摘要：人智交互作為人工智能時代新型的人機關(guān)系，其隱含的對話特征、過程及教育屬性有待厘清。該研究聚焦于人智協(xié)同寫作對話的過程與模式，運用認知網(wǎng)絡(luò)分析法，旨在揭示人智交互的對話行為與學(xué)習(xí)發(fā)生機制。通過對學(xué)生在自然狀態(tài)下的人智交互話語文本進行編碼，研究分析了不同寫作對話階段、不同寫作水平的學(xué)習(xí)者的特點，識別出了四種人智交互對話模式，即惰性接收被動對話型、搜索依賴主動對話型、共享調(diào)節(jié)協(xié)作對話型和思辨創(chuàng)造共生對話型，這些模式呈現(xiàn)出人智互動的漸深關(guān)系和知識轉(zhuǎn)化與創(chuàng)生的遞進層次。研究認為，人智交互要追求人智共生的學(xué)習(xí)型對話，通過人機共享調(diào)節(jié)的協(xié)作學(xué)習(xí)和高階思維的參與，促進學(xué)習(xí)者的能動決策和素養(yǎng)發(fā)展。未來研究需進一步探索人智交互的教育場景，實現(xiàn)對話教育和人智交互在理論和實踐層面的互促共進。

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

中圖分類號：G434 文獻標(biāo)識碼：A

* 本文系國家社科基金“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：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)演進促成了對話教育的時空解域與智能融合，互聯(lián)網(wǎng)技術(shù)的發(fā)展進一步打破了時間和空間的限制。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。人工智能在對話教育中扮演了重要角色，將對話教育在主體上從人際對話擴展到人機對話，在階段上從人機交互進化到人智交互。對話教育將對話視為知識創(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、層層遞進的啟發(fā)式教學(xué)激發(fā)個體的深層反思和推理，進而探究現(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話教育開辟了新的研究視域，在人智對話中，知識能夠被發(fā)現(xiàn)、改變、綜合、評估和創(chuàng)造，知識的動態(tài)流轉(zhuǎn)成為可能[2]。然而，針對人智交互場景下對話式學(xué)習(xí)的本質(zhì)和機制研究仍然不足。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話行為與過程，以期識別出人智交互的對話模式，發(fā)現(xiàn)其對話背后的學(xué)習(xí)發(fā)生和人智協(xié)同構(gòu)建知識的機制。

二、文獻綜述

（一）人機交互到人智交互的嬗變

從計算機時代到人工智能時代，人機關(guān)系經(jīng)歷了嬗變，即從簡單的人機交互（Human-Computer Interaction，HCI）轉(zhuǎn)向更為復(fù)雜的人智交互（Human-AI Interaction，HAII）。人機共生是人機協(xié)同的更高階段，而人智交互是人機交互的高度深化。隨著人工智能技術(shù)經(jīng)歷機器學(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交互場景，在文本生成、知識問答、邏輯推理等方面具有巨大的應(yīng)用價值[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)負著雙重角色，不僅是簡單的輔助工具，更是合作者，實現(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教育關(guān)系，人機之間的對話將從替代思維走向共生思維，實現(xiàn)“雙向超越”[5]。汪靖等學(xué)者提出了人機共生模式，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)，兩者因為對方的反饋而不斷演進成長，相互配合，提升效率與效果[6]。

