GenAI正在提升教师制作、改编和分发教学材料的速度。近期综述研究表明，在语言学习相关情境中，基于ChatGPT的教学干预可能尤其有效。这是因为翻译、问答和文本生成等任务高度依赖文本处理与文本产出，从平均层面来看，这类干预总体上与学习表现的提升相关（Deng et al., 2025; Cotton et al., 2024）。

 

与此同时，语言教育中也存在一些尤为突出的风险，例如AI输出内容不可靠、语言表达程式化以及风格变化有限等。这些问题进一步引发了关于技术准备度、教学可复制性和课堂应用中隐私保护的讨论（Raffini et al., 2025; Yan et al., 2024）。在EAP教学情境中，这些担忧更加明显，因为EAP的学习和评估往往依赖学生展示一系列过程性能力，例如主动听取信息、有选择地记笔记、总结内容、进行有修辞意识的口头表达，以及改写原文信息。如果GenAI取代了学生对这些核心技能的练习，而不是帮助学生逐步掌握这些技能，那么这些能力就可能无法得到充分发展。这会导致学生在高风险、无AI辅助的正式考试中出现明显的成绩断层，甚至可能增加学术诚信风险（Cotton et al., 2024）。

 

本文在现有关于EAP中GenAI应用的讨论基础上，进一步聚焦于一个更具操作性的实践层面：轻量化HTML活动如何帮助教师组织以学习过程为中心的专项实操训练，例如从听力到笔记记录的训练、口语组织能力的练习，同时减少课堂管理负担，并在课堂和自主学习场景中为学生创造更稳定的参与机会。本文并不试图将HTML本身呈现为一种“解决方案”，而是希望说明，在既定学习目标和教师引导的共同支持下，一些简单的网页互动模式，如即时反馈、逐步减少限制性、随机提取题目等，如何有效支持技能练习。这一思路与一种以设计为导向的GenAI应用方式相一致：技术带来的价值并不取决于工具本身的新奇性，而取决于教师如何有目的地改编任务，并将其嵌入课程体系之中（Law, 2024; Yan et al., 2024）。

 

 

 

本研究中的活动设计主要受到如下四项原则的指导。

 

 

所有活动均被设计为轻量化、基于浏览器运行的HTML材料，方便学生在课堂和自主学习中低门槛使用。例如，这些材料不需要安装额外软件，依托虚拟学习平台即可便捷完成资源分发。已有研究通常认为，基于网页的语言学习具有便利、省时的特点，可以提供丰富的练习和学习资源，吸引学习者注意力，并通过多样化练习机会支持英语学习。同时，网页学习环境也有助于课外资源共享和合作学习（Muftah, 2022）。在GenAI时代，这些优势还可以被进一步放大。教师可以借助大型语言模型快速生成和改编网页练习，例如根据学生的不同水平调整任务版本、生成提示语（prompt）和反馈内容，从而更快地迭代和重新分发材料，并为不同学生需求提供更有针对性的练习。当然，这一过程必须以教师审核为前提，以确保内容准确性和教学适切性（Kasneci et al., 2023; Crompton and Burke, 2024; Law, 2024）。

 

 

为了突出“学习过程”而非单一的考试结果，分级听力材料被设计为一种逐步下放学习自主权的任务。学生先从词汇和短语层面的听力处理开始，再过渡到结构化记笔记，最后完成听后理解检测。这样的任务顺序旨在降低学生在早期阶段的额外认知负荷，同时帮助他们稳定关注关键信息和内容结构，这与复杂学习中管理认知负荷的教学观点是一致的（Sweller et al., 2011）。在各个层级中，学生完成任务后都可以立即获得答案反馈。这也符合第二语言学习领域中的相关证据，即即时反馈在语言学习中可能具有积极作用，尤其适用于形式聚焦型任务（Lu et al., 2021）。

 

 

“大富翁”风格的棋盘游戏通过回合制、随机变化、限时压力和同伴问责等游戏机制，增加学生在口语准备中的低风险重复练习、主题问题提取以及即时拓展表达的机会。这一设计借鉴了有关游戏化和游戏式学习的研究。相关研究指出，当互动过程具有明确结构和目标时，游戏化方式可以支持学生的学习动机、课堂参与和口语练习（Zakaria et al., 2024）。

 

 

一系列HTML词汇练习测试则是对提取练习理念的直接应用。与被动复习不同，50道不同类型题目的过程中，会倒逼学习者从记忆中“提取”相关信息。Roediger和Karpicke（2006）指出，频繁的低风险测试，可以产生通常所说的“测试效应”，即提取练习比单纯重复学习更有助于长期记忆保持。该活动中的即时评分机制进一步强化了这一效果，因为学生可以在错误发生时立即发现并纠正自己的理解偏差。

