高頻術(shù)語視角下計算機(jī)輔助語言學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究

朱君輝　王曉菀

摘 要：自20世紀(jì)60年代以來，計算機(jī)輔助語言學(xué)習(xí)作為信息技術(shù)與語言學(xué)的交叉領(lǐng)域，取得了迅速發(fā)展，呈現(xiàn)出多元化的趨勢，同時也涌現(xiàn)出大量術(shù)語。文章基于數(shù)據(jù)驅(qū)動的方法，以Web of Science數(shù)據(jù)庫收錄的SSCI期刊中2015—2022年間發(fā)表的關(guān)于計算機(jī)輔助語言學(xué)習(xí)的1034篇文獻(xiàn)作為數(shù)據(jù)源，運(yùn)用文獻(xiàn)分析工具CiteSpace對高頻被引文獻(xiàn)及高頻關(guān)鍵詞術(shù)語進(jìn)行可視化分析，從術(shù)語角度對計算機(jī)輔助語言學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)及未來發(fā)展趨勢進(jìn)行概括與分析，以期勾勒出當(dāng)前國際計算機(jī)輔助語言學(xué)習(xí)領(lǐng)域研究的整體輪廓。通過分析發(fā)現(xiàn)，近8年該領(lǐng)域主要圍繞計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用、計算機(jī)輔助語言學(xué)習(xí)與語言習(xí)得、計算機(jī)輔助語言學(xué)習(xí)與教學(xué)3個主題展開。

關(guān)鍵詞：計算機(jī)輔助語言學(xué)習(xí)；高頻術(shù)語；研究熱點(diǎn)

中圖分類號：H083; P315.69文獻(xiàn)標(biāo)識碼：ADOI：10.12339/j.issn.1673-8578.2023.03.010

Abstract：Since the 1960s， computer assisted language learning （CALL） has made rapid progress and showed a trend towards diversification， and a plethora of terms emerged at the same time. Based on a datadriven approach， we take 1034 publications on computerassisted language learning in SSCI journals included in the Web of Science database from 2015 to 2022 as a data source， and uses the CiteSpace to visualize and analyze highfrequency cited literature and highfrequency keyword terms. We summarize and analyze the research hotspots and future trends in the field of computerassisted language learning from the perspective of terminology. The analysis shows that the research area focuses on three main themes： computer network technology applications， CALL and language acquisition， and CALL and teaching.

Keywords： computer assisted language learning; highfrequency terms; hot researches

收稿日期：2022-10-31修回日期：2023-02-22

基金項目：全國科學(xué)技術(shù)名詞審定委員會項目“術(shù)語視角下計算語言學(xué)領(lǐng)域的研究熱點(diǎn)與發(fā)展方向研究”（WT2021005）

0 引言

計算機(jī)輔助語言學(xué)習(xí)（computer assisted language learning， CALL）起源于美國，指“對計算機(jī)在語言教學(xué)應(yīng)用中的探索和研究”[1]。近年來，隨著計算機(jī)領(lǐng)域與教學(xué)理論的并行發(fā)展，CALL作為信息技術(shù)與語言學(xué)的交叉領(lǐng)域，取得了長足的進(jìn)步，涌現(xiàn)出大量研究成果。

目前，較多學(xué)者對CALL領(lǐng)域的現(xiàn)有研究成果進(jìn)行了分析和評述。如Hubbard總結(jié)了2000—2003年間刊登在4種計算機(jī)輔助語言學(xué)習(xí)期刊上的78篇文獻(xiàn)的研究對象的特點(diǎn)[2]；鄭春萍以2010—2014年間CALL領(lǐng)域相關(guān)論文的關(guān)鍵詞為基礎(chǔ)，報告了5年中其國際動態(tài)與研究熱點(diǎn)[3]；尹婷、焦建利通過分析國際CALL領(lǐng)域權(quán)威期刊LLT中的文獻(xiàn)，總結(jié)了CALL研究方法在4個維度上的新進(jìn)展，對目前CALL領(lǐng)域的研究方法做出了系統(tǒng)闡述[4]。

上述研究對于推進(jìn)CALL研究具有重要意義，但已有研究成果大多關(guān)注其發(fā)展歷程、研究方法和研究對象，目前仍缺乏對該領(lǐng)域高頻術(shù)語的研究，以及從術(shù)語視角對其研究熱點(diǎn)與最新趨勢的追蹤與解讀。基于數(shù)據(jù)驅(qū)動的術(shù)語分析能夠?qū)W(xué)科領(lǐng)域的動態(tài)發(fā)展和演變起到較好的揭示和印證作用，隨著人們對語言學(xué)習(xí)中計算機(jī)技術(shù)應(yīng)用的認(rèn)識不斷深入，整體了解CALL領(lǐng)域的高頻術(shù)語是順應(yīng)國際發(fā)展趨勢、正確把握研究方向的基礎(chǔ)。

因此，本文將在此前研究的基礎(chǔ)上分析2015—2022年間CALL領(lǐng)域的相關(guān)文獻(xiàn)，對該領(lǐng)域的關(guān)鍵詞進(jìn)行聚類分析，以高頻術(shù)語為視角確定該領(lǐng)域近8年來的研究熱點(diǎn)和發(fā)展動向。

1 研究基礎(chǔ)

1.1 數(shù)據(jù)來源

本文以Web of Science 數(shù)據(jù)庫核心合集數(shù)據(jù)為數(shù)據(jù)來源，以“computer assisted language learning”為關(guān)鍵詞進(jìn)行檢索，文獻(xiàn)類型設(shè)定為論文，通過以下標(biāo)準(zhǔn)來篩選文獻(xiàn)：

（1）2015—2022 年（4 月）期間發(fā)表；

（2）寫作語言為英語。出于對術(shù)語進(jìn)行統(tǒng)一翻譯的目的，本研究剔除了其他語種的文章；

（3）專注于CALL的研究。本研究剔除了檢索結(jié)果中包含的少量醫(yī)學(xué)、建筑領(lǐng)域的文章；

（4）被社會科學(xué)引文索引（SSCI） 收錄。在 SSCI 期刊上發(fā)表的文章通常會使用嚴(yán)格的標(biāo)準(zhǔn)進(jìn)行審查并在該領(lǐng)域具有較高的影響[5]。本次篩選只選擇論文（包括在線發(fā)表的論文），不包括書評、評論、社論等其他類別。根據(jù)上述標(biāo)準(zhǔn)進(jìn)行過濾后，最終篩選出 1034 篇有效文獻(xiàn)作為本文的研究樣本。

1.2研究方法

本文采用文獻(xiàn)計量分析的方法，利用CiteSpace可視化軟件，展現(xiàn)CALL領(lǐng)域的研究現(xiàn)狀與發(fā)展趨勢。CiteSpace 是由美國德雷克塞爾 （Drexel） 大學(xué)陳超美教授開發(fā)的基于 Java 語言的可視化軟件，以科學(xué)知識為對象，通過數(shù)據(jù)挖掘和分析，以圖譜的形式顯示知識的發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系[6]。

本研究思路如下：首先利用文獻(xiàn)共被引分析，析出若干高頻文獻(xiàn)，通過對高頻被引文獻(xiàn)的研讀總結(jié)出關(guān)注的應(yīng)用領(lǐng)域；其次對文獻(xiàn)中高頻度、高中心性的關(guān)鍵詞進(jìn)行分析，形成關(guān)鍵詞共現(xiàn)知識圖譜，通過詞頻探測技術(shù)總結(jié)主要研究方向，并分析近8年的突現(xiàn)關(guān)鍵詞；最后總結(jié)出每個研究方向下的熱點(diǎn)術(shù)語，探索并解讀CALL領(lǐng)域的研究熱點(diǎn)，進(jìn)而探索該領(lǐng)域近8年來的研究前沿。

2 近8年文獻(xiàn)計量分析

2.1 近8年研究論文數(shù)量分析

圖 1 呈現(xiàn)了近 8 年國際 CALL 研究論文數(shù)量的趨勢。 自2016年發(fā)文量達(dá)到小高峰之后，2017—2020年發(fā)文量逐步攀升，可知這幾年為 CALL 的迅速發(fā)展階段。2022 年的文獻(xiàn)統(tǒng)計時間截至 4 月份，已經(jīng)接近 2015 年全年的發(fā)文量。文獻(xiàn)年發(fā)表量的穩(wěn)定表明這一時期CALL 研究處于持續(xù)發(fā)展階段。

