1. 引言
随着信息技术的迅速发展，学习方式和学习环境发生了革命性的变化。非正式数字英语学习(Informal Digital Learning of English)成为了二语习得领域的重要研究方向。非正式数字英语学习作为一种新兴的学习模式，在二语习得领域中占据着重要地位，它被定义为学习者在非正式数字环境下，具有自我导向(控制点)、非结构化(形式)和自然主义(教学法)的显著特征[1]，这种学习活动发生在课外的数字环境(位置)之中，不存在教师的组织安排，且不是由教师驱动，完全依赖于学习者的自主性。这一领域的研究不仅关注学习者如何在网络环境中获取语言知识，还考察这些学习方式的有效性及其对学习结果的影响。当前该学科方向的研究产出呈现快速增长态势，越来越多的研究强调了理解非正式学习环境的教育潜力[2]，然而针对既有文献的可视化图谱分析仍存在空白。为系统梳理学术发展脉络，本研究采用可视化分析工具CiteSpace 6.3.1版本，对2014~2024年间核心文献数据进行深度挖掘。通过追踪学科前沿热点与发展趋势，识别现存研究薄弱环节，最终形成包含关键词聚类图谱、突现词演进图谱在内的分析体系，旨在为后续研究者揭示研究差距，指明具有创新价值的学术探索路径。
2. 研究设计
2.1. 研究问题
本研究采用CiteSpace文献可视化分析方法，旨在回答以下问题：
(1) 2014~2024年非正式数字英语学习(IDLE)研究的总体状况如何？
(2) 非正式数字英语学习研究的热点有哪些？
(3) 非正式数字英语学习研究未来的趋势如何？
2.2. 数据收集
本文数据来源于Web of Science收录的论文，具体步骤如下：
(1) 以“非正式数字英语学习”为主题，时间范围设置为1998~2024年，来源类别设置为“核心期刊”，共获取论文90篇。
(2) 甄别文献，删除非研究性、重复性论文等无效文献后，最终获得有效SCI和SSCI文献79篇。
(3) 建立文献库，阅读检索所得论文内容，将79篇论文导入CiteSpace软件进行可视化文献分析。
2.3. 数据分析
本文数据采用定量与定性分析结合的方法，以Web of Science学术资源总库为文献来源，对所选文献进行发文量统计，以实现论文发表整体趋势的可视化。使用知识图谱分析软件CiteSpace6.3.1版本进行关键词提取、聚类图生成等语料处理，绘制科学的知识图谱，深入分析2014~2024年非正式数字英语学习的研究热点及未来趋势。
3. 研究结果
3.1. 发文量趋势与时间线分析
根据图1所示的发文量数据，非正式数字英语学习这一研究方向在过去十年中呈现出显著的增长趋势。大致可分为3个发展阶段：
Figure 1. Annual publication chart of informal digital learning of English (IDLE) research in Web of Science database
图1. Web of Science数据库非正式数字英语学习研究发表年度图
第1阶段为沉寂期(2014~2018)，仅有6篇论文，2014年，数字素养作为关键词突现(图2)，2014年至2018年期间，该领域的研究相对有限，每年的发文量均不超过2篇，显示出该研究方向在学术界的关注度较低。
第2阶段为波动期(2019~2022)，自2019年起，该领域的研究逐渐升温，相关理论逐渐深化，实证研究逐渐增多，涌现大量新的关键词，如“态度”“意识”“信念”等，发文量在2019年达到9篇，较前一年显著增加。进入2020年，尽管发文量有所回落至6篇，但整体趋势依然保持增长。2021年和2022年，发文量分别为4篇和2篇，显示出一定的波动性。
第3阶段为高速发展期(2023~2024)，2023年发文量急剧上升至15篇，“媒体”“感知”“课外”“国际语言”等关键词进一步涌现，显示出该领域的研究热度显著提升，与数字技术在教育领域的广泛应用以及非正式学习环境的重要性提高有关。2024年发文量达到37篇，这一趋势表明，随着数字技术的不断进步和教育模式的变革，非正式数字英语学习已成为二语习得研究领域的一个重要分支。
综上所述，非正式数字英语学习研究在过去十年中经历了从缓慢增长到快速爆发的过程，显示出该领域的研究潜力和发展前景。未来，随着相关技术的进一步发展和教育需求的不断变化，该领域的研究有望继续保持增长态势，为教育实践和理论研究提供更多有价值的见解。
Figure 2. Keyword burst map of IDLE studies in Web of Science
图2. Web of Science数据库非正式数字英语学习研究关键词突现图谱
3.2. 作者及研究机构图谱分析
