請(qǐng)求言語的扎根分析:ChatGPT支持的對(duì)話式學(xué)習(xí)

[摘" "要] 生成式人工智能ChatGPT在教育領(lǐng)域蘊(yùn)藏著巨大潛力，如何合理有效應(yīng)用ChatGPT以支持學(xué)習(xí)卻充滿挑戰(zhàn)。學(xué)生與ChatGPT交互以“對(duì)話式學(xué)習(xí)”模式展開，學(xué)生“請(qǐng)求言語”是對(duì)話的“驅(qū)動(dòng)器”，為解開其所內(nèi)含的學(xué)生思維活動(dòng)“黑箱”，回答“學(xué)什么”與“怎么學(xué)”的核心問題，文章借助扎根理論與內(nèi)容分析法，從“請(qǐng)求言語內(nèi)容”“請(qǐng)求言語類型”“請(qǐng)求言語層次”三個(gè)維度構(gòu)建了ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架。結(jié)果表明：請(qǐng)求言語內(nèi)容有知識(shí)、分析、成果、編輯、評(píng)價(jià)和思維六種；請(qǐng)求言語類型可分為提問、指令與反饋；請(qǐng)求言語層次有初次請(qǐng)求、重復(fù)請(qǐng)求與追加請(qǐng)求。文章運(yùn)用編碼矩陣分析了三個(gè)維度的潛在聯(lián)系，進(jìn)而揭示出三個(gè)維度之間相互交叉影響的復(fù)雜特征，為深入分析和有效引導(dǎo)學(xué)生與ChatGPT開展的對(duì)話式學(xué)習(xí)提供了更具針對(duì)性的理論參考與實(shí)踐指引。

[關(guān)鍵詞] ChatGPT； 對(duì)話式學(xué)習(xí)； 請(qǐng)求言語； 扎根理論； 思維活動(dòng)

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

[作者簡介] 張壘（1998—），男，貴州畢節(jié)人。碩士研究生，主要從事人工智能教育、教育數(shù)據(jù)挖掘研究。E-mail：zhangleiofc@163.com。黃琰為通信作者，E-mail：hyan2016@163.com。

一、問題的提出

當(dāng)前，ChatGPT在實(shí)際教學(xué)情境下的應(yīng)用面臨巨大挑戰(zhàn)，學(xué)生在ChatGPT支持下“學(xué)什么”與“如何學(xué)”這兩個(gè)根本問題亟待解決[1-2]。ChatGPT作為一種外化人類器官與能力的人造工具[3]，究竟具備怎樣的能力，能夠提供什么內(nèi)容？目前學(xué)界眾說紛紜，提出了ChatGPT各種角色與應(yīng)用場(chǎng)景，但尚未形成針對(duì)學(xué)習(xí)情景下的一般性認(rèn)識(shí)；學(xué)生如何與ChatGPT互動(dòng)促進(jìn)自身思維與能力發(fā)展，以發(fā)揮其正向價(jià)值的有效策略仍較少。

學(xué)生與ChatGPT的交互以對(duì)話進(jìn)行，使學(xué)習(xí)方式向“對(duì)話式學(xué)習(xí)”轉(zhuǎn)變[4-6]。這種對(duì)話以學(xué)生的“請(qǐng)求言語”和ChatGPT的“響應(yīng)言語”構(gòu)成，請(qǐng)求言語直接反映了學(xué)生在與ChatGPT對(duì)話時(shí)的學(xué)習(xí)需求與內(nèi)在思維活動(dòng)，學(xué)生需要先明確學(xué)習(xí)需求，進(jìn)行言語構(gòu)思后向ChatGPT發(fā)起請(qǐng)求以獲取響應(yīng)，從而實(shí)現(xiàn)交替對(duì)話?？梢哉f，學(xué)生請(qǐng)求言語是對(duì)話式學(xué)習(xí)的起點(diǎn)，也決定了ChatGPT的響應(yīng)內(nèi)容與邏輯。因此，分析學(xué)生請(qǐng)求言語并挖掘其特征，能夠發(fā)現(xiàn)學(xué)生需求側(cè)和ChatGPT供給側(cè)的平衡點(diǎn)與其思維活動(dòng)，進(jìn)而幫助教師在教育實(shí)踐中采取更為有效的策略，指導(dǎo)學(xué)生合理應(yīng)用ChatGPT支持自身學(xué)習(xí)。國內(nèi)少數(shù)研究通過理論推理提出ChatGPT應(yīng)用于教育領(lǐng)域的理論構(gòu)想，對(duì)實(shí)踐的指導(dǎo)性還需進(jìn)一步檢驗(yàn)。本研究基于扎根理論，深入分析學(xué)生與ChatGPT的實(shí)際對(duì)話言語，探索學(xué)生請(qǐng)求言語特征并生成理論，將為分析學(xué)生在ChatGPT支持下的學(xué)習(xí)思維活動(dòng)提供由下至上的獨(dú)特視角，豐富生成式人工智能賦能教育領(lǐng)域研究理論，對(duì)推動(dòng)我國教育智能化與現(xiàn)代化有著積極意義。

二、研究綜述

（一）ChatGPT支持的對(duì)話式學(xué)習(xí)

