摘要: 近年来，以ChatGPT为代表的生成式人工智能技术迅速发展，并在高等教育领域引发广泛关注。相较于传统信息技术，生成式人工智能在自然语言理解与生成方面具有更强的交互性和智能性，已被大学生广泛应用于英语写作、词汇与语法学习、阅读理解和翻译等环节。本文以ChatGPT等生成式人工智能工具为研究对象，基于相关文献梳理与教学实践分析，概括其基本特征及在大学英语学习中的主要应用场景，系统探讨生成式人工智能对大学英语学习的积极影响与潜在问题。分析表明，生成式人工智能有助于提升学习自主性与学习效率、拓展学习资源与学习方式、增加语言输入与输出练习机会，但过度或不当使用也可能导致学习依赖、语言能力发展受限以及学术规范与学习伦理边界模糊等风险。基于上述分析，本文从教学实践角度提出构建“任务-AI使用矩阵”、强化过程性评价与反思性学习、完善课程规范与使用指引等建议，强调应将生成式人工智能合理定位为辅助性工具，以推动其在大学英语教学中的规范、理性应用。
Abstract: In recent years, generative artificial intelligence technologies exemplified by ChatGPT have advanced rapidly, attracting significant attention within the higher education sector. Compared to traditional information technologies, GenAI exhibits stronger interactivity and intelligence in understanding and generating natural language, and has been widely used by university students for English composition, vocabulary and grammar learning, reading comprehension, and translation. Drawing on a review of relevant literature and reflections on teaching practice, this paper outlines the main features of ChatGPT and other GenAI tools as well as their major application scenarios in college English learning, and systematically examines their positive impacts and potential problems. The analysis suggests that GenAI can enhance learners’ autonomy and efficiency, expand learning resources and modes, and provide more opportunities for language input and output practice. However, excessive or inappropriate use may also lead to risks such as learning dependence, constrained language development, and blurred boundaries of academic integrity and learning ethics. In response, the paper proposes several pedagogical implications, including constructing a “task-AI use matrix”, strengthening