引言

2022年11月30日，随着美国智能研究实验室OpenAI推出ChatGPT，人工智能生成内容（artificial intelligence generated content，AIGC）行业呈现爆炸式的发展，引起整个世界的广泛关注，高纳公司（Gartner）将AIGC列入2022年顶级战略技术之一，《MIT科技评论》也将其归为2022年突破性技术。AIGC，又称生成式人工智能、生成预训练转换器等，它是根据输入指令通过人工智能算法模型对数据或媒体进行生产、操控和修改的统称。以ChatGPT为代表的AIGC技术可以针对使用者对其输入的问题或者指令，通过技术生成更加自然、切合语境的文本内容，以庞大的资源库作为支撑，使得用户可以与其就任何事情进行自然语言对话。在教育领域当中，诸多学者都对AIGC为该领域带来的机遇与挑战做了大量的研究与预测，以期能为教育教学的发展提出意见。

一、问题提出

人机协同是当今时代教育人工智能发展的重点方向。在2017年，中国国务院颁布了《新一代人工智能发展规划》，确立了人工智能发展的战略目标，并特别强调了混合增强智能、自主协同决策和类脑智能等基础理论的深入探究，旨在建立一个开放性的人工智能科技协同创新体系。随后在2019年，美国斯坦福大学建立人工智能研究院，其目标是在人类的正确使用下，完成人工智能的快速发展，并实现人工智能与人类的和谐共存。两大热潮的相互碰撞中，大家也在积极尝试运用AIGC为人机协同的模型进行增改。李海峰等利用AIGC训练苏格拉底智能导师机器人对大学教育技术学的学生进行人机协同实验；翟雪松利用生成式人工智能与元宇宙相结合，设计一个元宇宙虚拟教师开展实验；梁云真等人通过以“丝绸之路大闯关”为例的信息技术课开展的人机协同精准教学研究，发现实验组学生在计算思维方面的能力相较于传统课堂有了明显提升，这证明了人机协同的精准教学法在培育学生的计算思维方面是有效的。Hsiao等研究了智能机器人作为学习伙伴和工具，并使用它与学生进行有效沟通交流，来观察对其阅读技能的影响，通过评估学生的阅读理解、叙事、单词识别和故事复述能力来验证人机协同教学的效果。Roscoe等人则选择了以高中生为实验对象，研究智能系统在写作方面中的参与对学生写出作文是否存在影响，通过比较实验前后的作品来评估其教学效果。这些学者都已经在人机协同领域展开了许多实验，有些已经应用了生成式人工智能，但对于使用AIGC对自主学习能力的提升是否有影响还并未有一个具体的研究来证明。因此，本研究想利用生成式人工智能深入融合进人机协同，以期发现在大数据模型的基础上人机协同教学对自主学习能力是否有影响。

二、文献综述

在当代教育领域，人工智能技术的融入正日益受到重视，其核心在于实现人类智慧与机器智能的深度融合。这种融合不仅推动了教育的数字化转型，而且在核心素养时代也能使学生的能力显著提升。人机协同教学模式，作为一种新兴的教育实践，正逐渐成为教育技术研究的焦点。在这一模式下，智能教学系统、教育机器人和教育智能体等技术产品，扮演着线上助教、学习伴侣和智能导师系统等多重角色，与教师一道，共同参与教学活动。它们通过创造多样化的学习环境、定制个性化的学习计划、推荐合适的学习材料，并提供即时的问题解决方案，实现了精准且自适应的个性化学习体验，将教学过程引领至一个更加智能化、协同化和高效率的新纪元。随着人工智能技术的不断深入，人机协同教学模式的探究已然是教育科研者实践的崭新道路。

AIGC技术，作为现代大型数据模型的代表，展现出卓越的对话理解和内容创造能力。ChatGPT，基于GPT-3.5模型，利用人类反馈的强化学习方法，在处理自然语言方面尤为出色。其训练过程分为三个关键步骤：首先是监督式微调，通过少量人工标注数据对预训练模型进行参数优化，构建基础语言模型。紧接着是奖励模型的构建，人类训练师对不同输出进行评分，以此量化人类对文本的偏好。最后，通过自动评估随机提示的输出，对语言模型进行细致调整，以提高其文本生成质量。这一过程的反复迭代，持续提升了ChatGPT的文本输出品质。