 

 

 

 

 

 

 

分级听力材料共分为四个层级，旨在支持学生进行面向期末考试的听力过程训练。任务从限制较多的形式聚焦型活动开始，例如有选择地记录关键信息，逐步过渡到更自由的记笔记和听后理解检测。每个层级都以独立HTML页面的形式呈现，包括音频、任务和反馈模块，便于教师在课堂中灵活使用，也便于学生课后自主练习。GenAI主要用于加快技术制作过程，例如整理听力文本格式、初步生成填空题以及制作HTML模板。然而，这一任务序列的教学价值仍然依赖教师的专业介入，尤其体现在筛选真正值得记录的关键信息、调整不同层级之间的难度，以及修改不自然或信息过密的语言输入，从而保证材料可理解、可靠，并符合教学目标（Kasneci et al., 2023; Law, 2024; Raffini et al., 2025; Yan et al., 2024）。

 

i. 第一级：关键词填空
学生一边听音频，一边在基于听力文本的填空练习中补全30个缺失的关键词。提交后，系统会通过颜色标记提供即时答案反馈，绿色表示正确，红色表示错误，同时显示正确率。学生也可以选择点击按钮查看完整答案。这一层级可以作为一种低风险的注意力锚点，帮助学生在不需要大量书写的情况下捕捉核心内容。

 

ii. 第二级：短语或语段填空
第二级采用相同的设计逻辑，但填空单位扩大到短语或语段层面，通常为3至10个单词。这有助于学生以更大的语言组块处理听力输入，为之后更有选择性的记笔记做准备。该层级同样采用即时检查和反馈机制。

 

iii. 第三级：引导式笔记表格
学生在按照子话题组织的结构化表格中记录笔记。学生完成自己的笔记后，可以点击“显示示例笔记”按钮查看教师提供的范例笔记，从而进行比较和修改。

 

iv. 第四级：自由记笔记与听后理解检测
学生在听音频时自由记录笔记。听力结束后，理解题即选择题才会出现。这一设计鼓励学生依靠自己的笔记和记忆作答，而不是提前预览问题。选择题答案同样可以按照前两个层级的方式进行即时检查和反馈。

 

 

在XJTLU一年级EAP课程中，学生被分为四个层级：基础级、初中级、中阶和高阶。不同层级之间，以及同一层级内部，学生的听力能力和学习特点都存在明显差异。

 

在实际教学中，基础级和初中级学生通常更适合从第一级和第二级开始练习。词汇和语段层面的填空任务可以在记笔记难度增加之前，为他们提供词汇识别和语言组块处理方面的针对性支持。相比之下，一些高阶班学生则需要更具挑战性的任务。例如，在我所教授的四个高阶班中（2025–2026学年第一学期），在101名学生中仅有两名学生能够在仅做少量笔记的情况下记住并复述一段6至7分钟听力材料中的关键信息，并且在不提前预览问题、仅用笔记来回答问题的情况下，每次理解题正确率都能保持在80%以上。对于这类学生以及大部分其他的高阶学生而言，第一级和第二级的附加价值相对有限，而第三级和第四级更有帮助，因为这些任务要求他们持续集中注意力、自主组织笔记，并在听后根据笔记回答问题。在同一批高阶学生中，学期结束时的一个非正式口述反馈显示，在使用过该HTML活动的学生里，超过一半表示自己主要使用第三级和/或第四级进行练习，因为这些层级更接近考试中组织信息和依靠笔记答题的要求。与此同时，约五分之一的学生会经常回到第一级和第二级。他们认为这些任务可以帮助自己检查拼写，并在进入更自由的记笔记练习前，提高捕捉关键信息的准确性。这一案例表明，差异化教学并不一定意味着要为不同学生群体分别制作不同听力材料内容。通过一个共同的听力材料，让学生根据自身水平体验不同层级的练习，也可以实现差异化支持。这也与动机研究的观点一致，即具有适当挑战性的任务，尤其是在学习互动支持下，可以帮助学生在较长时间内保持参与度（Dörnyei, 2005）。

 

 

 

 

这款“大富翁”风格的棋盘游戏旨在支持EAP口语课程考试（SCW）的准备。通过轻度时间限制，活动增加了学生提取主题相关问题、即时拓展回答以及在同伴面前表达的机会。该活动提供两种形式：一种是可打印的PDF棋盘，便于课堂快速分组游戏；另一种是可直接运行的HTML版本，适用于课堂或课后自主练习。教师可以根据实际需要，在快速准备和降低课堂管理负担之间进行选择。

 