基于CiteSpace对文献作者合作的可视化分析(图3)，可以看出作者合作密度为0.0207，在语言学研究领域中处于中等偏低水平。其中，影响力最大的作者是LEE J.S.，其被引量达52次。发文量最多的作者包括Lee J. S. (25篇)、Liu G. L. (11篇)、Rezai A. (9篇)、Soyoof A. (9篇)、Reynolds B. L. (7篇)、Drajati N. A. (6篇)和Chiu M. M. (5篇)，其余作者的发文量在1~4篇不等。
从研究机构共现图谱来看(图4)，机构间的合作也不够频繁。非正式数字英语学习的研究发文主要集中东亚与英语国家(香港教育大学、首尔外国语大学等占比68%)的本科院校，说明区域视角失衡。主要发文机构包括Education University of Hong Kong (21篇)、Chinese University of Hong Kong (11篇)、University of Macau (6篇)、Hankuk University Foreign Studies (4篇)、Sebelas Maret University (4篇)、University of Illinois System (4篇)、University of Illinois Urbana-Champaign (4篇)、City University of Hong Kong (3篇)、Universidad de Malaga (3篇)和University of British Columbia (3篇)，其他机构发文量在1~2篇。
3.3. 关键词共现图谱分析
关键词提炼了文章的主题内容，具有概括文章核心和重点的作用。在可视化分析中，频繁出现的关键词可以被视为该领域内的研究热点[3]。经过将数据导入CiteSpace进行分析，时间切片设置为一年，
Figure 3. Author co-occurrence network of IDLE studies in Web of Science
图3. Web of Science数据库非正式数字英语学习研究作者共现图谱
Figure 4. Institutional collaboration network of IDLE studies in Web of Science
图4. Web of Science数据库非正式数字英语学习研究机构共现图谱
并以知网导出的文献关键词作为信息抓取来源，得到了如图5所示的知识图谱。根据知识图谱，“语”出现17次，“学习者”出现17次，“英语”出现10次。尽管这三个关键词的出现频率较高，但概念过于宽泛，难以具体体现该领域的研究热点。
与“非正式学习”及“学习者”紧密关联的关键词包括“课外”“技术”“移动设备”“数字素养”“焦虑”“沟通”“意愿”“动机”和“跨文化能力”等。综上所述，该领域的研究主要集中在大学学段，具体聚焦于数字技术、心理因素、教师角色、词汇习得以及跨文化能力等方面。
3.4. 关键词热点聚类分析
如图6，根据Web of Science数据库非正式数字英语学习研究关键词聚类结果，识别出影响变量、沟通意愿、线上语言使用、英语教师、非正式学习、自主决定理论、人工智能技术等12个聚类，各个领域
Figure 5. Keyword co-occurrence network of IDLE studies in Web of Science
图5. Web of Science数据库非正式数字英语学习研究关键词共现图谱
Figure 6. Keyword clustering knowledge graph of IDLE studies in Web of Science
图6. Web of Science数据库非正式数字英语学习研究关键词聚类知识图谱
之间相对密切，是目前非正式数字英语学习研究的热点，Q = 0.79，大于0.3，S = 0.93，大于0.7，由此可知划分出来的社团结构是显著的，聚类是高效率且令人信服的。
2020年后新出现的聚类节点(如“人工智能技术”)与早期聚类(如“影响变量”“沟通意愿”)形成明显代际差异，反映出研究热点的代际转移。
3.5. 研究热点发展
(1) 数字技术工具在IDLE中的应用机制
