摘要：人智交互作為人工智能時(shí)代新型的人機(jī)關(guān)系，其隱含的對(duì)話特征、過程及教育屬性有待厘清。該研究聚焦于人智協(xié)同寫作對(duì)話的過程與模式，運(yùn)用認(rèn)知網(wǎng)絡(luò)分析法，旨在揭示人智交互的對(duì)話行為與學(xué)習(xí)發(fā)生機(jī)制。通過對(duì)學(xué)生在自然狀態(tài)下的人智交互話語文本進(jìn)行編碼，研究分析了不同寫作對(duì)話階段、不同寫作水平的學(xué)習(xí)者的特點(diǎn)，識(shí)別出了四種人智交互對(duì)話模式，即惰性接收被動(dòng)對(duì)話型、搜索依賴主動(dòng)對(duì)話型、共享調(diào)節(jié)協(xié)作對(duì)話型和思辨創(chuàng)造共生對(duì)話型，這些模式呈現(xiàn)出人智互動(dòng)的漸深關(guān)系和知識(shí)轉(zhuǎn)化與創(chuàng)生的遞進(jìn)層次。研究認(rèn)為，人智交互要追求人智共生的學(xué)習(xí)型對(duì)話，通過人機(jī)共享調(diào)節(jié)的協(xié)作學(xué)習(xí)和高階思維的參與，促進(jìn)學(xué)習(xí)者的能動(dòng)決策和素養(yǎng)發(fā)展。未來研究需進(jìn)一步探索人智交互的教育場(chǎng)景，實(shí)現(xiàn)對(duì)話教育和人智交互在理論和實(shí)踐層面的互促共進(jìn)。

關(guān)鍵詞：人智交互；對(duì)話教育；自我調(diào)節(jié)和共享調(diào)節(jié)；議論文寫作

中圖分類號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A

* 本文系國(guó)家社科基金“十四五”規(guī)劃2021年教育學(xué)青年課題“‘互聯(lián)網(wǎng)+’背景下學(xué)生自主學(xué)習(xí)及家校指導(dǎo)策略研究”（課題編號(hào)：CCA210257）階段性研究成果。

① 楊玉芹為本文通訊作者。

一、問題提出

技術(shù)演進(jìn)促成了對(duì)話教育的時(shí)空解域與智能融合，互聯(lián)網(wǎng)技術(shù)的發(fā)展進(jìn)一步打破了時(shí)間和空間的限制。隨著以ChatGPT為代表的生成式人工智能技術(shù)（Generative AI）的迅猛發(fā)展，教育和課堂正在產(chǎn)生革命性的變化。人工智能在對(duì)話教育中扮演了重要角色，將對(duì)話教育在主體上從人際對(duì)話擴(kuò)展到人機(jī)對(duì)話，在階段上從人機(jī)交互進(jìn)化到人智交互。對(duì)話教育將對(duì)話視為知識(shí)創(chuàng)生的重要來源，蘇格拉底提問法（產(chǎn)婆術(shù)）通過由淺入深、層層遞進(jìn)的啟發(fā)式教學(xué)激發(fā)個(gè)體的深層反思和推理，進(jìn)而探究現(xiàn)象背后的真理[1]。生成式人工智能支持下的人智交互為對(duì)話教育開辟了新的研究視域，在人智對(duì)話中，知識(shí)能夠被發(fā)現(xiàn)、改變、綜合、評(píng)估和創(chuàng)造，知識(shí)的動(dòng)態(tài)流轉(zhuǎn)成為可能[2]。然而，針對(duì)人智交互場(chǎng)景下對(duì)話式學(xué)習(xí)的本質(zhì)和機(jī)制研究仍然不足。因此，本研究旨在探究學(xué)生在自然狀態(tài)下與生成式人工智能的對(duì)話行為與過程，以期識(shí)別出人智交互的對(duì)話模式，發(fā)現(xiàn)其對(duì)話背后的學(xué)習(xí)發(fā)生和人智協(xié)同構(gòu)建知識(shí)的機(jī)制。

二、文獻(xiàn)綜述

（一）人機(jī)交互到人智交互的嬗變

從計(jì)算機(jī)時(shí)代到人工智能時(shí)代，人機(jī)關(guān)系經(jīng)歷了嬗變，即從簡(jiǎn)單的人機(jī)交互（Human-Computer Interaction，HCI）轉(zhuǎn)向更為復(fù)雜的人智交互（Human-AI Interaction，HAII）。人機(jī)共生是人機(jī)協(xié)同的更高階段，而人智交互是人機(jī)交互的高度深化。隨著人工智能技術(shù)經(jīng)歷機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大語言模型的發(fā)展歷程，人智交互的關(guān)系也逐步深化，實(shí)現(xiàn)更高層次的交互、協(xié)作與共生。2022年末生成式人工智能產(chǎn)品的出現(xiàn)，使人工智能首次實(shí)現(xiàn)“涌現(xiàn)”特征，人工智能以更自然的方式嵌入人類的社會(huì)交互場(chǎng)景，在文本生成、知識(shí)問答、邏輯推理等方面具有巨大的應(yīng)用價(jià)值[3]。智能技術(shù)的發(fā)展賦予了人工智能自主化特征，使其具備人的認(rèn)知能力，如感知、學(xué)習(xí)、推理等。人工智能能夠與人類合作，擔(dān)負(fù)著雙重角色，不僅是簡(jiǎn)單的輔助工具，更是合作者，實(shí)現(xiàn)相互理解、合作和共同決策[4]。李政濤指出，人智交互關(guān)系將影響未來的人機(jī)教育關(guān)系，人機(jī)之間的對(duì)話將從替代思維走向共生思維，實(shí)現(xiàn)“雙向超越”[5]。汪靖等學(xué)者提出了人機(jī)共生模式，將生成式人工智能外腦和人類內(nèi)腦創(chuàng)生融合的過程比作DNA的雙螺旋結(jié)構(gòu)，兩者因?yàn)閷?duì)方的反饋而不斷演進(jìn)成長(zhǎng)，相互配合，提升效率與效果[6]。

人智交互時(shí)的知識(shí)轉(zhuǎn)換與創(chuàng)生有其特殊機(jī)制。例如袁一鳴等指出，知識(shí)的轉(zhuǎn)化從情境空間拓展到了神經(jīng)網(wǎng)絡(luò)：人機(jī)交互時(shí)，知識(shí)的轉(zhuǎn)化仍發(fā)生在人際之間，互聯(lián)網(wǎng)只能為知識(shí)的傳遞提供網(wǎng)絡(luò)空間；然而，人工智能基于算法架構(gòu)的神經(jīng)網(wǎng)絡(luò)與訓(xùn)練模型，能夠完成對(duì)知識(shí)的理解、學(xué)習(xí)和解釋。通過與人類的交互反饋，人工智能可以自動(dòng)優(yōu)化其響應(yīng)策略，從而豐富了知識(shí)轉(zhuǎn)化的形式[7]。因此，人智交互不僅促進(jìn)了知識(shí)的傳遞與共享，還通過人工智能的深度學(xué)習(xí)與理解能力，拓展了知識(shí)的轉(zhuǎn)化維度和創(chuàng)新潛力。

已有研究開始關(guān)注人智交互過程中學(xué)習(xí)發(fā)生的過程與機(jī)制。如有研究進(jìn)行了人機(jī)共學(xué)模式的實(shí)驗(yàn)，通過特定的交互模式設(shè)計(jì)，建立人智合作伙伴關(guān)系。人機(jī)共學(xué)需要人智共享學(xué)習(xí)目標(biāo)，分享雙方的知識(shí)和經(jīng)驗(yàn)，識(shí)別和適應(yīng)各自在知識(shí)層面的差異，增進(jìn)對(duì)任務(wù)和彼此的理解，從而提高團(tuán)隊(duì)效能[8]。同時(shí)，有研究探索了小學(xué)生在英語學(xué)習(xí)場(chǎng)景下的人智交互，發(fā)現(xiàn)人工智能支持的深度學(xué)習(xí)法可以增強(qiáng)人工智能提供的個(gè)性化反饋，深化人智交互關(guān)系，被動(dòng)和機(jī)械的互動(dòng)則會(huì)減損學(xué)習(xí)效果[9]。有學(xué)者進(jìn)一步指出，在人智交互學(xué)習(xí)的過程中，需要將重點(diǎn)放在如何與人工智能合作上，面對(duì)人工智能帶來的片面和充滿不確定性的信息，學(xué)生要培養(yǎng)在復(fù)雜情境中工作的能力[10]。

