人機爭論探究法：一種爭論式智能會話機器人支持的學生高階思維能力培養(yǎng)模式探索

李海峰 王煒

[摘 ? 要] 大量學生利用生成式人工智能生成作業(yè)，導致了學生高階思維能力難以有效培養(yǎng)。在人機會話中嵌入“爭論噪音”，將是解決這一問題的可能途徑。研究采用準實驗研究設計，基于高階思維、建構(gòu)主義和爭論學習理論，利用文心一言、學習分析和騰訊QQ等技術(shù)工具，開發(fā)了爭論式智能會話機器人，構(gòu)建了人機爭論探究法教學模式。結(jié)果表明，實驗組的學習成績、批判性思維能力、問題解決能力和學習態(tài)度顯著優(yōu)于對照組，但是創(chuàng)新能力效果不顯著。為提高人機爭論學習效果，教師需要構(gòu)建特定的高階思維學習支架，優(yōu)化人機爭論學習的算法機制，培養(yǎng)學生的人機爭論素養(yǎng)，研制師生機三元協(xié)同爭論機制。

[關鍵詞] 生成式人工智能； 高階思維； 教學模式； 人機協(xié)同； 智能教育

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 李海峰（1978—），男，河北唐山人。副教授，博士，主要從事計算機支持的協(xié)作學習研究。E-mail：tangshanlhf@163.com。

一、生成式人工智能教育應用現(xiàn)實困境與

破解之路

生成式人工智能對教學產(chǎn)生了積極影響。它不僅為大規(guī)模個性化學習提供了有力支撐[1]，而且其語境持續(xù)問答、質(zhì)疑前提和承認錯誤[2]等能力，為人機協(xié)同逐漸替代班級授課制提供可能[3]。此外，它將成為高智商的智能學伴，輔助學生完成繁瑣的學習任務。然而，其對學生學習也產(chǎn)生了消極影響。許多學生直接用其生成作業(yè)，替代了學生思維[4]，削弱了他們的高階思維能力[5]和獨立思考的意識與能力[6]，反饋的類人表達進一步加劇了這一影響。

解決這些問題的方案可能是，使學生持續(xù)參與到鼓勵學生高階思維能力的討論中[5]。本研究認為，人機會話需要融入“爭論噪音”干預機制，智能引導人機參與爭論式問題解決，從而可能避免學生過度依賴技術(shù)和輕信反饋信息，引導學生批判性思考和創(chuàng)造性地解決問題。為此，本文嘗試基于高階思維、建構(gòu)主義和爭論學習理論，利用文心一言、學習分析和騰訊QQ等技術(shù)工具，開發(fā)爭論式智能會話機器人，構(gòu)建促進學生高階思維能力的人機爭論探究法教學模式。

二、人機爭論探究法的基本原理與關鍵技術(shù)

（一）理論基礎

1. 高階思維

高階思維存在認知高階說、核心素養(yǎng)說和通用高階說三種界說。認知高階說指布魯姆教育目標認知過程維度的分析、評價和創(chuàng)造能力；核心素養(yǎng)說指學生發(fā)展核心素養(yǎng)總體框架[7]中的批判質(zhì)疑、勇于探究和問題解決等能力；通用高階說指人們普遍認可的批判性思維、問題解決和創(chuàng)新等能力[8]。爭論式智能會話機器人，需要能夠引導學生進行批判性思考、問題解決和創(chuàng)新探索，提供高階思維能力學習支架，促進學生高階思維能力提升。

2. 建構(gòu)主義

建構(gòu)主義理論認為[9]，知識是一種假設、解釋或者暫時性的認識，學習是自我建構(gòu)認知圖式的過程，不能通過直接傳授知識促使學習發(fā)生。智能會話機器人不僅需要消解智能喂養(yǎng)，引導學生自我知識建構(gòu)，批判性地理解反饋內(nèi)容，而且需要利用案例、體驗或者實踐等方式，促進群體互動交流、邏輯推理和爭論學習。會話是知識建構(gòu)的關鍵途徑，智能會話機器人需具有誘發(fā)學生參與人機、人際深度探究的能力。