2.2 高頻共引文獻(xiàn)分析

論文的被引頻次能夠在一定程度上反映出論文的受關(guān)注程度，高被引論文一般是具有奠基性作用的重要論文或關(guān)注研究前沿與熱點(diǎn)的高質(zhì)量論文。1973年，美國情報學(xué)家Small首次提出文獻(xiàn)共被引（cocitation）的概念，作為測度文獻(xiàn)間關(guān)系程度的一種研究方法[7]。兩篇或多篇論文同時被后來一篇或多篇論文所引，則稱這兩篇論文構(gòu)成共被引關(guān)系。利用 CiteSpace 對檢索文獻(xiàn)進(jìn)行共被引分析，得出國際CALL研究共引文獻(xiàn)知識圖譜，如圖 2 所示。圖中節(jié)點(diǎn)的大小代表文獻(xiàn)被引次數(shù)，節(jié)點(diǎn)越大表明該篇論文被引用的次數(shù)越多，節(jié)點(diǎn)之間的連線表示兩篇文獻(xiàn)的共現(xiàn)情況， 線條越粗，說明文獻(xiàn)之間的相關(guān)性越高。表1 展示了CALL研究中前 10 篇高被引文獻(xiàn)。

2.3 文獻(xiàn)關(guān)注應(yīng)用領(lǐng)域分析

通過對這 10 篇文獻(xiàn)的研讀，我們發(fā)現(xiàn)這些文獻(xiàn)涉及的主題包括：移動輔助語言學(xué)習(xí)、混合學(xué)習(xí)、數(shù)據(jù)驅(qū)動學(xué)習(xí)、真實(shí)學(xué)習(xí)環(huán)境、學(xué)習(xí)效果、自動語音識別、多對多協(xié)作寫作等方面。其中第一篇總結(jié)了截至2014年語言學(xué)習(xí)領(lǐng)域5種主要的第二語言和外語學(xué)習(xí)技術(shù)，即移動學(xué)習(xí)技術(shù)、多媒體學(xué)習(xí)和社交技術(shù)、語音到文本、文本到語音識別、基于數(shù)字游戲的學(xué)習(xí)技術(shù)，為后續(xù)的研究提供了重要信息[8] 。

可以看出，計算機(jī)輔助學(xué)習(xí)的研究一方面從技術(shù)入手，如AR、VR等運(yùn)用最新技術(shù)優(yōu)化學(xué)生的學(xué)習(xí)環(huán)境，或以人機(jī)交互的方式提高學(xué)生的學(xué)習(xí)效率；另一方面則是以學(xué)習(xí)方法與主體作為突破口，探究語言教師和研究人員如何將技術(shù)納入教學(xué)實(shí)踐或研究議程中，探究學(xué)生本身的情感和動機(jī)等。這些論文作為計算機(jī)輔助學(xué)習(xí)領(lǐng)域最有影響力的文獻(xiàn)對后續(xù)研究起到了指引作用。

3 高頻關(guān)鍵詞分析

關(guān)鍵詞是為了文獻(xiàn)標(biāo)引工作從報告、論文中選取出來的用以表達(dá)全文主題信息的詞語，能夠鮮明而直觀地體現(xiàn)文章主題，關(guān)鍵詞在文獻(xiàn)中出現(xiàn)的頻次可以在一定程度上反映該詞所表征的內(nèi)容在其相應(yīng)領(lǐng)域中的受關(guān)注程度。

為了更準(zhǔn)確了解當(dāng)前國際CALL的主要研究方向與發(fā)展歷程，本文從高頻關(guān)鍵詞共現(xiàn)圖譜與聚類分析、關(guān)鍵詞時間線圖譜分析、關(guān)鍵詞突現(xiàn)分析3個角度進(jìn)行總結(jié)。在CiteSpace的參數(shù)設(shè)置中將“Time Slicing”（時間跨度）設(shè)為2015—2022，“Years Per Slice”設(shè)置為1。在“Term Source”（術(shù)語來源） 中選擇“Title”“Abstract”“Author Keywords （DE）”和“Keywords Plus （ID）”，“nodetype”則設(shè)定為“keyword”。同時，將top N設(shè)置為50，表示在生成的演化時區(qū)圖譜中僅顯示在該研究領(lǐng)域中發(fā)文量排在前50的高頻詞或相關(guān)主題。

3.1 高頻關(guān)鍵詞共現(xiàn)圖譜與聚類分析

3.1.1 高頻關(guān)鍵詞共現(xiàn)圖譜分析

圖3的關(guān)鍵詞共現(xiàn)圖譜呈現(xiàn)了自 2015 年以來國際CALL研究的主要方向。依據(jù)圖譜數(shù)據(jù)，表2列出了排名前10的高頻關(guān)鍵詞。

將檢索術(shù)語“計算機(jī)輔助語言學(xué)習(xí)（83次）”及其上位術(shù)語排除后，頻次前10的關(guān)鍵詞及出現(xiàn)頻次如表2所示，根據(jù)高頻關(guān)鍵詞分布狀況可初步預(yù)測：CALL的研究集中于技術(shù)、學(xué)習(xí)主體、教學(xué)主體3個維度，關(guān)注學(xué)生借助計算機(jī)等相關(guān)技術(shù)習(xí)得二語（尤其是英語）過程中的表現(xiàn)和態(tài)度。

3.1.2 高頻關(guān)鍵詞共現(xiàn)聚類分析

關(guān)鍵詞聚類圖譜有利于清晰地展示CALL領(lǐng)域的研究熱點(diǎn)分布，為了挖掘CALL領(lǐng)域關(guān)鍵詞之間更深層次的關(guān)系，本研究采用對數(shù)似然率算法（LLR算法）對共現(xiàn)關(guān)鍵詞的詞間關(guān)系進(jìn)行聚類。聚類圖的兩個顯著指標(biāo)是模塊值（Modularity，Q值）與平均輪廓值（Mean Silhouette，S值），通過Q值和S值可以判斷聚類效果。當(dāng)Q值大于0.3時證明劃分的類別是顯著的，當(dāng)S值大于0.5時認(rèn)為聚類合理，當(dāng)S值大于0.7時則說明聚類的效率較高。

圖4為關(guān)鍵詞聚類圖譜，包括16個主要聚類，每個聚類代表了CALL領(lǐng)域的一個熱點(diǎn)研究話題，圖譜共有 342個網(wǎng)絡(luò)節(jié)點(diǎn)，2298條連線，Q值和S值分別為0.767和0.908，表明本研究聚類結(jié)果合理。16個聚類分別是：聚類#0第二語言習(xí)得（second language acquisition）、聚類#1 混合學(xué)習(xí)（blended learning）、聚類#2數(shù)字素養(yǎng)（digital literacy）、聚類#3人工智能（artificial intelligence）、聚類#4學(xué)習(xí)分析學(xué)（learning analytics）、聚類#5整合技術(shù)的學(xué)科教學(xué)知識（technological pedagogical content knowledge）、聚類#6翻轉(zhuǎn)課堂（flipped classroom）、聚類#7優(yōu)化課堂教學(xué)（improving classroom teaching）、聚類#8 遠(yuǎn)程學(xué)習(xí)（distance learning）、聚類#9 機(jī)器學(xué)習(xí)（machine learning）、聚類#10閱讀理解（reading comprehension）、聚類#11聽力（listening）、聚類#12教育技術(shù)（educational technology）、聚類#13數(shù)據(jù)驅(qū)動學(xué)習(xí)（datadriven learning）、聚類#14 移動輔助語言學(xué)習(xí)（mobile assisted language learning）、聚類#15 計算機(jī)中介傳播（computermediated communication）。

