ChatGPT在高等教育協作學習中的應用研究

劉曉峰　介心如

摘要：作為當前人工智能領域的突破性技術，ChatGPT有效彌補了傳統人工智能程序的不足，在多個應用場景中都有出色表現，其在教育領域的應用也成為學術界關注的熱點之一，它為高等教育協作學習提供了新的可能性。文章研究了ChatGPT在高等教育協作學習中的應用原理、潛能與障礙。ChatGPT在高等教育協作學習中的應用主要是基于以下五項技術原理：預訓練機制、多頭自注意力機制、Fine-tuning方法、預訓練-微調方法以及面向序列的自然語言生成。高等教育協作學習強調學生之間的相互作用和合作，促進學習者的知識共建、認知發展和社會交往能力的提高。然而，協作學習面臨著協作管理效率低、協作效果評估難等問題。ChatGPT在高等教育協作學習中的潛在應用場景主要集中在自主學習、個性化學習、語言學習與翻譯、團隊學習與協作、學術研究與創新、課程評價與質量控制等六個方向。與此同時，要正視其存在的潛在應用障礙，如文本生成的準確性、對話質量的穩定性、用戶隱私等倫理問題、用戶接受度和使用意愿、應用場景和需求匹配等。為此，應在充分分析現實的基礎上，加強研究和改進ChatGPT算法，增強其在教育領域的適用性和實用性。完善數據管理和安全保障機制、人機交互和協同學習機制，以提高安全性、規范性和有效性。ChatGPT作為一個新興的研究議題，未來有諸多問題值得進一步研究，教育界應當以更加開放的態度迎接人工智能時代的到來。

關鍵詞：OpenAI；ChatGPT；人工智能；協作學習；高等教育

中圖分類號：G434 文獻標識碼：A 文章編號：1004-9436（2023）18-000-06

0 引言

伴隨著人工智能（AI）技術的迅速迭代升級，人類社會步入智能化時代。2022年11月，美國非營利研究機構OpenAI正式推出新型生成式人工智能程序ChatGPT，突破性地補齊了傳統人工智能程序的多項短板，在多個應用場景中都有出色表現［1］，注冊用戶數量在短短兩個月內便達到1億人，成為史上用戶增長速度最快的應用程序，并在全球范圍內掀起了人工智能討論熱潮。

人工智能技術在教育領域的應用也隨之成為學術界關注的熱點之一。盡管一些學者強烈擔憂其潛在風險［2］，如依賴人機對話可能導致人際交往越來越脆弱，學生使用ChatGPT完成作業或存在作弊行為等［3］，甚至有些學者直言不諱地將ChatGPT視為“高科技剽竊”和“逃避學習的一種方式”［4］，但更多的學者對于智能時代的到來持樂觀態度，積極探索和拓展人工智能技術在教育等領域的適用場景［5］。作為人工智能技術的前沿代表，ChatGPT以獨特的自然語言生成和理解能力，在智能輔助教學、協作學習、智能評測等方面應用潛力巨大。

在高等教育中，協作學習作為一種新型教學模式，旨在培養學生的合作意識和團隊精神，提升學生的綜合能力和創新能力［6］。然而，在實際教學過程中，協作學習面臨著諸多挑戰。例如，如何保證團隊協作的效率和質量？如何避免團隊成員之間的信息不對稱和溝通障礙？如何有效評價團隊和個人？需要引進新技術和新方法解決上述問題。本文旨在探討ChatGPT在高等教育協作學習中應用的原理和潛能，并預估可能存在的應用障礙，以期為未來拓展以ChatGPT為代表的人工智能技術在高等教育教學實踐中的應用提供思路。

1 技術原理

GPT代表生成式預訓練模型（Generative Pre-trained Transformer），是一種基于Transformer網絡的模型，能夠對大規模語料庫進行預訓練，并通過微調和Fine-tuning技術進行特定任務的訓練［7］。ChatGPT特指使用GPT模型進行對話生成的應用，它可以實現與人類的對話，并在不同領域得到廣泛應用，如客服、智能問答、人機交互等，是近年來自然語言生成領域的一項重要技術進展。

