基于生成式人工智能技術(shù)的對話機(jī)器人能促進(jìn)在線協(xié)作學(xué)習(xí)績效嗎？

鄭蘭琴 高蕾 黃梓宸

[摘 ? 要] 近年來，人工智能技術(shù)迅猛發(fā)展，對教育教學(xué)產(chǎn)生了巨大的沖擊和影響，最引人注目的是基于生成式人工智能技術(shù)的對話機(jī)器人的興起。為進(jìn)一步提高在線協(xié)作學(xué)習(xí)績效，研究旨在檢驗(yàn)基于生成式人工智能技術(shù)的對話機(jī)器人對在線協(xié)作學(xué)習(xí)績效、批判性思維意識及其知識激活量和貢獻(xiàn)度的影響。研究邀請大學(xué)生參與在線協(xié)作學(xué)習(xí)，綜合采用定量和定性相結(jié)合的研究方法，深度分析對話機(jī)器人的影響。研究結(jié)果表明，基于生成式人工智能技術(shù)的對話機(jī)器人不僅在其知識激活量、貢獻(xiàn)度方面明顯優(yōu)于傳統(tǒng)媒體，而且也能夠顯著提升在線協(xié)作學(xué)習(xí)績效和批判性思維意識。文章深入分析和討論了研究結(jié)果，并提出若干啟示和建議。

[關(guān)鍵詞] 在線協(xié)作學(xué)習(xí)； 生成式人工智能技術(shù)； 對話機(jī)器人； 貢獻(xiàn)度； 學(xué)習(xí)績效

[中圖分類號] G434 ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼] A

[作者簡介] 鄭蘭琴（1979—），女，山西五臺人。副教授，博士，主要從事人工智能與教育、計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)、學(xué)習(xí)分析技術(shù)等研究。E-mail：bnuzhenglq@bnu.edu.cn。

一、引 ? 言

（一）研究背景與意義

近年來，人工智能技術(shù)發(fā)展如火如荼。人工智能是指計(jì)算機(jī)能夠模擬人類的智能，如人類的學(xué)習(xí)能力、問題解決能力等[1]。人工智能技術(shù)按照采用的模型可以分為決策式人工智能和生成式人工智能技術(shù)，決策式人工智能也稱為判別式人工智能，主要學(xué)習(xí)數(shù)據(jù)的條件概率分布并對新的場景進(jìn)行判斷和預(yù)測；而生成式人工智能主要學(xué)習(xí)數(shù)據(jù)中的聯(lián)合概率分布并歸納總結(jié)，從而生成新的內(nèi)容，如文本、圖片、音頻、視頻等[2]。人工智能技術(shù)經(jīng)歷了機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大語言模型的發(fā)展歷程。

目前，生成式人工智能技術(shù)已經(jīng)在各個行業(yè)（如金融、醫(yī)療、教育等）受到廣泛關(guān)注，特別是在教育領(lǐng)域，可以采用生成式人工智能技術(shù)輔助教育者進(jìn)行教學(xué)、學(xué)習(xí)、管理、決策等。在互聯(lián)網(wǎng)+教育時代，越來越多的學(xué)習(xí)者選擇在線協(xié)作學(xué)習(xí)作為主要的學(xué)習(xí)方式之一。然而，學(xué)習(xí)者在進(jìn)行在線協(xié)作學(xué)習(xí)時會遇到各種各樣的問題，如學(xué)習(xí)績效低下[3]、批判性思維意識較弱[4]。為了解決這些問題，本研究旨在采用基于生成式人工智能技術(shù)的對話機(jī)器人來幫助提升在線協(xié)作學(xué)習(xí)績效和批判性思維意識，同時，本研究還比較了基于生成式人工智能技術(shù)的對話機(jī)器人與傳統(tǒng)媒體在知識激活量和貢獻(xiàn)度方面的差異。本研究的理論和現(xiàn)實(shí)意義包括兩方面：從理論層面探索新型媒體對于協(xié)作學(xué)習(xí)的貢獻(xiàn)度和人機(jī)協(xié)作的新模式；從實(shí)踐層面探索如何利用基于生成式人工智能技術(shù)的對話機(jī)器人提升學(xué)習(xí)績效。

（二）研究目標(biāo)與研究問題

本研究的主要目標(biāo)是檢驗(yàn)基于生成式人工智能技術(shù)的對話機(jī)器人與傳統(tǒng)媒體相比，是否能夠顯著提升知識激活量、貢獻(xiàn)度、在線協(xié)作學(xué)習(xí)績效和批判性思維意識。本研究的傳統(tǒng)媒體指的是沒有對話機(jī)器人支持的傳統(tǒng)搜索引擎。根據(jù)研究目標(biāo)，提出以下研究問題：

（1）基于生成式人工智能技術(shù)的對話機(jī)器人能否顯著提升知識激活量？

（2）基于生成式人工智能技術(shù)的對話機(jī)器人能否顯著提升貢獻(xiàn)度？

（3）基于生成式人工智能技術(shù)的對話機(jī)器人能否顯著提升在線協(xié)作學(xué)習(xí)績效？

（4）基于生成式人工智能技術(shù)的對話機(jī)器人能否顯著提升批判性思維意識？

二、文獻(xiàn)綜述

（一）在線協(xié)作學(xué)習(xí)研究現(xiàn)狀

在線協(xié)作學(xué)習(xí)已經(jīng)成為互聯(lián)網(wǎng)時代一種重要的學(xué)習(xí)方式，并在高等教育領(lǐng)域被廣泛采用。在線協(xié)作學(xué)習(xí)是指為了共同的學(xué)習(xí)目標(biāo)、由多名學(xué)習(xí)者通過互聯(lián)網(wǎng)進(jìn)行同步或者異步的在線學(xué)習(xí)并協(xié)同解決問題的一種學(xué)習(xí)方式[5]。研究表明，精心設(shè)計(jì)并合理實(shí)施在線協(xié)作學(xué)習(xí)能夠提升學(xué)習(xí)績效[6]、問題解決技能等[7]。在線協(xié)作學(xué)習(xí)分為同步和異步兩種方式，并在一線教學(xué)實(shí)踐中備受青睞。

