創(chuàng)造人機對話式學(xué)習(xí)新形態(tài)

王曉璐 楊云軒 謝陽斌

【摘 要】大語言模型創(chuàng)造了人機對話式學(xué)習(xí)的新形態(tài)，給學(xué)習(xí)方式變革帶來了新的可能。本文概括了大語言模型背景下人機對話式學(xué)習(xí)的五個主要場景——學(xué)科知識問答、語言學(xué)習(xí)、寫作助手、編程學(xué)習(xí)和智能教研，并基于對現(xiàn)狀和趨勢的整體分析與把握，指出隨著大語言模型教育應(yīng)用的不斷深化，將有望產(chǎn)生兼具學(xué)科知識與教學(xué)能力的專家級智能導(dǎo)師，推動人機對話式學(xué)習(xí)邁向新階段，并由此影響課堂教學(xué)變革。

【關(guān)鍵詞】大語言模型；人機對話式學(xué)習(xí)；智能導(dǎo)師

【中圖分類號】G434? ?【文獻標(biāo)志碼】A

【論文編號】1671-7384（2024）05-015-03

近兩年來，生成式人工智能成為教育技術(shù)應(yīng)用的前沿?zé)狳c，背后的技術(shù)驅(qū)動力則是人工智能大模型，其中，大語言模型的發(fā)展最為成熟，其教育變革潛力也最為深遠。語言是教育內(nèi)容的載體，也是人際互動的工具，大語言模型所具有的強大語言理解能力和生成能力，正在創(chuàng)造一個智能化的人機對話新時空，推動基于人機對話的學(xué)習(xí)方式創(chuàng)新發(fā)展。

快速興起的大語言模型

人工智能的基本目標(biāo)是利用機器來模擬、擴展及增強人類智能，其中一個重要方面是對人類語言的理解、解釋和生成，該研究領(lǐng)域被稱為“自然語言處理”。語言模型是自然語言處理研究中的核心概念，指的是在統(tǒng)計和計算框架下對語言進行建模，從而讓機器能夠?qū)ψ匀徽Z言進行理解和預(yù)測[1]。近年來，隨著計算能力的顯著提升（特別是GPU和TPU等專用硬件的進步）、模型架構(gòu)及算法的革新（尤其是基于Transformer的大型預(yù)訓(xùn)練模型的引入）以及數(shù)據(jù)規(guī)模的擴大（得益于互聯(lián)網(wǎng)提供的海量開放數(shù)據(jù)集），研究者們開發(fā)出了擁有巨大參數(shù)規(guī)模和數(shù)據(jù)規(guī)模的語言模型，簡稱為“大語言模型”[2]。大語言模型不僅在文本理解和生成方面實現(xiàn)了質(zhì)的飛躍，而且具有廣泛的知識覆蓋和強大的泛化能力（能夠?qū)τ脩籼岢龅母鞣N不同領(lǐng)域、不同類型問題做出回答），并通過持續(xù)反饋迭代，不斷自我學(xué)習(xí)。

當(dāng)前，大語言模型已經(jīng)成為全球人工智能科技競爭的焦點。自2022年11月，OpenAI發(fā)布ChatGPT以來，國內(nèi)外研發(fā)機構(gòu)陸續(xù)推出自主訓(xùn)練的大語言模型，其中包括文心一言大模型、通義千問大模型、星火認知大模型、開源大模型Grok等。2023年11月，OpenAI發(fā)布了GPTs，支持用戶定制具有特殊功能的GPT，讓每個用戶都能擁有屬于自己的對話機器人。2024年1月，GPT Store上線，實現(xiàn)了全球范圍對話機器人的共建共享[3]。與此同時，能夠處理文本、語音、圖像、視頻等多種類型數(shù)據(jù)的多模態(tài)大模型也在快速發(fā)展中，典型代表是谷歌研發(fā)的原生多模態(tài)大模型Gemini和OpenAI研發(fā)的文生視頻大模型Sora?？偠灾?，以大語言模型為代表的人工智能大模型正在成為智能化發(fā)展的重要基礎(chǔ)設(shè)施，給各行各業(yè)帶來新的契機。

基于大語言模型的人機對話式學(xué)習(xí)發(fā)展現(xiàn)狀

基于大語言模型強大的通用知識庫及語言理解與生成能力，研究者們進一步將教育專業(yè)數(shù)據(jù)和學(xué)科專業(yè)知識融入其中，訓(xùn)練能夠回答專業(yè)學(xué)習(xí)問題的教育專用模型并投入應(yīng)用，由此推動具備更高智能水平和更強交互性的人機對話式學(xué)習(xí)形態(tài)不斷發(fā)展。通過對現(xiàn)有大語言模型教育應(yīng)用的研究，可以總結(jié)出五類常見應(yīng)用場景：學(xué)科知識問答、語言學(xué)習(xí)、寫作助手、編程學(xué)習(xí)和智能教研。其中，學(xué)科知識問答側(cè)重于知識學(xué)習(xí)，語言學(xué)習(xí)、編程學(xué)習(xí)和寫作助手則著重于技能學(xué)習(xí)，而智能教研則專門針對教師學(xué)習(xí)和發(fā)展。

