ChatGPT輔助下的學(xué)生創(chuàng)造性思維特征分析

摘要：為評估ChatGPT在現(xiàn)有創(chuàng)造性思維框架下準(zhǔn)確識別學(xué)生討論維度的能力，文章使用ChatGPT對學(xué)生討論文本進(jìn)行智能評估，并采用認(rèn)知網(wǎng)絡(luò)分析法對不同學(xué)業(yè)投入水平小組學(xué)生創(chuàng)造性思維的各維度特征差異、認(rèn)知網(wǎng)絡(luò)和發(fā)展趨勢進(jìn)行分析，結(jié)果發(fā)現(xiàn)：高水平學(xué)業(yè)投入小組學(xué)生的創(chuàng)造性思維整體表現(xiàn)優(yōu)異，而低水平學(xué)業(yè)投入小組學(xué)生也具有一定的創(chuàng)造性思維；不同水平學(xué)業(yè)投入小組的認(rèn)知網(wǎng)絡(luò)在不同討論階段呈現(xiàn)不同結(jié)構(gòu)，其中高水平學(xué)業(yè)投入小組學(xué)生的認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)相對更復(fù)雜；不同學(xué)業(yè)投入水平小組的認(rèn)知行為多聚焦發(fā)散性思考和社會交流維度。此外，文章還針對ChatGPT作為輔助工具的應(yīng)用提出建議，以使其更好地服務(wù)學(xué)生創(chuàng)造性思維的培養(yǎng)與提升，進(jìn)而推動生成式人工智能技術(shù)更好地融入未來的教育教學(xué)。

關(guān)鍵詞：創(chuàng)造性思維；ChatGPT；認(rèn)知網(wǎng)絡(luò)分析；學(xué)業(yè)投入

【中圖分類號】G40-057 【文獻(xiàn)標(biāo)識碼】A 【論文編號】1009—8097（2025）01—0073—08 【DOI】10.3969/j.issn.1009-8097.2025.01.008

引言

智能技術(shù)的發(fā)展在一定程度上降低了對低階知識和技能的要求，而對適應(yīng)時代發(fā)展所需的高階認(rèn)知能力提出了更高的要求，創(chuàng)造性思維作為創(chuàng)造力的核心受到了廣泛關(guān)注。越來越多的證據(jù)表明，同伴的反饋可以在互動過程中激發(fā)學(xué)習(xí)者的創(chuàng)造力^[1]，且學(xué)生的參與度與其創(chuàng)造力呈正相關(guān)^[2]。在傳統(tǒng)的基于同伴討論的教學(xué)評價中，由于討論過程中會產(chǎn)生大量的復(fù)雜語料內(nèi)容，因此教師的評價與反饋經(jīng)常滯后且質(zhì)量難以保證，不僅容易遺漏評價要點，而且得到的可能是單一、片面的反饋。

由美國OpenAI公司推出的聊天工具ChatGPT，自發(fā)布以來便引起了各界的持續(xù)熱議，為教育數(shù)字化轉(zhuǎn)型帶來了新的契機。ChatGPT采用提示學(xué)習(xí)與人類反饋相結(jié)合的訓(xùn)練方式，能夠理解自然語言并產(chǎn)生類人反應(yīng)^[3]。ChatGPT的底層認(rèn)知依賴于對輸入文本上下文的理解，其運行邏輯是通過前文的信息來推斷當(dāng)前語句的意思，并在此基礎(chǔ)上生成相應(yīng)的回復(fù)。這種基于自然語言的對話能力，使得ChatGPT在教學(xué)評價與反饋方面具有良好的應(yīng)用潛力。ChatGPT能夠?qū)Σ煌谋绢愋偷膶W(xué)生作業(yè)進(jìn)行評分和反饋，其在減輕教師教學(xué)負(fù)擔(dān)的同時，還能為學(xué)生提供更加個性化和便捷的學(xué)習(xí)體驗^[4]。鑒于此，本研究嘗試使用ChatGPT對同伴討論過程中學(xué)業(yè)投入水平不同的學(xué)生討論文本進(jìn)行智能評估，并進(jìn)行認(rèn)知網(wǎng)絡(luò)可視化分析，以得出ChatGPT輔助下的學(xué)生創(chuàng)造性思維特征。此外，本研究還探索了ChatGPT在教學(xué)評價中的應(yīng)用潛能，以期為生成式人工智能技術(shù)更好地融入未來教育教學(xué)提供思路和參考。

