会话的推进(progressivity)是人类会话组织的重要原则之一(Heritage 2009)。在日常会话中,交际双方通过话轮转换、修正、序列组织等会话常规自主构建互动过程,从而推动会话的发展(Sacks et al. 1974)。会话主要由话语/行为序列构成。通常,如果对方未给出回应或展示出无法回应,说话人会提供帮助以确保会话序列的推进(Schegloff 2007)。会话序列的推进也是GenAI与其用户维持多话轮聊天的重要基础,可作为系统观察人智口语互动的切入点。
鉴于此,本文采用会话分析方法,聚焦我国外语(主要是英语)学习者与GenAI语音助手之间的口语互动,探讨双方如何有效调动(非)语言乃至多模态资源促成会话序列的推进,有望为外语学习中的人智口语互动研究提供一定的理论依据和实证参考。
1. 文献回顾
1.1 会话序列的推进
首先,话轮转换确保了话轮间的紧密衔接,构建出会话的“流动”。交际者遵循既定规则和机制开启、维持、转换并结束话轮,保障会话的连贯性和完整性。通常,话轮间沉默平均在0.2秒以内,超过该限度的沉默则被视为相关缺失,说话人会承担责任通过自我选择来接替话轮,以确保会话轨迹继续滚动(Levinson 2013)。此外,话轮转换相关处(transition-relevance place, TRP)为下一话轮讲话人提供了插入并接替话轮的机会,此处可能产生重叠话语,双方需遵循话轮转换机制选择退出重叠(Clayman 2013)。目前,人智口语互动无法完全遵循自然会话的话轮转换机制,AI技术限制对其流畅性有一定的干扰,导致话轮间长沉默和重叠话语应对的问题。借助已有研究,可观察外语学习者和GenAI的话轮转换策略,尤其是双方如何动用(非)语言资源观照话轮间长沉默和重叠话语并最终促成会话序列的推进。
其次,当交际者遭遇听力困难或理解阻碍时,可能会启动修正。尽管修正序列是中断根序列结构的插入序列,其发起和解决使交际双方最终达成互解(intersubjectivity),为序列推进扫除了障碍。修正主要包括自我启动的自我修正、他人启动的自我修正、自我启动的他人修正、他人启动的他人修正,在真实互动中其优先等级依次降低(Schegloff et al. 1977)。Dippold(2023)发现,人机互动中的修正通常由用户(即他人)发起。如果AI的修正策略与人类自然会话的规范保持一致或接近,互动就会更加流畅(同上)。因此,可通过观察外语学习者与GenAI之间的修正执行,与会话分析的修正研究对比,发现人智口语互动中浮现的修正机制特点。
再者,交际者借助(非)语言乃至具身资源实施的行为本身会促动序列推进。行为构成和行为识解并非局限于相邻对,有时会涉及多话轮乃至更大的序列。例如,交际双方立场不一致或彼此不赞同会造成序列延展(Pomerantz 1975),交际者需要进行协商维护“社会团结”(social solidarity)(Clayman 2002:230)。非赞同涉及复杂的优先结构,说话人为避免直接对抗,会提供理由或解释(Robinson & Bolden 2010)。然而,人际沟通中的分歧不会阻碍交流,交际双方凭借其社交经验和认知机制,将分歧转化为促进关系发展的契机。在人智口语互动中,GenAI缺乏对非赞同立场的有效管理,其回应会被用户感知为机械、生硬且缺乏灵活性,导致用户信任度降低(Gordon 2023)。因此,可通过观察外语学习者和GenAI在非赞同序列中的应对,进一步探讨双方如何克服技术设计短板,建设性地参与分歧处理、搭建理解桥梁并最终实现交流和融合。
1.2 外语学习中的人智互动研究
尽管AI在信息可信度、准确性、隐私保护和学术伦理方面存在不足,学界已开始积极面对与其共存的当下和未来。目前,国际相关研究主要围绕AI赋能的二语教育,聚焦大语言模型对语言教学的支持、二语和外语教育发展以及二语写作教学框架等话题,但以文本层面的人智互动研究为主,对AI辅助下的二语口语技能发展研究不足,更鲜少探讨二语学习者与GenAI的口语交际。
国内学者结合我国外语教育和二语习得研究的进展,重点对大语言模型在翻译、提示工程、学习者语用能力和批判性思维能力培养等方面进行了实证探索,也以文本层面的人智互动研究为主,尚未触及语音聊天形式的口语互动研究。杨连瑞(2024)提出通过AI与学习者之间进行合作对话赋能二语习得,文秋芳和梁茂成(2024)则倡导通过课程培养学习者人机互动协商能力的必要性,为人智口语互动研究指出相关发展方向。郭聪和辛静(2025)建构出高校数智化英语教学模型,其中也包括人机协同的交互多模态化设计。基于已有的理论构想和模型建构,学界仍需进一步呈现人机合作对话的真实样态,进而挖掘更多规律性特征,切实跟进相关理论建设和实证探索。