對(duì)話式學(xué)習(xí)（教學(xué)）之精髓，深植于一種教育哲學(xué)之中，是對(duì)“主客二元對(duì)立說”和控制取向的根本打破[7]。與人類“長者”不同，ChatGPT博學(xué)多識(shí)，無論學(xué)生如何追問，永不“罷工”，ChatGPT也不會(huì)試圖“控制”學(xué)生，而是適應(yīng)每位學(xué)生的個(gè)性，并在與學(xué)生的對(duì)話中不斷得到訓(xùn)練提升，這與對(duì)話式學(xué)習(xí)的根本理念不謀而合。

ChatGPT作為一種基于Transformer模型的生成式人工智能，可以接受學(xué)生輸出的非結(jié)構(gòu)化內(nèi)容，再基于“概率”和“反饋”原理生成文本輸出響應(yīng)學(xué)生[8]。這一過程實(shí)際上就是學(xué)生發(fā)出“請(qǐng)求言語”，ChatGPT通過編碼組件、解碼組件與生成式預(yù)訓(xùn)練轉(zhuǎn)換器模型生成“回應(yīng)言語”的過程[9-10]。而且自注意力機(jī)制會(huì)同時(shí)關(guān)注“輸入文本”與“輸出文本”及其關(guān)系，使得ChatGPT具備了優(yōu)秀的文本生成能力[11]。戴嶺等探討了ChatGPT支持下對(duì)話式學(xué)習(xí)的理念原則、提問策略、問題設(shè)計(jì)、對(duì)話類型與對(duì)話流程五個(gè)方面的內(nèi)容，并構(gòu)建了基于ChatGPT的智慧問學(xué)模式[5]；董艷等基于人機(jī)協(xié)同、技術(shù)特征與倫理道德三方面構(gòu)建了ChatGPT賦能學(xué)生學(xué)習(xí)的具體路徑[12]；趙曉偉等構(gòu)建了促進(jìn)高意識(shí)學(xué)習(xí)的教育提示語螺旋模型[13]和基于CORE框架的進(jìn)階提示語類型[14]。但這些研究主要通過理論推理的方式產(chǎn)生理論，是一種由上至下的視角，缺乏實(shí)際經(jīng)驗(yàn)基礎(chǔ)。扎根理論是一種在實(shí)際情境中，通過不斷的“理論抽樣”與“理論比較”，系統(tǒng)地收集和分析數(shù)據(jù)，再根據(jù)規(guī)范化編碼程序生成理論的研究方法[15]。其所生成理論與實(shí)踐緊密相關(guān)，具有較強(qiáng)實(shí)踐指導(dǎo)性。因此，關(guān)注學(xué)生與ChatGPT的對(duì)話言語，聚焦學(xué)生的請(qǐng)求言語，從實(shí)際對(duì)話材料中揭示請(qǐng)求言語特征，有助于探究學(xué)生與ChatGPT對(duì)話式學(xué)習(xí)機(jī)制與學(xué)生思維活動(dòng)。

（二）請(qǐng)求言語

“言語對(duì)話”是對(duì)話式學(xué)習(xí)的核心表現(xiàn)形式[6]。學(xué)生請(qǐng)求言語掌握著與ChatGPT對(duì)話的主題、過程與路徑，直接決定著對(duì)話式學(xué)習(xí)成效。本研究將“請(qǐng)求言語”定義為學(xué)生與ChatGPT互動(dòng)開展對(duì)話式學(xué)習(xí)時(shí)的行為，包括文本輸入、文檔上傳、圖片上傳等。研究課堂話語，可深入挖掘由語言相互作用而形成的教學(xué)狀態(tài)、課堂教學(xué)的話語結(jié)構(gòu)、師生社會(huì)關(guān)系、制度狀態(tài)及學(xué)校文化等多維度要素[16]。依循此理，對(duì)學(xué)生請(qǐng)求言語進(jìn)行細(xì)致剖析，能夠洞察學(xué)生與ChatGPT的對(duì)話言語特征、實(shí)際學(xué)習(xí)需求與狀態(tài)、內(nèi)在思維活動(dòng)以及人機(jī)協(xié)同互動(dòng)的內(nèi)在機(jī)制。本研究在對(duì)話廣度與深度上進(jìn)行探索，從請(qǐng)求言語內(nèi)容、請(qǐng)求言語類型與請(qǐng)求言語層次三個(gè)維度分析。

請(qǐng)求言語內(nèi)容是連接學(xué)生學(xué)習(xí)需求與ChatGPT所能提供的學(xué)習(xí)支持的橋梁。學(xué)界對(duì)ChatGPT在教育領(lǐng)域的角色與功能展開了積極討論[12，17-18]，大都針對(duì)不同應(yīng)用情境而言，目前尚未形成統(tǒng)一認(rèn)識(shí)，更未能深入聚焦到學(xué)生學(xué)習(xí)情景中。生成式人工智能要真正助推有意義的學(xué)習(xí)發(fā)生，必然需要對(duì)ChatGPT能夠生成何種內(nèi)容進(jìn)行思考[1]，形成具有普遍指導(dǎo)意義的一般性認(rèn)識(shí)。同時(shí)，學(xué)生的請(qǐng)求言語對(duì)ChatGPT的響應(yīng)內(nèi)容起著決定性作用。因此，針對(duì)請(qǐng)求言語內(nèi)容的系統(tǒng)性分析顯得極其重要且必要。