然而，在線協(xié)作學(xué)習(xí)有時候難以取得理想的效果，主要原因在于很多學(xué)習(xí)者在協(xié)作學(xué)習(xí)中只進(jìn)行簡單的信息交流與分享、在線協(xié)作學(xué)習(xí)不深入[8]、小組成員常常出現(xiàn)跑題偏題的現(xiàn)象[9]、學(xué)習(xí)者缺乏及時的反饋導(dǎo)致會放棄協(xié)作學(xué)習(xí)[10]。為提高協(xié)作學(xué)習(xí)績效，非常有必要為學(xué)習(xí)者提供及時、個性化的反饋。反饋指的是由代理（比如教師、同伴、父母、自己、機(jī)器等）提供的關(guān)于個人績效或想法方面的信息[11]。在協(xié)作學(xué)習(xí)領(lǐng)域，研究者通過多種方式為學(xué)習(xí)者提供個性化的反饋。比如：Martinez- Maldonado利用手持式儀表盤的分析結(jié)果為學(xué)習(xí)者提供個性化的反饋[12]；Tan 和 Chen通過同伴互動的方式提供反饋并提升協(xié)同知識建構(gòu)水平[13]；還有研究者利用會話代理為學(xué)習(xí)者提供反饋，從而增強(qiáng)學(xué)生在協(xié)作學(xué)習(xí)中的動機(jī)和參與程度[14]。然而，鮮有研究基于生成式人工智能技術(shù)的對話機(jī)器人為參與在線協(xié)作學(xué)習(xí)的學(xué)習(xí)者提供全方位、個性化的反饋。本研究旨在利用基于生成式人工智能技術(shù)的對話機(jī)器人為學(xué)習(xí)者在協(xié)作學(xué)習(xí)過程中提供實(shí)時、個性化的反饋，同時比較基于生成式人工智能技術(shù)的對話機(jī)器人與沒有對話機(jī)器人的差異。

（二）生成式人工智能技術(shù)及其影響

生成式人工智能技術(shù)是通過分析訓(xùn)練樣本、學(xué)習(xí)其模式和分布、生成作品的一種人工智能技術(shù)，它主要包括兩大類，即生成式對抗網(wǎng)絡(luò)模型和生成式預(yù)訓(xùn)練語言模型[15]。生成式對抗網(wǎng)絡(luò)模型包括生成模型和判別模型，生成模型主要捕捉樣本數(shù)據(jù)的分布并合成數(shù)據(jù)，判別模型主要判斷輸入是生成的樣本還是真實(shí)數(shù)據(jù)，通過這兩個模型的博弈并最終達(dá)到一種平衡[16]。生成式預(yù)訓(xùn)練語言模型是典型的預(yù)訓(xùn)練—微調(diào)模型，其原理是，首先，通過監(jiān)督學(xué)習(xí)訓(xùn)練微調(diào)模型，其次，收集比較性數(shù)據(jù)并訓(xùn)練獎勵模型，最后，通過強(qiáng)化學(xué)習(xí)算法對獎勵模型進(jìn)行調(diào)優(yōu)[17]。

生成式人工智能技術(shù)目前已經(jīng)對學(xué)習(xí)、教學(xué)、管理、研究等方面產(chǎn)生前所未有的影響和沖擊。首先，生成式人工智能技術(shù)引起了學(xué)習(xí)方式的變革。祝智庭等學(xué)者提出，以自主學(xué)習(xí)為驅(qū)動力、以自監(jiān)督學(xué)習(xí)為保障、以思維技能為核心、以創(chuàng)新意識為生命力、以情感為催化劑的高意識生成式學(xué)習(xí)將成為當(dāng)今人工智能時代的學(xué)習(xí)新范式[18]。其次，生成式人工智能技術(shù)對教學(xué)產(chǎn)生深遠(yuǎn)的影響。基于生成式人工智能技術(shù)的工具賦能個性化教學(xué)，讓每個學(xué)生都擁有私人學(xué)習(xí)助理，并對教學(xué)方式、教學(xué)內(nèi)容、教學(xué)評價產(chǎn)生革命性影響，形成教師—機(jī)器—學(xué)生、智能化教學(xué)內(nèi)容生成、多元評價的新型教學(xué)模式[19]。最后，生成式人工智能技術(shù)對管理和研究也將產(chǎn)生顯著的影響，比如，有學(xué)者認(rèn)為，生成式人工智能技術(shù)將變革學(xué)校管理的模式，一些機(jī)械性的工作交給機(jī)器去自動完成，采用生成式人工智能工具還可以提供多模態(tài)的數(shù)據(jù)、資源等，為學(xué)校科學(xué)合理制定決策提供強(qiáng)有力的證據(jù)[20]。

