探索大型语言模型在EFL学习中的参与度、自我效能感和焦虑：中国大学生的潜在剖面分析

不同学生群体在各维度上的得分情况

#

🔼 该图表展示了三种不同类型的中国英语作为外语（EFL）大学生在使用大型语言模型（LLMs）学习英语时的参与度、自我效能感和焦虑水平。图表清晰地呈现了三种学生群体的差异：第一组“热情探索者”在行为参与（BE）、认知参与（CE）和情感参与（EE）方面均表现出高于平均水平的得分，同时自我效能感（SE）较高，焦虑水平（AX）较低。第二组“适应性学习者”在BE、CE和EE上得分中等，SE水平最低，AX处于中等水平。第三组“雄心勃勃的焦虑先锋”在BE和CE上得分最高，EE得分紧随第一组之后，SE水平最高，但AX也最高。这表明他们对LLMs的积极参与和高自我效能感与较高的焦虑水平并存。这些发现突出了学生在使用LLMs进行英语学习时，在参与度、自我效能感和焦虑方面存在显著差异。图表的数据清晰表明，不同学生群体对技术辅助学习的反应各不相同，一些学生可能更倾向于积极探索，而另一些学生可能更谨慎或焦虑。这些差异需要教育工作者在设计和实施基于LLMs的语言学习课程时予以关注，以便为所有学生群体提供有效支持。此外，图表还强调了在技术辅助学习环境中，情感因素（如焦虑）对学生学习体验的影响，以及自我效能感在促进积极参与中的关键作用。该图对于了解如何优化LLMs在英语教育中的应用，以及如何根据学生的心理特征提供个性化的学习支持具有重要意义。

三种学生类型的变量平均值

#

🔼 该图展示了三种不同学习者类型（“热情探索者”，“适应性学习者”和“雄心勃勃但焦虑的先驱者”）在行为投入（BE）、认知投入（CE）、情感投入（EE）、自我效能感（SE）和焦虑（AX）这五个变量上的平均得分。其中，“热情探索者”在所有参与度维度上都表现出高于平均水平的得分，尤其在情感投入上达到了最高，并且拥有很高的自我效能感，同时焦虑程度最低。这表明他们不仅积极参与学习活动，而且对学习过程充满热情和信心，很少感到焦虑。“适应性学习者”在投入的三个维度上都获得了适中的平均分，他们的自我效能感最低，并且焦虑水平适中。这可能意味着他们能够适应并参与到学习中，但自信心较低，并且伴随有一定程度的焦虑。“雄心勃勃但焦虑的先驱者”在行为投入和认知投入上表现出最高的平均分，情感投入也较高。他们拥有最高的自我效能感，同时也表现出最高的焦虑水平。这可能表明他们是积极参与学习且对自己有较高期望的学习者，但他们也面临着较大的压力和焦虑。总体而言，这个图表清晰地显示了不同学生群体在参与学习过程中的差异，以及他们如何体验到自我效能感和焦虑，为教育者提供了针对不同类型学生提供个性化支持的重要依据。此外，图表直观地展现了不同学习者群体在关键学习因素上的不同表现，有助于研究者和教育者深入理解学习者差异，并制定更有针对性的教学策略。图表清晰地展示了不同学习者群体在关键学习因素上的不同表现，有助于研究者和教育者深入理解学习者差异，并制定更有针对性的教学策略。

潜在类别分析结果

#

🔼 本研究通过潜在类别分析（LPA）识别了中国大学生在使用大型语言模型（LLM）进行英语学习时的三种不同学习者类型：热情探索者、适应性学习者和雄心勃勃的焦虑先锋。图1呈现了基于原始数据的三类别解决方案，直观展示了不同类别学生在行为投入（BE）、认知投入（CE）、情感投入（EE）、自我效能（SE）和焦虑（AX）五个维度上的分布情况。热情探索者（Group 1）在所有投入维度上均表现出高于平均水平的得分，且自我效能感较高，焦虑水平最低，表明他们对使用LLMs学习英语充满热情并有较强自信。适应性学习者（Group 2）在各项投入维度上表现中等，自我效能感较低，焦虑水平也处于中等，显示他们在使用LLMs时持一种平衡且灵活的态度。而雄心勃勃的焦虑先锋（Group 3）则在行为和认知投入方面得分最高，情感投入也较高，同时自我效能感也较高，但焦虑水平最高，反映出他们在积极投入学习的同时也伴随着较高的压力。这三种类型的存在突显了大学生在使用LLMs学习英语时的多样性，强调了在教学中需要考虑个体差异，采取个性化的教学策略，以便更好地利用LLMs等创新工具促进外语学习。

