智能导学系统人机交互机制研究.docx

智能导学系统人机交互机制研究 摘要：讨论是一种常见和重要的学习形式，加入虚拟代理可以为讨论过程提供适应性支持讨论中的论辩式知识建构有利于学习者获得知识，但已有研究中论辩支架的作用效果并不一致本研究以47名大学生为被试，以智能讨论系统为实验平台，比较内容相关与内容独立支架条件、内容相关支架条件和控制条件下讨论效果的差异内容相关与内容独立支架条件下，计算机首先对被试的讨论内容进行自动分类，然后由虚拟代理提供不同类型观点（内容相关支架），并进一步询问态度和理由（内容独立支架）；内容相关支架条件下，虚拟代理仅提供不同类型观点；控制条件下，被试单独发表观点，没有虚拟代理的参与结果表明，与控制条件相比，虚拟代理提供不同类型的观点时讨论广度（类型数）得到提升，被试主观上觉得对讨论问题的理解更为全面与仅提供不同类型观点的内容相关支架条件相比，当虚拟代理提供不同类型的观点并询问被试的态度和理由时，被试对虚拟代理给出的观点更多地持同意态度，但在讨论过程中提到的类型数更少内容相关的支架可以促进与讨论主题相关的认知加工；加上内容独立的支架时，可以促进被试的论辩加工，但对讨论主题相关的认知加工反而有负面作用。

关键词：人工智能教育应用，智能导学系统，小组讨论，认知多样性，论辩式知识建构，支架，内容相关支架，内容独立支架基金项目：教育部人文社会科学研究青年基金项目“基于语义相似性的适应性认知多样性对讨论效果的影响研究”（项目编号：20YJC880016）；河南省哲学社会科学规划项目“智能讨论系统中适应性认知差异对讨论的影响研究”（项目编号：2018BJY023）一、引言教育部颁布的《教育信息化2.0行动计划》强调，要以人工智能等技术为基础，推动教育模式变革和生态重构（教育部，2018）智能化领跑教育信息化2.0”逐渐成为相关领域研究者的共识，教学自动化已具有逻辑必然性和现实可能性（张志祯，等，2019）但人工智能技术并不能直接解决教育中的理论问题近年来我国人工智能教育应用研究的发文数量增长迅速，但实证研究仍相对不足（刘凯，等，2018），尚难以支撑大规模教育智能化实践的需求，研究先行是解决当前问题的基本思路（张志祯，等，2019）在教育领域，不管是课堂之中还是课堂之外，讨论都是一种常见的学习形式在讨论过程中，成员之间的新旧知识进行相互作用，实现了意义建构和知识创新但是无干预的学生讨论常局限于分享和比较信息阶段，较少提议或讨论不同的观点，知识建构多停留在较低层次，交互不够深入，质量不高（李梅，杨娟，刘英群，2016；郑勤华，李秋劼，陈丽，2016）。

提供同步和异步交流工具进而创建更方便、高效的学习环境可能会为解决这些问题提供帮助（张思，等，2017）随着技术的发展，研究者开始尝试加入虚拟代理与真人进行互动，为讨论活动提供自动化的适应性支持在这个过程中，智能代理与人类学习者之间的交互机制是一个关键问题本研究在计算机自动识别当前讨论内容所属类型的基础上，虚拟代理首先提供不同类型观点，然后进一步询问被试对该观点的态度和理由，引发论辩式知识建构以引导被试的深层认知加工二、相关研究（一）学生在论辩式知识建构中存在的问题论辩是参与各方为证明己方立场或反驳对方立场而展开的话语交际，其目的是通过批判性讨论消除双方的意见分歧（黄华新，等，2017）图尔敏模型是论辩研究的奠基性成果，该模型包括主张（claim）、依据（data，facts，后来改为grounds）、保证（warrant）、支援（backing）、模态限定词（modal qualifier，后来改为modality）和例外（rebuttal）六个要素（王建芳，2016）基于传统的图尔敏模型，Wolfe等人（Wolfe，Gao，Wu，& Albrecht，2018）提出的论辩图式中包括主张（claim）、理由（reasons）和保证（warrant）三个要素。