人智交互時的知識轉(zhuǎn)換與創(chuàng)生有其特殊機制。例如袁一鳴等指出，知識的轉(zhuǎn)化從情境空間拓展到了神經(jīng)網(wǎng)絡(luò)：人機交互時，知識的轉(zhuǎn)化仍發(fā)生在人際之間，互聯(lián)網(wǎng)只能為知識的傳遞提供網(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，能夠完成對知識的理解、學(xué)習(xí)和解釋。通過與人類的交互反饋，人工智能可以自動優(yōu)化其響應(yīng)策略，從而豐富了知識轉(zhuǎn)化的形式[7]。因此，人智交互不僅促進了知識的傳遞與共享，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)生的過程與機制。如有研究進行了人機共學(xué)模式的實驗，通過特定的交互模式設(shè)計，建立人智合作伙伴關(guān)系。人機共學(xué)需要人智共享學(xué)習(xí)目標(biāo)，分享雙方的知識和經(jīng)驗，識別和適應(yīng)各自在知識層面的差異，增進對任務(wù)和彼此的理解，從而提高團隊效能[8]。同時，有研究探索了小學(xué)生在英語學(xué)習(xí)場景下的人智交互，發(fā)現(xiàn)人工智能支持的深度學(xué)習(xí)法可以增強人工智能提供的個性化反饋，深化人智交互關(guān)系，被動和機械的互動則會減損學(xué)習(xí)效果[9]。有學(xué)者進一步指出，在人智交互學(xué)習(xí)的過程中，需要將重點放在如何與人工智能合作上，面對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）人工智能時代的對話教育

教育與對話相生相成的關(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，“對話教學(xué)論”成為當(dāng)代教育理念的體現(xiàn)[11]。教育是對話性的，它不僅通過對話來實現(xiàn)，而且以對話為目的[12]。魯珀特·韋格里夫（Rupert Wegerif）從形式、認識論和本體論三個角度闡釋了對話教育的定義。在形式上，對話教育是一種以對話的形式展開的教學(xué)活動；在認識論層面，對話教育強調(diào)話語的意義是在語境中構(gòu)建的，學(xué)生以對話的形式參與持續(xù)的共同探究過程；在本體論層面，對話一種是建構(gòu)知識，改變自身，轉(zhuǎn)變社會現(xiàn)實的方式[13]。

人工智能為對話教育提供了技術(shù)支持，利用傳統(tǒng)機器學(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）和人工智能聊天機器人等人工智能系統(tǒng)[14]。通過對傳統(tǒng)課堂環(huán)境和在線環(huán)境中師生和人機互動的分析和支持，人工智能豐富和轉(zhuǎn)化了教育對話，使學(xué)習(xí)者能利用數(shù)字工具構(gòu)建知識和理解[15]。語言學(xué)習(xí)領(lǐng)域是人工智能支持對話教育的典型應(yīng)用場景之一。以人工智能聊天機器人為例，它支持重復(fù)練習(xí)，與人類對話者的互動相似，能提供個性化的學(xué)習(xí)材料，支持隨時隨地訪問，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用中存在不少障礙，很少有機器人能夠與學(xué)生進行有意義的學(xué)習(xí)對話[17]。

生成式人工智能的技術(shù)突破使深度多維的對話教育成為可能。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)集對用戶進行響應(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)確性和真實性。許多學(xué)者指出，生成式人工智能有望在對話教育領(lǐng)域?qū)崿F(xiàn)新的突破，實現(xiàn)“生機、師機、師機生、生機生”等多維、多元對話[19]；提升基于對話的智能教學(xué)系統(tǒng)的水平，支持對話式學(xué)習(xí)和深度學(xué)習(xí)[20]；構(gòu)建對話式學(xué)習(xí)的新模式[21]等。

綜上所述，已有研究表明，在人工智能時代的對話教育，與前文所述的人智交互存在諸多共性，其本質(zhì)都強調(diào)了人類與人工智能間的互動和協(xié)作。人工智能憑借強大的理解和響應(yīng)力，有望提供更個性化和適應(yīng)性強的學(xué)習(xí)場域，在交互和對話中促進信息交流、知識構(gòu)建和認知增益。學(xué)習(xí)者的學(xué)習(xí)效果取決于人智交互時雙方的角色和合作的程度。盡管兩者之間存在密切關(guān)系，但是如何具體實現(xiàn)和優(yōu)化人智交互中的對話學(xué)習(xí)過程仍未得到充分闡明。目前很少有研究從對話的視角出發(fā)，分析人智交互過程中的動態(tài)交互模式、對話質(zhì)量，以及這些因素如何影響學(xué)習(xí)者的認知發(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場景為背景，探究學(xué)習(xí)者在人智交互時的話語行為和對話模式。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背景的活動，需要在多種觀點和分歧中決策，其本質(zhì)也是一種對話互動[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。

