融入生成式人工智能反饋的高校協(xié)同論證設(shè)計(jì)與應(yīng)用研究

摘要：本研究旨在檢驗(yàn)融入生成式人工智能反饋對(duì)大學(xué)生協(xié)同論證質(zhì)量及學(xué)生認(rèn)知的影響。研究邀請(qǐng)大學(xué)生參與在線(xiàn)協(xié)作學(xué)習(xí)，采用定量和定性相結(jié)合的研究方法，深度分析AIGC對(duì)協(xié)同論證的影響。研究結(jié)果表明，AIGC反饋不僅能促進(jìn)學(xué)生多角度思考，提升批判思維和組織能力，而且能夠增強(qiáng)學(xué)生的論證信心及動(dòng)機(jī)。同時(shí)，本研究驗(yàn)證了AIGC在協(xié)作論證中的應(yīng)用效果，并為其在教育領(lǐng)域的廣泛應(yīng)用提供了新的見(jiàn)解。

關(guān)鍵詞：生成式人工智能反饋；協(xié)同論證；協(xié)作學(xué)習(xí)；對(duì)話(huà)反饋

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A 論文編號(hào)：1674-2117（2024）13-0107-06

引言

論證能力是高校學(xué)生學(xué)術(shù)生涯的必備技能，其要求學(xué)生從多種角度收集觀察數(shù)據(jù)，并運(yùn)用形式邏輯以規(guī)范的形式提出論點(diǎn)。協(xié)同論證促使學(xué)生在論證過(guò)程中拓展和深化觀點(diǎn)，比較和評(píng)價(jià)不同觀點(diǎn)和想法的優(yōu)劣，在思維的交流與碰撞中達(dá)成共識(shí)。然而，由于先驗(yàn)知識(shí)與知識(shí)領(lǐng)域的局限以及缺乏及時(shí)反饋等，在傳統(tǒng)論證中，學(xué)生往往難以從多個(gè)角度使用證據(jù)來(lái)支撐論點(diǎn)，導(dǎo)致出現(xiàn)論證質(zhì)量低下、缺乏邏輯性等問(wèn)題。而生成式人工智能（AIGC）能夠?yàn)閷W(xué)生創(chuàng)設(shè)個(gè)性化學(xué)習(xí)空間，通過(guò)提供多角度的及時(shí)反饋來(lái)拓展學(xué)生思維，顯著提升學(xué)生績(jī)效[1]，幫助學(xué)生增強(qiáng)自信，提高論證水平。[2]因此，本研究旨在采用基于生成式人工智能反饋的協(xié)同論證來(lái)提升學(xué)生協(xié)同論證的質(zhì)量及認(rèn)知。

文獻(xiàn)綜述

1.協(xié)同論證相關(guān)研究

論證是指學(xué)習(xí)者明確地構(gòu)建觀點(diǎn)，并提出對(duì)應(yīng)佐證內(nèi)容，是促進(jìn)學(xué)習(xí)者邏輯推理及批判性思維發(fā)展的有效途徑。[3]根據(jù)Walton的定義，論證是以目標(biāo)為導(dǎo)向的交互式對(duì)話(huà)形式，參與者通過(guò)證明或反駁假設(shè)來(lái)共同推理以推進(jìn)論證的進(jìn)展。協(xié)同論證是小組成員通過(guò)相互提問(wèn)、澄清和解釋?zhuān)瑯?gòu)建關(guān)于主題不同方面的理由和證據(jù)的過(guò)程，從而拓寬和加深小組成員對(duì)主題的共同理解。

研究表明，協(xié)同論證能夠有效提升學(xué)生的論證技能，對(duì)其思維發(fā)展具有重要價(jià)值。在協(xié)同論證的過(guò)程中，學(xué)生的建構(gòu)能力和邏輯推理能力得到提高，且團(tuán)隊(duì)成員的相互合作、共同理解有助于構(gòu)建集體知識(shí)。[4]

