AI Twin:通过更优秀的 AI 自我克隆增强英语作为第二语言学习者的口语练习
大语言模型(LLM)的人机协作智能语音助手(Alexa、Siri 等)智能辅导系统与学习分析大学教授与研究人员在线课程设计师在线辅导教师
文献标题
AI Twin: Enhancing ESL Speaking Practice through AI Self-Clones of a Better Me
出版信息
- 主题领域: 人工智能辅助语言学习,重点关注情感和动机参与。
- 关键词: ESL, AI自我克隆, 理想L2自我, 语言学习, 参与, 动机, 语音合成, 隐性反馈, 对话式AI, 第二语言习得。
背景与问题
- 问题/挑战: 现有的人工智能辅助ESL口语工具通常依赖于显性纠错反馈,这可能会中断对话流,挫伤学习者的积极性,并对动机和情感参与产生负面影响。
- 重要性: 解决语言学习中的情感和动机障碍对于增强学习者信心、减少焦虑以及促进持续练习至关重要。
- 动机与相关研究: 以往的系统主要关注准确性和纠错,但在情感和动机支持方面的研究较少。隐性反馈策略(如重述)显示出一定的潜力,但仍存在模糊性。“理想L2自我”框架强调了将学习工具与学习者的理想身份对齐的动机作用。
解决方案
- 提出的方法: AI Twin——一种个性化的AI自我克隆工具,将学习者的语句改写为更流利的英语,并以学习者自己的声音呈现,与其理想的L2自我保持一致。
- 创新点:
- 引入AI Twin作为体现学习者理想L2自我的个性化自我克隆。
- 实证评估表明,隐性改写比显性反馈更能促进情感参与。
- 提出了将自我代表性AI整合到教育技术中的设计启示,以增强动机和参与度。
- 流程与关键技术:
- 学习者录制自己的声音以创建个性化的AI克隆。
- 语音输入通过ASR转录,由LLM改写,用学习者克隆的声音合成,并传递给AI对话伙伴进行对话练习。
- 通过改写嵌入反馈,保持对话流畅并减少焦虑。
结果
- 具体发现: AI Twin显著提高了情感参与度(平均分:4.83),相比显性反馈(平均分:4.03,p < .001)。认知和行为参与度在不同条件下无显著差异。
- 相较基线的优势: AI Twin在情感参与度上优于显性反馈,与非个性化改写(AI Proxy)表现相当。参与者认为AI Twin更有趣、更具激励性且更令人安心。
- 实验/评估:
- 对20名韩国成人ESL学习者(年龄24–36岁,CEFR水平A1–C1)进行的组内研究。
- 三种反馈条件:显性反馈、AI Proxy、AI Twin。
- 采用混合方法设计,结合参与问卷和半结构化访谈。
- 局限性与未来工作:
- 单次实验设计限制了对长期学习效果的评估。
- 仅关注韩国成年学习者,结果可能无法推广到其他人群。
- 未来工作应探索纵向研究、混合反馈设计以及在不同文化和语言背景下的适用性。
总结
AI Twin引入了一种个性化的AI自我克隆工具,将学习者的语句改写为流利的英语,并以其自身声音呈现,与其理想的L2自我保持一致。在对20名ESL学习者的研究中,AI Twin相比显性反馈显著提升了情感参与度,增强了动机并减少了焦虑。参与者认为该系统具有沉浸感、有趣且支持其作为熟练英语使用者的理想身份。尽管参与度和感知学习效果的偏好因人而异,AI Twin展示了自我代表性AI在创建情感支持和动机一致的学习技术方面的潜力。未来研究应探索混合设计以及在更广泛学习者群体中的适用性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 71%
从被动观看到主动学习:利用AI视频助手在数字课堂中赋能主动参与
CHI '25· 大语言模型(LLM)的人机协作 +2
- 67%
课堂仿真:在线教育中构建情境学生生成代理以模拟学习行为
CHI '25· 大语言模型(LLM)的人机协作 +1
- 67%
好篱笆造就好学习:自主语言学习者如何权衡LLM委托决策
CHI '26· 大语言模型(LLM)的人机协作 +1
- 67%
AskNow:一个用于大规模课堂实时问答的LLM驱动交互系统
CHI '26· 大语言模型(LLM)的人机协作 +1
- 67%
AI赋能数学教育:利用情境感知AI支持大规模数学课程中的教师
CHI '26· 大语言模型(LLM)的人机协作 +1
- 67%
AI伙伴能否赋能学习者提出批判性问题?
IUI '25· 大语言模型(LLM)的人机协作 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790266
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、智能语音助手(Alexa、Siri 等)、智能辅导系统与学习分析
work
职业/产业
大学教授与研究人员、在线课程设计师、在线辅导教师
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文