《Journal of Intelligence》：Working Memory, Attention Control, and Vocabulary Retention in AI (ChatGPT)-Assisted Foreign Language Learning: A Structural Cognitive Modelling Approach
Mohammad Hamad Al-khresheh,
Mayez Almayez and
Shatha F. Alruwaili
编辑推荐：
在ChatGPT辅助外语学习日益普及的背景下，学习者个体认知差异如何影响学习效果尚不明确。为此，研究人员通过结构方程建模，探究了工作记忆、注意控制及ChatGPT使用频率对多维度词汇留存的联合影响机制。研究发现，注意控制是连接工作记忆与词汇留存的关键中介，而高频使用能强化此认知通路。该研究为理解AI辅助语言学习的认知基础提供了理论框架与实践启示。
在数字技术深度融入教育领域的今天，以ChatGPT为代表的生成式对话人工智能(AI)正迅速改变着外语学习的生态。与传统固定内容或离散反馈的工具不同，这类系统提供了一个持续互动、高密度语言输入与即时输出的环境。然而，这种看似“自然”的对话式学习，是否真的能让学生轻松掌握词汇？还是说，它实际上对学习者自身的“大脑配置”——即认知能力——提出了更高的要求？当前的研究多集中于描述学习者的使用体验或评估短期任务效果，却鲜少深入探究在这种动态、高负荷的互动环境中，个体根本的认知资源，如暂时存储和处理信息的工作记忆(Working Memory)，以及调控注意焦点、排除干扰的注意控制(Attention Control)，究竟如何协同作用，最终决定生词是“过眼云烟”还是“长久记忆”。
为解答这一核心问题，一项发表在《Journal of Intelligence》上的研究，采用结构认知建模的视角，对1002名将英语作为外语(EFL)学习的大学生展开了系统调查。研究旨在厘清工作记忆、注意控制与ChatGPT使用频率，是如何在结构上关联，并共同影响多维度词汇留存的。词汇留存并未被简单视作单一结果，而是被精细地划分为四个维度：即时回忆(Immediate Recall)、延迟保留(Delayed Retention)、语义整合(Semantic Integration)和产出性使用(Productive Use)，这更贴近词汇知识发展的复杂本质。
为了开展这项研究，研究人员主要采用了以下几种关键技术方法：首先，采用定量横断面调查设计，通过分层随机抽样从三所公立大学的1002名有ChatGPT使用经验的EFL学习者中收集数据。其次，使用经过验证的自陈式量表（采用5点李克特量表）测量工作记忆、注意控制、ChatGPT使用频率和多维度词汇留存。核心分析技术是结构方程模型(SEM)，用于检验包含直接效应、中介效应（注意控制作为中介）和调节效应（ChatGPT使用频率作为调节变量）的假设模型。数据分析前，通过探索性因子分析(EFA)和验证性因子分析(CFA)确保了测量工具的信度和效度，并使用AMOS软件进行模型拟合与路径系数估计。
研究结果
4.1. 探索性因子分析 & 4.2. 验证性因子分析
对工作记忆、注意控制和词汇留存量表的因子分析均支持预设的四维结构，测量模型显示出良好的拟合度（如CFI > 0.95, RMSEA < 0.05），标准化的因子载荷强劲（0.69-0.81），且通过了聚合效度与区分效度检验，为后续结构分析提供了稳健的测量基础。
4.4. 假设检验
结构方程模型分析清晰揭示了各变量间的结构关系：
- •
工作记忆是认知基石：工作记忆不仅对注意控制有强烈的直接正向预测作用（β = 0.54, p < .001，支持H1），也对词汇留存有直接的正向预测作用（β = 0.22, p < .001，支持H2）。这表明，在ChatGPT互动中，高效维持和更新信息的能力，本身就有利于词汇的编码与保持。
- •
注意控制是关键中介：注意控制对词汇留存的预测作用非常强（β = 0.46, p < .001，支持H3）。更重要的是，它部分中介了工作记忆对词汇留存的影响（间接效应β = 0.18, p < .001，支持H4）。这意味着，工作记忆对词汇留存的贡献，有很大一部分是通过支持更好的注意控制来实现的。简言之，强大的“内存”需配合高效的“注意力调度系统”，才能最大化学习成果。
- •
使用频率是条件放大器：ChatGPT的使用频率并未独立预测词汇留存，但它显著调节了两条关键认知通路。首先，它调节了工作记忆与注意控制的关系（β = 0.31, p < .001，支持H5），即使用越频繁，工作记忆对注意控制的支持作用越强。其次，它也调节了注意控制与词汇留存的关系（β = 0.28, p < .001，支持H6），即使用越频繁，良好的注意控制所带来的词汇留存收益越大。这说明，频繁的互动能优化认知资源的配置与转化效率。
结论与讨论
本研究的结论为理解AI辅助语言学习提供了深刻的认知心理学见解。研究发现，ChatGPT辅助下的外语词汇学习并非一个由简单“曝光”驱动的自动过程，而是一个高度依赖认知调节的活动。工作记忆构成了学习的认知基础，它既直接支持词汇表征的稳定，也为有效的注意控制提供资源。注意控制则扮演了核心的“调控中枢”角色，它决定了在信息密集的对话流中，哪些词汇信息能被选择、深化并最终巩固为长期记忆。注意控制是连接工作记忆容量与最终学习成效的关键桥梁。
研究最具启发性的发现之一是关于ChatGPT使用频率的作用。它并非“用量决定效果”的独立预测因子，而是作为重要的情境条件，强化了上述认知机制的联动效率。高频使用帮助学习者更好地将工作记忆能力转化为持续的注意力聚焦，并让这种注意力聚焦更有效地转化为扎实的词汇留存。这提示我们，AI工具的价值在于为认知能力的演练和优化提供了“高保真”的互动场景，而非替代这些能力。
在理论层面，该研究将认知科学的核心构念（工作记忆、注意控制）系统性地引入AI辅助语言学习研究，推动了该领域从工具评价向过程解释的转变，构建了一个可检验的结构认知模型。在实践层面，它警示教育者：单纯增加学生与AI的对话次数未必能保证学习效果。教学设计应侧重于设计能引导和训练学习者注意控制的任务（例如，要求学生在对话中聚焦特定词汇形式与意义的关联），并鼓励规律性、有深度的互动，以帮助学生建立高效的认知处理模式，从而真正从AI提供的丰富语言机会中获益。
当然，研究也存在局限，如采用自陈式量表而非行为实验测量认知能力，横断面设计难以推断因果关系，未区分不同类型的使用频率等。未来研究可结合客观认知任务、追踪设计及更精细的交互日志分析，以进一步揭示AI辅助学习中认知动态的全貌。尽管如此，这项研究无疑为探索“人机协同”语言学习的认知黑箱迈出了坚实的一步。