（1）學(xué)科知識問答。針對科學(xué)、數(shù)學(xué)等知識結(jié)構(gòu)較為成熟的學(xué)科，通過對大語言模型進行微調(diào)和學(xué)科知識庫增強[4]，目前已經(jīng)產(chǎn)生了一批能夠進行基本知識問答的工具。以下簡要介紹GPT Store中該類別點擊量位于前列的兩個工具“CK-12 Flexi”和 “Universal Primer”。“CK-12 Flexi”是基于擁有大量學(xué)習(xí)內(nèi)容資源的美國在線教育平臺“CK-12”，進一步使用GPTs研發(fā)的智能導(dǎo)師工具，主要面向初中和高中數(shù)學(xué)與科學(xué)學(xué)習(xí)，其底層知識庫由5000余個相關(guān)學(xué)科基本概念及其關(guān)系圖譜構(gòu)成，這些概念來自美國課標(biāo)要求，每個概念都鏈接了獨立的學(xué)習(xí)單元，包含理論解釋、實例演示以及相關(guān)的練習(xí)和評估[5]。當(dāng)筆者提出如何用牛頓定律解決問題時，系統(tǒng)采取了案例教學(xué)法，按照解讀問題、列應(yīng)用公式、代入已知數(shù)值、解方程的步驟對案例進行了細致剖析?！癠niversal Primer”則使用類比教學(xué)法，通過生活事例類比幫助學(xué)習(xí)者理解抽象概念，例如，當(dāng)筆者詢問高溫超導(dǎo)理論中的“庫珀對”概念時，系統(tǒng)使用了兩位武功高手招數(shù)互相搭配形成和諧狀態(tài)，來比喻超導(dǎo)體中電子配對后的“零電阻狀態(tài)”。

（2）語言學(xué)習(xí)。大語言模型可以創(chuàng)造一個永不感到疲憊、永遠保持耐心并提供即時反饋的智能語言導(dǎo)師，為學(xué)習(xí)者創(chuàng)造出可以隨時隨地進行對話交流的語言學(xué)習(xí)環(huán)境。以GPT Store中該類別點擊量位于前列的“Language Teacher”為例，系統(tǒng)根據(jù)學(xué)習(xí)者的目標(biāo)語言及當(dāng)前水平針對性地提供一系列話題場景，在對話中及時發(fā)現(xiàn)學(xué)習(xí)者的表達錯誤和不夠地道之處，提供更好的表達方式以供參考。相比人類教師而言，大語言模型除了語言分析和生成本身的優(yōu)勢之外，還有助于許多學(xué)習(xí)者克服在外語學(xué)習(xí)中存在的害怕被嘲笑等心理障礙。同時，必須指出的是，由于大語言模型的輸出并非百分之百正確，人類教師的介入仍然有其必要性。另外，在一些深層次的語言學(xué)習(xí)維度，人類教師相比大語言模型仍然具有優(yōu)勢[6]。

（3）寫作助手。依托豐富的語料庫和對語法規(guī)則的精準(zhǔn)掌握，大語言模型具備了強大的文本分析和語義理解能力，能夠從謀篇布局、邏輯梳理、遣詞造句等不同層面提出文章修改意見，并在行文思路枯竭時提供靈感啟發(fā)。以GPT Store商店中該類別點擊量位于前列的“Write For Me”為例，該應(yīng)用可根據(jù)用戶的具體需求創(chuàng)建作文大綱、分段完成寫作任務(wù)及優(yōu)化寫作內(nèi)容等。筆者將一篇六年級小學(xué)生的作文交給“Write For Me”批改，系統(tǒng)對這篇作文的內(nèi)容與結(jié)構(gòu)、語言與風(fēng)格、語法與拼寫、創(chuàng)意與原創(chuàng)性提出了修改建議并生成了一篇修改后的新文章，筆者對比發(fā)現(xiàn)，新文章的措辭更加精煉、生動，語義的流暢性和句式的多樣性都有了明顯優(yōu)化。然而，寫作助手工具在帶來便利的同時，也伴隨潛在的挑戰(zhàn)和風(fēng)險。為防止學(xué)生使用ChatGPT作弊或進行其他學(xué)術(shù)不端的操作，一些歐美大學(xué)及教育機構(gòu)已經(jīng)禁止學(xué)生使用ChatGPT完成論文。因此，教師應(yīng)引導(dǎo)學(xué)生正確使用這類工具，使其成為寫作的助手而非“槍手”和代寫工具。

