高紅麗 楊磊 徐升 隆舟 劉凱 胡祥恩

【摘要】討論是一種常見和重要的學(xué)習(xí)形式，加入虛擬代理可以為討論過程提供適應(yīng)性支持。討論中的論辯式知識建構(gòu)有利于學(xué)習(xí)者獲得知識，但已有研究中論辯支架的作用效果并不一致。本研究以47名大學(xué)生為被試，以智能討論系統(tǒng)為實(shí)驗(yàn)平臺(tái)，比較內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架條件、內(nèi)容相關(guān)支架條件和控制條件下討論效果的差異。內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架條件下，計(jì)算機(jī)首先對被試的討論內(nèi)容進(jìn)行自動(dòng)分類，然后由虛擬代理提供不同類型觀點(diǎn)（內(nèi)容相關(guān)支架），并進(jìn)一步詢問態(tài)度和理由（內(nèi)容獨(dú)立支架）;內(nèi)容相關(guān)支架條件下，虛擬代理僅提供不同類型觀點(diǎn);控制條件下，被試單獨(dú)發(fā)表觀點(diǎn)，沒有虛擬代理的參與。結(jié)果表明，與控制條件相比，虛擬代理提供不同類型的觀點(diǎn)時(shí)討論廣度（類型數(shù)）得到提升，被試主觀上覺得對討論問題的理解更為全面。與僅提供不同類型觀點(diǎn)的內(nèi)容相關(guān)支架條件相比，當(dāng)虛擬代理提供不同類型的觀點(diǎn)并詢問被試的態(tài)度和理由時(shí)，被試對虛擬代理給出的觀點(diǎn)更多地持同意態(tài)度，但在討論過程中提到的類型數(shù)更少。內(nèi)容相關(guān)的支架可以促進(jìn)與討論主題相關(guān)的認(rèn)知加工;加上內(nèi)容獨(dú)立的支架時(shí)，可以促進(jìn)被試的論辯加工，但對討論主題相關(guān)的認(rèn)知加工反而有負(fù)面作用。

【關(guān)鍵詞】? 人工智能教育應(yīng)用;智能導(dǎo)學(xué)系統(tǒng);小組討論;認(rèn)知多樣性;論辯式知識建構(gòu);支架;內(nèi)容相關(guān)支架;內(nèi)容獨(dú)立支架

【中圖分類號】? G40-057? ? ? ?【文獻(xiàn)標(biāo)識碼】? A? ? ? ?【文章編號】? 1009-458x（2021）1-0050-08

一、引言

教育部頒布的《教育信息化 2.0 行動(dòng)計(jì)劃》強(qiáng)調(diào)，要以人工智能等技術(shù)為基礎(chǔ)，推動(dòng)教育模式變革和生態(tài)重構(gòu)（教育部， 2018）?！爸悄芑I(lǐng)跑教育信息化2.0”逐漸成為相關(guān)領(lǐng)域研究者的共識，教學(xué)自動(dòng)化已具有邏輯必然性和現(xiàn)實(shí)可能性（張志禎， 等， 2019）。但人工智能技術(shù)并不能直接解決教育中的理論問題。近年來我國人工智能教育應(yīng)用研究的發(fā)文數(shù)量增長迅速，但實(shí)證研究仍相對不足（劉凱， 等， 2018），尚難以支撐大規(guī)模教育智能化實(shí)踐的需求，研究先行是解決當(dāng)前問題的基本思路（張志禎， 等， 2019）。

在教育領(lǐng)域，不管是課堂之中還是課堂之外，討論都是一種常見的學(xué)習(xí)形式。在討論過程中，成員之間的新舊知識進(jìn)行相互作用，實(shí)現(xiàn)了意義建構(gòu)和知識創(chuàng)新。但是無干預(yù)的學(xué)生討論常局限于分享和比較信息階段，較少提議或討論不同的觀點(diǎn)，知識建構(gòu)多停留在較低層次，交互不夠深入，質(zhì)量不高（李梅， 楊娟， 劉英群， 2016; 鄭勤華， 李秋劼， 陳麗， 2016）。提供同步和異步交流工具進(jìn)而創(chuàng)建更方便、高效的在線學(xué)習(xí)環(huán)境可能會(huì)為解決這些問題提供幫助（張思， 等， 2017）。

隨著技術(shù)的發(fā)展，研究者開始嘗試加入虛擬代理與真人進(jìn)行互動(dòng)，為討論活動(dòng)提供自動(dòng)化的適應(yīng)性支持。在這個(gè)過程中，智能代理與人類學(xué)習(xí)者之間的交互機(jī)制是一個(gè)關(guān)鍵問題。本研究在計(jì)算機(jī)自動(dòng)識別當(dāng)前討論內(nèi)容所屬類型的基礎(chǔ)上，虛擬代理首先提供不同類型觀點(diǎn)，然后進(jìn)一步詢問被試對該觀點(diǎn)的態(tài)度和理由，引發(fā)論辯式知識建構(gòu)以引導(dǎo)被試的深層認(rèn)知加工。