依據(jù)關(guān)鍵詞共現(xiàn)及聚類索引結(jié)果，這16個聚類可歸納至“計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用”“計算機(jī)輔助語言習(xí)得”“計算機(jī)輔助語言教學(xué)”3個主題，其中聚類#2數(shù)字素養(yǎng)、聚類#3人工智能、聚類#4學(xué)習(xí)分析學(xué)、聚類#5整合技術(shù)的學(xué)科教學(xué)知識、聚類#8遠(yuǎn)程學(xué)習(xí)、聚類#9機(jī)器學(xué)習(xí)、聚類#12教育技術(shù)、聚類#13數(shù)據(jù)驅(qū)動學(xué)習(xí)、聚類#14移動輔助語言學(xué)習(xí)和聚類#15計算機(jī)中介傳播聚焦于計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用，探索更加適用于語言學(xué)習(xí)的計算機(jī)技術(shù)及智能輔助工具。聚類#0第二語言習(xí)得、聚類#10閱讀理解和聚類#11聽力聚焦于計算機(jī)輔助語言習(xí)得，聚類表明英語作為第二語言的研究熱度較高，且研究者更關(guān)注閱讀理解和聽力等語言技能的習(xí)得。聚類#1混合學(xué)習(xí)、聚類#6翻轉(zhuǎn)課堂和聚類#7優(yōu)化課堂教學(xué)聚焦于計算機(jī)輔助語言教學(xué)，探討如何借助計算機(jī)工具優(yōu)化課堂教學(xué)的模式及形式。

3.2 關(guān)鍵詞時間線圖譜分析

分析關(guān)鍵詞時間線視圖，有利于探究研究主題的變化范圍、研究內(nèi)容的關(guān)聯(lián)性和傳承性規(guī)律以及研究熱點(diǎn)的演化軌跡[9]。圖5是CALL領(lǐng)域高頻關(guān)鍵詞的時間線圖譜，從關(guān)鍵詞發(fā)展的時間序列來看，許多中心度強(qiáng)的高頻關(guān)鍵詞在2015年或更早之前就已出現(xiàn)，這表明CALL領(lǐng)域的相關(guān)研究方法和研究理論成熟，研究內(nèi)容穩(wěn)定且系統(tǒng)性強(qiáng)。近8年研究熱點(diǎn)主要圍繞“計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用”“計算機(jī)輔助語言習(xí)得”“計算機(jī)輔助語言教學(xué)”3個子領(lǐng)域展開，且3個子領(lǐng)域齊頭并進(jìn)，相互影響，不斷深化。隨著計算機(jī)技術(shù)的發(fā)展，2019年以后出現(xiàn)了“虛擬現(xiàn)實(shí)（virtual reality）”“人機(jī)交互（humancomputer）”“深度學(xué)習(xí)（deep learning）”等術(shù)語，這類研究為CALL領(lǐng)域提供了前沿技術(shù)支持。同時，“計算機(jī)輔助語言學(xué)習(xí)教師教育（call teacher education）”“翻轉(zhuǎn)課堂（flipped learning）”等術(shù)語的出現(xiàn)，揭示了語言教師的教學(xué)方式和教學(xué)理念、教師與學(xué)生的關(guān)系也在不斷創(chuàng)新。

3.3 關(guān)鍵詞突現(xiàn)分析

突現(xiàn)詞是某個特定時段內(nèi)突然大量增多的關(guān)鍵詞，關(guān)鍵詞突現(xiàn)可以看出某一階段的研究熱點(diǎn)及熱點(diǎn)的演變[10]。圖6展示了2015—2022年突現(xiàn)性高的前30個關(guān)鍵詞，表明2015—2022年間，CALL領(lǐng)域研究熱點(diǎn)豐富，集中在計算機(jī)技術(shù)、教學(xué)主體、教學(xué)內(nèi)容3個方面。就計算機(jī)技術(shù)而言，隨著網(wǎng)絡(luò)發(fā)展，web2.0時代的到來使社交網(wǎng)絡(luò)、社交媒體等技術(shù)和工具廣泛應(yīng)用于教學(xué)中。2018年以前，研究者更多關(guān)注學(xué)習(xí)者這一主體，學(xué)習(xí)者的認(rèn)知過程、參與度等是研究的主要內(nèi)容；2018—2022年，教師作為教學(xué)主體之一受到更多的關(guān)注，教師的教學(xué)方法、教學(xué)策略、教學(xué)形式對學(xué)習(xí)者的影響成為研究熱點(diǎn)話題。就教學(xué)內(nèi)容而言，前期的研究熱點(diǎn)集中于學(xué)習(xí)者的讀寫能力和演講能力，后期的研究熱點(diǎn)集中于學(xué)習(xí)者的聽力理解能力、口語能力、詞匯學(xué)習(xí)能力。

4 研究熱點(diǎn)

結(jié)合前文關(guān)鍵詞聚類的結(jié)果，可把近8年CALL研究的熱點(diǎn)問題概括為3個方面：計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用、計算機(jī)輔助語言習(xí)得、計算機(jī)輔助語言教學(xué)。本節(jié)將從以上3個方面出發(fā)，從術(shù)語角度解讀國際CALL領(lǐng)域的研究熱點(diǎn)。

首先，對文獻(xiàn)中所有關(guān)鍵詞進(jìn)行匯總，統(tǒng)一英文大小寫、合并同義詞以及縮寫，去重后得到關(guān)鍵詞共1135個。人工篩選出其中的術(shù)語，不是完整術(shù)語的從文中索引補(bǔ)充完整，歸并相關(guān)或相似術(shù)語，統(tǒng)計所有術(shù)語在關(guān)鍵詞與摘要中出現(xiàn)的總頻次以及文獻(xiàn)年份。除去“CALL”本身以及其平行術(shù)語、上位術(shù)語后，對保留下來的術(shù)語進(jìn)行歸納分析，并根據(jù)聚類圖譜各個類簇中的關(guān)鍵詞按照頻次排序，選取排名前

30的關(guān)鍵詞予以呈現(xiàn)并解析。排名未進(jìn)入前30但與所述內(nèi)容相關(guān)性較強(qiáng)或表示新技術(shù)、新現(xiàn)象的術(shù)語也將在解析中被提及。為避免因翻譯導(dǎo)致的歧義或多義現(xiàn)象，在分析過程中附上該術(shù)語的英文表達(dá)。

4.1 計算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用

CALL的發(fā)展與計算機(jī)網(wǎng)絡(luò)技術(shù)的進(jìn)步密不可分。自20世紀(jì)60年代在美國興起以來，CALL領(lǐng)域就一直致力于探索和研究計算機(jī)應(yīng)用于語言教學(xué)的相關(guān)問題。該方向排名前30的高頻術(shù)語如表3所示。

葉麗珍[11]從計算機(jī)和網(wǎng)絡(luò)技術(shù)不斷進(jìn)步的角度將CALL的發(fā)展分為3個階段：大型計算機(jī)階段（mainframe computer stage）、智能化發(fā)展階段（artificial intelligence stage，簡稱AI階段）和萬維網(wǎng)階段 （WWW stage）。由于各項技術(shù)和應(yīng)用的側(cè)重點(diǎn)不同，CALL在其發(fā)展的過程中逐漸擴(kuò)展出許多不同的子領(lǐng)域，典型的子領(lǐng)域包括移動輔助語言學(xué)習(xí)（mobile assisted language learning，MALL）、智能計算機(jī)輔助語言學(xué)習(xí)（intelligent computer assisted lan

（1）CALL

相較于其他子領(lǐng)域，2015—2022年的文獻(xiàn)中出現(xiàn)頻次最高的詞是“computer assisted language learning（CALL）”，與之相關(guān)的術(shù)語包括社交CALL（social computer assisted language learning，Social CALL）、交互式CALL（interactive computer assisted language learning，interactive CALL）、文化CALL（cultural computer assisted language learning，cultural CALL）等。Blake[12]在Technology for a Taskedbased Language learning curriculum一文中提到CALL在 CALL教程（tutorial CALL）和社交CALL（social CALL）兩種環(huán)境中的情境，在tutorial CALL環(huán)境中學(xué)生以自我指導(dǎo)的方式與數(shù)字材料進(jìn)行互動和學(xué)習(xí)，而在social CALL環(huán)境中計算機(jī)主要提供了學(xué)生可以遠(yuǎn)距離互動的媒介。Interactive CALL的優(yōu)點(diǎn)是可以訓(xùn)練學(xué)習(xí)者自己產(chǎn)生話語，然后對話語中的錯誤給予糾正性的反饋[13]。Cultural CALL的目的在于通過理解價值觀（文化、道德）如何注入語言和生活，從而深化對CALL的研究[14]。由此可見，CALL的發(fā)展越來越關(guān)注遠(yuǎn)程學(xué)習(xí)的方式和人機(jī)互動的過程，CALL不僅輔助學(xué)習(xí)者掌握基本的語言技能，還輔助其掌握相關(guān)文化。