請(qǐng)求言語類型能體現(xiàn)出學(xué)生在ChatGPT支持下學(xué)習(xí)的思維形式。塞爾認(rèn)為“語行行為”是“言語行為理論”的理論核心，因?yàn)檎f話者完成的各種言語行為中最重要的是陳述、提問、命令等語行行為[19]。語行行為強(qiáng)調(diào)的是帶有說話者意圖的行為。學(xué)生向ChatGPT發(fā)出請(qǐng)求時(shí)，必然帶有特定的意圖，不同的意圖反映出學(xué)生不同的思維活動(dòng)。因此，分析學(xué)生與ChatGPT對(duì)話時(shí)存在哪些重要的語行行為，即請(qǐng)求言語類型，能夠提高對(duì)學(xué)生在ChatGPT支持下學(xué)習(xí)時(shí)思維活動(dòng)認(rèn)識(shí)的全面性與深刻性。

請(qǐng)求言語層次是學(xué)生在ChatGPT支持下學(xué)習(xí)的思維參與和深度的反映。在人機(jī)之間的對(duì)話式反饋的過程中，不同的請(qǐng)求言語層次反映著學(xué)生思維的不同深度。深層次的對(duì)話能激發(fā)學(xué)習(xí)者的主體性潛能，幫助學(xué)習(xí)者實(shí)現(xiàn)更高層次的認(rèn)知與理解[20]，學(xué)生的請(qǐng)求言語層次又是推動(dòng)雙邊思維不斷深入的催化劑，挖掘請(qǐng)求言語層次的深度，探索學(xué)生思維活動(dòng)，對(duì)衡量對(duì)話式學(xué)習(xí)的成效有著重要研究意義。

綜上所述，本研究借助扎根理論方法，以內(nèi)容分析法為輔，從由下至上的視角，對(duì)實(shí)際教學(xué)情景下引入ChatGPT所產(chǎn)生的人機(jī)對(duì)話記錄中學(xué)生的“請(qǐng)求言語”進(jìn)行分析，嘗試從“請(qǐng)求言語內(nèi)容”“請(qǐng)求言語類型”與“請(qǐng)求言語層次”三個(gè)維度構(gòu)建ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架，旨在厘清學(xué)生與ChatGPT對(duì)話機(jī)制，揭示言語特征，挖掘?qū)W生對(duì)話學(xué)習(xí)需求與內(nèi)在思維活動(dòng)，為ChatGPT在教育領(lǐng)域中的合理應(yīng)用提供一定啟示。

三、研究設(shè)計(jì)

（一）研究方法

本文將扎根理論與內(nèi)容分析法相結(jié)合，參照吳毅等總結(jié)的扎根理論邏輯流程[21]，研究流程包含四個(gè)階段：問題分析、數(shù)據(jù)收集、請(qǐng)求言語內(nèi)容扎根編碼、系統(tǒng)化實(shí)質(zhì)理論構(gòu)建，如圖1所示。

（二）研究工具

數(shù)據(jù)編碼借助Nvivo11完成，編碼完成后通過“編碼矩陣”功能來建立不同維度節(jié)點(diǎn)與節(jié)點(diǎn)之間的量化關(guān)聯(lián)矩陣，這為研究提供了分析三個(gè)維度之間潛在聯(lián)系的新視角，為理論生成提供了客觀證據(jù)支持，在一定程度上削弱了生成理論的主觀性。

（三）數(shù)據(jù)來源

根據(jù)前期分析，材料收集工作在中國X高校教育技術(shù)學(xué)專業(yè)課堂中展開，為保證理論抽樣的豐富性，在該課堂中采用了項(xiàng)目式教學(xué)模式。學(xué)生需要借助ChatGPT（Sider.AI、Kimi.AI、文心一言等），完成需求調(diào)研、方案設(shè)計(jì)、課程開發(fā)、教學(xué)設(shè)計(jì)以及教學(xué)實(shí)踐等一系列富有挑戰(zhàn)性的任務(wù)。在三個(gè)項(xiàng)目階段收集了56份學(xué)生對(duì)話記錄表，共計(jì)984條請(qǐng)求數(shù)據(jù)。經(jīng)篩選，去除58條無效數(shù)據(jù)，最終保留926條有效數(shù)據(jù)。

四、程序化扎根研究過程

研究的扎根過程秉持“發(fā)現(xiàn)”的同時(shí)帶有“建構(gòu)”的思想，對(duì)數(shù)據(jù)深度“解釋”而非簡單“描述”。兩名研究者采用背對(duì)背編碼方式，參考Nvivo官方的Kappa值參考標(biāo)準(zhǔn)，編碼一致性良好（Kappa值為0.70gt;0.40）。此外，考慮到理論完整性，研究中盡可能保留了富有意義的標(biāo)簽與概念。

（一）開放性編碼

在開放性編碼階段，逐句分析學(xué)生與ChatGPT的對(duì)話材料，針對(duì)請(qǐng)求言語內(nèi)容進(jìn)行“行為編碼”而非“主題編碼”。例如，針對(duì)“教學(xué)方法有哪些”，分析后提取標(biāo)簽為“教育領(lǐng)域知識(shí)”，參考安德森對(duì)知識(shí)的分類[22]，教育領(lǐng)域知識(shí)屬于抽象概括的知識(shí)，進(jìn)一步向上歸納為“概念性知識(shí)”。最終得到了標(biāo)簽共72條（A1-A72），歸納形成18個(gè)概念。部分原始語句提取為標(biāo)簽的示例，見表1。