在協(xié)同論證中，學(xué)生面臨著多種挑戰(zhàn)：第一，由于論證的非線(xiàn)性和復(fù)雜性，很難構(gòu)建有效的論證。[5]第二，由于先驗(yàn)知識(shí)和認(rèn)知資源的限制，難以從多個(gè)角度提出論證。[6]

第三，難以找到相關(guān)且值得信賴(lài)的信息來(lái)源，有效地使用證據(jù)來(lái)支持主張，并根據(jù)證據(jù)反駁論點(diǎn)。[7]第四，觀點(diǎn)表達(dá)常常缺乏清晰度和嚴(yán)謹(jǐn)性，缺乏科學(xué)的推理過(guò)程。[8]

為應(yīng)對(duì)這些挑戰(zhàn)，筆者探索了各種教學(xué)方法及工具，其中，聊天機(jī)器人被認(rèn)為是一種有前景的工具，它可以運(yùn)用自然語(yǔ)言與學(xué)生互動(dòng)，有效提升學(xué)生的論證能力和成績(jī)。[9]然而，由于語(yǔ)料庫(kù)和算法的限制，現(xiàn)有研究中基于檢索的聊天機(jī)器人很難適應(yīng)用戶(hù)及提示語(yǔ)的變化，可能導(dǎo)致尷尬的響應(yīng)或不響應(yīng)的問(wèn)題。[10]相比之下，基于生成模型的聊天機(jī)器人可以很好地克服這一問(wèn)題，并能就任何主題進(jìn)行討論。[11]

2.生成式人工智能在教育中的應(yīng)用

生成式人工智能（AI Generated Content，AIGC）是指憑借自然語(yǔ)言處理（Natural Language Processing，NLP）及機(jī)器學(xué)習(xí)算法（Machine Learnning，ML）技術(shù)來(lái)模擬人類(lèi)對(duì)話(huà)的交互機(jī)器人。[12]它借助大規(guī)模語(yǔ)料庫(kù)、生成性對(duì)抗網(wǎng)絡(luò)（GAN）、大型預(yù)訓(xùn)練模型等技術(shù)來(lái)實(shí)現(xiàn)創(chuàng)造性生成。

目前，AIGC在學(xué)習(xí)、教學(xué)和管理等方面對(duì)教育產(chǎn)生了前所未有的影響。研究表明，AIGC可以通過(guò)提供多視角觀點(diǎn)協(xié)助學(xué)生改善議論文寫(xiě)作。[13]它的實(shí)時(shí)反饋滿(mǎn)足了學(xué)生的情感、尊嚴(yán)和目標(biāo)實(shí)現(xiàn)的需求，提高了學(xué)生的學(xué)習(xí)效率。此外，作為一種新的媒介，AIGC通過(guò)提供討論結(jié)構(gòu)、實(shí)時(shí)反饋和個(gè)性化指導(dǎo)，有效促進(jìn)了小組討論和辯論的開(kāi)展。[14]因此，本研究的目標(biāo)是探究AIGC在高校協(xié)同論證中的應(yīng)用，從論證結(jié)果和論證過(guò)程兩個(gè)方面檢驗(yàn)AIGC在促進(jìn)學(xué)生辯論方面的效果。

研究設(shè)計(jì)

1.研究問(wèn)題

為了檢驗(yàn)AIGC反饋融入?yún)f(xié)同論證的作用，研究采用定量的準(zhǔn)實(shí)驗(yàn)研究法和定性的訪談法探討AIGC反饋對(duì)于論證質(zhì)量及過(guò)程的影響。研究問(wèn)題主要包括：①在論證結(jié)果方面，與傳統(tǒng)論證相比，融入AIGC反饋的協(xié)同論證是否提高了大學(xué)生的論證質(zhì)量？②在論證過(guò)程方面，融入AIGC反饋的協(xié)同論證相比傳統(tǒng)論證是否改善了大學(xué)生論證的認(rèn)知網(wǎng)絡(luò)？