（2）移動輔助語言學(xué)習(xí)

21世紀(jì)初，隨著移動技術(shù)的出現(xiàn)和發(fā)展，智能手機(jī)、MP3、iPad等大量移動設(shè)備的涌現(xiàn)使得人們對移動輔助語言學(xué)習(xí)（MALL）的研究興趣日益高漲。Chinnery[15]將MALL解釋為“通過使用手持移動設(shè)備輔助或增強(qiáng)的語言學(xué)習(xí)”。MALL的研究一直主要圍繞移動設(shè)備、移動學(xué)習(xí)的技術(shù)和方法等內(nèi)容進(jìn)行，近8年內(nèi)的文獻(xiàn)中與MALL相關(guān)的關(guān)鍵詞術(shù)語有移動學(xué)習(xí)（mobile learning，Mlearning）、移動應(yīng)用（mobile application）、移動設(shè)備（mobile devices）等。Ruofei Zhang 與 Di Zou[16]通過回顧技術(shù)增強(qiáng)語言學(xué)習(xí)（technology enhanced language learning）領(lǐng)域10個被廣泛認(rèn)可的期刊中的57篇文章，發(fā)現(xiàn)使用移動應(yīng)用程序（mobile application）是移動學(xué)習(xí)的主要方法，且數(shù)字游戲元素經(jīng)常被整合到移動輔助語言學(xué)習(xí)中去有效改善學(xué)習(xí)體驗(yàn)，激勵學(xué)習(xí)者的動機(jī)。Shadiev等[17]梳理了2007年至2016年3月發(fā)表的37篇關(guān)于真實(shí)環(huán)境中移動語言學(xué)習(xí)的期刊文章，這些文章表明智能手機(jī)和個人數(shù)字助理（personal digital assistants，PDA）是最常用的設(shè)備，學(xué)習(xí)者的語言技能和對移動學(xué)習(xí)的感知能力是最流行的話題。Burston[18]的研究也表明智能手機(jī)、平板電腦、電子字典、數(shù)字音樂播放器和個人數(shù)字助理都是MALL中常用的移動設(shè)備。

2015—2022年間，有關(guān)MALL的研究更加聚焦，集中于研發(fā)相關(guān)的移動程序或游戲。Eunhye Grace Ko與Kyu Yon Lim[19]設(shè)計了WikiTalki這一移動應(yīng)用程序并驗(yàn)證了其有效性。該程序是一種課堂輔助工具，可以擴(kuò)展學(xué)生的語言練習(xí)實(shí)踐機(jī)會并使他們獲得同伴們對其演講表現(xiàn)的反饋。Christos Troussas等[20]設(shè)計了Quiz Time這一基于智能移動游戲的學(xué)習(xí)應(yīng)用程序，用于評估和提高學(xué)習(xí)者的相關(guān)知識。除此之外，學(xué)習(xí)者對MALL的態(tài)度和評價也越來越重要。Talip Gonulal[21]開發(fā)了一種衡量語言學(xué)習(xí)者對MALL態(tài)度的工具來評估MALL在教學(xué)中的有效性和可接受度。

（3）智能輔助語言學(xué)習(xí)

智能輔助語言學(xué)習(xí)（ICALL）從20世紀(jì)70年代后期至80年代初期的CALL領(lǐng)域發(fā)展而來。ICALL的側(cè)重點(diǎn)在于將人工智能與CALL系統(tǒng)相結(jié)合，提供與學(xué)生智能交互的軟件，靈活、動態(tài)地反映學(xué)生的學(xué)習(xí)進(jìn)度。在近8年的文獻(xiàn)中，與ICALL相關(guān)的術(shù)語有自然語言處理（natural language processing，NLP）、人工智能（artificial intelligence，AI）、機(jī)器學(xué)習(xí)（machine learning）、智能教學(xué)系統(tǒng)（intelligent tutoring system，ITS）、深度學(xué)習(xí)（deep learning）、排序?qū)W習(xí)（learningtorank）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）、數(shù)據(jù)挖掘（data mining）、個人智能代理（personal intelligent agents）等。依據(jù)術(shù)語可以發(fā)現(xiàn)，近8年ICALL的研究集中在人工智能的技術(shù)和應(yīng)用兩方面。

就技術(shù)而言，自然語言處理近年來一直是人工智能領(lǐng)域的熱點(diǎn)，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和排序?qū)W習(xí)的方式被越來越廣泛地應(yīng)用到自然語言處理中來獲取語言知識。應(yīng)用方面，智能教學(xué)系統(tǒng)（ITS）和個人智能代理（PIA）是近年來ICALL主要研究的應(yīng)用系統(tǒng)。個人智能代理是一種智能操作并使用自然語言來幫助用戶的軟件系統(tǒng)，目前市場上最常見的產(chǎn)品有谷歌助手、Alexa、蘋果的Siri和微軟的Cortana。智能教學(xué)系統(tǒng)是一種可以即時提供給學(xué)習(xí)者指令和反饋的計算機(jī)系統(tǒng)，它最大的優(yōu)勢在于可以實(shí)現(xiàn)一對一的個性化輔導(dǎo)。近8年智能教學(xué)系統(tǒng)的研究集中于具體工具的研發(fā)及效果的評估上。Christos Troussas等[22]提出了一個針對二語習(xí)得的自適應(yīng)操作和評估智能電子學(xué)習(xí)系統(tǒng)，該系統(tǒng)同時使用混合模型和推理系統(tǒng)進(jìn)行錯誤檢測識別（MDI），以適應(yīng)學(xué)習(xí)者的學(xué)習(xí)需求。Baker等[23]評估了智能教學(xué)系統(tǒng)的適用性和可行性，以提高拉丁語二年級英語學(xué)習(xí)者在科學(xué)和社會課程中的詞匯和語言水平。José Paladines和Jaime Ramírez[24]對智能輔導(dǎo)系統(tǒng)中對話系統(tǒng)過去20年的研究項目進(jìn)行了綜述，研究表明大多數(shù)智能輔導(dǎo)系統(tǒng)是針對大學(xué)層面的科學(xué)、技術(shù)、工程和數(shù)學(xué)等課程開發(fā)的，使用對話系統(tǒng)可以幫助學(xué)生通過應(yīng)用規(guī)則解決問題。

（4）計算機(jī)中介通信

計算機(jī)中介通信（CMC）是一個總稱，指人類通過計算機(jī)進(jìn)行的通信，依據(jù)用戶是否在同一時間點(diǎn)進(jìn)行交互可分為兩種模式：同步通信（synchronous CMC）和異步通信（asynchronous CMC）。同步通信是實(shí)時發(fā)生的通信，主要包括各種類型的基于文本的在線聊天、計算機(jī)、音頻和視頻會議。異步通信是參與通信的各方在不同時間點(diǎn)發(fā)生的通信，主要包括電子郵件、討論論壇和郵件列表。計算機(jī)中介通信的出現(xiàn)改變了計算機(jī)在20世紀(jì)末的應(yīng)用，從2015—2022年的術(shù)語來看，計算機(jī)中介通信技術(shù)應(yīng)用于語言教學(xué)主要有兩種模式：多媒體（multimedia）和社交媒體（social media）。

