1. 引言
随着教育数字化转型的推进、智能教育产品的逐渐成熟和生成式人工智能技术的快速发展，人机协同学习模式已成为教育领域研究与实践的热点。在这样的时代背景下，学生与机器之间的协同工作、对话协商和共同决策变得更加普遍，对提高教育质量和促进学习者认知发展具有重要意义[1]。由OpenAI开发的ChatGPT的出现为高等教育带来了一场革命，它的教育内容提高了学生的参与度与互动性，使其成为教学方法的宝贵补充。其中，在人机协同方面，学习者与ChatGPT之间的互动不仅促进了知识的传递，更在深层次上推动了学习中的知识建构和认知发展。
人机协同学习作为一种新型的学习模式，其核心在于实现人与机器之间的有效协同。在这一过程中，学习者通过与机器进行交互、协商和合作，共同构建知识体系，提升认知水平。然而，要实现人机协同学习的有效实施，关键在于深入理解学习者在人机协同过程中的认知参与机制。因此，本研究基于知识建构过程模型和ICAP框架，构建了一个人机协同下知识建构的认知参与分析模型，旨在揭示学习者在人机协同学习中的认知参与特点，以期更深入地了解学习者在人机协同学习中的知识建构过程。
2. 文献综述
2.1. 人机协同
随着教育数字化转型的推进和生成式人工智能的兴起，人机协同逐渐成为未来学习新样态。伴随人工智能技术的演进发展，智能机器越来越具备自主决策、推理、主动交互、态势感知等类似人类的认知能力，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征[2]。智能机器可以充当人类的同伴，并与人类协同完成决策任务。与人类协同的能力已经成为机器智能水平的一个指标，并决定了其应用的广度和深度。随着机器认知智能的提高以及机器角色从工具到伙伴的转变，人机交互正在向更复杂的交互方式发展。
“协同”一词最早来源于古希腊语，其本意为协和、同步、协调、和谐，意味着开放系统中系统之间通过相互作用发生基体效应，协同一致地完成某一项任务。人机协同思想最早诞生于工业时代，强调人与机器在劳面的协作关系[3]。人机协同的概念先后经历了人机共生、人机协作、人机融合三个阶段的发展。但在其发展演进的过程中，始终贯穿不变的观点是：人类智能和机器智能要发挥各自的优势，做各自擅长的事情，即机器做机器擅长的，人做人擅长的事情，二者协同，才能充分发挥人机协同智能的价值,进而完成一些超越人类智慧和机器智能的复杂任务和工作[4]。在人工智能赋能教学的背景下，强调学生智慧与机器智能融合共生，在协同中发挥各自优势以实现“混合增强智能”，由此促进教育数字化转型和提升学生的数字素养的人机协同教学日益得到重视。
2.2. 知识建构
知识建构作为一种教育模式，出现于20世纪80年代，已发展为知识建构理论、教学法、实践和技术增强环境的综合框架[5]。知识建构的概念由Scardamalia和Bereiter (2003)率先提出，其发展大致经历了三个阶段：专家式写作、意向性写作、知识建构[6]。Scardamalia和Bereiter (1987)区分了知识讲述和知识转化，其中知识讲述一般出现在新手作家中，以相对线性的方式陈述知识，而知识转化更多出现于专业作家中，专家将自身知识转化为复杂的关系论证结构并最终引发概念变化[7]。Roscoe和Chi将知识建构定义为元认知监控个人知识与理解、整合新知识和旧知识以及通过推理产生新想法的过程[8]。知识建构是一种以建构主义为基础的知识创造隐喻。在知识建构过程中，学习者的观点和想法被视为概念产物和探究对象，学习者在学习过程中基于自身原有的认知图式进行个人层面观点的持续改进和知识的意义建构，学习者的思维变化呈现由浅入深、循环迭代、螺旋上升的发展态势。知识建构注重引导学习者进行以观点为中心的协作探究，目的是促进观点的持续改进，达成知识的获得和认知的发展[9]。
与知识建构相比，协同知识建构则更关注于集体层面学习者与同伴进行交互协作，最终达成知识一致，强调知识产生于学习社区成员之间的社会交互之中。谢幼如教授认为“协作知识建构是个体在特定的组织中互相协作、共同参与某种有目的的活动，最终形成某种观点、思想、方法等智慧产品的过程”[10]。彭绍东教授提出了“混合式协作学习中知识建构的三循环模型”，认为协同知识建构是指学习共同体成员在学习目标激励和协作规则保障下，在共同的活动环境中，利用协作与学习工具，表达个人的理解与观点，相互辩论、解释、共同探讨与协商，共同建构有价值的知识意义，并外化为文化制品和内化为认知图式的过程[11]。
