基于GAI的对话驱动人机协同知识建构模式构建与实践研究

作者及机构
本研究由南京市职教（成人）教研室的乐颖（第一作者）、南京邮电大学教育科学与技术学院的刘永贵、南京师范大学教育科学学院的张义兵和高兴启合作完成，发表于《中国电化教育》2025年第6期（总第461期）。

学术背景
研究领域为教育技术与人工智能融合（Artificial Intelligence in Education, AIED），聚焦生成式人工智能（Generative Artificial Intelligence, GAI）在中职课堂中的应用。当前，GAI技术在教育中的实践多停留在工具化“浅层使用”，缺乏对“人机协同如何促进知识建构”的系统探讨。研究旨在解决以下问题：
1. 理论缺口：现有研究缺乏对人机协作机制、角色分配及伦理问题的深度分析；
2. 实践需求：中职教育需通过技术赋能培养高阶技能人才，但传统教学模式难以满足个性化与深度学习需求；
3. 技术潜力：GAI的对话交互能力可支持知识建构，但需设计适配教育场景的协同模式。

研究流程与方法
1. 模式构建
- 理论基础：整合协同知识建构的IAM模型（Interaction Analysis Model）与深度学习理论，将原模型的5阶段简化为4阶段（信息共享→意义协商→协同建构→应用反馈），突出“师—机—生”三元互动。
- 技术开发：设计“GAI·C”智能对话学习系统，包含：
- 定制智能体：基于讯飞星火大模型开发“AI智小萌”，专攻C语言教学，具备代码分析、生成及学习建议功能；
- 对话管理平台：通过NLP技术实时监测对话内容，结合敏感词库与加密传输保障安全；
- 评价体系：采用SOLO分类理论（Structure of Observed Learning Outcomes）量化学生认知水平（如“循环结构程序设计”案例中的5级评价）。

1. 教学实验
   
   • 对象与周期：N市MC中专22高计1班34名学生，为期6周（2024年5—6月）。
     
   • 干预措施：
     
     • 课前：教师预设AI互动脚本，设计劣构问题（ill-structured problems）；
       
     • 课中：学生通过文本/图片记录思维过程，与AI多轮对话；
       
     • 课后：平台自动分析对话数据，教师人工校正评价。
       
   • 数据分析：
     
     • 社交互动：社会网络分析（如密度从0.10提升至0.21）；
       
     • 认知发展：SOLO分类统计（关联结构水平学生从0%增至14.7%）；
       
     • 学习成果：SPSS 26.0协方差分析（实验班期末成绩显著高于对照班，p=0.049）。
       

主要结果
1. 社交互动增强：学生回应、评论频率分别增加566次和1738次，协作网络紧密化；
2. 高阶思维提升：78.3%学生能基于AI反馈优化程序，18.2%展现创新设计；
3. 认知结构进阶：实验后61.8%学生达多点结构以上水平（实验前仅18.8%）；
4. 成绩差异显著：实验班期末平均分76.85，较对照班（70.74）提高6.11分。

结论与价值
1. 理论贡献：提出首个面向中职教育的对话驱动人机协同模式，填补了GAI赋能深度学习的理论框架空白；
2. 实践意义：
- 教师角色：从“单向传授”转向“双向协作”，成为学习设计者与协调者；
- 学生角色：从被动接受者变为知识建构主体，通过AI互动培养元认知能力；
3. 技术示范：为教育大模型的场景化落地（如敏感内容过滤、个性化适配）提供范例。

研究亮点
1. 方法创新：融合IAM模型与SOLO理论，构建可量化评估的深度学习干预路径；
2. 技术原创性：开发“GAI·C”系统，实现对话内容的教育专属化定制与安全管控；
3. 样本针对性：聚焦中职学生群体，解决其技术适应性差、认知水平分化的现实问题。

局限与展望
1. 样本规模：仅34名学生参与，需扩大实验范围验证普适性；
2. 长期影响：未追踪干预效果的持续性，后续可延长实验周期；
3. 技术优化：需加强AI生成内容的真实性检测（如结合知识图谱微调模型）。

文献启示
研究呼应了UNESCO对GAI教育应用的伦理建议（如年龄限制），并为《中国教育现代化2035》倡导的“智能教育”提供了可操作的课堂实践方案。