【摘 要】大語言模型創(chuàng)造了人機對話式學習的新形態(tài)，給學習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習的五個主要場景——學科知識問答、語言學習、寫作助手、編程學習和智能教研，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)生兼具學科知識與教學能力的專家級智能導師，推動人機對話式學習邁向新階段，并由此影響課堂教學變革。

【關(guān)鍵詞】大語言模型；人機對話式學習；智能導師

【中圖分類號】G434" "【文獻標志碼】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)用的前沿熱點，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習方式創(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的大型預訓練模型的引入）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，不斷自我學習。

當前，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習發(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)和學科專業(yè)知識融入其中，訓練能夠回答專業(yè)學習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習形態(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：學科知識問答、語言學習、寫作助手、編程學習和智能教研。其中，學科知識問答側(cè)重于知識學習，語言學習、編程學習和寫作助手則著重于技能學習，而智能教研則專門針對教師學習和發(fā)展。

（1）學科知識問答。針對科學、數(shù)學等知識結(jié)構(gòu)較為成熟的學科，通過對大語言模型進行微調(diào)和學科知識庫增強[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”?！癈K-12 Flexi”是基于擁有大量學習內(nèi)容資源的美國在線教育平臺“CK-12”，進一步使用GPTs研發(fā)的智能導師工具，主要面向初中和高中數(shù)學與科學學習，其底層知識庫由5000余個相關(guān)學科基本概念及其關(guān)系圖譜構(gòu)成，這些概念來自美國課標要求，每個概念都鏈接了獨立的學習單元，包含理論解釋、實例演示以及相關(guān)的練習和評估[5]。當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。“Universal Primer”則使用類比教學法，通過生活事例類比幫助學習者理解抽象概念，例如，當筆者詢問高溫超導理論中的“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)，來比喻超導體中電子配對后的“零電阻狀態(tài)”。

（2）語言學習。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師，為學習者創(chuàng)造出可以隨時隨地進行對話交流的語言學習環(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)學習者的目標語言及當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)學習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，還有助于許多學習者克服在外語學習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習維度，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)和風險。為防止學生使用ChatGPT作弊或進行其他學術(shù)不端的操作，一些歐美大學及教育機構(gòu)已經(jīng)禁止學生使用ChatGPT完成論文。因此，教師應(yīng)引導學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）編程學習。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、游戲化學習等多元教學方法，能有效激發(fā)學習者的編程興趣。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”則是由可汗學院研發(fā)的人工智能輔導工具，采用蘇格拉底對話法為學習者提供計算機科學和編程領(lǐng)域教學，能夠激發(fā)學習者主動思考和編程實踐，在滿足學習者個性化編程學習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建議的方式幫助教師減負增效，包括生成教學資源、生成教學設(shè)計、智能數(shù)據(jù)分析等方面。一是生成教學資源。 教師可利用大語言模型進行文本、音頻、視頻等自適應(yīng)教學資源的創(chuàng)建和優(yōu)化；二是生成教學設(shè)計?；诖笳Z言模型的智能教研工具可依據(jù)教師的教學目標、教學場景、教學需求生成創(chuàng)作型教學素材，輔助教師分步驟生成創(chuàng)新性的教學活動和個性化的教學方案。例如，GPT Store里的“教學設(shè)計助手”工具能夠協(xié)助教師從學習者分析、學習內(nèi)容分析、教學目標分析、教學過程設(shè)計、教學評價設(shè)計等方面，生成信息技術(shù)與其他學科相結(jié)合的跨學科主題教學設(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)學習能力，教師可以分析學生的反饋和學習數(shù)據(jù)，從而發(fā)現(xiàn)教學問題并做出科學的教學決策，提升教師的教學數(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習邁向新階段

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師，推動人機對話式學習邁向新階段，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。這就導致在學科知識問答時，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、科學等學科的復雜問題時。解決之道在于基于大語言模型訓練學科專業(yè)模型，使其深度掌握學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，除了將大量學科數(shù)據(jù)提供給機器學習外，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，引導機器更加高效精準地進行學習。

（2）大語言模型成為教學專家（教學名師）。教學專家的典型特征是善于根據(jù)學習者的特點提出問題，循循善誘、因材施教，引導學習者步步深入，最終自己找到答案。在這個意義上，大語言模型跟教學專家仍有很大差距，由于并未掌握教學專家所具有的引導策略，故它目前只能采取直接給出答案的灌輸式教學。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專家頭腦里的引導策略（很多時候被稱之為“教學藝術(shù)”）挖掘出來。一方面，組織教學名師對高水平教學案例進行數(shù)據(jù)標注，將名師的教學引導策略顯性化，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)建大語言模型教學規(guī)則框架。與此同時，將學習者的認知特點、學業(yè)基礎(chǔ)、情感狀態(tài)等個性化學習特征納入教學策略參數(shù)，為每個學習者設(shè)立屬于自己的智能導師。

隨著人機對話式學習的不斷發(fā)展，反過來又將推動課堂教學創(chuàng)新。當知識和技能可以通過人機對話學習時，課堂教學的主要場景就從知識講授轉(zhuǎn)變?yōu)閭€性化指導和研究性活動組織，教師則從教書匠升級轉(zhuǎn)型為導師，其主要任務(wù)是通過智能數(shù)據(jù)分析研究學習者，并在與智能機器的協(xié)同中實現(xiàn)高效教學指導。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)系反倒會因為學習方式的轉(zhuǎn)變而更加親密，由此營造出智能時代的新型學習文化和教育人際交往環(huán)境，尤其是學習者在研究性學習團隊中自主形成的高效合作關(guān)系，對于培養(yǎng)領(lǐng)導力、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基金“十三五”規(guī)劃2019年度教育學青年課題“信息時代大學學習支持服務(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：四個場景[J]. 外語電化教學，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]. 華東師范大學學報（教育科學版），2023，41（7）： 117-130.