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

（1）人智交互的不同階段，人智協(xié)同寫作對話具有哪些特點？

（2）不同寫作水平的學(xué)生在人智交互時的對話行為具有怎樣的差異性？

（3）人智協(xié)同寫作對話過程中，產(chǎn)生了哪些交互類型？

三、研究設(shè)計

（一）研究對象

本研究運用整群隨機抽樣的方法。在發(fā)放研究邀請函后，從Z大學(xué)英語課程的四個班級的報名者中隨機抽取60位本科生作為參與者，其中七名參與者因時間等因素退出研究。最后的研究對象為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，并運用有道和Grammarly兩個英語寫作評分軟件打分，取平均分作為參與者的平時寫作成績。在人智對話環(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行兩輪對話。第一輪對話的主題是“智慧與孤獨”，對話時間為20分鐘。第二輪對話的主題是“虛擬現(xiàn)實和真實體驗”，對話時間為40分鐘。每輪對話結(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話記錄。經(jīng)統(tǒng)計，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)，并針對人智對話的特征對編碼框架進行了修訂，以對參與者的兩輪人智對話數(shù)據(jù)進行內(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]。已有的實證研究表明，ASIMeC-F編碼框架是評估在線討論中會話功能實現(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)生對人工智能代理的感知也類似于學(xué)生在線討論時對同伴的感知。因此，將學(xué)生在線討論中的知識建構(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)同寫作的對話數(shù)據(jù)，本研究形成了5個一級編碼和9個二級編碼。其中，一級編碼涵蓋信息獲取和調(diào)節(jié)互動兩個維度，二級編碼則體現(xiàn)出一級編碼在對話層次上的深淺。具體內(nèi)容如表1所示。

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

然后，為揭示不同階段的對話行為差異以及不同寫作水平學(xué)生的對話行為差異，本研究進行了兩類分析：（1）頻次差異比較和（2）認知網(wǎng)絡(luò)分析?；谏鲜鼍幋a框架，本研究首先對兩個階段的人智協(xié)同寫作對話進行了頻次差異比較。接著，為探究不同寫作水平的學(xué)生在對話行為上的差異，本研究基于參與者的平時寫作成績對其進行寫作能力分級。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)生在人智交互時的對話行為頻數(shù)和比例。其次，本研究使用認知網(wǎng)絡(luò)分析在線工具對學(xué)生的對話行為進行分析。ENA算法使用移動窗口為數(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)圖的形式進行可視化，其中每個編碼被表示為一個節(jié)點，節(jié)點的共現(xiàn)表示不同話語行為之間的聯(lián)系，粗線表示節(jié)點之間的聯(lián)系更強，而細線表示連接較弱。由于節(jié)點在網(wǎng)絡(luò)中的位置是固定的，個人和群體網(wǎng)絡(luò)都通過質(zhì)心在二維空間中呈現(xiàn)，并且可以通過四個象限中的節(jié)點加以解釋[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學(xué)生的人智協(xié)同寫作對話進行分類，通過編碼框架中的兩個維度—信息獲取和調(diào)節(jié)互動—確定象限。信息獲取維度側(cè)重于學(xué)生對信息的獲取、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)互動維度則強調(diào)學(xué)生對所生成內(nèi)容的評價和對話方向的管理調(diào)整。接下來，根據(jù)二級編碼對話語行為進行1分或2分的賦分（例如，簡單指示-1分，復(fù)雜指示-2分），計算每個學(xué)生在兩個維度下話語數(shù)量和得分的加權(quán)平均值。最后，繪制二維象限圖，以信息獲取分數(shù)為X軸，調(diào)節(jié)互動分數(shù)為Y軸，以揭示每位學(xué)生在兩個維度上的交互表現(xiàn)。