二、相關(guān)研究

（一）學(xué)生在論辯式知識建構(gòu)中存在的問題

論辯是參與各方為證明己方立場或反駁對方立場而展開的話語交際，其目的是通過批判性討論消除雙方的意見分歧（黃華新， 等， 2017）。圖爾敏模型是論辯研究的奠基性成果，該模型包括主張（claim）、依據(jù)（data，facts，后來改為grounds）、保證（warrant）、支援（backing）、模態(tài)限定詞（modal qualifier，后來改為modality）和例外（rebuttal）六個(gè)要素（王建芳， 2016）。基于傳統(tǒng)的圖爾敏模型，Wolfe等人（Wolfe， Gao， Wu， & Albrecht， 2018）提出的論辯圖式中包括主張（claim）、理由（reasons）和保證（warrant）三個(gè)要素。

根據(jù)論辯式知識建構(gòu)（argumentative knowledge construction），學(xué)習(xí)者通過建構(gòu)論點(diǎn)對學(xué)習(xí)材料進(jìn)行詳細(xì)闡述進(jìn)而獲得知識（Wecker & Fischer， 2014）。在計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)領(lǐng)域，許多研究者秉持一個(gè)共同的信念，論辯是促使學(xué)習(xí)者獲得領(lǐng)域特異性知識（domain specific knowledge）的有力途徑（Noroozi， Weinberger， Biemans， Mulder， & Chizari， 2012; Wecker & Fischer， 2014）。然而，學(xué)習(xí)者在論辯式知識建構(gòu)中存在三個(gè)維度的問題（Weinberger， Stegmann， Fischer， & Mandl， 2007）：第一是建構(gòu)有助于解決問題的論點(diǎn)時(shí)有困難;第二是學(xué)習(xí)者建構(gòu)的論點(diǎn)缺少重要成分，如依據(jù)（data）或保證（warrant）;第三是學(xué)習(xí)者很少在學(xué)習(xí)同伴的基礎(chǔ)上建構(gòu)論點(diǎn)。在一個(gè)智能導(dǎo)學(xué)系統(tǒng)中，虛擬代理要求被試產(chǎn)生支持或反對乳腺癌風(fēng)險(xiǎn)檢查的論點(diǎn)。結(jié)果表明，一半以上的被試不能達(dá)到論證的最小標(biāo)準(zhǔn)（給出1個(gè)或多個(gè)有理由支持的論點(diǎn)）。研究結(jié)果表明（Cedillos-Whynott， Wolfe， Widmer， Brust-Renck， Weil， & Reyna， 2016）：論辯要素越多，被試的學(xué)習(xí)效果越好。

（二）論辯支架的積極和消極作用

基于論辯可以促進(jìn)獲得和理解領(lǐng)域特異性知識這樣一個(gè)假定，研究者開發(fā)出各種提高論辯質(zhì)量的工具或干預(yù)措施。Noroozi等人（2013）的研究表明，交互討論腳本促進(jìn)了討論中的論辯式知識建構(gòu)，有腳本條件下的學(xué)習(xí)者對論辯的領(lǐng)域一般性和領(lǐng)域特異性知識顯著高于無腳本的條件。鄭曉麗等人（2014）的研究發(fā)現(xiàn)，爭論式教學(xué)支架可以促進(jìn)協(xié)作學(xué)習(xí)小組的知識加工及社會(huì)性元認(rèn)知。王小根等（2019）使用半結(jié)構(gòu)化的微協(xié)作腳本引發(fā)了在線知識建構(gòu)中的功能性沖突。這些研究表明，協(xié)作腳本對提升學(xué)習(xí)效果是有效的。

但是，腳本也經(jīng)常因?yàn)槭`了自然產(chǎn)生的協(xié)作活動(dòng)而帶來意想不到的負(fù)面影響。比如認(rèn)知腳本阻礙學(xué)習(xí)者的認(rèn)知投入和個(gè)體的知識獲得。同步聊天環(huán)境中的論辯腳本可以促進(jìn)論辯知識的獲得，而對特定領(lǐng)域的知識獲得沒有影響。很可能是由于學(xué)習(xí)者深度聚焦于論辯活動(dòng)而沒有關(guān)注問題的內(nèi)容，因此，高度結(jié)構(gòu)化的加工定向干預(yù)可能會(huì)給論辯式知識建構(gòu)的不同加工維度帶來副作用（Noroozi， et al.， 2012）。

Wecker和Fischer（2014）對論辯與領(lǐng)域特異性知識獲得的元分析結(jié)果表明，因論辯測量的指標(biāo)類型不同，干預(yù)對論辯有小到中等程度的統(tǒng)計(jì)上的顯著影響，而對領(lǐng)域特異性知識獲得沒有影響。Vogel等人（2017）的元分析結(jié)果表明，與不提供腳本支持相比，計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)腳本大體上可以提高學(xué)習(xí)效果，對領(lǐng)域特異性知識有較小的積極作用（d = 0.20），對協(xié)作技能有較大的積極作用（d = 0.95）。這些研究結(jié)果對論辯會(huì)影響領(lǐng)域特異性知識獲得這一理論假定提出了挑戰(zhàn)。Noroozi等人（2018）認(rèn)為，計(jì)算機(jī)支持的論辯支架可以促進(jìn)群體交互式討論中的論辯，這是一階論辯支架。要幫助學(xué)生獲得可以遷移到相似任務(wù)的論辯能力，還需要二階論辯支架。

