本研究由华南师范大学的金檀、白春苗、王颖敏以及广东技术师范大学的曾娟合作完成，发表于《现代外语》（Modern Foreign Languages）2025年第5期。研究聚焦于生成式人工智能（GenAI）工具ChatGPT在英语议论文对比续写（Argumentation Comparative Continuation Task）任务中提供的智能反馈（ChatGPT-based Feedback）对学生合作加工策略（Collaborative Processing Strategies）及写作能力发展的影响。

学术背景

英语议论文写作是评估中国学生语言能力与学术素养的重要方式，而对比续写作为一种新兴的读后续写形式，通过模仿原文论证逻辑与语言风格，可有效提升学生的写作质量（王初明 2018）。然而，传统教学中教师反馈的滞后性与学生需求之间的冲突，限制了续写的促学效果。生成式人工智能（如ChatGPT）因其即时性、交互性和多维反馈能力（涵盖语言形式、篇章结构与内容逻辑），被视为解决这一问题的潜在工具（Su et al. 2023）。但学生能否有效合作加工此类反馈尚缺乏实证研究。本研究旨在填补这一空白，探索智能反馈的合作加工策略及其对写作能力发展的作用机制。

研究流程与方法

研究采用质性个案研究方法，历时14周，以5名非英语专业大一学生为焦点小组（总样本49人），通过课堂观察、访谈、文本分析及ChatGPT交互记录等多源数据，分析合作加工策略的动态演变及其影响。

1. 研究对象与课程设计

   • 学生来自教育技术学、心理学等专业，英语水平为CEFR B2级，无GenAI使用经验。课程围绕4个主题（如“AI对高校教育的影响”）设计对比续写任务，每任务包含“线下合作构思→线上合作写作→线下讨论修改→线上合作修改”四个阶段。
     
   • 写作材料选自《自然》（Nature）杂志的评述文章，经“一针三库智能教研平台”标注超纲词汇以提升可读性。续写要求模仿原文结构，完成400词以上的对比论证。
     

2. 数据收集

   • 课堂录音与观察笔记：记录小组讨论中指令语编写、反馈评估等行为。
     
   • 工作纸与文稿：追踪初稿与修改稿的修订痕迹，分析反馈应用方式。
     
   • ChatGPT交互记录：提取指令语迭代过程（如从泛泛请求到角色化提示）。
     
   • 半结构化访谈：任务结束后聚焦学生对反馈的理解与策略反思。
     

3. 数据分析

   • 采用开放式与主题编码两步法，双人交叉验证策略标签（如“主动寻求反馈”阶段的“修改指令追问”策略）。
     
   • 通过文本对比识别写作能力发展的三个阶段（语言形式→篇章结构→内容逻辑），结合访谈数据三角验证。
     

主要结果

1. 合作加工策略的三阶段演变

   • 被动接受反馈：初期依赖ChatGPT修正语法错误，指令语宽泛（如“请帮助改进议论文”），修订行为机械。
     
   • 主动寻求反馈：中期转向结构优化，通过多轮交互“沙里淘金”（如S2调整指令语以获取针对性建议）。
     
   • 灵活运用反馈：后期赋予ChatGPT特定角色（如“精通AI的英语教师”），批判性筛选反馈，并在线共享修订方案（S4：“集体讨论能弥补个人局限”）。
     

2. 写作能力的递进式发展

   • 语言形式修正：初期修正主谓一致等表层问题，但未深入逻辑层面。
     
   • 篇章结构完善：模仿Nature文章框架，调整论点顺序（如S5将分论点3前置以增强连贯性）。
     
   • 内容逻辑优化：后期关注论据与主论点的逻辑严密性（如S5通过新能源议题深化AI环境成本的论证）。
     

结论与价值

本研究揭示了智能反馈合作加工策略的动态性及其对写作能力发展的阶梯式促进作用，为GenAI赋能英语写作教学提供以下启示：
1. 教学实践：可分阶段设计“语言-结构-逻辑”修订训练，并示范批判性采纳反馈的方法。
2. 技术应用：ChatGPT的“脚手架”功能可通过人机协同激发深度学习，但需避免过度依赖。
3. 理论贡献：验证了“续论”在智能反馈情境下的适用性，拓展了协作学习理论（Wigglesworth & Storch 2012）在GenAI环境中的内涵。

研究亮点

• 方法创新：首次结合质性方法与多轮迭代交互数据，动态追踪策略演变。
  
• 理论整合：将“续论”、协作学习与智能反馈研究交叉，构建“议论文对比续写智能反馈合作加工模型”（图1）。
  
• 应用价值：为混合式写作教学中GenAI的工具化应用提供实证支持。
  

局限与展望

研究未充分考察个体差异（如语言水平与专业背景），未来可扩大样本范围，探究不同群体对智能反馈的适应性差异。