一 研究背景

1 認(rèn)知網(wǎng)絡(luò)分析視角下的學(xué)生創(chuàng)造性思維發(fā)展研究

認(rèn)知網(wǎng)絡(luò)分析法是一種協(xié)作學(xué)習(xí)分析法，主要對學(xué)習(xí)者在認(rèn)知活動中產(chǎn)生的交互數(shù)據(jù)進(jìn)行認(rèn)知層面分析，可用于表征和分析深度協(xié)作學(xué)習(xí)的過程。在教育領(lǐng)域，認(rèn)知網(wǎng)絡(luò)分析法被廣泛應(yīng)用于學(xué)習(xí)分析研究，其獨特的可視化表征能力可以揭示被研究者的認(rèn)知差異，將思維發(fā)展過程與認(rèn)知變化規(guī)律可視化，深度追蹤和分析被研究者的思維架構(gòu)與認(rèn)知發(fā)展軌跡^[5]。盡管認(rèn)知網(wǎng)絡(luò)分析法在教育領(lǐng)域的應(yīng)用日益增多，但在如何有效測量和發(fā)展學(xué)生的創(chuàng)造性思維方面仍缺乏深入的研究。對此，本研究嘗試從認(rèn)知網(wǎng)絡(luò)角度分析學(xué)生的創(chuàng)造性思維特征，以明晰學(xué)生在同伴討論過程中的認(rèn)知發(fā)展情況，從而為教師開展深度教學(xué)提供參考。

2 ChatGPT在同伴討論文本分析方面的應(yīng)用

基于深度學(xué)習(xí)的自然語言處理模型——ChatGPT的出現(xiàn)與應(yīng)用，使得自然語言處理技術(shù)的應(yīng)用更為盛行。有研究者借助自然語言處理技術(shù)實現(xiàn)了對認(rèn)知活動的自動分析^[6]，也有研究者將此技術(shù)應(yīng)用于個性化反饋的自動提供^[7]。在文本的自動評估（包括同伴互評文本編碼^[8]、可讀性量化^[9]、摘要真實性測量^[10]）方面，自然語言處理技術(shù)的應(yīng)用也較為廣泛。同伴討論作為一種過程性評價方式，能夠有效提高學(xué)習(xí)者在學(xué)習(xí)過程中的參與度和主動性，并具有較高的可信性和精準(zhǔn)性^[11]。由于學(xué)習(xí)過程中通常產(chǎn)生的是文本數(shù)據(jù)，所以自然語言處理技術(shù)可以勝任數(shù)字學(xué)習(xí)環(huán)境中的自動化反饋需求，并能根據(jù)一個或多個評估指標(biāo)，基于文本輸入對目標(biāo)進(jìn)行準(zhǔn)確預(yù)測——該目標(biāo)包含廣泛的任務(wù)類型^[12]，從表面級任務(wù)（如文本分類）到深度語義驅(qū)動的任務(wù)（如文本生成）都涵蓋其中。ChatGPT在教育教學(xué)中的應(yīng)用，已被驗證具有生成評級解釋和分?jǐn)?shù)方面的潛力^[13]?；诖耍狙芯繉⒂懻揅hatGPT在教育評價中對學(xué)生認(rèn)知活動的分析效果。

3 基于生成式人工智能的教育評價

ChatGPT融入教育教學(xué)，能夠激發(fā)教育變革的內(nèi)生動力。已有多項研究證實了ChatGPT在促進(jìn)個性化學(xué)習(xí)、深化形成性評估實踐和輔助教學(xué)研究方面的潛力，如作為虛擬導(dǎo)師，ChatGPT可以通過回答學(xué)生的問題來輔助他們進(jìn)行在線獨立學(xué)習(xí)^[14]，并幫助學(xué)生優(yōu)化其同伴討論內(nèi)容，從而學(xué)會如何更好地給出他們的反饋^[15]。在減少教師的工作量方面，教師可以利用ChatGPT對學(xué)生的作業(yè)進(jìn)行反饋^[16]，還可以利用ChatGPT輔助教學(xué)，如創(chuàng)建各種形式的測試題^[17]。

目前，國內(nèi)對ChatGPT的應(yīng)用研究主要集中在探究ChatGPT的演進(jìn)邏輯對教育領(lǐng)域的變革性影響、教育評價、支持一線教師教學(xué)等方面。例如，陳思文等^[18]對ChatGPT的評價內(nèi)容與教師的評價內(nèi)容進(jìn)行對比，發(fā)現(xiàn)ChatGPT的評價內(nèi)容情感更為積極，已具備實際應(yīng)用的價值與潛力；王麗等^[19]按照提問設(shè)計原則對ChatGPT進(jìn)行“初始提問”與“優(yōu)化提問”的比較，發(fā)現(xiàn)擁有良好提問設(shè)計的ChatGPT更有助于生成質(zhì)量較好的反饋；張絨^[20]則指出，ChatGPT等生成式智能技術(shù)在服務(wù)學(xué)生個性化學(xué)習(xí)方面發(fā)揮了巨大作用。盡管生成式人工智能在教育評價中的應(yīng)用逐漸增多，但對于學(xué)生思維和認(rèn)知能力的培養(yǎng)還關(guān)注不夠。對此，本研究將具體探索如何有效使用ChatGPT來輔助分析學(xué)生的創(chuàng)造性思維特征。

