大語言模型視域下中學語文詩歌意象教學生成探微

中圖分類號：H09 文獻標識碼：A 文章編號：1001-4225（2025）01-0054-05

作為一種強大的、會加速教育變革的教育工具，大語言模型已引發(fā)諸如違背學術(shù)倫理、撒謊、欺騙、偏見與歧視、錯誤信息、不良價值觀等問題。針對這種種現(xiàn)象，教育界普遍采取的是偏向封閉逃避的本能防御的態(tài)度。面對大語言模型的“入侵”，教育界整體延續(xù)了之前對待技術(shù)革命的態(tài)度。

這類“入侵\"分為兩個層面：一是大語言模型繞過教育組織層面和制度層面，它的出現(xiàn)令教育管理者、教師以及其他相關(guān)人員職業(yè)失能，重新定義專業(yè)知識，信息的可獲取性、不可預測性和缺乏控制性大大增強[；二是大語言模型以負面結(jié)果的方式呈現(xiàn)，不僅帶來學術(shù)不端的憂慮，也引發(fā)有關(guān)學生的批判性思維在大語言模型之下究竟該如何培養(yǎng)的進一步憂思。

對于中學語文教學，以ChatGPT為首的大語言模型的出現(xiàn)更是造成了“人工智能可以取代基礎教育教師，所授知識相較學校課堂的知識獲取而言更全面、更專業(yè)\"的論斷。本文擬從中學語文詩歌意象的生成教學著手，秉持一線教師應改變封閉消極的規(guī)避態(tài)度，在教育自洽的加持下面對教育目標和教育過程中出現(xiàn)的新型挑戰(zhàn)和機遇，希望從大語言模型運作的底層邏輯和中學語文詩歌意象教學的生成中尋找共生點，勾連起高新教育工具與一線教學的合作共贏。

一、追本溯源：大語言模型寫詩的困境和研究現(xiàn)狀

2022年11月ChatGPT的發(fā)布，宣告“人工智能時代”的真正開始，各行各業(yè)或多或少受到了大語言模型的沖擊。在大語言模型生成詩歌的應用程序方面，千禧年間出現(xiàn)的“稻香老農(nóng)”作詩機作為大語言模型實踐先于理論的產(chǎn)物開創(chuàng)AI寫詩的先河，之后依次出現(xiàn)的百度出品的“文心一言”清華大學出品的“九歌”作詩機、“詩三百”作詩機在詩詞格律、意象抓取方面逐步正式化、自然化，成為高等院校研究詩歌“意象”“意脈”的重要參照物，但是這也對“大語言模型寫詩僅向新詩發(fā)出明確沖擊，古體詩相對安全\"的觀點發(fā)起挑戰(zhàn)。大語言模型寫詩與人工的關(guān)系要如何認識？在人工智能也能進行詩歌的意象選擇和創(chuàng)作時，中學語文詩歌教學的審美創(chuàng)造的目標是否會被動搖？

當前有關(guān)大語言模型介入詩歌創(chuàng)作的觀點不外乎三種。其一，大語言模型寫詩與人工是無關(guān)的，彼此各行其道，因為詩歌是寫給自己看的；其二，秉持所有機械寫作都會有真正的原創(chuàng)性，機械寫作只能在道路中尋找道路;其三，機械寫作不可能擁有情感，而好的詩歌作品應包含作者意圖，這是大語言模型寫詩不能替代人工的重要原因。華東師大的胡曉明教授曾在《什么樣的詩歌不會被AI取代》的講座中點明，大語言模型對詩學的確造成了一些負面的影響一首先，大量大語言模型生成出來的作品魚目混珠，作品真實性的困擾引人注目。其次，生命感發(fā)的萎謝和生命境界探尋的式微，山川之有云霧、文本優(yōu)勢在大語言模型生成出的作品中不復存在。再有，具身體驗的退場，煙云供養(yǎng)、淪肌浹髓的文本功能性逐步消散。獨特的個人經(jīng)歷、心靈感悟、現(xiàn)實關(guān)切與時代面影在大語言模型生成的詩歌中失位，鮮活的生活細節(jié)、現(xiàn)場感和具身性丟失?！芭d觀群怨”中，詩可以群的作用也一并消解，詩歌本身具備帶有倫常性的交流、互動、對話、悅納的功能性，被大語言模型生成的作品肢解，無法做到離方遁圓、虛中有實、反客為主的曲折表達，詩歌本身作為一門精妙語言的藝術(shù)在大語言模型中喪失煉字的能力。在教育方面，對于全人培養(yǎng)也產(chǎn)生了負面影響，孔門四科提倡的文學、德行、政事、言語的要求被懸置，越來越多的詩歌教育抹去了創(chuàng)作的思維過程，立志于將人教成“方形的蘋果”。盡管爭論頗多，但因為大語言模型介入造成文藝創(chuàng)作進入“智人時代”是不爭的事實。如何在中學語文詩歌教學中有意識適應并應用\"智人”的轉(zhuǎn)變，值得當前一線教師反思。