（二）人工智能時(shí)代的對(duì)話教育

教育與對(duì)話相生相成的關(guān)系由來已久，從蘇格拉底和孔子“問與答”的哲學(xué)思想開始萌芽，到“主體教育學(xué)”向“關(guān)系教育學(xué)”的轉(zhuǎn)變，“對(duì)話教學(xué)論”成為當(dāng)代教育理念的體現(xiàn)[11]。教育是對(duì)話性的，它不僅通過對(duì)話來實(shí)現(xiàn)，而且以對(duì)話為目的[12]。魯珀特·韋格里夫（Rupert Wegerif）從形式、認(rèn)識(shí)論和本體論三個(gè)角度闡釋了對(duì)話教育的定義。在形式上，對(duì)話教育是一種以對(duì)話的形式展開的教學(xué)活動(dòng)；在認(rèn)識(shí)論層面，對(duì)話教育強(qiáng)調(diào)話語的意義是在語境中構(gòu)建的，學(xué)生以對(duì)話的形式參與持續(xù)的共同探究過程；在本體論層面，對(duì)話一種是建構(gòu)知識(shí)，改變自身，轉(zhuǎn)變社會(huì)現(xiàn)實(shí)的方式[13]。

人工智能為對(duì)話教育提供了技術(shù)支持，利用傳統(tǒng)機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法和混合算法，人工智能構(gòu)建了對(duì)話分析模型，開發(fā)了包括ASR引擎（語音文字轉(zhuǎn)錄）和人工智能聊天機(jī)器人等人工智能系統(tǒng)[14]。通過對(duì)傳統(tǒng)課堂環(huán)境和在線環(huán)境中師生和人機(jī)互動(dòng)的分析和支持，人工智能豐富和轉(zhuǎn)化了教育對(duì)話，使學(xué)習(xí)者能利用數(shù)字工具構(gòu)建知識(shí)和理解[15]。語言學(xué)習(xí)領(lǐng)域是人工智能支持對(duì)話教育的典型應(yīng)用場(chǎng)景之一。以人工智能聊天機(jī)器人為例，它支持重復(fù)練習(xí)，與人類對(duì)話者的互動(dòng)相似，能提供個(gè)性化的學(xué)習(xí)材料，支持隨時(shí)隨地訪問，能夠減少學(xué)生的學(xué)習(xí)焦慮[16]。然而，早期的人工智能在運(yùn)用中存在不少障礙，很少有機(jī)器人能夠與學(xué)生進(jìn)行有意義的學(xué)習(xí)對(duì)話[17]。

生成式人工智能的技術(shù)突破使深度多維的對(duì)話教育成為可能。相比于傳統(tǒng)的智能系統(tǒng)，生成式人工智能基于大規(guī)模的人類語言數(shù)據(jù)集對(duì)用戶進(jìn)行響應(yīng)，并在與用戶的交流中不斷學(xué)習(xí)[18]，提高了交互的準(zhǔn)確性和真實(shí)性。許多學(xué)者指出，生成式人工智能有望在對(duì)話教育領(lǐng)域?qū)崿F(xiàn)新的突破，實(shí)現(xiàn)“生機(jī)、師機(jī)、師機(jī)生、生機(jī)生”等多維、多元對(duì)話[19]；提升基于對(duì)話的智能教學(xué)系統(tǒng)的水平，支持對(duì)話式學(xué)習(xí)和深度學(xué)習(xí)[20]；構(gòu)建對(duì)話式學(xué)習(xí)的新模式[21]等。

綜上所述，已有研究表明，在人工智能時(shí)代的對(duì)話教育，與前文所述的人智交互存在諸多共性，其本質(zhì)都強(qiáng)調(diào)了人類與人工智能間的互動(dòng)和協(xié)作。人工智能憑借強(qiáng)大的理解和響應(yīng)力，有望提供更個(gè)性化和適應(yīng)性強(qiáng)的學(xué)習(xí)場(chǎng)域，在交互和對(duì)話中促進(jìn)信息交流、知識(shí)構(gòu)建和認(rèn)知增益。學(xué)習(xí)者的學(xué)習(xí)效果取決于人智交互時(shí)雙方的角色和合作的程度。盡管兩者之間存在密切關(guān)系，但是如何具體實(shí)現(xiàn)和優(yōu)化人智交互中的對(duì)話學(xué)習(xí)過程仍未得到充分闡明。目前很少有研究從對(duì)話的視角出發(fā)，分析人智交互過程中的動(dòng)態(tài)交互模式、對(duì)話質(zhì)量，以及這些因素如何影響學(xué)習(xí)者的認(rèn)知發(fā)展和學(xué)習(xí)表現(xiàn)。

（三）研究目的與研究問題

本研究以議論文寫作的真實(shí)場(chǎng)景為背景，探究學(xué)習(xí)者在人智交互時(shí)的話語行為和對(duì)話模式。選擇議論文寫作作為研究情境的原因是，它作為一種嵌入社會(huì)背景的活動(dòng)，需要在多種觀點(diǎn)和分歧中決策，其本質(zhì)也是一種對(duì)話互動(dòng)[22]。議論文寫作不僅能夠較好地反映出寫作者的邏輯推理能力和批判性思維，而且也是培養(yǎng)學(xué)生核心素養(yǎng)和高階思維能力的有效方式。

本研究試圖運(yùn)用認(rèn)知網(wǎng)絡(luò)分析法，創(chuàng)新地分析人智交互過程中的對(duì)話數(shù)據(jù)，構(gòu)建人智對(duì)話行為的認(rèn)知網(wǎng)絡(luò)，并對(duì)不同對(duì)話網(wǎng)絡(luò)的特點(diǎn)進(jìn)行分析比較。本研究試圖回答以下三個(gè)問題：

（1）人智交互的不同階段，人智協(xié)同寫作對(duì)話具有哪些特點(diǎn)？

（2）不同寫作水平的學(xué)生在人智交互時(shí)的對(duì)話行為具有怎樣的差異性？

（3）人智協(xié)同寫作對(duì)話過程中，產(chǎn)生了哪些交互類型？

三、研究設(shè)計(jì)

（一）研究對(duì)象

本研究運(yùn)用整群隨機(jī)抽樣的方法。在發(fā)放研究邀請(qǐng)函后，從Z大學(xué)英語課程的四個(gè)班級(jí)的報(bào)名者中隨機(jī)抽取60位本科生作為參與者，其中七名參與者因時(shí)間等因素退出研究。最后的研究對(duì)象為53名學(xué)生，包括26名男性，27名女性。年齡平均值為18.73歲，標(biāo)準(zhǔn)差為1.32。在專業(yè)分布上，人文科學(xué)類17人，社會(huì)科學(xué)類9人，自然科學(xué)類19人，生物醫(yī)學(xué)類8人。

（二）數(shù)據(jù)收集

首先，本研究要求參與者提交同一主題的一篇大學(xué)英語課堂習(xí)作，并運(yùn)用有道和Grammarly兩個(gè)英語寫作評(píng)分軟件打分，取平均分作為參與者的平時(shí)寫作成績(jī)。在人智對(duì)話環(huán)節(jié)，所有參與者統(tǒng)一集中在教室中，使用生成式人工智能工具進(jìn)行兩輪對(duì)話。第一輪對(duì)話的主題是“智慧與孤獨(dú)”，對(duì)話時(shí)間為20分鐘。第二輪對(duì)話的主題是“虛擬現(xiàn)實(shí)和真實(shí)體驗(yàn)”，對(duì)話時(shí)間為40分鐘。每輪對(duì)話結(jié)束后，參與者需提交相應(yīng)主題的英語作文以及該輪的對(duì)話記錄。經(jīng)統(tǒng)計(jì)，共收到參與者發(fā)言14213字。單輪最大發(fā)言條數(shù)為23條，平均值為9.04條，標(biāo)準(zhǔn)差為8.37。