（三）對話機(jī)器人研究現(xiàn)狀

對話機(jī)器人是人機(jī)對話系統(tǒng)的一種。人機(jī)對話技術(shù)旨在通過各種技術(shù)使得機(jī)器能夠最大程度地模仿人類的對話，從而與人進(jìn)行最自然的交流[21]。目前的人機(jī)對話系統(tǒng)主要包括兩種類型，一種是面向開放領(lǐng)域的非任務(wù)型對話系統(tǒng)，另一種是面向垂直領(lǐng)域特定任務(wù)的任務(wù)型對話系統(tǒng)。非任務(wù)型對話系統(tǒng)的構(gòu)建方法有三種，即基于生成的方法、基于檢索的方法、二者混合的方法；任務(wù)型對話系統(tǒng)的構(gòu)建方法主要有兩種，一種是采用端到端的方法，另一種是采用管道的方法[22]。由于端到端的方法需要搜集大規(guī)模的訓(xùn)練數(shù)據(jù)，可擴(kuò)展性不強(qiáng)，還需要較多的人為干預(yù)[23]。因此，大多數(shù)研究采用管道的方法構(gòu)建任務(wù)型對話系統(tǒng)。目前，流行的對話系統(tǒng)就是對話機(jī)器人。

基于管道方法構(gòu)建的任務(wù)型對話機(jī)器人主要由四個功能模塊組成，即自然語言理解、對話狀態(tài)跟蹤、對話策略學(xué)習(xí)和自然語言生成。自然語言理解模塊主要把原始的用戶信息轉(zhuǎn)換為語義槽從而理解對話領(lǐng)域和用戶的意圖；對話狀態(tài)跟蹤模塊主要基于對話歷史和當(dāng)前的狀態(tài)迭代地校準(zhǔn)和更新對話狀態(tài)；對話策略學(xué)習(xí)模塊主要基于對話最新狀態(tài)決定下一步對話系統(tǒng)的動作；自然語言生成模塊則把選擇好的對話行為轉(zhuǎn)換為用戶可以理解的自然語言。其中，對話狀態(tài)跟蹤和對話策略學(xué)習(xí)可以合并為一個模塊即對話管理模塊，這也是任務(wù)型對話機(jī)器人的核心模塊[24]。

目前，任務(wù)型對話機(jī)器人已經(jīng)在各個領(lǐng)域嶄露頭角，發(fā)揮重要作用。比如：研究者開發(fā)了任務(wù)型對話機(jī)器人幫助用戶預(yù)定餐廳[25]；有研究者構(gòu)建了進(jìn)行疾病自動診斷的任務(wù)型對話機(jī)器人[26]；有研究者開發(fā)了任務(wù)型對話機(jī)器人作為語言教學(xué)助手輔助學(xué)生進(jìn)行語言學(xué)習(xí)[27]。在協(xié)作學(xué)習(xí)領(lǐng)域，研究者開發(fā)了任務(wù)型對話系統(tǒng)支持協(xié)作學(xué)習(xí)并提供反饋。比如：Tegos等學(xué)者開發(fā)了會話代理支持學(xué)習(xí)者在同伴貢獻(xiàn)的基礎(chǔ)上闡述對重要概念的推理過程[28]；還有學(xué)者開發(fā)了在線會話代理激發(fā)學(xué)生在協(xié)作學(xué)習(xí)中的動機(jī)和參與程度[14]；Nguyen比較了專家型會話代理和同伴型會話代理在協(xié)作學(xué)習(xí)中的作用，發(fā)現(xiàn)這兩種類型的代理都能促進(jìn)在線討論和系統(tǒng)性思維[29]。然而，已有的任務(wù)型對話系統(tǒng)尚未采用生成式人工智能技術(shù)，大多只能簡單地回答用戶的問題，這種淺表層次的交互不僅導(dǎo)致學(xué)習(xí)者厭煩、對話無法持續(xù)、對話效率不高，而且難以激發(fā)學(xué)習(xí)者的積極性和主動性、無法引導(dǎo)學(xué)習(xí)者深入學(xué)習(xí)，導(dǎo)致學(xué)習(xí)者常常忽略對話系統(tǒng)的存在。本研究主要采用基于生成式人工智能技術(shù)的對話機(jī)器人支持在線協(xié)作學(xué)習(xí)，考察其與傳統(tǒng)媒體的差異。

三、研究設(shè)計(jì)

（一）研究對象

本研究一共招募在校大學(xué)生30人，學(xué)生所學(xué)專業(yè)包括計(jì)算機(jī)科學(xué)、教育技術(shù)學(xué)、教育學(xué)、心理學(xué)等。參與本研究的30名大學(xué)生分為5個實(shí)驗(yàn)組和5個控制組，實(shí)驗(yàn)組和控制組分別有15人，每個小組3名學(xué)生。為檢測已有知識水平是否存在差異，所有學(xué)生都經(jīng)過了前測。根據(jù)前測結(jié)果，發(fā)現(xiàn)實(shí)驗(yàn)組和控制組在已有知識水平方面沒有顯著性差異（t=0.254，p=0.806）。所有學(xué)生都簽署知情同意書，他們在研究過程中可以隨時退出實(shí)驗(yàn)。

（二）研究假設(shè)

