《Scientific Reports》：Teacher support enhances self-efficacy and learning outcomes in the age of AI
编辑推荐：
本研究针对生成式AI融入EFL教学后如何提升学习成效的核心问题，通过基于社会认知理论的结构方程模型，对906名中国高职院校学生开展实证研究。结果表明：教师的容量支持(CS)与行为支持(BS)能直接预测学生的学业自我效能感(SE)(β=0.386/0.368)，自我效能感则显著影响学习成果(LO)(β=0.940)。研究验证了在AI教学环境中教师支持系统与学习者心理因素的协同作用，为开发AI特异性教学法提供了理论依据和实践路径。
当ChatGPT等生成式人工智能以革命性姿态闯入教育领域，语言学习课堂正经历着前所未有的范式转变。这种拥有强大自然语言处理和生成能力的技术，既能像永不疲倦的私教提供个性化对话练习，又可能因过度依赖人机交互而削弱师生间的情感联结。尤其在英语作为外语（EFL）的教学中，生成式AI创造了即时互动、量身定制的语言实践机会，但同时也引发了关于学术诚信、评估有效性以及人际互动缺失的深切担忧。面对这场技术海啸，教育者最迫切需要回答的是：当机器能够模拟人类导师时，教师独特的支持角色该如何重新定义？学生的内在心理机制又如何在人机协同学习中发挥作用？
为解开这个时代命题，一项发表在《Scientific Reports》的研究以中国高职院校EFL学习者为例，深入探索了教师支持、学业自我效能感与生成式AI辅助下学习成果之间的作用机制。研究团队基于班杜拉的社会认知理论（Social Cognitive Theory），构建了涵盖教师情感支持（AS）、容量支持（CS）、行为支持（BS）、学业自我效能感（SE）和学习成果（LO）的理论模型，通过严谨的量化研究设计揭示了多变量间的复杂关系。
研究采用横断面调查设计，通过问卷星平台对成都某高职院校950名EFL学生进行抽样，最终获得906份有效问卷。关键测量工具均来自国际核心期刊验证的经典量表：教师支持三维度采用Lai（2015）开发的量表，学业自我效能感采用Pintrich（1991）编制的MSLQ（Motivated Strategies for Learning Questionnaire）中的自我效能感子量表，学习成果则借鉴Dahleez等（2021）的测量指标。所有量表均经过内容效度（IOC>0.6）和信度（Cronbach's Alpha>0.7）检验。数据分析采用结构方程模型（SEM）技术，通过Jamovi 2.3.28和AmOS 21软件进行验证性因子分析（CFA）和路径分析，确保模型拟合度符合统计学标准（CMIN/DF=4.858，CFI=0.952，RMSEA=0.065）。
4.1 人口统计学特征
样本呈现典型高职院校特征：女生占68.7%，文科专业学生占67.2%，大一学生占70.2%。英语学习年限分布均匀（4年17.9%，7年30.8%，10年33.2%，13年18.1%），反映了中国学生英语学习起点的多样性。
4.2 测量模型验证
验证性因子分析显示各变量具有良好的收敛效度（因子载荷0.717-0.892，AVE>0.69，CR>0.89）和判别效度（对角线AVE平方根大于相关系数）。模型拟合指数均达到可接受标准，证实了测量工具在中国AI教育情境下的适用性。
4.3 结构模型与假设检验
结构方程模型分析呈现了令人瞩目的发现：教师的容量支持（β=0.386，t=3.853）和行为支持（β=0.368，t=6.946）显著预测学生的学业自我效能感，而情感支持路径（β=0.147，t=1.560）未达到显著性水平。学业自我效能感对学习成果表现出极强的预测力（β=0.940，t=32.498），成为模型中最强劲的影响路径。教师支持三维度间存在高度相关性（AS-CS:0.943，AS-BS:0.864，CS-BS:0.878），形成了协同支持网络。
4.4 效应分解
R2值显示，教师支持三维度共同解释了学业自我效能感75.6%的变异，而全部预测变量共同解释了学习成果88.4%的变异。间接效应分析表明，容量支持和行为支持通过自我效能感的中介作用对学习成果产生显著间接影响（分别为0.363和0.346），凸显了自我效能感在AI学习环境中的核心媒介地位。
研究结论深刻揭示了AI时代EFL学习的内在机制：在技术赋能的教育环境中，教师的角色并未被削弱，而是实现了战略性转型。教师通过提供具体的技能指导（容量支持）和实践活动设计（行为支持），显著增强了学生使用AI工具学习英语的信心（学业自我效能感），进而转化为实质性的学习成果。值得注意的是，单纯的情感鼓励在没有配套技术支持的情况下效果有限，这反映了AI教育场景的特殊性——学生更需要的是应对技术挑战的具体能力支撑。
这一发现对社会认知理论在AI教育场景下的适用性提供了实证支持，证实了即使在高技术环境中，社会因素（教师支持）与个人因素（自我效能感）的交互作用仍然是影响学习成效的关键。对于教育实践者而言，研究强调了开发AI特异性教学法的紧迫性，教师培训需从单纯的情感支持转向结合技术指导、活动设计和情感关怀的综合支持模式。特别是在中国高职教育语境下，针对英语基础薄弱学生群体，构建技术赋能与心理赋能双轮驱动的教学策略，可能成为破解外语学习困境的有效路径。
研究的局限性在于取样局限于单一地区高职院校，且横断面设计难以捕捉AI技术接受的动态过程。未来研究可通过纵向追踪和多地区比较，进一步验证模型的普适性，并探索AI辅助学习对职业发展的长期影响。尽管如此，这项研究为理解AI时代的教育互动机制提供了重要理论框架和实践启示，为教育者在技术变革中重新定位角色提供了科学依据。
