这篇文档属于类型a,即报告了一项原创性研究。以下是针对该研究的学术报告:
生成式人工智能支持的人智交互过程与模式研究
作者与机构
本研究由汪靖(浙江大学教育学院)、陈恬妮(浙江大学教育学院)和杨玉芹(华中师范大学人工智能教育学部)合作完成,发表于《中国电化教育》2024年8月总第451期,是国家社科基金“十四五”规划2021年教育学青年课题的阶段性成果。
学术背景
随着以ChatGPT为代表的生成式人工智能(Generative AI)技术快速发展,教育领域正经历革命性变革。人智交互(Human-AI Interaction, HAI)作为新型人机关系,其对话特征、过程机制及教育属性亟待厘清。传统人机交互(Human-Computer Interaction, HCI)研究多聚焦工具性功能,而人智交互更强调协作与共生。然而,现有研究对交互模式、知识创生机制及学习效果的影响仍缺乏系统性探索。
本研究以议论文写作为场景,结合认知网络分析法(Epistemic Network Analysis, ENA),旨在揭示:(1)人智协同写作对话的阶段特征;(2)不同写作水平学习者的交互差异;(3)人智交互的典型模式及其认知机制。研究试图填补对话教育理论与生成式AI实践之间的鸿沟,为智能时代的教育设计提供依据。
研究设计与方法
研究分为数据收集、编码分析、网络建模三阶段,具体流程如下:
研究对象与数据收集
编码框架开发
数据分析方法
主要结果
1. 阶段差异
- 第二轮对话中,复杂指示(24.23%→10.67%)、话题转折(43.46%→15.11%)显著增加(p<0.001),表明后期交互更主动。
- 认知网络显示:初期以“简单指示-提及概念”为主(如直接生成文章),后期转向“复杂指示-转折话题”联动(如要求AI驳论或润色)。
写作水平差异
四类交互模式
结论与价值
1. 理论贡献
- 提出人智交互的“双螺旋”知识创生模型(类比DNA结构),揭示浅层(信息传递)与深层(思辨共生)交互的认知差异。
- 验证共享调节(Shared Regulation)对协同写作的关键作用,强调元认知能力在人智协作中的桥梁功能。
研究亮点
1. 方法论创新:首次将ENA应用于人智对话分析,通过网络叠减图直观呈现阶段与群体差异。
2. 现象发现:中等水平学生的“弯道超车”效应,反映生成式AI对传统能力评价体系的挑战。
3. 模式分类:四象限框架为后续研究提供可操作化的测量工具。
其他价值
研究警示技术依赖可能导致“跨越过程性”认知风险(如直接复制AI文本),呼吁教育者关注交互质量而非仅效率。未来需探索跨文化场景下的人智对话机制,以及多模态(如语音/图像)交互的认知影响。
这篇报告系统梳理了研究的背景、方法、结果与价值,尤其通过数据细节(如频次百分比、Kappa值)和典型案例强化论证,符合学术传播的严谨性要求。