process-oriented assessment and reflective learning, and clarifying course-level regulations and usage guidelines. It argues that GenAI should be positioned as an auxiliary rather than substitutive tool so as to promote its responsible and well-informed integration into college English teaching.
1. 引言
近年来，以ChatGPT为代表的生成式人工智能(Generative Artificial Intelligence, GenAI)技术迅速发展，并在教育领域引发了广泛关注。相较于传统信息技术，生成式人工智能在自然语言理解与生成方面展现出更强的交互性和智能化特征，能够根据学习者的输入即时生成语言反馈，为学习过程提供更加灵活和个性化的支持[1]。在高等教育环境中，越来越多的大学生开始将生成式人工智能工具应用于英语学习实践中，涵盖英语写作、词汇学习、阅读理解及翻译等多个方面。
已有研究指出，生成式人工智能在外语教育中的应用正在重塑学习者获取语言输入和进行语言输出的方式。基于大规模语言模型的生成式人工智能能够通过持续交互为学习者提供即时反馈，从而拓展传统课堂之外的语言学习空间[2]。研究也表明，生成式人工智能在第二语言习得和课堂教学中的应用，有助于提升学习者的学习体验和语言产出质量，尤其在写作与语言表达支持方面表现出明显优势[3]。这些研究从不同角度肯定了生成式人工智能在外语学习中的潜在价值。相关研究从教学实施策略角度指出，利用大语言模型支持个性化外语教育可从“主体”与“主体间”两个维度展开，这为生成式人工智能在外语教学中的深度融入提供了理论框架[4]。一项针对国内核心期刊的文献计量学分析显示，外语学界对该领域高度关注，研究成果主要集中在写作教学、翻译教学及宏观影响探讨，但目前研究仍以理论思辨为主，实证研究相对不足[5]。然而，伴随生成式人工智能在大学英语学习中的广泛应用，其潜在问题也逐渐引起学界关注。一方面，生成式人工智能所生成的语言内容并非始终准确可靠，学习者若缺乏判断能力，可能在语言规则理解和语言意识发展方面受到影响。另一方面，生成式人工智能在作业完成和写作辅助中的不当使用，也可能模糊学习辅助与代写之间的界限，从而对学术规范和学习伦理构成挑战[6]。因此，如何在充分发挥生成式人工智能教学潜能的同时，避免其对学习过程和学习质量产生负面影响，成为当前外语教育研究中亟需回应的重要议题。基于此，本文以ChatGPT等生成式人工智能工具为研究对象，在梳理其基本特征及其在大学英语学习中主要应用场景的基础上，分析生成式人工智能对大学英语学习的积极影响与潜在问题，并进一步探讨生成式人工智能背景下大学英语教学的应对策略，以期为高校英语教学实践和相关研究提供有益参考。
2. 生成式人工智能与大学英语学习概述
2.1. 生成式人工智能的基本特征
生成式人工智能(Generative Artificial Intelligence)是指基于大规模语料数据和深度学习算法训练而成的智能模型，能够根据用户输入生成文本、图像等内容[7]。其中，以ChatGPT为代表的系统主要依托大规模预训练语言模型(Large Language Models, LLMs)，在自然语言理解与生成方面表现出较高水平，能够生成相对连贯、语义合理且符合语境的语言文本[8]。在语言学习情境中，生成式人工智能主要呈现出自然语言生成能力强、交互性高以及反馈即时等特征[1]。学习者可以通过与生成式人工智能进行持续对话或输入具体指令，获得语言解释、用法示例或修改建议，从而实现一定程度的个性化学习支持。与传统计算机辅助语言学习工具侧重信息检索或固定反馈不同，生成式人工智能能够根据学习者的需求动态生成语言内容，并在交互过程中不断调整回应方式。从学习工具的角度看，生成式人工智能并非简单的“答案提供者”，而是在一定程度上模拟人类语言交互过程，为学习者提供持续的语言输入与输出机会。这种高度互动和适应性的特征，使生成式人工智能在外语学习领域展现出较高的应用潜力，尤其在写作支持、语言练习和自主学习方面具有明显优势。