2.研究對(duì)象

本研究在江蘇省一所高校面向教育學(xué)碩士一年級(jí)研究生開(kāi)設(shè)的必修課“信息學(xué)教育理論與實(shí)踐”中進(jìn)行，共有53名學(xué)生參與。該課程由一名在信息教育研究領(lǐng)域有超過(guò)10年教學(xué)經(jīng)驗(yàn)的教師教授。在該學(xué)習(xí)活動(dòng)中，學(xué)生被隨機(jī)分為12組，實(shí)驗(yàn)組（N=27）與對(duì)照組（N=26）各6組，每組4～5人。實(shí)驗(yàn)組提供AIGC作為論證指導(dǎo)，允許學(xué)生與其進(jìn)行對(duì)話(huà)，對(duì)照組未給予任何工具。

3.研究設(shè)計(jì)

本研究流程分為三個(gè)階段，整個(gè)實(shí)驗(yàn)的持續(xù)時(shí)間為4周，學(xué)生以小組為單位，采用線(xiàn)上線(xiàn)下結(jié)合的混合模式開(kāi)展教學(xué)活動(dòng)，圖1為實(shí)驗(yàn)過(guò)程。

第一階段，教師為學(xué)生分配討論主題“你認(rèn)為人工智能繪畫(huà)是藝術(shù)嗎？為什么？”，并培訓(xùn)學(xué)生使用企業(yè)微信進(jìn)行協(xié)同論證，用在線(xiàn)協(xié)作白板工具小畫(huà)桌繪制論證地圖。接著，學(xué)生隨機(jī)分組并建立企業(yè)微信群，教師為他們發(fā)送培訓(xùn)材料，幫助他們掌握?qǐng)D爾敏論證模型并進(jìn)行可視化論證。

第二階段，所有小組開(kāi)展論證，學(xué)生需圍繞相同的主題進(jìn)行協(xié)同論證討論。教師負(fù)責(zé)規(guī)定協(xié)同論證活動(dòng)中各個(gè)階段的時(shí)間節(jié)點(diǎn)、分發(fā)活動(dòng)階段所需的學(xué)習(xí)材料和收集小組活動(dòng)形成的成果?；顒?dòng)流程分為三個(gè)環(huán)節(jié)：①組內(nèi)論證階段；

②組內(nèi)綜合階段；③課堂展示階段。前兩個(gè)環(huán)節(jié)主要在線(xiàn)上實(shí)施，依托企業(yè)微信進(jìn)行合作辯論，并使用小畫(huà)桌繪制論證地圖。最后一個(gè)環(huán)節(jié)學(xué)生在線(xiàn)下進(jìn)行面對(duì)面交流與探討。

第三階段，學(xué)生進(jìn)行自我反思，教師選取15名學(xué)生進(jìn)行訪談。

4.研究工具

本研究的工具包括論證地圖評(píng)價(jià)標(biāo)準(zhǔn)、論證要素編碼框架及認(rèn)知網(wǎng)絡(luò)分析網(wǎng)站。此外，本研究使用ChatGPT 3.5作為AIGC反饋。

（1）論證地圖評(píng)價(jià)標(biāo)準(zhǔn)

為評(píng)價(jià)學(xué)生繪制的論證地圖質(zhì)量，本研究采用了Cho K-L等研究者提出的論證地圖評(píng)價(jià)指標(biāo)。該指標(biāo)基于圖爾敏論證模式，從主張、數(shù)據(jù)、理由、支持、反駁五個(gè)維度進(jìn)行評(píng)分，每個(gè)維度分為0分、2分、4分、6分四個(gè)層次，如表1所示為理由的評(píng)價(jià)指標(biāo)。為保證評(píng)分的可信度和有效性，由兩名研究者分別進(jìn)行評(píng)分，內(nèi)部一致性為0.740。

（2）論證要素編碼框架

為將學(xué)生會(huì)話(huà)數(shù)據(jù)中表現(xiàn)出的論證要素進(jìn)行編碼，接著進(jìn)行認(rèn)知網(wǎng)絡(luò)分析，本研究采用了Stegmann等人提出的編碼方案。該方案運(yùn)用于分析在線(xiàn)協(xié)作論證中圖爾敏論證要素（如表2），由兩位研究人員對(duì)編碼框架進(jìn)行驗(yàn)證，內(nèi)部一致率為0.705。