3. 爭論學習

爭論（Argument）是高階思維能力培養(yǎng)的重要途徑[10]，是一個評估和辯護主張或者觀點的過程[11]。圖爾明（Toulmin）的論證模型[12]是代表性的爭論學習模型，涵蓋根據(jù)、觀點、限定、辯駁、保證和支持六個要素。智能會話機器人需要依據(jù)圖爾明的論證模型，參與和引導人機群體爭論學習，如主動質(zhì)疑、發(fā)起反駁和思考條件等。這將有助于消解過度依賴技術(shù)和盲目相信反饋信息的問題，促進學生高階思維能力發(fā)展。

（二）學習發(fā)生機制

人機爭論探究法能否促進高階思維能力，取決于人機會話如何從“智能喂養(yǎng)”轉(zhuǎn)向“人機爭論”。為此，本文構(gòu)建了人機爭論學習發(fā)生機制模型，由大語言模型、學習者以及他們之間的信息傳輸三個部分組成，如圖1所示。模型探究了人機爭論學習的發(fā)生原理，刻畫了人機爭論學習過程的關鍵要素及其邏輯關系，描述了人機爭論促進高階思維能力的知識傳播機制。

1. 生成噪音誘發(fā)爭論機制

大語言模型由認知黑箱和程序接口組成，可以根據(jù)信息提示生成類人的、系統(tǒng)的和流暢的反饋信息，簡化了以往理解、分析和篩選搜索引擎反饋信息的復雜過程。然而，這不僅導致許多學生忽視了對反饋信息的分析、甄別和批判，而且助長了他們不愿批判、創(chuàng)造或解決問題的學習態(tài)度。解決這一問題的主要方法是，在請求與反饋的人機問答過程中，利用大語言模型、學習分析和人工智能技術(shù)生成“爭論噪音”?！盃幷撛胍簟睍蚱迫藱C問答方式，嵌入質(zhì)疑或引導相互批判?；趫D爾明的論證模型，智能地在人機會話中嵌入“爭論噪音”，誘發(fā)學習者與大語言模型進行批判性會話。

2. 角色設定驅(qū)動爭論機制

大語言模型在爭論學習方面存在兩個缺陷。其一，不具有主動引導學生爭論學習的功能。模擬課堂教師引發(fā)爭論學習的功能，是其促進學生高階思維能力的關鍵。學習系統(tǒng)可以利用學習分析和人工智能技術(shù)實時監(jiān)測學習狀態(tài)，以此驅(qū)動智能會話機器人主動發(fā)起群體爭論學習。其二，未被設為爭論學習角色。智能會話機器人需要以“爭論式教師”的角色存在。賦予大語言模型的爭論角色，是使反饋信息嵌入“爭論噪音”的關鍵。“爭論噪音”將可能引起學生對反饋內(nèi)容的關注，阻止學生成為“知識搬運工”，促進學生高階思維能力發(fā)展。

3. 誘導群體參與爭論機制

高階思維能力培養(yǎng)需要學習共同體加持，然而原始大語言模型只支持一對一的問答活動，這就需要創(chuàng)建人機群體爭論學習空間和學習誘導機制。群體爭論有兩個主要路徑：其一，利用角色設定驅(qū)動爭論，實現(xiàn)多個個體與大語言模型的爭論學習；其二，利用“爭論噪音”誘導群體參與爭論學習?！盃幷撛胍簟笔窃诜答佇畔⒅腥谌搿罢撟C”噪音，使學生對其產(chǎn)生質(zhì)疑、分析、批判或者改進的意識與行為。與此同時，智能會話機器人需要引導學生參與噪音解決。這就需要基于會話內(nèi)容的分析結(jié)果，隨機或者根據(jù)學情抽取學生，引導他們對會話內(nèi)容進行評價、批判甚至反駁。

（三）爭論式智能會話機器人

根據(jù)人機爭論學習發(fā)生機制，智能會話機器人需要具備三個功能：能將批判性爭論嵌入到人機會話過程中、能激發(fā)學習者參與人機爭論學習互動、能智能地提供學習支架。據(jù)此，研究團隊基于文心一言、學習分析和騰訊QQ等技術(shù)工具，開發(fā)了爭論式智能會話機器人“智慧學伴”及其學習系統(tǒng)，如圖2所示。

1. 大語言模型系統(tǒng)

