Storyline
多给几条故事线，但先分主推与备选
主推一句话最适合写成论文主轴
反馈来源没有简单带来“更多连接词”，而是把学习者推向不同层级的语篇资源摄取：教师面批更像高层语义/因果组织重组，无反馈更像表层连接补偿，AI反馈目前更像局部语言层面的辅助线索。
简要数据小作文主线表中，SMCAUSvp Time×Group p=0.006；教师组变化 Δ=-10.552，p=0.031。
这条线有 A（反馈来源）、B（语篇资源摄取）、理论机制（feedback engagement / uptake）和教学意义；大小作文差异只用来限定这条线。
故事线 1主推
教师面批：从显性因果连接到高层语篇组织
教师面批可以讲成主线的正面机制：面对面解释和追问可能让学生不只是添加连接词，而是重新安排因果、事件和语义关系。
简要数据小作文：SMCAUSv Time×Group p=0.017；教师组 Δ=-6.947, p=0.063。
用法：主推，放 RQ1/RQ2 的 Results 开头。需要配 1-2 组学生文本例证解释“下降/重组”的质量意义。
故事线 2主推配角
无反馈：自我修改更容易走向表层连接补偿
无反馈组的变化可以作为反衬：学生自己修改时会增加显性衔接标记，但这不必然等于更高层级连贯提升。
简要数据小作文：CNCAdd 无反馈组 Δ=+9.957, p=0.025；该指标 Time×Group p=0.263，所以只能写组内线索。
用法：作为教师面批主线的对照，不单独升级成主结论。
故事线 3备选
AI反馈：先写成局部语言摄取线索，不急着做正式 RQ
AI反馈不是没有故事，但当前数据更适合写成局部语言/词汇层面的摄取线索，而不是高层语篇组织主结论。
简要数据小作文：DRINF AI组 Δ=-7.587, p=0.008；计划对比 p=0.047，但 Time×Group p=0.072。
用法：放 Discussion 或机制解释；除非补做 AI 建议-学生修改的人工编码，否则不建议写成 RQ3。
故事线 4边界检验
大小作文边界：因果连接方向没有被读后续写推翻
如果老师关心是否只看小作文，可以用这条线回答：大作文已经看了，至少在因果连接资源上没有推翻教师下降、无反馈上升的方向。
简要数据共同指标：CNCCaus 小作文教师 Δ=-8.661、大作文教师 Δ=-7.107；Task调节 p=0.824。
用法：Results 末尾的边界检验，不放正式 RQ 标题。
故事线 5边界检验
任务会改变表层连接的表现方式
大作文不是简单复制小作文。添加连接词在两类作文中的组别方向不同，说明题材会改变表层衔接资源的使用策略。
简要数据共同指标：CNCAdd 小作文无反馈 Δ=+9.957，大作文教师 Δ=+11.133；Task调节 p=0.035。
用法：解释为什么不把大小作文合并成一个粗模型，也提醒 Discussion 不要过度泛化。
故事线 6辅助
指称衔接：方向相近，但证据只够辅助
指称重叠可作为语篇资源的辅助指标：两类作文中教师组都偏正向，但统计证据不够支撑主故事。
简要数据共同指标：CRFAO1 小作文教师 Δ=+0.063，大作文教师 Δ=+0.043；共享 Time×Group p=0.062。
用法：放证据链表格或补充分析；不要用它承担主结论。