近8年計算機(jī)中介通信在ICALL中的研究側(cè)重于對多媒體教學(xué)有效性的評估和檢測。Saad Alzahrani與Leah Roberts[25]通過實(shí)驗(yàn)證實(shí)了多媒體在L2詞匯教學(xué)中的有效性，Ruofei Zhang 和 Di Zou[16]通過回顧相關(guān)文獻(xiàn)總結(jié)了多媒體在語言學(xué)習(xí)過程中產(chǎn)生的積極影響。從近8年的術(shù)語來看，應(yīng)用于教學(xué)中的社交媒體主要包括谷歌鏡像（Google Images）、推特（Twitter）、臉書（Facebook）等網(wǎng)站。除此之外，隨著虛擬現(xiàn)實(shí)（virtual reality，VR）和增強(qiáng)現(xiàn)實(shí)（augmented reality，AR）技術(shù)以及人機(jī)交互（humancomputer interaction，HCI）模式的不斷提高和發(fā)展，遠(yuǎn)程學(xué)習(xí)（distance education）、在線學(xué)習(xí)（online learning）和基于游戲的語言學(xué)習(xí)（gamebased language learning）的方式更加普遍。除了學(xué)習(xí)模式的改變，許多以計算機(jī)為基礎(chǔ)的教學(xué)資源和工具也被廣泛地應(yīng)用于教學(xué)活動中，如網(wǎng)絡(luò)資源（online resources）、學(xué)習(xí)者語料庫（learner corpus）、自適應(yīng)超媒體系統(tǒng)（adaptive hypermedia systems，AHS）、自適應(yīng)教育系統(tǒng)（adaptive educational systems）、手寫文本識別（handwritten text recognition，HTR）、自動問題生成（automatic question generation）等。

4.2 CALL與語言習(xí)得

該類別主要包括聚類#0第二語言習(xí)得、聚類10#閱讀理解、聚類11#聽力3個聚類。Hardisty 和Windeatt[26]認(rèn)為，CALL作為一門新興的交叉學(xué)科，除了受計算機(jī)軟硬件發(fā)展的影響外，還受到相關(guān)學(xué)習(xí)、教學(xué)理論的影響和制約。該方向排名前30的高頻術(shù)語如表4所示。

（1）習(xí)得語言

CALL領(lǐng)域關(guān)于習(xí)得語言的研究主要可分為5種：母語習(xí)得（native language learning）、外語習(xí)得（foreign language acquisition）、第一語言習(xí)得（first language acquisition）、第二語言習(xí)得（second language acquisition/second language learning）與多語習(xí)得（multilingual language acquisition）。母語和外語是按國家的界限來劃分的，母語是指本國、本民族的語言；外語是指外國的語言。一般情況下，母語是人們的第一語言，但不能等同。第一語言和第二語言是按人們獲得語言的先后順序來區(qū)分的兩個概念：第一語言指出生以后首先接觸并獲得的語言，第二語言指在獲得第一語言以后學(xué)習(xí)和使用的另一種語言。幼兒出生以后同時獲得兩種或兩種以上的語言叫雙語或多語現(xiàn)象[27]。

關(guān)于母語學(xué)習(xí)的研究集中于兒童早期語言學(xué)習(xí)（early language learning）與學(xué)術(shù)語言學(xué)習(xí)（academic language）兩方面，如學(xué)術(shù)英語寫作（English academic writing）。在二語習(xí)得中，英語作為第二語言（English as a foreign language）的研究較為成熟，以英語為研究對象的文獻(xiàn)有459篇；漢語作為第二語言的研究，相關(guān)文獻(xiàn)有84篇；西班牙語作為第二語言的研究，相關(guān)文獻(xiàn)有39篇；日語作為第二語言的研究，相關(guān)文獻(xiàn)有25篇；法語作為第二語言的研究，相關(guān)文獻(xiàn)有19篇；德語作為第二語言的研究，相關(guān)文獻(xiàn)有16篇。

（2）習(xí)得語言技能

CALL的應(yīng)用價值集中體現(xiàn)在兩方面：一是促進(jìn)學(xué)習(xí)者四大基本語言技能（聽、說、讀、寫）的提高；二是促進(jìn)學(xué)習(xí)者在三大主要領(lǐng)域（語音、詞匯、語法）的提高[28]。

計算機(jī)在輔助語言學(xué)習(xí)的過程中，可以根據(jù)學(xué)習(xí)者的需要設(shè)計出相應(yīng)的程序并完成相應(yīng)的輔導(dǎo)任務(wù)。Mike Levy和 Glenn Stockwell[28]在書中向讀者展示了哪些領(lǐng)域的技術(shù)運(yùn)用較強(qiáng)（比如語法和詞匯教學(xué)），同時也指出了哪些領(lǐng)域的技術(shù)運(yùn)用在當(dāng)時的發(fā)展階段仍受到限制 （比如會話和發(fā)音訓(xùn)練）。

在詞匯、口語、閱讀、寫作等各種語言技能的提高方面，部分學(xué)者專注于提高一種技能，有些則注重多種語言技能的提高。CALL經(jīng)過多年的發(fā)展，四大基本語言技能中與計算機(jī)結(jié)合最為成熟的是計算機(jī)輔助口語學(xué)習(xí)，有147篇文獻(xiàn)以此為主題，其中14篇研究發(fā)音訓(xùn)練系統(tǒng)（computer aided pronunciation training/teaching，CAPT）。目前，ICALL的研究聚焦在英語語言技能的提高上，如英語作為第二語言的發(fā)音（English L2 pronunciation）與英語作為第二語言的口語（second language speech）研究。隨之產(chǎn)生的術(shù)語有自動語音識別（automatic speech recognition， ASR）、自動發(fā)音錯誤檢測（automatic pronunciation error detection， APED）、發(fā)音錯誤檢測（mispronunciation detection）、計算機(jī)輔助韻律訓(xùn)練（computerassisted prosody training）、連續(xù)語音識別（continuous speech recognition）等。相應(yīng)地，口語訓(xùn)練也出現(xiàn)了一批計算機(jī)輔助系統(tǒng)，如英語發(fā)音系統(tǒng)（English file pronunciation）、口語對話系統(tǒng)（spoken dialogue systems）、基于計算機(jī)的口語測試系統(tǒng)（computer based oral language testing system）。

相比于口語學(xué)習(xí)的研究，計算機(jī)輔助二語聽力學(xué)習(xí)（L2 listening）的研究則較少。除了屬于聽說練習(xí)的會話研究之外，聽力理解（listening comprehension）與聽力技能（listening skill）訓(xùn)練與計算機(jī)輔助學(xué)習(xí)結(jié)合的力度較小，相關(guān)研究中未出現(xiàn)成熟的技術(shù)或系統(tǒng)。且均為英語作為第二語言的學(xué)習(xí)，未出現(xiàn)其他語言。

閱讀理解（reading comprehension）是四大技能訓(xùn)練中必不可少的。近8年涉及閱讀理解的文獻(xiàn)研究對象主要為二語閱讀（L2 reading），研究內(nèi)容為計算機(jī)輔助閱讀干預(yù)（computerassisted reading intervention）、移動輔助英語二語閱讀（mobileassisted EFL reading）、元認(rèn)知閱讀策略（reading metacognitive strategy awareness， RMSA）、同步聽讀（reading while listening to texts， RWL）、視頻輔助閱讀（audioassisted reading）、電子書閱讀（ebook reading）、在線閱讀（online reading）等。同步聽讀即同步突出顯示單詞（視覺）與其發(fā)音（聽覺）的過程，最為明顯的應(yīng)用是借助同步聽讀軟件提高兒童的閱讀理解能力。除了技術(shù)之外，還有文獻(xiàn)研究了外語閱讀焦慮（foreign language reading anxiety）現(xiàn)象，外語閱讀焦慮是外語學(xué)習(xí)中表現(xiàn)出的消極情感，Lee認(rèn)為，由于閱讀通常由個人私下完成，遇到困難時學(xué)習(xí)者容易出現(xiàn)焦慮情緒，產(chǎn)生自卑[29]。