此外，通过卡方分析，研究进一步揭示了不同人口统计学特征（包括性别、年龄、专业、持续使用和使用频率）对这三种学习者类型的影响。例如，男性在适应性学习者中所占比例较高，而其他两类学习者性别分布较为均衡；年龄在19岁以下的大学生更倾向于成为适应性学习者，而年龄较大的学生则在不同类型间呈现多样分布；人文社科类学生倾向于成为适应性学习者，而理工类学生则更容易成为热情探索者或焦虑先锋；持续使用LLMs的学生通常表现出更强的适应性；而使用频率较高的学生更容易成为热情探索者。这些发现不仅深化了我们对大学生使用LLMs进行英语学习的理解，也为教育者在制定教学策略时提供了参考。

Raw-data-based 3-Class solution

#

🔼 该图为基于原始数据的三分类解决方案的示意图，展示了潜在类别分析（LPA）的结果，将中国大学生在使用大型语言模型（LLM）学习英语时的参与度、自我效能和焦虑程度划分为三个不同的类别。横轴上的 BE、CE、EE、SE 和 AX 分别代表行为参与度、认知参与度、情感参与度、自我效能感和焦虑水平。纵轴表示每个变量的测量值。从图中可以看出，三条不同的折线代表三个不同的学生群体，每一组都有独特的特点。

第一组，被称为“热情探索者”，在行为参与度、认知参与度和情感参与度方面均高于平均水平，这表明他们对使用大型语言模型学习英语表现出积极和活跃的态度。他们的自我效能感也很高，表明他们对自己的学习能力有信心。此外，他们的焦虑水平相对较低，表明他们在使用这些工具时感到舒适。第二组，被称为“适应性学习者”，在所有维度上的得分都处于中等水平，这表明他们在使用大型语言模型学习英语时采取了一种平衡的方法。他们的自我效能感在三个组中最低，可能反映出对自身学习能力的实际评估。他们的焦虑水平适中，表明他们在使用这些工具时会感到一定的焦虑，但能够有效管理。

第三组，被称为“雄心勃勃的焦虑先锋”，在行为参与度和认知参与度方面得分最高，表明他们对使用大型语言模型学习英语表现出很高的投入和积极性。他们的情感参与度也很高，说明他们对学习过程充满兴趣和热情。此外，他们的自我效能感很高，表明他们对自己的学习能力充满信心。然而，他们的焦虑水平是三个组中最高的，这表明尽管他们对学习充满热情和投入，但对使用这些工具仍存在较高的担忧。总的来说，这些发现强调了中国大学生在利用大型语言模型学习英语时的异质性，这对于教育工作者优化语言学习工具的使用具有重要意义。此图清楚地展示了不同学生群体之间的差异，这为未来的研究和教学实践提供了重要的依据。