1.3 研究问题
鉴于上述研究现状,本文着重探讨外语学习中的人智交际双方如何调动(非)语言乃至多模态资源以确保会话序列的推进,主要的研究问题是:外语学习者和GenAI如何应对话轮间长沉默和重叠话语、会话中的阻碍以及非赞同立场?通过捕捉人智双方的交际细节,本文将挖掘GenAI作为智能对话伙伴的潜势,为AI赋能的外语学习和教学研究提供理论和实证探索。
2. 研究方法
会话分析是一种质性研究方法,可对自然发生的社会互动进行微观分析(吴亚欣、于国栋 2017),描述交际双方如何运用(非)语言资源执行社会行为(Heritage 1984)。会话分析较早重视手势、注视、面部表情等多模态资源参与言谈的交际作用。近年来,研究者关注新兴在线互动中的会话常规变化,捕捉技术能供性对互动形式、轨迹或属性的影响(Meredith 2019)。总体而言,会话分析兼具方法论和理论价值,不会预先设定参与者意图或互动蕴含的意义,以自下而上的方式揭示社会互动的内在逻辑(Heritage 1984)。此外,研究者尤其重视对自然发生的互动进行录音或录像并转写,可有效规避直觉判断或凭回忆获取数据的研究局限,提升观察和分析的准确度。
本研究遵循会话分析研究的主要步骤:(1)根据研究主题确定具体的互动场景;(2)遵守研究伦理征得学习者同意使用语料的许可;(3)录制足量的互动样本;(4)进行少量的语料转写,观察并确立研究对象;(5)收集所有相关的实例进行分类和转写;(6)对比分析并发现相关实例在话轮设计上的具体差异(Drew 2014: 236)。研究共招募了12名有GenAI使用经验的英语专业本科生(4名男生、8名女生),收集这些学习者与ChatGPT-3.5免费版语音助手的英语聊天录像60段,话题不限,总时长约10个小时。学习者的母语为汉语且都通过全国英语专业八级考试(TEM 8),同意本研究使用其聊天录像。另有4段语料来自Bilibili平台用户分享的英语学习者(1名女生、3名男生)与ChatGPT-3.5免费版语音助手之间的英语口语聊天片段,总长约30分钟,未有剪切拼贴痕迹,可作为补充语料。本文例子涉及真实姓名或个人信息时均使用化名或替换表达,语料转写遵循Jefferson(2004)创立的转写系统和Mondada(2018)推出的多模态转写系统,以确保能真实、客观地呈现交际细节。
3. 研究结果
3.1 人智双方对话轮间长沉默和话语重叠的应对
如前所述,自然会话中的交际双方遵循话轮转换机制,话轮间沉默超过0.2秒则投射出受话人会给出不匹配或立场不一致的回应,或者由说话人出面更改或调整前一话轮的设计。在人智口语互动中,GenAI构建回应话轮并产出的时间大大滞后,造成话轮间长沉默。例如:
例(1) “how can I assist you today” [0000-0044]
01 林: *Hello.
02 (5.4)
*咂嘴并环顾四周,再面向拍摄屏幕侧耳听,然后注视手机屏幕
03 GenAI: Hello how can I assist you today¿
04 (. )
05 林: Uh-I:I just wanna chat (with) you for a little while.
06 (4.2)
07 GenAI: *Of course I’d be happy to chat.
林 *左手扶眼镜------->
08 GenAI: What’s on your mind¿
09 (0.2)
10 林:.hh eh>*I don’t have anything< on my mind,
*微笑并左手托腮-------->
11 what’s on your mind¿
-------->
12 *(4.1)
*转身拿水杯
13 GenAI: *Well, I’ve been pondering the *vastness of human creativity,
林 *举起水杯喝水------>*放下水杯
14 *from art and music to technology and science.
*转身拿起水壶倒水,放下水壶
15 It’s fascinating to see endless ways people *express themselves
*侧脸并端起水杯
---->
16 and solve problems.
