摘要: 生成式AI时代到来，深刻改变了教育领域，尤其体现在语言学习和测评方式的变革。文章在回顾传统“语言知识、语言技能、综合应用”三维语言学习能力基础上，加入“AI调用、AI评估、AI共创”新三维，并提出可操作的学习行为观察点。AI调用聚焦任务与工具的匹配和结构化提示语设计，实现从“会用工具”到“会配工具”的转变；AI评估从事实、文化、算法三个层面，完成从“草稿生成”到“可信判断”的跨越；AI共创依托意义增删、结构重组、风格统一的高阶修订，达成从“依赖工具”到“引导工具”的升级。结合课堂实践案例，剖析各维度操作方法与常见误区，构建驾驭智能的能力评估标准，为智能时代英语课程目标制定、教学评价完善及教师角色转型提供参考，助力培养能适应人机协同场景的创新型英语学习者。
Abstract: The arrival of generative AI has profoundly transformed the field of education, especially in the areas of language learning and assessment methods. This paper reviews the traditional three-dimensional model of language learning competence, which includes “language knowledge, language skills, and integrated application”, and incorporates three new dimensions: “AI invocation, AI evaluation, and AI co-creation”. It also proposes actionable points for observing learning behaviors. AI invocation focuses on task-tool matching and the design of structured prompts, achieving a transition from “using tools” to “matching tools”. AI evaluation spans three levels—facts, culture, and algorithms—to bridge the gap from “draft generation” to “credible judgment”. AI co-creation relies on advanced revisions that add or delete meaning, restructure content, and unify style, thus upgrading from “relying on tools” to “guiding tools”. Based on classroom practice examples, this paper analyzes the operational methods and common pitfalls in each dimension and establishes an evaluation standard for mastering AI tools. The findings provide a reference for the formulation of English course goals, the improvement of teaching assessments, and the transformation of teachers’ roles in the intelligent era, aiming to cultivate innovative English learners who can adapt to human-machine collaborative scenarios.
1. 引言