（三）內(nèi)容獨(dú)立和內(nèi)容相關(guān)支架

進(jìn)一步分析表明，以往研究中的腳本一般是為協(xié)作學(xué)習(xí)活動(dòng)提供相對形式化的獨(dú)立于內(nèi)容的支持。根據(jù)Wolfe等人（Wolfe， Gao， Wu， & Albrecht， 2018）的論辯圖式，主張（claim）和理由（reasons）是論辯中不可缺少的元素，而保證（warrant）在論辯過程中會(huì)經(jīng)常省略?；诖?，本研究中虛擬代理提供“你同意我的觀點(diǎn)嗎？”“有什么理由能支持你的想法呢？”兩個(gè)論辯支架，以詢問被試的態(tài)度和理由。這種支架是形式化的，獨(dú)立于討論內(nèi)容，因而屬于內(nèi)容獨(dú)立的支架。

為了進(jìn)行高質(zhì)量的協(xié)作活動(dòng)，學(xué)習(xí)者在加工具體內(nèi)容時(shí)也需要支架。內(nèi)容相關(guān)的支架有三種水平：最高水平的支架是為加工問題解決任務(wù)中的內(nèi)容相關(guān)信息提供支持;中等水平的支架是僅提供內(nèi)容相關(guān)信息，而沒有為加工過程提供引導(dǎo);最低水平的支架是沒有額外的內(nèi)容相關(guān)支持。當(dāng)腳本可以促進(jìn)交互活動(dòng)或者與額外的特定內(nèi)容支架相結(jié)合時(shí)，更有利于領(lǐng)域特異性知識獲得（Vogel， Wecker， Kollar， & Fischer， 2017）。本研究中被試發(fā)表觀點(diǎn)后，計(jì)算機(jī)對被試的觀點(diǎn)進(jìn)行識別，并由虛擬代理給出不同類型的觀點(diǎn)，這些觀點(diǎn)都是圍繞討論主題的展開，屬于內(nèi)容相關(guān)信息。然后詢問被試對該觀點(diǎn)的態(tài)度和理由（內(nèi)容獨(dú)立支架），以引發(fā)被試的論辯式知識建構(gòu)。將內(nèi)容相關(guān)和內(nèi)容獨(dú)立支架相結(jié)合，探討其對討論效果的影響。

三、研究方法

（一）研究設(shè)計(jì)

本研究為單因素組間設(shè)計(jì)，自變量是論辯支架，包括內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架、內(nèi)容相關(guān)支架和控制條件。在內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架條件下，被試發(fā)表觀點(diǎn)后計(jì)算機(jī)自動(dòng)識別當(dāng)前討論的內(nèi)容，然后由虛擬代理給出不同類型的觀點(diǎn)（內(nèi)容相關(guān)支架），并進(jìn)一步詢問被試的態(tài)度和理由（內(nèi)容獨(dú)立支架），如：“你同意我的觀點(diǎn)嗎？”“有什么理由能支持你的想法呢？”在內(nèi)容相關(guān)支架條件下，被試發(fā)表觀點(diǎn)后計(jì)算機(jī)自動(dòng)識別當(dāng)前的討論內(nèi)容，然后虛擬代理僅給出不同類型的觀點(diǎn)，不再詢問態(tài)度和理由。在控制條件下被試獨(dú)自發(fā)表觀點(diǎn)，沒有虛擬代理的參與。

因變量是討論效果，主要包括討論過程的交互質(zhì)量、深度廣度、自評討論效果等指標(biāo)。具體如下所述：

1. 交互質(zhì)量評估

編碼框架以交互分析模型（interaction analysis model，IAM）（Gunawardena， Lowe， & Anderson， 1997）為基礎(chǔ)，由兩位熟悉討論主題的研究人員進(jìn)行編碼。在共享和比較信息階段，有陳述觀點(diǎn)、表示同意、提供證據(jù)或例子、澄清細(xì)節(jié)的提問和回答以及修正觀點(diǎn)五種類型。在發(fā)現(xiàn)和探索不一致階段，有識別和表達(dá)不一致、表達(dá)不同類型觀點(diǎn)、為不同類型觀點(diǎn)提供證據(jù)、提出和回答問題以澄清不一致的來源和程度以及修正所提出的不同類型觀點(diǎn)五種類型。