17 It’s a reminder of *how diverse and imaginative humanity can be.
------>*喝水
在例(1)中,“林”在第01行发出问候前件“Hello”,GenAI在5.4秒后才给出回应后件“Hello”并询问是否需要提供帮助(第03行)。和自然会话中的沉默应对不同,“林”将这个话轮间长沉默处理为回应等待,并成为多任务执行者。他咂嘴并环顾四周,再面向屏幕侧耳倾听,然后用注视监控GenAI是否回应。“林”在第06行4.2秒的长沉默也继续保持等待。在第12行4.1秒的长沉默,他转身拿水杯,并在GenAI应答时连续做出喝水、倒水、喝水等动作,但目光一直注视着手机屏幕,即使转身时也侧耳对着屏幕。“林”在第11行还用“what’s on your mind?”进行“反转提问”(counter)改变了话轮走向(Schegloff 2007:16-17),使GenAI成为受话人。可见,“林”顺应人智口语互动语境,在话轮间长沉默避免承担责任促动GenAI给出回应,而是选择等待回应,在完成个人任务的同时随时监控GenAI的话轮产出并准备适时接替话轮加入互动。
重叠话语在人智口语互动中也不少见。在自然会话中,重叠话语通常发生在TRP,受话人由此切入或提前进入话轮,反映出人类互动在时间管理上的精准性。由此,可观察人智双方是否遵循了自然会话的话语重叠规律。例如:
例(2) “anything special” [0039-0113]
01 GenAI: Did you do anything special while cleaning,
02 or was it just a routine tidy up?
03 (0.8)
04 史: *A::::h (0.4) I::: I was listening tuh: music [when I’m-
*目光注视手机屏幕----------------->
05 GenAI: [Is there something
06 specific you wanted-you wanted to share or ask about?
07 (0.9)
史 ----------------------->
在本例中,GenAI在第01~02行发出选择疑问句,在0.8秒长沉默之后“史”在第04行给出“A::::h (0.4) I::: I was listening tuh: music [when I’m-”这个非类型一致回应(Schegloff 2007),没有选择疑问句给出的备选项。GenAI在第05行的回应“[Is there something”与上一话轮“[when I’m-”重合,正好处在TRP位置(主句和时间状语之间),重合之后史中断时间状语从句的产出选择退出话轮。“史”的话轮设计“I was listening tuh: music [when I’m-”有语法错误,无法与GenAI询问日常习惯的话轮设计匹配。GenAI在第05~06行提出极性问“[Is there something specific you wanted-you wanted to share or ask about?”,展示出对前一话轮语言常规的识解和对当前互动偶发性(contingency)的应对,这比机械地纠正语法错误更接近人类交际的做法。
3.2 由他人发起的修正
例(3) “there’s just Ella” [0000-0021]
01 琰: Hi (0.2) good evening, Emily,
02 (1.0)
03 GenAI: Hi, good evening, everyone.
04 +(0.5)+
琰 +微微撇嘴,面带笑容+
05 琰: *There’s no everyone, there’s just Ella.*
*目光注视镜头,侧脸听------>*
06 (1.1)
07 GenAI: Goti, Ella. Hi, good evening,
在本例中,GenAI错误地把说话人“琰”识解为多人,在问候回应(第03行)用“everyone”称呼。在第04行0.5秒沉默中,“琰”微微撇嘴并面带微笑,显示出对阻碍源的定位,也投射出后续的修正发起。“琰”在第05行用正反表达“There’s no everyone, there’s just Ella”进行他人发起的他人修正,直接纠正了GenAI在称呼上的错误,没有考虑对GenAI的面子威胁。有时,他人(即学习者)发起的修正会导致多话轮协商。例如:
例(4) “xian4cai4” [0527-0619]
50 蔚: >&I don’t know&< how to say that in English,
& 轻微皱眉 &
51 It’s <xian4cai4> in Chinese do you know:
52 & the name in English&? Please tell me.
& 睁大眼睛 &
53 (3.8)
54 GenAI: The English name for xian2cai4 (.) is typically translated
55 as pickled vegetables or preserved vegetables, (0.5)
56 it’s often used in Chinese cuisine as flavor to dishes.
57 (0.3)
58 蔚: Oh. (0.2) & no & I think you mis- mis-er: misunderstood my (0.2)
&轻轻摇头&
59 or (.) what I meant. It’s a: kind of vegetable (0.2)
60 yeah, e:m. Yes. it usually mixed with garlics (0.4) yeah,
61 (It’s) xincai? Maybe I pronouncing wrong?