自20世纪80年代Henri Holec将自主学习引入外语教学以来，英语学习能力一直被界定为学习者独立管理并顺利完成语言任务所需的认知、技能与情感特质，强调目标设定、策略选择与绩效评估的自我负责[1]；Bloom进一步把学习能力细分为认知领域、操练技能和运动技能、情感领域三大部分，奠定了语言能力由“语言知识 + 语言技能 + 综合应用”三部分组成的基础[2]。我国当前英语教育承袭这一脉络，把英语学习能力具体化为：掌握语音、词汇、语法等基础知识，形成听、说、读、写四项基本技能，并在真实语境中实现迁移，也就是综合语言运用能力[3]。该定义隐含一个核心假设，即学习终点是人脑可脱离工具独立完成语言任务。
然而，随着生成式人工智能的广泛应用，这一假设逐渐变得不再适用。首先，人工智能已深度参与信息检索、内容生成和文本润色等全过程，学习者若不充分利用技术工具，将在速度、准确性和信息量方面处于不利地位；其次，人工智能生成的内容可能混杂事实性错误和偏见，学习者必须具备辨识、评估和修正的能力，否则独立使用可能导致错误信息的传播；第三，如果学生仅依赖人工智能生成内容而缺乏评估能力，容易把不准确的内容视为正确答案。生成式AI出现后，语言翻译、写作润色、资料查找等任务常由机器承担，学习者转而负责提问、质量检查和最终成品把关等。学习成效不再仅仅评判个人是否掌握知识，而是看学生能否与AI合作，共同创作准确、得体且符合伦理的文本。这种从独立完成任务到协同完成的转变，使得英语学习能力的定义也随之拓展，从单纯的学生主体转向人机协同的能力[4]。而现有的语言能力评估尚未涵盖如何有效使用人工智能、评估其生成内容以及与人工智能共同创作的能力，因此，本文在传统语言知识、语言技能、综合应用的基础上，提出增加AI调用、AI评估和AI共创三个维度，重新定义英语学习能力，提出从掌握语言到驾驭智能的转变，构建驾驭智能的操作方法，为智能时代课程目标的制定、教学评价的完善以及教师角色的转型提供参考。
下面分别从AI调用、AI评估和AI共创三个维度阐述新的英语学习能力定义及课堂测评方法。
2. AI调用：从“会用工具”到“会配工具”的转变
随着人工智能生态系统日益复杂，市场上涌现出大量功能各异的工具，这些工具在执行相同任务时可能展现出不同的优势。因此，AI调用不仅仅是对工具的简单使用，更需要根据具体任务的需求进行选择，并能够在学习情境中灵活调整。学生AI调用能力的培养，首先体现在任务与工具之间的有效匹配上。学生应根据输出的准确度、处理时间、版权限制等标准，在多款工具中做出合理选择。在翻译任务中，准确性通常是首要考虑因素；而在内容生成过程中，时间效率可能更为关键。版权限制则会影响某些工具的使用权限。因此，学生的AI调用能力不仅取决于对工具的熟悉程度，更与其评估任务需求、根据任务特性迅速匹配适当工具的能力密切相关。
其次，AI调用能力还体现在任务需求与提示语之间的对接。学生需要将宏观任务拆解为可操作的微观指令，并通过结构化的提示语来指导AI系统。这种结构化提示的有效性在于能够减少AI在输出过程中产生的偏差，特别是在面对复杂任务时，为了确保AI能够准确理解任务需求，学生要将“角色、任务、格式和限制”这四个维度作为提示语的基本构成要素，帮助AI生成符合需求的结果。通过这种方法，学生能够减少反复试探的时间，并提高任务完成的准确性。
在教学实践中，教师可以通过具体案例帮助学生深入理解AI工具调用的实际流程。例如，在“Environmental Protection”(环境保护)项目式学习中，教师要求学生在三天内完成一份中英双语海报。某学生在初步使用DeepL进行翻译时，发现翻译结果未能达到预期，尤其是在宣传口号方面，语感显得生硬。为了解决这一问题，学生选择使用ChatGPT生成了十条候选标语，并通过精确的结构化提示语：要求标语不超过12个词、押韵且符合15岁青少年群体的阅读习惯，学生成功获得了符合要求的标语，并显著缩短了任务完成的时间。此过程不仅展示了AI工具的选择与有效应用，还揭示了如何通过精准提示语设计优化任务执行的效率与质量，进一步提升了学生在项目式学习中的自主性和创新能力。