5.數(shù)據(jù)收集與分析

針對(duì)研究問(wèn)題一，本研究統(tǒng)計(jì)了各組論證地圖中論證要素的頻率和復(fù)雜度。夏皮洛-威爾克檢驗(yàn)顯示，支持頻率（p=0.003＜0.05）、數(shù)據(jù)頻率（p=0.039＜0.05）、主張復(fù)雜度（p=0.002＜0.05）、支持復(fù)雜度（p=0.005＜0.05）不符合正態(tài)分布，采用曼-惠特尼U檢驗(yàn)比較兩組之間的差異。而其余元素的頻率和復(fù)雜度符合正態(tài)分布，使用獨(dú)立樣本t檢驗(yàn)來(lái)比較差異。

針對(duì)研究問(wèn)題二，本研究使用認(rèn)知網(wǎng)絡(luò)分析比較論證過(guò)程中兩組各論證要素共現(xiàn)的差異，共收集185條有效對(duì)話(huà)數(shù)據(jù)。據(jù)觀察分析，每個(gè)對(duì)話(huà)框中元素相互關(guān)聯(lián)，體現(xiàn)學(xué)生針對(duì)某一論點(diǎn)的完整論證，因此每個(gè)對(duì)話(huà)框被視為一個(gè)編碼單元。接著，由兩名專(zhuān)業(yè)研究人員在理解及確認(rèn)編碼框架后，開(kāi)展了預(yù)編碼。經(jīng)SPSS分析，預(yù)編碼的Kappa系數(shù)大于0.7。接著，研究人員經(jīng)過(guò)協(xié)商，統(tǒng)一了編碼中的分歧，并完成余下的編碼。在編碼結(jié)束后，在ENA網(wǎng)頁(yè)對(duì)數(shù)據(jù)進(jìn)行了分析。

6.結(jié)果分析

（1）融入AIGC反饋的協(xié)同論證是否提高了學(xué)生的論證質(zhì)量？

在論證結(jié)果上，對(duì)照組和實(shí)驗(yàn)組論證要素的獨(dú)立樣本t檢驗(yàn)及曼—惠特尼U檢驗(yàn)結(jié)果顯示，實(shí)驗(yàn)組與對(duì)照組在論證要素的頻率及復(fù)雜度上均不存在顯著差異（p＞0.05）。但實(shí)驗(yàn)組的主張、理由、反駁這三種要素的頻率明顯高于對(duì)照組，且在要素質(zhì)量方面，實(shí)驗(yàn)組的主張、數(shù)據(jù)、理由、支持及總要素質(zhì)量均超過(guò)對(duì)照組，特別是在主張及理由要素上存在巨大差異，說(shuō)明AIGC反饋能促進(jìn)學(xué)生更深入理解論題，提出更清晰的主張并進(jìn)行解釋。

（2）融入AIGC反饋的協(xié)同論證是否改善了學(xué)生論證的認(rèn)知網(wǎng)絡(luò)？

在產(chǎn)生的認(rèn)知網(wǎng)絡(luò)模型中，在X維度及Y維度上的共同適配相關(guān)系數(shù)均接近1（Pearson、Spearman），這表明，可視化模型與原始模型及數(shù)據(jù)之間的擬合度很高。圖中每個(gè)節(jié)點(diǎn)代表一個(gè)認(rèn)知編碼元素的位置，連線(xiàn)的粗細(xì)和飽和度表示認(rèn)知元素之間的關(guān)聯(lián)強(qiáng)度，兩個(gè)要素共現(xiàn)頻率越高，連線(xiàn)則越粗。[15]如圖2所示為對(duì)照組與實(shí)驗(yàn)組的論證認(rèn)知網(wǎng)絡(luò)，可以看出，兩組學(xué)生整體的論證模式在主張、數(shù)據(jù)、理由三個(gè)要素上建立起較強(qiáng)的聯(lián)系。