ChatGPT的核心思想是使用自然語言處理技術實現對話生成。在這一過程中，GPT模型首先通過預訓練技術獲取大量語言知識［8］，然后根據輸入的文本內容，通過生成式算法生成符合語法和語義規則的回復。ChatGPT的優點在于它能夠模擬人類對話過程中的連貫性和多樣性，能夠生成自然流暢的對話回復，使對話更加生動和真實。ChatGPT在高等教育協作學習中的應用主要是基于以下五項技術原理。

1.1 預訓練機制

ChatGPT是基于深度學習的自然語言處理模型，其預訓練機制采用基于Transformer架構的自回歸模型。在ChatGPT的預訓練機制中，自回歸模型是一種重要的建模方法。該模型以當前輸入的詞作為起始，逐步生成后續的單詞序列。在生成下一個單詞時，模型將前面已生成的序列作為上下文輸入模型中進行預測。使用這種方式不僅可以了解詞與詞之間的關系，還可以捕捉到更高級別的語義關系，如上下文、語境等。這種預測方式的核心思想是讓模型能夠理解文本序列中的潛在語言規則和模式，從而生成連貫自然的文本。

1.2 多頭自注意力機制

多頭自注意力機制是Transformer模型中的關鍵組成部分，也是該模型在自然語言處理任務中取得卓越性能的重要因素。它可以將每個單詞作為查詢、鍵和值來計算注意力，其中查詢是要被關注的單詞，鍵和值是用于計算關注程度的參考單詞。在多頭自注意力機制中，輸入序列的每個單詞都被分別映射到多個查詢、鍵和值向量。這些向量是通過線性映射從原始輸入向量中提取的，每個注意力頭使用的線性映射是獨立的，從而使每個注意力頭可以關注輸入序列的不同部分。然后，通過對每個查詢向量進行多次注意力計算，模型可以獲得多個不同的關注度分布，進而更好地理解輸入序列中的語義關系。

多頭自注意力機制的優點在于能夠從不同角度關注輸入序列，從而獲得更全面、更準確的語義表示。這使ChatGPT能夠更好地捕捉輸入序列中的上下文信息，從而提高模型的表達能力和準確性［9］。同時，多頭自注意力機制的并行計算能力也使模型在處理長序列時表現出色。

1.3 Fine-tuning方法

Fine-tuning方法是指在已經進行了預訓練的模型基礎上，微調模型在特定任務中的參數以適應該任務。Fine-tuning過程中，通常會在目標任務的少量數據上進行監督式學習，使模型在該任務上表現更優秀。這個過程類似于預訓練階段的自我監督學習，只是在Fine-tuning中，監督信號來自目標任務而不是原始文本數據。

Fine-tuning方法的一個優點是能夠在特定領域快速應用現有的預訓練模型，而不需要從頭開始進行大規模訓練。另一個優點是可以提高模型的泛化能力，即使面對沒有經過預訓練的數據也有出色表現。這是因為Fine-tuning在目標任務中微調了模型參數，模型能夠更好地適應該任務，從而提高了模型對任務相關數據的學習能力。在實踐中，Fine-tuning方法在自然語言處理領域得到廣泛應用。例如，在文本分類、命名實體識別、問答系統等任務中，預訓練模型可以作為基礎模型，通過Fine-tuning來提高模型的性能。同時，Fine-tuning方法可以通過適應不同的領域，為不同的應用場景提供定制化的解決方案。

1.4 預訓練-微調方法

ChatGPT將無監督預訓練和有監督Fine-tuning相結合的訓練方式，被稱為預訓練-微調（Pre-training and Fine-tuning，簡稱PF）方法。這種訓練方式可以充分利用大規模無標注數據的信息，通過無監督預訓練提高模型的語言理解能力，并在有限的任務相關數據上進行Fine-tuning，提高模型在特定任務上的性能［10］。具體來說，在PF方法中，模型首先進行大規模的無監督預訓練，學習文本中的模式和規律，從而獲得強大的語言表征能力。接下來，在特定任務上，利用少量的有標注數據對模型進行Fine-tuning，使其更好地適應特定任務，并提高模型的性能和泛化能力。這種無監督預訓練和有監督Fine-tuning相結合的方法可以解決數據不足的問題，從而更好地適應實際應用場景。此外，由于無監督預訓練和有監督Fine-tuning的訓練方式相似，因此模型可以在大規模無標注數據上進行預訓練，而不需要針對每個特定任務單獨訓練模型，提高訓練效率。