二 研究設(shè)計

1 研究對象

本研究選取西北地區(qū)X大學(xué)學(xué)習(xí)“遠(yuǎn)程教育應(yīng)用”課程的77名大三學(xué)生為研究對象。考慮到學(xué)習(xí)者的創(chuàng)造性思維與其學(xué)業(yè)投入水平有關(guān)^[21]，故本研究對這77名學(xué)生的學(xué)業(yè)投入水平進(jìn)行了前測。問卷采用Fredricks等^[22]的學(xué)業(yè)投入量表進(jìn)行設(shè)計，含有行為投入、認(rèn)知投入和情感投入三個維度，共設(shè)29個題項。各題項采用李克特五點量表計分，用1～5分表示從“完全不符合”到“完全符合”。經(jīng)計算，問卷各維度的Cronbach’s a系數(shù)值均大于0.74、組合信度（Composite Reliability，CR）值均大于0.73，收斂效度（Convergent Validity，CV）值均大于0.51，說明問卷具有較好的信效度。問卷通過問卷星平臺發(fā)放77份，回收有效問卷77份，有效率達(dá)100%。根據(jù)問卷結(jié)果反映的學(xué)生學(xué)業(yè)投入水平得分高低，本研究按照組間異質(zhì)、組內(nèi)同質(zhì)的形式，將學(xué)生劃分為高水平學(xué)業(yè)投入小組（共9組）、低水平學(xué)業(yè)投入小組（共10組），每小組4人（其中有一小組為5人），隨后開展為期9周的學(xué)習(xí)活動。

2 數(shù)據(jù)收集與編碼

在X大學(xué)，“遠(yuǎn)程教育應(yīng)用”課程是面向大三本科生的必修課程。該課程以注重實踐應(yīng)用和項目導(dǎo)向的學(xué)習(xí)模式，成為培養(yǎng)和發(fā)展學(xué)生創(chuàng)造性思維的重要平臺。課程采取線上與線下相結(jié)合的混合式教學(xué)模式，共有36個學(xué)時。其中，基于QQ群的同伴討論活動占據(jù)主導(dǎo)地位，共28個學(xué)時；課程講授與小組匯報活動為8個學(xué)時。學(xué)習(xí)交互設(shè)計以小組交流為主、教師指導(dǎo)為輔，同伴討論過程圍繞“在線學(xué)習(xí)指導(dǎo)書的設(shè)計”展開，前、中、后三次討論的主題分別為指導(dǎo)書的主題選擇與內(nèi)容設(shè)計、指導(dǎo)書的互評、指導(dǎo)書內(nèi)容的完善。

本研究從高水平學(xué)業(yè)投入小組、低水平學(xué)業(yè)投入小組中分別隨機選取一組進(jìn)行對比分析。以這兩個小組學(xué)生在課程前期、中期、后期三次討論中的文本內(nèi)容為數(shù)據(jù)來源，本研究共收集討論文本1126條（含前期討論文本322條、中期討論文本459條、后期討論文本345條），從中剔除系統(tǒng)通知消息、無關(guān)鏈接等與課程無關(guān)的無效數(shù)據(jù)，最終得到有效討論文本1047條。學(xué)生的討論文本按照Sun等^[23]開發(fā)的創(chuàng)造性思維框架進(jìn)行編碼，該編碼框架含有發(fā)散性思考、觀點的產(chǎn)生、元認(rèn)知、社會交流、情緒、其他六個一級維度。編碼的目的是將學(xué)生的討論內(nèi)容轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，以便開展進(jìn)一步的定量和定性分析。