（4）編程學(xué)習(xí)。大語言模型不僅掌握人類自然語言，而且精通程序語言，GPT等主要大語言模型均具有生成多維度代碼解釋的能力[7]。以GPT Store商店中編程類教育工具點擊量排名靠前的“Grimoire”和“Code Tutor”為例，“Grimoire”的核心能力包括處理多種編程語言和框架、將復(fù)雜的編程概念轉(zhuǎn)化為易于理解的形式等，即使沒有任何編程基礎(chǔ)的用戶也可以在“Grimoire”中輕松創(chuàng)建網(wǎng)址、代碼、項目和游戲。該工具采取故事化編程、游戲化學(xué)習(xí)等多元教學(xué)方法，能有效激發(fā)學(xué)習(xí)者的編程興趣。例如，教師在系統(tǒng)中輸入“設(shè)計for循環(huán)語句的編程項目”，系統(tǒng)便從項目概述、代碼實現(xiàn)、項目特點幾個方面給出基于for循環(huán)語句的天氣統(tǒng)計應(yīng)用程序。該程序可以通過分析多個城市的歷史天氣數(shù)據(jù)，提供如平均溫度、最高溫度和最低溫度等基本的統(tǒng)計信息?！癈ode Tutor”則是由可汗學(xué)院研發(fā)的人工智能輔導(dǎo)工具，采用蘇格拉底對話法為學(xué)習(xí)者提供計算機科學(xué)和編程領(lǐng)域教學(xué)，能夠激發(fā)學(xué)習(xí)者主動思考和編程實踐，在滿足學(xué)習(xí)者個性化編程學(xué)習(xí)需求方面取得了進展。

（5）智能教研。這類工具主要以提供教學(xué)建議的方式幫助教師減負增效，包括生成教學(xué)資源、生成教學(xué)設(shè)計、智能數(shù)據(jù)分析等方面。一是生成教學(xué)資源。 教師可利用大語言模型進行文本、音頻、視頻等自適應(yīng)教學(xué)資源的創(chuàng)建和優(yōu)化；二是生成教學(xué)設(shè)計?；诖笳Z言模型的智能教研工具可依據(jù)教師的教學(xué)目標(biāo)、教學(xué)場景、教學(xué)需求生成創(chuàng)作型教學(xué)素材，輔助教師分步驟生成創(chuàng)新性的教學(xué)活動和個性化的教學(xué)方案。例如，GPT Store里的“教學(xué)設(shè)計助手”工具能夠協(xié)助教師從學(xué)習(xí)者分析、學(xué)習(xí)內(nèi)容分析、教學(xué)目標(biāo)分析、教學(xué)過程設(shè)計、教學(xué)評價設(shè)計等方面，生成信息技術(shù)與其他學(xué)科相結(jié)合的跨學(xué)科主題教學(xué)設(shè)計。三是智能數(shù)據(jù)分析。借助大語言模型強大的數(shù)據(jù)分析和多模態(tài)學(xué)習(xí)能力，教師可以分析學(xué)生的反饋和學(xué)習(xí)數(shù)據(jù)，從而發(fā)現(xiàn)教學(xué)問題并做出科學(xué)的教學(xué)決策，提升教師的教學(xué)數(shù)據(jù)思維與能力[8]。

在大語言模型深化應(yīng)用中推動人機對話式學(xué)習(xí)邁向新階段

隨著大語言模型自身能力的不斷增強及其教育應(yīng)用融合的不斷深化，將有望產(chǎn)生具有專家水平的智能導(dǎo)師，推動人機對話式學(xué)習(xí)邁向新階段，其中包含兩個方面的關(guān)鍵內(nèi)容。

（1）大語言模型成為學(xué)科專家。大語言模型所擁有的知識主要來源于互聯(lián)網(wǎng)的開放數(shù)據(jù)，若以人來類比，則可以認為它是一個具有廣博知識的通才，但在特定學(xué)科知識的專業(yè)度和深度方面則跟專家相比仍有較大差距。這就導(dǎo)致在學(xué)科知識問答時，大語言模型所給出的答案經(jīng)常浮于表面，有時還會出現(xiàn)錯誤，尤其體現(xiàn)在解答數(shù)學(xué)、科學(xué)等學(xué)科的復(fù)雜問題時。解決之道在于基于大語言模型訓(xùn)練學(xué)科專業(yè)模型，使其深度掌握學(xué)科概念體系和思維方法，形成專家級別的問題解決能力。在此過程中，除了將大量學(xué)科數(shù)據(jù)提供給機器學(xué)習(xí)外，還需要人類專家深度參與建立關(guān)鍵數(shù)據(jù)樣例（如學(xué)科經(jīng)典問題解題樣例），通過清晰闡述專家解題思路，深度挖掘?qū)W科專家頭腦里的隱性知識，引導(dǎo)機器更加高效精準(zhǔn)地進行學(xué)習(xí)。