1.5 面向序列的自然語言生成

面向序列的自然語言生成是ChatGPT的一個核心特性。在自然語言生成中，模型的輸入是一個文本序列，而模型需要生成與輸入序列相關的文本。ChatGPT可以根據輸入的上下文和當前單詞生成下一個單詞，然后不斷迭代，最終生成完整的文本序列。這種生成方式不僅可以用于對話生成，還可以用于文本生成、機器翻譯、摘要生成等多種自然語言處理任務。在高等教育協作學習中，ChatGPT有多個應用場景。例如，ChatGPT可以用于課程問答，幫助學生解答問題并獲得即時反饋。同時，ChatGPT也可以用于課程總結，自動生成課堂筆記或知識點總結，從而幫助學生更好地掌握知識。此外，ChatGPT還可以用于生成其他與教育相關的文本，如論文摘要、課程評價等。通過使用ChatGPT，教育機構可以更好地利用自然語言生成技術，增強學生的學習效果和教育體驗。

2 應用潛能

高等教育協作學習強調學生之間的相互作用和合作，促進學習者的知識共建、認知發展和社會交往能力的提高。在高等教育協作學習中，學習者可以通過共同參與討論、合作研究和共同創作等方式，從多個角度和維度獲得知識信息［11］。然而，協作學習面臨協作管理效率低、協作效果評估難等問題。ChatGPT作為一種人工智能技術驅動的自然語言處理工具，可以為高等教育協作學習提供新的可能性。其在高等教育協作學習中的潛在應用場景集中在以下六個方向。

2.1 自主學習

ChatGPT可應用于在線教育平臺，如通過生成答案模板幫助學生更好地理解學習內容，同時也可以幫助教師生成教學材料或自適應教學，根據學生的不同反應調整課程內容。此外，ChatGPT還可以用于智能評價和反饋，使學生更好地掌握學習內容，實現自主學習。ChatGPT作為自然語言生成技術的代表，在在線教育與自主學習中能夠發揮重要作用。

比如，可以高效生成答案模板。ChatGPT可以通過閱讀大量的題目和答案，理解問題的結構和答案的邏輯關系，從而生成答案模板。這個模板可以用于教師的教學輔助，同時也可以用于學生的自主學習。在學生自主學習中，學生可以通過查看答案模板來掌握解題方法，提高學習效率。在自適應教學方面，ChatGPT可以根據學生的學習習慣和學習進度，自動生成適合學生的學習材料。這種自適應教學可以有效增強學生的學習效果，減輕教師的教學負擔。還可以實現智能評價和反饋，ChatGPT可以通過分析學生的作業、考試和問答等多種數據，為學生提供智能評價和反饋。通過自然語言生成技術，ChatGPT可以生成準確、豐富、針對性強的評價和反饋，幫助學生更好地掌握學習內容，提高學習質量。此外，ChatGPT可以通過分析學生的學習興趣、學習進度和學習歷史等多種數據，為學生推薦適合的課程和學習材料。這種個性化推薦能有效提高學習效率，促進學生自主學習。

2.2 個性化學習

在高等教育協作學習中，個性化學習是增強教學效果的關鍵。傳統教育往往采用“一刀切”的教學模式，無法滿足不同學生的個性化需求，導致學生的學習效果難以得到優化。而ChatGPT具有強大的自然語言生成能力，可以生成符合學生個性化需求的教學材料和學習計劃［12］。

首先，ChatGPT可以根據每個學生的興趣和能力生成個性化教學材料。傳統教材往往內容單一、死板，難以滿足學生的個性化需求。而ChatGPT可以根據學生的學習記錄、測試成績和自我評價等信息，生成符合學生能力水平和興趣愛好的教學材料。例如，對于一名對歷史感興趣的學生，ChatGPT可以生成與歷史相關的文本、圖片、視頻等教學材料，以提高學生的學習興趣和積極性。

其次，通過分析學生的學習記錄和反饋，ChatGPT可以了解學生的學習進度和知識掌握程度，并生成相應的學習計劃和課程［13］。例如，對于學習進度較快且深入理解知識點的學生，ChatGPT可以生成更復雜的教學材料和學習任務，以進一步提高學生的能力；而對于學習進度較慢、難以理解知識點的學生，ChatGPT可以生成更加基礎和簡單的教學材料和學習任務，以幫助學生理解和掌握基礎知識。