目前教育學與大語言模型重合的研究文獻不涉及中學語文詩歌意象教學的部分。在國際中文教學、語言教學等高等教育和AI寫詩方面有部分研究成果，具有借鑒和啟發(fā)的意義。早在19年記者鐘菡、張熠在《解放日報》刊登的《AI對古詩詞\"生搬硬套”，內(nèi)行一眼便能識破》的報道認為詩詞不像棋譜可通過計算破解，會有邏輯意法上的明顯漏洞[2]。此后，在國際中文教育和語言教育方面，北京語言大學崔希亮的《人工智能—語言教學的機遇和挑戰(zhàn)》指出語言教育數(shù)智化（數(shù)智化 Σ=Σ 數(shù)字技術(shù) +AI/AGI 技術(shù) + 網(wǎng)絡技術(shù) + 虛擬現(xiàn)實 + 增強現(xiàn)實 + 智慧平臺）的轉(zhuǎn)型是整體趨勢，在個性化自主學習、自動評估和反饋、數(shù)據(jù)分析與預測、跨文化交際培訓等方面起到不可估量的作用，應用到教學中就是教材編寫、課堂教學、課程設計、語言翻譯的工具。南京大學曹賢文等人的論文合刊《“數(shù)智時代的國際中文教育：變與不變\"大家談》更是點明數(shù)智時代下因為“數(shù)智賦能”，國際中文教師的新挑戰(zhàn)和新要求，推動新型大語言模型如融媒國際中文學習詞典編撰應用的落成，并圍繞選詞范圍、釋義元詞、信息維度、融媒概念、用戶體驗五方面進行實踐4。鹽城工學院郭乃瑄、董琴、徐秀芳、徐森的《基于文心一言的數(shù)據(jù)結(jié)構(gòu)課程教學方法初探》針對大語言模型在高等教育應用的問題，以文心一言進行的數(shù)據(jù)結(jié)構(gòu)課程教學為例，給予具體典型的遞歸算法代碼示例，深入展示大語言模型在制作在線課程或教學材料、設計互動練習、引導學生個性化思維的研究過程[5。王博、周藍翔、陳云的《深度學習框架PyTorch人門與實踐》一書中則詳細介紹使用PyTorch實現(xiàn)Transformer自動寫詩的具體代碼編寫和整體呈現(xiàn)效果。

總體而言，現(xiàn)行研究認為大語言模型可以普遍應用于教學的資料設計和課后評價反饋方面，在信息檢索、釋義等可在數(shù)據(jù)庫中直接預測生成的教學內(nèi)容上可以起到出乎意料的作用，運用于中學語文詩歌教學中可以做到詩歌翻譯、同詞橫向勾連、同作者縱向探究的作用，但在引導教學詩歌的鑒賞創(chuàng)作這一需要學生個人審美情趣的部分，仍是后勁不足。

二、刻木為鵠：大語言模型底層邏輯與中學語文生成教學的適配性

根據(jù)OpenAI聯(lián)合創(chuàng)始人AndrejKarpathy在微軟Build2023大會上所公開的信息，OpenAI使用的大語言模型建構(gòu)流程主要分為四個階段：預訓練、有監(jiān)督微調(diào)、獎勵建模和強化學習，而這四階段的運作模式和中學語文詩歌生成教學運作的底層邏輯有吻合之處。