四、研究結(jié)果

（一）不同寫作階段的對話行為對比

1.不同寫作階段對話行為的頻次

學(xué)生在兩個寫作階段的對話行為頻數(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，簡單指示（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)同寫作對話的形式能隨著對話階段的推進和互動的增加，助推學(xué)生的能動思考。

2.不同寫作階段對話行為的認知網(wǎng)絡(luò)差異

認知網(wǎng)絡(luò)分析進一步展示了兩個寫作階段對話行為之間的聯(lián)系，以及兩個階段的具體差異。圖1（a）展示了兩個寫作階段的認知網(wǎng)絡(luò)質(zhì)心，揭示了學(xué)生的對話行為的關(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）為兩個對話階段的認知網(wǎng)絡(luò)疊減圖，更清晰地展示了階段間的區(qū)別。在第一輪對話中，參與者的對話行為主要集中在簡單指示和提及概念、提及外部資源之間共現(xiàn)。在該輪對話中，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’寫一篇文章?！薄罢埩_列對“智慧”和“孤獨”不同的關(guān)系的介紹和論述?！毕啾戎?，在第二輪對話中，簡單指示與轉(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，每句話包含一個關(guān)鍵詞”；到要求生成式人工智能輸出觀點，“用英文針對這兩句話作出駁論”；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，要求中英對照，50字左右”。部分同學(xué)在第二輪對話中強化了人工智能對寫作過程的指導(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)實生活經(jīng)驗不再那么重要’的觀點。你覺得我能做些什么？”。

因此，從認知網(wǎng)絡(luò)的差異看，初期的人智互動反映出學(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，整體對話仍集中在相對淺層的維度，缺少與人工智能的討論和回應(yīng)。

（二）不同寫作水平學(xué)生的對話行為對比

1.不同寫作水平學(xué)生的對話行為頻次

不同寫作水平學(xué)生的對話行為的頻數(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，高水平組的復(fù)雜指示（17.07% vs. 25.49%）和簡單回應(yīng)（1.22% vs. 12.55%）減少。然而，這些差異在統(tǒng)計學(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，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)生的認知網(wǎng)絡(luò)分析

認知網(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)同寫作對話中的突出表現(xiàn)。中水平組學(xué)生的簡單指示和提及概念的聯(lián)系最為緊密，其他節(jié)點之間的聯(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）交互對話類型

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

1.高獲取-高互動型

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

進一步觀察第一象限，我們發(fā)現(xiàn)有2位學(xué)生在調(diào)節(jié)互動維度方面表現(xiàn)出色，表明他們在過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、論據(jù)擴充、表達潤色、中英翻譯、修改整合等任務(wù)。對話的話題經(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。我認為可以加入……”，這體現(xiàn)出人智共享調(diào)節(jié)的特點。總的來說，高獲取-高互動類型下，學(xué)生既有思辨創(chuàng)造的共生對話，也有共享調(diào)節(jié)型的協(xié)作對話。

2.低獲取-高互動型

在第二象限中，7位學(xué)生（占比13.21%）呈現(xiàn)出低獲取-高互動的特征。他們有意識地將生成式人工智能視為對話伙伴，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，由于缺乏對寫作過程的自我調(diào)節(jié)和元認知，他們的信息獲取呈零散和碎片化的特點。例如，“我是不是應(yīng)該總結(jié)一下虛擬現(xiàn)實的好處和壞處，然后提出一些措施？這個點應(yīng)該怎么寫？”因此，低獲取-高互動類型的學(xué)生雖然采取主動對話態(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-低互動的特征。他們對話的目的主要是完成任務(wù)，而不是建構(gòu)和獲取新知識，對話數(shù)量也相對較少，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)者惰性被動型對話的特點，這與前文中提到不同寫作階段中認知網(wǎng)絡(luò)的整體對話仍集中在淺層維度的特點相呼應(yīng)。