本研究的人机协同知识建构是指在人机协同的学习情境下学习者以建构协同知识为目的，通过与ChatGPT进行交互组建知识共同体，在协同中开展协作交流，发挥人机协同效应，改进自身观点想法，实现共同知识进步与迭代的过程。
2.3. 认知参与
参与一词起源于拉丁文“particpare”，文献中经常使用engagement、involvement、participation，目前使用比较多的是engagement。参与一词是复杂的、多层面的概念，不同研究者对参与的理解主要有三种观点：参与是一种行为，参与是一种心理活动，参与是行为、认知和情感的有机统一。学习者参与分为行为、认知、情感三个维度[12]。
奥苏贝尔根据学习材料与学习者认知结构中已有知识的关系，将学习分为机械学习和有意义学习。有意义学习通常被定义为以认知和有意义的方式参与材料的学习，以“真正思考、分析、评估参与所呈现的信息，而不仅仅是被动接受”，因此有意义学习被认为是高质量的学习，检验学生的学习就是看学生是否产生了有意义学习，而进行有意义学习的先决条件是认知参与。认知参与是一种“思维训练”，包括学生在学习时使用的认知策略和心理资源的高度卷入，涉及学生对学习内容的掌握情况以及学习过程中的思维活动。认知参与主要指学习策略的使用，也就是学生在学习中对心理努力的把握和控制，使用不同的学习策略会引起不同层次的思维活动。学生会使用学习策略如练习、总结、加工细化等来牢记、组织和理解学习内容，也会管理和控制他们在学习任务上的努力来保持他们的认知参与[12]。孔启平教授在实地调研基础上将认知参与分为浅层次、深层次和依赖策略，学生运用高层次学习策略，则认知参与就越大，学生运用低层次学习策略，则其认知参与就越低，高层次和低层次学习策略反映的是学生认知参与的程度[13]。亚利桑那州立大学Chi教授使用“参与”术语来指学生在教学或学习任务的背景下参与学习材料的方式，反映在学生进行活动时表现出的显性行为。Chi根据学生表现或采取的显性行为将参与分为四种模式：被动、主动、建设性、交互参与模式，他认为认知参与是以学生的行为参与为载体，通过显性行为映射学生的认知参与水平[14]。
3. 模型构建
3.1. 模型的理论基础
3.1.1 基于解释的知识建构过程模型
Figure 1. Interpretive knowledge construction process model
图1. 基于解释的知识建构过程模型
在协作知建构过程中，学习者把显性知识内化为自身隐性知识时，必然要涉及到对新知识的理解以及与先验知识之间的协商，此时便产生了学习者对知识所蕴含意义的个体自我解释。个体的自我解释，特别是深层的自我解释能够促进学习者对问题深层结构的理解，有利于问题图式的获得[15]。
见图1中分享包括提出问题、描述讨论主题、表达个人观点等，可借助概念图、头脑风暴、大纲、脚手架等工具加强成员间交互解释的有效性。协商包括学习者与自我的协商也包括与他人观点的协商，协商通过自我解释与交互解释实现。共识是指成员通过上述阶段对某些知识的理解达成一致，包括综合、调整、妥协、共享理解、达成共享意义等。在此阶段中学习者提供个体自我解释修正原有的认知结构，对自身观点进行调整、妥协或共享集体意义。应用包括成员对所学知识的总结或用所学的知识解决问题等，在该阶段成员的主要任务是将共同体共享的知识内化到自身原有知识结构并运用它解决问题。
3.1.2. ICAP框架：将认知参与和主动学习成果联系起来