最后，ChatGPT可以通過跟蹤和分析學生的學習過程，為學生提供實時的個性化教育反饋。例如，ChatGPT可以根據學生的作業、測試成績和在線互動等數據，為學生提供針對性的建議和反饋，發現學生的學習弱點，進一步增強學習效果。這種基于學生個性化需求的教育反饋可以促進學生的自主學習和主動探究，提高學生的學習積極性和成就感。

2.3 語言學習與翻譯

在語言學習方面，ChatGPT可以根據學生的語言能力和學習需求，生成個性化的語言學習材料，如對話練習、寫作練習、聽力訓練等。可以根據學生的水平和興趣定制相關材料，使學生更加容易理解和掌握語言知識，提高學習效率。此外，ChatGPT還可以生成語言學習評估工具，通過自動生成的測驗來評估學生的語言水平和掌握程度，幫助學生更好地調整學習計劃和增強學習效果。

在語言翻譯方面，ChatGPT的自然語言生成能力令其在機器翻譯領域得到廣泛應用，可通過生成翻譯模板幫助翻譯人員更快速準確地完成翻譯工作。此外，ChatGPT還可以被應用于翻譯插件的開發，通過集成到電腦、手機等設備中，為用戶提供更加便捷的翻譯服務，提高翻譯的效率和準確性。同時，ChatGPT可以應用于跨語言交流中，為用戶提供實時翻譯服務，促進跨文化交流。

2.4 團隊學習與協作

在團隊協作中，ChatGPT可以通過生成任務和指南來促進團隊成員之間的學習交流和協作。例如，一個由不同專業背景的學生組成的團隊需要完成一個項目，ChatGPT可以生成任務清單，為每個團隊成員指定具體任務和截止日期，以確保按時完成任務并且讓每個人明確自己的職責和目標。同時，ChatGPT可以生成一份任務指南，提供任務相關的學習資源和討論問題，促進團隊成員在完成任務的過程中更好地學習和交流。此外，ChatGPT還可以分析每個團隊成員的學習和討論情況，以提供更準確的學習反饋和改進建議。例如，ChatGPT可以通過分析每個成員的參與度、提出的問題和貢獻等，提出改進學習和交流方式的建議。

使用ChatGPT，團隊成員可以更好地理解自己的任務和職責，同時也能夠在完成任務的過程中加強交流和學習，提高團隊協作能力。這種社交學習和協作環境的優勢在于可以為學生提供一個學習和互動的平臺，而ChatGPT則可以提供個性化的任務和資源，以滿足不同團隊成員的需求，促進學生的學習和交流。

2.5 學術研究與創新

在學術研究和創新領域，ChatGPT可以幫助研究人員生成文獻綜述、實驗報告和新型科技。例如，在撰寫文獻綜述時，ChatGPT可以根據相關領域的關鍵詞和主題，自動生成一份包含關鍵信息和參考文獻的文獻綜述，節省研究人員的時間和精力。在實驗報告方面，ChatGPT可以根據實驗數據和結論自動生成報告。例如，研究人員在做實驗之前需要收集和處理大量的數據，并編寫實驗報告來記錄和總結實驗結果。使用ChatGPT生成實驗報告可以大大減輕研究人員的工作負擔，同時確保報告的準確性和完整性。ChatGPT可以根據實驗數據和結論自動生成報告，包括實驗設計、實驗結果和實驗結論等，同時也可以添加必要的圖表來說明實驗結果。這可以節省研究人員的時間和精力，讓他們更多地關注實驗設計和數據處理等核心問題。此外，ChatGPT還可以應用于創新研究領域，如通過生成新型科技的描述和演示，促進科學研究，推動科技創新和應用［14］。

2.6 課程評價與質量控制

在高等教育中，課程評價和質量控制至關重要。ChatGPT可以通過生成智能評價系統來提高課程評價的客觀性和準確性。具體而言，ChatGPT可以深入分析學生的學習情況，根據學生的學習行為、反饋和測試結果等數據生成詳細的評估報告。這些評估報告可以反映學生在學習過程中的表現，包括知識掌握程度、學習進度、學習方法、學習態度等。同時，ChatGPT可以分析學生與教師的互動情況，從而為教師提供更多改進教學策略和增強教學效果的建議。