2. 討論過程的深度和廣度

由計(jì)算機(jī)對各組討論文本中的每個(gè)句子進(jìn)行標(biāo)注。未涉及關(guān)鍵詞列表中任意一個(gè)關(guān)鍵詞的信息被標(biāo)記為無效觀點(diǎn)，有效觀點(diǎn)被標(biāo)注為相對應(yīng)的類型。在這種分類的基礎(chǔ)上，可以計(jì)算以下因變量指標(biāo)：①討論廣度，即被試在討論過程中所涉及的類型數(shù)量;②討論深度，即討論過程中平均每個(gè)類型下的觀點(diǎn)數(shù)量（等于觀點(diǎn)數(shù)除以類型數(shù)）（Nijstad， Stroebe， & Lodewijkx， 2002）;③有效觀點(diǎn)比例，等于有效觀點(diǎn)數(shù)除以句子總數(shù)。

3. 討論效果自評

討論效果自評主要是通過后測問卷題目，從虛擬代理提供觀點(diǎn)的幫助性、總體討論效果和進(jìn)一步討論意愿幾個(gè)方面進(jìn)行自我評定。

（二）研究對象

招募大學(xué)生被試47名，分為內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組、內(nèi)容相關(guān)支架組和控制組?？刂平M由1名被試單獨(dú)發(fā)表觀點(diǎn)，其他兩組由1名被試和虛擬代理進(jìn)行討論。共記錄到有效問卷46份（男生9份，女生37份），其中內(nèi)容相關(guān)支架組1名被試未記錄到有效問卷數(shù)據(jù)。所有被試均簽署知情同意書，實(shí)驗(yàn)結(jié)束后獲得適當(dāng)報(bào)酬。

（三）實(shí)驗(yàn)材料

1. 討論主題

討論主題是開放式問題“人工智能將會(huì)給人類帶來怎樣的影響？”大學(xué)生被試對該主題都有一定的興趣和關(guān)注程度。

2. 語料庫

（1）觀點(diǎn)庫。本研究所用觀點(diǎn)庫有八個(gè)類型，每個(gè)類型下有一個(gè)典型觀點(diǎn)，觀點(diǎn)庫的形成過程見高紅麗等人（2019）的研究。

（2）應(yīng)答語。表示贊同的應(yīng)答語有：嗯，嗯嗯，是，是的，對，對的，同意。表示轉(zhuǎn)折的應(yīng)答語有：嗯，不過;嗯嗯，不過。

（3）詢問態(tài)度和理由。虛擬代理提供不同類型觀點(diǎn)后，詢問被試是否同意并說出理由，所用句子包括：“你們（大家）贊同（認(rèn)同）（同意）我的觀點(diǎn)（我說的）（這個(gè)觀點(diǎn)）嗎？”“有什么依據(jù)（原因、理由）能支撐（支持）你的想法呢？”

（4）前后測問卷。前測問卷從是否學(xué)過相關(guān)課程、興趣程度、關(guān)注程度、過去一周瀏覽次數(shù)等方面進(jìn)行評估。后測問卷從討論過程中是否充分表達(dá)自己的觀點(diǎn)、計(jì)算機(jī)觀點(diǎn)的幫助程度、整體討論效果、進(jìn)一步討論的意愿幾個(gè)方面進(jìn)行五級評分。

（四）實(shí)驗(yàn)平臺(tái)

本研究所用平臺(tái)為智能討論系統(tǒng)（高紅麗， 等， 2019），在該平臺(tái)上完成前測問卷、在線討論、后測問卷等全部實(shí)驗(yàn)流程。在線討論階段，虛擬代理以代號“GX07”作為ID顯示在相應(yīng)區(qū)域，被試可與虛擬代理進(jìn)行同步交流。虛擬代理可自動(dòng)識別被試當(dāng)前討論內(nèi)容所屬的類型，并與被試進(jìn)行適應(yīng)性對話（如圖1所示）。

（五）研究過程

整個(gè)實(shí)驗(yàn)過程在有隔斷的實(shí)驗(yàn)室進(jìn)行，實(shí)驗(yàn)前主試在后臺(tái)管理界面建立討論組。被試來到實(shí)驗(yàn)室后，主試介紹保密原則和大致實(shí)驗(yàn)流程，然后請被試簽署知情同意書。

1. 前測問卷階段

被試輸入ID和討論組號后，進(jìn)入總指導(dǎo)語界面。歡迎被試的到來，介紹討論主題、實(shí)驗(yàn)流程和保密原則，然后進(jìn)入前測問卷界面。被試提交前測問卷后進(jìn)入討論界面指導(dǎo)語。