根据论辩式知识建构（argumentative knowledge construction），学习者通过建构论点对学习材料进行详细阐述进而获得知识（Wecker & Fischer，2014）在计算机支持的协作学习领域，许多研究者秉持一个共同的信念，论辩是促使学习者获得领域特异性知识（domain specific knowledge）的有力途径（Noroozi，Weinberger，Biemans，Mulder，& Chizari，2012；Wecker & Fischer，2014）然而，学习者在论辩式知识建构中存在三个维度的问题（Weinberger，Stegmann，Fischer，& Mandl，2007）：第一是建构有助于解决问题的论点时有困难；第二是学习者建构的论点缺少重要成分，如依据（data）或保证（warrant）；第三是学习者很少在学习同伴的基础上建构论点在一个智能导学系统中，虚拟代理要求被试产生支持或反对乳腺癌风险检查的论点结果表明，一半以上的被试不能达到论证的最小标准（给出1个或多个有理由支持的论点）研究结果表明（Cedillos-Whynott，Wolfe，Widmer，Brust-Renck，Weil，& Reyna，2016）：论辩要素越多，被试的学习效果越好。

二）论辩支架的积极和消极作用基于论辩可以促进获得和理解领域特异性知识这样一个假定，研究者开发出各种提高论辩质量的工具或干预措施Noroozi等人（2013）的研究表明，交互讨论脚本促进了讨论中的论辩式知识建构，有脚本条件下的学习者对论辩的领域一般性和领域特异性知识显著高于无脚本的条件郑晓丽等人（2014）的研究发现，争论式教学支架可以促进协作学习小组的知识加工及社会性元认知王小根等（2019）使用半结构化的微协作脚本引发了知识建构中的功能性冲突这些研究表明，协作脚本对提升学习效果是有效的但是，脚本也经常因为束缚了自然产生的协作活动而带来意想不到的负面影响比如认知脚本阻碍学习者的认知投入和个体的知识获得同步聊天环境中的论辩脚本可以促进论辩知识的获得，而对特定领域的知识获得没有影响很可能是由于学习者深度聚焦于论辩活动而没有关注问题的内容，因此，高度结构化的加工定向干预可能会给论辩式知识建构的不同加工维度带来副作用（Noroozi，et al. ，2012）Wecker和Fischer（2014）对论辩与领域特异性知识获得的元分析结果表明，因论辩测量的指标类型不同，干预对论辩有小到中等程度的统计上的显著影响，而对领域特异性知识获得没有影响。

Vogel等人（2017）的元分析结果表明，与不提供脚本支持相比，计算机支持的协作学习脚本大体上可以提高学习效果，对领域特异性知识有较小的积极作用（d=0.20），对协作技能有较大的积极作用（d=0.95）这些研究结果对论辩会影响领域特异性知识获得这一理论假定提出了挑战Noroozi等人（2018）认为，计算机支持的论辩支架可以促进群体交互式讨论中的论辩，这是一阶论辩支架要帮助学生获得可以迁移到相似任务的论辩能力，还需要二阶论辩支架三）内容独立和内容相关支架进一步分析表明，以往研究中的脚本一般是为协作学习活动提供相对形式化的独立于内容的支持根据Wolfe等人（Wolfe，Gao，Wu，& Albrecht，2018）的论辩图式，主张（claim）和理由（reasons）是论辩中不可缺少的元素，而保证（warrant）在论辩过程中会经常省略基于此，本研究中虚拟代理提供“你同意我的观点吗？”“有什么理由能支持你的想法呢？”两个论辩支架，以询问被试的态度和理由这种支架是形式化的，独立于讨论内容，因而属于内容独立的支架为了进行高质量的协作活动，学习者在加工具体内容时也需要支架内容相关的支架有三种水平：最高水平的支架是为加工问题解决任务中的内容相关信息提供支持；中等水平的支架是仅提供内容相关信息，而没有为加工过程提供引导；最低水平的支架是没有额外的内容相关支持。