学生在学习过程中表现出的显性行为是不同参与模式的一个重要表征。Chi教授通过ICAP框架将显性参与行为分为四种模式：被动(Passive)、主动(Active)、建设性(Constructive)和互动式(Interactive)，同时预测了不同模式的显性行为的不同认知水平[14]。被动参与模式指学习者被导向并从教学材料中接收信息，而不做任何与学习相关的事情。例如，集中注意力听讲座而不做任何其他事情。主动参与模式是指学习者对学习材料有明显主动的处理行为，从而对学习材料进行某种外显的操作。例如学生为了回顾磁带的某些选定部分而暂停和倒带录像带；在听讲座时做笔记等。建设性的参与模式是指学习者在过程中产生超出学习材料所提供的额外的外部化输出或产品的行为。例如学生绘制概念图、用自己的话做笔记、制定计划、自我解释等。互动参与模式需满足两个标准：(1) 双方的话语必须主要是建设性的；(2) 必须发生足够程度的轮流。例如争论或捍卫某一个立场、产生辩论等。
Figure 2. Cognitive engagement analysis model for knowledge construction in human-computer collaboration
图2. 人机协同下知识建构的认知参与分析模型
ICAP框架定义了每种参与模式下的知识变化过程：存储、整合、推断和共同推断，每一种都可以与被动、主动、建设性或互动的行为模式相关联。同时，ICAP框架强调分析学习者在学习过程中将显性作为活动的输出，作为其内部认知水平的指标，学习者不同的外显行为代表了不同的认知参与水平，更高的水平意味着学习者更深的认知参与程度。按照I-A-C-P的顺序，交互式参与模式往往会实现最大程度的学习，大于建设性模式，而建设性模式大于主动模式，主动模式大于被动模式(I > C > A > P)。
3.2. 人机协同下知识建构的认知参与分析模型
在人机协同学习环境下，学习者通过言语解释与ChatGPT进行互动协作，这一观点与基于解释的知识建构过程模型紧密契合。在协同过程中，学习者表现出的外显行为可依据ICAP框架进行分类，进一步表征学习者的认知参与。因此本研究结合知识建构过程模型和ICAP框架，构建了人机协同环境下知识建构的认知参与分析模型，见图2所示。
4. 模型应用
4.1. 应用课程及平台介绍
我国研究选取南方地区某师范大学教育技术写专业2021级42名本科生作为授课对象，分为七个小组。以《研究设计与写作指导：定性、定量与混合研究》课程为样本开展了为期一个学期(16周)的实证研究。选取该课程的依据如下：课程学生均具有“研究”的碎片化知识；课程采用人机协同学习的方式，要求学生与平台进行充分交互，以个人为单位分阶段产出多个知识制品，共有五个阶段的学习内容：调查研究、实验研究、内容分析研究、社会网络研究分析、行动研究分析。本课程的主要教学活动是学生在教师引导下阅读指定的文献并借助平台总结一份读书笔记。
该课程教学活动基于研究团队开发的通用AI聊天与写作工具展开，平台已接入ChatGPT、讯飞星火等多种通用大语言大模型，由同步对话区、System Prompt模版区、在线文档编辑区组成。在同步对话区，除了支持ChatGPT已有的实时对话功能外，平台还设置了对话列表，实现了学习者的历史对话保存和管理，方便学习者对先前对话进行回顾与反思。在System Prompt模版区，学习者可以设定对话的前置条件，再使用研究团队预先设计的提示词进行提问，从而得到更加符合预期的反馈。在在线文档编辑区，学习者可以进行多人在线协作撰写文本，组内成员还可以在讨论区互动交流想法。此外，平台提供了知识库功能，支持学习者上传文件，平台在解析文件内容的基础上进行问题回答。
4.2. 编码方案
参考对ICAP框架中四种学习参与方式类型的描述，并结合基于解释的知识建构模型，本研究最终确定在人机协同学习中，学习中认知参与分析的编码表，见表1所示。
Table 1. Coding scheme
表1. 编码方案
分类 |
类别 |
说明 |
示例 |
编码 |
被动 |
接受 |
学习者从教学材料中接收信息，不做任何与学习相关事情 |
学生接收ChatGPT内容，不做其他任何事情 |
HM |
主动 |
重复 |
学习者明确地复制、引用学习材料中的已有内容 |
学习者复制文献中的段落并询问ChatGPT相关问题 |
AT |
强调 |
学习者着重强调材料中某个片段，在材料基础上主动学习 |
学习者针对文献中出现的术语概念向ChatGPT进行提问 |