（三）數(shù)據(jù)分析

本研究首先以Alyssa Friend Wise教授的ASIMeC-F編碼框架作為基礎(chǔ)，并針對(duì)人智對(duì)話的特征對(duì)編碼框架進(jìn)行了修訂，以對(duì)參與者的兩輪人智對(duì)話數(shù)據(jù)進(jìn)行內(nèi)容分析。ASIMeC-F編碼框架最初用于分析在線討論中的知識(shí)建構(gòu)過程，后來被用于分析學(xué)生在討論中的話語行為，以揭示學(xué)生承擔(dān)的功能及角色[23]。已有的實(shí)證研究表明，ASIMeC-F編碼框架是評(píng)估在線討論中會(huì)話功能實(shí)現(xiàn)情況的非?？煽康墓ぞ遊24]。由于人工智能逐漸被視作教育中的人性化代理，因而，我們可以合理地假設(shè)人智交互類似于人際交互[25]，學(xué)生對(duì)人工智能代理的感知也類似于學(xué)生在線討論時(shí)對(duì)同伴的感知。因此，將學(xué)生在線討論中的知識(shí)建構(gòu)過程的編碼框架應(yīng)用于人智交互分析，可以獲得人工智能支持學(xué)習(xí)的新視角。

基于ASIMeC-F編碼框架和人智協(xié)同寫作的對(duì)話數(shù)據(jù)，本研究形成了5個(gè)一級(jí)編碼和9個(gè)二級(jí)編碼。其中，一級(jí)編碼涵蓋信息獲取和調(diào)節(jié)互動(dòng)兩個(gè)維度，二級(jí)編碼則體現(xiàn)出一級(jí)編碼在對(duì)話層次上的深淺。具體內(nèi)容如表1所示。

兩位編碼員首先對(duì)編碼框架進(jìn)行了討論，以更好地理解不同編碼之間的差異。然后，他們隨機(jī)選擇了10人的人智對(duì)話記錄進(jìn)行試分析，先獨(dú)立進(jìn)行內(nèi)容分析，再集中討論并達(dá)成共識(shí)。在試分析結(jié)束后，兩位研究者分別對(duì)所有數(shù)據(jù)進(jìn)行獨(dú)立內(nèi)容分析，結(jié)果顯示出較好的一致性（Kappa=0.81），并對(duì)內(nèi)容分析結(jié)果差異部分進(jìn)行討論協(xié)商，最終達(dá)成了一致認(rèn)識(shí)。

然后，為揭示不同階段的對(duì)話行為差異以及不同寫作水平學(xué)生的對(duì)話行為差異，本研究進(jìn)行了兩類分析：（1）頻次差異比較和（2）認(rèn)知網(wǎng)絡(luò)分析?；谏鲜鼍幋a框架，本研究首先對(duì)兩個(gè)階段的人智協(xié)同寫作對(duì)話進(jìn)行了頻次差異比較。接著，為探究不同寫作水平的學(xué)生在對(duì)話行為上的差異，本研究基于參與者的平時(shí)寫作成績(jī)對(duì)其進(jìn)行寫作能力分級(jí)。參與者的寫作平均分為70.80分（滿分100分），標(biāo)準(zhǔn)差為9.34。70分以下的22人被劃為低寫作水平組，70至80分的23人為中水平組，80分以上的8人為高寫作水平組。在此基礎(chǔ)上，我們比較了三組寫作水平學(xué)生在人智交互時(shí)的對(duì)話行為頻數(shù)和比例。其次，本研究使用認(rèn)知網(wǎng)絡(luò)分析在線工具對(duì)學(xué)生的對(duì)話行為進(jìn)行分析。ENA算法使用移動(dòng)窗口為數(shù)據(jù)中的每一行構(gòu)建網(wǎng)絡(luò)模型。在本研究中，我們將窗口大小設(shè)定為5行。最終，編碼結(jié)果以網(wǎng)絡(luò)圖的形式進(jìn)行可視化，其中每個(gè)編碼被表示為一個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)的共現(xiàn)表示不同話語行為之間的聯(lián)系，粗線表示節(jié)點(diǎn)之間的聯(lián)系更強(qiáng)，而細(xì)線表示連接較弱。由于節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置是固定的，個(gè)人和群體網(wǎng)絡(luò)都通過質(zhì)心在二維空間中呈現(xiàn)，并且可以通過四個(gè)象限中的節(jié)點(diǎn)加以解釋[26]，以此呈現(xiàn)學(xué)生在不同寫作階段和不同水平下的認(rèn)知網(wǎng)絡(luò)特征。

最后，為了挖掘不同的交互模式，本研究采用二維象限法對(duì)學(xué)生的人智協(xié)同寫作對(duì)話進(jìn)行分類，通過編碼框架中的兩個(gè)維度—信息獲取和調(diào)節(jié)互動(dòng)—確定象限。信息獲取維度側(cè)重于學(xué)生對(duì)信息的獲取、加工和整合，學(xué)生通過發(fā)出指令來指導(dǎo)和豐富內(nèi)容的生成，拓展對(duì)話的深度和廣度，指導(dǎo)生成式人工智能響應(yīng)寫作任務(wù)的需求。調(diào)節(jié)互動(dòng)維度則強(qiáng)調(diào)學(xué)生對(duì)所生成內(nèi)容的評(píng)價(jià)和對(duì)話方向的管理調(diào)整。接下來，根據(jù)二級(jí)編碼對(duì)話語行為進(jìn)行1分或2分的賦分（例如，簡(jiǎn)單指示-1分，復(fù)雜指示-2分），計(jì)算每個(gè)學(xué)生在兩個(gè)維度下話語數(shù)量和得分的加權(quán)平均值。最后，繪制二維象限圖，以信息獲取分?jǐn)?shù)為X軸，調(diào)節(jié)互動(dòng)分?jǐn)?shù)為Y軸，以揭示每位學(xué)生在兩個(gè)維度上的交互表現(xiàn)。

四、研究結(jié)果

（一）不同寫作階段的對(duì)話行為對(duì)比

1.不同寫作階段對(duì)話行為的頻次

學(xué)生在兩個(gè)寫作階段的對(duì)話行為頻數(shù)和比例顯示，相比于第一階段，學(xué)生的第二階段對(duì)話出現(xiàn)了顯著變化，包括更多的復(fù)雜指示（24.23% vs. 10.67%）、對(duì)外部資源的討論（2.69% vs. 1.33%）和話題的轉(zhuǎn)折（43.46% vs. 15.11%）。與此同時(shí)，簡(jiǎn)單指示（67.69% vs. 80.89%）、提及概念（27.31% vs. 65.78%）和提及外部資源（6.54% vs. 18.22%）的比例明顯下降。上述轉(zhuǎn)變表明，學(xué)生的話語行為在兩個(gè)階段間出現(xiàn)了顯著的變化，χ2（df =8，N=1055）=102.816，p<0.001。這些研究結(jié)果表明，人智協(xié)同寫作對(duì)話的形式能隨著對(duì)話階段的推進(jìn)和互動(dòng)的增加，助推學(xué)生的能動(dòng)思考。

2.不同寫作階段對(duì)話行為的認(rèn)知網(wǎng)絡(luò)差異

認(rèn)知網(wǎng)絡(luò)分析進(jìn)一步展示了兩個(gè)寫作階段對(duì)話行為之間的聯(lián)系，以及兩個(gè)階段的具體差異。圖1（a）展示了兩個(gè)寫作階段的認(rèn)知網(wǎng)絡(luò)質(zhì)心，揭示了學(xué)生的對(duì)話行為的關(guān)聯(lián)在不同寫作階段存在顯著差異，在橫軸上有顯著性（t=6.20，p<0.05，d=1.52）。