預訓練（Pretraining）階段需要利用海量的訓練數(shù)據(jù)，構(gòu)建包含數(shù)千億甚至數(shù)萬億單詞的具有多樣性的內(nèi)容?；A模型構(gòu)建了長文本的建模能力，使得模型具有語言生成能力，根據(jù)輸入法的提示詞，模型可以生成文本補全句子；語言模型建模也構(gòu)建了事實性知識和常識性知識。但缺點是花費大量計算資源和時間，易受超參數(shù)影響。這與中學語文詩歌生成教學中初期要求學生在課前自行預習而不設置相關(guān)任務單，增加學生學習壓力、過渡檢索搜集無意義信息，易受個人理解認知能力影響。也類似于教師備課時提問針對性不強，易導致學生回答“漫天開花”，生成無用結(jié)論，達不到黃厚江提出的“共生課堂”，師生共生、生生共生的要求。

有監(jiān)督微調(diào)（SupervisedFinetuning），也稱之為指令微調(diào)（InstructionTuning），利用少量高質(zhì)量數(shù)據(jù)集合，包含用戶輸入的提示詞和對應的理想輸入結(jié)果。用戶輸入包括問題、閑聊對話、任務指令等多種形式和任務。如何構(gòu)造少量并且高質(zhì)量的訓練數(shù)據(jù)是本階段的研究重點。相較于“預訓練”，該階段增加“輸出結(jié)果”的設定。所需的訓練語料較少，具備初步任務完成的能力。此階段對應中學語文詩歌生成教學時教師備課時有意識預設學生思維邏輯，并針對單個教學目標增設相應限定范圍的問題，以準確的提問、開放的思維促進學生自行完成初步知識生成的要求。同時也要求教師在課程設置時以少而精的主線問題串聯(lián)整堂課，使學生思維邏輯連貫，從而創(chuàng)設良好的思辨能力培養(yǎng)氛圍。

獎勵建模（RewardModeling）階段目標是建立一個文本質(zhì)量對比模型，通過二分類模型，對輸入的兩個結(jié)果之前的優(yōu)劣進行判斷。但獎勵建模不能單獨提供給用戶使用。另外，獎勵模型的泛化能力邊界也是本階段需要重點研究的另一個問題。這就好比中學語文詩歌生成教學中，教師為了更好地引導學生生成知識點，并建構(gòu)相關(guān)知識體系框架，需要設定課堂評價體系，來激勵學生的課堂積極性或指正學生的思維岔口，但該課堂評價體系的構(gòu)建的邊界感和尺度需提前預設與隨堂生成并重。同時需要注意，該課堂評價體系不可脫離教學實際情境單獨使用，否則會造成評價失真的情況。

強化學習（ReinforcementLearning）階段根據(jù)數(shù)十萬用戶給出的提示詞，利用在前一階段訓練的獎勵建模模型，給出有監(jiān)督微調(diào)模型對用戶提示詞補全結(jié)果的質(zhì)量評估，并與語言模型建模目標綜合得到更好的效果。該階段與有監(jiān)督微調(diào)階段一樣需要的樣本容量較少，但不需要人工提前給出該提示詞所對應的理想回復。但強化學習方法穩(wěn)定性不高，并且超參數(shù)眾多，使得模型收斂難度大，再疊加獎勵建模的準確率問題，使得在大規(guī)模語言模型如何能夠有效強化學習非常困難。這與中學語文詩歌生成教學的教學過程中，多個學生隨堂作答同一個問題，教師合理引導學生歸納總結(jié)強化學習效果作用大體相同。也和教學任務完成后教師適時進行教學反思，將相同課例的課堂實錄和突發(fā)問題進行整理總結(jié)，進行長時段樣本的采集，最終歸納出合適的適應學生思維發(fā)展的最佳教學途徑類似。

從信息檢索的操作機制來講，大語言模型和中學語文詩歌生成教學的共同點分為內(nèi)外兩方面。外部需有大量數(shù)據(jù)的儲備，內(nèi)部需要關(guān)注回憶的認知過程。里面涉及認知評估的設定，如何切實做到從記憶到應用。拿中學語文生成教學類比，大腦作為數(shù)據(jù)的倉庫，需要從領(lǐng)域模型到學生模型的過渡，都受到編碼、上下文、檢索線索的影響。故而在具體中學語文詩歌教學實踐中，一線教師面對大語言模型的沖擊無需本能抵制，而是可以試圖擁抱接受，有效積累語料即時鍵入，讓大語言模型與學生同步成長，讓大語言模型服務于生成教學實踐，并實現(xiàn)教學自洽。

