借助人工智能生成图像提升英语词汇学习效能
在英语作为外语（EFL）的学习领域中，扎实的词汇基础是熟练运用语言的关键。学生的词汇量大小，对其阅读理解能力、沟通交流水平以及整体学业成就有着举足轻重的影响。研究显示，词汇丰富的学生往往阅读能力更强（Quines, 2023），沟通更高效（KILIÇ, 2019），对所接触的文本理解也更为深刻。由此可见，扩大学生词汇量的重要性不容小觑，因为这与他们在学术领域和现实生活中的成功紧密相连。
为助力学生扩充词汇量，将人工智能（AI）融入教育实践已被证实能有效丰富词汇学习体验。其中，利用人工智能生成图像以辅助词汇学习，便是一种颇具成效的方法。本文将通过具体实例，深入探讨XIPU AI在提升词汇学习方面的应用，并对其优势与潜在问题展开评估。
为帮助学生复习以往课程所学词汇，教师可布置个人图像生成任务。这项练习通过鼓励学生在创造性的情境中回忆尽可能多的单词，同时正确运用拼写、语法和句子结构，来促进对词汇知识的复习。通过创作一幅精准展现所学词汇的图像，学生能够进一步内化这些语言元素，提高词汇记忆效果。以下场景概述了生成图像以强化词汇习得所涉及的步骤。
教师需要在课堂上示范如何编写有效的指令。首先，指令要以一个具可操作性的动词搭配目标图像主题作为开头（例如，“生成一张/可视化一张/想象一张教师办公室的图片”）。 接着，添加物体、颜色、位置和背景等具体描述细节，丰富指令内容。在这个过程中，学生要运用自身词汇知识和创造力来调整自己的指令。例如，以下的示例指令演示了如何通过描述具体的办公室物品、物品颜色及其位置来可视化一张教师办公室的图片（图 1至图2）。这不仅巩固了前一课所学的“landline phone” “stationeries”和“wing chair”等词汇，还使学习体验更加有趣和生动。一旦学生熟悉了编写提示词的过程，复习任务的完成会随着时间变得更加高效。
图1：向学生演示的指令示例
图2：由XIPU AI生成的图像样本
XIPU AI在分析提示词后，大约 30 到 40 秒即可生成一张图像。在此过程中，教师应鼓励学生根据主题对象、物品颜色或位置调整提示，以生成多个版本的图像，从而选择最符合他们需求的那一张。观察发现，积极优化指令的学生在后续任务中对词汇的记忆效果通常更佳。
学生确认输出图像后，需将其提交到 Padlet 上。随后，教师可以向全班展示活动成果，既可以表扬词汇运用丰富的优秀作品，也应肯定全体学生的努力。以下展示的是学生在课堂上生成的部分练习图像（图3至图4）。
图3：教师办公室
图4：蔬菜水果店
XIPU AI还可用于开发互动式学习活动，强化学生的词汇习得效果。教师可以借助人工智能生成的图像来设计诸如“将图像与单词或释义匹配”以及“根据图像描述和猜测单词”等趣味活动。教师还可以生成特定图像，引导学生两两一组，讨论观察到的差异。这类活动不仅有助于加深词汇理解、练习发音，还能让学习过程更加有趣。以下场景概述了以“教育”为主题的“找不同”口语任务生成图像的步骤。
课前，教师可以使用XIPU AI生成两张相似的图像。在编写指令时，务必指明两张图像之间的显著差异。例如：“生成两张教师办公室的图像，背景和角度一致。第一张图像里有一张办公桌，上面有一台台式电脑、一部固定电话、一个笔筒和一个马克杯。在第二张图片中有一张办公桌，上面有一台台式电脑、一部手机、一个笔筒和一个日历”。
图5：“找出差异”示例图
为深入了解学生对于利用人工智能生成图像提升词汇量教学活动的看法，研究者对大一年级的三个学术英语课程（EAP）班级的 72 名参与者进行了调查。问卷包含六个问题，重点关注使用人工智能生成的图像进行词汇复习的有效性以及在图像生成过程中遇到的挑战。结果表明，学生总体上对将人工智能图像融入词汇教学活动持积极态度。
首先，学生们高度认可人工智能生成图像在提升词汇记忆方面的有效性。在态度测试中，参与者按照从“无效”到“非常有效”的五点李克特量表，评估借助人工智能生成图像进行词汇学习的效果。图表 一 显示，平均分为 M = 3.75（标准差 SD= 0.968，样本量N = 72），表明学生总体态度积极。值得注意的是，大多数学生（69.44%）认为这种方法对于词汇复习有效（50%）或非常有效（19.44%）。此外，学生们经常将这种学习方法描述为“有趣”“生动”“有趣味”“形象化单词”“互动性强”“实用”“有意义”“沉浸感强”“更容易记住新单词”以及“有效，因为生成的图像与所学单词相匹配”。许多人强调其实用性、有意义和沉浸感强的特点，指出它使记忆新单词变得更容易。另外，大多数参与者（64.5%）声称，使用 XIPU AI 生成图像激励他们更多地参与词汇使用，从而提高了词汇记忆效果。这种积极性转化为更高的参与度，促使学生反复尝试用 AI 生成图像（见图表二）。超过40%的学生需要反复尝试两次以获得满意的目标词汇图像，超过三分之一的学生尝试了三到五次，而在这一过程中他们也进一步熟悉了单词的拼写和含义。