此外，ChatGPT還可以通過分析學生的學習情況和課程質量，幫助學校和教師進行質量控制。通過生成課程質量評估報告，學校和教師可以了解課程的優缺點，并根據報告中的建議進行改進。這有助于提高學校的管理水平和教師的教學水平，增強課程的競爭力和吸引力。因此，ChatGPT可以作為一種有效的工具來支持課程評價和質量控制，提高高等教育教學質量。

3 應用障礙及其規避策略

作為一種新型且處于持續開放狀態的自然語言處理技術，ChatGPT在高等教育協作學習中的應用必將面臨一系列問題，未來研究者和教育管理者應對這些障礙給予足夠的關注和警惕。

3.1 文本生成的準確性

在使用ChatGPT進行文本生成時，一個重要的應用障礙是生成文本的不準確性，ChatGPT和其他生成式人工智能系統一樣可能存在偏見，甚至會導致不正確的信息流通，從而引發嚴重的道德風險［15］。GPT系列AI的數據源包含維基百科、書籍、期刊、Reddit鏈接（社交媒體網站）、Common Crawl（網頁數據爬取）等［16］，如此龐雜的數據集中可能存在有缺陷的數據，并可能使ChatGPT在某些情況下產生語法錯誤、上下文銜接不當、邏輯錯誤等。例如，在協作學習中，ChatGPT可能生成不準確的任務描述，導致團隊成員之間產生誤解。此外，在生成學習資源和討論問題時，ChatGPT可能忽略某些重要內容或提供不恰當的建議，影響學生的學習效果和學術成果。在學術研究和創新領域，ChatGPT可能生成不準確的文獻綜述或實驗報告，影響研究人員的創新成果和學術聲譽。

需要采取有效策略克服ChatGPT文本生成不準確這一應用障礙。例如，加強ChatGPT的算法優化和提高訓練數據的質量，以提高其生成文本的準確性。同時，結合人工智能和人類專業知識，通過檢查和修正ChatGPT生成的文本，提高其文本生成的準確性和適用性。此外，還可以采用其他自然語言生成技術，或結合其他人工智能技術，彌補ChatGPT文本生成的不足。

3.2 對話質量的穩定性

在高等教育協作學習中，受多種因素的影響，ChatGPT的對話質量可能不穩定，進而導致對話效果不佳、無法滿足需求等問題。具體表現為：一是受上下文的影響。ChatGPT在生成回答時，通常需要考慮前面的對話內容，即上下文。但是，如果上下文中出現了一些不符合常理的信息，如錯誤信息或者無意義的信息，ChatGPT就可能生成不準確或不合適的回答，降低對話質量。二是受數據量不足的影響。ChatGPT的訓練需要大量的數據支持，數據不足可能導致ChatGPT生成的回答不夠準確全面，從而影響對話質量和穩定性。三是受對話場景轉化的影響。不同的對話場景可能需要不同的對話模型的支持，使用錯誤的模型或者模型參數不合適可能導致對話質量不穩定［17］。

為更好地規避上述應用障礙，一方面需要進一步提高訓練數據質量，目前ChatGPT的訓練數據主要來自互聯網，其中包括大量的垃圾文本、語言錯誤和低質量的對話數據。未來需要采用高質量的對話數據進行訓練，包括從高質量的文本語料庫、人工編輯的對話數據集和專家訓練的數據集中獲取數據。另一方面，需要引進人類監督和干預，如篩選和評估生成結果，同時引入人類編輯和干預機制，以及讓專業領域的專家參與模型訓練和優化［18］。

3.3 用戶隱私等倫理問題

由于ChatGPT是通過學習大量文本數據來生成對話的，因此數據來源的質量和數據使用的透明度是影響用戶隱私和數據保護的主要因素之一。在現實中，ChatGPT的數據來源可能包括教材、學術論文、教學課件等，這些數據都涉及個人隱私和知識產權［19］。如果沒有得到明確授權和采取充分保護措施，將引發大量隱私和法律風險。例如，在高等教育協作學習中，通常會有多個用戶參與同一場景的對話，因此ChatGPT模型所生成的對話數據可能被多個用戶共享和轉移。如果不能充分保障數據安全，有可能導致用戶隱私泄露和數據濫用。此外，社交媒體、網頁數據等由社會公眾編寫的權威性較低的內容未經篩選過濾，其中很可能包含虛假和反倫理的信息，“當數據集本身呈現出偏見時，由此衍生出的結果一定存在某種偏見”［20］。