2.2. ChatGPT在大学英语学习中的主要应用
在大学英语学习中，以ChatGPT为代表的生成式人工智能工具已被应用于写作、词汇与语法、阅读理解、翻译及口语练习等多个环节，并逐渐融入课内外学习过程。在写作方面，学生可借助生成式人工智能进行语法检查、表达改写和文本润色，提高语言准确性与表达流畅度。研究表明，ChatGPT提供的即时反馈有助于学习者及时修正语言错误，促进写作能力发展[3]。在词汇与语法学习中，生成式人工智能能够根据学习者输入提供用法解释与例句，帮助学生在具体语境中理解语言形式；在阅读与翻译学习中，学生可以利用其获取文本解读和跨语言支持，降低理解难度并提升学习效率。此外，ChatGPT还能作为对话伙伴，为学习者提供模拟交流情境，在一定程度上弥补真实语言环境的不足[9]。已有系统综述指出，当前生成式人工智能在第二语言和外语教育中的研究主要集中于写作支持、个性化反馈及学习资源拓展等方面[2]。这些应用不仅拓宽了大学英语学习资源的获取渠道，也为学生课外自主学习和教师课堂优化提供了补充路径。
在中国高校特有的网络环境与数据安全要求下，学生实际使用的平台并不局限于ChatGPT，还包括文心一言、讯飞星火、通义千问等国产大模型以及部分高校自建的教育大模型系统。相关研究指出，国产大模型在中文知识问答、本土文化内容生成及与校园教学平台对接方面具有优势，但在英语语料覆盖度、跨文化语用知识和长文本推理能力等方面与国际主流模型仍存在差距[10]。因此，讨论生成式人工智能对大学英语学习的作用机制与教学启示时，有必要将不同平台的能力结构及其使用情境纳入分析，以更准确评估其在中国高校外语教学中的应用潜力与局限。
3. 生成式人工智能对大学英语学习的积极影响
3.1. 提升学习自主性与学习效率
生成式人工智能具备即时反馈和持续交互的特征，为大学生英语学习提供了更加灵活的学习支持。学生可以根据自身学习需求，在课堂之外随时借助ChatGPT等生成式人工智能工具解决学习过程中遇到的问题，从而突破课堂时间和教学进度的限制。这种以学习者需求为导向的使用方式，在一定程度上增强了学生的学习自主性，使其能够更加主动地参与英语学习过程。与此同时，生成式人工智能的响应不仅涵盖语法和词汇解释，还能够根据学习者提问提供情境化对话和针对性的语言练习，从而进一步激发学习动机。相关研究表明，生成式人工智能在学习过程中能够满足学习者的自主性需求，并增强其能力感和自我效能感，这与自我决定理论所强调的学习动机机制相契合。此外，生成式人工智能能够快速回应学习需求，减少学生在资料查找和反复尝试中的时间成本，有助于提升学习效率。对于学习基础较弱或缺乏信心的学生而言，其提供的支持性反馈还有助于缓解学习焦虑，增强持续学习的动力。
3.2. 拓展学习资源与学习方式
与传统教材和相对固定的教学资源相比，生成式人工智能能够根据学习者的具体输入动态生成多样化的语言材料，从而显著拓展大学英语学习的资源获取渠道。学生可结合自身兴趣、专业背景或学习目标，获取具有针对性的语言示例、文本素材和学习解释，有助于提高学习内容与个人需求之间的契合度，进而增强学习参与感。此外，生成式人工智能的引入在一定程度上推动了大学英语学习方式的转变，使学习过程由以教师和教材为中心，逐步向更加开放、灵活和互动的方向发展。学习者不再仅依赖课堂讲授，而是通过与生成式人工智能的持续互动主动建构知识，这有利于因材施教理念在大学英语学习中的具体落实。
3.3. 促进语言输入与输出练习