根據(jù)研究目的和研究問題，提出如下研究假設(shè)：

（1）基于生成式人工智能技術(shù)的對話機(jī)器人能夠顯著提升知識激活量。

（2）基于生成式人工智能技術(shù)的對話機(jī)器人能夠顯著提升貢獻(xiàn)度。

（3）基于生成式人工智能技術(shù)的對話機(jī)器人能夠顯著提升在線協(xié)作學(xué)習(xí)績效。

（4）基于生成式人工智能技術(shù)的對話機(jī)器人能夠顯著提升批判性思維意識。

（三）研究方法

本研究采用定量研究與定性研究相結(jié)合的研究方法開展研究。定量研究的方法包括準(zhǔn)實(shí)驗(yàn)法和問卷調(diào)查法，定性研究的方法采用訪談法。通過準(zhǔn)實(shí)驗(yàn)法旨在比較基于生成式人工智能技術(shù)的對話機(jī)器人與傳統(tǒng)媒體在知識激活量、貢獻(xiàn)度、在線協(xié)作學(xué)習(xí)績效和批判性思維意識方面的差異。問卷調(diào)查法旨在了解學(xué)生批判性思維意識的狀況。訪談法旨在深入調(diào)查學(xué)習(xí)者使用對話機(jī)器人的真實(shí)感受。統(tǒng)計(jì)分析方法旨在檢驗(yàn)實(shí)驗(yàn)組和控制組的差異。

（四）研究流程

本研究的流程包括三個階段。第一階段主要進(jìn)行前測，即對所有學(xué)生開展關(guān)于人工智能技術(shù)和大數(shù)據(jù)等已有知識的測試。根據(jù)測試結(jié)果進(jìn)行分組，確保實(shí)驗(yàn)組和控制組在已有知識基礎(chǔ)方面沒有顯著性差異。第二階段首先進(jìn)行培訓(xùn)，包括對在線協(xié)作學(xué)習(xí)平臺、基于生成式人工智能技術(shù)的對話機(jī)器人的使用方法進(jìn)行演示和培訓(xùn)；其次，正式開展在線協(xié)作學(xué)習(xí)，在線協(xié)作學(xué)習(xí)的任務(wù)包括三個子任務(wù)，即討論人工智能的關(guān)鍵技術(shù)及其應(yīng)用，大數(shù)據(jù)與人工智能之間的關(guān)系，對給定的四個案例進(jìn)行深入分析并評價其利弊、對學(xué)習(xí)的影響及其改進(jìn)方案。當(dāng)每個小組完成既定任務(wù)后，形成的主要觀點(diǎn)和解決方案作為小組作品上傳到在線協(xié)作學(xué)習(xí)平臺。為避免干擾變量的影響，所有實(shí)驗(yàn)組和控制組的在線協(xié)作學(xué)習(xí)任務(wù)、時長、要求等都完全相同，差異僅僅在于使用的媒體手段不同。實(shí)驗(yàn)組開展基于生成式人工智能技術(shù)的對話機(jī)器人支持的在線協(xié)作學(xué)習(xí)（如圖1所示），而控制組開展傳統(tǒng)的在線協(xié)作學(xué)習(xí)（如圖2所示）。第三個階段主要進(jìn)行后測和訪談，即對學(xué)習(xí)者的批判性思維意識進(jìn)行后測，并對所有實(shí)驗(yàn)組進(jìn)行面對面的半結(jié)構(gòu)化訪談，從而了解學(xué)習(xí)者使用對話機(jī)器人的感受。

圖1 ? 利用文心一言支持的在線協(xié)作學(xué)習(xí)

圖2 ? 傳統(tǒng)的在線協(xié)作學(xué)習(xí)

（五）研究工具

本研究所采用的研究工具包括前測題目、批判性思維意識問卷。前測題目由有經(jīng)驗(yàn)的老師編制，并由兩位研究助理進(jìn)行評判，采用Kappa值計(jì)算評分者信度，結(jié)果為0.89，表明一致性良好。批判性思維意識問卷改編自Yeh學(xué)者[30]，一共由20個題目組成，采用五點(diǎn)量表的方式。批判性思維意識問卷的Cronbach's α值為0.864，表明具有良好的信度。另外，本研究基于生成式人工智能技術(shù)的對話機(jī)器人采用文心一言3.5，文心一言是百度研發(fā)的基于知識增強(qiáng)大語言模型的對話機(jī)器人，能夠進(jìn)行對話、創(chuàng)作、回答問題、方便高效地獲取信息[31]。

本研究中知識激活量的算法根據(jù)基于信息流的協(xié)作學(xué)習(xí)交互分析方法計(jì)算得出[32]，該算法采用信息熵模型計(jì)算知識點(diǎn)的激活量。媒體的貢獻(xiàn)度則由媒體提供的知識點(diǎn)激活量與所有知識點(diǎn)激活總量（即包括學(xué)習(xí)者的激活量與媒體激活量的總和）的比值計(jì)算得出。為了保證分析的客觀性，由兩人背對背對所有組的信息流進(jìn)行分析，采用Kappa值計(jì)算評分者信度，結(jié)果為0.83，表明一致性良好。

在線協(xié)作學(xué)習(xí)的績效主要根據(jù)評價量規(guī)對小組作品的質(zhì)量進(jìn)行評價，評價量規(guī)包括論點(diǎn)、論據(jù)、論證、結(jié)果四個維度，每個維度的滿分為25分，總分為100分。每個小組的作品均由兩位研究者根據(jù)評價量規(guī)進(jìn)行獨(dú)立打分，采用Kappa值計(jì)算評分者信度，結(jié)果為0.84，表明一致性良好。另外，本研究對所有實(shí)驗(yàn)組進(jìn)行了半結(jié)構(gòu)化的深度訪談，主要包括對話機(jī)器人的作用和貢獻(xiàn)、對協(xié)作學(xué)習(xí)績效的影響、對批判性思維意識的影響等方面了解使用者的感受和想法，從而印證實(shí)驗(yàn)的結(jié)果。對于訪談記錄，本研究采用主題分析法，由兩人背對背分析每個組分訪談記錄，采用Kappa值計(jì)算評分者信度，結(jié)果為0.88，表明一致性良好。