2. 在線討論階段

（1）控制條件

告知討論時(shí)間（15分鐘）和討論主題，請被試圍繞討論問題從深度和廣度兩個(gè)維度發(fā)表看法。該條件下被試的文本記錄如表1所示。

（2）內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架

當(dāng)滿足給定條件時(shí)，計(jì)算機(jī)自動(dòng)識別被試當(dāng)前討論內(nèi)容所屬的類型，然后由虛擬代理提供反饋，同時(shí)進(jìn)入論辯模式（如圖2所示）。在論辯模式中，如果被試提供了有效觀點(diǎn)，50%的概率給以贊同應(yīng)答語;如果1分鐘后沒人說話，虛擬代理會(huì)鼓勵(lì)被試多說一些。當(dāng)滿足給定條件時(shí)，退出當(dāng)前論辯，虛擬代理再次給出不同類型的觀點(diǎn)并詢問被試的態(tài)度和理由，進(jìn)入下一輪論辯。在整個(gè)討論過程中，同一類型的觀點(diǎn)僅出現(xiàn)1次。八個(gè)類型觀點(diǎn)呈現(xiàn)完畢后，如果被試輸入@g，虛擬代理會(huì)反饋：“我想說的都說完了，你再想想?！?/p>

為了增加被試對虛擬代理所說內(nèi)容的注意程度，指導(dǎo)語中提醒被試盡量記住GX07的主要觀點(diǎn)，討論結(jié)束后需要進(jìn)行回憶。該條件下的討論過程如表2所示。

（3）內(nèi)容相關(guān)支架

內(nèi)容相關(guān)支架條件下虛擬代理僅提供不同類型的觀點(diǎn)，不再詢問被試的態(tài)度和理由，也沒有鼓勵(lì)被試多說的提示（見圖2，黑色虛線方框表示兩種條件下的差異）。但是后臺(tái)程序仍設(shè)置論辯模式，目的是保證計(jì)算機(jī)給出觀點(diǎn)的頻率相同。該條件下的討論過程如表3所示。

15分鐘后提示討論時(shí)間已到，自動(dòng)結(jié)束討論，進(jìn)入后測問卷界面。被試提交問卷后，呈現(xiàn)結(jié)束語，感謝被試的參與。

四、研究結(jié)果

（一）內(nèi)容相關(guān)支架組、控制組在討論效果上的差異比較

1. 討論過程深度廣度的差異比較

對被試在討論過程中的各指標(biāo)進(jìn)行獨(dú)立樣本t檢驗(yàn)。結(jié)果表明，內(nèi)容相關(guān)支架組的類型數(shù)（m=5.94）顯著多于控制組（m=4.43），t（29）=3.74，P<0.01，d=1.35;內(nèi)容相關(guān)支架組的句子數(shù)（m=19.24）顯著多于控制組（m=11.14），t（29）=2.93，P<0.01，d=1.05;內(nèi)容相關(guān)支架組的有效觀點(diǎn)比例（m=0.61）顯著低于控制組（m=0.87），t（29）=-3.40，P<0.05，d=-1.21;觀點(diǎn)數(shù)和平均每個(gè)類型下的觀點(diǎn)數(shù)在兩組之間沒有顯著差異。詳見表4。

2. 自評討論效果的差異比較

對兩種條件下被試的前測水平進(jìn)行獨(dú)立樣本t檢驗(yàn)，結(jié)果表明兩組被試在前測水平各指標(biāo)上均沒有顯著差異。以討論效果自評的后測問卷題目得分為因變量指標(biāo)，進(jìn)行兩種條件的獨(dú)立樣本t檢驗(yàn)。結(jié)果表明，在對問題理解全面性條目上，內(nèi)容相關(guān)支架組得分（m=4.13）顯著高于控制條件（m=3.64），t（28）=2.11，P<0.05，d=0.79。在其他條目上，兩組得分沒有顯著差異。

（二）內(nèi)容相關(guān)支架組、內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組在討論效果上的差異比較

1. 討論過程交互質(zhì)量的差異比較

對交互質(zhì)量評估中的每個(gè)類型進(jìn)行獨(dú)立樣本t檢驗(yàn)。結(jié)果表明，在被試尋求幫助的“@g”上，內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組（m=2.19）顯著低于內(nèi)容相關(guān)支架組（m=5.76），t（31）=-3.28，P<0.01，d=-1.15。在“表示同意”類型上，內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組（m=4.19）顯著高于內(nèi)容相關(guān)支架組（m=2.35），t（31）=2.63，P<0.05，d=0.92。在“階段1提問和回答”上，內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組（m=0.25）顯著低于內(nèi)容相關(guān)支架組（m=2.12），t（31）=-2.29，P<0.05，d=-0.81。在其他類型上，兩組之間沒有顯著差異。詳見表5。

2. 討論過程深度廣度的差異比較

對討論過程文本中的類型數(shù)、觀點(diǎn)數(shù)、句子數(shù)、平均每類型下觀點(diǎn)數(shù)、有效觀點(diǎn)比例等進(jìn)行兩組之間的獨(dú)立樣本t檢驗(yàn)。結(jié)果表明，內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組的類型數(shù)（m=4.94）顯著低于內(nèi)容相關(guān)支架組（m=5.94），t（31）=-2.54，P<0.05，d=-0.88。在其他指標(biāo)上，兩組沒有顯著差異。