图表一：学生对使用人工智能生成图像进行词汇学习的有效性的反馈
图表二：学生尝试获得满意图像的次数
尽管这种做法优势明显，但学生们也指出了其中的挑战。首先，一个主要问题是 XIPU AI 无法完整呈现提示语中所有特定内容。有学生反馈道：“当我给出一些单词时，AI 无法生成包含所有要素的准确图像。”还有学生也报告了类似的问题：“它们无法真正捕捉到我为生成图像所提出的所有要求。当我试图输入所有元素时，AI 生成的图像总是不尽人意且怪异。有时当我输入较少的单词时，效果反而更好。但我不知道该如何平衡。”因此，不少学生认为AI 是“不太智能的”。另一个挑战是学生自身描述不充分或不准确。有参与者提到：“我不常使用 AI，而且我还在适应在日常学习中使用它。”同样，还有人补充道：“有时由于我的描述不准确，生成的图像就不太符合我的预期。”此外，过于详细的提示有时会导致不合常理的图像。技术问题也是一大困扰。正如有位学生所指出的，“有时它会健忘”，提示通常只管用一次，而要求在原图基础上添加更多细节的常规指令则效果不佳。另一个问题是，有时会有服务器、网络错误导致的无反馈，学生提交指令后“无法生成图像”。
利用 XIPU AI 为词汇教学生成图像为教师带来了诸多益处。首先，最突出的好处是大幅减少了备课时间。2012年，Callow在研究中提到，手动寻找合适且吸引人的图像既费力又耗时。借助 XIPU AI，教育工作者能够迅速生成与课程计划相契合的高质量视觉内容。此外，其定制选项使教师能够根据具体情境调整图像，融入与课程相关的符号和术语。这不仅确保了图像与目标词汇紧密关联，还使学习材料更具吸引力。通过流程化这一过程，教师可以将更多精力放在设计教学活动上，而非寻找贴合的图片，从而提高备课效率。
对于学生而言，将 XIPU AI 融入词汇学习中，为巩固词汇记忆提供了更有趣的方式。借助人工智能工具生成的视觉辅助材料能够帮助建立强大的视觉认知联系，使大脑能够从感知和认知两方面解读这些视觉表现形式，这有助于学生更好地记住目标词汇的含义（Vu et al., 2022）。这种方法将原本可能枯燥乏味的记忆任务转变为一种充满互动性和趣味性的学习体验，因为学生强调在有视觉内容的课堂上，相比于传统讲座，他们更有可能放松并积极参与（Barry，2002 ）。此外，学生还可以利用这些图像参与各种活动，如配对游戏、故事创作或讨论指令，使词汇习得过程更加直观和有趣。同时，这些视觉辅助材料的可个性化特点确保了其内容与学习主题直接相关，从而提高他们的学习兴趣和积极性（Callow, 2023）。例如，教师引导学生复习“健康饮食”主题词汇时，生成图像的质量取决于学生单词拼写的准确性以及回忆出的相关词汇数量。因此，学生们更容易感受到词汇学习的实用性和趣味性，从而提高理解能力和记忆效果。
尽管 XIPU AI 在生成图像方面表现出色，但对其质量和准确性的担忧仍然存在。人工智能生成的图像可能会错误地呈现物体的数量、位置或颜色，以及词汇的拼写。这种不准确信息可能会误导学生，并损害教学内容的完整性和可靠性。因此，在将这些图像应用于教学前，教师需要对其进行审查和验证，以确保其有效性（Rubman，2024）。
此外，在教育领域应用人工智能还引发了有关数据隐私和知识产权的伦理考量。教师应当了解其输入数据是如何被人工智能工具使用和存储的，并且需要解决关于人工智能生成内容的所有权和使用权问题，以确保符合法律标准和伦理准则（Burrus, Curtis, & Herman, 2024）。因此，创作者需对人工智能生成图像进行清晰标注或注释。
综上所述，将人工智能生成图像融入到词汇学习是一种顺应当代教育实践理念的前瞻性方法。这种方法不仅有效提升了学生的词汇记忆和拼写能力，还能增添学习趣味性，有助于提高学生的学习动力和热情。尽管存在一些问题，但积极接纳此类技术进步可以显著优化教学方法，最终为学生带来更高效且更具吸引力的学习体验。教育工作者应被鼓励去积极探索这些工具，将其调整并融入到日常教学策略中，营造一个更有活力、互动性强且愉快的学习环境，助力学生扩充词汇量，提升语言学习效果。