四、研究結(jié)果

（一）知識激活量

知識激活量主要測量基于生成式人工智能技術(shù)的對話機(jī)器人和傳統(tǒng)媒體在知識點(diǎn)方面的激活程度。首先，所有知識激活量的數(shù)據(jù)滿足正態(tài)分布（p> 0.05）。其次，采用獨(dú)立樣本t檢驗(yàn)來檢查實(shí)驗(yàn)組和控制組在知識激活量方面的差異。根據(jù)統(tǒng)計(jì)結(jié)果，發(fā)現(xiàn)控制組（M=220.90，SD=104.03）和實(shí)驗(yàn)組（M=670.85， SD=330.53）在知識激活量方面具有顯著性差異（t= 2.903，p=0.02），并且實(shí)驗(yàn)組的知識激活量顯著高于控制組。因此，基于生成式人工智能技術(shù)的對話機(jī)器人確實(shí)能夠顯著提升知識激活量。

（二）貢獻(xiàn)度

媒體貢獻(xiàn)度主要測量媒體對激活知識的貢獻(xiàn)程度。首先，所有的數(shù)據(jù)滿足正態(tài)分布（p>0.05）。其次，采用獨(dú)立樣本t檢驗(yàn)來檢查實(shí)驗(yàn)組和控制組在貢獻(xiàn)度方面的差異。根據(jù)統(tǒng)計(jì)結(jié)果，發(fā)現(xiàn)控制組（M=0.59，SD=0.23）和實(shí)驗(yàn)組（M=0.86，SD=0.05）在貢獻(xiàn)度方面具有顯著性差異（t=2.589，p=0.03），并且實(shí)驗(yàn)組的貢獻(xiàn)度顯著高于控制組。因此，基于生成式人工智能技術(shù)的對話機(jī)器人確實(shí)能夠顯著提升貢獻(xiàn)度。

（三）在線協(xié)作學(xué)習(xí)績效

在線協(xié)作學(xué)習(xí)績效的得分是小組作品質(zhì)量的評價得分。首先，所有的數(shù)據(jù)滿足正態(tài)分布（p>0.05）。其次，檢查執(zhí)行協(xié)方差分析的條件，即方差是否齊性。統(tǒng)計(jì)分析結(jié)果表明，后測的協(xié)作學(xué)習(xí)績效的方差齊性（F =0.167， p=0.694）。另外，組別和前測的交互作用也不顯著（F=1.868， p=0.221），即滿足平行性檢驗(yàn)。最后，采用協(xié)方差分析法檢查實(shí)驗(yàn)組和控制組在協(xié)作學(xué)習(xí)績效方面的差異。根據(jù)統(tǒng)計(jì)結(jié)果，發(fā)現(xiàn)控制組（M= 79.00， SD=4.30）和實(shí)驗(yàn)組（M=86.80，SD=4.43）在協(xié)作學(xué)習(xí)績效存在顯著性差異（F=7.112，p=0.032）。因此，基于生成式人工智能技術(shù)的對話機(jī)器人對于提升在線協(xié)作學(xué)習(xí)績效具有顯著影響。

（四）批判性思維意識

批判性思維意識主要測量基于生成式人工智能技術(shù)的對話機(jī)器人和傳統(tǒng)媒體對學(xué)習(xí)者在批判性思維意識方面的影響。首先，檢測控制組和實(shí)驗(yàn)組在已有的批判性思維意識方面是否有顯著差異。根據(jù)前測結(jié)果表明，控制組和實(shí)驗(yàn)組在批判性思維意識方面沒有顯著性差異（t=0.346，p=0.733）。其次，檢查執(zhí)行協(xié)方差分析的條件，即方差是否齊性。統(tǒng)計(jì)分析結(jié)果表明，后測的批判性思維意識的方差滿足齊性（F=0.865，p=0.360）。另外，組別和前測的交互作用也不顯著（F=0.001，p=0.971），即滿足平行性檢驗(yàn)。最后，采用協(xié)方差分析法檢查實(shí)驗(yàn)組和控制組在批判性思維意識方面的差異。根據(jù)統(tǒng)計(jì)結(jié)果，發(fā)現(xiàn)控制組（M=3.51，SD=0.32）和實(shí)驗(yàn)組（M=4.27，SD=0.42）在批判性思維意識具有顯著性差異（F=15.01，p=0.001）。因此，基于生成式人工智能技術(shù)的對話機(jī)器人對于批判性思維意識的提升具有顯著影響。

（五）訪談結(jié)果

為進(jìn)一步了解學(xué)習(xí)者使用基于生成式人工智能技術(shù)的對話機(jī)器人的感受和想法，對所有的實(shí)驗(yàn)組進(jìn)行了半結(jié)構(gòu)化訪談。首先，受訪者表明，該對話機(jī)器人對于提升知識和技能很有幫助，通過與其對話，不僅能夠?qū)W習(xí)到很多新知識，而且能夠調(diào)整或改變學(xué)習(xí)者的想法，提升知識的激活量。比如，有受訪者談到“文心一言提供了大量的知識，非常智能，我以前對于生成式人工智能技術(shù)了解甚微，通過與其對話，學(xué)習(xí)了很多關(guān)于生成式人工智能技術(shù)的知識，受益匪淺?！边€有受訪者表明“文心一言還能幫助糾正一些誤區(qū)，它不斷調(diào)整和改變我原來的想法，讓我更加準(zhǔn)確地理解相關(guān)知識，直到我滿意為止”。