（2）大語言模型成為教學(xué)專家（教學(xué)名師）。教學(xué)專家的典型特征是善于根據(jù)學(xué)習(xí)者的特點提出問題，循循善誘、因材施教，引導(dǎo)學(xué)習(xí)者步步深入，最終自己找到答案。在這個意義上，大語言模型跟教學(xué)專家仍有很大差距，由于并未掌握教學(xué)專家所具有的引導(dǎo)策略，故它目前只能采取直接給出答案的灌輸式教學(xué)。未來的發(fā)展趨勢是通過“數(shù)據(jù)+規(guī)則”雙驅(qū)動的智能化教師隱性知識挖掘方式，將一直以來潛藏在教學(xué)專家頭腦里的引導(dǎo)策略（很多時候被稱之為“教學(xué)藝術(shù)”）挖掘出來。一方面，組織教學(xué)名師對高水平教學(xué)案例進行數(shù)據(jù)標(biāo)注，將名師的教學(xué)引導(dǎo)策略顯性化，從而讓大語言模型能夠快速理解和掌握；另一方面，將教學(xué)理論知識和一般經(jīng)驗變?yōu)闄C器能夠理解的規(guī)則，構(gòu)建大語言模型教學(xué)規(guī)則框架。與此同時，將學(xué)習(xí)者的認知特點、學(xué)業(yè)基礎(chǔ)、情感狀態(tài)等個性化學(xué)習(xí)特征納入教學(xué)策略參數(shù)，為每個學(xué)習(xí)者設(shè)立屬于自己的智能導(dǎo)師。

隨著人機對話式學(xué)習(xí)的不斷發(fā)展，反過來又將推動課堂教學(xué)創(chuàng)新。當(dāng)知識和技能可以通過人機對話學(xué)習(xí)時，課堂教學(xué)的主要場景就從知識講授轉(zhuǎn)變?yōu)閭€性化指導(dǎo)和研究性活動組織，教師則從教書匠升級轉(zhuǎn)型為導(dǎo)師，其主要任務(wù)是通過智能數(shù)據(jù)分析研究學(xué)習(xí)者，并在與智能機器的協(xié)同中實現(xiàn)高效教學(xué)指導(dǎo)。必須指出的是，人機互動不會取代人際互動，師生關(guān)系、生生關(guān)系反倒會因為學(xué)習(xí)方式的轉(zhuǎn)變而更加親密，由此營造出智能時代的新型學(xué)習(xí)文化和教育人際交往環(huán)境，尤其是學(xué)習(xí)者在研究性學(xué)習(xí)團隊中自主形成的高效合作關(guān)系，對于培養(yǎng)領(lǐng)導(dǎo)力、創(chuàng)造力等智能時代的核心能力具有十分重要的意義。

注：本文系國家社會科學(xué)基金“十三五”規(guī)劃2019年度教育學(xué)青年課題“信息時代大學(xué)學(xué)習(xí)支持服務(wù)模式探究”（課題編號：CIA190278）研究成果之一

參考文獻

柯沛，雷文強，黃民烈. 以ChatGPT為代表的大型語言模型研究進展[J]. 中國科學(xué)基金，2023，37（5）： 714-723.

舒文韜，李睿瀟，孫天祥，等. 大型語言模型：原理、實現(xiàn)與發(fā)展[J]. 計算機研究與發(fā)展，2024，61（2）： 351-361.

OpenAI.GPT Store[EB/OL].（2024-01-11）[2024-04-08].https：//chat.openai.com/gpts.

曹培杰，謝陽斌，武卉紫，等. 教育大模型的發(fā)展現(xiàn)狀、創(chuàng)新架構(gòu)及應(yīng)用展望[J]. 現(xiàn)代教育技術(shù)，2024，34（2）： 5-12.

CK-12.ck-12 Vision Document[EB/OL].（2012-09-01）[2024-02-15].https：//www.ck12info.org/mission/.

焦建利，陳婷. 大型語言模型賦能英語教學(xué)：四個場景[J]. 外語電化教學(xué)，2023（2）： 12-17+106.

盧宇，余京蕾，陳鵬鶴，等. 生成式人工智能的教育應(yīng)用與展望：以ChatGPT系統(tǒng)為例[J]. 中國遠程教育，2023，43（4）： 24-31+51.

顧小清，胡藝齡，郝祥軍. AGI臨近了嗎：ChatGPT熱潮之下再看人工智能與未來教育發(fā)展[J]. 華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，41（7）： 117-130.