大語言模型系統(tǒng)是基于文心一言構(gòu)建的，是人機爭論學習的核心功能?！盃幷撃芰Α蓖ㄟ^角色設定和誘發(fā)爭論實現(xiàn)。第一，爭論角色設定。文心一言提供了角色設定功能，可使反饋內(nèi)容聚焦特定領域，或者體現(xiàn)特定角色特征。根據(jù)爭論學習需求，文心一言的系統(tǒng)角色被設為“具有爭論能力和高階思維能力的遠程教育學教師”。第二，誘發(fā)爭論。為了激發(fā)學習者主動進行爭論學習，智慧學伴需根據(jù)會話內(nèi)容誘發(fā)學生爭論，如圖3所示。智慧學伴利用文心一言分析和判斷會話內(nèi)容是否為觀點，如果會話內(nèi)容屬于觀點，那么系統(tǒng)就會從支架數(shù)據(jù)庫中調(diào)用學習支架，引導人機、人際進行爭論學習。

2. 數(shù)據(jù)中心系統(tǒng)

數(shù)據(jù)中心系統(tǒng)是數(shù)據(jù)存取中心，包括四個數(shù)據(jù)庫。會話數(shù)據(jù)庫存儲人機會話數(shù)據(jù)，利用QQ代理服務器獲取和存儲會話時間戳、QQ號碼和會話內(nèi)容等信息。作業(yè)數(shù)據(jù)庫存儲智慧學伴為學習者推送的系列問題，這些問題由教師根據(jù)學習目標設計。支架數(shù)據(jù)庫存儲促進批判性思維、創(chuàng)造性思維和問題解決能力的各種學習支架。情感數(shù)據(jù)庫存儲情感符號或者情感話語，它們是教師設計和篩選的一系列鼓勵學習者持續(xù)爭論學習的情感語言。

3. 爭論會話智能調(diào)度系統(tǒng)

爭論會話智能調(diào)度系統(tǒng)是人機爭論學習的智能調(diào)控中心。爭論內(nèi)容可以利用文心一言的角色設定進行智能調(diào)度，使人機會話內(nèi)容始終聚焦遠程教育。針對學習者難以自發(fā)進行爭論學習的問題，教師可以通過分析、觀察和訪談，確定任務類型、爭論激勵和情感支持的智能發(fā)布時機和頻率。此外，智慧學伴需要在人機、人際互動過程中，適切地誘發(fā)、引導和保持爭論。爭論時機是利用文心一言對會話內(nèi)容進行判定。

4. 學習空間系統(tǒng)

學習空間系統(tǒng)提供了三個主要功能。第一，群體學習空間。該空間是基于QQ群功能實現(xiàn)的，教師、智慧學伴和學生共同構(gòu)成了學習共同體。第二，智能爭論學習服務。智慧學伴利用學習分析技術(shù)為學生提供學習服務，包括會話服務、爭論服務、誘發(fā)服務和激勵服務，這些服務在智能引擎的驅(qū)動下完成。第三，服務器數(shù)據(jù)通訊。QQ代理服務器是數(shù)據(jù)樞紐，負責智能驅(qū)動智慧學伴、關聯(lián)文心一言、連接QQ服務器、傳輸學習狀態(tài)數(shù)據(jù)。

5. 智能引擎系統(tǒng)

智能引擎系統(tǒng)是智慧學伴的智能核心。第一，智慧學伴通過QQ代理服務器，實時監(jiān)測學習狀態(tài)，根據(jù)學生@智慧學伴的事件，向文心一言發(fā)送請求、解析反饋信息、與學生交流。第二，學習分析用于分析會話情感、互動關系和評估觀點；智能監(jiān)控用于監(jiān)控學習狀態(tài)和實施學習干預；智能支架是基于學習分析結(jié)果向?qū)W習者智能推送學習支架；任務推送是根據(jù)設定的時間節(jié)點，定時向小組推送學習任務。第三，智能引擎系統(tǒng)是各系統(tǒng)的連接樞紐，負責調(diào)度不同系統(tǒng)，實時處理用戶請求和反饋信息。

三、人機爭論探究法教學模式

（一）教學模式基本內(nèi)容

人機爭論探究法旨在消解智能喂養(yǎng)問題，促進學生批判性思維、問題解決和創(chuàng)新能力發(fā)展。為此，本研究基于人機爭論探究法學習發(fā)生機制，以傳統(tǒng)翻轉(zhuǎn)課堂教學模式為基礎，利用智慧學伴，構(gòu)建了人機爭論探究法教學模式基本框架，如圖4所示。