（二）主軸編碼

主軸編碼是將類別與其子類別聯(lián)系起來的過程[23]。研究對(duì)所得概念進(jìn)行進(jìn)一步抽象與歸納，最終形成六個(gè)主范疇，給出了定義并根據(jù)四個(gè)屬性說明了各范疇的特征，見表2。請(qǐng)求言語語境完整度：請(qǐng)求時(shí)是否給出非常明確、詳細(xì)的語境描述任務(wù)；請(qǐng)求言語關(guān)注點(diǎn)：請(qǐng)求更關(guān)注獲取一個(gè)具體的結(jié)果或答案，還是實(shí)現(xiàn)某個(gè)結(jié)果的過程；是否提供輸入材料：請(qǐng)求時(shí)是否提供了事先準(zhǔn)備的具體、個(gè)性化的材料作為對(duì)話的起點(diǎn)；是否改動(dòng)輸入材料：響應(yīng)內(nèi)容是否對(duì)所提供的輸入材料進(jìn)行修改。從屬性上分析，不同范疇之間也存在著一定聯(lián)系，并且當(dāng)某屬性變化時(shí)有可能變換為其他范疇。

（三）選擇編碼

通過對(duì)六個(gè)主范疇進(jìn)行深入分析，兩名研究者一致認(rèn)為知識(shí)范疇?wèi)?yīng)當(dāng)被賦予核心地位。因?yàn)槠渚幋a數(shù)量最多，并與其他范疇存在相互關(guān)聯(lián)，也是對(duì)話式學(xué)習(xí)的核心內(nèi)容。進(jìn)一步整合抽象，確定核心范疇為ChatGPT支持的六類內(nèi)容。最終形成請(qǐng)求言語內(nèi)容的扎根編碼表，見表3。

（四）效度檢驗(yàn)

理論飽和是指新增加的樣本不能再發(fā)展新的概念和范疇[24]，研究隨機(jī)保留了一組對(duì)話材料，并另外收集了其他情景下的對(duì)話記錄，共同作為理論飽和度檢驗(yàn)的材料。兩份材料共123條請(qǐng)求數(shù)據(jù)，對(duì)285個(gè)參考點(diǎn)編碼得到68個(gè)節(jié)點(diǎn)，未出現(xiàn)新的概念和范疇，因此判斷ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語內(nèi)容實(shí)質(zhì)理論已得到充分挖掘。

五、ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架

根據(jù)分析結(jié)果，研究構(gòu)建了由請(qǐng)求言語內(nèi)容、請(qǐng)求言語類型與請(qǐng)求言語層次三個(gè)核心部分構(gòu)成的ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架，如圖2所示。所生成的理論符合格拉澤所提出的扎根理論的四大評(píng)判標(biāo)準(zhǔn)，適用性、可行性、相關(guān)性與可調(diào)整性[23]。

（一）請(qǐng)求言語內(nèi)容

ChatGPT支持的對(duì)話式學(xué)習(xí)的請(qǐng)求言語內(nèi)容主要涵蓋知識(shí)、成果、分析、編輯、評(píng)價(jià)與思維六大范疇。在生成式人工智能背景下，教育目標(biāo)和學(xué)生學(xué)習(xí)任務(wù)已從對(duì)一般性原理知識(shí)的記憶與淺層理解上升為對(duì)綜合性知識(shí)的應(yīng)用與創(chuàng)新[1]，這就必須推動(dòng)學(xué)生與ChatGPT進(jìn)行對(duì)話式學(xué)習(xí)時(shí)發(fā)揮其高階思維能力，這是一種較高認(rèn)知水平層次上的心智活動(dòng)[25]，要求學(xué)生具備較高的認(rèn)知水平和參與度。因此，研究從思維層次與思維參與度兩方面進(jìn)一步討論六個(gè)范疇的關(guān)系。

基于布魯姆認(rèn)知目標(biāo)分類學(xué)，將六個(gè)范疇與認(rèn)知目標(biāo)層次進(jìn)行對(duì)應(yīng)，又根據(jù)安德森對(duì)認(rèn)知目標(biāo)層次的分類[22]，六個(gè)范疇中編輯、成果、知識(shí)屬于低階思維層，思維、評(píng)價(jià)、分析屬于高階思維層，但同一范疇可能對(duì)應(yīng)不同層次。從思維參與度角度分析，參照Chi M等所提出四種學(xué)習(xí)參與模式：“消極接受”“積極參與”“建設(shè)性生成”“互動(dòng)對(duì)話”[26]。學(xué)生在請(qǐng)求知識(shí)、編輯與成果這三類內(nèi)容時(shí)，通常處于“積極參與”模式。此模式下，學(xué)生往往機(jī)械性地記筆記或是復(fù)制內(nèi)容，思維層次較低。相對(duì)而言，在請(qǐng)求思維、分析、與評(píng)價(jià)時(shí)，學(xué)生的認(rèn)知參與處于“建設(shè)性生成”或“互動(dòng)對(duì)話”模式。這兩種模式下，學(xué)生不僅將ChatGPT的回應(yīng)進(jìn)行內(nèi)化或是生成新的想法，還會(huì)與ChatGPT進(jìn)一步進(jìn)行辯論、探究，展現(xiàn)出較高的思維參與。綜上所述，研究對(duì)請(qǐng)求言語內(nèi)容的實(shí)質(zhì)理論進(jìn)一步分析，厘清了六個(gè)范疇的層次關(guān)系，如圖2所示。