三类学生对LLM学习态度

#

🔼 本研究通过潜在剖面分析（LPA）将中国大学生使用大型语言模型（LLM）学习英语的态度分为了三个类别：积极探索者、适应性学习者和雄心勃勃的焦虑先锋。积极探索者表现出高度的行为、认知和情感参与，同时具有较高的自我效能感和较低的焦虑水平。适应性学习者在各方面的参与度适中，自我效能感较低，焦虑水平也处于中等水平，他们对使用LLM学习英语持一种平衡和灵活的态度。雄心勃勃的焦虑先锋则表现出极高的行为和认知参与度，以及较高的情感参与度，同时具有较高的自我效能感，但他们的焦虑水平也最高，表明他们在使用LLM学习英语的过程中可能面临一些挑战或担忧。研究还分析了不同人口社会特征对这些学生态度的影响。结果显示，在性别方面，男性学生更多地被归为适应性学习者，而其他两类学生则呈现出更为均衡的性别分布。在年龄方面，19岁以下的年轻学生倾向于成为适应性学习者，而年龄较大的学生则表现出多样化的态度。学术专业背景也会影响学生的态度，人文学科和社会科学专业的学生更倾向于成为适应性学习者，而自然科学和工程专业的学生则更倾向于成为积极探索者或焦虑先锋。持续使用LLM的学生表现出更高的适应性，而那些停止使用LLM的学生则往往属于焦虑先锋，这可能源于他们对LLM的不满或担忧。最后，LLM的使用频率也区分了这三类学生：经常使用者通常是积极探索者，而很少或曾经使用者则常常是焦虑先锋，这反映出他们在使用LLM时持谨慎态度。研究强调，应根据学生的不同需求和偏好来定制基于LLM的语言教育，以便为学生提供更有效和包容的学习策略。

Raw-data-based 3-Class solution

#

🔼 该图展示了基于原始数据的三类别潜在剖面分析结果，这是一种用于识别数据集中隐藏子群体的统计技术。图中，横轴代表不同的潜在类别（即，Enthusiastic Explorers, Adaptable Learners, 和Ambitious-Anxious Pioneers），纵轴表示在每个类别中五个变量的平均得分：行为参与（BE）、认知参与（CE）、情感参与（EE）、自我效能感（SE）和焦虑（AX）。每个类别都用不同的颜色编码，方便视觉区分。Enthusiastic Explorers（蓝色）的特征是在行为、认知和情感参与方面均有较高得分，自我效能感也较高，但焦虑水平最低。Adaptable Learners（红色）在三个参与维度上的得分均中等，自我效能感最低，焦虑水平中等。Ambitious-Anxious Pioneers（绿色）则表现出较高的行为和认知参与，以及较高的自我效能感，但同时焦虑水平也最高。这种模式表明，不同的学习者在使用大型语言模型（LLMs）学习英语时，其行为、思维和情绪反应存在显著差异。该图的呈现方式简洁明了，能够有效传达复杂数据模式，有助于研究者深入理解不同学习者在使用LLMs时的异质性，并为制定个性化教学策略提供依据。此外，误差条通常表示置信区间或标准误差，但在本图中未显示，这可能限制了对每个类别的变量估计的确定性的评估。总的来说，该图有效地展示了LPA结果，揭示了不同学习者在LLM环境下的学习特征。

三类学生在使用LLM时的潜在特征

#

🔼 该图表展示了研究中通过潜在剖面分析(LPA)识别出的三类中国大学生在使用大型语言模型(LLM)学习英语时的不同特征。横轴表示这三类学生群体：“热情探索者”（Enthusiastic Explorers）、“适应性学习者”（Adaptable Learners）和"雄心勃勃-焦虑先锋"（Ambitious-Anxious Pioneers）。纵轴则呈现了行为投入（Behavior Engagement）、认知投入（Cognitive Engagement）、情感投入（Emotional Engagement）、自我效能（Self-Efficacy）和焦虑（Anxiety）五个维度上的平均得分。“热情探索者”在行为、认知和情感投入方面均表现出较高水平，他们的自我效能感也相对较高，而焦虑水平则最低。这表明他们积极参与、深入思考并对使用LLM抱有积极情感，对自己的学习能力充满信心，且在使用LLM时较少感到焦虑。“适应性学习者”在行为、认知和情感投入方面的得分均处于中等水平。值得注意的是，他们的自我效能感在三组中最低，这表明他们在使用LLM时可能对自身学习能力持谨慎态度，他们的焦虑水平则处于中等。这类学生可能在使用LLM时采取一种较为平衡和务实的态度。“雄心勃勃-焦虑先锋”在行为和认知投入方面得分最高，情感投入水平紧随“热情探索者”之后，他们同时表现出最高的自我效能感和最高的焦虑水平。这表明这类学生积极投入、深入思考，对自己的学习能力抱有很高期望，但同时在使用LLM时也承受着相当大的焦虑。总体而言，该图表清晰地展示了不同学生群体在使用LLM进行英语学习时的差异化特征，为教育者根据学生的不同特征制定个性化的教学策略提供了重要参考。例如，对于“热情探索者”，可以进一步激发其学习热情；对于“适应性学习者”，可以着重提升其自我效能感；对于“雄心勃勃-焦虑先锋”，则需要帮助他们减轻焦虑，使其更好地发挥学习潜力。