3. 自評討論效果的差異比較

對兩種條件下被試的前測水平進(jìn)行獨(dú)立樣本t檢驗(yàn)，結(jié)果表明兩組被試在前測水平各指標(biāo)上均沒有顯著差異。對后測問卷中被試對他人觀點(diǎn)幫助性、討論效果、再討論意愿的自我評定得分進(jìn)行兩種條件下的差異比較。結(jié)果表明，在“計(jì)算機(jī)GX07所說的話給我提供了不同的視角”條目上，內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組（m=3.88）顯著高于內(nèi)容相關(guān)支架組（m=3.19），t（30）=2.17，P<0.05，d=0.77。在其他條目上，兩組之間沒有顯著差異。

五、討論

（一）內(nèi)容相關(guān)支架組、控制組的差異分析

內(nèi)容相關(guān)支架條件下，計(jì)算機(jī)自動(dòng)識別被試當(dāng)前討論內(nèi)容的所屬類型，然后由虛擬代理給出不同類型下的差異觀點(diǎn);控制條件下，被試單獨(dú)發(fā)表觀點(diǎn)，沒有虛擬代理的參與。結(jié)果表明，與控制組相比，該條件下被試在討論過程中提到更多的類型數(shù)，被試主觀上認(rèn)為對問題的理解也更加全面，這與之前研究結(jié)果相一致（Nijstad， et al.， 2002; 高紅麗等， 2019）。Nijstad等人（2002）的研究表明，計(jì)算機(jī)提供含有語義差異的觀點(diǎn)可以促進(jìn)被試產(chǎn)生更多具有語義差異的觀點(diǎn)（增加廣度）。根據(jù)群體觀點(diǎn)產(chǎn)生的聯(lián)想記憶搜索模型（Nijstad & Stroebe， 2006），差異性的刺激觀點(diǎn)可以激活更大范圍的知識，進(jìn)而產(chǎn)生語義差異性觀點(diǎn)，提升討論的廣度。高紅麗等人（2019）的研究表明，與相似條件相比，差異條件下被試的討論廣度（類型數(shù)量）增加;被試主觀上認(rèn)為差異條件下虛擬代理提供的觀點(diǎn)對自己更有幫助，對討論問題的理解也更為全面、深入。

在虛擬代理僅提供差異觀點(diǎn)的內(nèi)容相關(guān)支架條件下，被試所說的句子數(shù)顯著大于控制條件，但是有效觀點(diǎn)的比例顯著低于控制條件。通過查看討論記錄發(fā)現(xiàn)，控制組中的被試因?yàn)槭仟?dú)自一個(gè)人，沒有交互對象，基本上是圍繞問題在發(fā)表觀點(diǎn)，觀點(diǎn)的有效比例較高。在內(nèi)容相關(guān)支架條件下，被試可以與計(jì)算機(jī)交互。指導(dǎo)語中告知被試，覺得沒有思路時(shí)可以“@g”尋求幫助?！癅g”在討論文本中是一個(gè)單獨(dú)的句子，但不是觀點(diǎn)，因而使得被試有效觀點(diǎn)的比例顯著降低。

（二）內(nèi)容相關(guān)支架組、內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架組的差異分析

在內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架條件下，計(jì)算機(jī)對被試當(dāng)前討論內(nèi)容進(jìn)行自動(dòng)分類，然后由虛擬代理給出不同類型的觀點(diǎn)，并詢問被試對該觀點(diǎn)的態(tài)度和理由;內(nèi)容相關(guān)支架條件下，虛擬代理僅給出不同類型的觀點(diǎn)。從對討論過程文本進(jìn)行交互質(zhì)量編碼的結(jié)果來看，在內(nèi)容相關(guān)與內(nèi)容獨(dú)立支架條件下，被試對虛擬代理提供的觀點(diǎn)更多地表達(dá)了同意態(tài)度?？赡艿脑蚴?，計(jì)算機(jī)所用的觀點(diǎn)庫來自于之前實(shí)驗(yàn)中被試提供的出現(xiàn)頻率較高的觀點(diǎn)。也就是說，對這些觀點(diǎn)的爭議比較少。另一種可能原因是，如Cedillos-Whynott等人（2016）的研究結(jié)果中提到的，被試不善于提出反對意見并給出理由，許多被試缺乏論證的技能，需要增強(qiáng)論辯教育來促進(jìn)學(xué)習(xí)。

本研究結(jié)果同時(shí)表明，在內(nèi)容獨(dú)立與內(nèi)容相關(guān)支架條件下，被試主觀上覺得虛擬代理所說的話更多地提供了不同的視角，這可能是因?yàn)樵摋l件下被試對虛擬代理提供的差異刺激更加專注。然而，這種專注也可能帶來負(fù)面作用。本研究中討論時(shí)間是15分鐘，在時(shí)間有限的情況下提出新觀點(diǎn)（討論廣度）和對現(xiàn)有觀點(diǎn)進(jìn)行深加工（討論深度）是一對矛盾。因?yàn)樵摋l件下被試大部分時(shí)間是在回答虛擬代理提出的問題，即表明態(tài)度并給出理由。這消耗了認(rèn)知資源，使得被試沒有精力進(jìn)行更多的觀點(diǎn)產(chǎn)生加工。而在內(nèi)容相關(guān)支架條件下，計(jì)算機(jī)僅給出不同類型觀點(diǎn)，沒有進(jìn)一步詢問態(tài)度和理由，被試可以更專注于觀點(diǎn)產(chǎn)生過程，因此在討論過程中提供的觀點(diǎn)類型數(shù)更多。這個(gè)結(jié)果提示我們，腳本可能會(huì)干擾被試的認(rèn)知加工，帶來意想不到的負(fù)面作用（Noroozi， et al.， 2012）。