接下來，本研究分別對1047條討論文本進(jìn)行人工評估和ChatGPT智能評估。在人工評估環(huán)節(jié)，由兩位研究人員對文本討論內(nèi)容進(jìn)行背對背編碼，之后進(jìn)行一致性檢驗，得到Kappa系數(shù)值為0.85，表明一致性較高。ChatGPT智能評估的具體操作流程如下：首先，研究者將編碼要求和學(xué)生的討論文本以固定格式一起發(fā)送給ChatGPT，逐一獲得ChatGPT給出的首次反饋信息；之后，研究者將這些反饋信息導(dǎo)入Excel文檔，獲得ChatGPT對討論文本的編碼分類；最后，研究者使用在線建模平臺ENA"Webkit，對兩個小組的ChatGPT智能評估結(jié)果分別進(jìn)行認(rèn)知網(wǎng)絡(luò)分析，對比兩個小組的創(chuàng)造性思維特征差異。

三 研究結(jié)果分析

1 不同學(xué)業(yè)投入水平小組學(xué)生創(chuàng)造性思維的各維度特征差異

為探究不同學(xué)業(yè)投入水平小組的創(chuàng)造性思維特征差異，本研究根據(jù)ChatGPT智能評估的文本編碼結(jié)果對高、低學(xué)業(yè)投入水平小組學(xué)生創(chuàng)造性思維各維度的數(shù)據(jù)進(jìn)行統(tǒng)計，結(jié)果如表1所示。

表1顯示，相較于低水平學(xué)業(yè)投入小組，高水平學(xué)業(yè)投入小組的總討論文本條數(shù)顯著更多（810條＞237條），且高水平學(xué)業(yè)投入小組在各維度上的表現(xiàn)也明顯更優(yōu)。具體來說，相較于低水平學(xué)業(yè)投入小組，高水平學(xué)業(yè)投入小組進(jìn)行了更多的發(fā)散性思考；在社會交流維度，“提問”和“同意”的行為明顯更多；在情緒維度，高水平學(xué)業(yè)投入小組表現(xiàn)出了更多的“正向情緒”，說明同伴之間更認(rèn)可彼此的觀點。有研究者發(fā)現(xiàn)，學(xué)業(yè)成就與學(xué)生創(chuàng)造力相關(guān)^[24]；高學(xué)業(yè)成就組學(xué)生在創(chuàng)造性思維、發(fā)散性思維方面優(yōu)于低學(xué)業(yè)成就組^[25]；積極的學(xué)業(yè)投入作為學(xué)生在學(xué)習(xí)活動中表現(xiàn)出來的一種持續(xù)、充滿積極情感的狀態(tài)，對創(chuàng)新思維有正向調(diào)節(jié)作用^[26]——這些研究結(jié)論，與本研究中高水平學(xué)業(yè)投入小組呈現(xiàn)出的認(rèn)知行為結(jié)果基本一致。低水平學(xué)業(yè)投入小組進(jìn)行了較多的“提問”行為，且其“反思管理”“同意”“新觀點”行為的占比大于本小組內(nèi)其他認(rèn)知行為，說明低水平學(xué)業(yè)投入小組學(xué)生具有一定的創(chuàng)造性思維，但其深度有待進(jìn)一步提升。綜上可知，高水平學(xué)業(yè)投入小組學(xué)生的創(chuàng)造性思維整體表現(xiàn)優(yōu)異，而低水平學(xué)業(yè)投入小組學(xué)生也具有一定的創(chuàng)造性思維。

2 不同學(xué)業(yè)投入水平學(xué)生創(chuàng)造性思維的認(rèn)知網(wǎng)絡(luò)分析

質(zhì)心是認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)的縮影，代表相關(guān)網(wǎng)絡(luò)模型連接結(jié)構(gòu)的特定排列。本研究根據(jù)低、高水平學(xué)業(yè)投入小組學(xué)生討論中創(chuàng)造性思維的各維度表現(xiàn)情況，分別繪制了認(rèn)知網(wǎng)絡(luò)模型圖，如圖1、圖2所示。其中，黑色圓點對應(yīng)學(xué)生的創(chuàng)造性思維認(rèn)知行為，節(jié)點之間的連線表示兩者產(chǎn)生的共現(xiàn)域，而節(jié)點的大小表示認(rèn)知行為出現(xiàn)的頻率，節(jié)點之間連線的粗細(xì)、飽和度表示認(rèn)知行為之間聯(lián)系的強弱。正方形表示特定編碼方式下所有學(xué)生認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)的平均質(zhì)心，虛線框表示95%置信區(qū)間。

