后用Spss进行描述统计得出下“表6”和“表7”，这里总计平均值是由对应的每个问卷题的平均数相加后再除以题目数得来的，总标准差也是由对应的问卷题的标准差相加后再除以题目数得来的。
Table 6. Metacognitive strategies (English Majors)
表6. 元认知策略(英语专业)
变量 |
平均值 |
标准差 |
会根据AI分析报告调整学习计划 |
3.36 |
1.230 |
使用智能工具时会设定明确的学习目标 |
3.25 |
1.278 |
定期评估智能平台的学习效果 |
3.19 |
1.279 |
会结合AI建议选择学习资源 |
3.37 |
1.208 |
总计平均值/标准差 |
3.29 |
1.249 |
Table 7. Metacognitive strategies (Japanese Majors)
表7. 元认知策略(日语专业)
变量 |
平均值 |
标准差 |
会根据AI分析报告调整学习计划 |
3.39 |
1.394 |
使用智能工具时会设定明确的学习目标 |
3.38 |
1.240 |
定期评估智能平台的学习效果 |
3.26 |
1.277 |
会结合AI建议选择学习资源 |
3.05 |
1.334 |
总计平均值/标准差 |
3.27 |
1.311 |
两专业元认知策略总的平均值接近，英语专业的总平均分是3.29，日语则是3.27，但英语专业标准差更低，只有1.249，而日语专业则达到了1.311，这表明英语专业的学生，策略使用相对集中，日语专业的学生，个体差异更显著。在元认知策略上，两个专业的关键差异在于AI资源整合和目标设定与计划调整上。AI资源整合方面，英语专业3.37，日语专业3.05，表明英语专业更积极“结合AI建议选择学习资源”，凸显其对技术驱动的资源适配能力更高；目标设定与计划调整方面，英语专业均分3.25和3.36，日语专业3.38和3.39，可见日语专业在“设定明确学习目标”和“根据AI报告调整计划”上略高，反映其结构化学习倾向。
从生态位理论看，这属于“适应策略分化”。生态位理论强调生物通过适应策略调整以适应环境，英语专业生态位以“动态资源整合”为特征，因英语教学常依托多元开放的AI资源库，例如写作素材库、听力泛听平台，学生需主动整合资源应对多样化任务，其适应策略侧重资源的动态调配；日语专业生态位以“结构化技术依赖”为核心，因日语教学注重语言形式系统性，例如汉字书写、敬语规则，AI工具能提供结构化反馈，使其适应策略倾向于技术支持的流程标准化。两种适应策略的分化，使两专业学生在教学生态系统中形成独特生态位，实现各自的生存与发展。
4.3.2. 认知策略
通过调查问卷收集数据后用Spss进行描述统计得出下“表8”和“表9”，这里总计平均值是由对应的每个问卷题的平均数相加后再除以题目数得来的，总标准差也是由对应的问卷题的标准差相加后再除以题目数得来的。
Table 8. Cognitive strategies (English Majors)
表8. 认知策略(英语专业)
变量 |
平均值 |
标准差 |
利用语音识别功能练习发音 |
3.21 |
1.307 |
通过机器翻译对比改进译文 |
3.29 |
1.242 |
使用智能批改系统修改语法错误 |
3.14 |
1.308 |
借助AI生成的语言素材进行仿写 |
3.20 |
1.304 |
建立智能工具生成的学习笔记库 |
3.25 |
1.309 |
总计平均值/标准差 |
3.22 |
1.294 |
Table 9. Cognitive strategies (Japanese Majors)
表9. 认知策略(日语专业)
变量 |
平均值 |
标准差 |
利用语音识别功能练习发音 |
3.26 |
1.328 |
通过机器翻译对比改进译文 |
3.34 |
1.290 |
使用智能批改系统修改语法错误 |
3.20 |
1.314 |
借助AI生成的语言素材进行仿写 |
3.44 |
1.285 |
建立智能工具生成的学习笔记库 |
3.25 |
1.350 |
总计平均值/标准差 |
3.30 |
1.313 |