六、結(jié)論與展望

綜上所述，當(dāng)虛擬代理提供不同類型的觀點(diǎn)（內(nèi)容相關(guān)支架）時(shí)，與被試獨(dú)自發(fā)表觀點(diǎn)的控制組相比，討論廣度（類型數(shù)）得到提升;被試主觀上覺得對討論問題的理解更為全面。當(dāng)虛擬代理提供不同類型的觀點(diǎn)（內(nèi)容相關(guān)支架）并詢問被試的態(tài)度和理由（內(nèi)容獨(dú)立支架）時(shí)，與僅提供不同類型觀點(diǎn)的內(nèi)容相關(guān)支架條件相比，被試對虛擬代理給出的觀點(diǎn)更多地持同意態(tài)度，在討論過程中提到的類型數(shù)更少。內(nèi)容相關(guān)的支架可以促進(jìn)被試對討論主題相關(guān)的認(rèn)知加工過程和效果，但加上內(nèi)容獨(dú)立的論辯支架時(shí)，可以促進(jìn)被試的論辯加工（更多地表達(dá)態(tài)度），對討論主題相關(guān)的認(rèn)知加工過程反而有阻礙作用（類型數(shù)減少）。

本研究基于智能討論系統(tǒng)，對虛擬代理提供的內(nèi)容相關(guān)支架和內(nèi)容獨(dú)立支架的促進(jìn)和干擾作用進(jìn)行了分析。但虛擬代理所用觀點(diǎn)庫是從之前討論記錄中梳理的常見觀點(diǎn)，被試對這些觀點(diǎn)基本都持同意態(tài)度。今后應(yīng)該考慮補(bǔ)充可能引起爭議的觀點(diǎn)，以引發(fā)更深入的論辯式知識建構(gòu)。此外，目前的計(jì)算機(jī)自動(dòng)分類局限在事先定好的八個(gè)類型上，每種類型下的觀點(diǎn)也是提前給定的，這種做法有一定的局限性。通用人工智能認(rèn)為，智能是知識和資源相對不足情況下的適應(yīng)能力，強(qiáng)調(diào)經(jīng)驗(yàn)的決定性作用。人工智能與教育科學(xué)相結(jié)合的研究領(lǐng)域不僅包括人類的學(xué)習(xí)和教育，也包括機(jī)器的學(xué)習(xí)和教育（劉凱， 等， 2018a）。根據(jù)胡祥恩教授提出的人工智能教育應(yīng)用的理論框架，學(xué)習(xí)者和教育資源的改變具有對稱性（劉凱， 等， 2018b）。學(xué)習(xí)者在與教育資源的互動(dòng)中不斷實(shí)現(xiàn)知識結(jié)構(gòu)的優(yōu)化，教育資源也應(yīng)該在這一過程中進(jìn)行自我改進(jìn)。就本研究而言，被試與智能討論系統(tǒng)也是一組對稱關(guān)系。被試在與虛擬代理互動(dòng)的過程中不斷進(jìn)行著新舊知識的相互作用，實(shí)現(xiàn)了意義建構(gòu)和知識創(chuàng)新;智能討論系統(tǒng)在與被試交互的過程中也在逐漸積累更多的知識經(jīng)驗(yàn)，因而需要對原有的語料庫相應(yīng)地進(jìn)行動(dòng)態(tài)、適應(yīng)性的自我改進(jìn)，以實(shí)現(xiàn)真正的智能。

[參考文獻(xiàn)]

高紅麗，楊磊，徐升，等. 2019. 智能討論系統(tǒng)中適應(yīng)性認(rèn)知多樣性對討論效果的影響[J]. 現(xiàn)代教育技術(shù)，29（8）：79-85.

黃華新，葉穎秀. 2017. 親子互動(dòng)中的語用論辯[J]. 浙江大學(xué)學(xué)報(bào)：人文社會(huì)科學(xué)版，47（5）：129-139.

教育部. 關(guān)于印發(fā)《教育信息化2.0 行動(dòng)計(jì)劃》的通知[EB/OL]. [2018-04-18]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20 180425_334188.html

李梅，楊娟，劉英群. 2016. 同伴在線互助學(xué)習(xí)交互行為分析[J]. 中國電化教育（5）：91-97.

劉凱，胡靜. 2018a. 人工智能教育應(yīng)用理論框架：學(xué)習(xí)者與教育資源對稱性假設(shè)——訪智能導(dǎo)學(xué)系統(tǒng)專家胡祥恩教授[J]. 開放教育研究，24（6）：6-13.