為了進(jìn)一步辨別出兩組學(xué)生在認(rèn)知網(wǎng)絡(luò)上的差異，本研究將兩組認(rèn)知網(wǎng)絡(luò)圖進(jìn)行疊減發(fā)現(xiàn)，對(duì)照組在主張-理由、主張-反駁上的連接性更強(qiáng)，實(shí)驗(yàn)組在理由-數(shù)據(jù)、支持-數(shù)據(jù)、數(shù)據(jù)-反駁上的連接性較強(qiáng)。此外，實(shí)驗(yàn)組學(xué)生能夠在論證中通過(guò)AIGC的反饋找出一系列數(shù)據(jù)來(lái)支持論點(diǎn)并進(jìn)行反駁。相比之下，對(duì)照組有直接的理由來(lái)闡述主張，同時(shí)也能直接反駁對(duì)方的觀點(diǎn)，但沒(méi)有給出對(duì)應(yīng)的數(shù)據(jù)及支持。

本研究還對(duì)兩組質(zhì)心進(jìn)行比較，實(shí)驗(yàn)組質(zhì)心向X軸左側(cè)偏移，更靠近數(shù)據(jù)-支持、數(shù)據(jù)-反駁，說(shuō)明在表述時(shí)更注重這些元素的表達(dá)。此外，曼-惠特尼U檢驗(yàn)的結(jié)果顯示，兩組質(zhì)心在X維度上存在顯著差異，具有統(tǒng)計(jì)學(xué)意義，如表3所示。

研究結(jié)論與討論

1.AIGC反饋提高論證質(zhì)量，增強(qiáng)論證廣度及深度

在論證結(jié)果方面，研究表明使用AIGC反饋的學(xué)生在制作論證地圖時(shí)的整體質(zhì)量得到顯著提升。一方面，實(shí)驗(yàn)組學(xué)生在論證地圖中使用“主張”“理由”及“反駁”的頻率高于對(duì)照組。這說(shuō)明，與AIGC進(jìn)行討論模擬對(duì)話(huà)的論證，可以從不同的視角和觀點(diǎn)提示學(xué)生，讓學(xué)生認(rèn)識(shí)到使用理由來(lái)捍衛(wèi)自己觀點(diǎn)的重要性，并以更詳細(xì)的理由、更全面的數(shù)據(jù)及支持去論述，針對(duì)對(duì)方意見(jiàn)提出反駁，消除挑戰(zhàn)。另一方面，使用AIGC反饋的學(xué)生提出的論證的組織水平更高。除“反駁”復(fù)雜度之外，使用AIGC會(huì)話(huà)的學(xué)生在其余四種要素的復(fù)雜度上均高于傳統(tǒng)學(xué)習(xí)任務(wù)的學(xué)生。這一發(fā)現(xiàn)表明，AIGC在提高論證的充分性方面具有積極影響，學(xué)生更加關(guān)注數(shù)據(jù)及資料對(duì)論點(diǎn)的支持，并用更為詳盡、清晰的語(yǔ)言表述出來(lái)，這與之前的研究結(jié)果類(lèi)似。[16]

而對(duì)于不顯著差異的可能原因如下。一種是，在繪制論證地圖時(shí)，學(xué)生可能并未完全理解教師的指導(dǎo)，對(duì)論證要素及繪制工具并不熟悉。另一種可能的解釋是，提示詞的質(zhì)量決定了ChatGPT給出答案的質(zhì)量，且答案需要學(xué)生進(jìn)一步篩選，這對(duì)學(xué)生提出了更高的要求。因此，教師可以為學(xué)生提供額外的支架，如模板、提示等幫助學(xué)生進(jìn)行論證。這些支架可以使學(xué)生在使用AIGC時(shí)提高信息檢索和觀點(diǎn)凝練的效率。