圖1顯示，低水平學(xué)業(yè)投入小組在三次討論中的質(zhì)心位置明顯分離，學(xué)生在三次討論過程中的認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)隨著討論進(jìn)程發(fā)生變化，且存在直觀的差異。例如，在中期討論中，因為有了“反思管理”“新觀點的建構(gòu)”等邊緣節(jié)點與其他節(jié)點的連接，故其質(zhì)心位于Y軸右側(cè)、X軸高處。此外，低水平學(xué)業(yè)投入小組在中期討論中存在更多節(jié)點之間的強關(guān)聯(lián)，且網(wǎng)絡(luò)密度高于前期討論和后期討論，主要圍繞“反思管理”“新觀點的建構(gòu)”“提問”等節(jié)點展開，節(jié)點之間建立了“提問”與“反思管理”“調(diào)整結(jié)合”“分解”等連線的強關(guān)聯(lián)。整體而言，低水平學(xué)業(yè)投入小組在前期討論中進(jìn)行“提問”與提出“新觀點”的認(rèn)知行為較多，中期討論更關(guān)注元認(rèn)知與發(fā)散性思考，后期討論出現(xiàn)了較多的“反思管理”行為。究其原因，可能在于學(xué)生在課程前期更多地是按照學(xué)習(xí)任務(wù)去完成“指導(dǎo)書的主題選擇與內(nèi)容設(shè)計”相關(guān)討論；在課程中期傾向于聯(lián)系實際生活與個人先驗知識來進(jìn)行“指導(dǎo)書的互評”，進(jìn)行了較多的發(fā)散性思考；而課程后期“指導(dǎo)書內(nèi)容的完善”需要學(xué)生進(jìn)行更多的反思。

圖2顯示，高水平學(xué)業(yè)投入小組的創(chuàng)造性思維認(rèn)知行為在三次討論中發(fā)生了變化，其認(rèn)知網(wǎng)絡(luò)模型圖相較于低水平學(xué)業(yè)投入小組更復(fù)雜，且其認(rèn)知行為呈現(xiàn)出不斷調(diào)整的特征，符合創(chuàng)造性思維發(fā)展的規(guī)律^[27]。具體來說，高水平學(xué)業(yè)投入小組在前期討論中的認(rèn)知行為多為“提問”與“同意”，節(jié)點之間的聯(lián)系較弱；中期討論中開始出現(xiàn)更多的發(fā)散性思考行為；而后期討論中存在較多節(jié)點之間的強關(guān)聯(lián)，主要表現(xiàn)為“同意”“聯(lián)想”“新觀點的建構(gòu)”等節(jié)點的自現(xiàn)頻率（節(jié)點大小）和共現(xiàn)頻率（連線粗細(xì)）都在增多。整體而言，高水平學(xué)業(yè)投入小組更傾向于表現(xiàn)出更加豐富和緊密的認(rèn)知行為連接，說明他們在討論中進(jìn)行了更深度的學(xué)習(xí)交流。

鑒于學(xué)生的創(chuàng)造性思維處于動態(tài)變化之中，因此本研究僅從質(zhì)心分布特征、節(jié)點及其之間的聯(lián)系進(jìn)行認(rèn)知網(wǎng)絡(luò)分析。需要說明的是，在ChatGPT生成內(nèi)容的過程中，其反饋效果與討論文本內(nèi)容的數(shù)據(jù)類型、數(shù)據(jù)質(zhì)量、討論主題等因素均有關(guān)。

3 不同學(xué)業(yè)投入水平學(xué)生創(chuàng)造性思維的發(fā)展趨勢分析

為了進(jìn)一步探究學(xué)生的創(chuàng)造性思維發(fā)展趨勢，本研究比較了高、低水平學(xué)業(yè)投入小組的質(zhì)心變化軌跡，結(jié)果如圖3所示。整體來看，高水平學(xué)業(yè)投入小組的質(zhì)心呈聚攏趨勢，相對距離逐漸縮小，且高水平學(xué)業(yè)投入小組的質(zhì)心無論如何變化，大多處于社會交流和發(fā)散性思考的區(qū)域；而低水平學(xué)業(yè)投入小組的質(zhì)心相距較遠(yuǎn)，且從社會交流、觀點的產(chǎn)生逐漸過渡到元認(rèn)知，最終在發(fā)散性思考和社會交流區(qū)域趨于穩(wěn)定，說明不同學(xué)業(yè)投入水平小組學(xué)生的認(rèn)知行為多聚焦發(fā)散性思考和社會交流維度。發(fā)散性思維被認(rèn)為是預(yù)測創(chuàng)造力的可靠指標(biāo)^[28]，社交互動在支持學(xué)習(xí)者創(chuàng)造力發(fā)展方面也起著關(guān)鍵作用^[29]，而上述分析結(jié)果正凸顯了發(fā)散性思考和社會交流對于學(xué)生創(chuàng)造性思維發(fā)展趨勢預(yù)測的重要性。