1. 課前：人機協(xié)同爭論探究自主學習

學生課前學習由自學線上課程、人機爭論學習和人機協(xié)同作業(yè)組成。教師為學生自學提供課中內(nèi)容對應的線上課程。人機爭論學習發(fā)生在學習網(wǎng)課之后，旨在增加學生與智慧學伴爭論的共同經(jīng)驗。人機協(xié)同作業(yè)在人機爭論學習之后或者過程中完成，這一過程嵌入了“論證噪音”。人機協(xié)同作業(yè)與人機爭論學習存在較多同步，也經(jīng)常迭代循環(huán)。人機爭論學習將傳統(tǒng)視頻學習方式，轉(zhuǎn)變?yōu)槿藱C爭論學習，實現(xiàn)了個性化、及時性的討論交流。

智慧學伴為爭論學習提供支持。它不僅定時向小組發(fā)送學習任務，而且智能引導爭論、推送學習支架和做出決策。智慧助教會根據(jù)時間節(jié)點或者學習狀態(tài)，實時呈現(xiàn)社會網(wǎng)絡、會話情感和會話數(shù)量。教師的作用依然不可或缺。教師需要根據(jù)教學目標從學習內(nèi)容中萃取一系列問題，按照復雜程度、內(nèi)在邏輯和認知特點依次排列。為彌補智慧助教引導爭論學習的不足，教師需要根據(jù)分析結(jié)果動態(tài)調(diào)整任務難度和智慧學伴功能。

2. 課中：群體協(xié)同爭論探究問題解決

課中以群體協(xié)同爭論探究的方式解決課前遇到的問題。第一，教師隨機邀請一位學生到講臺，由其針對問題進行分析、舉例或提出解決方案，然后師生圍繞問題進行爭論探究。第二，教師呈現(xiàn)討論問題后，組織小組與智慧學伴爭論學習。其余時間是師生和生生爭論學習，防止過度依賴智慧學伴、課前課中不認真學習。第三，在采訪式爭論探究過程中，教師邀請其他學生解決師生之間的爭論，促進群體爭論學習共同體的形成。

智慧學伴和教師的課中角色與課前相比差異較大。首先，智慧學伴的使用頻率明顯降低，主要用在小組互動階段。智慧學伴主要為小組爭論學習提供爭論引導，分析會話數(shù)量、會話情感和社會互動等。其次，教師的作用與課前相比明顯增加，在師生爭論、群體爭論和過程評價等方面具有主導作用。教師負責組織師生開展訪談式爭論學習，引導學生對序列問題逐一爭論，如提供學習支架、引入第三方爭論、群體解決爭論難點等。

3. 課后：人機協(xié)同爭論完善問題方案

首先，這一階段的首要環(huán)節(jié)是萃取問題，目的是分析、整理和凝練課中討論發(fā)現(xiàn)的問題，明晰問題解決方案中需要改進的關鍵問題。其次，學生和智慧學伴進入了人機爭論探究階段，智慧學伴通過爭論引導、爭論支架和爭論評估等方式，引發(fā)學生對問題解決方案的創(chuàng)新思考和探究，從而持續(xù)完善問題解決方案。最后，通過人機爭論探究和完善問題方案兩個階段的持續(xù)迭代循環(huán)，進一步析出方案中存在的問題，再次進入人機爭論探究學習過程。

智慧學伴和教師的角色和作用，與課前相比基本相同。智慧學伴以方案完善為目的，與學習者進行方案問題分析、論證爭論和動態(tài)學習評價。教師輔助學生完善問題解決方案，如萃取方案問題、人機協(xié)同探究、適度引導爭論和組織作品分享。教師的作用是進一步培養(yǎng)學生的高階思維能力，引導學生去解決方案中遇到的問題。作品分享是教師組織學生在平臺上分享作品，引導學生進行相互評價、經(jīng)驗交流和方案改進。

（二）教學模式基本策略

1. 論證型人機爭論學習

以人機“論證”構(gòu)建人機爭論學習，是促進高階思維能力的主要途徑，涉及人機論證的過程、關系和智能化。人機論證過程以圖爾明的“根據(jù)、觀點、限定、辯駁、保證和支持”論證過程實施爭論學習。人機論證關系是教師通過程序和算法設計，賦予智慧學伴與學生主動爭論學習的能力。人機論證智能化是借助大語言模型、學習分析和人工智能等技術(shù)，賦予智慧學伴辨別學生觀點、人機爭論學習或者隨機引入他者參與爭論學習的能力。

