研究述评：TBLT 与 AI 的交汇点

本文性质： 研究述评（Review）—— 观察（Observation）+ 假设（Hypothesis）。这不是一份已发表的研究报告，也不是研究结论。文中三点观察来自课堂实践，两项命题尚未经过系统检验。

为什么写这份述评

创办人的研究领域中有两项在近年开始交汇：任务型语言教学（TBLT） 与 AI 在 TBLT 中的应用。前者是他博士研究的主线，后者是新近拓展的方向（见「学术成果与研究方向概览」）。

在同时推进这两条线的时候，有几个问题反复出现。本文把它们整理出来，一是为了说明我们目前的理解到什么程度，二是希望有同行从反方向提出质疑。

观察一：任务型教学的核心不是「活动多」，而是「完成」的标准

课堂上常见的一种误读是：只要学生动起来了，就是任务型教学。组织一场小组讨论、做一次角色扮演、玩一个游戏——形式上都很活跃。

但任务型教学的关键判据在于任务是否真的被完成。完成意味着有可判断的结果：有没有把这件事办成。「讨论得很热烈」不是结果，「说服了对方接受这个方案」才是。

这一点带来的实务结论是： 一个任务设计得好不好，首先要问「怎么知道它完成了」。回答不了这个问题的活动，无论多热闹，都不是任务。

观察二：AI 第一次让「可理解输入的量」变便宜了

语言学习里最贵的资源一直不是教师，而是大量合适的输入。合适意味着两件事：量大，且难度略高于当前水平。

以往获得这种输入的路径有限：请外教、买原版读物、创造语言环境、或者出国。成本都高。

AI 显著改变了这一项的成本结构：难度可以按需调整，话题可以随取随用，数量几乎不受限制。这是近二十年来语言学习资源层面最实质的变化。

但它带来一个副作用需要警惕：输入变得太容易获得，反而容易取代输出。 如果学生把时间全部花在「让 AI 讲给我听」，产出与反馈的循环仍然没有发生。

观察三：AI 无法替代真实交际中的语用反馈

语用知识指的是「在什么场合、对什么人、说什么样的话」。它的来源是长期浸泡在真实语言环境中，而不是模型参数。

AI 可以判断一句话是否「语法正确」，可以判断它是否「常见」，但很难可靠地判断它在某个具体情境里是否得体。而在真实的语言使用中，「得体」往往比「正确」更决定交流结果。

这也解释了为什么本站的一贯立场是：AI 是工具层的突破，不是目标层的改变。 它应该被放在「提供输入」与「初步反馈」的位置，而不是「替代真实交际」的位置。

两项待验证命题

命题一（Hypothesis）： 在课时有限的中小学语言课堂中，把 AI 用于「任务前的输入准备」与「任务后的初步反馈」，对学生的语言使用机会与任务完成质量的影响，可能显著大于把 AI 用于「讲授语言点」。

命题二（Hypothesis）： 引入 AI 之后，教师最需要补的能力不是提示词技巧，而是任务完成标准的判断能力——即分辨哪些产出是真的完成，哪些只是看起来完成。

两项命题均未经系统检验。创办人的博士研究（TBLT 在新西兰中学汉语课堂中的实施、挑战与收益）与本站正在开放的合作研究方向，都与它们直接相关。

邀请质疑

述评的价值不在于观点新颖，而在于能否被反驳。如果你在教学实践中发现了与上述观察不符的情况，那比印证它更有价值——请通过「联系我们」告诉我们。

行动建议： 用观察一的判据检查你手上任何一个「任务」：你能用一句话说清「怎么知道它完成了」吗？如果说不出，先改设计再上课。

本文依据

• 观察来源： 创办人在新西兰中学与高等院校担任中文／ESOL 教师与研究者期间（2019—2024）的课堂实践，以及奥克兰北岸教育培训中心的长期教学观察。
• 模型出处： 「任务完成标准优先于活动形式」「AI 定位于输入与初步反馈」两项判断属教学模型（Model），用于指导设计与研究，不作为认知机制的解释。
• 待验证项： 上述「两项待验证命题」为核心待验证命题；相关博士研究尚在研，结论以最终论文为准。
• 外部文献： 任务型语言教学与第二语言习得领域关于任务定义、可理解输入与语用能力的既有研究提供方向性支持；具体文献将在本栏目题录完善后补充。

署名： 教育研究部（Research Team）· 杨斯毅教育研究院