此外，數(shù)據(jù)顯示，知識(shí)、成果、分析是學(xué)生請(qǐng)求數(shù)量較多的三類請(qǐng)求內(nèi)容。相比之下，編輯、評(píng)價(jià)、思維三個(gè)范疇請(qǐng)求數(shù)量則較少，這也反映出學(xué)生應(yīng)用ChatGPT進(jìn)行對(duì)話學(xué)習(xí)的能力有待提升，應(yīng)充分發(fā)揮ChatGPT潛能，提升學(xué)生高水平思維活動(dòng)和探究活動(dòng)的效率[27]。

（二）請(qǐng)求言語類型

初步分析對(duì)話材料，識(shí)別出四種請(qǐng)求言語類型：請(qǐng)求、提問、反饋與指令。經(jīng)過研究團(tuán)隊(duì)深入討論與商議，一致認(rèn)為請(qǐng)求一般是作為提問或指令的一種表現(xiàn)形式，因此可以將其歸納為提問或指令，最終確定了請(qǐng)求言語類型的三種類型：提問、反饋和指令。編碼一致性優(yōu)秀（Kappa值為0.81gt;0.75）。提問是指向ChatGPT提出疑問、問題；指令是指向ChatGPT發(fā)出指示、命令；反饋是指針對(duì)ChatGPT的回應(yīng)提出質(zhì)疑、指出問題。

對(duì)話式教學(xué)分為四種：狹義上的作為對(duì)話的對(duì)話、作為詢問的對(duì)話、作為辯論的對(duì)話與作為指導(dǎo)的對(duì)話[28]。提問對(duì)應(yīng)作為詢問的對(duì)話；提問和反饋相結(jié)合形成辯論的對(duì)話；指令、反饋對(duì)應(yīng)作為指導(dǎo)的對(duì)話，體現(xiàn)出學(xué)生對(duì)ChatGPT的指導(dǎo)。多數(shù)研究重在討論學(xué)生向ChatGPT發(fā)起的提問言語，但研究結(jié)果表示，在ChatGPT支持的對(duì)話式學(xué)習(xí)中，學(xué)生的請(qǐng)求言語類型不僅僅是提問，還包括了指令與反饋。此外，這三種類型也符合塞爾提出的三類語行行為[19]，能夠較為全面地涵蓋學(xué)生與ChatGPT對(duì)話的請(qǐng)求言語類型。

編碼數(shù)據(jù)顯示，學(xué)生對(duì)ChatGPT的請(qǐng)求中，提問最為頻繁，其次是指令，反饋則相對(duì)較少。相較而言，反饋是學(xué)生針對(duì)ChatGPT的響應(yīng)的再請(qǐng)求，所體現(xiàn)出的批判性思維能力與深度思考能力更強(qiáng)。

（三）請(qǐng)求言語層次

從縱向深入分析，對(duì)話層次很大程度上反映出學(xué)生的思維連續(xù)性與深度，也體現(xiàn)出ChatGPT連續(xù)深入對(duì)話的強(qiáng)大能力。通過分析材料，可歸納概括成三個(gè)請(qǐng)求言語層次：初次請(qǐng)求、重復(fù)請(qǐng)求與追加請(qǐng)求。編碼一致性優(yōu)秀（Kappa值為0.77gt;0.75）。初次請(qǐng)求是指針對(duì)某個(gè)主題初次向ChatGPT發(fā)出請(qǐng)求言語；重復(fù)請(qǐng)求是指兩次請(qǐng)求言語所表達(dá)的主題與含義基本一致，可能存在思維固著問題；追加請(qǐng)求是指請(qǐng)求與上一次請(qǐng)求的主題存在關(guān)聯(lián)或遞進(jìn)關(guān)系，一般表示思維的不斷深入或拓展。

在數(shù)量分布上，初次請(qǐng)求數(shù)量最多，追加請(qǐng)求數(shù)量與之相近，重復(fù)請(qǐng)求數(shù)量最少。反映出學(xué)生在初次向ChatGPT發(fā)出請(qǐng)求后一般會(huì)進(jìn)行追問或者進(jìn)一步發(fā)出指令。但理想情況下，初次請(qǐng)求與追加請(qǐng)求之間應(yīng)當(dāng)呈現(xiàn)1∶n的數(shù)量關(guān)系，以體現(xiàn)出學(xué)生的思維連續(xù)性與探究式學(xué)習(xí)行為。因此，學(xué)生與ChatGPT對(duì)話進(jìn)行探究式學(xué)習(xí)的能力還需進(jìn)一步提高。

（四）請(qǐng)求言語內(nèi)容、類型與層次的潛在聯(lián)系

為進(jìn)一步挖掘請(qǐng)求言語各維度的潛在聯(lián)系，研究創(chuàng)新性利用Nvivo11的編碼矩陣功能，將三個(gè)維度中的編碼節(jié)點(diǎn)相互關(guān)聯(lián)，生成請(qǐng)求言語內(nèi)容的六個(gè)范疇、三種請(qǐng)求言語類型、三個(gè)請(qǐng)求言語層次相互之間的量化關(guān)聯(lián)矩陣，如圖3所示。綜合分析請(qǐng)求言語內(nèi)容、類型與層次相互潛在聯(lián)系，進(jìn)一步豐富了ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架。