在例(5),“蔚”在第50~52行要求GenAI给出“苋菜”的英语对应词,GenAI在第54~56行却给出“咸菜”的英语对应词和解释。“蔚”在第58行用否定词“no”和轻轻摇头表示直接否定,接着指出GenAI的误解并提供了自己的解释,对第51行苋菜的发音也表示疑问。在自然会话中,直接指出对方错误较少见,而人智口语互动中由学习者发起的修正大多是直接纠正错误,有利于扫清互动阻碍与GenAI达成互解,从而促进序列推进。
3.3 对不一致或非赞同立场的应对
序列推进以话轮转换为驱动,依靠交际双方的调适或实践(work)应对局部偶发情况,最终实现交际目标。交际双方表示立场一致或赞同时意味着当前序列结束,而双方立场不一致或不赞同会导致序列延展(Pomerantz 1975)。在人智口语互动中,GenAI的系统设置使其采用缓和表达传递或应对不一致或非赞同立场,有利于维护互动中的社会团结。例如:
例(6) “Taylor Swift’s song”[0114-0324]
24 GenAI: Do you have a favorite song of hers that you like to listen to
25 while you’re working on chores?
26 (1.1)
27 史: Yes. uh::: like the so:ng Mine (0.2) a:nd her new song (0.3)
28 u:hn (1.0) er: Mid-uh: Fortnight.
29 (3.5)
30 GenAI: Mine is a great song, but (.) I think there might be a mixup
31 with a new song (.) I’m not familiar with a Taylor Swift song
32 ca:lled (.) Fornite (0.8) maybe it’s a different track
33 or (0.3) a recent release that’s not on my radar.
34 (0.7)
35 史: Well, maybe I have mistaken the name +I’m not sure (.)uh
+微笑----->
36 if it-it is called Fortnight.+
----------->+
37 (1.5)
38 史: Well, if you know the answer you can correct it [for me..
39 GenAI: [It sounds like
40 you might be thinking of The Last Great American Dynasty (0.2)
42 or another track from her recent album (0.7)
43 do you remember any specific lyrics or the theme of the song?
45 (2.0)
46 史: Ehm (0.4) I ken-maybe I can spell the name for you.
47 (2.9)
48 GenAI: Sure go ahead. Uhm that might help clear things up.
49 (0.3)
50 史: Ehm ((挨个拼出fort的字母)) (0.7) ((挨个拼出night的字母)).
51 (3.5)
52 GenAI: It sounds like you might be thinking of August from Taylor Swift’s
53 album (0.5) Fortnight isn’t a song by her, but August has a
54 similar vibe if you’re looking for a recent track.
55 史: +NO: (0.3) +it’s not, it’s not the song August.
+ 皱 眉 +
56 (3.1)
57 史: Well, +forget about it +=
+皱眉并轻轻摇头+
58 GenAI: =Got it.