“讀”與“寫”密不可分，除了閱讀之外，計算機(jī)輔助寫作的研究也層出不窮。與學(xué)習(xí)者寫作訓(xùn)練相關(guān)的研究有186篇，在近8年內(nèi)分布均勻，大多集中于二語寫作（L2 writing/second language writing）、合作式寫作（collaborative writing）、學(xué)術(shù)寫作（academic writing）與計算機(jī)輔助語言測試（computer aided language testing）中人機(jī)交互的作文評估，尤其是英文寫作（EFL writing），方法部分借鑒自可讀性評估（readability estimation）領(lǐng)域。直到2022年3月底，有10篇文獻(xiàn)提出了作文自動評估（automated writing evaluation，AWE/automated essay evaluation，AEE）、作文自動評分（automated essay scoring， AES），計算機(jī)輔助寫作方面的研究成為近兩年的熱點(diǎn)。

在四大語言技能中，學(xué)者更關(guān)注口語和寫作技能的提高。分析其原因，一是相比于其他的語言技能，這兩項與技術(shù)的結(jié)合更為密切，技術(shù)提供的幫助更多；二是語言教育更加注重語言輸出，而寫作和口語就是語言輸出的主要方式。

與10年前不同，近兩年會話分析（conversation analysis）、語用能力（pragmatic competence）與文化也逐漸得到學(xué)者的關(guān)注?！拔幕弊鳛榈谖逭Z言技能受到的關(guān)注很少，目前與計算機(jī)的結(jié)合最為薄弱。在本研究選取的文獻(xiàn)范圍內(nèi)，僅有一篇聚焦文化層面，以中國傳統(tǒng)建筑為研究對象，為高級漢語學(xué)習(xí)者設(shè)計了名為“LiveCode”的應(yīng)用程序，旨在提供身臨其境的語言文化學(xué)習(xí)體驗(yàn)[30]。

關(guān)于語言習(xí)得的三大主要領(lǐng)域，計算機(jī)輔助語音與詞匯的習(xí)得在近8年的ICALL研究中占據(jù)了主要位置。經(jīng)統(tǒng)計，在涉及三大領(lǐng)域的66篇文獻(xiàn)中，語法學(xué)習(xí)有12篇， 詞匯學(xué)習(xí)（lexical analysis / secondlanguage vocabulary learning）有23篇，語音學(xué)習(xí)有31篇。其中，學(xué)者主要通過詞匯知識量表（vocabulary knowledge scale，VKS）和單詞識別測試（word recognition test，WRT）來衡量詞匯習(xí)得的程度。

4.3 CALL與教學(xué)

該類別主要包括聚類#1 混合學(xué)習(xí)、聚類#6翻轉(zhuǎn)課堂、聚類#7優(yōu)化課堂教學(xué)3個聚類。CALL領(lǐng)域的研究主要在高等教育水平進(jìn)行，教學(xué)過程中學(xué)習(xí)者的個體差異，如學(xué)習(xí)者的年齡、熟練程度、態(tài)度等受到越來越多的關(guān)注。除此之外，教師對技術(shù)的態(tài)度及如何將計算機(jī)技術(shù)更好地運(yùn)用到課堂中也是CALL的研究熱點(diǎn)，教師的教學(xué)策略隨著技術(shù)的發(fā)展不斷改變。隨著互聯(lián)網(wǎng)、多媒體等技術(shù)及建構(gòu)主義理論的發(fā)展，學(xué)習(xí)者的主動性得到了極大的發(fā)揮，合作學(xué)習(xí)的理念也被廣泛應(yīng)用于CALL領(lǐng)域中。這方面排名前30的高頻術(shù)語如表5所示。

（1）相關(guān)理論與方法

CALL自產(chǎn)生以來共經(jīng)歷了3個發(fā)展階段：行為主義的計算機(jī)輔助語言教學(xué)（behavioristic CALL）、交際式計算機(jī)輔助語言教學(xué)（communicative CALL）、綜合性計算機(jī)輔助語言教學(xué)（integrative CALL）[31]。每個階段都有其相應(yīng)的技術(shù)和理論支撐，3個發(fā)展階段分別對應(yīng)行為主義學(xué)習(xí)理論、認(rèn)知理論和建構(gòu)主義學(xué)習(xí)理論。21世紀(jì)以來，多媒體和互聯(lián)網(wǎng)的普及為開發(fā)體現(xiàn)建構(gòu)主義理論的學(xué)習(xí)環(huán)境提供了良好條件?；谡Z言學(xué)習(xí)的社會認(rèn)知視角，綜合性計算機(jī)輔助語言教學(xué)觀點(diǎn)認(rèn)為語言學(xué)習(xí)的重點(diǎn)在于學(xué)習(xí)者能在社交環(huán)境下輸出所掌握的語言。因此，建構(gòu)主義理論尤其是社會建構(gòu)主義理論，是當(dāng)今CALL發(fā)展依據(jù)的主要理論。

近8年的文獻(xiàn)表明，CALL主要研究學(xué)習(xí)者對相關(guān)技術(shù)、工具或方法的態(tài)度并評估它們在教學(xué)過程中的有效性。學(xué)者在研究過程中用到的方法主要有定性研究（qualitative research）、復(fù)制研究（replication research）和元分析（metaanalysis）等。

除計算機(jī)技術(shù)以外，CALL領(lǐng)域涉及的理論主要來自教育學(xué)、教育心理學(xué)、傳播學(xué)。CALL的發(fā)展依賴技術(shù)支撐，更離不開語言教學(xué)領(lǐng)域的理論與方法。

（2）CALL與教學(xué)主體及教學(xué)方法

在教學(xué)方法上，體驗(yàn)式學(xué)習(xí)（experiential learning）與協(xié)作學(xué)習(xí)（collaborative learning）是國內(nèi)外學(xué)者在運(yùn)用CALL理論指導(dǎo)學(xué)習(xí)實(shí)踐的基礎(chǔ)上摸索出的CALL環(huán)境下行之有效的學(xué)習(xí)新模式。所謂體驗(yàn)式學(xué)習(xí)，是指通過親身體驗(yàn)從閱讀、聽講、研究、探索等學(xué)習(xí)實(shí)踐中獲得知識技能的過程[32]，由于體驗(yàn)憑借的媒介在學(xué)習(xí)實(shí)踐中必不可少，體驗(yàn)式學(xué)習(xí)更容易與計算機(jī)技術(shù)相結(jié)合。Hsiao等[33]將 3D 打印技術(shù)與體驗(yàn)式學(xué)習(xí)策略 （ELS） 相結(jié)合，為工程預(yù)科學(xué)生設(shè)計了動手實(shí)踐課程。Rho等[34]在他提出的計算機(jī)輔助手語學(xué)習(xí)系統(tǒng)中，將虛擬現(xiàn)實(shí)和基于驗(yàn)證的反饋?zhàn)鳛楣ぞ邅韺?shí)現(xiàn)體驗(yàn)式學(xué)習(xí)。Divekar等[35]推出了認(rèn)知沉浸式語言學(xué)習(xí)環(huán)境（CILLE），通過與10名大學(xué)生進(jìn)行為期7周的混合方法研究，將 CILLE 作為一種對外漢語 （CFL） 教育工具進(jìn)行評估，統(tǒng)計學(xué)結(jié)果顯著。計算機(jī)技術(shù)為學(xué)生的親身體驗(yàn)提供了支撐，體驗(yàn)式學(xué)習(xí)的媒介從利用平面媒體發(fā)展到立體媒體，再到3D打印技術(shù)、人工智能 （AI）、虛擬現(xiàn)實(shí)（VR）和擴(kuò)展現(xiàn)實(shí)（XR）等。

CALL課堂與傳統(tǒng)課堂有所不同。在傳統(tǒng)課堂教學(xué)中，教師是知識的傳授者、教學(xué)的絕對主導(dǎo)者，監(jiān)控教學(xué)活動的進(jìn)程；學(xué)生是知識傳授的對象，是外部刺激的被動接受者，始終處于被動地接受狀態(tài)。而 CALL課堂教學(xué)強(qiáng)調(diào)以學(xué)習(xí)者為中心，培養(yǎng)自主學(xué)習(xí)者（learner autonomy），強(qiáng)化學(xué)生的自主學(xué)習(xí)和獨(dú)立意識，改變過去被動接受的狀態(tài)，讓學(xué)生積極、主動地習(xí)得語言。傳統(tǒng)的講授式課堂上，學(xué)生的學(xué)習(xí)圍繞教師所講授的內(nèi)容來進(jìn)行，學(xué)生的能力是影響學(xué)習(xí)效果的決定性因素，決定了學(xué)生能夠在多大程度上理解教師所傳授的內(nèi)容。在新型的教育環(huán)境中，學(xué)生往往需要通過自己的探索達(dá)到對知識的理解和應(yīng)用，因此學(xué)習(xí)者對學(xué)習(xí)的全心投入水平成為最重要的影響因素。學(xué)習(xí)過程越以學(xué)生為中心，學(xué)生越需要對自己的學(xué)習(xí)過程負(fù)責(zé)，對學(xué)生自我監(jiān)控能力的要求也越高。