從請(qǐng)求言語內(nèi)容與請(qǐng)求言語類型的交叉關(guān)系中發(fā)現(xiàn)，請(qǐng)求言語內(nèi)容對(duì)請(qǐng)求言語類型起著指導(dǎo)性與決定性作用。針對(duì)不同的內(nèi)容，學(xué)生所采取的請(qǐng)求言語類型具有特定規(guī)律與特征。學(xué)生在請(qǐng)求評(píng)價(jià)、成果與編輯時(shí)，指令占比最高。而在知識(shí)、思維與分析方面，提問占比最高。需要注意的是，反饋的請(qǐng)求在針對(duì)成果時(shí)出現(xiàn)最多，可能是響應(yīng)與學(xué)生要求不符，學(xué)生需要通過不斷的反饋來調(diào)整ChatGPT的響應(yīng)。

請(qǐng)求言語內(nèi)容與請(qǐng)求言語層次交叉關(guān)系方面，請(qǐng)求言語內(nèi)容對(duì)請(qǐng)求言語層次有一定影響。在知識(shí)與分析上，初次言語請(qǐng)求最多，追加言語請(qǐng)求其次，重復(fù)言語請(qǐng)求最少，數(shù)量關(guān)系呈現(xiàn)“凹”字形。在評(píng)價(jià)、成果和編輯范疇，初次言語請(qǐng)求多于重復(fù)言語請(qǐng)求多于追加言語請(qǐng)求。特別是在思維范疇，追加請(qǐng)求比其他兩種行為都高。說明在學(xué)生請(qǐng)求思維時(shí)更容易對(duì)問題進(jìn)行深入探究。

請(qǐng)求言語類型與請(qǐng)求言語層次交叉關(guān)系顯示，請(qǐng)求言語類型與層次之間相互影響。當(dāng)學(xué)生在進(jìn)行提問的時(shí)候，初次請(qǐng)求和追加請(qǐng)求兩種層次最為頻繁，重復(fù)請(qǐng)求次數(shù)最少。特別是在提問情況下的追加請(qǐng)求數(shù)量遠(yuǎn)高于指令請(qǐng)求。這同樣驗(yàn)證了學(xué)生在提問時(shí)的思維更容易深入和連續(xù)，從而產(chǎn)生更多的探究行為。如同劉清堂等所認(rèn)為的，問題生成有助于觸發(fā)深層次認(rèn)知，客觀反映學(xué)習(xí)者的認(rèn)知水平及高階學(xué)習(xí)能力[29]。

綜上所述，當(dāng)請(qǐng)求言語類型為提問，請(qǐng)求言語內(nèi)容為知識(shí)、分析或思維時(shí)，發(fā)生追加請(qǐng)求的可能性較大，學(xué)生更容易發(fā)揮高階思維能力，產(chǎn)生探究式對(duì)話學(xué)習(xí)行為。學(xué)生向ChatGPT發(fā)出指令時(shí)更容易重復(fù)請(qǐng)求，目的往往是讓ChatGPT生成成果或是輔助學(xué)生自我評(píng)價(jià)。

六、研究總結(jié)

（一）價(jià)值與啟示

本文借助扎根理論方法與內(nèi)容分析法構(gòu)建了ChatGPT支持的對(duì)話式學(xué)習(xí)請(qǐng)求言語分析框架，發(fā)現(xiàn)學(xué)生與ChatGPT對(duì)話的請(qǐng)求言語內(nèi)容包含六類：知識(shí)、成果、分析、編輯、評(píng)價(jià)、思維。其中，思維、分析與評(píng)價(jià)的思維層次較高。學(xué)生一般用提問、指令與反饋三種方式向ChatGPT發(fā)出請(qǐng)求；在對(duì)話過程中對(duì)話層次可以分為初次請(qǐng)求、重復(fù)請(qǐng)求與追加請(qǐng)求。研究還分別討論了各個(gè)范疇的頻率問題，并挖掘了三個(gè)維度之間潛在的相互聯(lián)系。同時(shí)，從由下至上的視角出發(fā)，為在教學(xué)實(shí)踐中合理有效運(yùn)用ChatGPT提供理論參考與實(shí)踐指導(dǎo)，豐富了人工智能教育領(lǐng)域研究理論，對(duì)推動(dòng)我國教育信息化、智能化與現(xiàn)代化發(fā)展有積極意義。