BS |
建设性 |
阐述 |
学习者基于自己的认知阐述学习材料以外的观点、解释等 |
学习者针对文献基于个人理解阐述文献研究不足点 |
LK |
创造 |
学习中根据学习材料及自身认知创造出材料外的作品 |
学习者将文献笔记发送给ChatGPT让其评价流畅度等 |
IR |
互动 |
支持 |
学习者赞同他人观点或进一步提出追问 |
学习者赞成ChatGPT的回答并对其进行追问 |
PL |
辩护 |
学习者不赞同他人观点，与同伴进行辩论维护自身观点 |
学习者不赞成ChatGPT的修改意见，进一步开展辩论 |
FY |
4.3. 数据收集与分析过程
本研究的数据来源于三方面：(1) 学生与平台协同的过程数据，包括学生与平台的对话记录、学生使用的提示词内容、在线文档编辑区的文本内容；(2) 学生阅读文献后撰写的读书笔记；(3) 学生的读书笔记评分；(4) 问卷数据，包括ChatGPT反馈和提示语评价两方面。课程结束后，研究人员从后台调取相应的json数据集，使用Python程序对数据集进行清洗和整理，并对所有数据进行批处理，得到对应的Excel表格，见图3所示，表格内容主要包含学生提问内容、平台回复内容、学生使用的提示语内容、时间戳等信息，并将所有学生的数据信息按课时进行排列组合。
本研究采用内容分析法根据编码方案对学生与平台的每条协同对话内容进行定性编码，并对不同课时的协同会话内容进行分析，主要围绕三个关注点展开：总体分析、组间分析和组内分析。
Figure 3. Excel example chart
图3. Excel案例图
4.4. 数据收集结果
4.4.1. 总体分析
根据编码方案中对四种学习参与方式类型，采用内容分析法对学生与平台协同的过程会话数据进行编码，总体编码结果如表2所示。在五个学习阶段中，可以看出学习者的认知参与行为多为建设性，主动和交互式行为相对较少。人机协同学习模式下，学习者与ChatGPT在交互过程中不断迸发出新想法和观点，学习者在存储与整理先验知识的同时，不断将新知识吸收并整合到激活的图式中，从而填补图示中的空白。同时随着课时的叠加，学习者的互动参与行为逐渐增加，意味着学习者逐渐呈现出更深的认知参与程度。
Table 2. General analysis
表2. 总体分析
维度阶段 |
被动 |
主动 |
建设性 |
互动 |
调查研究 |
6 |
74 |
156 |
63 |
实验研究 |
2 |
68 |
204 |
63 |
内容分析研究 |
7 |
89 |
242 |
78 |
社会网络研究 |
5 |
78 |
258 |
86 |
行动研究 |
4 |
62 |
244 |
89 |
4.4.2. 组间分析
各个小组在不同阶段的协同会话类型情况如图所示。从图4中可以看出，大部分小组认知参与的外显行为多表现为建设性和互动式参与。表3进一步分析了各小组在调查研究课时阶段的认知参与水平差异，可以看出1组同学在各个阶段的数据均高于均值，说明该组在协同交互时产生了更多频次的认知参与行为，建设性和互动式行为比其他小组要多，真正发生了有意义学习。7组同学在各个阶段的数据均低于均值，在协同过程中较少进入互动式参与行为，说明该组的知识总是以消极孤立的形式存储，其知识建构水平有待提升。
Figure 4. Types of collaborative dialogue at different stages for each group
图4. 各组不同阶段协同会话类型图
Table 3. Cognitive engagement level differences among groups in the “survey and research phase”
表3. “调查研究”阶段各组认知参与水平差异
组别 |
被动 |
主动 |
建设性 |
互动 |
1组 |
0.14 |
4.43 |
11.71 |
8 |
2组 |
1.14 |
9.43 |
5.71 |
−2 |
3组 |
0.14 |
−3.57 |
−0.29 |
8 |
4组 |
−0.86 |
−6.57 |
−8.29 |