语言能力的发展依赖于充足且高质量的语言输入与输出练习。生成式人工智能能够在一定程度上模拟真实交际情境，与学习者进行持续互动，为大学生提供更多语言实践机会。学生可以通过对话练习、写作示例与反馈修正等方式，反复接触并使用目标语言，从而增加输入频率、拓展输出空间。得益于语境嵌入与语义计算能力，大语言模型能够对学习者语言产出进行语义相似度与语言自然度评估，为翻译和写作提供更为精准的反馈机制[11]。这一以互动和实践为导向的过程，有助于提升学习者对语言形式与语用的敏感度，并在持续的使用与修正中改善表达的准确性与流畅性。
4. 生成式人工智能对大学英语学习的潜在问题
4.1. 学习依赖性增强的问题
生成式人工智能的高效与便捷在支持大学英语学习的同时，也可能导致部分学生形成过度依赖。在完成写作、翻译或练习任务时，若频繁直接调用模型生成答案或成品，容易弱化自主思考和语言加工过程，削弱学生分析语言问题和建构语言知识的能力。长期依赖可能使学生在脱离技术支持时难以独立完成任务，从而不利于语言能力的持续发展。
4.2. 对语言能力发展的潜在影响
在写作和翻译学习中，生成式人工智能提供的高质量输出在一定程度上可能替代学习者应有的思维加工。若学生习惯于将表达修改与语言优化外包给模型，其语言问题识别能力、自主修改能力以及对语言形式和语用的敏感度难以得到充分锻炼。长期来看，这种“替代式使用”可能抑制语言输出能力和批判性思维的发展，使学生更多依赖外部工具而非自身能力提升。
4.3. 学术规范与学习伦理问题
生成式人工智能在大学英语学习中的广泛使用也对学术规范和学习伦理提出新挑战。部分学生对合理使用的边界缺乏清晰认知，容易模糊“学习辅助”与“不当代写”之间的界限。例如，直接将模型生成文本作为个人作业提交，会影响学习评价的真实性与公平性。若缺乏明确的教学引导和制度规范，这类做法不仅削弱评价有效性，也不利于学生学术诚信意识的形成与巩固。
5. 生成式人工智能背景下大学英语教学的启示
在生成式人工智能不断渗透大学英语学习的背景下，如何科学、合理地引导其在教学中的应用，已成为大学英语教师亟需思考的问题。基于前文对生成式人工智能对大学英语学习积极影响与潜在问题的分析，大学英语教学不仅需要在宏观层面明确“使用定位”和“规范原则”，还应在课堂任务设计、作业流程管理、评价量表重构以及技术培训等层面提出可操作的指导方案，以实现技术赋能与语言能力培养的平衡发展。
5.1. 合理定位生成式人工智能在大学英语教学中的角色
在大学英语教学中，生成式人工智能应被明确定位为辅助性学习工具，而非替代教师教学或学生学习过程的工具。教师在教学实践中应引导学生正确认识生成式人工智能的功能边界，强调其主要作用在于提供语言支持、学习参考和思路启发，而非直接完成学习任务。在具体教学实践中，这种“辅助而非替代”的定位可以通过以下方式得到落实：
在课程层面建立“使用矩阵”。教师可在课程大纲中以表格或列表形式明确不同任务对生成式人工智能的允许程度，例如将任务划分为“三类”：禁止使用类任务(如期末闭卷写作、课堂限时写作等，要求学生独立完成)；有限使用类任务(如课后论文、项目报告等，允许在头脑风暴、语言润色等环节有限使用生成式人工智能，但须在文末“AI使用说明”中如实说明使用环节与用途)；鼓励使用与反思类任务(如“评析AI生成文本”“与ChatGPT对话并反思”等，明确要求学生使用工具并对其输出进行批判性分析)。通过这种任务分类，学生可直观理解在不同学习活动中生成式人工智能的角色与边界。在任务设计上突出“过程性与可追溯性”。为避免学生将生成式人工智能输出直接作为作业成品提交，教师可以将写作与翻译作业设计为多阶段、可追踪的过程性任务。例如，要求学生依次提交写作提纲、中文构思草稿、英文初稿、AI辅助修改稿以及最终稿，并在最终稿后附上简短的“修改说明”或“AI使用反思”，说明哪些地方在AI建议的基础上进行了保留、修改或拒绝。教师在评分时将一定比重分配给过程材料与反思质量，从而弱化简单“交最终版本”的代写空间。强化“课堂环节”与“课后AI使用”的互补性。教师可以将易于发生代写的高风险任务尽可能放到课堂上完成，如在课堂上安排限时写作、小组口头陈述等环节，用以考察学生在无技术支持条件下的真实语言能力；课后鼓励学生在教师引导下利用生成式人工智能对课堂产出进行修改、扩展和反思，从而兼顾学术诚信与技术赋能。通过上述做法，生成式人工智能在大学英语教学中的角色不仅在理念上被清晰界定，更在课程文件、任务说明和评分标准中得到具体化落实，有助于防止其从“学习助手”滑向“作业代写者”。