4.高獲取-低互動型

在第四象限中，有14位學(xué)生（占比26.42%）呈現(xiàn)出高獲取-低互動的特點。他們?nèi)酥墙换サ膶υ捫袨橹饕獓@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輪次的對話中，提及資源就有5次。例如，“請根據(jù)‘?dāng)?shù)字化體驗的劣勢’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。”“請給出‘社交隔離和數(shù)字社交’的實例、新聞報道?！边@類學(xué)生以搜索獲取型對話為主，注重信息搜索而非對話交流，強調(diào)人工智能的工具性，而對認知屬性缺乏認識，缺乏對寫作任務(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)同寫作對話的特征

本研究發(fā)現(xiàn)人智協(xié)同寫作對話主要表現(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，將其作為提供論點和論據(jù)、分析寫作材料的資料庫，甚至直接依賴生成式人工智能替代自己生成文本，進行復(fù)制粘貼以代替思考。這一結(jié)果也呼應(yīng)了智能時代的一大教育隱憂，即技術(shù)發(fā)展可能削弱學(xué)生自主性和增強惰性。學(xué)生選擇了“拿來主義”而非主動學(xué)習(xí)，缺乏對材料的深入研讀和分析，更缺乏對生成式人工智能回答的評價和創(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)生自身的認知過程[27]。人智交互時，高度擬人化的生成式人工智能集成了社會規(guī)范和期望，以“泛化他者”的身份與學(xué)生互動，向?qū)W生展示各領(lǐng)域的成果。表面上學(xué)生是在發(fā)號施令，實為簡單接受信息而非轉(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，難以達到協(xié)同的效果。

2.寫作水平與對話行為的關(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。這可能是因為，傳統(tǒng)寫作技能注重文體把握和表達修飾，但是這些方面可以由生成式人工智能輕松實現(xiàn)提升。面對生成式人工智能強大的響應(yīng)能力，以往沒有優(yōu)勢的學(xué)生也能使用有效的指令，在人智協(xié)同寫作中實現(xiàn)“彎道超車”。 這一結(jié)果凸顯了加強高效人智協(xié)同的必要性。人工智能技術(shù)對傳統(tǒng)的知識觀進行了深刻重塑，通過數(shù)據(jù)和信息處理，改變了知識生產(chǎn)方式，開辟了創(chuàng)造“無限知識”的新途徑。知識生產(chǎn)的主體發(fā)展為人、機器和人機協(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)生的對話行為和高獲取-高交互維度下的學(xué)生特點，共享調(diào)節(jié)學(xué)習(xí)有望促進高效的人智交互。共享調(diào)節(jié)是集體成員圍繞共同的目標(biāo)進行共同理解、制定計劃、監(jiān)控和反思的過程，并對認知、元認知和動機等維度進行集體協(xié)調(diào)[30]。通過學(xué)習(xí)者與機器的共享調(diào)節(jié)，人智交互能實現(xiàn)寫作前的信息加工、寫作中的互動對話、寫作后的評價反饋[31]，共同完成寫作計劃、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)，反思其對整體信息的貢獻，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)同寫作的交互和認知深化需求

有近三成的學(xué)生的對話側(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、非智能互補的人機交互[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。本研究發(fā)現(xiàn)，有部分學(xué)生能將自我意識延伸到技術(shù)中，將生成式人工智能視為建設(shè)性的對話伙伴，通過提問、追問、反問等方式達到高獲取-高交互，深化了交互和認知層次，實現(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，對信息進行審視。學(xué)習(xí)者與生成式人工智能進行深度交互，在對話中探索復(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)的對話學(xué)習(xí)方式。蘇格拉底提問法強調(diào)通過論證引發(fā)認知沖突，促進個體學(xué)習(xí)和集體知識的共同進化[35]?？梢韵胍?，在人智間開展思辨創(chuàng)造共生對話，也有望實現(xiàn)知識的有效轉(zhuǎn)化。思辨創(chuàng)造共生對話需要學(xué)習(xí)者發(fā)揮批判性思維、反思性思維等高階認知能力和素養(yǎng)，這也是智能時代，教育要培養(yǎng)的核心素養(yǎng)和面向未來的關(guān)鍵能力。