在算力支持方面，ChatGPT背靠微软斥资10亿美元打造的Azure AI超级计算平台，该平台拥有庞大的计算资源，包括28.5万个CPU核心和1万个GPU，以及高达400GB/s的网络传输带宽。相较于传统AI产品，ChatGPT在数据处理能力和信息更新速度上均有显著提升，能够快速吸收并应用新数据，从而在模型训练中处理更大规模的数据集。

在数据处理领域，ChatGPT是一种基于不断扩大训练规模和丰富数据源而发展起来的先进语言模型。依托于庞大的数据支持，ChatGPT能够根据用户的反馈实时调整其回答，从而为用户提供一种流畅而真实的体验。这种体验包括对话的记忆、错误的承认以及多轮对话的能力。在教育领域上，以ChatGPT为首的生成式人工智能扮演新型的智能导师、学习伴侣等角色，可为人机协同创建全新生态，将人机交互式学习提供更多的及时沟通以及对话式的学习。因此，本研究意图设计一个以AIGC为智能导师系统的人机协同教学模型，并且设计实验环节来探讨人机协同在结合AIGC之后会对学生的自主学习能力产生怎样的影响。

三、面向自主学习能力培养的人机协同教学模式建构

（一）概念界定

自主学习通常是指个体在学习过程中自发地设定学习目标、制定学习计划、选择学习方法、监控学习进展以及评估学习成果的能力或过程。针对这一概念研究者提出了多种不同的看法并且进行自己的研究阐述。国际学术界在评估自主学习时，通常采纳两种不同的视角。一方面，有些研究者将自主学习视为一种能力，这种能力是长期稳定的，并且能够预示个体未来的学习行为，属于个性特质的一部分。另一方面，也有研究者将自主学习视为一种特定的学习事件或一系列的学习行为。由于对自主学习概念的理解和评价的侧重点存在差异，研究者们在测评方法上也呈现出多样性

（二）理论基础

长期以来，由于缺乏对自主学习心理机制的深入理解，许多国内教育工作者在如何培养学生自主学习能力方面一直存在模糊认识。这种状况在很大程度上影响了相关教育实践。自20世纪20年代以来，国内外研究者通过不断研究探索自主学习的多种因素，慢慢的依据自己的研究提出一些自主学习的模型，并进一步自主学习的内在要素进行了深入探讨。这些模型不仅有助于我们明确自主学习能力的构成要素，还对指导学生自主学习能力的培养方向提供了重要启示。而温内和巴特勒在20世纪90年代提出的自主学习模型（图一），他们将自主学习的过程分成四个阶段，即任务界定阶段、目标设置和计划阶段、策略执行阶段和元认知调节阶段，具有较强的可操作性。

（三）模式建构

因此，本研究在此自主学习模型的基础上，在应用教育人工智能的背景下，通过对人机协同技术及其运作机制的深入剖析，并融合现有关于自主学习能力的研究，本研究构建了一种旨在培养自主学习能力的人机协同教学框架。该框架被划分为三个层次，以促进教学模式的系统性和层次性发展。即分为：人机协同层、培养目标层、自主学习层，核心内容式根据自主学习模型开展的。

1. 人机协同层

人机协同层是培养自主学习能力的基础，依托于智能技术的先进计算和感知能力，它使得教师能够将特定的认知性工作交由技术来执行，从而与技术形成协作教学的局面。在这一体系中，教师、智能系统和学生三者形成了一个紧密的协作网络，全程参与教学活动：在课程启始阶段，教师使用智能系统自动生成并向学生分发练习题；系统自动完成作业和考试的批改，并通过数据分析即时向教师反馈学生的学习情况。课堂上，智能系统持续搜集和处理学习数据，并将结果以直观的方式呈现给教师，辅助他们实时跟踪教学效果。同时，系统根据学生的学习需求，智能推荐学习资源，辅助学生完成学习任务。课程结束后，智能系统根据学科知识图谱，评估并诊断学生的学习障碍，识别知识缺陷，为教师快速定位问题并调整教学方法提供了坚实的技术支持。