5.2. 优化教学设计，培养学生理性使用生成式人工智能的能力
生成式人工智能的有效融入离不开教学设计的合理调整。大学英语教师可在教学过程中有意识地将生成式人工智能纳入教学活动设计之中，通过“任务–流程–评价”一体化的方式引导学生有目的地、理性地使用人工智能工具。
在写作与翻译教学中，可采用“先人后机、机助人改”的过程性设计。具体操作上，可设计如下流程：学生在不借助生成式人工智能的情况下独立完成初稿；教师允许学生在明确提示下使用ChatGPT等工具对初稿进行语法纠错、表达改写或结构优化，但需保留AI输出与原稿的对照版本；学生基于AI输出进行第二轮人工修改，并撰写200~300字的“修改与反思说明”，说明自己对AI建议的接受或拒绝理由；教师在评价时既关注最终语言质量，也关注学生对AI建议的分析深度和批判性[12]。这种流程设计可以避免学生“直接让AI写作”的替代性使用，使生成式人工智能真正服务于学生语言意识的提升。
在学习评价方面，教师可在原有内容、语言、结构等评价维度的基础上，适度重构评价量表，引入与生成式人工智能相关的评价指标。例如，在写作任务评价表中增加“AI使用规范与反思”一栏，可从以下几个方面进行评分：是否在文末如实说明了生成式人工智能的使用环节和用途；是否能够指出AI输出中的不当之处并做出修正；是否在最终文本中体现了个人经验、观点和写作风格，而非简单的工具拼接。相应地，可适当降低单一“语言正确性”指标在总分中的比重，提高对论证逻辑、内容原创性、过程证据和反思深度等项目的权重，从评价标准层面引导学生关注“如何发展自己的语言能力”，而不是一味追求“表面零错误”的文本。
在课堂活动中可设计“批判性使用生成式人工智能”的专项任务。例如，教师可以给出同一写作题目下的两段文本：一段由学生独立写作，另一段由ChatGPT生成，要求学生从论点清晰度、论证逻辑、语用得体性和受众适切性等维度进行对比分析，鼓励学生指出AI文本中可能存在的模板化表达、事实错误或逻辑空缺，并尝试给出改写方案。通过这类活动，学生不仅能意识到生成式人工智能并非完美无缺，更能在对比中提升自身对高质量语言产出的判断力。
在技术细节与提示词工程方面，教师应有意识地帮助学生掌握基本的“提示词写作”原则和工具参数设置方法。一方面，可以向学生介绍结构化提示词(prompt)的基本要素，如“角色(role)–任务(task)–条件约束(constraints)–输出格式(format)–语言水平(level)”。例如，在进行写作修改时，教师可提供示范性提示词：“请以大学英语写作教师的身份，帮助我对下面的英文短文进行语言润色，只修改语法和用词错误，不改变原有论点与结构，将修改处用括号标出，并用中文说明修改理由，整体语言水平控制在B2左右。”通过对比“模糊提示词”与“结构化提示词”的输出差异，学生可以直观感受提示词的质量对生成结果的影响，逐步形成理性使用工具的意识。另一方面，对于支持参数调节的生成式人工智能平台，高校和教师可以给出简要而具体的参数建议。例如，在写作修改和语法纠错场景中，建议适当降低生成多样性的参数(如将“温度”设置在较低区间)，以保证语言输出的稳定性和可预测性；在头脑风暴、观点拓展等场景中，则可以适度提高多样性参数，以激发更多思路。在多数学习任务中，可通过限制单次输出字数、指定语言难度(如“使用接近中国大学生英语四级水平的词汇和句式”)等方式，使生成内容与课程目标相匹配，避免出现难度过高或与学生真实水平严重不符的文本。
通过上述教学设计与技术细节的结合，生成式人工智能不再是一个模糊的“黑箱”，而是一个可以被教师和学生共同调控、可解释的教学资源，有助于降低不当使用的风险，提升其在大学英语学习中的教学价值。
5.3. 加强教学引导与规范管理，促进技术应用的健康发展