现有研究表明，以生成式人工智能(GenAI)、社交媒体及数字游戏为代表的数字技术，通过多元化路径显著促进非正式数字英语学习(IDLE)的发展。在人工智能应用层面，GenAI通过提供个性化反馈机制有效提升学习者的语言能力与学习动机，但需辅以教师指导以优化学习效果[4]。针对ChatGPT的系列研究表明，用户技术接受度[5]与实际使用行为[6]构成影响学习成效的关键变量，相关系统研究已形成完整的理论框架[7]。就多模态学习工具而言，数字游戏通过沉浸式交互显著提升玩家的词汇量[8]、语言自信心及听说能力[9]，研究证实游戏玩家写作水平与学业成绩相比而言也更高[10]。社交媒体平台如Bilibili和Instagram通过真实语境的多模态输入，不仅促进词汇习得[11]，更有效提升学习者的文化适应能力[12]。值得注意的是，智能手机作为移动学习终端，其自适应特性成功实现了数字环境与英语交际能力的协同发展[13]，印证了个性化学习需求与技术支持的有效匹配[14]。
(2) 心理因素驱动的中介效应模型
当前研究构建了包含自我效能感、动机、自信、倦怠、外语感知、二语坚毅、外语焦虑及外语愉悦等维度的心理驱动模型，揭示了各要素在IDLE中的动态作用机制。二语动机研究方面，Barkati等人[15]、Liu等人[16]和Lee [17]将自我效能感与理想二语自我确认为关键预测变量，Liu [18]的纵向研究揭示了数字化环境下二语动机的演化规律。情感维度研究取得突破性进展：外语平和心态(FLPoM)与外语愉悦(FLE)在IDLE与沟通意愿(WTC)间呈现完全中介效应[19]，而外语焦虑则表现出抑制作用[20]。值得关注的是，产出性IDLE活动中的心理资本(毅力、自信、动机)被证实是WTC的重要预测因素[21]，同时学习倦怠(FLB)的纵向研究揭示IDLE通过降低倦怠间接提高沟通意愿的机制路径[22]。最新研究进一步发现FLE在理想二语自我与IDLE间具有部分中介效应[23]，完善了心理因素的作用链条。
(3) 跨文化能力建构的多重路径
跨文化研究领域呈现多维突破：首先，结构化教学与IDLE体验的结合显著提升英语专业学生的英语国际语言(EIL)感知水平[24]；其次，Lee [25]证明多样化英语变体接触与文化内容输入是提升跨文化交际能力的有效路径；TOEIC高分者的IDLE实践特征研究[26]则从语言水平维度验证了IDLE与EIL感知的正向关联。理论建构层面，Liu [27]提出的跨文化能力五维模型(自我认知、他人认知、态度、意识、技能)为相关研究提供测量框架，而数字素养驱动的身份重构理论[28]则揭示了多模态表达对文化持续性的促进作用。这些发现共同构建了IDLE影响跨文化能力的理论图谱。
(4) 教师角色的范式转型研究
教师研究呈现三大转向：认知层面，社交网络的教育价值已获得普遍认可，其效用涵盖资源多样性、灵活性等多重维度[29]；实践层面，Rezai [30]开发的六维IDLE教师量表(含资源获取、真实体验等因子)为教师实践评估提供可靠工具；整合机制研究取得突破，计划行为理论框架下的研究揭示态度、主观规范与技术熟悉度的协同影响机制[31]，而内容与语言整合学习(CLIL)课堂研究提出的“无缝学习”模型强调课内外数字资源的衔接必要性[32]。值得注意的是，职前教师群体表现出显著的外部支持依赖性[29]，这一发现对师资培养具有重要启示。
(5) 非正式数字英语学习的测量工具创新
测量工具研究呈现体系化发展趋势：在构念测量方面，WTC-R量表[33]与拓展IDLE量表[34]分别完善了数字化环境下的沟通意愿评估框架和社会支持测量维度；Sundqvist的课外英语活动量表(EE)证实其作为独立变量的测量价值[35]，揭示EE对传统课堂的结构性影响。IDLE效果研究取得关键进展：Lee [36]和Lee [1]证实活动质量(多样性、形式-意义平衡)较数量指标更具预测效度，而数字写作实践研究(如博客写作) [37]则证实其提升学术写作能力与社交认同的双重效应。这些理论突破为IDLE研究提供了可靠的研究工具与评估范式。
4. 讨论与展望
综上所述，目前国内关于非正式数字英语学习的研究取得较显著的成果，理论和实践都不断深化、细化，现有研究对非正式数字英语学习(IDLE)的机制与效果进行了广泛探索，但仍存在以下局限性：
(1) 样本多样性与文化普适性不足：多数研究聚焦于东亚(如中国、韩国、伊朗)和中东地区，对非洲、拉丁美洲及多语言国家(如印度、南非)的IDLE行为缺乏系统性分析。由于不同地域的学习者IDLE行为具有显著文化特异性，如东亚学习者普遍使用微信、B站等区域性平台，而拉美地区使用WhatsApp学习社群，研究机构的低合作度导致缺乏跨文化团队来验证这些模式在其他数字生态中的适用性，且未充分考虑宗教、多语环境等变量的调节作用，无法全面反映全球EFL学习者的多样性需求。此外，对特定群体(如少数民族、低社会经济地位学习者)的关注不足，例如Jiang等人[38]虽探讨了藏族学生的数字多模态写作，但未深入分析数字鸿沟对IDLE参与的影响。