其次，在貢獻(xiàn)度方面，受訪者普遍認(rèn)為，相對于傳統(tǒng)媒體，對話機(jī)器人的貢獻(xiàn)度更大，它不僅能夠提供更加有針對性的信息，還能提高效率。比如，受訪者提到“文心一言能夠提供更具體、更有用的信息，并點(diǎn)對點(diǎn)進(jìn)行解答?！边€有受訪者表明，“文心一言的整合能力很強(qiáng)，效率很高，這方面的貢獻(xiàn)度比其他媒體更大”。

再次，在提升協(xié)作學(xué)習(xí)績效方面，受訪者普遍認(rèn)為，對話機(jī)器人不僅能夠幫助提供全方位的信息，而且能夠?qū)π〗M作品提供修改意見。比如，有受訪者認(rèn)為，“文心一言提供的信息包羅萬象，更具有啟發(fā)性，能夠激發(fā)我產(chǎn)生新的想法。”還有受訪者認(rèn)為，“文心一言對我們的小組作品提供了有價值的建議和反饋，幫助我們不斷修改和優(yōu)化小組作品，作品質(zhì)量提升很大?！?/p>

最后，關(guān)于對話機(jī)器人對于批判性思維意識的影響，受訪者普遍認(rèn)為，該對話機(jī)器人有助于提升批判性思維意識。比如，有受訪者認(rèn)為“文心一言提供的回答非常多，因此，我需要去判斷它提供的內(nèi)容是否正確，到底哪些回答是合理的，這需要我不斷批判、質(zhì)疑它的回答?！边€有受訪者認(rèn)為，“當(dāng)我使用文心一言的時候，我并不能完全信任它，我會嘗試用其他的方式去驗(yàn)證或者反駁它提供的答案”。

五、討 ? 論

（一）知識激活量和貢獻(xiàn)度提升的原因

本研究結(jié)果表明，與傳統(tǒng)媒體相比，對話機(jī)器人確實(shí)能夠提升知識點(diǎn)的激活量。主要的原因有幾方面。第一，當(dāng)學(xué)習(xí)者在協(xié)作學(xué)習(xí)中遇到問題時，與傳統(tǒng)媒體相比，對話機(jī)器人在大多數(shù)情況下能夠提供更加精準(zhǔn)、全面的回答，因此，激活了更多的知識點(diǎn)，激活量相應(yīng)提高。而傳統(tǒng)媒體提供的回答不夠精準(zhǔn)、主題不聚焦，很多與學(xué)習(xí)者提出的問題相關(guān)度不高或者不相關(guān)，因此，難以激活相關(guān)的知識點(diǎn)而導(dǎo)致激活量較低。第二，對話機(jī)器人能夠?qū)ψ髌愤M(jìn)行全面、較為客觀地評價，同時還能提供修改建議，而傳統(tǒng)媒體卻無法實(shí)現(xiàn)。因此，對話機(jī)器人提供的信息中蘊(yùn)含的知識總量以及對協(xié)作學(xué)習(xí)的支持力度都遠(yuǎn)遠(yuǎn)高于傳統(tǒng)媒體。另外，本研究也發(fā)現(xiàn)，對話機(jī)器人在貢獻(xiàn)度方面確實(shí)高于傳統(tǒng)媒體的貢獻(xiàn)度。主要的原因在于，對話機(jī)器人確實(shí)能夠激活更多的知識點(diǎn)，學(xué)習(xí)者對它的依賴程度也高于傳統(tǒng)媒體，因此，基于生成式人工智能技術(shù)的對話機(jī)器人對于協(xié)作學(xué)習(xí)的貢獻(xiàn)度也高于傳統(tǒng)媒體。

（二）在線協(xié)作學(xué)習(xí)績效提高的原因

本研究結(jié)果表明，利用基于生成式人工智能技術(shù)的對話機(jī)器人確實(shí)有助于提升在線協(xié)作學(xué)習(xí)績效。首先，該對話機(jī)器人從不同視角提供了精準(zhǔn)的觀點(diǎn)，而且有些觀點(diǎn)較為新穎獨(dú)特，幫助學(xué)習(xí)者腦洞大開，啟迪心智。其次，當(dāng)學(xué)習(xí)者找不到證據(jù)時，對話機(jī)器人能夠提供事實(shí)性和理論性證據(jù)，學(xué)習(xí)者經(jīng)過判斷后，在完成小組作品時選擇了合適且充分的證據(jù)。再次，在論證過程中，對話機(jī)器人幫助學(xué)習(xí)者采用多種方法論證提出觀點(diǎn)和想法，供學(xué)習(xí)者參考。最后，對話機(jī)器人對于每個實(shí)驗(yàn)組提出的結(jié)論進(jìn)行評價和檢查，并提出修改建議，從而幫助學(xué)習(xí)者得出正確全面的結(jié)論。然而，控制組的學(xué)習(xí)者卻得不到這些支持和幫助，傳統(tǒng)媒體的功能不夠強(qiáng)大，因此，實(shí)驗(yàn)組學(xué)習(xí)者的協(xié)作學(xué)習(xí)績效明顯高于控制組。