英语专业总均分3.22、标准差1.294，日语专业总均分3.30、标准差1.313，日语专业认知策略总均值略高且标准差更大，表明其策略使用频率较高但个体差异更显著。两专业差异主要体现在AI生成素材仿写方面，英语专业3.20，日语专业3.44，说明日语专业的学生显著更依赖“AI生成语言素材进行仿写”。这可能源于日语教学对语言形式规范性的高要求，例如日语教学强调语言形式的准确性，恰好AI生成素材可以提供标准化范例，这促使学生通过仿写强化规范性；而英语教学侧重语言输出的灵活性与创造性，学生则更依赖技术工具来支持个性化表达，但对AI生成素材的仿写需求较低，这是为了避免模板化。
从生态位理论解读，这体现“功能位分化”。埃尔顿[9]强调生态位的机能作用差异，日语专业在认知策略上呈现“形式导向型”，生态位核心为“技术强化规范”，其机能作用集中于语言形式的标准化训练；英语专业呈现“应用导向型”，生态位侧重技术工具在多样化任务中的适应性，机能作用更注重语言应用的灵活性。这种机能作用的分化，使两专业学生在教学生态系统中承担不同功能角色，维持系统的稳定运转。
4.3.3. 社会情感策略
通过调查问卷收集数据后用Spss进行描述统计得出下“表10”和“表11”，这里总计平均值是由对应的每个问卷题的平均数相加后再除以题目数得来的，总标准差也是由对应的问卷题的标准差相加后再除以题目数得来的。
英语专业的总平均分和总标准差分别为3.50和1.200，日语专业的总平均分和总标准差分别为3.54和1.151，可以看出日语专业在社会情感策略总均值和总标准差都高于英语专业，这表明日语专业的
Table 10. Socio-Affective strategies (English Majors)
表10. 社会情感策略(英语专业)
变量 |
平均值 |
标准差 |
使用AI情感分析功能调节学习情绪 |
3.49 |
1.266 |
在技术辅助下更愿意参与课堂互动 |
3.54 |
1.186 |
会将智能工具推荐给同学使用 |
3.49 |
1.173 |
遇到技术问题会主动寻求帮助 |
3.49 |
1.176 |
总计平均值/标准差 |
3.50 |
1.200 |
Table 11. Socio-Affective strategies (Japanese Majors)
表11. 社会情感策略(日语专业)
变量 |
平均值 |
标准差 |
使用AI情感分析功能调节学习情绪 |
3.52 |
1.105 |
在技术辅助下更愿意参与课堂互动 |
3.57 |
1.190 |
会将智能工具推荐给同学使用 |
3.54 |
1.104 |
遇到技术问题会主动寻求帮助 |
3.51 |
1.206 |
总计平均值/标准差 |
3.54 |
1.151 |
学生，策略使用更趋一致，英语专业的学生个体差异更显著。在社会情感策略方面，两者的差异一方面在于课堂参与意愿，英语和日语专业的平均分分别为3.54和3.57，可以看出日语专业“在技术辅助下参与堂互动”更积极，这反映了日语教学环境对技术支持的群体协作更具包容性；另一方面是在工具推荐与情感调节方面，日语学生在“推荐智能工具”和“AI情感分析调节情绪”上均略高，分别达到了3.54和3.52，这显示出其生态位中技术工具与社会联结的深度融合。这是因为日语教学强调集体协作与文化共情，技术工具被整合为维系学习社群的情感纽带，促使学生更主动推荐工具并参与互动；而英语教学侧重个体表达与批判性互动，学生对技术的情感调节功能持实用主义态度，导致策略使用分化。
从生态位理论来看，这符合“社群关系分化”。生态位不仅包含生物自身特征，还涉及与其他生物的关系，日语专业学生呈现“技术–社会协同型生态位”，其生态位中技术工具与社会关系紧密结合，形成社群化的生存模式；英语专业学生呈现“个体–技术互动型生态位”，更依赖技术赋能的个性化路径，社群关系对生态位的影响相对较弱。这种社群关系的分化，使两专业学生在教学生态系统中形成不同的互动网络，共同维持系统的多样性与稳定性。
5. 结语
通过分析英语和日语专业学生在人工智能环境中的表现，得出以下主要结论。不同专业学生对技术的使用方式存在明显差异。日语学生更依赖AI工具提升语言规范性，例如语法、汉字书写，而英语学生更注重技术的灵活应用例如写作批改、语音识别。这种差异反映了学科教学目标的不同需求。人工智能技术对学生的学习既有帮助也有挑战，AI工具能提高学习自主性和效率，但过度依赖可能导致基础能力退化或文化内涵缺失。因此我们应当合理利用人工智能，使其利大于弊。同时本研究验证了人工智能技术在不同语言教学中的差异化作用，为智能教育的学科适配性提供了实践参考。未来研究可进一步探索如何通过技术增强而非替代传统教学的人文价值。