1. 引言
本研究探討以英語為外語嘅學生點樣運用自然語言生成工具進行創意寫作構思。寫作係溝通同學術成功嘅基本技能，對EFL學習者尤其具挑戰性。創意寫作帶來獨特好處，包括個人知識建構同有意義嘅見解發展。人工智能驅動嘅NLG工具整合，為教育環境帶來新嘅機遇同挑戰。
本研究旨在填補一個重要嘅認知空白：了解EFL學生喺創作過程中點樣同NLG工具互動，特別係檢視佢哋搜尋、評估同選擇呢啲工具生成嘅構思嘅策略。
2. 研究方法
本研究採用定性研究設計，對象係四位香港中學生。參與者參加咗工作坊，學習點樣運用自己嘅文字同NLG生成嘅內容嚟寫故事。工作坊結束後，學生完成咗關於佢哋體驗嘅書面反思。
數據分析採用主題分析法，以識別學生同NLG工具互動中嘅模式同策略。焦點集中喺三個主要領域：搜尋策略、評估方法同工具選擇準則。
3. 結果與發現
3.1 構思搜尋策略
學生表現出佢哋通常會帶住已有嘅構思或主題方向去使用NLG工具。佢哋唔係用工具嚟進行完全開放式嘅靈感啟發，而係用嚟擴展、完善或搵到初始概念嘅變體。呢點表明佢哋嘅搜尋行為係有引導性嘅，而非探索性嘅。
3.2 構思評估
一個值得注意嘅發現係，學生對純粹由NLG工具生成嘅構思表現出反感或懷疑。佢哋更傾向於將AI生成嘅內容同自己嘅原創想法融合，表明佢哋希望保持作者身份同創作控制權。評估準則包括相關性、原創性（被認為係似人類嘅質素）以及同佢哋預期敘事嘅連貫性。
3.3 工具選擇準則
喺選擇唔同嘅NLG工具或提示時，學生傾向於鍾意能夠產生更多構思嘅選項。呢種「數量優先於初始質量」嘅方法，為佢哋提供咗更廣泛嘅原材料庫去篩選同改編，符合創意寫作嘅腦力激盪階段。
4. 討論
研究結果顯示，EFL學生唔係將NLG工具當作自主嘅構思創造者，而係當作協作夥伴或構思放大器。觀察到嘅對純AI生成內容嘅反感，突顯咗學生喺創作過程中嘅自主權嘅重要性。呢啲見解對於尋求將AI工具有效整合到寫作課程中嘅教育工作者至關重要，強調咗需要教學策略去教導學生批判性評估同綜合AI生成嘅內容。
本研究強調咗NLG工具喺降低第二語言構思相關認知負荷方面嘅潛力，可能減少寫作障礙並提高參與度。
5. 技術框架與分析
核心見解：本文唔係關於構建更好嘅NLG模型；而係一項關鍵嘅人機互動研究，揭示咗教育AI中嘅「最後一哩問題」。真正嘅瓶頸唔係AI生成文本嘅能力——現代模型如GPT-4已經好擅長呢樣嘢。挑戰在於使用者，特別係EFL學習者，有效提示、批判性評估同創造性整合該輸出嘅能力。研究顯示，學生唔係將NLG當作神諭，而係當作腦力激盪夥伴，偏愛能夠產生大量、低承諾構思嘅工具，佢哋可以從中篩選——呢種行為反映咗作家點樣使用傳統靈感板。
邏輯流程：研究邏輯合理但有限。佢正確識別咗NLG能力同教學應用之間嘅差距。從觀察行為（學生使用工具）推斷出策略（引導式搜尋、評估性反感）。然而，佢缺乏一個穩健嘅理論框架。佢暗示咗認知負荷理論（NLG減少第二語言構思嘅努力）同維高斯基嘅近側發展區（AI作為鷹架）等概念，但並無明確將發現植根於其中，錯失咗更深層次解釋力嘅機會。
優點與缺點：優點在於其紮根嘅、定性嘅方法，喺真實學習環境中研究真實學生——喺早期教育科技AI研究中好罕見，嗰啲研究通常由技術概念驗證主導。主要缺點係規模。只有四位參與者，發現僅具提示性，唔具普遍性。佢係一個引人注目嘅先導研究，唔係一個確定性指南。此外，佢將「NLG工具」視為一個整體，冇剖析基於模板、提示驅動或微調模型之間嘅差異，呢啲差異會顯著影響使用者策略。同基礎性著作（如Zhu等人於2017年發表嘅CycleGAN論文）相比，該論文提出咗一種具有清晰、可衡量結果嘅新穎技術架構，而本研究嘅貢獻係社會學性嘅，而非算法性嘅。
可行見解：對於教育工作者：唔好只係將AI工具丟入課室。設計結構化活動，教授「提示素養」——點樣向AI提出有建設性嘅問題——同「輸出分流」——點樣批判性評估同混合AI建議。對於開發者：為教育構建NLG工具時，設計支援迭代完善嘅介面（例如，「生成更多類似呢個」、「簡化語言」、「令佢更陰暗」）以及解釋AI點解作出某啲建議嘅元數據，超越黑盒生成。未來唔在於更流暢嘅AI，而在於更具教學智慧嘅人機協作框架。
技術細節與數學表述
核心過程可以抽象化。設學生嘅內部構思狀態由向量Is表示。一個NLG工具，基於提示p，生成一組構思變體{Iai,1, Iai,2, ..., Iai,n}。學生嘅評估同選擇函數feval對呢啲變體進行操作，通常尋求最小化距離度量d(Is, Iai)，同時最大化新穎性度量N(Iai)。最終採用嘅構思係一個融合：Ifinal = g(Is, Iai,selected)，其中g係一個學生特定嘅組合函數。