2. 智能化爭論學習支架

智能提供爭論學習支架，是人機爭論探究成功的關鍵。爭論學習支架由教師根據(jù)研究問題或者高階思維培養(yǎng)目標，設計和開發(fā)的一系列學習支架。根據(jù)圖爾明的論證模型、批判性思維、創(chuàng)造性思維和問題解決的基本要素，本研究開發(fā)了一系列人機爭論學習支架。智慧學伴利用學習分析和人工智能技術(shù)，通過識別和分析會話內(nèi)容，智能地從學習支架數(shù)據(jù)庫中選取和推送學習支架，引導學生與智慧學伴、同伴進行爭論學習。

四、教學實驗

（一）研究設計

1. 實驗對象

實驗對象來自某大學教育技術(shù)學專業(yè)的2021級1班和2班。學生沒有使用大語言模型學習的經(jīng)歷，參與過翻轉(zhuǎn)課堂學習。兩個班學生的學習績效、批判性思維能力和問題解決能力等前測結(jié)果不存在顯著性差異。2021級1班被隨機選為實驗組，2班作為對照組。

2. 實驗設計

學習內(nèi)容是“遠程教育學”課程的相關內(nèi)容。教學實驗采用不相等實驗組對照組前測后測準實驗研究設計。自變量是教學方式，實驗組采用人機爭論探究法教學模式，對照組采用傳統(tǒng)翻轉(zhuǎn)課堂教學模式。根據(jù)研究目的和研究問題，因變量包括學習績效、批判性思維能力、問題解決能力、創(chuàng)造性思維能力和學習態(tài)度。實驗時間從2023年9月1日—28日，在實驗的最后一天測量因變量。

3. 研究假設

根據(jù)對人機爭論探究法的理論基礎、學習發(fā)生機制、智慧學伴和教學模式等理論與技術(shù)的論證，人機爭論探究法與傳統(tǒng)翻轉(zhuǎn)課堂教學模式相比，能夠顯著提升學生的學習績效、高階思維能力和學習態(tài)度。因此，本研究對實驗組總體平均數(shù)μ1和對照組總體平均數(shù)μ2提出如下假設，零假設為H0：μ1=μ2，備擇假設為H1：μ1≠μ2 。

4. 測量工具

學習績效利用試卷測評。試卷由兩位經(jīng)驗豐富的教師共同編寫，包括單項選擇題和多項選擇題共29道。批判性思維能力采用批判性思維傾向量表（Cronbach's α=0.83）測量，問題解決能力采用問題解決能力量表（Cronbach's α=0.78）[13]測量，創(chuàng)造性思維能力采用創(chuàng)造性思維傾向量表（Cronbach's α=0.83）[14]測量，學習態(tài)度采用學習態(tài)度量表（Cronbach's α=0.79）[15]測量。各量表的因子載荷和信度均滿足有效性臨界值標準[16]。量表采用五點李克特量表進行設計，1代表完全不同意，并在量表中設置了3個測謊題。各測量維度的得分總和，代表學生的能力或者態(tài)度。

（二）研究結(jié)果

為了排除前測對后測統(tǒng)計產(chǎn)生的影響，實驗數(shù)據(jù)采用單因素協(xié)方差分析。兩組學生的前測數(shù)據(jù)斜率系數(shù)一致性統(tǒng)計檢驗結(jié)果均不顯著，如學習成績（F=0.06，p>0.05）、批判性思維能力（F=1.97，p>0.05）、問題解決能力（F=3.13，p>0.05）、創(chuàng)造性思維能力（F=0.90，p>0.05）、學習態(tài)度（F=1.02，p>0.05），表明單因素協(xié)方差分析能夠分析兩組學生的后測數(shù)據(jù)。單因素協(xié)方差分析檢驗結(jié)果見表1。

（三）討論與結(jié)論

1. 人機爭論探究法對學生批判性思維能力的影響

人機爭論探究法顯著提升了學生的批判性思維能力，這與已有部分研究結(jié)果一致[18]。爭論噪音使學生不再是個性化智能喂養(yǎng)對象，問題解決方案通過人機爭論才能逐步明確。批判性思維學習支架的智能推薦，有助于人機持續(xù)深度爭論學習。然而，這一研究結(jié)果與已有部分研究結(jié)果存在分歧[19]。主要原因是，以往智能聊天機器人的人機互動體驗較差，缺乏人機爭論學習的機制設計。此外，學生將聊天機器人看作問題解決的直接幫助者，或者問題解決方案的索取對象，而不是看作爭論學習的智慧學伴，其批判性思維在這一過程中難以得到有效培養(yǎng)。