雖然工具天然具有提高效率的效用，但在教育領(lǐng)域這一特殊且復(fù)雜的背景中，更需深思其對(duì)學(xué)生學(xué)習(xí)過程和學(xué)生能力提升的深遠(yuǎn)影響。而該框架能夠?yàn)榻虒W(xué)實(shí)踐提供一定啟示：（1）分析對(duì)話言語。教師可以根據(jù)該框架對(duì)對(duì)話過程進(jìn)行分析，解開學(xué)生與ChatGPT對(duì)話式學(xué)習(xí)時(shí)的思維黑盒，防止“內(nèi)容預(yù)制菜”引發(fā)智力活動(dòng)惰化[26]。此外，請(qǐng)求言語一定程度上也反映出學(xué)生的認(rèn)知水平、思維層次與學(xué)習(xí)風(fēng)格等，有利于為學(xué)生設(shè)計(jì)個(gè)性化的學(xué)習(xí)路徑，也能夠?yàn)榻虒W(xué)評(píng)價(jià)提供獨(dú)特視角。（2）預(yù)測(cè)與引導(dǎo)思維活動(dòng)?？蚣苤腥齻€(gè)維度之間相互存在關(guān)系，可以對(duì)學(xué)生請(qǐng)求言語進(jìn)行預(yù)測(cè)，并通過教學(xué)干預(yù)改變請(qǐng)求內(nèi)容、類型或?qū)哟我龑?dǎo)學(xué)生開展高思維參與的對(duì)話。促進(jìn)學(xué)生合理運(yùn)用ChatGPT并充分發(fā)揮其對(duì)于學(xué)習(xí)支持的潛能。（3）設(shè)計(jì)教學(xué)策略。教師可以針對(duì)不同的學(xué)習(xí)任務(wù)靈活設(shè)計(jì)教學(xué)策略。例如，在探究性學(xué)習(xí)任務(wù)中，引導(dǎo)學(xué)生指示ChatGPT進(jìn)行反向提問，發(fā)揮ChatGPT支持主體認(rèn)知和探究的內(nèi)容“增壓器”作用[26]；而學(xué)習(xí)知識(shí)概念時(shí)，教師不僅要引導(dǎo)學(xué)生進(jìn)行提問，還應(yīng)強(qiáng)調(diào)追問ChatGPT響應(yīng)的“思維”，即探究其“為何如此”，做到“知其然，知其所以然”。此外，教師還可以針對(duì)不同的教學(xué)環(huán)節(jié)引導(dǎo)學(xué)生使用不同的請(qǐng)求言語，例如，在課程總結(jié)階段，鼓勵(lì)學(xué)生積極運(yùn)用ChatGPT的分析與評(píng)價(jià)功能，及時(shí)獲取學(xué)習(xí)反饋，準(zhǔn)確把握自身學(xué)習(xí)進(jìn)度和水平。

（二）不足與展望

研究嚴(yán)格遵循研究規(guī)范，但仍存在一定局限性。例如數(shù)據(jù)樣本量較小，理論生成存在主觀性。本次研究的材料主要源于在高校項(xiàng)目式課堂情景，該理論的普適性、對(duì)其他學(xué)科和場(chǎng)景的實(shí)用性有待進(jìn)一步驗(yàn)證。未來ChatGPT支持的學(xué)習(xí)行為將滲透到各行各業(yè)，后續(xù)研究可以進(jìn)一步在不同專業(yè)、領(lǐng)域各個(gè)維度進(jìn)行理論抽樣與理論比較豐富理論，形成一般性的形式理論。通過扎根理論方法生成理論始終受到研究者自身認(rèn)知與能力的影響，其他研究者也可以根據(jù)自身獨(dú)特的認(rèn)知水平、理論敏感性、批判性思維能力不斷修正與擴(kuò)展該理論。

[參考文獻(xiàn)]

[1] 吳慮，楊磊. ChatGPT賦能學(xué)習(xí)何以可能[J]. 電化教育研究，2023，44（12）：28-34.

[2] DAI Y， LIU A， LIM C P. Reconceptualizing ChatGPT and generative AI as a student-driven innovation in higher education[J]. Procedia CIRP，2023，119：84-90.

[3] 陳寶生. ChatGPT：教育的未來和未來的教育[J]. 人民教育，2023（Z3）：6-13.

[4] 陳凱泉，胡曉松，韓小利，等. 對(duì)話式通用人工智能教育應(yīng)用的機(jī)理、場(chǎng)景、挑戰(zhàn)與對(duì)策[J]. 遠(yuǎn)程教育雜志，2023，41（3）：21-41.

[5] 戴嶺，趙曉偉，祝智庭. 智慧問學(xué)：基于ChatGPT的對(duì)話式學(xué)習(xí)新模式[J]. 開放教育研究，2023，29（6）：42-51，111.

[6] 焦建利. ChatGPT助推學(xué)校教育數(shù)字化轉(zhuǎn)型——人工智能時(shí)代學(xué)什么與怎么教[J]. 中國遠(yuǎn)程教育，2023，43（4）：16-23.

[7] 張華. 對(duì)話教學(xué)：涵義與價(jià)值[J]. 全球教育展望，2008（6）：7-16.

[8] 周洪宇，常順利. 生成式人工智能嵌入高等教育的未來圖景、潛在風(fēng)險(xiǎn)及其治理[J]. 現(xiàn)代教育管理，2023（11）：1-12.

[9] VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need[C]//Proceedings of the 31st International Conference on Neural Information Processing Systems December 04-09， 2017， Long Beach， California. Red Hook， NY： Curran Associates，2017：6000-6010.

[10] WU T， HE S， LIU J， et al. A brief overview of chatGPT： the history， status quo and potential future development[J]. IEEE/CAA journal of automatica sinica，2023，10：1122-1136.

[11] 沈書生，祝智庭. ChatGPT類產(chǎn)品：內(nèi)在機(jī)制及其對(duì)學(xué)習(xí)評(píng)價(jià)的影響[J]. 中國遠(yuǎn)程教育，2023，43（4）：8-15.

[12] 董艷，夏亮亮，李心怡，等. ChatGPT賦能學(xué)生學(xué)習(xí)的路徑探析[J]. 電化教育研究，2023，44（12）：14-20，34.