（三）批判性思維意識提升的原因

本研究發(fā)現(xiàn)，基于生成式人工智能技術(shù)的對話機(jī)器人對于提升學(xué)習(xí)者的批判性思維意識具有顯著影響。分析其中的原因，主要有兩方面：第一，由于該對話機(jī)器人功能強(qiáng)大，無論對于學(xué)習(xí)者的問題還是小組作品的評價，都能夠提供全面的回答。然而，學(xué)習(xí)者需要從中選擇適合、正確的回答或建議。因此，學(xué)習(xí)者需要調(diào)用批判性思維意識去質(zhì)疑、批判對話機(jī)器人的回答。第二，對話機(jī)器人雖然能夠提供較為全面的回答，但是學(xué)習(xí)者卻無法完全信任提供的回答。因此，學(xué)習(xí)者需要采用其他方式去檢驗(yàn)對話機(jī)器人的回答或建議，這也增強(qiáng)了學(xué)習(xí)者的批判性思維意識。

六、結(jié)論與啟示

（一）研究結(jié)論

本研究通過實(shí)證研究的方法檢驗(yàn)了基于生成式人工智能技術(shù)的對話機(jī)器人在知識激活量、貢獻(xiàn)度以及對于在線協(xié)作學(xué)習(xí)績效和批判性思維意識的影響。研究結(jié)果表明，與傳統(tǒng)的媒體相比，基于生成式人工智能技術(shù)的對話機(jī)器人確實(shí)在知識激活量、貢獻(xiàn)度方面明顯優(yōu)于傳統(tǒng)媒體，而且也能夠顯著提升在線協(xié)作學(xué)習(xí)績效和批判性思維意識。區(qū)別于傳統(tǒng)的研究僅僅關(guān)注媒體對學(xué)習(xí)者成績的影響，本研究采用基于信息流的分析方法在協(xié)作學(xué)習(xí)情境下檢驗(yàn)基于生成式人工智能技術(shù)的對話機(jī)器人的激活量和貢獻(xiàn)度，從而客觀地分析新媒體的價值和作用。這也是本研究的創(chuàng)新點(diǎn)和主要學(xué)術(shù)貢獻(xiàn)。當(dāng)然，由于受制于研究樣本和情境所限，本研究得出的研究結(jié)論尚不能推廣，這也是本研究的不足之處。未來，將繼續(xù)擴(kuò)大研究樣本、拓寬研究情境，從而檢驗(yàn)研究結(jié)論的可重復(fù)性。

（二）啟示和建議

本研究對于實(shí)踐具有如下啟示。第一， 本研究發(fā)現(xiàn)基于生成式人工智能技術(shù)的對話機(jī)器人對于提升在線協(xié)作學(xué)習(xí)績效具有積極的促進(jìn)作用。因此，實(shí)踐者和研究者可以充分利用其強(qiáng)大功能輔助教師備課與教學(xué)、輔助學(xué)生學(xué)習(xí)、幫助管理人員制定決策，協(xié)助研究人員創(chuàng)生全新的研究問題和解決方案等。

第二，基于生成式人工智能技術(shù)的對話機(jī)器人有時候提供的信息不正確或者具有偏差，這主要是因?yàn)樗闹悄墚吘惯€達(dá)不到像人類一樣的智能，而且這類對話機(jī)器人不具有責(zé)任意識。因此，需要辯證地看待并合理利用，特別是要對其提供的信息進(jìn)行甄選。研究者和實(shí)踐者也不能盲目地相信對話機(jī)器人的回答，需要去偽存真，選擇并利用正確的信息解決實(shí)際問題。

第三，不能過度依賴基于生成式人工智能技術(shù)的對話機(jī)器人，否則陷入平庸，難以進(jìn)步和創(chuàng)新。正確的做法是在生成式人工智能技術(shù)的支持下，進(jìn)一步提升批判性思維技能和創(chuàng)新能力，把重復(fù)性的工作交給人工智能技術(shù)以減輕工作負(fù)擔(dān)和壓力，研究者和實(shí)踐者重點(diǎn)從事創(chuàng)造性勞動，從而創(chuàng)造更新的技術(shù)、更優(yōu)的方法和更好的解決方案。

第四，由于基于生成式人工智能技術(shù)的對話機(jī)器人采用通用的大型語言模型，研發(fā)成本巨大。因此，如果在教育場景中使用，需要把通用大語言模型私有化、微型化從而適用于不同的教育場景，這樣一方面能夠降低成本，另一方面還能提供更精準(zhǔn)、更高效、更個性化的教學(xué)和學(xué)習(xí)支持服務(wù)。

第五，人類應(yīng)該與擁有生成式人工智能的機(jī)器有機(jī)協(xié)作。未來，需要進(jìn)一步探索人機(jī)協(xié)作的新路徑和新方法，從而提升效率和效果。人機(jī)協(xié)作的過程中，人類更多地進(jìn)行價值判斷、制定決策、情感交流、藝術(shù)審美等，機(jī)器則更多地提供信息、分析數(shù)據(jù)、過程監(jiān)控等[19]。人類扮演的角色包括設(shè)計(jì)者、決策者、導(dǎo)師、促進(jìn)者、干預(yù)者等，而智能機(jī)器則扮演同伴、助教、分析者、評價者、監(jiān)控者等，通過人機(jī)協(xié)作生成混合智能，從而助力實(shí)現(xiàn)更高的學(xué)習(xí)目標(biāo)。

[參考文獻(xiàn)]

[1] STUART R， PETER N. Artificial intelligence： a modern approach[M]. 3rd ed. Upper Saddle River， NJ： PrenticeHall，2016.

[2] 丁磊.生成式人工智能[M].北京：中信出版集團(tuán)，2023.

[3] CHEN C M， WANG J Y， ZHAO R H. An effective method for incentivizing groups implemented in a collaborative problem-based learning system to enhance positive peer interaction and learning performance[J]. Interactive learning environments，2022，30（3）：435-454.