2. 人機爭論探究法對學生創(chuàng)新思維能力的影響

研究結(jié)果未能證實大語言模型能夠提升學生創(chuàng)新思維能力的猜想[20]，也未消解不能促進創(chuàng)新思維能力的擔憂[21]，主要原因是學生創(chuàng)新思維能力需要長時間培養(yǎng)。然而，學生認為，這種教學方法“極大地激發(fā)了學生的自主思考能力”“能引導我們探究新的想法”“對思維方式很有提升”。顯然，人機爭論探究法對學生的創(chuàng)新思維能力具有積極的影響。智慧學伴像一位專家型教師，能夠引導學生開展人機爭論學習，為涌現(xiàn)出新的想法提供了諸多支持。創(chuàng)新思維學習支架及其智能推送，也為誘發(fā)學生創(chuàng)新靈感提供了重要的引導支持。

3. 人機爭論探究法對學生問題解決能力的影響

人機爭論探究法能夠顯著提升學生的問題解決能力，消解了其不能促進問題解決能力的質(zhì)疑或者猜想[22]。大語言模型的直接使用導致了許多學生很少分析問題、探索方案和檢驗假設，人機爭論探究法有力地遏制了這些消極學習行為，引導學生發(fā)現(xiàn)問題、探索方案、爭論假設、創(chuàng)新解決路徑。在課前、課中和課后的人機爭論學習過程中，學生直接生成作業(yè)的行為顯著減少，與智慧學伴持續(xù)討論的學習行為逐漸增多。在人機爭論學習過程中，學生逐步學會了如何去發(fā)現(xiàn)問題、分析問題和解決問題。學習支架的智能推送促進了學生問題解決學習行為的深度發(fā)展，減少了問題解決學習活動的中斷現(xiàn)象。

4. 人機爭論探究法對學生學習成績的影響

人機爭論探究法能夠顯著提升學習成績，這與已有研究結(jié)果一致[23]?；诖笳Z言模型的智慧學伴，超出了以往聊天機器人的學習支持能力，不僅滿足了學生的個性化學習需求，而且提供了卓越的會話體驗和學習滿足感。學生經(jīng)常在學習小組中表揚智慧學伴，諸如“你太聰明了”“你回答的太好了”“好棒”。卓越的學習體驗提高了學習空間的學習粘性，使學生愿意參與人機爭論學習。人機爭論學習是提升學習成績的關鍵，避免了學生直接利用大語言模型完成作業(yè)。通過不斷的人機爭論學習，學生對知識的理解和掌握程度明顯提升，學生的學習成績得到顯著提高。

5. 人機爭論探究法對學生學習態(tài)度的影響

人機爭論探究法能夠顯著提升學生的學習態(tài)度，這與已有研究結(jié)果一致[19，24]。智慧學伴不僅能夠滿足學生的個性化學習需要，而且能夠激發(fā)學生的學習興趣?；诖笳Z言模型的智慧學伴，能夠進行高質(zhì)量的類人回答、邏輯推理和爭論學習，這些能力已經(jīng)超越了以往許多智能導師、智慧學伴和問答機器人。學生與智慧學伴之間形成了真正的學習伙伴關系，他們更愿意與智慧學伴溝通交流和爭論學習。智慧學伴的爭論學習機制，增加了學生的學習興趣和探究動機。它像一位專家型教師一樣，能夠主動引導學生進行爭論學習。學生認為，“智慧助教像老師一樣經(jīng)常給我們舉例，引導我們互動交流、批判反思……”

五、研究建議

（一）構(gòu)建特定的高階思維學習支架

對人機爭論素養(yǎng)較低的學生而言，提供完善的學習支架尤為重要。生成式人工智能時代的學生高階思維能力培養(yǎng)，更需要相應的人機爭論學習支架支持。教師需要根據(jù)爭論學習的需要，構(gòu)建適合不同學科、不同內(nèi)容或者不同群體的爭論學習支架。譬如，本研究的爭論學習支架，是針對本科生和“遠程教育學”課程構(gòu)建的，體現(xiàn)的是特定學習群體的認知能力、理解能力和學習領域。從人機爭論學習的理論基礎看，人機爭論學習支架體現(xiàn)的是圖爾明論證的基本過程和高階思維能力培養(yǎng)目標。如果教師打算培養(yǎng)學生的另一種爭論能力，就需要基于相應的理論基礎構(gòu)建相應的爭論學習支架。