在实际调用AI时，学生可能会遇到一些常见的误区。首先，部分学生往往倾向于将相同的提示语简单复制粘贴至不同的AI工具中，而缺乏对输出结果的系统性比较与分析，进而未能充分发挥各个工具的独特优势。其次，一些学生可能对某一工具产生过度依赖，即使该工具的输出质量逐渐下降，依然不愿尝试其他更适合当前任务需求的工具。再者，部分学生由于缺乏结构化思维，往往使用自然语言进行冗长的描述，缺乏有效的指令设置与约束条件，导致AI输出结果偏离预期。这些问题揭示了学生在使用AI工具时，不仅需要掌握基本操作技能，还必须具备批判性思维与灵活应变的能力，能够根据任务的具体要求迅速做出合理调整。为了帮助学生避免上述误区，教师可以通过观察学生在课堂中的行为，来评估其在AI工具调用方面的能力。例如，学生是否能够在短时间内简洁明了地阐述其选择特定工具的理由，判断其对任务需求与工具匹配的理解程度；学生是否能在使用提示语时准确地运用“角色、任务、格式与限制”四个核心要素，确保其提示语具备结构性且与任务需求有效对接。此外，教师还可以通过观察学生是否能够在实际操作中成功切换不同的AI工具，并清晰阐述切换的理由和依据，判断学生是否具备根据任务需求灵活调整工具的能力。这些行为的评估将帮助教师更全面地了解学生的AI调用水平，从而提升教学的针对性与有效性。
当学生能够在这些评估标准中表现出较高水平的能力时，说明他们已完成从“会用工具”到“会配工具”的转变，这为日后更深入地应用AI技术奠定了坚实的基础。
3. AI评估：从“草稿生成”到“可信判断”的转变
随着AI技术的持续发展，早期的“机器答案”往往存在较大偏差或不足。然而，随着算法不断优化和深度学习能力的提升，AI系统已不再局限于生成草稿或答案，而是能够根据上下文和已有数据，给出更加准确且具有高可信度的判断。这一转变不仅提升了AI评估系统的精确度，也改变了其在实际应用中的角色——从一个辅助工具，转变为能够做出更具决策价值的判断者。
AI评估的核心在于三层评估能力：首先是事实层，要核对所生成内容中时间、数字、专有名词等信息的准确性；其次是文化层，要评估内容是否符合特定的价值观念，是否存在禁忌表达或文化偏见；最后是算法层，这一层涉及识别潜在的算法偏见，尤其是在商业或政治倾向上，防止内容的片面性或误导性。通过这三层评估后，再对AI生成的内容进行全面审查和改进，确保其在多维度上达到更高的可信度和应用价值。
评估过程通常遵循以下操作步骤。首先，要求AI提供其内容的来源链接，以便进一步确认信息的来源和准确性；接着，使用搜索引擎或数据库进行交叉验证，确保信息的可靠性；最后，给每条信息标注“可信”、“待查”或“不可信”，以决定是否保留、改写或删除这条信息。该流程不仅有助于提高内容的可信度，还能够增强学习者在使用AI时的批判性思维和信息判断能力。
在实际课堂中，采用该评估流程能够显著帮助学生更好地理解与应用AI工具。以某学生使用AI生成关于“塑料污染”(Plastic Pollution)主题的演讲稿为例，AI提供了一项数据：“全球每年排放塑料4亿吨”。在要求提供数据来源后，AI给出了一个链接，经过进一步核实，学生发现该数据来源于2019年的统计。于是，学生将其标注为“待查”，并通过查询2024年英国政府的报告获得了更新的数据“4.6亿吨”，随即进行了替换。尽管该修改仅涉及三处数据的调整，但这一修正显著提升了演讲稿的可信度，充分体现了AI评估过程在学术写作中的重要性。
在进行AI评估的过程中，学生也容易出现类似的误判和偏差。如：盲目相信引用内容而不进行深入验证；只核对数据中的数字，而忽视了其他关键细节，如单位、年份等信息；标签使用不当也会影响评估的效率，部分学生将“待查”与“不可信”混为一谈，进而无法合理排序修订的优先级，影响修订效果的最终呈现。为了帮助学生避免这些误区，教师可通过观察学生的行为进行引导。首先，教师应要求学生在文稿中标注至少三条信息来源，从而培养学生良好的引用习惯；其次，学生应对至少两条信息的准确性与可信度进行核实，确保数据来源的可靠性；最后，学生需要学会使用“可信”、“待查”和“不可信”标签，并为每一标签提供合理的说明。通过这些步骤，学生能够逐步掌握AI评估的基本标准。