因此，近年來關(guān)于翻轉(zhuǎn)課堂（flipped classroom）與基于游戲的學(xué)習(xí)（gamebased learning）的研究逐步升溫。這些新穎的教學(xué)方式有助于推動學(xué)生成為課堂的主體，從而提高教學(xué)的效率。Fathi與Ebadi[36]探討了翻轉(zhuǎn)課堂對英語作為外語 （EFL） 的學(xué)生全球?qū)懽鞅憩F(xiàn)和寫作復(fù)雜性、準(zhǔn)確性和流暢性 （CAF） 的影響，實(shí)驗(yàn)表明，翻轉(zhuǎn)課堂在英語學(xué)生的整體寫作表現(xiàn)和寫作流利度方面效果顯著并優(yōu)于非翻轉(zhuǎn)課堂。Xue與Dunham[37]通過實(shí)驗(yàn)表明，基于SPOC的翻轉(zhuǎn)課堂教學(xué)模式不僅能獲得學(xué)生的積極認(rèn)知，而且有助于提高學(xué)生對發(fā)音知識的學(xué)習(xí)和發(fā)音的正確性。Wang等[38]針對澳大利亞一所城市大學(xué)創(chuàng)建的名為中國島 （CI） 的學(xué)習(xí)資源探究學(xué)生的看法，表明學(xué)生歡迎 CI 提供的在課堂外探索中國文化和語言的體驗(yàn)式學(xué)習(xí)機(jī)會，通過游戲?qū)ΜF(xiàn)實(shí)生活交流中復(fù)雜的語用問題有了更多認(rèn)識?？偟膩碚f，教育技術(shù)幫助教師更好地組織、呈現(xiàn)有意義的學(xué)習(xí)材料，幫助學(xué)生積極主動地參與學(xué)習(xí)，從而促進(jìn)有意義的學(xué)習(xí)。

關(guān)于教學(xué)主體的研究集中在學(xué)生與教師的身份轉(zhuǎn)換、二語教師教育、學(xué)習(xí)者的個體差異等。Yang與Kuo[39]通過對 10 名學(xué)生進(jìn)行教師培訓(xùn)，轉(zhuǎn)換學(xué)生與教師的視角和角色，促使學(xué)生參與協(xié)作和體驗(yàn)式學(xué)習(xí)，展示了10名學(xué)生教師的教學(xué)理念對教學(xué)策略的改變，從而為終生學(xué)習(xí)過程中的新教學(xué)策略提供見解。學(xué)習(xí)者個體的能力與特性也影響其學(xué)習(xí)與發(fā)展的結(jié)果。根據(jù)Drnyei關(guān)于語言學(xué)習(xí)者個體差異構(gòu)成要素的論述，語言學(xué)習(xí)者的個體差異（individual difference）一般表現(xiàn)在性格、學(xué)習(xí)動機(jī)、自我效能感、學(xué)習(xí)風(fēng)格、認(rèn)知風(fēng)格、語言學(xué)習(xí)策略、自主學(xué)習(xí)能力、學(xué)習(xí)焦慮、創(chuàng)新能力、交際意愿、自尊等方面[40]。其中，關(guān)于學(xué)習(xí)焦慮（anxiety）、學(xué)習(xí)動機(jī)（motivation）與自我效能感（selfefficacy）的研究較為充足，Hong等[41]發(fā)現(xiàn)，根據(jù)漢語學(xué)習(xí)的內(nèi)在動機(jī)可以預(yù)測在線學(xué)習(xí)的自我效能感，而心流體驗(yàn)與學(xué)習(xí)進(jìn)度相關(guān)。

5 結(jié)語

本文以 2015—2022 年 Web of Science 數(shù)據(jù)庫中的相關(guān)論文為數(shù)據(jù)基礎(chǔ)，以可視化軟件CiteSpace 為研究工具，分析這一時期內(nèi)CALL領(lǐng)域的進(jìn)展與成效，最終得出如下結(jié)論：

（1）近年來CALL的研究熱點(diǎn)集中于以下幾個方面：“第二語言習(xí)得”“混合學(xué)習(xí)”“計算機(jī)技術(shù)”“計算機(jī)輔助教學(xué)”“閱讀理解”“聽力”“數(shù)據(jù)驅(qū)動”。理論研究側(cè)重于“建構(gòu)主義”和“自主學(xué)習(xí)”，教學(xué)實(shí)踐模式和策略研究包含“在線學(xué)習(xí)”“翻轉(zhuǎn)課堂”等，其中“第二語言習(xí)得”具有高中心性和延續(xù)性。教學(xué)結(jié)構(gòu)從傳統(tǒng)的“以教為主”轉(zhuǎn)變?yōu)椤耙詫W(xué)生為主體，教師為主導(dǎo)”教學(xué)相長的結(jié)構(gòu)，學(xué)生與教師的身份界限開始模糊。教學(xué)資源建設(shè)和應(yīng)用研究重點(diǎn)在“語料庫”，同時開發(fā)建立各種數(shù)字平臺，將信息技術(shù)應(yīng)用到課程中。

（2）研究前沿集中在創(chuàng)新教學(xué)模式、移動語言學(xué)習(xí)、數(shù)據(jù)驅(qū)動學(xué)習(xí)、基于游戲的學(xué)習(xí)、教師專業(yè)發(fā)展等5個問題。無論從宏觀大環(huán)境還是微觀的教學(xué)模式、課程模式及教師發(fā)展等，每個要素都刻著互聯(lián)網(wǎng)與社交網(wǎng)絡(luò)的烙印，技術(shù)引領(lǐng)研究前沿。國外學(xué)者的研究由技術(shù)理論向具體的移動輔助語言學(xué)習(xí)應(yīng)用轉(zhuǎn)變，大量學(xué)者開始研究技術(shù)支撐下的應(yīng)用如何影響學(xué)習(xí)者的情感因素（如動機(jī)、態(tài)度等個體差異）。2020年以來，新冠疫情極大地改變了正式教室和傳統(tǒng)學(xué)習(xí)環(huán)境，在線教學(xué)與在線學(xué)習(xí)成為不可阻擋的趨勢。這些新技術(shù)的綜合應(yīng)用，學(xué)生對技術(shù)的接受度與熟悉度，未來 L2 學(xué)習(xí)環(huán)境中的技術(shù)可能性，以及隨之而來的挑戰(zhàn)與解決路徑，將是未來研究探討的重要內(nèi)容。

（3）國際CALL研究總體呈良好的發(fā)展態(tài)勢，研究層面不斷深化。但研究場域集中于大學(xué)教育，中小學(xué)教育研究相對匱乏，需注意均衡化。

本研究選取的文獻(xiàn)來自Web of Science核心合集中被SSCI收錄的英文文獻(xiàn)，未被SSCI收錄的會議和期刊文獻(xiàn)未納入本次審查，這是本研究的局限所在。在未來的研究中，我們將關(guān)注國內(nèi)的研究，結(jié)合中國知網(wǎng)（CNKI）、會議論文集以及其他期刊上發(fā)表的論文進(jìn)一步分析國內(nèi)CALL領(lǐng)域的研究態(tài)勢，以提供更為廣泛和詳細(xì)的信息。

參考文獻(xiàn)

［1］ 德法伊. 外語教學(xué)法視域下的母語、外語和第二語言：兼議外語學(xué)習(xí)者的語言意識表征[J]. 傅榮，張丹，譯.法語國家與地區(qū)研究， 2022（1）： 40-44，90.