4.人智交互對話模式及發(fā)生機制識別

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話類型。已有研究基于ICAP 框架分析基于計算機系統(tǒng)的交互水平[36]，ICAP框架基于不同的行為表現(xiàn)和知識變化，分出四種由淺至深的認知參與和學(xué)習(xí)模式，前兩種模式屬于淺層學(xué)習(xí)，包括被動學(xué)習(xí)和主動學(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話模式。低獲取-高交互和高獲取-低交互是搜索依賴主動對話型的一體兩面，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，對話行為更加復(fù)雜，對話關(guān)系從機器主導(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，實現(xiàn)深層人智交互。

圖4進一步總結(jié)和展示了人和人工智能在交互對話中的知識動態(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對話型和搜索依賴主動對話型，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”的傾向。深層交互包括共享調(diào)節(jié)協(xié)作對話型和思辨創(chuàng)造共生對話型，二者互補互促，并無優(yōu)劣之分。在這種交互中，知識在人與機器之間動態(tài)流轉(zhuǎn)，成為一種更為流動和適應(yīng)性強的“軟知識”[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，這兩種交互層次體現(xiàn)了學(xué)生在對話中的主動程度和承擔(dān)的職責(zé)大小，也反映了eqgWxS4AiB2EQqSEKTyf/ABYnOmf+8B/xt+SduTX1T4=對不同思維水平的要求。安德森將認知的目標(biāo)分為六個層面，包括記憶、理解、應(yīng)用、分析、評價、創(chuàng)造[39]。前兩個層面涉及基本的信息處理，側(cè)重于淺層學(xué)習(xí)，后四個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用，如記憶和理解。而深層交互要求學(xué)習(xí)者在機器的幫助下，積極發(fā)揮主體意識，進行批判性思考和創(chuàng)造性問題解決，從而促進學(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.利用針對性支架，拓寬人智對話空間

一個世紀(jì)以前，布伯（Martin Buber）富有洞見地提出兩種對話關(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象，“我-你”則是對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)，作為對話的媒介，不斷地擴展著人類的理解。因此，未來需要深入挖掘技術(shù)在拓寬對話空間中的作用，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，不斷打開對話空間，增強和擴展人類的反思智能[41]。但是，值得警醒的是，本研究發(fā)現(xiàn)這種對話空間尚未打開。因此，未來的人智交互需要教師的適時干預(yù)，在個體層面培養(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，在技術(shù)層面要通過教學(xué)設(shè)計營造良好的交互環(huán)境，提供適應(yīng)性教學(xué)腳手架，優(yōu)化不同學(xué)習(xí)者的交互體驗和學(xué)習(xí)效果。例如，對于惰性接收型學(xué)習(xí)者，可以提供結(jié)構(gòu)化的對話指令指導(dǎo)和示例，引導(dǎo)學(xué)習(xí)者學(xué)會提問，并設(shè)置不同的互動情境，激發(fā)其主動學(xué)習(xí)和交流的意愿。對于搜索依賴型學(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，有意識地反思和評估自己的學(xué)習(xí)進程[42]，提高其信息評估力和元認知能力。還可以動員共享調(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)新對話教育方式，提升人智交互質(zhì)量