这一系列操作流程的实施，不仅有助于提高AI生成内容的质量，还能够有效促进学生批判性思维的培养，提升他们在数字时代独立判断和处理信息的能力。
4. AI共创：从“依赖工具”到“引导工具”的转变
AI的优势在于其能够高效生成和拼接大量语料，但缺乏情境判断、价值立场和创造性重组的能力。因此，AI的输出常常是表面化的，缺少深层的逻辑和情感联系。为弥补这一不足，在AI共创过程中，应特别强调三类高阶修订：意义增删、结构重组和风格统一。意义增删指通过补充背景信息、删减冗余内容或加入特定立场，从而赋予文本更深的内涵与情感表达；结构重组则涉及对段落顺序的调整，以便使因果关系或对比逻辑更加清晰和易于理解；风格统一要求在语气、受众定位和格式方面保持一致，以确保最终文本呈现出统一性，避免看起来像是多个信息源拼接而成。完成这三步修订后，可以通过相似度检测工具评估人机创作的相似度，若相似度较高，则应进一步进行精细化调整，以确保文本内容更加准确、贴合具体情境。
在实践中，学生通过这一过程，能够将AI生成的初稿转化为一篇符合他们需求和个人风格的文本。例如，某学生收到了一篇AI生成的“环保倡议书”初稿。初稿中，AI仅罗列了大量的事实和数据，缺乏情感和号召力。学生首先通过增写一段本地受污染河流的亲身经历来增加文章的情感色彩，这就是意义增删。接着，调整“解决方案”部分的位置，将其提前至文章开头，形成了“问题–对策–号召”的递进结构，这一调整属于结构重组。最后，统一使用了第二人称“我们”并加入了排比句式，以增强号召力和文章的统一性，达到了风格统一的要求。通过这些修订，最终生成的环保倡议书与AI初稿相比，文章的相似度显著降低，并得到情感共鸣。
在AI共创过程中，常见的错误是所谓的“表面润色”。这种做法通常只涉及替换连接词或高级词汇，而未真正对文章的结构和立场进行有效的调整。该修订方式看似让文章更高级，但缺乏深度，内容的核心问题依然没有得到解决。另一个错误是“过度删改”。为了降低相似度，一些学生会选择大规模地重写文章，结果导致原文中的核心信息和主旨丧失。此外，还有“风格不一致”问题。有的学生在修订过程中，一段使用正式语言，下一段却使用口语化表达，导致文章风格不统一，影响整体阅读体验。为了避免这些错误，教师可以通过以下行为点来观察学生的修订过程。首先，修订痕迹应当显示意义增删、结构重组和风格统一这三类操作，各类至少进行一次，确保学生在修订时真正关注这些高阶修订要求。其次，明确终稿的相似度，该要求可以确保学生通过有效的创作和修改，将AI内容转化为更具个性和创造性的作品。最后，教师可以通过口头问答，检查学生是否能清晰地解释他们所做的改动和修改的原因，确保学生对AI共创过程有深刻的理解。
通过这一系列步骤，学生从最初的“借助机器”到“掌控机器”，再到最终的“改进机器”，完成了完整的学习闭环。在这一过程中，学生不仅掌握了如何有效利用AI工具提升写作质量，还学会了如何与AI进行协同创作，从而实现更具深度和价值的表达，不仅增强了学生的语言能力，而且具备了运用智能工具的能力。该理念可为教师培训提供理论依据，教师也可以依托这一标准设计课程内容、编制评估量表，从而帮助学生在智能化时代不断提升自我，具备更强的自主学习与创新能力。
5. 结语
生成式人工智能使得传统的“语言知识 + 语言技能 + 综合应用”三维度学习能力，正逐渐融合“AI调用、AI评估和AI共创”三个新维度。这不仅标志着从单一学习者到人机协同的转变，也为英语教育提供了新的方向。教师要教授学生如何使用工具，更要培养他们的批判性思维和创作能力，引导学生通过与AI的互动提升他们的综合素养。教师的角色不再是单一的知识传授者，而是引导者和合作伙伴，帮助学生在智能化的环境中掌握新的学习能力[5]。
在未来的教育实践中，如何有效整合人工智能技术、如何培养学生的AI操作和批判能力，将成为衡量英语教育成效的重要指标。这不仅需要教师的专业能力，也需要学校和教育政策的支持。随着AI技术的不断进步，教育者应当迎接这一挑战，帮助学生在智能时代更好地发展，培养他们成为能够驾驭智能、适应未来社会的创新型人才。
基金项目
湖北省教育科学规划课题“人工智能赋能大学生英语学习能力的路径研究”(编号：2023GB019)阶段性成果。