在生成式人工智能广泛应用的背景下，完善教学规范与加强教师引导尤为重要。高校和教师应结合大学英语课程特点，逐步明确生成式人工智能在课堂学习、课后作业以及学习评价中的使用原则，帮助学生清晰区分合理使用与不当使用的界限。在中国高校特有的网络环境下，国产大模型(如文心一言、MOSS等)及本土化智能教学平台(如外研AIGC平台)的应用日益广泛。相关教学实验表明，这些工具在辅助词汇积累和语法训练方面成效显著，学生接受度较高[13]。然而，国产大模型的应用同样面临数据隐私、信息准确性存疑以及学生过度依赖等风险，部分学生在使用中难以辨别生成内容的真伪[13]。
在课程制度层面，学校或教学单位可在《课程教学大纲》中增加专门条款，对生成式人工智能的使用做出例示性说明。例如，可以列举若干典型情境，明确哪些行为属于允许的学习辅助(如用ChatGPT查找同义表达、请其指出语法错误后由学生自主修改)，哪些行为属于严重违规(如直接将AI生成的英文作文整篇作为个人作业提交、伪造AI使用记录等)。同时，可要求学生在每次大型写作或项目作业提交时附上简短的“AI使用说明”，说明是否使用了生成式人工智能、使用了哪些工具、主要用于哪些环节，并承诺对最终文本负责。这样既有助于提高学生的责任感，也为教师在必要时开展查证提供依据。
在教学实践层面，教师应通过案例分析、课堂讨论和学习反思等方式，持续关注学生使用生成式人工智能的情况。教师可以定期组织“AI使用经验分享与风险提醒”专题活动，邀请学生展示自己如何在写作或阅读中合理使用ChatGPT，并讨论其中可能存在的道德风险、学术风险和能力发展风险，从同伴视角强化学生对“合理使用”的理解。此外，教师还可以结合大学英语课程的语言目标，设计“AI使用档案”或“学习日志”，鼓励学生记录某一阶段内自身使用生成式人工智能的频率、任务类型和使用感受，并在期末反思报告中评估其对个人语言能力发展的影响。此类反思性活动有助于学生从“无意识使用”转向“有意识管理”。
在评价与监管方面，学校可在尊重学生隐私与数据安全的前提下，探索与生成式人工智能使用相关的多元化评价方式。例如，适度引入口头答辩、小组互评、课堂即时写作等方式，对高风险作业进行抽查或追问；对于明显超出学生平时水平的文本，可通过谈话、口头复述、再写一段等方式进行核实。需要强调的是，教师在使用技术手段或人工方式进行查证时，应坚持教育性与建设性原则，更多地将其作为加强学术规范教育、引导学生反思的契机，而非单纯的惩戒工具。在规范与引导并行的教学环境中，生成式人工智能才能真正发挥其促进学习的积极作用，为大学英语教学的创新与发展提供有益支持。
6. 结论
生成式人工智能以ChatGPT为代表，正在深刻影响大学英语学习方式与教学实践。本文在梳理生成式人工智能基本特征及其在大学英语学习中主要应用的基础上，系统分析了其在提升学习自主性、丰富学习资源以及促进语言输入与输出练习等方面的积极作用，同时也指出其在学习依赖、语言能力发展及学术规范等方面可能带来的潜在问题。研究认为，在大学英语教学中，生成式人工智能应被合理定位为辅助性学习工具，而非替代教师教学或学生学习过程的手段。在此基础上，本文从教学实践出发提出了较为具体的应对策略。在任务设计层面，通过建立“任务-AI使用矩阵”、强化过程性写作与课堂环节，提高学习过程的透明度和可追溯性，从源头上压缩“代写”空间；在评价体系层面，通过重构写作与翻译任务的评价量表，引入AI使用规范性、过程证据与批判性反思等新维度，调整语言准确性与思维品质在总评中的权重；在技术支持层面，通过基础的参数设置建议与提示词工程训练，帮助教师和学生掌握结构化提示词的写作方法和合理的工具使用方式，使生成式人工智能成为一种可控、可解释的教学资源。通过这些举措，生成式人工智能有望在支持语言学习的同时，促进学生语言能力与批判性思维的协同发展。未来研究可进一步结合实证方法，考察不同类型任务设计和评价量表调整在具体课堂情境中的实际效果，并关注不同专业背景、不同语言水平学生在使用生成式人工智能过程中的差异，为高校层面制定更为精准的教学政策和技术规范提供数据支撑。
NOTES
*通讯作者。