三、運籌建策：大語言模型在中學語文詩歌意象教學的實際運用和展望

除去大語言模型運行的底層邏輯與中學語文生成教學的適配性，即使大語言模型的詩歌生成具有不相關(guān)性，但可作為“磨刀石”，在中學語文詩歌教學中探索“什么是真正的好詩的標準”這一核心命題。能理亂絲，乃可讀詩，大語言模型無疑可以成為“智人時代”中學語文詩歌意象生成教學中把握意象意脈的不二抓手。

在具體詩歌意象的教學實踐中，引導學生理解體會詩歌的事實邏輯和藝術(shù)邏輯，明了詩人選取意象的順理成章和無理而妙是兩大教學難點。《滄浪詩話》點出“詩有別趣，非合理也”，為詩歌教學目標設立了較高的審美要求。針對抽象的詩學概念，中學生受制于個人經(jīng)歷的局限性，難以單純依賴教師對詩歌本身語修邏文的拆解講授就應知應會。實際講授李益的《江南曲》時，學生出現(xiàn)關(guān)注點游蕩于文本的思想核心之外，過分沉浸詩歌摘選“瞿塘賈”“弄潮兒”意象對比營造的詼諧性，進而表現(xiàn)出針對性極強的戲謔的反應。學生難以從時空距離與之相差較大的意象中，獨立品味詩人抒情的藝術(shù)邏輯，感悟其妙手偶得的無理之趣。

中學詩歌意象教學無法有當堂的有效生成，歸根結(jié)底還是對于意脈的把握難度較大。中學語文教材收錄的部分詩歌展現(xiàn)了很明顯的象斷意連的特點，單憑單一意象的抓取來探究詩歌的情感態(tài)度是片面而不準確的。在具體教學實踐中明確意脈即詩歌意義的展開過程，是詩歌在人們感覺中所呈現(xiàn)的內(nèi)容的動態(tài)連續(xù)過程，具有銜接通暢、遍布全篇、隱于字句的特點。

配合把握意脈的教學目標的推進，在引導學生的課堂思維生成中，可適當穿插大語言模型的運用。如一線教帥在教學杜甫的《登高》品析不同意象搭建意脈的作用時，使用“文心一言\"或“詩三百”“九歌”等大語言模型作詩機，在輸入指令時保留問題，替換部分意象，將生成的多首詩歌與原詩進行對比，體味意象和意脈的關(guān)聯(lián)性。同時有意識在教學中使用PyTorch增加數(shù)據(jù)庫的存量，實現(xiàn)Transformer數(shù)據(jù)增加有效關(guān)聯(lián)詞匯的準確性，生成更加文從字順、符合格律的詩歌內(nèi)容（包括現(xiàn)代詩和近體詩），添加同詞分呈、古詩翻譯的指令內(nèi)容，達到“音形義”并重的效果。為了順應九年級上冊詩歌單元“嘗試創(chuàng)作”的教學目標，在給予固定命題并鼓勵學生課堂討論出幾個關(guān)鍵詞的同時，使用大語言模型作詩機和學生進行同題創(chuàng)作，引導學生達到“發(fā)揮想象聯(lián)想、巧用意象”“檢索名句、仿寫改寫、化為己用”的教學要求，真正做到數(shù)智化教育與傳統(tǒng)文化教育并舉。

