学术研究报告：从检索模型到生成模型——基于设计研究的议论文写作聊天机器人开发
一、主要作者及机构
本研究的作者团队包括：香港大学的Kai Guo、深圳大学的Danling Li、香港理工大学的Jian Wang以及香港都会大学的Samuel Kai Wah Chu。研究论文发表于期刊 *Innovation in Language Learning and Teaching*，在线发布于2025年5月30日，DOI编号为10.1080⁄17501229.2025.2511273。
二、学术背景与研究目标
本研究属于教育技术与二语写作（EFL，英语作为外语）交叉领域，聚焦于人工智能辅助语言学习。研究背景基于两个关键问题：
1. 现实需求：EFL学生在议论文写作中普遍存在论据不足、反驳技巧薄弱等问题（如Qin & Karabacak, 2010；Liu & Stapleton, 2020），而传统课堂中协作学习伙伴的稀缺性（Allaei & Connor, 1990）限制了学生互动式练习的机会。
2. 技术机遇：尽管聊天机器人（chatbots）在语言教学中应用广泛（如提升口语和阅读能力），但针对写作教学的定制化工具研究匮乏（Huang et al., 2022）。2022年ChatGPT的发布虽引发热潮，但通用模型难以满足特定教学需求。
研究团队自2021年9月起开展了一项为期三年的设计型研究（Design-Based Research, DBR），目标是开发名为 Argumate 的聊天机器人，通过动态交互辅助学生构建议论文核心要素（如论点、子论点、证据、反驳等），并探索从检索模型（retrieval models）到生成模型（generative models）的技术迭代路径。
三、研究流程与方法
研究分为两个循环周期，采用DBR方法论（Wang & Hannafin, 2005），强调迭代设计与实践结合：
1. 第一周期（2021.09–2023.07）：基于检索模型的Argumate开发
- 数据库构建：
- 选定5个争议性主题（如在线学习、核能、人工智能等），每个主题包含正反各40条论点，共400条数据，来源涵盖辩论平台、新闻网站等。
- 通过人工整理构建知识库，确保论点覆盖多样性。
- 交互规则设计：
- 采用检索式对话系统（task-oriented dialogue），基于卷积神经网络（CNN, Kim 2014）识别用户输入的“关切点”（concerns），动态匹配预存论点。
- 引入两种支架策略：
- 支持性论点生成（backing idea generation）：根据学生立场推荐补充论据。
- 反驳触发（triggering counterargument integration）：主动提出对立观点以强化学生反驳能力。
- 限制每位学生最多拒绝两次系统建议，以避免滥用。
- 评估阶段：
- 60名中国本科生（理工科背景）使用Argumate完成人工智能主题的写作任务，并通过问卷反馈体验。
- 主题分析（thematic analysis, Braun & Clarke, 2006）显示三大优势：结构化写作流程、论点启发性和互动学习体验；主要局限为数据库规模导致的灵活性不足。
2. 第二周期（2023.08–至今）：生成模型升级
- 技术转型：
- 采用GPT-3.5 Turbo替代检索模型，实现三大改进：
1. 主题泛化能力：支持任意话题，无需预建数据库。
2. 结构可视化与灵活性：新增议论文模板界面，允许无限添加论点元素（如图6）。
3. 增强支架功能：通过定制化提示词（prompts）优化论点与反驳建议的生成质量。例如，点击“建议子论点”按钮时，系统生成格式化的50字内建议。
- 评估结果：
- 98名中国本科生（多学科背景）测试升级版Argumate，问卷显示学生对子论点（均值3.98/5）和反驳建议（均值4.15/5）的帮助性评价积极，且学习体验愉悦（均值4.41/5）。
四、研究结果与逻辑链条
1. 检索模型阶段验证了聊天机器人在议论文写作中的基础价值，但受限于静态数据库，灵活性和个性化不足。
2. 生成模型阶段通过动态响应能力解决了上述问题，且评估数据表明其更符合学生需求。两阶段结果形成递进关系，共同证明技术迭代对教学工具优化的必要性。
五、结论与价值
1. 理论贡献：
- 首次完整展示了从检索模型到生成模型的聊天机器人开发路径，为教育技术领域提供方法论参考。
- 论证了社会建构主义（Vygotsky, 1978）在AI辅助写作中的适用性，即通过交互式支架促进学习。
2. 实践意义：
- Argumate可整合至课堂辩论活动（如Guo et al., 2023），辅助学生准备论据。
- 为定制化教育聊天机器人的设计提供原则（如提示词模板的应用）。
六、研究亮点
1. 创新性技术路径：首次系统结合检索与生成模型，平衡响应质量与灵活性。
2. 教学针对性：聚焦议论文写作的痛点（如反驳技巧），而非通用写作辅助。
3. 长期DBR实践：三年迭代设计确保工具与实际需求紧密契合。
七、其他价值
研究团队指出，ChatGPT的兴起既验证了其早期研究方向，也推动其技术升级。这一案例反映了新兴技术如何重塑学术研究轨迹，为同行应对类似挑战提供借鉴。