規避上述障礙的策略主要有：完善隱私政策和使用目的，在協作學習中，教育者應明確告知學生ChatGPT的使用目的和如何保護用戶隱私，并獲得學生的明確同意。削減個人敏感數據的收集，避免獲取不必要的個人信息，如姓名、住址、身份證號碼等。采用匿名化和偽裝技術，如使用匿名賬戶等。同時，在使用ChatGPT時可以采用偽裝技術，如將教育者的語言和風格與ChatGPT混合使用，以保護學生隱私。

3.4 用戶接受度和使用意愿

ChatGPT作為一種新型技術，存在一定的技術門檻，需要用戶具備一定的技術素養和語言能力。此外，一些用戶可能對ChatGPT技術存在誤解，如誤認為ChatGPT會替代人工等，導致用戶對該技術的使用意愿降低。由于ChatGPT技術復雜晦澀，一些用戶可能難以理解其工作原理和使用方法，導致他們對該技術的接受度降低。并且由于ChatGPT是基于大規模語料庫的機器學習算法進行訓練的，對話質量可能受到數據質量和多樣性等因素的影響，導致生成的回復不穩定，從而降低用戶的接受度和使用意愿。因此，在推廣應用ChatGPT時，需要考慮用戶的接受度和使用意愿，并提供必要的培訓和支持。

為規避上述障礙，未來可以通過改進ChatGPT的算法和增加語料庫的方式提高對話質量。此外，還可以加入情感識別和情感回應等人性化設計，使ChatGPT更加適應用戶需求。同時，加強用戶教育與培訓，可以增進用戶對ChatGPT的了解，以提高用戶的使用意愿。未來可以通過開展線上和線下的培訓活動、制作教育視頻和文獻等方式來提高用戶的使用水平，讓用戶更好地了解ChatGPT的應用價值和應用方法。

3.5 應用場景和需求匹配

應用場景和需求的匹配程度可能影響ChatGPT的應用效果［21］。在高等教育協作學習中，不同的任務和場景需要不同類型的文本生成，如文獻綜述、實驗報告、任務指南等。ChatGPT生成的文本要與具體任務和場景相匹配，否則可能影響其應用效果。例如，用戶在需要進行大規模團隊協作時，ChatGPT作為一個基于對話的工具可能并不是最合適的選擇，導致用戶使用意愿降低。又如，用戶在使用ChatGPT時，需要花費大量時間和精力來學習其使用方法和操作技巧，而這些學習成本可能超出了用戶的承受范圍，導致用戶不愿意使用。

為掃清這些應用障礙，需要開展用戶調研和收集用戶反饋，深入了解用戶的需求和期望，從而針對性地進行功能和應用場景開發。持續進行技術創新和升級，不斷提高ChatGPT的技術能力，滿足用戶不斷變化的需求。需要建立靈活的系統，滿足多樣化需求，同時進行配置和定制化，讓用戶根據自身需求調整應用的設置。

4 結語

以ChatGPT為代表的生成式AI的崛起是人工智能領域的一次重大變革，也可能是由專用性人工智能轉向通用性人工智能的關鍵轉折點。這次重大變革不僅讓人們的生活變得更加便利和豐富，還通過改變生產模式和創新方式提升了社會生產力。在這個過程中，風險和機遇并存。在這樣的情況下，國內教育界應秉承實事求是的態度，在充分分析現實的基礎上制定有針對性的策略，兼顧好發展與規范。

首先，國內科技界應當結合中文話語特點，盡快研究和改進本土化GPT程序算法，以提升其中文生成語言的準確性和自然度，增強其在教育領域的本土適用性和實用性。

其次，應建立一套完善的數據管理和安全保障體制機制，確保用戶信息安全和知識的保密性，避免出現信息泄露和濫用的情況。

最后，要重視ChatGPT應用在教育過程中的人機交互和協同學習機制，為學生提供更加個性化和更具適應性的學習環境和支持，增強學生的學習效果。

ChatGPT作為一個新興的研究議題，未來有諸多問題值得進一步研究。比如，如何開發更多的ChatGPT應用場景，為人們提供更加便利和高效的服務？如何通過改進算法和技術，使ChatGPT更具協作性、人性化和適用性？總之，應以更加開放的態度面對人工智能，努力轉變傳統教育模式，積極推動教育與技術的深層次融合，讓學生更好地適應智能時代的發展需要才是根本。

參考文獻：

［1］ 范迪斯，博倫，朱德馬，等. ChatGPT：研究的五個優先事項［J］.自然，2023（9）：224-226.