圖1（b）為兩個(gè)對(duì)話階段的認(rèn)知網(wǎng)絡(luò)疊減圖，更清晰地展示了階段間的區(qū)別。在第一輪對(duì)話中，參與者的對(duì)話行為主要集中在簡(jiǎn)單指示和提及概念、提及外部資源之間共現(xiàn)。在該輪對(duì)話中，學(xué)生們基本圍繞概念解釋、中英翻譯或直接生成作文輸出指令。例如，“圍繞‘智慧與孤獨(dú)’寫一篇文章?！薄罢?qǐng)羅列對(duì)“智慧”和“孤獨(dú)”不同的關(guān)系的介紹和論述?！毕啾戎?，在第二輪對(duì)話中，簡(jiǎn)單指示與轉(zhuǎn)折話題的連接更為突出。例如，從要求生成式人工智能翻譯和提煉寫作材料，“用英文概括此段的大意，每句話包含一個(gè)關(guān)鍵詞”；到要求生成式人工智能輸出觀點(diǎn)，“用英文針對(duì)這兩句話作出駁論”；再到要求生成式人工智能生成段落文字，“根據(jù)以下段落大意……撰寫開頭段，最后一句要引出虛擬技術(shù)不足，要求中英對(duì)照，50字左右”。部分同學(xué)在第二輪對(duì)話中強(qiáng)化了人工智能對(duì)寫作過程的指導(dǎo)，要求人工智能提供寫作提綱、幫助拓寬寫作思路等，例如，“現(xiàn)在我要寫一篇文章來反駁‘現(xiàn)實(shí)生活經(jīng)驗(yàn)不再那么重要’的觀點(diǎn)。你覺得我能做些什么？”。

因此，從認(rèn)知網(wǎng)絡(luò)的差異看，初期的人智互動(dòng)反映出學(xué)生獲取信息和構(gòu)建初步理解的過程，后期則顯示出探索新視角和進(jìn)行更多維度的思考的追求。不過，從元素共現(xiàn)的角度看，整體對(duì)話仍集中在相對(duì)淺層的維度，缺少與人工智能的討論和回應(yīng)。

（二）不同寫作水平學(xué)生的對(duì)話行為對(duì)比

1.不同寫作水平學(xué)生的對(duì)話行為頻次

不同寫作水平學(xué)生的對(duì)話行為的頻數(shù)和比例表明，相較于低水平組，中水平組學(xué)生有更多的復(fù)雜指示（25.49% vs. 5.33%）、討論概念（23.53% vs. 12.67%）、簡(jiǎn)單回應(yīng)（6.27% vs. 2.67%）和綜合回應(yīng)（12.55% vs. 2.67%）。這些差異在統(tǒng)計(jì)學(xué)上具有顯著意義，χ2（df =8，N=857）=70.400，p<0.001。

相較于中水平組，高水平組有更多的簡(jiǎn)單指示（78.05% vs.65.88%）、提及概念（39.02% vs. 33.33%）、轉(zhuǎn)折話題（41.46% vs. 28.63%）。與此同時(shí)，高水平組的復(fù)雜指示（17.07% vs. 25.49%）和簡(jiǎn)單回應(yīng)（1.22% vs. 12.55%）減少。然而，這些差異在統(tǒng)計(jì)學(xué)上并不顯著，χ2（df =8，N=726）=10.255，p=0.248。

相較于低水平組，高水平組在復(fù)雜指示（17.07% vs. 5.33%）、討論概念（26.83% vs. 12.67%）、提及外部資源（14.63% vs. 9.33%）、綜合回應(yīng)（9.76% vs. 2.67%）和轉(zhuǎn)折話題（41.46 vs. 26.67%）上都有顯著增加，χ2（df =8，N=507）=30.982，p<0.001。

綜上所述，中-低和高-低水平組學(xué)生之間的差異明顯。寫作能力會(huì)影響學(xué)生的話語行為，相較于低水平學(xué)生，更高水平的學(xué)生使用更復(fù)雜的指令，進(jìn)行概念討論，并給予更多回應(yīng)和反饋。從話語行為的角度看，除了討論概念、提及外部資源和轉(zhuǎn)折話題三個(gè)維度隨著寫作水平的提高遞增外，其他維度的最高頻次都出現(xiàn)在中水平組。同時(shí)，中水平和低水平組的學(xué)生在人數(shù)相似的情況下，中水平組的話語數(shù)量明顯更多。這些結(jié)果都表明，在本次人智協(xié)同寫作對(duì)話中，中水平組學(xué)生有更為積極的交互表現(xiàn)，其話語行為分布也更加均衡。

2.不同寫作水平學(xué)生的認(rèn)知網(wǎng)絡(luò)分析

認(rèn)知網(wǎng)絡(luò)分析更具象地展示了三組寫作水平的學(xué)生話語行為間的聯(lián)系。圖2（a）為三組學(xué)生的認(rèn)知網(wǎng)絡(luò)質(zhì)心分布，其中，低水平與中水平的學(xué)生在橫軸上存在顯著差異（t=-2.05，p<0.05，d=0.61），在縱軸上也存在顯著差異（t=4.30，p<0.001，d=1.27）。低水平與高水平的學(xué)生在橫軸（t=-1.03，p=0.33，d=0.50）和縱軸上（t=0.24，p=0.81，d=0.12）均不存在顯著差異。中水平與高水平學(xué)生在縱軸上存在顯著差異（t=-2.57，p<0.05，d=1.03）。

如圖2（b）和圖2（d）所示，高-低水平組之間的話語結(jié)構(gòu)相似度較高，都集中在簡(jiǎn)單指示、提及概念和轉(zhuǎn)折話題上。平均網(wǎng)絡(luò)的比較結(jié)果顯示，中水平組（圖2（c））的共現(xiàn)類型最為豐富。下頁圖2（e）為中-低水平組疊減圖，表明與低水平組相比，中水平組在簡(jiǎn)單指示與討論概念、復(fù)雜指示和轉(zhuǎn)折話題之間具有更強(qiáng)的關(guān)聯(lián)性。下頁圖2（f）為高-中水平組疊減圖，可見中水平組在簡(jiǎn)單指示和討論概念之間的聯(lián)系更為突出，而高水平組在簡(jiǎn)單指示、提及概念和轉(zhuǎn)折話題方面的關(guān)聯(lián)更加明顯。

綜上所述，頻次分析和認(rèn)知網(wǎng)絡(luò)分析的結(jié)果都顯示了中水平組學(xué)生在人智協(xié)同寫作對(duì)話中的突出表現(xiàn)。中水平組學(xué)生的簡(jiǎn)單指示和提及概念的聯(lián)系最為緊密，其他節(jié)點(diǎn)之間的聯(lián)系也更均衡，說明他們能通過多樣化的話語行為展現(xiàn)更復(fù)雜的交互模式。雖然高水平組與低水平組在認(rèn)知網(wǎng)絡(luò)上沒有明顯差異，但是在頻數(shù)分布上存在顯著差異，這表明雖然兩者話語行為的整體關(guān)聯(lián)情況相似，但是高水平組在具體維度上更具深度。

（三）交互對(duì)話類型

圖3揭示了人智協(xié)同寫作對(duì)話的四種類型：高獲取-高互動(dòng)、低獲取-高互動(dòng)、低獲取-低互動(dòng)、高獲取-低互動(dòng)。

1.高獲取-高互動(dòng)型

在第一象限中，有10位學(xué)生（占比18.87%）呈現(xiàn)出高獲取-高互動(dòng)的特征。這些學(xué)生在人智交互中，不滿足于簡(jiǎn)單的信息獲取，而是通過具有主體意識(shí)的指令進(jìn)行概念的討論和資源的綜合評(píng)價(jià)，激發(fā)新知，指向高階思維發(fā)展。例如，學(xué)生W對(duì)概念發(fā)表觀點(diǎn)，并要求生成式人工智能評(píng)價(jià)：“什么樣的人可以被稱作智慧的人？我認(rèn)為……，因此我說他們是孤獨(dú)的。你認(rèn)為我的看法及論證過程有什么問題?！睂?duì)于生成式人工智能的回答，他也進(jìn)行了批判性回應(yīng)：“對(duì)于你說的……，我提出質(zhì)疑。如果……，那么你的觀點(diǎn)沒有問題。但是我認(rèn)為不能局限于此……”

進(jìn)一步觀察第一象限，我們發(fā)現(xiàn)有2位學(xué)生在調(diào)節(jié)互動(dòng)維度方面表現(xiàn)出色，表明他們?cè)谶^程管理和提供反饋方面有較高能力。例如，學(xué)生P與生成式人工智能合作，共同完成了標(biāo)題擬定、框架規(guī)劃、開頭設(shè)計(jì)、論據(jù)擴(kuò)充、表達(dá)潤(rùn)色、中英翻譯、修改整合等任務(wù)。對(duì)話的話題經(jīng)歷了多次轉(zhuǎn)換，而且輸出了很多協(xié)商性話語。例如，“我們的開頭引入部分還可以有所改進(jìn)。我認(rèn)為可以加入……”，這體現(xiàn)出人智共享調(diào)節(jié)的特點(diǎn)?？偟膩碚f，高獲取-高互動(dòng)類型下，學(xué)生既有思辨創(chuàng)造的共生對(duì)話，也有共享調(diào)節(jié)型的協(xié)作對(duì)話。