在上例中,GenAI在第24~25行询问史最喜欢美国流行歌手Taylor Swift唱的哪首歌,“史”在第27~28行给出两首歌名,其话轮设计“u:hn (1.0) er: Mid-uh: Fortnight”有拖延和自我修正,表明她不确定或不熟悉第二首歌Fortnight的名字。在第30~33行,GenAI对Fortnight这首歌是否出自Taylor Swift表示质疑。GenAI用“might”“maybe”等模糊语缓和不赞同立场,进而说Fortnight可能是“a recent release that’s not on my radar”,承认自己的知识不足(less knowledgeable)(Heritage 2012),从而维护会话中的社会团结。在第35~36行,“史”也降低了自己的知识状态表示自己可能记错了歌名,并在1.5秒沉默后要求GenAI进行更正。GenAI在第39~42行给出另外一个歌名,并要求史提供歌词或主题进一步确认。“史”用“Ehm (0.4) I ken-maybe I can spell the name for you”(第46行)提出拼写歌名的备选做法,说明她就GenAI对Fortnight的歌名识解表示怀疑。然而,在听到拼写后,GenAI提供了另外一个歌名,继续不赞同史提出的歌名。“史”在第55行给出重读的“NO”直接否定,语调升高并皱眉,接着用“Well, +forget about it +=”中止了非赞同序列的推进。可见,GenAI更多采取缓表达传递或应对非赞同立场,进而促动学习者给出回应。然而在无法达成一致时,学习者动用皱眉、摇头等多模态资源辅助言语行为,单方面终止非赞同序列和当前话题,这在自然会话中会威胁对方面子而较少发生。
4. 讨论
本文采用会话分析方法,对我国外语学习者与GenAI语音聊天助手之间的会话语料进行微观分析,探究了交际双方如何通过对话轮间长沉默和重叠话语、修正以及非赞同序列的应对以确保会话序列的推进。主要发现如下。
第一,人智双方在话轮间长沉默和出现重叠话语时均能做出不同程度的互动调适(interactional work),以确保话轮转换。通常,当由学习者发起的话轮之后出现长沉默时,学习者选择等待GenAI的回应,而不是像自然会话交际者那样对上一话轮进行重构或继续促动受话人给出回应。在等待间歇,学习者调动多模态资源完成个人活动(例如倒水、喝水),成为多任务会话参与者。然而,学习者保持对手机或电脑屏幕的目光注视(无法注视时则侧耳靠近屏幕),监控GenAI的话轮产出,随时为接替话轮做准备,以确保会话的连贯性。可见,学习者一方面调整自然会话的某些交际规则去适应人智口语互动的序列语境,付出互动努力管理话轮间长沉默,另一方面将GenAI视为能遵循基本交际原理和熟稔会话规范的智能对话伙伴,观照其话轮设计给出相关回应。当然,从学习者的话轮产出开始,GenAI就启动了识解机制和回应设计,但远比人类交际者给出回应之前的间歇时间更长。此外,尽管GenAI也能有效地处理双方的重叠话语,在TRP进行重叠或进行先发制性打断,但偶有误解发生,与人类交际者对重叠话语的应对尚有一定的差距。
第二,人智双方为达成互解进行的修正多以他人(即学习者)修正为主,学习者具有修正主动性。尽管GenAI也具备一定的修正能力,在不影响理解的情况下,GenAI较少纠正学习者的言语错误。当学习者发现对话中的阻碍并发起修正后,GenAI能够借助词汇替换和语义解释等多种手段对先前话轮进行调整,为后续话轮转换和序列推进扫清障碍。语料显示,由学习者发起的修正是人智口语互动中的优先类型,这与自然会话以自我修正为主的优先排序不同。基于大模型数据支持的GenAI可被视为学习伙伴,提供学习支持和指导且没有权威压制,或许能激发外语学习者发现问题或定位会话阻碍的主动性。人智口语互动中由学习者发起的修正主要针对言语错误,双方为达成互解进行的修正也促动了学习行为序列的推进。
第三,GenAI采用缓和表达传递或应对不一致或非赞同立场,双方通过多话轮协商推动会话序列的发展,而学习者在结束非赞同序列中起着关键性作用。交际双方达成一致是维护社会团结的表现,也是一切会话的主要目标。在自然会话中,交际双方尽量不违背会话中的优先原则,如“尽可能减少说出拒绝对方邀请或请求(等行为)的话”(Pomerantz & Heritage 2013:201),并使用符合这一原则的、可察觉且有规则的说话和行事方式,通过缓和、先肯定后否定以及多话轮管理表达不遵从或非赞同等。本文语料显示,学习者能够通过多话轮协商管理非赞同序列,也能使用模糊语和主动邀请等方式向GenAI展示自身的知识状态不足,进而促动对方继续接替话轮。GenAI的技术协议设置使其采用缓和表达应对非赞同立场,促使学习者给出匹配回应以维持互动协商。相较而言,学习者在非赞同序列中具有更大的决定权,在协商无法达成社会团结时,可单方面结束非赞同序列,同时伴随摇头、皱眉等多模态资源的辅助。尽管如此,从外语学习的角度来看,人智口语互动中出现非赞同序列,有利于学习者互动协商能力的发展。
5. 结语
本文采用会话分析方法,从话轮间长沉默和重叠话语、修正以及非赞同序列三个方面,系统考察了我国外语(主要是英语)学习者与GenAI在语音聊天中为确保会话序列的推进所做出的交际调适,展示出GenAI作为智能对话伙伴的潜质。研究呈现了外语学习语境下人智口语互动的真实样态和交际细节,为相关研究提供了理论视角和实证路径参考,也为外语教学中人智交互优化设计提出了会话序列推进的参照维度。研究在多模态动态呈现方面尚有一定局限,语料多样性不足。在克服本研究局限的基础上,未来研究可进一步探索跨文化情境下人智口语互动中会话序列推进的障碍及其解决机制,与自然会话交际规律做进一步比对,切实推动AI赋能下的外语口语学习和教学研究。