［2］ 阿爾沙特.探索人工智能在提升學術成績中的作用： ChatGPT的案例研究［EB/OL］. Papers，https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=4312358，2023-03-03.

［3］ 克萊因.紐約市禁止學校使用ChatGPT.其他地區是否應該效仿？［EB/OL］. Edweek，https：//www.edweek.org/technology/new-york-city-blocks-chatgpt-at-schools-should-other-districts-follow/2023/01，2023-03-03.

［4］ 喬姆斯基.關于ChatGPT的觀點：這基本上是高科技抄襲和逃避學習的一種方式［EB/OL］. openculture，https：//

www.openculture.com/2023/02/noam-chomsky-on-chatgpt.html，2023-02-10.

［5］ 焦建利. ChatGPT：學校教育的朋友還是敵人？［J］.現代教育技術，2023（4）：5-15.

［6］ 趙建華，李克東.協作學習及其協作學習模式［J］.中國電化教育，2000（10）：5-6.

［7］ 王天恩. ChatGPT的特性、教育意義及其問題應對［J］.思想理論教育，2023（4）：19-25.

［8］ 吳砥，李環，陳旭.人工智能通用大模型教育應用影響探析［J］.開放教育研究，2023（2）：19-25，43.

［9］ 帕特爾，蘭姆. ChatGPT：電子病歷摘要的未來？［J］.《柳葉刀》數字醫療，2023（3）：107-118.

［10］ 陳永偉.超越ChatGPT：生成式AI的機遇、風險與挑戰［J］.山東大學學報（哲學社會科學版），2023（3）：127-143.

［11］ 王春蕾.協作學習策略初探［J］.中國電化教育，2002（8）：21-24.

［12］ 魯斯.不要禁止學校使用ChatGPT，用它來教學［EB/OL］.紐約時報，https：//www.nytimes.com/2023/01/12/technology/

chatgpt-schools-teachers.html，2023-01-12.

［13］ 盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應用與展望：以ChatGPT系統為例［J］.中國遠程教育，2023（4）：24-31，51.

［14］ 趙精武，王鑫，李大偉，等. ChatGPT：挑戰、發展與治理［J］.北京航空航天大學學報（社會科學版），2023（2）：188-192.

［15］ 卡迪爾. ChatGPT時代的工程教育：生成式人工智能在教育中的潛力與困境［EB/OL］. Researchgate，https：//www.researchgate.net/publication/366712815_Engineering_Education_in_the_Era_of_ChatGPT_Promise_and_Pitfalls_of_Generative_AI_for_Education，2023-03-03.

［16］ 湯普森.我的AI中有什么？對用于訓練GPT-1、GPT-2、GPT-3、GPT-NeoX-20B、Megatron-11B、MT-NLG和Gopher的數據集的綜合分析［EB/OL］. LifeArchitect，https：//LifeArchitect.ai/whats-in-my-ai，2023-03-05.

［17］ 張震宇，洪化清. ChatGPT支持的外語教學：賦能、問題與策略［J］.外語界，2023（2）：38-44.

［18］ 馮雨奐. ChatGPT在教育領域的應用價值、潛在倫理風險與治理路徑［J］.思想理論教育，2023（4）：26-32.

［19］ 王佑鎂，王旦，梁煒怡，等. ChatGPT教育應用的倫理風險與規避進路［J］.開放教育研究，2023（2）：26-35.

［20］ 賈詩威，閆慧.算法偏見概念、哲理基礎與后果的系統回顧［J］.中國圖書館學報，2022（6）：62.

［21］ 藍江.生成式人工智能與人文社會科學的歷史使命：從ChatGPT智能革命談起［J］.思想理論教育，2023（4）：12-18.

作者簡介：劉曉峰（1981—），男，山東濟寧人，博士，副教授，研究方向：社會治理現代化、技術治理。

介心如（2000—），女，河南鶴壁人，碩士在讀，研究方

向：技術治理。

基金項目：本論文為2019年度南京郵電大學教學改革研究項目“信息文科生學術拔尖人才培養模式研究”成果，項目編號：JG02419JX46