[13] 趙曉偉，祝智庭，沈書生. 教育提示語工程：構(gòu)建數(shù)智時(shí)代的認(rèn)識(shí)論新話語[J]. 中國遠(yuǎn)程教育， 2023，43（11）： 22-31.

[14] 趙曉偉，戴嶺，沈書生，等. 促進(jìn)高意識(shí)學(xué)習(xí)的教育提示語設(shè)計(jì)[J].開放教育研究，2024，30（1）：44-54.

[15] STRAUSS A L， CORBIN J M. Basics of qualitative research： techniques and procedures for developing grounded theory[J]. Journal of aadvanced nursing，2000，32： 1036-1036.

[16] 張光陸. 探究式交談對(duì)學(xué)生深度學(xué)習(xí)的影響：基于課堂話語分析[J]. 全球教育展望，2021，50（5）：3-14.

[17] ALQAHTANI T， BADRELDIN H A， ALRASHED M， et al. The emergent role of artificial intelligence， natural learning processing， and large language models in higher education and research[J]. Research in social and administrative pharmacy，2023，19（8）：1236-1242.

[18] 荀淵. ChatGPT/生成式人工智能與高等教育的價(jià)值和使命[J]. 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版）， 2023，41（7）： 56-63.

[19] 高文彬. 邏輯語用學(xué)探析[J]. 萍鄉(xiāng)高等?？茖W(xué)校學(xué)報(bào)，2013，30（2）：56-59.

[20] 黃碧珠，江定濤. 生成式人工智能嵌入行業(yè)產(chǎn)教融合共同體建設(shè)：邏輯機(jī)理、實(shí)踐進(jìn)路與發(fā)展向度[J]. 教育與職業(yè)，2024（10）：39-44.

[21] 吳毅，吳剛，馬頌歌. 扎根理論的起源、流派與應(yīng)用方法述評(píng)——基于工作場(chǎng)所學(xué)習(xí)的案例分析[J]. 遠(yuǎn)程教育雜志，2016，35（3）：32-41.

[22] ANDERSON L W， KRATHWOHL D R. A taxonomy for learning， teaching， and assessing： a revision of Bloom's taxonomy of educational objectives： complete edition[M]. Harlow： Addison Wesley Longman， 2001.

[23] GLASER B G. Doing grounded theory： issues and discussions[M]. Mill Valley， California： Sociology Press， 1998.

[24] 陳向明. 質(zhì)的研究方法與社會(huì)科學(xué)研究[M]. 北京：教育科學(xué)出版社，2000.

[25] 段茂君，鄭鴻穎. 基于深度學(xué)習(xí)的高階思維培養(yǎng)模型研究[J]. 現(xiàn)代教育技術(shù)，2021，31（3）：5-11.

[26] CHI M，WYLIE R. The ICAP Framework： linking cognitive engagement to active learning outcomes[J]. Educational psychologist，2014，49（4）： 219-243.

[27] 苗逢春. 生成式人工智能技術(shù)原理及其教育適用性考證[J]. 現(xiàn)代教育技術(shù)，2023，33（11）：5-18.

[28] BURBULES N C. Dialogue in teaching： theory and practice[J]. Journal of curriculum studies，2000，32（6）：878-881.

[29] 劉清堂，?，r倍，吳林靜，等. 課前學(xué)習(xí)支架促進(jìn)學(xué)生問題生成與認(rèn)知水平提升[J]. 電化教育研究，2023，44（7）：59-66.

Grounded Analysis of Request Speech： Dialogue-based Learning Supported by ChatGPT

ZHANG Lei，" HUANG Yan，" YU Annan

（Institute of Education， Guizhou Normal University， Guiyang Guizhou 550025）

[Abstract] ChatGPT， a generative artificial intelligence， has great potential in the field of education， but how to apply ChatGPT reasonably and effectively to support learning is full of challenges. The interaction between students and ChatGPT is carried out in the mode of 'dialogue-based learning'， where students' \"request speech\" is the \"driver\" of the dialogue. In order to unlock the \"black box\" of" students' thinking activities it contains and answer the core questions of \"what to learn\" and \"how to learn\"， this paper， with the help of grounded theory and content analysis method， constructs a dialogue-based learning request speech analysis framework supported by ChatGPT from three dimensions of \"request speech content\"， \"request speech type\" and \"request speech level\". The results show that there are six types of request speech content： knowledge， analysis， outcome， editing， evaluation and thinking. The types of request speech can be classified as question， instruction and feedback; and the request speech level include initial request， repeated request and additional request. This paper uses the coding matrix to analyze the potential connection of the three dimensions， and then reveals the complex characteristics of the three dimensions that cross-influence each other， which provides a more targeted theoretical reference and practical guidance for in-depth analysis and effective guidance of students' dialogue-based learning with ChatGPT.

[Keywords] ChatGPT; Dialogue-based Learning; Request Speech; Grounded Theory; Thinking Activities

基金項(xiàng)目：貴州省 2023 年度哲學(xué)社會(huì)科學(xué)規(guī)劃課題“多模態(tài)視域下鄉(xiāng)村教師數(shù)字素養(yǎng)現(xiàn)狀調(diào)查與進(jìn)階測(cè)評(píng)研究”（課題編號(hào)：23GZYB119）