［2］ HUBBARD P. A review of subject characteristics in CALL research[J]. Computer Assisted Language Learning， 2005， 18（5）： 351-368.

［3］ 鄭春萍. 計算機(jī)輔助語言學(xué)習(xí)的國際動態(tài)與研究熱點(diǎn)：2010～2014年CALL論文關(guān)鍵詞分析[J].現(xiàn)代教育技術(shù)，2015，25（7）：75-81.

［4］ 尹婷，焦建利. 計算機(jī)輔助語言學(xué)習(xí)研究方法的新進(jìn)展[J].外語電化教學(xué)，2018（5）：8-12，18.

［5］ DUMAN G， ORHON G， GEDIK N. Research trends in mobile assisted language learning from 2000 to 2012[J]. ReCALL， 2015， 27（2）： 197-216.

［6］ CHEN C. Searching for intellectual turning points： Progressive Knowledge Domain Visualization[C]//Proceedings of the National Academy of Sciences of the United States of America（PNAS），2004，101（S1）：5303-5310.

［7］ SMALL H. Cocitation in the scientific literature： A new measure of the relationship between two documents[J]. Journal of the American Society for Information Science， 1973， 24（4）： 265-269.

［8］ GOLONKA E M， BOWLES A? R， FRANK V M， et al. Technologies for foreign language learning： A review of technology types and their effectiveness[J]. Computer Assisted Language Learning， 2014， 27（1）： 70-105.

［9］ 孫欣，詹青龍.高頻術(shù)語視角下對眼動追蹤技術(shù)研究文獻(xiàn)的可視化分析[J].中國科技術(shù)語，2021，23（1）：71-80.

［10］ 陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學(xué)學(xué)研究，2015，33（2）：242-253.

［11］ 葉麗珍. 計算機(jī)輔助語言學(xué)習(xí)初探[J].科技信息，2008（33）：634，642.

［12］ BLAKE R J. Technology for a taskedbased language learning curriculum[J]. Circulo de Linguistica Aplicada a la Comunicacion， 2018 （76）： 67-80.

［13］ KUWA R， KATO T， YAMAMOTO S. Classification of Utterances Based on Multiple BLEU Scores for TranslationGameType CALL Systems[J]. IEICE TRANSACTIONS on Information and Systems，2018，101（3）：750-757.

［14］ GILLESPIE J. CALL research： Where are we now？[J]. ReCALL， 2020， 32（2）： 127-144.

［15］ CHINNERY G. Youve got some GALL： Googleassisted language learning[J]. Language Learning & Technology， 2008， 12（1）： 3-11.

［16］ ZHANG R F， ZOU D. Types， purposes， and effectiveness of stateoftheart technologies for second and foreign language learning[J]. Computer Assisted Language Learning， 2020，35（2）： 1-47.

［17］ SHADIEV R， HWANG W Y， HUANG Y M. Review of research on mobile language learning in authentic environments[J]. Computer Assisted Language Learning， 2017， 30（3-4）： 284-303.

［18］ BURSTON J. MALL： The pedagogical challenges[J]. Computer Assisted Language Learning， 2014， 27（4）： 344-357.

［19］ KO E G， LIM K Y. Promoting English learning in secondary schools： designbased research to develop a mobile application for collaborative learning[J]. The AsiaPacific Education Researcher， 2022， 31（3）： 307-319.

［20］ TROUSSAS C， KROUSKA A， SGOUROPOULOU C. Collaboration and fuzzymodeled personalization for mobile gamebased learning in higher education[J]. Computers & Education， 2020， 144： 103698.

［21］ GONULAL T. The development and validation of an attitude towards MALL instrument[J]. Educational Technology Research and Development， 2019， 67（3）： 733-748.

［22］ TROUSSAS C， CHRYSAFIADI K， VIRVOU M. An intelligent adaptive fuzzybased inference system for computerassisted language learning[J]. Expert Systems with Applications， 2019， 127： 85-96.

［23］ BAKER D L， MA H， POLANCO P， et al. Development and promise of a vocabulary intelligent tutoring system for SecondGrade Latinx English learners[J]. Journal of Research on Technology in Education， 2021， 53（2）： 223-247.

［24］ PALADINES J， RAMREZ J. A systematic literature review of intelligent tutoring systems with dialogue in natural language[J]. IEEE Access， 2020， 8： 164246-164267.

［25］ ALZAHRANI S， ROBERTS L. The effect of visuospatial designing elements of zoomable user interfaces on second language vocabulary acquisition[J]. System， 2021， 96： 102396.

［26］ HARDISTY D， WINDEATT S. CALL[M]. Oxford： Oxford University Press， 1989.

［27］ 劉珣. 對外漢語教育學(xué)引論[M]. 北京：北京語言文化大學(xué)出版社， 2000：1-4.

［28］ LEVY M， STOCKWELL G. CALL dimensions： Options and issues in computerassisted language learning［M］. New York： Routledge， 2013：14-24.

［29］ LEE J F. Clashes in L2 reading： Research versus practice and readers misconceptions[M]//Affect in foreign language and second language learning： A practical guide to creating a lowanxiety classroom atmosphere，New York： McGrawHill， 1999：49-63.

［30］ HAN Y. Exploring multimedia， mobile learning，and placebased learning in linguacultural education[J].Language Learning & Technology，2019，23（3）：29-38.

［31］ WARSCHAUER M， HEALEY D. Computers and language learning： An overview[J]. Language Teaching， 1998， 31（2）： 57-71.

［32］ KOLB D? A. Experiential Learning： Experience as the Source of Learning and Development[M]. London： Prentice Hall International，1983：1-416.

［33］ HSIAO H S， CHEN J C， LIN C Y， et al. Using 3D printing technology with experiential learning strategies to improve preengineering students comprehension of abstract scientific concepts and handson ability[J]. Journal of Computer Assisted Learning， 2019， 35（2）： 178-187.

［34］ RHO E， CHAN K， VAROY E J， et al. An experiential learning approach to learning manual communication through a virtual reality environment[J]. IEEE Transactions on Learning Technologies， 2020， 13（3）： 477-490.

［35］ DIVEKAR R R， DROZDAL J， CHABOT S， et al. Foreign language acquisition via artificial intelligence and extended reality： design and evaluation[J]. Computer Assisted Language Learning， 2021-02-15.DOI：10.1080/09588221.2021.1879162.

［36］ FATHI J， EBADI S. Exploring EFL preservice teachers adoption of technology in a CALL program： obstacles， motivators， and maintenance[J]. Education and Information Technologies， 2020， 25（5）： 3897-3917.

［37］ XUE X J， DUNHAM R E. Using a SPOCbased flipped classroom instructional mode to teach English pronunciation[J/OL]. Computer Assisted Language Learning， 2021-10-22.DOI：10.1080/09588221.2021.1980404.

［38］ WANG Y J， GRANT S， GRIST M. Enhancing the learning of multilevel undergraduate Chinese language with a 3D immersive experience：An exploratory study[J]. Computer Assisted Language Learning， 2021， 34（1-2）： 114-132.

［39］ YANG Y F， KUO N C. New teaching strategies from student teachers pedagogical conceptual change in CALL[J/OL]. System， 2020-06-01.DOI：10.1016/j.system.2020.102218.

［40］ DRNYEI Z. Individual differences in second language acquisition[J]. AILA Review， 2006， 19：42-68.

［41］ HONG J C， HWANG M Y， TAI K H， et al. Intrinsic motivation of Chinese learning in predicting online learning selfefficacy and flow experience relevant to students learning progress[J]. Computer Assisted Language Learning， 2017， 30（6）： 552-574.

作者簡介：朱君輝（1998—），女，北京語言大學(xué)信息科學(xué)學(xué)院碩士研究生。研究方向?yàn)橹悄茌o助語言學(xué)習(xí)、語料庫語言學(xué)。通信方式：nysyzxzjh@163.com。

王曉菀（1998—），女，北京語言大學(xué)信息科學(xué)學(xué)院碩士研究生，研究方向?yàn)橹悄茌o助語言學(xué)習(xí)、語言資源監(jiān)測。通信方式：wxw2670526500@163.com。