−4 |
5组 |
1.14 |
4.43 |
−4.29 |
5 |
6组 |
−0.86 |
0.43 |
0.71 |
−6 |
7组 |
−0.86 |
−8.57 |
−5.29 |
−9 |
4.4.3. 组内分析
研究人员选取了认知参与水平较高的1组进行组内分析，如图5表示可以看出随着课时的叠加，1组同学的认知参与频次逐渐增加，并且多表现为建设性和互动式参与行为，这与学生对人机协同学习模式的熟悉程度相关。在第一次课时学生对于平台的功能使用情况相对陌生，不擅长使用提示语协助自身与ChatGPT达成理想的交互效果。学习者在平台与ChatGPT发生足够程度的轮流后，学习者更加擅长以积极的方式促进与ChatGPT发生交互，从而发生更深程度的认知参与行为以帮助自身完成意义建构。在表4的数据进一步表明，与班级全体成员的认知参与行为的均值进行比较时，可以看出1组成员的数据多为正数，学习者从激活和整合的知识中通过ChatGPT互动对话的迭代输入地推断新知识。
Figure 5. Types of collaborative dialogue at different stages for each group 1
图5. 1组不同阶段协同会话类型图
Table 4. Cognitive engagement level analysis for group 1
表4. 1组认知参与水平分析
维度阶段 |
被动 |
主动 |
建设性 |
互动 |
调查研究 |
0.14 |
4.43 |
11.71 |
8 |
实验研究 |
0.71 |
3.29 |
−6.14 |
10.71 |
内容分析 |
0 |
1.29 |
13.43 |
8.86 |
5. 总结与展望
5.1. 研究总结
5.1.1. 良好的提示语设计可以加深学习者的认知参与程度
在对学习者的数据对话进行内容分析时发现，频繁使用提示语辅助对话的学习者更有概率进入建设性或交互式会话，发生更高阶的认知参与活动。从不使用或很少使用提示语的学习者的会话交互类型更集中分布于主动模式，较少发生互动式会话。因此，良好的提示语能够有效帮助学习者进入更高阶的认知参与活动，ChatGPT依据提示语给定的语境、目标、角色和规则设定，将自身角色内置成为一位写作导师或领域专家，学习者如同拥有了一个能够提出新观点、想法和框架的协同伙伴，通过迭代的互动拓宽学习者的认知空间并提供建设性反馈，培养学生自主知识建构能力。
5.1.2. 有必要在课程开展初期对学习者进行系统化的平台使用培训
从数据结果来看，学习开展到中期阶段时，学习者的认知参与程度较高，这与学习者对平台与提示语使用的熟悉程度相关。因此可以在课程开展初期对学习者进行系统性的平台使用培训，这种培训不仅可以帮助学习者熟悉平台的功能和操作，提高他们在使用过程中的效率和自信心，还能最大限度地发挥平台在知识建构和认知参与方面的潜力。通过系统化培训，学习者能够更好地掌握如何利用平台的各项工具和资源，从而在后续的学习过程中实现更高水平的互动和协同，提升学习效果。
5.1.3. ChatGPT的生成性对话有助于提高学生在学习中的认知参与程度，增加学习投入
在学习者学习过程中，生成式对话工具可以显著提升学生的认知参与程度与学习投入。通过与ChatGPT进行互动，学生不仅能够获取即时反馈和个性化的指导，还可以在动态的对话中深度思考和反思学习内容。这种人机协同的方式有助于知识的建构，促进学生对复杂概念的理解和应用能力的提升，从而在整体上增强其学习效果和积极性。在知识建构的过程中，ChatGPT提供的多样化对话内容和交互模式，能够有效激发学生的学习兴趣，提升其自主学习的动力和认知参与水平。
5.2. 研究展望
本研究结合基于解释的知识建构过程模型和ICAP框架设计了人机协同下知识建构的认知参与分析模型，通过内容分析法对学习者与ChatGPT的对话交互类型进行分类编码，进一步分析学习者的认知参与水平，但本研究依旧存在许多不足，未来的进一步研究应考虑多模态数据的分析而不仅仅只是对话文本，同时也应考虑对学习者的认知过程进行综合化、动态化的分析与评价，以期进一步丰富人机协同下交互分析的研究内容。