当脚本可以促进交互活动或者与额外的特定内容支架相结合时，更有利于领域特异性知识获得（Vogel，Wecker，Kollar，& Fischer，2017）本研究中被试发表观点后，计算机对被试的观点进行识别，并由虚拟代理给出不同类型的观点，这些观点都是围绕讨论主题的展开，属于内容相关信息然后询问被试对该观点的态度和理由（内容独立支架），以引发被试的论辩式知识建构将内容相关和内容独立支架相结合，探讨其对讨论效果的影响三、研究方法（一）研究设计本研究为单因素组间设计，自变量是论辩支架，包括内容相关与内容独立支架、内容相关支架和控制条件在内容相关与内容独立支架条件下，被试发表观点后计算机自动识别当前讨论的内容，然后由虚拟代理给出不同类型的观点（内容相关支架），并进一步询问被试的态度和理由（内容独立支架），如：“你同意我的观点吗？”“有什么理由能支持你的想法呢？”在内容相关支架条件下，被试发表观点后计算机自动识别当前的讨论内容，然后虚拟代理仅给出不同类型的观点，不再询问态度和理由在控制条件下被试独自发表观点，没有虚拟代理的参与因变量是讨论效果，主要包括讨论过程的交互质量、深度广度、自评讨论效果等指标。

具体如下所述：1.交互质量评估编码框架以交互分析模型（interaction analysis model，IAM）（Gunawardena，Lowe，& Anderson，1997）为基础，由两位熟悉讨论主题的研究人员进行编码在共享和比较信息阶段，有陈述观点、表示同意、提供证据或例子、澄清细节的提问和回答以及修正观点五种类型在发现和探索不一致阶段，有识别和表达不一致、表达不同类型观点、为不同类型观点提供证据、提出和回答问题以澄清不一致的来源和程度以及修正所提出的不同类型观点五种类型2.讨论过程的深度和广度由计算机对各组讨论文本中的每个句子进行标注未涉及关键词列表中任意一个关键词的信息被标记为无效观点，有效观点被标注为相对应的类型在这种分类的基础上，可以计算以下因变量指标：①讨论广度，即被试在讨论过程中所涉及的类型数量；②讨论深度，即讨论过程中平均每个类型下的观点数量（等于观点数除以类型数）（Nijstad，Stroebe，& Lodewijkx，2002）；③有效观点比例，等于有效观点数除以句子总数3.讨论效果自评讨论效果自评主要是通过后测问卷题目，从虚拟代理提供观点的帮助性、总体讨论效果和进一步讨论意愿几个方面进行自我评定。

二）研究对象招募大学生被试47名，分为内容相关与内容独立支架组、内容相关支架组和控制组控制组由1名被试单独发表观点，其他两组由1名被试和虚拟代理进行讨论共记录到有效问卷46份（男生9份，女生37份），其中内容相关支架组1名被试未记录到有效问卷数据所有被试均签署知情同意书，实验结束后获得适当报酬三）实验材料1.讨论主题讨论主题是开放式问题“人工智能将会给人类带来怎样的影响？”大学生被试对该主题都有一定的兴趣和关注程度2.语料库（1）观点库本研究所用观点库有八个类型，每个类型下有一个典型观点，观点库的形成过程见高红丽等人（2019）的研究2）应答语表示赞同的应答语有：嗯，嗯嗯，是，是的，对，对的，同意表示转折的应答语有：嗯，不过；嗯嗯，不过3）询问态度和理由虚拟代理提供不同类型观点后，询问被试是否同意并说出理由，所用句子包括：“你们（大家）赞同（认同）（同意）我的观点（我说的）（这个观点）吗？”“有什么依据（原因、理由）能支撑（支持）你的想法呢？”（4）前后测问卷前测问卷从是否学过相关课程、兴趣程度、关注程度、过去一周浏览次数等方面进行评估后测问卷从讨论过程中是否充分表达自己的观点、计算机观点的帮助程度、整体讨论效果、进一步讨论。