将人工智能辅助翻译支持融入英语课程：对翻译准确性、感知压力与焦虑的影响

摘要

本研究探讨了如何将结构化的、人工智能辅助的翻译支持融入英语课程，以提高高等教育学生的翻译准确性，同时降低其感知到的压力与焦虑。

摘要

英语翻译能力是高等教育中一项重要的学术技能，然而许多学生在翻译任务中面临显著的语言困难、认知负担和心理压力。本混合方法研究探讨了将结构化的、人工智能辅助的翻译支持工具整合到英语课程中，是否与大学生翻译准确性的提升以及感知压力和焦虑水平的降低相关。共有525名本科生和研究生参与了一项为期八周的教学干预。干预前和干预后的评估包括翻译准确性测试、感知压力量表（Perceived Stress Scale）和广泛性焦虑障碍量表-7（Generalized Anxiety Disorder-7 scale）。研究采用配对比较、相关性分析、回归分析和基于组别的比较进行定量分析，并辅以质性访谈以深入探究学生的学习体验。干预后，参与者在翻译准确性方面有所提高，感知压力和焦虑水平均有所下降。工具使用频率越高，翻译表现越好，但研究设计尚不足以支持强因果推论。质性分析结果进一步表明，结构化的工具辅助练习有助于减轻认知负荷，支持译文修改过程，并提升学生对翻译任务的参与度。这些发现表明，将人工智能辅助翻译支持整合进英语课程，可能是一种在提升翻译能力的同时促进学生心理健康的实用教学策略。本研究为当前技术增强型翻译教学的讨论提供了实证依据，并为高等教育环境下的教学实践提供了一个可调整的教学框架。

引言

随着高校致力于培养学生参与全球学术交流、国际专业沟通以及跨文化知识生产的能力，英语翻译能力在高等教育中变得愈发重要¹。然而，翻译并非纯粹的语言活动，它还需要语境判断、文化调适以及持续的认知控制，对许多学习者而言是一种高要求的学术任务²。在课堂教学环境中，这些要求常常带来巨大压力，尤其对于语言学、文学和国际研究等专业的学生而言，翻译任务往往与学业表现评估及学术身份认同密切相关³。因此，尽管传统翻译教学具有一定的教学价值，但当学生在缺乏即时支持的情况下处理复杂原文文本时，往往会导致教学耗时较长、认知负担沉重以及心理压力增加⁴。

人工智能辅助语言技术的最新发展为应对这些教学挑战创造了新的可能性⁵。在翻译学习中，此类工具可提供快速的词汇、句法和语义支持，从而帮助学生在起草和修改过程中降低不确定性⁶。一些针对外语英语学习环境的研究表明，技术辅助学习可能提升语言表现能力，增强学习者的自信心，并在高要求任务中支持情绪调节^7,8。与此同时，现有文献也提出了担忧，指出在将这些工具引入正式学习环境时，可能存在对自动化输出过度依赖、批判性参与减少，以及仍需教师指导等问题⁹。因此，人工智能辅助翻译支持的教育价值不能仅从输出效率的角度来理解，还必须结合此类支持的结构方式、学生与其互动的方式，以及其对学习过程中表现和心理体验的影响进行考察。

尽管人们对人工智能辅助翻译的兴趣日益增长，但现有文献中仍存在一个重要空白。目前的大部分研究要么关注翻译质量，要么关注对教育技术的总体态度，而极少有研究在一个结构清晰的课堂教学干预框架内，同时考察学术和心理层面的效果¹⁰。特别是，关于在大学英语课程中引导使用人工智能辅助翻译工具是否不仅与翻译准确性的提高相关，而且与在持续教学期间感知压力和焦虑的降低相关，目前的证据仍然有限。这一空白至关重要，因为此类工具的教学价值不仅取决于学生是否能产出更准确的翻译，还取决于学习过程是否变得更加可控、自信且具有教育可持续性。

因此，本研究调查了在为期八周的大学英语课程中引入结构化的人工智能辅助翻译支持工具的效果。研究有两个目标：第一，考察干预后学生的翻译准确率、感知压力和焦虑水平是否发生变化；第二，探讨工具使用模式是否与翻译表现及学生体验相关。我们进一步假设，相较于无指导的工具使用，结构化的实施方式将与更好的翻译效果以及更积极的心理反应相关。本研究的创新之处在于，在单一教学设计框架下，结合认知与心理维度的综合评估，通过定量评估与定性探究相结合的方法，考察人工智能辅助翻译支持在真实课堂教学实践中的作用机制。

方案

本研究在中国民用航空飞行学院人文与艺术学院内开展，使用在课程环境中收集的去标识化教育数据。分析数据集中未包含任何可直接识别的个人信息。所有参与者均被告知研究目的和流程，并在参与前获得了书面知情同意。参与研究完全自愿，是否参与或退出研究部分均不会影响课程出勤、成绩或正常教学的获取。根据中国民用航空飞行学院适用的研究实践框架，基于去标识化、最低风险的教育数据开展的研究可能无需经过正式的伦理审查。所有去标识化材料均存储在仅限研究团队访问的密码保护文件中。伦理审查情况与参与者流程见 图1。