2.低獲取-高互動(dòng)型

在第二象限中，7位學(xué)生（占比13.21%）呈現(xiàn)出低獲取-高互動(dòng)的特征。他們有意識(shí)地將生成式人工智能視為對(duì)話伙伴，積極地給予反饋和回應(yīng)。例如，“我今天想寫一篇關(guān)于虛擬現(xiàn)實(shí)的文章，但我不知道怎么開始，你能幫幫我嗎？”“你的幫助很有用，謝謝！”他們嘗試在不斷轉(zhuǎn)換話題中獲取信息。然而，由于缺乏對(duì)寫作過程的自我調(diào)節(jié)和元認(rèn)知，他們的信息獲取呈零散和碎片化的特點(diǎn)。例如，“我是不是應(yīng)該總結(jié)一下虛擬現(xiàn)實(shí)的好處和壞處，然后提出一些措施？這個(gè)點(diǎn)應(yīng)該怎么寫？”因此，低獲取-高互動(dòng)類型的學(xué)生雖然采取主動(dòng)對(duì)話態(tài)度，但也依賴于生成式人工智能的建議。

3.低獲取-低互動(dòng)型

在第三象限中，22位學(xué)生（5人坐標(biāo)重疊，占比41.51%）呈現(xiàn)出低獲取-低互動(dòng)的特征。他們對(duì)話的目的主要是完成任務(wù)，而不是建構(gòu)和獲取新知識(shí)，對(duì)話數(shù)量也相對(duì)較少，試圖以最少的努力滿足最低的學(xué)習(xí)要求。此類學(xué)生在人數(shù)上占比最多，反映出接近半數(shù)的學(xué)習(xí)者惰性被動(dòng)型對(duì)話的特點(diǎn)，這與前文中提到不同寫作階段中認(rèn)知網(wǎng)絡(luò)的整體對(duì)話仍集中在淺層維度的特點(diǎn)相呼應(yīng)。

4.高獲取-低互動(dòng)型

在第四象限中，有14位學(xué)生（占比26.42%）呈現(xiàn)出高獲取-低互動(dòng)的特點(diǎn)。他們?nèi)酥墙换サ膶?duì)話行為主要圍繞提及外部資源和概念展開。舉例來說，在學(xué)生B與人工智能的11輪次的對(duì)話中，提及資源就有5次。例如，“請(qǐng)根據(jù)‘?dāng)?shù)字化體驗(yàn)的劣勢(shì)’這一主題，給出相關(guān)的論文，并標(biāo)注作者、年份、大致內(nèi)容?！薄罢?qǐng)給出‘社交隔離和數(shù)字社交’的實(shí)例、新聞報(bào)道?！边@類學(xué)生以搜索獲取型對(duì)話為主，注重信息搜索而非對(duì)話交流，強(qiáng)調(diào)人工智能的工具性，而對(duì)認(rèn)知屬性缺乏認(rèn)識(shí)，缺乏對(duì)寫作任務(wù)的整體把握，也未能展示出人與人工智能之間的合作關(guān)系。

五、討論與結(jié)論

（一）研究發(fā)現(xiàn)與討論

1.人智協(xié)同寫作對(duì)話的特征

本研究發(fā)現(xiàn)人智協(xié)同寫作對(duì)話主要表現(xiàn)為淺層話語行為。大部分同學(xué)傾向于依賴生成式人工智能，將其作為提供論點(diǎn)和論據(jù)、分析寫作材料的資料庫(kù)，甚至直接依賴生成式人工智能替代自己生成文本，進(jìn)行復(fù)制粘貼以代替思考。這一結(jié)果也呼應(yīng)了智能時(shí)代的一大教育隱憂，即技術(shù)發(fā)展可能削弱學(xué)生自主性和增強(qiáng)惰性。學(xué)生選擇了“拿來主義”而非主動(dòng)學(xué)習(xí)，缺乏對(duì)材料的深入研讀和分析，更缺乏對(duì)生成式人工智能回答的評(píng)價(jià)和創(chuàng)造。生成式人工智能“跨越過程性”的效率指向容易替代學(xué)生自身的認(rèn)知過程[27]。人智交互時(shí)，高度擬人化的生成式人工智能集成了社會(huì)規(guī)范和期望，以“泛化他者”的身份與學(xué)生互動(dòng)，向?qū)W生展示各領(lǐng)域的成果。表面上學(xué)生是在發(fā)號(hào)施令，實(shí)為簡(jiǎn)單接受信息而非轉(zhuǎn)化信息，削弱了學(xué)生的深度思考，導(dǎo)致淺表理解和低通路遷移，難以提升思維和認(rèn)知水平。因此，這種人智交互本質(zhì)上是一種人智分離，難以達(dá)到協(xié)同的效果。

2.寫作水平與對(duì)話行為的關(guān)聯(lián)

本研究發(fā)現(xiàn)，中等寫作水平的學(xué)生在人智協(xié)同寫作對(duì)話中表現(xiàn)最佳，而傳統(tǒng)紙筆寫作模式下的高水平學(xué)生在人智交互中并沒有表現(xiàn)出色。這可能是因?yàn)椋瑐鹘y(tǒng)寫作技能注重文體把握和表達(dá)修飾，但是這些方面可以由生成式人工智能輕松實(shí)現(xiàn)提升。面對(duì)生成式人工智能強(qiáng)大的響應(yīng)能力，以往沒有優(yōu)勢(shì)的學(xué)生也能使用有效的指令，在人智協(xié)同寫作中實(shí)現(xiàn)“彎道超車”。 這一結(jié)果凸顯了加強(qiáng)高效人智協(xié)同的必要性。人工智能技術(shù)對(duì)傳統(tǒng)的知識(shí)觀進(jìn)行了深刻重塑，通過數(shù)據(jù)和信息處理，改變了知識(shí)生產(chǎn)方式，開辟了創(chuàng)造“無限知識(shí)”的新途徑。知識(shí)生產(chǎn)的主體發(fā)展為人、機(jī)器和人機(jī)協(xié)同的共生[28]。學(xué)生采用的學(xué)習(xí)方法，以及自身預(yù)期和人工智能的角色表現(xiàn)的匹配程度將決定學(xué)生從生成式人工智能使用中獲得的收益[29]。

結(jié)合中等寫作水平學(xué)生的對(duì)話行為和高獲取-高交互維度下的學(xué)生特點(diǎn)，共享調(diào)節(jié)學(xué)習(xí)有望促進(jìn)高效的人智交互。共享調(diào)節(jié)是集體成員圍繞共同的目標(biāo)進(jìn)行共同理解、制定計(jì)劃、監(jiān)控和反思的過程，并對(duì)認(rèn)知、元認(rèn)知和動(dòng)機(jī)等維度進(jìn)行集體協(xié)調(diào)[30]。通過學(xué)習(xí)者與機(jī)器的共享調(diào)節(jié)，人智交互能實(shí)現(xiàn)寫作前的信息加工、寫作中的互動(dòng)對(duì)話、寫作后的評(píng)價(jià)反饋[31]，共同完成寫作計(jì)劃、起草、修改的遞歸過程。人智共享調(diào)節(jié)需要建立在學(xué)習(xí)者的自我意識(shí)和自我調(diào)節(jié)學(xué)習(xí)能力基礎(chǔ)之上，學(xué)習(xí)者不斷思考人智交互生成內(nèi)容的目的和結(jié)構(gòu)，反思其對(duì)整體信息的貢獻(xiàn)，掌握交互結(jié)果的決策權(quán)，引導(dǎo)人智交互往符合預(yù)期的方向發(fā)展[32]。