四 結(jié)論與建議

1 結(jié)論

通過從不同角度對ChatGPT輔助下的學(xué)生創(chuàng)造性思維特征進(jìn)行分析，本研究發(fā)現(xiàn)：不同學(xué)業(yè)投入水平小組學(xué)生創(chuàng)造性思維的各維度特征存在差異，其中高水平學(xué)業(yè)投入小組學(xué)生的創(chuàng)造性思維整體表現(xiàn)優(yōu)異，而低水平學(xué)業(yè)投入小組學(xué)生也具有一定的創(chuàng)造性思維；不同水平學(xué)業(yè)投入小組的認(rèn)知網(wǎng)絡(luò)在不同討論階段呈現(xiàn)不同結(jié)構(gòu)，其中高水平學(xué)業(yè)投入小組學(xué)生的認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)相對更復(fù)雜；不同學(xué)業(yè)投入水平小組的認(rèn)知行為多聚焦發(fā)散性思考和社會交流維度。上述結(jié)論表明，ChatGPT輔助下的學(xué)生創(chuàng)造性思維呈現(xiàn)出以下特征：高水平學(xué)業(yè)投入能促進(jìn)創(chuàng)造性思維多維度發(fā)展，認(rèn)知網(wǎng)絡(luò)結(jié)構(gòu)會隨著學(xué)習(xí)任務(wù)發(fā)生動態(tài)變化，且學(xué)生的創(chuàng)造性思維趨向于朝著發(fā)散性思考和社會交流的方向發(fā)展。這些特征揭示了學(xué)業(yè)投入水平對學(xué)生創(chuàng)造性思維的積極影響，呈現(xiàn)了學(xué)生創(chuàng)造性思維的發(fā)展趨勢，可為學(xué)生創(chuàng)造性思維的培養(yǎng)與提升提供有益參考。

2 建議

為了使ChatGPT更好地服務(wù)學(xué)生創(chuàng)造性思維的培養(yǎng)與提升，本研究針對ChatGPT作為輔助工具的應(yīng)用提出以下建議：①利用ChatGPT評價學(xué)生思維發(fā)展，教師應(yīng)做好“把關(guān)人”。具體而言，ChatGPT在進(jìn)行創(chuàng)造性思維維度編碼的過程中，不排除有識別不一致的現(xiàn)象，且其評估效果更加“中庸”^[30]。對此，可以通過指明對象、進(jìn)行追問等方式^[31]，優(yōu)化ChatGPT的反饋功能。同時，可以利用ChatGPT為學(xué)生提供過程反饋，以啟發(fā)其思維、發(fā)展學(xué)習(xí)技能^[32]、提升反饋素養(yǎng)，進(jìn)而提升ChatGPT的反饋質(zhì)量。教師需要提升自身的數(shù)字化教學(xué)能力，做好“把關(guān)人”，確保ChatGPT合理合規(guī)地融入教育教學(xué)，并盡量生成更為準(zhǔn)確的反饋信息。在教育實踐中，教師也應(yīng)對不同學(xué)業(yè)投入水平的學(xué)生進(jìn)行個性化干預(yù)，既鼓勵高水平投入學(xué)生思維發(fā)展的持續(xù)與深化，也關(guān)注低水平投入學(xué)生的思維引導(dǎo)。②教育評價應(yīng)保持價值理性與工具理性的平衡。不可否認(rèn)ChatGPT在某些方面性能良好，但這并不等同于可以替代人類認(rèn)知，原因主要在于其生成的內(nèi)容缺乏來源說明與證據(jù)支持，信息反饋有時也存在錯誤^[33]；面對完全相同的提示語，其產(chǎn)出內(nèi)容也具有不穩(wěn)定性^[34]。對此，可從學(xué)習(xí)評價和教師評價等方面進(jìn)行突破，如針對學(xué)生的評價應(yīng)更凸顯動態(tài)性、創(chuàng)造性與現(xiàn)實性，而針對教師的評價應(yīng)更注重向其數(shù)字勝任力的轉(zhuǎn)變^[35]，要確保技術(shù)輔助評價既發(fā)揮工具理性的優(yōu)勢，又不失教育的價值理性。

隨著生成式人工智能技術(shù)的不斷進(jìn)步，ChatGPT等智能工具有望在教育領(lǐng)域發(fā)揮越來越重要的作用。本研究將ChatGPT作為教學(xué)輔助工具用于分析學(xué)生的創(chuàng)造性思維特征，通過智能評估學(xué)生的過程性學(xué)習(xí)數(shù)據(jù)，幫助教師更深入地了解學(xué)生的思維模式和發(fā)展需求。后續(xù)研究可進(jìn)一步探索ChatGPT如何作為虛擬導(dǎo)師來促進(jìn)學(xué)生創(chuàng)造性思維的發(fā)展，特別是在啟發(fā)思維與促進(jìn)深度學(xué)習(xí)方面要能夠有效發(fā)揮作用，從而為學(xué)習(xí)者提供個性化的學(xué)習(xí)路徑、助力教師進(jìn)行教學(xué)策略的動態(tài)調(diào)整，進(jìn)而全面激發(fā)學(xué)習(xí)者的創(chuàng)新潛能。