2. 自主学习层

自主学习层的设计是教学活动开展的重要依据。每个阶段都受到信息处理理论的影响，而这些影响又是基于个人的条件、操作、成果、评估和标准之间的相互作用来描述的。为了表示这五个要素，我们使用它们的首字母缩写COPES。正是在这个以COPES为基础的认知架构中，各个阶段的工作得以顺利进行。总体而言，该模型并不呈现明显的周期性，而是通过COPES构成的认知架构进行循环，直至明确任务（第一阶段）的建立。随后，根据这些任务形成具体的学习目标，并制定实现这些目标的最佳计划（第二阶段），进而引导出学习策略的确立（第三阶段），进而正式开展学习。在此之后，学习成果将与既定标准进行比较，如果发现学习结果未达到标准，将会启动进一步的学习操作，或改变学习条件，例如增加学习时间。最终，在学习的主要过程结束后，学生可能会在信念、动机、策略等方面发生更大且长期的变化（第四阶段）。本模型通过这四个环环相扣的阶段进行教学设计，以确保通过COPES认知架构实现培养目标。

3. 培养目标层

培养目标是自主学习能力实验的最终指向，目的是完成学生个体的自主学习能力提升。根据温内等的自主学习模型，在即任务界定阶段需要培养学生的统筹能力，即明确学习任务是什么、完成这一任务会遭遇什么困难，又有什么可以利用的有利因素；在目标设置和计划阶段需要培养学生学习策略制定能力；策略执行阶段则是提升培养目标的执行力以及最后的元认知调节阶段则是培养自我检测能力。

四、研究与设计

研究主要通过三个阶段进行评测，研究以信息技术课堂的编程知识为例。

（一）第一阶段：进行课前测试，进行任务界定

在课前，教师可以依据布鲁姆的认知领域理论，该理论涵盖记忆、理解、应用、分析、综合和评价六个层面，利用智能导师系统来评估学生对编程知识的掌握程度。基于这些评估结果，教师能够识别学生在知识掌握和能力发展上的现有缺陷，进而为构建自主学习教学模式奠定基础。

（二）第二阶段：通过人机协同，进行目标设置以及计划，并进行策略实施

在人机协同教学模式中，智能导师在目标设定方面发挥着重要作用。教师首先利用AIGC技术创造一个沉浸式的学习场景。根据之前的测试，结合学习者个人的学习风格以及学习倾向和能力，将学生分为三个层次的小组：基础薄弱的低分段、知识掌握较为全面的中间段，以及理解力强且能自主创作的高分段。低分段学生需要在记忆和理解上得到加强；中间段学生应提升应用和分析能力；而高分段学生则需要进一步达到更高层次的学习目标。这种分层策略有助于为不同水平的学生定制个性化的学习目标，确保教学计划能够针对性地执行。

模仿学习，完成实时理解：教师演示范例程序，在培养自主学习能力的过程中需要教师起一个引领作用，并且利用智能导师系统进行学生代码学习的检测引导，实时监督学生的学习情况，与学生互动，引导学生一步一个问题，并得到一个阶段性的答案，将情况汇总到教师这里，形成动态的问题解决过程。

协作创新，完成反思调整：首先，学生在智能导师系统的帮助下完成着自己的代码的调试；之后，学生灵活运用积木块为程序添加功能，并使用智能导师系统进行反复的尝试和迭代、测试和调试。 通过自主协助学习，不同能力分层组学生都有相当程度的提升。

（三）第三阶段：通过测评交流，开展反思测评

课后，各学生小组需展示并交流他们的项目成果，同时对编写的代码进行严格的测试与调整。在这一环节中，教师提供专业指导，协助学生发现并改进作品中的缺陷，引导他们进行持续的调试和优化，以实现作品的迭代升级。此外，教师还会根据作品的思想深度、创新性、艺术表现和技术实现四个关键维度，对学生的编程项目进行全面评估。学生们通过与AIGC导师的沟通，反思自己的编程作业，明确存在的不足之处以及可能的改进方案。最后，学生完成最后的作业，教师根据结果以及之前一系列学生的表现对设计的教学设计进行调哼，以提高教学效果。

五、总结与展望

（一）AIGC技术在教育领域的应用前景

AIGC技术作为教育领域的新兴力量，其在自主学习能力培养方面展现出巨大的潜力。AIGC技术的核心优势在于其强大的自然语言处理能力，能够与用户进行自然语言对话，生成符合语境的文本内容。这种能力使得AIGC技术能够为教育提供个性化、精准化的教学支持。例如，通过智能导师系统，AIGC能够根据学生的学习情况，提供定制化的学习资源和学习路径，从而提高学生的自主学习能力。

