NotebookLM AI 用于阿曼英语学习者词汇学习：实验组在延迟后测中继续提升，对照组则回落

在词汇学习与保持上，实验组在即时后测和延迟后测中均显著优于对照组，且延迟后测中实验组仍在提升而对照组出现回落。 此前关于生成式AI与词汇的实证研究多集中于ChatGPT、Copilot、Memrise等工具，本文把NotebookLM AI引入阿曼EFL课堂，并同时测量即时与延迟两个时间点。 70名中级前水平阿曼学生随机分为两组各35人，干预6周、学习80个目标词；词汇测试为研究者自编20题，前测、后测、延迟后测的Cronbach's Alpha分别为.850、.790、.820；组间比较前测无显著差异（p = .153），后测p < .001，延迟后测p < .001，eta-squared由前测.033升至后测.488、延迟后测.763。

在自主学习（SDL）上，实验组在SRSSDL量表上的得分从121.00升至222.63，而对照组几乎不变（119.89至120.89），时间与组别的交互作用显著。 已有研究多以ChatGPT或聊天机器人为对象，本文提供了NotebookLM AI这一基于学习者上传材料的多模态工具在SDL上的量化证据。 采用Williamson（2007）的60题SRSSDL量表，混合设计ANOVA显示前后测主效应F(1, 68) = 3730.114，p < .001，partial η² = .982；时间×组别交互F(1, 68) = 3586.147，p < .001，partial η² = .981；实验组各维度均值在41.06至47.17之间。

研究把NotebookLM AI的视频生成、信息图、测验与闪卡等功能与小组协作结合，形成每周20词、四天呈现加一天教师活动的教学流程。 作者指出其原创性在于将NotebookLM AI实际应用于EFL情境，并强调该工具基于学习者上传材料提供个性化、情境化的解释与练习。 实验组分为7个5人小组，每周20个目标词以PDF经Microsoft Teams发送，每节课30分钟完成视频、信息图、澄清与测验序列，最后10分钟用闪卡进行全班讨论；对照组以相同词汇但无AI支持的方式学习。

作者在讨论中把实验组优势部分归因于AI的多模态与自适应反馈，同时明确提示小组讨论可能也起作用，并提醒样本小、干预短需谨慎解读。 与只报告AI效果的研究相比，本文把同伴协作列为可能的共同解释因素，并列出样本量、单一技能、未分析性别年龄等范围限制。 讨论部分原文写道该解释“needs to be made cautiously as the study’s sample size was limited and the intervention period was short”，结论部分也指出协作小组活动“might be responsible for students’ vocabulary development and SDL growth”。

该结果面向自access语言学习场景中的实践者与学习者：教师可在教师主导教学之外，用NotebookLM AI的视频生成、信息图生成、互动问答、测验与反馈来安排个性化词汇练习；学习者可在课外用它复习词汇、解释生词、即时求助、做测验并按自己节奏学习。研究设定为阿曼某大学基础项目中70名中级前水平、母语阿拉伯语、19至21岁的学生，干预6周、80个目标词，因此其结论适用于这一水平与情境下的词汇学习与SDL培养。

读者仍需留意：实验组后测与延迟后测数据未满足正态性（p = .018、p = .016），组间比较采用非参数方法；SRSSDL仅做整体量化分析而未逐题分析；研究未考察性别与年龄的作用；作者本人也提示小组协作可能是词汇与SDL提升的共同来源，因此AI的独立贡献尚待进一步分离。此外，本次可获取的文本为不完整版本，表格仅以文字描述呈现，具体数值细节需回到原文核对。