參考文獻(xiàn)

[1]Zhang H， Litman D. Essay quality signals as weak supervision for source-based essay scoring[A]. Proceedings of the 16th Workshop on Innovative Use of NLP for Building Educational Applications[C]. Online： Association for Computational Linguistics， 2021：85-96.

[2]Hu Y， Han X. The association between student engagement and creativity of undergraduates in China[J]. Education and New Developments， 2021：54-58.

[3]Lund B D， Wang T. Chatting about ChatGPT： How may AI and GPT impact academia and libraries？[J]. Library Hi Tech News， 2023，（3）：26-29.

[4]王佑鎂，王旦，梁煒怡，等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應(yīng)用的潛能與風(fēng)險[J].現(xiàn)代遠(yuǎn)程教育研究，2023，（2）：48-56.

[5]丁繼紅.深度學(xué)習(xí)中的學(xué)習(xí)者認(rèn)知網(wǎng)絡(luò)和動機策略分析——旨向深度學(xué)習(xí)的U型翻轉(zhuǎn)教學(xué)效果研究[J].遠(yuǎn)程教育雜志，2019，（6）：32-40.

[6]Schulz C， Meyer C M， Gurevych I. Challenges in the automatic analysis of students’ diagnostic reasoning[A]. Proceedings of the AAAI Conference on Artificial Intelligence[C]. Washington， DC， USA： AAAI Press， 2019：6974-6981.

[7]Sailer M， Bauer E， Hofmann R， et al. Adaptive feedback from artificial neural networks facilitates pre-service teachers’ diagnostic reasoning in simulation-based learning[J]. Learning and Instruction， 2023，83：101620.

[8]Tang T， Sha J， Zhao Y， et al. Unveiling the efficacy of ChatGPT in evaluating critical thinking skills through peer feedback analysis： Leveraging existing classification criteria[J]. Thinking Skills and Creativity， 2024， 53：101607.

[9]Deutsch T， Jasbi M， Shieber S. Linguistic features for readability assessment[OL]. lt;https：//arxiv.org/pdf/2006.00377gt;

[10]Maynez J， Narayan S， Bohnet B， et al. On faithfulness and factuality in abstractive summarization[OL].

lt;https：//arxiv.org/pdf/2005.00661gt;

[11]劉迎春，朱旭，陳樂.精準(zhǔn)教學(xué)中基于同伴互評的評價者認(rèn)知網(wǎng)絡(luò)分析[J].遠(yuǎn)程教育雜志，2019，（1）：85-93.

[12]Wang Y， Mishra S， Alipoormolabashi P， et al. Super-naturalinstructions： Generalization via declarative instructions on 1600+nlp tasks[OL]. lt;https：//arxiv.org/pdf/2204.07705gt;

[13]Hutt S， DePiro A， Wang J， et al. Feedback on feedback： Comparing classic natural language processing and generative AI to evaluate peer feedback[A]. Proceedings of the 14th Learning Analytics and Knowledge Conference[C]. Association for New York， United States： Computing Machinery， 2024：55-65.

[14]Lin X. Exploring the role of ChatGPT as a facilitator for motivating self-directed learning among adult learners[J]. Adult Learning， 2024，（3）：156-166.

[15]Jia Q， Cui J， Xiao Y， et al. All-in-one： Multi-task learning bert models for evaluating peer assessments[OL].

lt;https：//arxiv.org/pdf/2110.03895gt;

[16]吳軍其，劉萌，王嘉桐，等.AIGC輔助教師作文評價的效果研究——以九年級語文作文為例[J].現(xiàn)代教育技術(shù)，2024，（10）：53-64.

[17]張歡，鄭晨，趙艷，等.在線學(xué)習(xí)場景下大語言模型輔助教學(xué)評測[J].現(xiàn)代教育技術(shù)，2024，（11）：15-26.

[18]陳思文，孔亞琪，劉宇.基于生成式人工智能的學(xué)業(yè)評價應(yīng)用研究——以ChatGPT為例[J].軟件工程，2023，（10）：27-31.