3.人智協(xié)同寫作的交互和認(rèn)知深化需求

有近三成的學(xué)生的對(duì)話側(cè)重資源獲取和信息搜集，體現(xiàn)出互聯(lián)網(wǎng)Web1.0時(shí)代“搜索式學(xué)習(xí)”的典型特征，是一種單向式、非分享的、非智能互補(bǔ)的人機(jī)交互[33]。但是，搜索式學(xué)習(xí)并未充分發(fā)揮出生成式人工智能賦能教育的優(yōu)勢(shì)。本研究發(fā)現(xiàn)，有部分學(xué)生能將自我意識(shí)延伸到技術(shù)中，將生成式人工智能視為建設(shè)性的對(duì)話伙伴，通過提問、追問、反問等方式達(dá)到高獲取-高交互，深化了交互和認(rèn)知層次，實(shí)現(xiàn)了思辨和創(chuàng)造。生成式人工基于算法提供答案，存在信息準(zhǔn)確性和倫理風(fēng)險(xiǎn)等問題[34]。因此，除了單純的信息獲取外，學(xué)習(xí)者本身也該做出貢獻(xiàn)，對(duì)信息進(jìn)行審視。學(xué)習(xí)者與生成式人工智能進(jìn)行深度交互，在對(duì)話中探索復(fù)雜的想法、了解事物的真相、解決問題、揭示假設(shè)、分析概念等行為體現(xiàn)了蘇格拉底倡導(dǎo)的對(duì)話學(xué)習(xí)方式。蘇格拉底提問法強(qiáng)調(diào)通過論證引發(fā)認(rèn)知沖突，促進(jìn)個(gè)體學(xué)習(xí)和集體知識(shí)的共同進(jìn)化[35]?？梢韵胍?，在人智間開展思辨創(chuàng)造共生對(duì)話，也有望實(shí)現(xiàn)知識(shí)的有效轉(zhuǎn)化。思辨創(chuàng)造共生對(duì)話需要學(xué)習(xí)者發(fā)揮批判性思維、反思性思維等高階認(rèn)知能力和素養(yǎng)，這也是智能時(shí)代，教育要培養(yǎng)的核心素養(yǎng)和面向未來的關(guān)鍵能力。

4.人智交互對(duì)話模式及發(fā)生機(jī)制識(shí)別

綜合不同階段和不同水平學(xué)生的交互表現(xiàn)和交互類型劃分結(jié)果，我們可以總結(jié)出不同的人智交互模式和對(duì)話類型。已有研究基于ICAP 框架分析基于計(jì)算機(jī)系統(tǒng)的交互水平[36]，ICAP框架基于不同的行為表現(xiàn)和知識(shí)變化，分出四種由淺至深的認(rèn)知參與和學(xué)習(xí)模式，前兩種模式屬于淺層學(xué)習(xí)，包括被動(dòng)學(xué)習(xí)和主動(dòng)學(xué)習(xí)，后兩種模式為深度學(xué)習(xí)，包括建構(gòu)學(xué)習(xí)和互動(dòng)學(xué)習(xí)[37]。參考這些分類，并結(jié)合本研究數(shù)據(jù)，本研究歸納出四種人智交互對(duì)話模式。低獲取-高交互和高獲取-低交互是搜索依賴主動(dòng)對(duì)話型的一體兩面，因此歸為一類。如表2所示，從左至右，學(xué)習(xí)者與生成式人工智能的交互更加深入，對(duì)話行為更加復(fù)雜，對(duì)話關(guān)系從機(jī)器主導(dǎo)走向?qū)W習(xí)者主導(dǎo)轉(zhuǎn)變，學(xué)習(xí)者能夠逐步接收、整合、建構(gòu)和生成知識(shí)，實(shí)現(xiàn)深層人智交互。

圖4進(jìn)一步總結(jié)和展示了人和人工智能在交互對(duì)話中的知識(shí)動(dòng)態(tài)和人智關(guān)系。在人智交互的層面上，淺層交互包括惰性接收被動(dòng)對(duì)話型和搜索依賴主動(dòng)對(duì)話型，展現(xiàn)了學(xué)生希望從人工智能處獲得具有權(quán)威性的“硬知識(shí)”的傾向。深層交互包括共享調(diào)節(jié)協(xié)作對(duì)話型和思辨創(chuàng)造共生對(duì)話型，二者互補(bǔ)互促，并無優(yōu)劣之分。在這種交互中，知識(shí)在人與機(jī)器之間動(dòng)態(tài)流轉(zhuǎn)，成為一種更為流動(dòng)和適應(yīng)性強(qiáng)的“軟知識(shí)”[38]。這兩種交互層次反映了人工智能參與度和功能質(zhì)量深淺的差異。

同時(shí)，這兩種交互層次體現(xiàn)了學(xué)生在對(duì)話中的主動(dòng)程度和承擔(dān)的職責(zé)大小，也反映了eqgWxS4AiB2EQqSEKTyf/ABYnOmf+8B/xt+SduTX1T4=對(duì)不同思維水平的要求。安德森將認(rèn)知的目標(biāo)分為六個(gè)層面，包括記憶、理解、應(yīng)用、分析、評(píng)價(jià)、創(chuàng)造[39]。前兩個(gè)層面涉及基本的信息處理，側(cè)重于淺層學(xué)習(xí)，后四個(gè)層面則需要更高層次的思維技能，側(cè)重于深層學(xué)習(xí)。人智淺層交互通常只涉及低階思維的運(yùn)用，如記憶和理解。而深層交互要求學(xué)習(xí)者在機(jī)器的幫助下，積極發(fā)揮主體意識(shí)，進(jìn)行批判性思考和創(chuàng)造性問題解決，從而促進(jìn)學(xué)習(xí)者高階思維的培養(yǎng)和人智共生關(guān)系的形成。

（二）啟示和建議

1.利用針對(duì)性支架，拓寬人智對(duì)話空間

一個(gè)世紀(jì)以前，布伯（Martin Buber）富有洞見地提出兩種對(duì)話關(guān)系，“我-它”關(guān)系將包括技術(shù)在內(nèi)的世界視為利用的對(duì)象，“我-你”則是對(duì)話雙方以交互的方式建構(gòu)出直接的、有意義的關(guān)系[40]。毋庸諱言，技術(shù)，作為對(duì)話的媒介，不斷地?cái)U(kuò)展著人類的理解。因此，未來需要深入挖掘技術(shù)在拓寬對(duì)話空間中的作用，在學(xué)生與技術(shù)之間建立“我-你”關(guān)系，將人工智能等技術(shù)視為人類智能的延伸，不斷打開對(duì)話空間，增強(qiáng)和擴(kuò)展人類的反思智能[41]。但是，值得警醒的是，本研究發(fā)現(xiàn)這種對(duì)話空間尚未打開。因此，未來的人智交互需要教師的適時(shí)干預(yù)，在個(gè)體層面培養(yǎng)學(xué)生的自主調(diào)節(jié)能力和共享調(diào)節(jié)能力的同時(shí)，在技術(shù)層面要通過教學(xué)設(shè)計(jì)營(yíng)造良好的交互環(huán)境，提供適應(yīng)性教學(xué)腳手架，優(yōu)化不同學(xué)習(xí)者的交互體驗(yàn)和學(xué)習(xí)效果。例如，對(duì)于惰性接收型學(xué)習(xí)者，可以提供結(jié)構(gòu)化的對(duì)話指令指導(dǎo)和示例，引導(dǎo)學(xué)習(xí)者學(xué)會(huì)提問，并設(shè)置不同的互動(dòng)情境，激發(fā)其主動(dòng)學(xué)習(xí)和交流的意愿。對(duì)于搜索依賴型學(xué)習(xí)者，可以提供半結(jié)構(gòu)化的指令指導(dǎo)，引導(dǎo)其利用人工智能反饋，有意識(shí)地反思和評(píng)估自己的學(xué)習(xí)進(jìn)程[42]，提高其信息評(píng)估力和元認(rèn)知能力。還可以動(dòng)員共享調(diào)節(jié)型和思辨創(chuàng)造型學(xué)習(xí)者與前兩者互促協(xié)作，形成探究共同體。