与前文所述思路一致，GenAI在这一活动中主要用于加快技术制作过程。具体而言，GenAI帮助完成HTML游戏的初步搭建，例如生成模板和起草操作说明。然而，游戏的教学价值仍然依赖教师的专业介入，包括调整问题难度、确保问题与单元主题相关、修改过于程式化或不自然的提示语，并确保问题能够引导学生练习SCW所需的目标口语能力（Kasneci et al., 2023; Raffini et al., 2025; Yan et al., 2024）。

 

 

PDF棋盘采用蛇形路线设计，并清晰标注起点和终点。棋盘上的主题格围绕SCW的关键话题循环出现，并穿插功能格，例如前进、后退或跳过一轮，以维持游戏节奏和变化感。每个主题格都对应一组问题提示，用于引导学生进行描述、建议、解释和论证，并鼓励他们通过理由和例子进一步拓展回答。在课堂使用时，教师可以为每轮发言设置时间限制，以保证活动节奏，同时也可以配合使用可打印的问题包。

 

 

HTML版本包含掷骰子功能、回合管理功能和基础游戏进度记录，方便学生小组在课后独立开展活动。当玩家停在某一主题格时，系统会自动从带有标签的问题库中随机抽取一个提示问题。这既增加了不同小组之间的练习变化，也减少了教师手动分发问题的需要。每轮发言可由教师设定时间限制，并要求同伴提出追问或澄清。这有助于保持交流目标明确，并减少学生过度背诵或照稿表达的情况。

 

 

在HTML版本推出之前，该“大富翁”活动主要以可打印棋盘的形式在教师监督下的课堂时间内开展。虽然学生在课堂中的参与度较高，但当教师尝试将该活动延伸到课外口语练习时，出现了一些迁移限制。学生反馈称，他们在课后练习时常常缺少骰子或棋子等基础材料，也有部分学生会直接手动选择问题，从而跳过游戏流程、直接答题。这削弱了原本设计中的回合制、节奏控制和主题循环等结构。

 

因此，HTML版本被开发出来，用以减少这些实际障碍，并在学生自主重复使用时保留活动原本的设计逻辑，包括内置掷骰子、回合管理以及自动抽取带标签的主题问题。该文件作为可选自主学习材料分享后，有几名学生反馈，他们会与室友、同学或社团朋友一起灵活地使用这一工具，将其作为SCW准备中的常规练习方式。这些反馈说明，将核心游戏机制嵌入网页界面中，不仅可能提高活动在课外被再次使用的可能性，也有助于促进同伴互动，而这正是EAP学习中维持持续参与的重要因素之一。

 

 

 

 

第一单元词汇练习材料分为五个部分，旨在弥合词汇层面的识别能力与高风险测试中语境化应用能力之间的差距。这一递进设计支持学生准备课堂词汇测试。任务从形式聚焦的定义识别开始，逐步过渡到认知要求更高的推断题和完形填空题。该工具以一个完整的HTML界面呈现，并整合了互动反馈机制，既可用于教师引导下的课堂教学，也可用于学生自主学习。此外，测试开始前明确标注了30分钟时间限制，以鼓励学生在类似考试的条件下培养有效的时间管理策略。

 

 

在XJTLU一年级EAP课程中，基于HTML的词汇模拟测试为教师引导学习和学生自主学习提供了高度灵活的支持方式。在实际教学中，一些教师会将该工具作为补充性的课前导入任务，用来了解学生此前的复习情况；也有教师将其作为“离场券”式任务，用来巩固学生刚刚学习的词汇。在非正式反馈中，多数学生表示，这类互动测验对于帮助他们记忆词汇非常有效。他们认为，能够反复自测有助于巩固对复杂学术词汇的记忆。对这些学生而言，自动评分系统提供的即时反馈具有很强的激励作用。他们认为，立即知道自己的结果可以帮助他们实时纠正错误，而不必等待教师批改。

 

 

 

 

虽然这些HTML活动在笔记本电脑上运行效果较好，但由于屏幕尺寸和交互方式的限制，例如滚动、输入和拖拽操作等，在移动设备上的使用体验可能不够流畅。因此，如果教师希望在课堂中使用这些HTML活动，可能需要提前提醒学生携带笔记本电脑。考虑到部分学生携带额外设备可能不便，教师也可以将这些活动定位为可选补充材料，或者安排学生在专门的机房或课后在家完成。

 

 

