[论文解读] Critical Appraisal of Artificial Intelligence-Mediated Communication

Dara Tafazoli|arXiv (Cornell University)|May 15, 2023

Foreign Language Teaching Methods被引用 5

一句话总结

本文批判性地评估了人工智能（AI）在计算机辅助语言学习（CALL）中的整合，考察了自动语音识别（ASR）、机器翻译（MT）、智能辅导系统（ITS）、聊天机器人以及扩展现实（XR）等AI驱动工具。文章认为，尽管这些技术在语言教育中具有变革性潜力，但教师在AI辅助教学中的专业发展对于确保有效且公平的实施至关重要。

ABSTRACT

Over the last two decades, technology use in language learning and teaching has significantly advanced and is now referred to as Computer-Assisted Language Learning (CALL). Recently, the integration of Artificial Intelligence (AI) into CALL has brought about a significant shift in the traditional approach to language education both inside and outside the classroom. In line with this book's scope, I explore the advantages and disadvantages of AI-mediated communication in language education. I begin with a brief review of AI in education. I then introduce the ICALL and give a critical appraisal of the potential of AI-powered automatic speech recognition (ASR), Machine Translation (MT), Intelligent Tutoring Systems (ITSs), AI-powered chatbots, and Extended Reality (XR). In conclusion, I argue that it is crucial for language teachers to engage in CALL teacher education and professional development to keep up with the ever-evolving technology landscape and improve their teaching effectiveness.

研究动机与目标

• 考察AI中介交流对正式与非正式教育环境中语言学习与教学的影响。
• 评估关键AI技术——ASR、MT、ITS、聊天机器人和XR——在计算机辅助语言学习（CALL）中的优势与局限。
• 强调教师教育与专业发展在AI整合中的必要性，以维持教学有效性。
• 基于当前技术能力与教学意义，提供一个批判性框架，用于评估语言教育中的AI工具。

提出的方法

• 对语言教育中AI应用的系统性综述，重点关注五项核心技术：ASR、MT、ITS、AI聊天机器人和XR。
• 对每项技术的功能、当前性能及其在语言学习情境中的教学意义进行批判性分析。
• 综合现有研究与实际应用，评估AI工具在CALL中现实可行性和局限性。
• 强调以人为本的设计与教师自主权在教育中部署AI系统时的作用。
• 使用概念性框架，基于准确性、可及性、互动性以及与语言学习目标的一致性来评估AI工具。

实验结果

研究问题

• RQ1 AI驱动的工具（如ASR、MT和聊天机器人）在语言学习环境中当前表现如何？
• RQ2 将AI整合到语言教育中所伴随的教学益处与风险是什么？
• RQ3 智能辅导系统与XR在多大程度上能促进或阻碍语言习得？
• RQ4 如何有效准备语言教师使用AI中介工具进行教学？

主要发现

• AI驱动的自动语音识别（ASR）在提供实时发音反馈方面展现出潜力，但其准确性因口音和熟练程度而异。
• 机器翻译（MT）工具提高了多语言内容的可及性，但可能损害语言准确性与文化细微差别在语言学习中的体现。
• 智能辅导系统（ITS）与AI聊天机器人提供个性化学习路径，但需精心设计以避免强化语言错误或削弱学习者自主性。
• 扩展现实（XR）应用增强了参与度与情境化语言实践，但受限于获取渠道与技术障碍，难以广泛采用。
• AI在语言教育中的有效性高度依赖于教师培训与教学整合，而不仅取决于技术能力。