2.AIGC改善學(xué)生認(rèn)知網(wǎng)絡(luò)，促進(jìn)批判性思維發(fā)展

在論證過(guò)程方面，研究發(fā)現(xiàn)，AIGC能顯著改善學(xué)生認(rèn)知網(wǎng)絡(luò)并促進(jìn)學(xué)生批判性思維發(fā)展。具體來(lái)說(shuō)，實(shí)驗(yàn)組在各要素與“數(shù)據(jù)”之間表現(xiàn)出較強(qiáng)的共現(xiàn)程度。這說(shuō)明，在AIGC反饋中學(xué)生得到了更為詳細(xì)、權(quán)威的數(shù)據(jù)及支持，這使他們克服了論證過(guò)程中知識(shí)廣度不足、缺乏權(quán)威資料的障礙，在支撐主張上得到更廣泛的數(shù)據(jù)。相比之下，對(duì)照組在未使用ChatGPT的條件下，在認(rèn)知網(wǎng)絡(luò)圖中的主張-理由、主張-反駁中表現(xiàn)出更顯著的聯(lián)系。這說(shuō)明，在傳統(tǒng)論證中學(xué)生難以用足夠的證據(jù)和邏輯推理來(lái)有效支持他們的主張，并在有限時(shí)間內(nèi)檢索到資料進(jìn)行反駁。[17]AIGC反饋及時(shí)為學(xué)生解答疑惑，在一定程度上解決了教師指導(dǎo)不足的問(wèn)題，為教師在高校課堂設(shè)計(jì)的論證活動(dòng)提供了幫助。

3.AIGC重塑教育形態(tài)，推動(dòng)教與學(xué)方式變革

本研究發(fā)現(xiàn)，AIGC賦能教與學(xué)，推動(dòng)著教與學(xué)方式的變革。在“教”的方面，AIGC能夠輔助教師備課，緩解了教師由精力不足導(dǎo)致的指導(dǎo)缺乏問(wèn)題。在“學(xué)”的方面，它為學(xué)生提供了一個(gè)舒適的環(huán)境，提高了他們?cè)谵q論時(shí)的信心與動(dòng)力。此外，在與學(xué)生對(duì)話(huà)的過(guò)程中它充當(dāng)了同伴的角色，激發(fā)了學(xué)生在論證過(guò)程中思想的產(chǎn)生，增加了他們的興趣及參與度，這與先前的研究是一致的。[18]因此，教師在后續(xù)課堂中可以充分利用其強(qiáng)大的功能進(jìn)行備課，輔助學(xué)生進(jìn)行個(gè)性化學(xué)習(xí)等。

結(jié)語(yǔ)

本研究通過(guò)設(shè)計(jì)和實(shí)施融入AIGC反饋的協(xié)同論證活動(dòng)，探討了其在教育領(lǐng)域的應(yīng)用潛能。研究發(fā)現(xiàn)，AIGC反饋能促進(jìn)學(xué)生多角度思考問(wèn)題，提升學(xué)生批判性思維和組織能力，同時(shí)增強(qiáng)其論證信心及動(dòng)機(jī)，并提出將AIGC與課堂相結(jié)合以增強(qiáng)論證學(xué)習(xí)的可能性，為未來(lái)教育中生成式人工智能的廣泛應(yīng)用做出了貢獻(xiàn)。

但本研究同樣也存在一些局限。第一，盡管本研究探究了AIGC反饋在協(xié)同論證中具有一定效果，但未設(shè)計(jì)有效的提示詞增強(qiáng)學(xué)生的論證表現(xiàn)，未來(lái)的研究可以關(guān)注不同提示詞對(duì)論證的影響。第二，由于本研究干預(yù)時(shí)間較短，AIGC反饋在提高學(xué)生的論證質(zhì)量和促進(jìn)學(xué)生思維發(fā)展等方面的長(zhǎng)期價(jià)值仍需進(jìn)一步檢驗(yàn)。此外，由于樣本量相對(duì)較小及場(chǎng)景的限制，本研究所得出的結(jié)論尚不能推廣。因此，后續(xù)的研究可以關(guān)注上述問(wèn)題，通過(guò)更大的樣本得出普遍性規(guī)律，進(jìn)一步為AIGC應(yīng)用于教育場(chǎng)景提供更多的可能性。

參考文獻(xiàn)：

[1]鄭蘭琴，高蕾，黃梓宸.基于生成式人工智能技術(shù)的對(duì)話(huà)機(jī)器人能促進(jìn)在線(xiàn)協(xié)作學(xué)習(xí)績(jī)效嗎？[J].電化教育研究，2024，45（03）：70-76+84.