吳天石認為一堂好的語文課，不僅要有好的教學設計，還需配合切實的教材分析和教學反思。大語言模型在中學語文詩歌意象教材與課程設計的分析建構(gòu)和反饋與評價研究中，也發(fā)揮了舉足輕重的作用。系統(tǒng)分析中學語文教材中詩歌意象大單元教學的整體要求和分段式研究目標，調(diào)查中學生在詩歌意象方面的認知能力和學習困境，通過大語言模型作詩機的使用來彌合、探索構(gòu)建一套符合教材和課程要求的實操手冊，整合形成基于統(tǒng)編語文教材的單元整體教學設計系列資源，最終促進學生詩歌意象知識成體系的構(gòu)建。將大語言模型與中學語文詩歌意象教學相結(jié)合，依據(jù)學習遷移理論、多元智能理論、深度學習理論、具身認知理論，歸納數(shù)智化學習活動的情境創(chuàng)設策略、任務驅(qū)動下的活動組織策略、語文要素達成的評測策略。依據(jù)基于語文核心素養(yǎng)的詩歌意象教學的研究報告，全面評估大語言模型提供給學生的自我評價反饋，總結(jié)學生正確認知和反饋的指量標準，形成提升學生語文素養(yǎng)的課堂評價體系。

當然現(xiàn)行的大語言模型在中學語文詩歌意象教學上仍存在捉襟見肘的情況，自由抓取意象來生成的詩作仍有存在意境不匹配、邏輯不通順的偽詩和劣質(zhì)詩，不利于在中學語文詩歌意象教學課堂上作為一個即時工具來使用。

針對大語言模型能將圍棋“子力\"的能量程度數(shù)字化，生成自動對局的底層算法，胡曉明教授在2023年于大學文學院所做的《什么樣的詩歌不會被AI取代》的講座中，提出詩歌“字力”或\"詞力\"的概念，其與周邊形式（字詞）息息相關(guān)，并非單獨呈現(xiàn)。落實到大語言模型對詩歌的數(shù)字模擬寫作中則是通過測算詞頻來篩選合適意象進行搭配，與周邊詞句有關(guān)形成搭配，并形成自然語言創(chuàng)作中意脈勾連的規(guī)則。通過次數(shù)眾多的組合對比，使用增減、更替詩歌中的部分意象的做法，直觀像學生呈現(xiàn)不同意象使用的不同效果。

符合中學語文詩歌教學要求的大語言模型，理應著眼于人機互動，要求在現(xiàn)有“九歌”“詩三百”作詩機的基礎之上，強調(diào)歸納詩歌的意象、格律、意脈編排的特點，最終達到用數(shù)字代碼取得自然語言進行詩歌意象的界定、翻譯，以及同步生成創(chuàng)作，通過算法預測生成詞匯代替部分意象后的同題詩作的目的。為一線教學的學生提供直觀感受意象意脈間聯(lián)系的技術(shù)支持，促進我國中學語文詩歌教育的發(fā)展。

當前關(guān)于大語言模型的話題仍在如火如茶地進行中，但值得明確的是，在中學語文詩歌意象的生成教學上，大語言模型不該因為偏見被一味被摒棄。順應數(shù)智化教育趨勢，以大語言模型為技術(shù)支持，搭建合理的課堂生成教學策略，形成提升學生語文素養(yǎng)的評價體系是應有之義。

參考文獻：

[1]陸道坤，李淑婷.是“神馬”還是“灰犀?！保篊hatGPT等大語言模型對教育的多維影響及應對之策[J/OL].新疆師范大學學報（哲學社會科學版）（2023-06-11）[2023-06-29].https：//doi.org/10.14100/j.cnki.65-1039/g4.20230628.002.

[2]鐘菡，張熠.AI對古詩詞“生搬硬套”，內(nèi)行一眼便能識破[N].上海：解放日報，2019（5）.

[3]崔希亮.人工智能—語言教學的機遇和挑戰(zhàn)[J].廣州：華文教學與研究，2024（2）：20-29.

[4]曹賢文，陳宏，陳諾，等.“數(shù)智時代的國際中文教育：變與不變\"大家談[J].語言教學與研究，2024（3）：1-19.

[5]郭乃瑄，董琴，徐秀芳，等.基于文心一言的數(shù)據(jù)結(jié)構(gòu)課程教學方法初探[J].合肥：科教文匯，2023（21）：95-100.

[6]張奇，桂韜，鄭銳，等.大規(guī)模語言模型：從理論到實踐[M].北京：中國工信出版集團，2023：6-11.

[7]徐林祥.吳天石：語文“雙基\"教育的奠基人[J].南京：教育研究與評論（中學教育教學），2013（6）：11-17.

（責任編輯：張曉）