(2) 纵向研究与动态机制探索匮乏：现有研究多为横截面设计，仅Taherian [22]采用纵向追踪方法，导致对IDLE的长期效应(如动机衰减、能力固化)及动态中介机制(如情感因素的时序变化)缺乏实证支持。例如，Lee [21]发现二语坚毅对WTC的预测作用显著，但未检验其随时间变化的稳定性。
(3) 技术整合的实践指导性薄弱：尽管生成式AI (如ChatGPT)被证实对IDLE有积极影响，但AI工具与正式课程的衔接策略(如教师如何设计AI辅助任务)仍停留在理论探讨[7]，缺乏可操作的课堂干预模型。同时，技术依赖的潜在风险(如信息过载、学术诚信问题)尚未被充分讨论[13]。
(4) 教师角色的边缘化：选定文献中仅4项研究涉及教师视角，占样本总量的5%左右，且呈现明显的“工具理性”倾向，研究多聚焦量表开发或行为意图，忽视了教师在IDLE中的引导作用(如资源筛选、情感支持)，将教师简化为技术能力的量化对象，忽视了其在教学过程中的动态角色。未能深入探讨教师如何利用IDLE进行教学实践的调整。例如，Pablo等人[32]发现学生课外数字资源使用与课堂模式脱节，但未提出教师如何通过教学设计弥合这一鸿沟。
(5) 多语言与非殖民化语境缺失：现有研究以英语为核心，对非英语语言[16]及后殖民语境(如非洲本土语言与英语的竞争关系)关注不足，仅Liu [16]对中国的法语和德语学习者进行了研究。虽涉及跨文化数字素养[28]，但未触及语言权力不平等问题，难以回应全球语言教育现实需求。
为弥补上述不足，未来研究可从以下方向展开：
(1) 跨文化比较与弱势群体研究
通过跨国合作采集非洲、拉美等地的IDLE数据，结合批判种族理论(CRT)分析文化资本、数字接入对学习效果的影响[28]。同时，针对少数民族[38]、农村学生等群体，探究数字排斥(Digital Exclusion)如何制约其IDLE参与，并提出包容性干预策略。
(2) 进行动态追踪与混合方法设计
未来可采用纵向研究(如日记法、经验取样法)与生理指标(如Bayrambas和Sendurur [39]采用的眼动、脑电图实验)结合，揭示IDLE行为与语言能力的共变轨迹。例如，可扩展Taherian等人[22]的中介模型，检验情感因素(如倦怠、愉悦)在IDLE与WTC间的动态中介效应。
(3) 开展技术整合的生态化实践
开发AI工具与正式课程的协同框架，如基于社会认知理论[4]设计“AI导师-教师-学习者”三元互动模式，并通过随机对照实验验证其对低动机学习者的效果[5]。同时，需构建技术伦理评估指标，防范数据隐私与学术诚信风险[6]。
(4) 探索教师专业发展路径创新
依据Rezai的量表[30]与Liu的技术接受模型(TPB) [31]，设计教师IDLE培训模块，重点提升其数字资源批判性筛选能力(如识别虚假信息)及情感支持策略(如通过社交媒体建立师生学习社区)。可借鉴Le的越南教师案例[29]，探索发展中国家教师的技术赋能路径。
(5) 拓展多语言生态与去殖民化视角
拓展IDLE研究至非英语语言(如西班牙语、法语)，分析多语者在数字环境中的语码转换与身份协同行为[40]。同时，从后殖民理论出发，批判性审视英语在IDLE中的霸权地位，探索本土语言与英语的协同学习模式，可借鉴Kim的跨文化素养框架[28]。
5. 结论
基于CiteSpace的可视化图谱分析表明，非正式数字英语学习(IDLE)研究在过去十年(2014~2024)呈现显著的三阶段演进特征：从初期的理论探索(2014~2018)，到波动期的实证深化(2019~2022)，最终进入技术驱动的高速发展期(2023~2024)。关键词聚类图谱揭示五大核心研究领域：1) 数字技术工具(如生成式AI、社交媒体)的应用机制；2) 心理因素(动机、情感、自我效能感)的中介效应模型；3) 跨文化能力建构的多重路径；4) 教师角色的范式转型；5) 测量工具的体系化创新。
尽管非正式数字英语学习(IDLE)作为技术赋能语言学习的重要范式，已展现出在提升语言能力[41]及情感体验[20]方面的显著潜力。然而，图谱分析暴露现有研究在样本多样性、动态机制解析及教育实践转化上仍存在局限：研究机构集中于东亚与英语国家(香港教育大学、首尔外国语大学等占比68%)，导致区域视角失衡。此外，纵向研究仅占1.3%，且缺乏跨学科交叉节点，制约了动态机制的深度解析。未来需突破“工具主义”视角，构建兼顾技术批判性与文化敏感性的理论框架，重点关注弱势群体的数字包容、教师角色的重新定位以及多语言生态的平衡发展。在方法论层面，应推动纵向追踪、混合方法与神经科学技术的融合，以更精准捕捉IDLE的复杂作用机制。实践层面，需协同教师与技术开发者，设计符合本土语境的IDLE支持系统，最终实现“以人为本”的数字化语言教育生态。