（二）優(yōu)化人機爭論學習的算法機制

人機爭論學習是利用文心一言、學習分析和人工智能等技術(shù)，以高階思維、建構(gòu)主義和爭論學習理論為指導，構(gòu)建的人機爭論學習機制。為了提高人機爭論學習的質(zhì)量和效果，人機爭論探究法需要優(yōu)化人機爭論學習的算法機制。目前的爭論學習機制主要來自兩個方面，包括爭論學習支架機制和爭論學習決策機制。前者主要利用開發(fā)的學習支架，根據(jù)學習分析的結(jié)果，智能地為學生提供爭論學習支持；后者利用文心一言判斷爭論學習的時機、推送學習內(nèi)容、誘發(fā)人機爭論學習。為了優(yōu)化人機爭論學習機制，教師需要明確爭論學習中遇到的問題，利用機器學習、學習分析和大語言模型，精準預測和支持爭論學習的時機、深度和持續(xù)發(fā)展。

（三）培養(yǎng)學生的人機爭論學習素養(yǎng)

爭論學習需要學生具有人機爭論學習素養(yǎng)。生成式人工智能時代，學生的獨創(chuàng)性能力、批判性思維能力和創(chuàng)新能力尤為重要，爭論的主動意識、行為和敏銳度是人機爭論學習必備的能力和素養(yǎng)。學生的人機爭論學習素養(yǎng)需要從兩方面培養(yǎng)。第一，教師需要教授學生與大語言模型進行爭論學習的策略、知識和技能，提升人機爭論學習的有效性、準確性和適切性，如提問方式、提問策略、提問用語和凝練問題等。第二，學生要善用爭論學習支架，需要熟悉爭論學習支架的具體內(nèi)容，掌握爭論學習支架的使用技巧。教師可通過教授學習支架的使用技巧，提升他們使用學習支架進行人機爭論的學習效果。

（四）研制師生機三元協(xié)同爭論機制

“以人為師”在生成式人工智能時代依然具有主導地位[25]。大語言模型難以應對在地化知識爭論，難以處理偶發(fā)性的爭論學習需求。為此，教師需要參與人機爭論學習，為人機爭論學習中遇到的問題和在地化知識的爭論學習提供幫助。本研究以教師和智慧助教“合體”的方式，實現(xiàn)高質(zhì)量的人機爭論學習，使人機爭論學習具有真實性、高智能和適切性。“合體”是指教師根據(jù)學生與智慧學伴的爭論學習狀況，通過系統(tǒng)后臺以智慧學伴的身份隨時與學生進行爭論，從而實現(xiàn)教師和智慧學伴的有機融合。這種有機融合彌補了大語言模型處理在地化知識的能力不足，提升了智慧學伴的學習系統(tǒng)粘性。

[參考文獻]

[1] 周玲，王烽.生成式人工智能的教育啟示：讓每個人成為他自己[J].中國電化教育，2023，30（5）：9-14.

[2] ChatGPT： optimizing language models for dialogue[DB/OL].（2022-12-30）[2023-09-29].https：//openai.com/blog/chatgpt/.

[3] 陳玉琨.ChatGPT/生成式人工智能時代的教育變革[J].華東師范大學學報（教育科學版），2023，41（7）：103-116.

[4] 吳慮，楊磊.ChatGPT賦能學習何以可能[J].電化教育研究，2023，44（12）：28-34.

[5] PUTRA F W， RANGKA I B， AMINAH S， ADITAMA M H R. ChatGPT in the higher education environment： perspectives from the theory of high order thinking skills[J]. Journal of public health，2023，45（4）：840-841.

[6] 張絨.生成式人工智能技術(shù)對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，44（2）：5-14.

[7] 核心素養(yǎng)研究課題組.中國學生發(fā)展核心素養(yǎng)[J].中國教育學刊，2016，37（10）：1-3.

[8] LI W， HUANG J Y， LIU C Y， TSENG J C R， WANG S P. A study on the relationship between students' learning engagements and higher-order thinking skills in programming learning[J]. Thinking skills and creativity，2023，49（3）：1-38.

[9] 陳琦，張建偉.建構(gòu)主義學習觀要義評析[J].華東師范大學學報（教育科學版），1998，16（1）：61-68.