随着人工智能的不断发展，AIGC在教育领域的应用必定会呈现出深度融合的趋势。未来的AIGC技术将更加智能化，能够实时发现并解决学生遇到的问题，提供更具针对性的教学帮助。同时，AIGC技术也将与虚拟现实、增强现实等技术相结合，为学生创造更加真实、互动的学习环境，进一步提升学习体验。

（二）人机协同教学模式的创新与发展

人机协同教学模式是教育人工智能发展的重要方向。通过人机协同，可以实现教师与智能技术的有机结合，发挥各自的优势，提高教学效率和质量。在这种模式下，教师可以更专注于教学设计和学生指导，而智能技术则可以承担更多的教学辅助工作，如自动出题、自动批改作业、学习数据分析等。

面向未来，人机协同教学模式将进一步发展和完善。一方面，智能技术将更加智能化，能够更好地理解教学内容和学生需求，提供更加精准的教学支持。另一方面，人机协同教学模式也将更加注重学生的主体性，鼓励学生主动参与学习过程，培养其自主学习能力。此外，人机协同教学模式也将更加注重教学的个性化和差异化，满足不同学生的学习需求。

（三）自主学习能力培养的策略与方法

自主学习能力是学生终身学习的重要基础。在教育过程中，培养学生的自主学习能力是教育的重要目标之一。通过AIGC技术和人机协同教学模式，可以为学生的自主学习能力培养提供有效的支持。在AIGC技术可以为学生提供个性化的学习资源和学习路径，帮助学生根据自己的学习情况和兴趣进行学习。其次，人机协同教学模式可以为学生提供更加丰富的学习体验，鼓励学生主动参与学习过程，培养其自主学习能力。此外，教师也可以通过智能导师系统，对学生的自主学习进行指导和监督，帮助学生形成有效的学习策略。

面向未来，自主学习能力的培养将更加注重学生的主体性和个性化。教育者需要根据学生的不同特点和需求，设计差异化的教学策略，引导学生形成自主学习的习惯和能力。同时，教育者也需要不断探索和创新教学方法，利用AIGC技术和人机协同教学模式，为学生的自主学习能力培养提供更加有效的支持。

（四）设想有待实验验证

虽然有许多研究早已经证明人机协同对与学习者的学习有帮助，但是具体到自主学习能力还是仍然缺少有力的证明，本研究虽然设计了一个教学模式，但是缺乏数据支撑，缺少说服力。在后续需要扎根一线进行实证探究，进而补齐数据，丰富实验，使得实验能站住脚跟。

总结而言，AIGC技术、人机协同教学模式以及自主学习能力的培养是教育领域未来发展的重要方向。通过不断的技术创新和教学实践，或许可以期待一个更加智能化、个性化和高效化的教育未来。

参考文献：

1. [1] Xu W. Toward human-centered AI: A perspective from human-computer interaction[J]. Interactions,2019,26(04):42-46.
2. [2] 李海峰,王炜,李广鑫,等.智能助产术教学法——以“智能苏格拉底会话机器人”教学实践为例[J].开放教育研究,2024,30(02):89-99.
3. [3] 翟雪松,楚肖燕,焦丽珍,等.基于“生成式人工智能+元宇宙”的人机协同学习模式研究[J].开放教育研究,2023,29(05):26-36.
4. [4] 梁云真,刘瑞星,任丽玲.面向计算思维培养的人机协同精准教学模式研究——以小学六年级信息技术课“丝绸之路大闯关”为例[J].现代教育技术,2022,32(03):51-60.
5. [5] Roscoe R D, McNamara D S. Writing pal: Feasibility of an intelligent writing strategy tutor in the high school classroom[J]. Journal of educational psychology,2013,105(04):1010-1025.
6. [6] 沈书生,祝智庭.ChatGPT类产品：内在机制及其对学习评价的影响[J].中国远程教育, 2023,43(04):8-15.
7. [7] 庞维国.从自主学习的心理机制看自主学习能力培养的着力点[J].全球教育展望, 2002,31(05):26-31.