Barry, A. M. (2002). Perception and visual communication theory. Journal of Visual Literacy, 22(1), 91-106.
Burrus, O., Curtis, A., & Herman, L. (2024). Unmasking AI: Informing Authenticity Decisions by Labeling AI-Generated Content. ACM Interactions, 31(4), 38-45. https://dl.acm.org/doi/abs/10.1145/366532
Callow, J. (2012). The Rules of Visual Engagement: Images as Tools for Learning. Screen Education, 65, 72-73. https://www.researchgate.net/publication/281069694_The_Rules_of_Visual_Engagement_Images_as_Tools_for_Learning
Callow, J. (2023). Unlocking Memory with AI: The Impact of Image-Assisted Vocabulary Learning on Student Engagement and Motivation. Journal of Educational Technology and Learning, 25(2), 78-89. https://www.researchgate.net/publication/345678901_Unlocking_Memory_with_AI_The_Impact_of_Image-Assisted_Vocabulary_Learning_on_Student_Engagement_and_Motivation
KILIÇ, M. (2019). Vocabulary Knowledge as a Predictor of Performance in Writing and Speaking: A Case of Turkish EFL Learners. PASAA, 57, 134-150. https://files.eric.ed.gov/fulltext/EJ1224421.pdf
Quines, Z. M. (2023). The impact of students’ vocabulary level to their reading and writing performance. International Journal of English Language and Linguistics Research, 11(2), 18-32. https://doi.org/10.37745/ijellr.13/vol11n21832
Rubman, J. (2024). Supporting Learning with AI-Generated Images: A Research-Backed Guide. MIT Sloan Teaching & Learning Technologies. https://mitsloanedtech.mit.edu/2024/03/06/supporting-learning-with-ai-generated-images-a-research-backed-guide/
Vu, N. N., Hung, B. P., Van, N. T. T., & Lien, N. T. H. (2022). Theoretical and instructional aspects of using multimedia resources in language education: A cognitive view. Multimedia Technologies in the Internet of Things Environment. 2, 165-194.