[19][31]王麗，李艷，陳新亞，等.ChatGPT支持的學(xué)生論證內(nèi)容評價與反饋——基于兩種提問設(shè)計的實證比較[J].現(xiàn)代遠(yuǎn)程教育研究，2023，（4）：83-91.

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

[21]柳武妹，王璐，王康周，等.在線學(xué)習(xí)界面對本科生學(xué)業(yè)成績的影響研究——基于創(chuàng)造性思維的中介作用[J].西部素質(zhì)教育，2024，（3）：1-5.

[22]Fredricks J A， Blumenfeld P C， Paris A H. School engagement： Potential of the concept， state of the evidence[J]. Review of Educational Research， 2004，（1）：59-109.

[23]Sun M， Wang M， Wegerif R， et al. How do students generate ideas together in scientific creativity tasks through computer-based mind mapping？[J]. Computers amp; Education， 2022，176：104359.

[24]Kobal D， Musek J. Self-concept and academic achievement： Slovenia and France[J]. Personality and Individual Differences， 2001，（5）：887-899.

[25][27]沃建中，王福興，林崇德，等.不同學(xué)業(yè)成就中學(xué)生創(chuàng)造性思維的差異研究[J].心理發(fā)展與教育，2007，（2）：29-35.

[26]李紫馨，劉繼安.心理韌性對理工科博士生創(chuàng)新能力的影響——自我效能感的中介作用及學(xué)業(yè)投入的調(diào)節(jié)作用[J].科技促進(jìn)發(fā)展，2022，（1）：96-102.

[28]Runco M A， Acar S. Divergent thinking as an indicator of creative potential[J]. Creativity Research Journal， 2012，（1）：66-75.

[29]Suryanto H， Warring S， Kartikowati R S， et al. Study creativity with diverse social skills to support the learning process in future education[J]. Journal of Diversity in Learning， 2021，（2）：85-89.

[30]Wang L， Chen X， Wang C， et al. ChatGPT’s capabilities in providing feedback on undergraduate students’ argumentation： A case study[J]. Thinking Skills and Creativity， 2024， 51：101440.

[32]Dai W， Lin J， Jin H， et al. Can large language models provide feedback to students？ A case study on ChatGPT[A]. 2023 IEEE International Conference on Advanced Learning Technologies （ICALT）[C]. Orem， UT， USA： IEEE， 2023：323-325.

[33]Else H. By chatgpt fool scientists[J]. Nature， 2023，613：423.

[34]郭茜，馮瑞玲，華遠(yuǎn)方.ChatGPT在英語學(xué)術(shù)論文寫作與教學(xué)中的應(yīng)用及潛在問題[J].外語電化教學(xué)，2023，（2）：18-23、107.

[35]趙健.技術(shù)時代的教師負(fù)擔(dān)：理解教育數(shù)字化轉(zhuǎn)型的一個新視角[J].教育研究，2021，（11）：151-159.

Characteristics Analysis of Students’ Creative Thinking with ChatGPT Assistance

SHA Jing-Rong """ZHAO"Ya-Nan """TANG Tian-Qi

（Faculty of Educational Sciences and Technology， Northwest Minzu University， Lanzhou， Gansu， China 730030）

Abstract："In order to evaluate ChatGPT’s ability to accurately identify the students’"discussion"dimensions under the existing framework"of creative thinking， this paper used"ChatGPT to conduct intelligent assessment of students’"discussion texts， and adopted"cognitive"network analysis to analyze the characteristic differences of each"dimension， cognitive network and development trend of students’"creative thinking"in groups"with different academic engagement levels. The results showed that the over performance of the creative thinking of the students in the group with a high level of academic engagement was excellent， while the students in the group with a low level of academic engagement also had some creative thinking. The cognitive networks of the groups with different levels of academic engagement showed different structures in different discussion stages， and the cognitive networks structures of the students in the groups with a high level of academic engagement were more complex. The cognitive behavior of groups with different levels of academic engagement mostly focused on divergent thinking and social communication dimensions. In addition， this"paper also put forward suggestions for the application of ChatGPT as an auxiliary tool to make it better serve the cultivation and improvement of students’"creative thinking， so as to"promote the better integration of generative AI technology into future education and teaching.

Keywords： creative thinking; ChatGPT; cognitive"network analysis; academic engagement

*基金項目：本文為國家自然科學(xué)基金項目“基于機器學(xué)習(xí)的同伴互動增值評價的動態(tài)監(jiān)測模型與應(yīng)用研究”（項目編號：62267006）的階段性研究成果。

作者簡介：沙景榮，教授，博士，研究方向為教學(xué)設(shè)計與績效技術(shù)，郵箱為shajr818@163.com。

收稿日期：2024年7月11日

編輯：余弦