 

i. 跨技能适用性与需求导向设计
轻量化HTML活动可以围绕任何EAP技能重点进行设计，例如阅读、写作、听力、口语、词汇和语法。教师可以根据学生需求和目标表现情境，选择合适的任务形式和限制条件。
ii. 通过可观察目标实现建设性对齐
教师可以为每项活动设定少量可观察的学习行为，例如识别关键信息、选择值得记录的内容、给出有理由支撑的回答，并确保提示语和反馈能够直接引导学生关注这些目标。
iii. 递进式限制设计
在适合的情况下，教师可以将任务设计为从较强支持逐步过渡到更高学习者自主性的序列，例如从引导式输入到较自由的产出，从即时检查到延后验证。这样的设计有助于稳定学生注意力，并减少无效认知负担。

 

 

I. 建立可复用的互动模式库
不同课程模块可以共同维护一套轻量化HTML模板，例如即时反馈检查、引导式输入框、延后验证和随机提取等。这样，各团队只需要替换本课程相关内容，而不必反复重建互动机制。
同时，可以将提示语库和关键设计决策存放在共享资料库中，以支持后续维护和持续更新。
II. 标准化质量审核节点
活动设计者可以在发布前加入一个简短的同行审核环节，重点检查内容准确性、难度和适切性、语言自然度、与学习成果的对齐程度，以及隐私和伦理方面的考虑。
III. 支持课外迁移使用
活动设计者还可以在工具中嵌入低门槛支持功能，例如答案反馈、自动推送提示语和基础进度记录，使学生能够在不增加教师管理负担的情况下，更稳定地进行自主学习。

 

 

本文记录了GenAI时代一年级EAP教学中轻量化HTML活动的设计理念与课堂应用，并以四级分层听力练习、大富翁风格口语游戏和在线互动词汇模拟测试作为案例进行说明。这些案例表明，以即时反馈、梯度约束和随机推送提示为特征的低门槛网页互动，可以支持更加可见的过程性练习，减少不必要的活动准备障碍，并将同伴练习机会延伸到课堂之外。

 

在这些设计中，GenAI被定位为教师主导、人本取向工作流程中的快速起草和代码辅助工具，而关于难度校准、语言自然度和学习成效对齐的判断仍然至关重要。本文并不试图声称这些活动直接带来了因果性的学习提升，而是提供了一些可复用的设计模式和实践建议，以帮助EAP教师们开发更具扩展性和可维护性的活动，同时确保教学适切性和负责任的技术使用。
鉴于GenAI工具仍在快速发展，教师也需要持续审查和调整相关材料，以确保材料难度适合学生水平，并帮助学生明晰人工智能使用边界。

 

 

 

 

 

Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148

Crompton, H., & Burke, D. (2024). The educational affordances and challenges of ChatGPT: State of the field. TechTrends. https://doi.org/10.1007/s11528-024-00939-0

Deng, R., Jiang, M., Yu, X., Lu, Y., & Liu, S. (2025). Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies. Computers & Education, 227, 105224. https://doi.org/10.1016/j.compedu.2024.105224

Dörnyei, Z. (2005). The psychology of the language learner: Individual differences in second language acquisition. Lawrence Erlbaum.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Law, L. (2024). Application of generative artificial intelligence (GenAI) in language teaching and learning: A scoping literature review. Computers and Education Open, 6, 100174. https://doi.org/10.1016/j.caeo.2024.100174

Lu, X., Sales, A., & Heffernan, N. T. (2021). Immediate versus delayed feedback on learning: Do people's instincts really conflict with reality? Journal of higher education theory and practice, 21(16), 188-198. https://doi.org/10.33423/jhetp.v21i16.4925
Muftah, M. (2022). The effects of web-based language learning on university students' translation proficiency. International Journal of Innovative Research in Education, 9(2), 106-117. https://doi.org/10.18844/ijire.v9i2.8496
Raffini, D., Macori, A., Porcaro, L., Catarci, T., & Angelini, M. (2025). How persuasive could LLMs be? A first study combining linguistic-rhetorical analysis and user experiments. arXiv. https://arxiv.org/abs/2508.09614

Roediger, H. L., Karpicke, J. D. “Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention.” Psychological Science, vol. 17, no. 3, Mar. 2006, pp. 249–255, pubmed.ncbi.nlm.nih.gov/16507066/. https://doi.org/10.1111/j.1467-9280.2006.01693.x.

Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer. https://doi.org/10.1007/978-1-4419-8126-4

Yan, L., Sha, L., Zhao, L., Martinez-Maldonado, R., Jin, Y., & Gašević, D. (2024). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology, 55(1), 90–112. https://doi.org/10.1111/bjet.13370

Zakaria, A., Addanan, F. A., Khalili, N. N. M., Zakaria, Y. K., & Mohamad, M. (2024). A Systematic Literature Review of the Impact of Game-Based Learning on English Learners. International Journal of Academic Research in Business and Social Sciences, 14(8). http://dx.doi.org/10.6007/IJARBSS/v14-i8/22462