1. 受试者招募与基线特征分析

共招募了525名来自大学英语相关或翻译相关课程的学生。纳入对象包括语言学、文学和国际研究等学科的本科生和研究生。所有志愿者在入组前均经过筛选。仅纳入目前正在修读英语或翻译课程，并且根据学校分级记录、先修课程或同等学术证明显示具备至少中级英语水平的学生。具有大量专业翻译经验的学生被排除在外。记录了参与者的年龄、性别、学术层次、研究领域、先前使用人工智能辅助翻译工具的经验以及工具使用的基线频率。参与者特征详见表1。

2. 教学设计与干预工作流程

实施了一项为期八周的课堂教学干预，其中传统的翻译教学仍为主要教学方式，而人工智能辅助翻译支持则作为结构化的补充支架¹¹。在第0周完成基线评估。从第1周到第8周，每周分配一项翻译任务，所有参与者均需遵循相同的教学顺序。在第8周结束时，重复使用基线时的评估量表进行测试。定量研究阶段结束后，对经过有目的筛选的子群体进行了半结构化访谈。整体工作流程如图2所示。

3. 基线评估

所有基线测量均在有监督的课堂环境中进行，采用相同的指导语和时间条件。测试任务为基于约300词源文本的翻译任务。所选段落包含直译内容和具有文化内涵的片段，旨在要求学生展示词汇准确性、句法控制能力、语义忠实度以及语境理解能力¹²。基线测试期间禁止使用外部工具。所有完成的答卷在评分前均进行匿名化处理。每份答卷由两名经过培训的评分员依据评分标准独立评分，评分标准涵盖词汇准确性、语法与句法恰当性、语义完整性以及文化语境化能力。若评分差异超过预设的容许范围，则须进行讨论，直至达成共识分数。

翻译任务完成后，采用标准流程施测并计分10项觉察压力量表，得分越高表示感知到的压力越大¹³。随后使用已发表的方法施测并计分7项广泛性焦虑障碍量表，得分越高表示焦虑严重程度越高¹⁴。最后，采用五点李克特格式施测一个简短的翻译信心评估。代表性条目、得分范围及变量定义见表2。

4. 人工智能辅助翻译支持的标准化每周整合

在每次干预周中，均分配一项翻译任务，其体裁和难度尽可能与其他每周任务相匹配。学生需每周按相同顺序完成任务。首先，独立阅读源文本，并标注出困难的词汇项、句法结构或具有文化负载的表达。其次，撰写初稿或简要笔记，描述预期的翻译问题。第三，仅在起草和修订阶段允许使用经批准的AI辅助翻译系统。不允许直接提交未经编辑的机器生成译文。

学生每周需使用相同的四个标准评估所有保留或拒绝的机器翻译建议：词汇适配性、句法自然性、语篇连贯性以及文化适宜性。每次周任务均要求提交标注的源文本、机器辅助译稿以及最终修订后的译文。提交后，每周使用相同的引导问题组织结构化的同伴讨论，使学生能够说明机器翻译输出在哪些地方有帮助、具有误导性、过于直译或在语境上不恰当。该设计遵循当前的研究证据，表明当机器翻译被嵌入到有指导的对比与修订过程中，而非取代人工判断时，其教育效用最大¹⁵。

5. 工具使用的监测与分类

在整个八周的干预过程中，对人工智能辅助工具的使用情况进行了跟踪。每次每周任务结束后，参与者需完成一份简短的在线使用日志，报告是否使用了自动化支持、该支持的功能、咨询频率以及在翻译过程中的哪个阶段使用。在第一周提供了标准化的应答类别，以确保参与者在整个研究期间使用相同的报告标准。第八周结束时，将每周记录进行汇总，并将总体使用频率分类为每日使用、每周使用或偶尔使用。这些类别的操作性定义见图3。

6. 干预后评估

在第8周结束时，重复使用了基线评估时相同的测试组合。采用了一篇与基线文本在长度、体裁和难度上尽可能匹配的干预后翻译文本。测试实施条件、时间安排、评分标准以及评分员操作流程均与基线程序保持一致。同样使用了相同的知觉压力量表、相同的广泛性焦虑障碍量表，以及相同的翻译自信心测量工具，并按照基线时相同的顺序进行施测。

7. 定性访谈流程与主题分析

干预后评估完成后，有40名学生被有目的地选中参与半结构化访谈，以确保在性别、学术水平以及先前使用人工智能辅助翻译工具的经验方面具有多样性。访谈采用面对面方式或经批准的在线会议形式进行，所有参与者均使用相同的访谈提纲。访谈问题涉及工具使用策略、感知到的认知负担、信心变化、对机器翻译输出的评价，以及对过度依赖人工智能的担忧。所有访谈均在获得参与者同意后进行录音，并逐字转录。