[4] ZHANG S， LI H， WEN Y， et al. Exploration of a group assessment model to foster student teachers' critical thinking[J]. Thinking skills and creativity， 2023，47：101239.

[5] REEVES T C， HERRINGTON J， OLIVER R. A development research agenda for online collaborative learning[J]. Educational technology research and development， 2004，52（4）：53-65.

[6] NG P M L， CHAN J K Y， LIT K K. Student learning performance in online collaborative learning[J]. Education and information technologies， 2022，27（6）：8129-8145.

[7] ROSEN Y， WOLF I， STOEFFLER K. Fostering collaborative problem solving skills in science： the animalia project[J]. Computers in human behavior， 2020，104：105922.

[8] YANG X， LI J， XING B. Behavioral patterns of knowledge construction in online cooperative translation activities[J]. The internet and higher education， 2018，36：13-21.

[9] WU S Y. Construction and evaluation of an online environment to reduce off-topic messaging[J]. Interactive learning environments， 2022，30（3）：455-469.

[10] HERNANDEZ-SELLES N， MUNOZ-CARRIL P C， GONZALEZ-SANMAMED M. Computer-supported collaborative learning： an analysis of the relationship between interaction， emotional support and online collaborative tools[J]. Computers & education， 2019，138： 1-12.

[11] HATTIE J， TIMPERLEY H. The power of feedback[J]. Review of educational research， 2007，77（1）：81-112.

[12] MARTINEZ-MALDONADO R. A handheld classroom dashboard： teachers' perspectives on the use of real-time collaborative learning analytics[J]. International journal of computer-supported collaborative learning， 2019，14：383-411.

[13] TAN J S H， CHEN W. Peer feedback to support collaborative knowledge improvement： what kind of feedback feed-forward？[J]. Computers & education， 2022，187：104467.

[14] XIE T， LIU R， CHEN Y， et al. MOCA： a motivational online conversational agent for improving student engagement in collaborative learning[J]. IEEE transactions on learning technologies， 2021，14（5）：653-664.

[15] JOVANOVIC M， CAMPBELL M. Generative artificial intelligence： trends and prospects[J]. Computer， 2022，55（10）：107-112.

[16] GOODFELLOW I， POUGET-ABADIE J， MIRZA M， et al. Generative adversarial nets[EB/OL].（2014-06-10）[2023-10-04]. https：//arxiv.org/abs/1406.2661.

[17] 劉聰，杜振東， 涂銘，等. ChatGPT原理與實(shí)踐：大型語言模型的算法、技術(shù)和私有化[M].北京：機(jī)械工業(yè)出版社，2023.

[18] 祝智庭，戴嶺，胡姣.高意識生成式學(xué)習(xí)：AIGC技術(shù)賦能的學(xué)習(xí)范式創(chuàng)新[J].電化教育研究，2023，44（6）：5-14.

[19] 楊宗凱，王俊，吳砥，等. ChatGPT/生成式人工智能對教育的影響探析及應(yīng)對策略[J].華東師范大學(xué)學(xué)報(bào) （教育科學(xué)版），2023，41（7）：26-35.

[20] CHIU T K F. The impact of Generative AI （GenAI） on practices， policies and research direction in education： a case of ChatGPT and Midjourney[J]. Interactive learning environments， 2023：1-17.

[21] MALLIOS S， BOURBAKIS N. A survey on human machine dialogue systems[C]//2016 7th International Conference on Information， Intelligence， Systems & Applications （IISA）. IEEE，2016：1-7.

[22] CHEN H， LIU X， YIN D， et al. A survey on dialogue systems： recent advances and new frontiers[J]. Acm sigkdd explorations newsletter， 2017，19（2）：25-35.

[23] 趙陽洋，王振宇，王佩，等.任務(wù)型對話系統(tǒng)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2020，43（10）：1862-1896.

[24] NI J， YOUNG T， PANDELEA V， et al. Recent advances in deep learning based dialogue systems： a systematic survey[J]. Artificial intelligence review， 2023，56（4）：3055-3155.

[25] WEN T H， VANDYKE D， MRKSIC N， et al. A network-based end-to-end trainable task-oriented dialogue system[EB/OL]. （2017-04-24）[2023-10-04]. https：//arxiv.org/abs/1604.04562.

[26] LIAO K， LIU Q， WEI Z， et al. Task-oriented dialogue system for automatic disease diagnosis via hierarchical reinforcement learning[EB/OL]. （2020-04-29）[2023-10-04]. https：//arxiv.org/abs/2004.14254v1.

[27] LI K C， CHANG M， WU K H. Developing a task-based dialogue system for English language learning[J]. Education sciences， 2020， 10（11）：306.

[28] TEGOS S， DEMETRIADIS S， KARAKOSTAS A. Promoting academically productive talk with conversational agent interventions in collaborative learning settings[J]. Computers & education， 2015，87：309-325.

[29] NGUYEN H. Role design considerations of conversational agents to facilitate discussion and systems thinking[J]. Computers & education， 2023，192：104661.

[30] YEH Y C. A study of substitute teachers' professional knowledge， personal teaching efficacy， and teaching behavior in critical-thinking instruction[J]. Journal of chengchi university， 1999，78：55-84.

[31] 百度. 文心一言[EB/OL]. [2023-12-23]. https：//yiyan.baidu.com/welcome.

[32] 鄭蘭琴，楊開城，黃榮懷.基于信息流的協(xié)作學(xué)習(xí)交互分析方法的研究[J].中國電化教育，2010（5）：22-26.