Penny：支架式英语写作中学习者与聊天机器人互动的过渡网络分析

一项研究利用过渡网络分析，对日本英语学习者与LLM驱动的写作聊天机器人Penny的互动过程进行了建模。基于4500余次写作会话和2.1万次交互数据，发现存在“修正循环”和“聊天循环”两种主要行为模式。高水平学习者更多进行开放对话与协商，低水平学习者则更依赖重复纠错循环。研究强调AI支架式写作是非线性对话过程，需针对不同水平设计差异化交互。

此前AI写作辅导的互动过程被视为黑箱，该研究首次通过网络分析量化了不同语言水平学习者的行为模式差异，揭示了支架式写作的非线性和对话本质，为设计更有效的AI写作助手提供了实证依据。

过渡网络分析能够捕捉互动的时间动态，识别出两种主要循环：修正循环（反馈→直接成功纠错）和聊天循环（反馈→持续对话）。学习者的EFL水平影响循环选择，水平越高越倾向于开放对话和协商，低水平则更依赖重复的纠错反馈循环。这意味着AI辅导产品需要差异化设计，以促进更深层次的认知参与。

对AI写作辅导产品而言，需要根据学习者语言水平调整交互逻辑：低水平用户应优化纠错循环（简化反馈、减少认知负荷），高水平用户则应提供开放式对话和协商功能（鼓励反思与策略讨论）。

• 为低水平用户设计Step-by-step纠错引导流程，减少对话复杂度以提升纠错效率
• 为高水平用户增加“对话式协商”模式，支持用户对反馈提问和修改建议讨论
• 基于实时交互数据自动检测用户水平，动态切换修正循环与聊天循环的权重
• 嵌入过渡网络分析仪表盘，帮助教师或产品团队可视化学习行为模式并优化交互设计

• 该发现是否适用于非日语背景的EFL学习者？
• 长期使用后，低水平学习者的行为模式是否会向高水平迁移？
• 除水平外，学习动机、任务类型等是否同样影响循环选择？