[2][11][18]Guo K， Zhong Y， Li D， et al. Investigating students’ engagement in chatbot-supported classroom debates[J].Interactive Learning Environments，2023： 1-17.

[3]Noroozi O， Weinberger A， Biemans H J A， et al. Argumentation-based computer supported collaborative learning （abcscl）： a synthesis of 15 years of research[J].Educational Research Review，2012，7（02）：79-106.

[4]謝幼如，宋乃慶，劉鳴.基于網(wǎng)絡(luò)的協(xié)作知識(shí)建構(gòu)及其共同體的分析研究[J].電化教育研究，2008（04）：38-42+46.

[5]Noroozi O， Dehghanzadeh H， Talaee E. A systematic review on the impacts of game-based learning on argumentation skills[J].Entertainment Computing，2020（35）：100369.

[6]Crowell， A.， & Kuhn， D. Developing dialogic argumentation skills： A 3-year intervention study[J].Journal of Cognition and Development，2014，15（02）：363-381.

[7]Liu Q T， Liu B W， Lin Y R. The influence of prior knowledge and collaborative online learning environment on students’ argumentation in descriptive and theoretical scientific concept[J].International Journal of Science Education，2019，41（02）：165-187.

[8]袁靜.中學(xué)生在科學(xué)探究中論證能力的初步研究[D].桂林：廣西師范大學(xué)，2011.

[9]Wu R， Yu Z. Do AI chatbots improve students learning outcomes？ Evidence from a meta‐analysis[J].British Journal of Educational Technology，2024，55（01）：10-33.

[10]Le D T， Nguyen C T， Nguyen K A. Dave the debater： a retrieval-based and generative argumentative dialogue agent[C]//Proceedings of the 5th Workshop on Argument Mining.2018：121-130.

[12]荊洲，楊啟光.生成式人工智能賦能教育研究范式變革：機(jī)理、風(fēng)險(xiǎn)與對(duì)策[J].中國(guó)電化教育，2024（03）：68-75.

[13]Su，Y.，Lin， Y.， & Lai， C. Collaborating with ChatGPT in argumentative writing classrooms[J].Assessing Writing，2023.

[14]Kasneci E， Se?ler K， Küchemann S， et al. ChatGPT for good？ On opportunities and challenges of large language models for education[J].Learning and individual differences，2023.

[15]吳筱萌，牛芊宇，魏戈，等.小學(xué)教育專(zhuān)業(yè)師范生專(zhuān)業(yè)認(rèn)知的特征探究——基于認(rèn)知網(wǎng)絡(luò)分析的途徑[J].中國(guó)電化教育，2021（06）：135-143.

[16]Guo K， Zhong Y， Li D， et al. Effects of chatbot-assisted in-class debates on students’ argumentation skills and task motivation[J].Computers & Education，2023.

[17]Hartin P， Birks M， Bodak M， et al. A debate about the merits of debate in nurse education[J].Nurse education in practice，2017（26）：118-120.

作者簡(jiǎn)介：劉文平（2003—），女，漢族，河南信陽(yáng)人，江蘇“互聯(lián)網(wǎng)+教育”研究基地本科生，研究方向?yàn)閷W(xué)習(xí)分析與評(píng)價(jià)。崔鑫（1996—），通訊作者，女，漢族，山西太原人，江南大學(xué)設(shè)計(jì)學(xué)院博士生，研究方向?yàn)樵O(shè)計(jì)教育。

基金項(xiàng)目：2023年認(rèn)知智能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)室項(xiàng)目“基于數(shù)字基座的中小學(xué)學(xué)校發(fā)展評(píng)價(jià)研究”（iED2023-001）。