了解大学生在外语学习中对机器翻译的接受度：Utaut 和任务技术契合的综合模型
快速阅读: 据《Nature.com》称，本研究结合UTAUT与TTF模型，探讨影响大学生在外语学习中使用机器翻译的因素。发现绩效期望、努力期望和社会影响显著影响使用意愿，经验与TTF调节作用重要。研究为MT设计、高校及教师提供了提升外语学习效果的启示，包括定制服务、改善匹配及培养高阶思维技能等。
主要发现
本研究采用统一理论技术采纳模型（UTAUT）结合任务技术匹配模型（TTF），探讨了影响大学生在外语学习环境中接受机器翻译（MT）的因素。一些有趣的发现值得报告和讨论。
首先，研究发现绩效期望直接影响他们使用MT的意愿，努力期望是影响使用MT意愿的重要因素，而社会影响对使用MT的意愿有显著的积极影响，这与以往的研究结论相符（杨和王，2019；蔡和廖，2021；李，2023）。具体而言，绩效期望直接影响他们使用MT的意愿，表明当学生认为MT是一种有价值的工具，有助于完成学习任务并提高学习效率时，他们更倾向于采用MT。此外，努力期望也是影响使用MT意愿的重要因素，这支持了UTAUT理论（Venkatesh等，2012），并与先前在外语情境中的研究结果一致（李和布里吉斯，2021；田和杨，2023）。值得注意的是，与努力期望相比，绩效期望被发现是对使用MT意愿最重要的决定因素。这可能是因为当代学生在使用MT方面积累了更多经验，使他们相信自己可以轻松使用它而无需投入太多精力。此外，社会影响对使用MT的意愿有显著的积极影响。一方面，在协作学习环境中，学生容易受到同伴对MT态度的影响（王和王，2021）。另一方面，教师对MT的支持程度也会影响学生的使用意愿（杜卡尔和舒克特，2018；斯塔普利顿和金，2019）。这凸显了教师支持和同伴合作在促进MT使用中的重要性。在此方面，教师应着重引导学生发展高层次思维能力，从而提高学术表现，同时将MT融入语言学习活动中。同时，应鼓励诸如在线同伴反馈等同伴合作活动，以进一步提高MT的有效性。
其次，对MT的态度并未直接影响他们使用该技术的意愿，这与安德鲁斯等人（2021）的研究结论不符，他们发现用户对技术使用的态度对其行为意图有显著影响。访谈结果显示，尽管87.64%的学生对MT质量表示不满，但大多数学生（98.73%）承认其在减轻外语学习焦虑方面的积极作用，并且仍然愿意在实际学习中使用MT来辅助外语学习。这表明学生对MT的态度并未直接影响他们使用该技术的意愿。这支持了德维迪等人（2019）的看法，即使用技术的意愿主要受技术本身（如速度、质量、产品界面等）的影响，而态度对使用技术的意愿影响较小。此外，使用MT的意愿显著正向影响实际使用行为，支持了罗西和谢沃特（2019）的研究发现，即学生的使用意图影响其实际使用行为。与UTAUT模型一致，有较强使用意愿的人对技术的实际使用水平也较高（德维迪等，2019）。由于大多数参与者长期使用MT并有强烈的使用意愿，他们的长期熟悉度可能强化了继续使用MT进行语言学习的意图。
第三，本研究表明，经验作为调节变量对绩效期望与使用MT的意愿之间的关系有积极影响，这与先前研究一致，即经验是一个强烈影响MT感知有用性的因素（杨和王，2019）。随着学生使用MT经验的积累，他们可以更加熟悉不同MT系统中各种文本类型的性能，从而更快地识别MT中的错误，最大化其优势并提高翻译生产力（达姆斯等，2017；尼诺，2020）。因此，随着学生在使用MT方面的经验增加，他们更有可能接受并主动将其整合到外语学习中。此外，发现高水平的任务技术匹配（TTF）与感知的绩效期望和努力期望相关联，进而促进了积极行为意图的发展。具体而言，TTF调节了绩效期望与使用MT的意愿之间的关系，这与先前研究一致，即学生需求与MT所提供的服务匹配度越高，他们对MT的感知性能就越高（杨，2024）。匹配度越高，MT就越被认为是有用的。此外，本研究还证明了TTF在努力期望与使用MT的意愿之间的作用。这一发现支持了先前的研究，即MT的可用性可能因翻译任务的不同而变化（王等，2021）。随着MT越来越能够满足完成不同翻译任务的需求，努力期望对行为意图的影响也随之增加。教师在将MT融入外语培训时应考虑特定学习任务的需求和技术的适配性。通过设计与MT系统能力相契合的定制化任务，教师可以提高学生的学习表现和MT素养。
启示
本研究的发现具有重要的理论和实践意义。理论上，本研究通过结合UTAUT与TTF模型，丰富了关于影响大学生接受MT因素的相关文献内容。尽管少数研究结合了这些框架，但我们的研究模型从用户感知的角度以及考察TTF和经验对行为意图的调节效应提供了更全面的理解。这种见解对于需要专门工具的任务尤为重要，例如翻译技术，其中任务与技术之间的功能匹配对于实现成功的任务表现至关重要。此外，研究强调了经验和TTF在预测外语学习中MT接受度方面的重要性。与以往将TTF视为技术接受模型中的独立变量的研究相比，本研究将其作为调节变量进行了分析。本研究强调了个体因素和技术因素的重要性，建议调整技术接受模型以适应教育和专业翻译环境下的任务特性与用户体验。例如，外语学习实践中对MT的需求可能与日常翻译实践设置中的需求不同，从而深化我们对外部特定环境中技术感知和任务匹配如何塑造技术接受的理解。
实践上，本研究的发现为MT设计者、高校及教师在推动外语学习中有效使用MT提供了宝贵启示。具体而言，我们的结果表明，MT设计者应根据学生的需求定制语言服务，增强其正面感知，并将MT功能与多样化任务相结合，以促进持续使用。例如，MT系统必须对师生友好，被感知为有益，并在完成特定任务（如语法修正、词汇构建和翻译中的文化细微差别）方面有效。此外，根据用户反馈（学生、教师和专业译者）定期更新MT服务，可以帮助在教育和专业环境中实现更好的任务技术匹配。此外，大学应投资基础设施和培训，例如提供免费的MT资源和社区支持服务，以提升学生使用MT的经验。对于教师而言，结果表明在教育环境中采用MT不仅仅是将技术引入课堂那么简单。教师必须确保MT系统与学生执行的具体语言学习任务相匹配。此外，应关注促进条件，例如提供足够的培训和资源，使学生能够有效地利用MT系统。他们应训练学生批判性评估何时使用MT合适，促进技术素养的发展，并在协作和解决问题的情境中培养高阶思维技能。这不仅会提高学生对MT的熟练程度，还会鼓励他们在外语学习过程中更策略性和高效地使用MT。此外，教师可以通过关注学生个体因素（如经验和技术感知）和任务技术匹配来提高将MT融入外语教学设计的效果。例如，教师可以根据学生的经验构建各种机器翻译训练支架，以提高学生使用机器翻译辅助外语学习的有效性。还可以鼓励学生在应用机器翻译进行语言学习时注重协作学习。这些方法可以为改进MT作为外语学习工具的设计和实践提供实用的见解。
(以上内容均由Ai生成)