采用主题分析法对转录文本进行分析。要求两名研究人员独立阅读所有转录文本，生成初始编码，比较编码结果，合并重叠的编码，并通过反复回顾转录文本来完善候选主题。在初始编码阶段完成后，计算评分者间一致性，并报告Cohen’s kappa值。分析逻辑遵循定性研究中主题分析的既定流程¹⁶。

8. 定量与混合方法分析

采用描述性统计方法总结参与者的特征和基线评分。使用配对样本比较检验翻译准确性、感知压力、焦虑和信心的干预前后差异。采用多元回归模型识别干预后翻译准确性的预测因素，将基线表现、人工智能辅助工具使用频率和心理变量作为自变量。采用卡方检验分析使用类别与分类结果之间的关联，采用皮尔逊相关系数评估翻译准确性、使用频率、感知压力、焦虑和信心之间关系的方向和强度。统计显著性水平设定为双尾检验的 α = 0.05。根据标准的混合方法程序，在解释阶段整合定量与定性研究结果¹⁷。

结果

主要结局

本研究的主要目的是确定在为期八周的干预期间，翻译准确性、感知压力、焦虑和翻译信心是否发生变化。基于525名参与者的分析显示，四个主要结果变量在干预前后均存在显著差异。如表3所示，翻译准确性从基线时的68.45（标准差 = 8.12）提高到干预后的82.76（标准差 = 6.95）。感知压力从21.34（标准差 = 5.02）下降至16.27（标准差 = 4.88），焦虑从11.56（标准差 = 3.89）下降至8.72（标准差 = 3.14）。翻译信心从2.84（标准差 = 0.91）上升至4.12（标准差 = 0.67）。配对样本比较显示，翻译准确性（t = 15.23，p < 0.001）、感知压力（t = -12.14，p < 0.001）、焦虑（t = -10.06，p < 0.001）和信心（t = 18.42，p < 0.001）的差异均具有统计学意义。前后差异的分布情况见图4。

讨论

本研究考察了在大学英语课程中结构化使用翻译辅助工具是否与八周期间翻译表现和心理状态的变化相关。结果显示，四项主要结局指标在干预前后均存在显著差异。干预后，翻译准确性提高，感知压力和焦虑降低，翻译自信心增强。次要分析进一步表明，干预后的翻译准确性与基线表现、使用频率、较低的压力水平、较低的焦虑水平以及较高的自信心相关。访谈结果进一步揭示，许多学生在撰写过程中感到困难减少，在修改过程中意识增强，在任务完成时信心更足，但也有部分学生表示担心过于快速地依赖流畅生成的输出内容。

这些发现与近期证据总体一致，表明人工智能支持的学习能够改善学生的学习效果，尽管其效果强度因情境和任务类型而异。邓等人¹⁸在最近一项针对实验性研究的综述和荟萃分析中报告，由ChatGPT支持的学习通常与学业成绩提升以及更积极的情感-动机结果相关；而关于人工智能在教育中应用的更广泛综述也同样强调了其教学潜力以及对教学法控制的必要性¹⁹。对于本研究而言，这一总体趋势具有相关性，因为观察到的翻译准确性和自信心的提高，伴随着更低的压...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
人工智能辅助翻译与语言支持平台	OpenAI (web)	网络服务；按研究计划访问使用	在每周起草与修订任务中用于生成翻译建议和语言反馈
计算机工作站/笔记本电脑	机构提供的设备	同等设备可接受	用于翻译任务、数据录入、编码及统计分析
数字录音机/录音设备	机构提供的设备	同等设备可接受	在需要时用于记录访谈内容
广泛性焦虑障碍量表（7项）	原始开发者：Spitzer 等	标准量表	在基线及干预后用于评估焦虑水平
用于转录和核对的耳机	机构提供的设备	同等设备可接受	在转录及编码员核对过程中使用
在线翻译平台	Google LLC (web)	网络服务；按研究计划访问使用	在干预期间作为额外的翻译支持来源
知觉压力量表（10项）	原始开发者：Cohen 等	标准量表	在基线及干预后用于评估感知压力水平
定性编码软件	QSR International	版本 14	用于访谈分析过程中的主题归类与编码支持
统计分析软件	IBM Corp.	版本 31	用于描述性统计、配对样本检验、回归分析、卡方检验及皮尔逊相关分析
翻译准确性测试原文材料	本研究开发	版本 1.0	约300词的段落，长度与难度相匹配
翻译自信心测量工具	本研究开发	版本 1.0	包含三个项目的自评量表，采用五点李克特格式
翻译评分量规	本研究开发	版本 1.0	四个分析维度：词汇准确性、语法/句法恰当性、语义忠实度、文化语境化
每周使用日志	本研究开发	模板 v1.0	用于记录任务阶段、使用频率及支持工具的功能使用情况