2.創(chuàng)新對(duì)話教育方式，提升人智交互質(zhì)量

本次研究結(jié)果證實(shí)，人智交互為人機(jī)協(xié)同認(rèn)知打開了關(guān)鍵通路，是人智協(xié)同學(xué)習(xí)的本質(zhì)特征[43]，交互層次的深淺又直接影響最終的學(xué)習(xí)效果。人智交互在某種程度上是對(duì)口頭式對(duì)話教學(xué)的回歸。在理論層面上，對(duì)話教育和人智交互之間有待進(jìn)一步探討。目前，有研究提出了對(duì)話式教育技術(shù)理論框架，綜合考慮了技術(shù)、教育對(duì)話、認(rèn)知、思維等要素，強(qiáng)調(diào)文化在其中的關(guān)鍵作用，促進(jìn)個(gè)體和集體的身份構(gòu)建[44]。在人工智能時(shí)代，需要發(fā)揮對(duì)話理論和技術(shù)理論的教育價(jià)值，推動(dòng)人智交互理論和實(shí)踐的共同進(jìn)步。在實(shí)踐層面上，需要發(fā)展適應(yīng)于人智交互的對(duì)話式學(xué)習(xí)方法。蘇格拉底提問法是培養(yǎng)批判性思維最重要的教學(xué)方法之一，因此，可以在生成式人工智能中嵌入蘇格拉底提問法形成啟發(fā)式教學(xué)，根據(jù)人機(jī)會(huì)話的日志數(shù)據(jù)及時(shí)智能地為學(xué)習(xí)者提供支架，也可以通過教學(xué)幫助學(xué)生掌握蘇格拉底提問法，并由學(xué)生主動(dòng)運(yùn)用在與人工智能的交互中，促進(jìn)學(xué)生個(gè)性化學(xué)習(xí)和高階思維發(fā)展。

3.更新人才培養(yǎng)需求，提升人工智能素養(yǎng)

培養(yǎng)人工智能使用素養(yǎng)成為新的教育目標(biāo)。有學(xué)者將人工智能素養(yǎng)定義為一套使個(gè)人能夠批判性地評(píng)估人工智能技術(shù)的能力，能與人工智能進(jìn)行有效的溝通和協(xié)作，將人工智能作為在線、家庭和工作場(chǎng)所的工具[45]，強(qiáng)調(diào)了與人工智能交互的能力；有學(xué)者將人的技術(shù)化作為人工智能素養(yǎng)的本質(zhì)，建構(gòu)了人工智能知識(shí)、情感、思維三維評(píng)價(jià)體系[46]；也有研究建構(gòu)了數(shù)字交互素養(yǎng)（Digital Interaction Literacy），包括理解功能原則、有意識(shí)地使用和用戶組群相關(guān)能力，關(guān)注人工智能對(duì)使用者的心理影響[47]。

未來，也應(yīng)更加全面地探索高階思維在人智交互中的表現(xiàn)方式和培養(yǎng)方式。數(shù)字時(shí)代的寫作模式發(fā)生了本質(zhì)性轉(zhuǎn)換，傳統(tǒng)的紙筆寫作發(fā)展為基于互聯(lián)網(wǎng)的多模態(tài)寫作，由此，誕生了21世紀(jì)新讀寫素養(yǎng)（New Literacy）。而在人工智能時(shí)代，新讀寫素養(yǎng)需要再次迭代，更加注重批判性思維和創(chuàng)造力。人工智能能夠全面地回答，而過度依賴人工智能會(huì)導(dǎo)致高階思維能力培養(yǎng)乏力的問題。同時(shí)人工智能提供的回答質(zhì)量參差不齊，學(xué)習(xí)者需要去偽存真、質(zhì)疑創(chuàng)新。

六、結(jié)語

本研究對(duì)學(xué)生利用生成式人工智能進(jìn)行議論文寫作的過程進(jìn)行分析和比較，集中展示了學(xué)生在人智交互對(duì)話過程中的模式、特點(diǎn)及其對(duì)學(xué)習(xí)者知識(shí)轉(zhuǎn)化和認(rèn)知發(fā)展的影響。研究發(fā)現(xiàn)，在自然狀態(tài)下，學(xué)生的人智對(duì)話整體呈現(xiàn)出淺層特點(diǎn)，存在被動(dòng)接收和搜索依賴的傾向，這可能折損學(xué)習(xí)者的能動(dòng)性。此外，人智交互對(duì)話模式除了簡(jiǎn)單的信息獲取，更有以思辨和創(chuàng)造為導(dǎo)向的深層次對(duì)話，后者能促進(jìn)知識(shí)的動(dòng)態(tài)建構(gòu)和人機(jī)融合，體現(xiàn)了人智共生對(duì)話的理想狀態(tài)。

在高等教育研究中，它既作為一種具體技術(shù)出現(xiàn)，同時(shí)，又是一種隱喻、一種抽象理想和一種社會(huì)想象[48]。本研究通過對(duì)話教育理論與人智交互的綜合視角，揭示了人智協(xié)同學(xué)習(xí)對(duì)話的可能形態(tài)，以及背后的知識(shí)建構(gòu)路徑，豐富了人工智能在教育中的角色認(rèn)知，為設(shè)計(jì)有效的人智協(xié)同學(xué)習(xí)活動(dòng)和支撐機(jī)制提供了經(jīng)驗(yàn)借鑒。

同時(shí)，本研究呈現(xiàn)了學(xué)習(xí)者的話語行為、生成式人工智能技術(shù)和寫作活動(dòng)之間的動(dòng)態(tài)關(guān)系。后人文主義語言觀認(rèn)為，意義的構(gòu)建是人類和非人類實(shí)體的代理（例如技術(shù)）、語言和認(rèn)知之間的相互連接和作用的結(jié)果[49]。本研究通過認(rèn)知網(wǎng)絡(luò)分析法具象化了這種連接，呈現(xiàn)出人智對(duì)話的顯性空間，以及不同模式下人智交互話語具體而細(xì)微的差異。生成式人工智能支持下的英語議論文寫作也能轉(zhuǎn)型為引用多種資源的非線性、多方向的學(xué)習(xí)過程[50]。未來需要進(jìn)一步拓展教育的人智對(duì)話空間，發(fā)揮對(duì)話教育理論的價(jià)值，優(yōu)化不同類型學(xué)習(xí)者的人智交互體驗(yàn)，更新人工智能素養(yǎng)的內(nèi)涵，培養(yǎng)學(xué)生的批判性思維和協(xié)作學(xué)習(xí)能力。

參考文獻(xiàn)：

[1] Hsu F H，Lin I H，Yeh H C，et al.Effect of Socratic Reflection Prompts via video-based learning system on elementary school students’ critical thinking skills [J].Computers & Education，2022，183：104497.

[2] Clark D.Learning and the Metaverse：What this Technology Means for L&D [M]. London：Kogan Page Publishers，2023.

[3] 宋士杰，趙宇翔等.從ELIZA到ChatGPT：人智交互體驗(yàn)中的AI生成內(nèi)容（AIGC）可信度評(píng)價(jià)[J].情報(bào)資料工作，2023，44（4）：35-42.

[4][33] 許為，高在峰等.智能時(shí)代人因科學(xué)研究的新范式取向及重點(diǎn)[J].心理學(xué)報(bào)，2024，56（3）：363-382.

[5][19] 邱燕楠，李政濤.挑戰(zhàn)·融合·變革：“ChatGPT與未來教育”會(huì)議綜述[J].現(xiàn)代遠(yuǎn)程教育研究，2023，35（3）：3-12+21.

[6][31] 汪靖，米爾外提·卡馬勒江等.人機(jī)共生的復(fù)合腦：基于生成式人工智能輔助寫作教學(xué)的應(yīng)用發(fā)展及模式創(chuàng)新[J].遠(yuǎn)程教育雜志，2023，41（4）：37-44.

[7] 袁一鳴，陶成煦等.人智交互情境下的知識(shí)轉(zhuǎn)化模型：內(nèi)涵深化及外延拓展[EB/OL].http：//kns.cnki.net/kcms/detail/11.1762.G3.20240124.0831.002. html，2024-01-24.

[8][42] Schoonderwoerd T A J，Van Zoelen E M，et al.Design patterns for human-AI co-learning：A wizard-of-Oz evaluation in an urbansearch-and-rescue task [J].International Journal of Human-Computer Studies，2022，164：102831.

[9][25][29] Wang X，Liu Q，et al.What matters in AI-supported learning：A study of human-AI interactions in language learning using cluster analysis and epistemic network analysis [J].Computers & Education，2023，194：104703.