研究關於數量偏好嘅發現表明，學生正喺度優化，以提高搵到一個Iai嘅概率，其中d(Is, Iai) < θ（一個個人閾值），因此偏愛具有更大n值嘅工具。
分析框架示例案例
情境：一位EFL學生想寫一個關於「森林中迷路嘅機械人」嘅故事。
冇結構化框架：
學生提示NLG：「寫一個關於森林中迷路機械人嘅故事。」得到一個冗長、通用嘅故事。學生感到不知所措或缺乏靈感，唔鍾意AI嘅語氣。
有教學框架（基於本研究）：
1. 構思擴展： 學生提示獲取組件：「為一個未來主義森林生成10個描述性詞語」同「列出迷路機械人嘅5種情緒狀態。」（利用數量偏好）。
2. 評估與選擇： 學生從清單A中選擇3個詞語（「生物發光」、「雜草叢生」、「寂靜」）同從清單B中選擇2種狀態（「好奇」、「孤獨」）。（應用批判性分流）。
3. 混合： 學生寫道：「喺寂靜、生物發光嘅森林裏，機械人感到一種深深嘅孤獨混合住好奇。」（將AI輸出同個人句法同敘事控制融合）。
呢個框架將研究中觀察到嘅有效行為系統化。
實驗結果與圖表描述
定性數據顯示咗行為模式，可以喺更大規模嘅研究中量化。一個假設嘅柱狀圖會顯示：
- Y軸： 策略使用頻率。
- X軸： 策略類別：「引導式搜尋（帶有預先構思）」、「開放式探索」、「偏愛高數量輸出」、「對AI構思表示懷疑」、「混合AI與自身構思」。
- 結果： 「引導式搜尋」、「偏愛高數量輸出」同「混合AI與自身構思」嘅柱狀會顯著高於「開放式探索」，表明學生對待NLG作為增強工具而非替代品嘅主導、務實態度。
主要「結果」係從學生反思中得出嘅主題圖，識別咗對創意協助嘅渴望同對作者所有權嘅需求之間嘅核心張力。
6. 未來應用與方向
短期（1-3年）： 為Google Docs或Word等平台開發專門嘅教育NLG插件，提供鷹架式提示（例如，「腦力激盪角色」、「用感官描述一個場景」）並同形成性評估工具整合，為人機協作文本嘅創意同連貫性提供反饋。
中期（3-5年）： 「自適應構思夥伴」——學習個別學生創意檔案、偏好文體同語言能力水平嘅AI系統，動態調整構思建議同詞彙支援，充當個性化寫作導師。
長期（5年以上）： 同沉浸式技術融合。使用NLG結合多模態AI，喺VR/AR環境中生成動態故事世界，敘事會根據學生嘅書面選擇而調整，為練習敘事建構同描述性語言創造深度吸引嘅反饋循環。
關鍵嘅研究方向係關於持續使用NLG工具點樣影響EFL學習者原創創意思維同寫作能力發展嘅縱向研究，確保呢啲工具係增強而非削弱基礎技能。
7. 參考文獻
- Woo, D. J., Wang, Y., Susanto, H., & Guo, K. (2023). Understanding EFL Students’ Idea Generation Strategies for Creative Writing with NLG Tools. Manuscript in preparation.
- Graham, S., & Perin, D. (2007). A meta-analysis of writing instruction for adolescent students. Journal of Educational Psychology, 99(3), 445–476.
- Kaufman, J. C., & Beghetto, R. A. (2009). Beyond big and little: The four c model of creativity. Review of General Psychology, 13(1), 1–12.
- Dawson, P. (2005). Creative Writing and the New Humanities. Routledge.
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV).
- OpenAI. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.
- Swanson, H. L., & Berninger, V. W. (1996). Individual differences in children's working memory and writing skill. Journal of Experimental Child Psychology, 63(2), 358–385. (For cognitive load theory context).