三类学生LLM学习特征

#

🔼 该研究使用潜在剖面分析（LPA）识别了中国大学生在使用大型语言模型（LLM）学习英语时的三种不同特征：热情的探索者、适应性学习者和雄心勃勃的焦虑先锋。每种类型都基于行为、认知和情感投入、自我效能以及焦虑水平的独特组合进行描述。研究结果表明，“热情的探索者”表现出高水平的投入和自我效能，以及最低的焦虑水平，表明他们对LLM的使用最积极。“适应性学习者”表现出适度的投入和较低的自我效能，表明他们在使用这些工具时可能采取更加谨慎的态度。“雄心勃勃的焦虑先锋”则表现出最高的投入水平和自我效能，但同时也有很高的焦虑水平，这表明他们使用LLM的体验可能比较复杂，既有积极的参与也有显著的担忧。后续的卡方检验还揭示了人口统计学特征（如性别、年龄和专业）与这些学生特征之间的显著关联，性别方面，更多男性被归为适应性学习者，而其他类型则性别分布较为平衡；年龄方面，19岁以下的学生倾向于成为适应性学习者，而年龄较大的学生则在不同类型中呈现多样化的态度；专业方面，人文学科和社会科学专业的学生更倾向于适应性学习，而自然科学和工程学专业的学生则更倾向于热情或焦虑驱动的参与；持续使用方面，经常使用LLM的用户表现出更高的适应性，而那些停止使用的用户通常属于雄心勃勃的焦虑先锋；使用频率方面，持续用户多为热情的探索者，而偶尔或以前的用户多为雄心勃勃的焦虑先锋。这项研究强调了根据学习者的多样化需求调整基于LLM的英语教学的重要性。

Raw data based 3 class solution

#

🔼 这张图是基于原始数据的三类解决方案，展示了通过潜在剖面分析（LPA）识别出的三类学生群体，它们在行为参与度（BE）、认知参与度（CE）、情感参与度（EE）、自我效能感（SE）和焦虑（AX）五个维度上的表现。横轴表示这五个维度，纵轴表示各维度上的平均得分。 第一类是“热情的探索者”，用蓝色表示。他们的BE、CE和EE得分均高于平均水平，SE得分也很高，而AX得分则明显偏低。这表明他们在使用大型语言模型（LLM）学习英语时，不仅积极参与，而且充满信心，并且很少感到焦虑。 第二类是“适应性学习者”，用绿色表示。他们在BE、CE和EE上的得分均处于中等水平，SE得分则相对较低，AX得分也处于中等水平。这说明他们在使用LLM学习英语时表现出一定的参与度，但自我效能感相对不足，且焦虑水平适中，可能需要更多的支持和鼓励。 第三类是“雄心勃勃的焦虑先锋”，用红色表示。他们的BE和CE得分最高，EE得分也接近“热情的探索者”组，SE得分非常高，但AX得分也最高。这意味着他们在使用LLM学习英语时投入了大量的认知和行为参与，并且对自己的能力充满信心，但同时也伴随着较高的焦虑感，这可能与他们对新技术的期望过高或对不确定性的担忧有关。 总的来说，这张图清晰地展示了学生在使用LLM学习英语时的不同模式和特点，有助于教育者更好地理解学生的学习需求，并制定个性化的教学策略。不同颜色线条之间的差异显示了不同学生群体在各个心理维度上的独特表现，为教育干预提供了重要的参考依据。