本次研究結(jié)果證實，人智交互為人機協(xié)同認知打開了關(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口頭式對話教學(xué)的回歸。在理論層面上，對話教育和人智交互之間有待進一步探討。目前，有研究提出了對話式教育技術(shù)理論框架，綜合考慮了技術(shù)、教育對話、認知、思維等要素，強調(diào)文化在其中的關(guān)鍵作用，促進個體和集體的身份構(gòu)建[44]。在人工智能時代，需要發(fā)揮對話理論和技術(shù)理論的教育價值，推動人智交互理論和實踐的共同進步。在實踐層面上，需要發(fā)展適應(yīng)于人智交互的對話式學(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)人機會話的日志數(shù)據(jù)及時智能地為學(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)生主動運用在與人工智能的交互中，促進學(xué)生個性化學(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)定義為一套使個人能夠批判性地評估人工智能技術(shù)的能力，能與人工智能進行有效的溝通和協(xié)作，將人工智能作為在線、家庭和工作場所的工具[45]，強調(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、情感、思維三維評價體系[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、有意識地使用和用戶組群相關(guān)能力，關(guān)注人工智能對使用者的心理影響[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導(dǎo)致高階思維能力培養(yǎng)乏力的問題。同時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

本研究對學(xué)生利用生成式人工智能進行議論文寫作的過程進行分析和比較，集中展示了學(xué)生在人智交互對話過程中的模式、特點及其對學(xué)習(xí)者知識轉(zhuǎn)化和認知發(fā)展的影響。研究發(fā)現(xiàn)，在自然狀態(tài)下，學(xué)生的人智對話整體呈現(xiàn)出淺層特點，存在被動接收和搜索依賴的傾向，這可能折損學(xué)習(xí)者的能動性。此外，人智交互對話模式除了簡單的信息獲取，更有以思辨和創(chuàng)造為導(dǎo)向的深層次對話，后者能促進知識的動態(tài)建構(gòu)和人機融合，體現(xiàn)了人智共生對話的理想狀態(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，又是一種隱喻、一種抽象理想和一種社會想象[48]。本研究通過對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)對話的可能形態(tài)，以及背后的知識建構(gòu)路徑，豐富了人工智能在教育中的角色認知，為設(shè)計有效的人智協(xié)同學(xué)習(xí)活動和支撐機制提供了經(jīng)驗借鑒。

同時，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)和寫作活動之間的動態(tài)關(guān)系。后人文主義語言觀認為，意義的構(gòu)建是人類和非人類實體的代理（例如技術(shù)）、語言和認知之間的相互連接和作用的結(jié)果[49]。本研究通過認知網(wǎng)絡(luò)分析法具象化了這種連接，呈現(xiàn)出人智對話的顯性空間，以及不同模式下人智交互話語具體而細微的差異。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]。未來需要進一步拓展教育的人智對話空間，發(fā)揮對話教育理論的價值，優(yōu)化不同類型學(xué)習(xí)者的人智交互體驗，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：

[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：人智交互體驗中的AI生成內(nèi)容（AIGC）可信度評價[J].情報資料工作，2023，44（4）：35-42.

[4][33] 許為，高在峰等.智能時代人因科學(xué)研究的新范式取向及重點[J].心理學(xué)報，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”會議綜述[J].現(xiàn)代遠程教育研究，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.對話教學(xué)：涵義與價值[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.對話式通用人工智能教育應(yīng)用的機理、場景、挑戰(zhàn)與對策[J].遠程教育雜志，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)研究與實踐框架[J].遠程教育雜志，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[J].現(xiàn)代遠程教育研究，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)同知識建構(gòu)歷程的社會認知網(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?智能時代的人機協(xié)同學(xué)習(xí)：形態(tài)、本質(zhì)與發(fā)展[J].中國電化教育，2023，（10）：26-35.

[44] 史圣朋，魯珀特·韋格里夫等.人工智能時代的對話式教育技術(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)成與評價體系[J].華東師范大學(xué)學(xué)報（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.

作者簡介：

汪靖：助理教授，博士，博士生導(dǎo)師，研究方向為自主學(xué)習(xí)和社會情感學(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，研究方向為寫作教學(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，研究方向為學(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)動的學(xué)習(xí)評價。

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