[10] Bearman M，Ajjawi R.Learning to work with the black box：Pedagogy for a world with artificial intelligence [J].British Journal of Educational Technology， 2023，54（5）：1160-1173.

[11] 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.

[12] Cress U.，Rosé C.，et al.，eds.International handbook of computer-supported collaborative learning [M].New York：Springer，2021.

[13] Wegerif R，Major L.The theory of educational technology：Towards a dialogic foundation for design [M].New York：Taylor & Francis，2023.

[14] Wang D，Tao Y，Chen G.Artificial intelligence in classroom discourse： A systematic review of the past decade [J].International Journal of Educational Research，2024，123：102275.

[15] Major L，Warwick P，et al.Classroom dialogue and digital technologies：A scoping review [J].Education and information technologies，2018，23：1995-2028.

[16] Jeon J，Lee S，Choe H.Beyond ChatGPT：A conceptual framework and systematic review of speech-recognition chatbots for language learning [J]. Computers & Education，2023，206：104898.

[17] Kim N Y，Cha Y，Kim H S.Future English learning：Chatbots and artificial intelligence [J].Multimedia-Assisted Language Learning，2019，22（3）：32-53.

[18] Kohnke L，Moorhouse B L，Zou D.ChatGPT for language teaching and learning [J].Relc Journal，2023，54（2）：537-550.

[20] 陳凱泉，胡曉松等.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.

[21] 戴嶺，趙曉偉等.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.

[22] Aull L，Ross V.From cow paths to conversation：Rethinking the argumentative essay [J].Pedagogy：Critical Approaches to Teaching Literature，Language， Composition，and Culture，2020，20（1）：21-34.

[23] Wise A F，Saghafian M，Padmanabhan P.Towards more precise design guidance：Specifying and testing the functions of assigned student roles in online discussions [J].Educational Technology Research and Development，2012，60：55-82.

[24] Ha J，Pérez Cortés L E，et al.The impact of a gamified mobile question-asking app on museum visitor group interactions：an ICAP framing [J].International Journal of Computer-Supported Collaborative Learning，2021，16：367-401.

[26] Shaffer D W，Collier W，Ruis A R.A tutorial on epistemic network analysis：Analyzing the structure of connections in cognitive，social，and interaction data [J].Journal of Learning Analytics，2016，3（3）：9-45.

[27] 張敬威.ChatGPT的教育審思：他異關(guān)系技術(shù)的教育挑戰(zhàn)及應(yīng)用倫理限度[J].電化教育研究，2023，44（9）：5-11+25.

[28][38] 顧小清，郝祥軍.從人工智能重塑的知識(shí)觀看未來教育[J].教育研究，2022，43（9）：138-149.

[30] 陳向東，羅淳等.共享調(diào)節(jié)：一種新的協(xié)作學(xué)習(xí)研究與實(shí)踐框架[J].遠(yuǎn)程教育雜志，2019，37（1）：62-71.

[32] Hutson J，Plate D.Human-AI collaboration for smart education：reframing applied learning to support metacognition [EB/OL].https：//digitalcommons. lindenwood.edu/faculty-research-papers/480，2023-10-25.

[34] 王佑鎂，王旦等.“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(xiǎn)[J].現(xiàn)代遠(yuǎn)程教育研究，2023，35（2）：48-56.

[35] Kimmerle J，Moskaliuk J，et al.Learning and collective knowledge construction with social media：A process-oriented perspective [J]. Educational Psychologist，2015，50（2）：120-137.

[36] 周平紅，周洪茜等.深度學(xué)習(xí)視域下學(xué)習(xí)者協(xié)同知識(shí)建構(gòu)歷程的社會(huì)認(rèn)知網(wǎng)絡(luò)特征分析[J].電化教育研究，2021，42（9）：99-107.

[37] Chi M T H，Wylie R.The ICAP framework：Linking cognitive engagement to active learning outcomes [J].Educational psychologist，2014，49（4）：219-243.

[39] [美]安德森.皮連生譯.學(xué)習(xí)、教學(xué)和評(píng)估的分類學(xué)[M].上海：華東師范大學(xué)出版社，2000.

[40] 張瓊，張廣君.走向“關(guān)系本體論”——對(duì)話教學(xué)的基礎(chǔ)重構(gòu)與應(yīng)然取向[J].高等教育研究，2015，36（7）：75-80.

[41] Wegerif R，Major L.Buber，educational technology，and the expansion of dialogic space [J].Ai & Society，2019，34：109-119.

[43] 郝祥軍，張?zhí)扃?智能時(shí)代的人機(jī)協(xié)同學(xué)習(xí)：形態(tài)、本質(zhì)與發(fā)展[J].中國(guó)電化教育，2023，（10）：26-35.

[44] 史圣朋，魯珀特·韋格里夫等.人工智能時(shí)代的對(duì)話式教育技術(shù)理論[J].開放教育研究，2024，30（1）：24-32.

[45] Long D，Magerko B.What is AI literacy Competencies and design considerations [EB/OL].https：//dl.acm.org/doi/10.1145/3313831.3376727，2020-04-23.[46] 鐘柏昌，劉曉凡等.何謂人工智能素養(yǎng)：本質(zhì)、構(gòu)成與評(píng)價(jià)體系[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2024，42（1）：71-84.

[47] Carolus A，Augustin Y，et al.Digital interaction literacy model–Conceptualizing competencies for literate interactions with voice-based AI systems [J].Computers and Education：Artificial Intelligence，2023，4：100114.

[48] Bearman M，Ryan J，Ajjawi R.Discourses of artificial intelligence in higher education：A critical literature review [J].Higher Education，2023，86（2）：369-385.

[49] Ou A W，St hr C，Malmstr m H.Academic communication with AIpowered language tools in higher education：From a post-humanist perspective [J].System，2024，121：103225.

[50] Canagarajah S.Materializing‘competence’：Perspectives from international STEM scholars [J].The Modern Language Journal，2018，102（2）：268-291.

作者簡(jiǎn)介：

汪靖：助理教授，博士，博士生導(dǎo)師，研究方向?yàn)樽灾鲗W(xué)習(xí)和社會(huì)情感學(xué)習(xí)、高階思維、核心素養(yǎng)、學(xué)習(xí)科學(xué)。

陳恬妮：在讀博士，研究方向?yàn)閷懽鹘虒W(xué)、核心素養(yǎng)、高階思維、語文課程與教學(xué)論。

楊玉芹：教授，博士，博士生導(dǎo)師，研究方向?yàn)閷W(xué)習(xí)科學(xué)、高階能力與情緒、學(xué)習(xí)分析與數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)評(píng)價(jià)。

The Integration and Co-Creation of Cognition and Regulation： Exploring Processes and Patterns in Human-AI Interactions Facilitated by Generative Artificial Intelligence

Wang Jing1， Chen Tianni1， Yang Yuqin2

1.College of Education， Zhejiang University， Hangzhou 310028， Zhejiang 2.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan 430079， Hubei

Abstract： Human-AI Interaction（HAII）represents a novel paradigm of human-computer relationships in the artificial intelligence era， necessitating a clear understanding of its dialogic features， processes， and educational implicmEuQWqBLVh46H7+tAqZ5g==cations. This study focuses on the processes and patterns of collaborative writing dialogues between humans and AI， using epistemic network analysis to reveal the dialogue behaviors and learning mechanisms in HAII. By encoding the HAII discourse text of students in a natural state， the characteristics of learners at different writing dialogue stages and different writing levels are analyzed， different dialogue types are divided， and four HAII dialogue patterns are identified， namely， the Passive Reception type， the Active Searching type， the Shared Regulation Collaboration type， and the Integrative Critical Creation type. These patterns highlight the growing depth of the human-AI relationship and the progressive stages of knowledge transformation and creation. This study advocates for an aspirational model of symbiotic learning dialogue in HAII， which can promote the active decision-making and literacy development of learners through human-AI shared regulation of collaborative learning and participation of higher-order thinking. It calls for future research to expand the exploration of educational scenarios involving HAII， with the aim of fostering a mutually beneficial progression between dialogue education and HAII on both theoretical and practical levels.

Keywords： human-AI interaction； dialogic education； self-regulation and shared regulation； argumentative writing