劉凱，胡祥恩，王培. 2018b. 機(jī)器也需教育？ 論通用人工智能與教育學(xué)的革新[J]. 開放教育研究，24（1）：10-15.

王建芳. 2016. 基于論辯的論證結(jié)構(gòu)研究：弗里曼模型與圖爾敏模型的比較[J]. 邏輯學(xué)研究（3）：42-56.

王小根，劉夢恒. 2019. 在線知識建構(gòu)中有效引發(fā)功能性沖突研究[J]. 電化教育研究（9）：34-42.

張志禎，張玲玲，李芒. 2019. 人工智能教育應(yīng)用的應(yīng)然分析：教學(xué)自動(dòng)化的必然與可能[J]. 中國遠(yuǎn)程教育，528（1）：25-35.

鄭勤華，李秋劼，陳麗. 2016. MOOCs中學(xué)習(xí)者論壇交互中心度與交互質(zhì)量的關(guān)系實(shí)證研究[J]. 中國電化教育（2）：58-63.

鄭曉麗，金會(huì)洙，李陽. 2014. 爭論式教學(xué)對知識加工及社會(huì)性元認(rèn)知的影響：以基于社會(huì)性媒體的協(xié)作問題解決為例[J]. 開放教育研究，20（6）：50-63.

Cedillos-Whynott， E. M.， Wolfe， C. R.， Widmer， C. L.， Brust-Renck， P. G.， Weil， A.， & Reyna， V. F. （2016）. The effectiveness of argumentation in tutorial dialogues with an Intelligent Tutoring System for genetic risk of breast cancer. Behavior Research Methods， 48（3）， 857-868.

Gunawardena， C. N.， Lowe， C. A.， & Anderson， T. （1997）. Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing. Journal of Educational Computing Research， 17（4）， 397-431.

Nijstad， B. A.， & Stroebe， W. （2006）. How the group affects the mind： A cognitive model of idea generation in groups. Personality and Social Psychology Review， 10（3）， 186-213.

Nijstad， B. A.， Stroebe， W.， & Lodewijkx， H. F. （2002）. Cognitive stimulation and interference in groups： Exposure effects in an idea generation task. Journal of Experimental Social Psychology， 38（6）， 535-544.

Noroozi， O.， Kirschner， P. A.， Biemans， H. J.， & Mulder， M. （2018）. Promoting argumentation competence： Extending from first-to second-order scaffolding through adaptive fading. Educational Psychology Review， 30（1）， 153-176.

Noroozi， O.， Weinberger， A.， Biemans， H. J.， Mulder， M.， & Chizari， M. （2012）. Argumentation-based computer supported collaborative learning （ABCSCL）： A synthesis of 15 years of research. Educational Research Review， 7（2）， 79-106.

Noroozi， O.， Weinberger， A.， Biemans， H. J.， Mulder， M.， & Chizari， M. （2013）. Facilitating argumentative knowledge construction through a transactive discussion script in CSCL. Computers & Education， 61， 59-76.

Vogel， F.， Wecker， C.， Kollar， I.， & Fischer， F. （2017）. Socio-cognitive scaffolding with computer-supported collaboration scripts： A meta-analysis. Educational Psychology Review， 29（3）， 477-511.

Wecker， C.， & Fischer， F. （2014）. Where is the evidence？ A meta-analysis on the role of argumentation for the acquisition of domain-specific knowledge in computer-supported collaborative learning. Computers & Education， 75（2）， 218-228.

Weinberger， A.， Stegmann， K.， Fischer， F.， & Mandl， H. （2007）. Scripting argumentative knowledge construction in computer-supported learning environments. In Scripting computer-supported collaborative learning （pp. 191-211）. Springer， Boston， MA.

Wolfe， C. R.， Gao， H.， Wu， M.， & Albrecht， M. （2018）. Most any reason is better than none： consequences of plausible and implausible reasons and warrants in brief written arguments. Written Communication， 35（3）： 255-285

Zhang， S.， Liu， Q.， Chen， W.， Wang， Q.， & Huang， Z. （2017）. Interactive networks and social knowledge construction behavioral patterns in primary school teachers online collaborative learning activities. Computers & Education， 104， 1-17.

收稿日期：2020-01-10

定稿日期：2020-07-31

作者簡介：高紅麗，博士，講師，新鄉(xiāng)醫(yī)學(xué)院心理學(xué)院（453003）。

楊磊（共同第一作者），博士研究生，華中師范大學(xué)心理學(xué)院（430079）。

徐升，博士研究生，華中師范大學(xué)心理學(xué)院（430079）。

隆舟，博士，講師，懷化學(xué)院教育科學(xué)學(xué)院（418000）。

劉凱，博士，講師，碩士生導(dǎo)師，渤海大學(xué)教育科學(xué)學(xué)院（121007）。

胡祥恩（通訊作者），博士，教授，博士生導(dǎo)師，華中師范大學(xué)心理學(xué)院院長（430079）。

責(zé)任編輯 單 玲