[10] LAZAROU D， ERDURAN S， SUTHERLAND R. Argumentation in science education as an evolving concept： following the object of activity[J]. Learning， culture and social interaction， 2017，14（3）：51-66.

[11] NAYLOR S， KEOGH B， DOWNING B. Argumentation and primary science[J]. Research in science education，2007，37（1）：17-39.

[12] TOULMIN S. The uses of argument[M]. New York： Cambridge University Press， 2003.

[13] HWANG G J， CHEN C H. Influences of an inquiry-based ubiquitous gaming design on students' learning achievements， motivation， behavioral patterns， and tendency towards critical thinking and problem solving[J]. British journal of educational technology， 2017，48（4）：950-971.

[14] HWANG G J， YANG L H， WANG S Y. A concept map-embedded educational computer game for improving students' learning performance in natural science courses[J]. Computers & education， 2013，69（9）：121-130.

[15] HWANG G J， CHIU M C， HSIA L H， CHU H C. Promoting art appreciation performances and behaviors in effective and joyful contexts： a two-tier test-based digital gaming approach[J]. Computers & education， 2023，194（3）：1-15.

[16] HAIR J F， BLACK W C， BABIN B J， ANDERSON R E. Multivariate data analysis[M]. 7th ed. New York： Prentice Hall，2010.

[17] COHEN J. Statistical power analysis for the behavioral sciences[M]. New York： Lawrence Erlbaum Associates，1988： 284-288.

[18] ZHANG R F， ZOU D， CHENG G. Chatbot-based training on logical fallacy in EFL argumentative writing[J]. Innovation in language learning and teaching， 2023，17（4）：1-14.

[19] DENG X J， YU Z G. A meta-analysis and systematic review of the effect of chatbot technology use in sustainable education[J]. Sustainability， 2023， 15（4）：1-19.

[20] JOHNSON A. ChatGPT in schools： here's where it's banned and how it could potentially help students[DB/OL].[2023-01-18]. https：//search.ebscohost.com/login.aspx？direct=true&db=buh&AN=161363470&lang=zh-cn&site=ehost-live.

[21] 馮建軍.我們?nèi)绾慰创鼵hatGPT對教育的挑戰(zhàn)[J].中國電化教育，2023（7）：1-6，13.

[22] 朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機遇、挑戰(zhàn)以及未來[J].華東師范大學學報（教育科學版），2023，41（7）：1-14.

[23] CHANG C Y， HWANG G J， GAU M L. Promoting students' learning achievement and self-efficacy： a mobile chatbot approach for nursing training[J]. British journal of educational technology， 2022， 53（1）：171-188.

[24] CHANG C Y， KUO S Y， HWANG G H. Chatbot-facilitated nursing education： incorporating a knowledge-based chatbot system into a nursing training program[J]. Educational technology & society， 2022， 25（1）：15-27.

[25] 郭順峰，李光，鄒紅軍.ChatGPT引發(fā)的“以人為師”合法性危機與應對——于技術(shù)批判理論視角[J].電化教育研究，2023，44（11）：28-35.

Human-Machine Arguing Inquiry Method： An Exploration of A Model for

Cultivating Students' Higher-order Thinking Ability Supported by

An Argumentative Intelligent Chatbot

LI Haifeng， ?WANG Wei

（School of Educational Science， Xinjiang Normal University， Urumqi Xinjiang 830017）

[Abstract] A large number of students use generative artificial intelligence to generate homework， which makes it difficult to effectively cultivate students' higher-order thinking ability. Embedding "argument noise" in human-machine conversations would be a possible way to solve this problem. Based on higher-order thinking， constructivism and argumentative learning theory， the study adopts quasi-experimental research design and uses Ernie Bot， Learning Analytics， Tencent QQ and other technical tools to develop argumentative intelligent chatbots and construct a teaching model of human-machine arguing inquiry method. The results show that the experimental group's academic performance， critical thinking ability， problem solving ability and learning attitude are significantly better than those of the control group， but the effect of innovation ability is not significant. In order to improve the effectiveness of human-machine argument learning， teachers need to build a specific learning scaffold for higher-order thinking， optimize the algorithmic mechanism of human-machine argument learning， cultivate students' human-machine argument literacy， and develop a teacher-student-machine ternary collaborative argument mechanism.

[Keywords] Generative Artificial Intelligence; Higher-order Thinking; Teaching Model; Human-Machine Collaboration; Intelligent Education