人機爭論探究法：一種爭論式智能會話機器人支持的學生高階思維能力培養模式探索

李海峰 王煒

[摘 ? 要] 大量學生利用生成式人工智能生成作業，導致了學生高階思維能力難以有效培養。在人機會話中嵌入“爭論噪音”，將是解決這一問題的可能途徑。研究采用準實驗研究設計，基于高階思維、建構主義和爭論學習理論，利用文心一言、學習分析和騰訊QQ等技術工具，開發了爭論式智能會話機器人，構建了人機爭論探究法教學模式。結果表明，實驗組的學習成績、批判性思維能力、問題解決能力和學習態度顯著優于對照組，但是創新能力效果不顯著。為提高人機爭論學習效果，教師需要構建特定的高階思維學習支架，優化人機爭論學習的算法機制，培養學生的人機爭論素養，研制師生機三元協同爭論機制。

[關鍵詞] 生成式人工智能； 高階思維； 教學模式； 人機協同； 智能教育

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 李海峰（1978—），男，河北唐山人。副教授，博士，主要從事計算機支持的協作學習研究。E-mail：tangshanlhf@163.com。

一、生成式人工智能教育應用現實困境與

破解之路

生成式人工智能對教學產生了積極影響。它不僅為大規模個性化學習提供了有力支撐[1]，而且其語境持續問答、質疑前提和承認錯誤[2]等能力，為人機協同逐漸替代班級授課制提供可能[3]。此外，它將成為高智商的智能學伴，輔助學生完成繁瑣的學習任務。然而，其對學生學習也產生了消極影響。許多學生直接用其生成作業，替代了學生思維[4]，削弱了他們的高階思維能力[5]和獨立思考的意識與能力[6]，反饋的類人表達進一步加劇了這一影響。

解決這些問題的方案可能是，使學生持續參與到鼓勵學生高階思維能力的討論中[5]。本研究認為，人機會話需要融入“爭論噪音”干預機制，智能引導人機參與爭論式問題解決，從而可能避免學生過度依賴技術和輕信反饋信息，引導學生批判性思考和創造性地解決問題。為此，本文嘗試基于高階思維、建構主義和爭論學習理論，利用文心一言、學習分析和騰訊QQ等技術工具，開發爭論式智能會話機器人，構建促進學生高階思維能力的人機爭論探究法教學模式。

二、人機爭論探究法的基本原理與關鍵技術

（一）理論基礎

1. 高階思維

高階思維存在認知高階說、核心素養說和通用高階說三種界說。認知高階說指布魯姆教育目標認知過程維度的分析、評價和創造能力；核心素養說指學生發展核心素養總體框架[7]中的批判質疑、勇于探究和問題解決等能力；通用高階說指人們普遍認可的批判性思維、問題解決和創新等能力[8]。爭論式智能會話機器人，需要能夠引導學生進行批判性思考、問題解決和創新探索，提供高階思維能力學習支架，促進學生高階思維能力提升。

2. 建構主義

建構主義理論認為[9]，知識是一種假設、解釋或者暫時性的認識，學習是自我建構認知圖式的過程，不能通過直接傳授知識促使學習發生。智能會話機器人不僅需要消解智能喂養，引導學生自我知識建構，批判性地理解反饋內容，而且需要利用案例、體驗或者實踐等方式，促進群體互動交流、邏輯推理和爭論學習。會話是知識建構的關鍵途徑，智能會話機器人需具有誘發學生參與人機、人際深度探究的能力。

3. 爭論學習

爭論（Argument）是高階思維能力培養的重要途徑[10]，是一個評估和辯護主張或者觀點的過程[11]。圖爾明（Toulmin）的論證模型[12]是代表性的爭論學習模型，涵蓋根據、觀點、限定、辯駁、保證和支持六個要素。智能會話機器人需要依據圖爾明的論證模型，參與和引導人機群體爭論學習，如主動質疑、發起反駁和思考條件等。這將有助于消解過度依賴技術和盲目相信反饋信息的問題，促進學生高階思維能力發展。

（二）學習發生機制

人機爭論探究法能否促進高階思維能力，取決于人機會話如何從“智能喂養”轉向“人機爭論”。為此，本文構建了人機爭論學習發生機制模型，由大語言模型、學習者以及他們之間的信息傳輸三個部分組成，如圖1所示。模型探究了人機爭論學習的發生原理，刻畫了人機爭論學習過程的關鍵要素及其邏輯關系，描述了人機爭論促進高階思維能力的知識傳播機制。

1. 生成噪音誘發爭論機制

大語言模型由認知黑箱和程序接口組成，可以根據信息提示生成類人的、系統的和流暢的反饋信息，簡化了以往理解、分析和篩選搜索引擎反饋信息的復雜過程。然而，這不僅導致許多學生忽視了對反饋信息的分析、甄別和批判，而且助長了他們不愿批判、創造或解決問題的學習態度。解決這一問題的主要方法是，在請求與反饋的人機問答過程中，利用大語言模型、學習分析和人工智能技術生成“爭論噪音”?！盃幷撛胍簟睍蚱迫藱C問答方式，嵌入質疑或引導相互批判?；趫D爾明的論證模型，智能地在人機會話中嵌入“爭論噪音”，誘發學習者與大語言模型進行批判性會話。

2. 角色設定驅動爭論機制

大語言模型在爭論學習方面存在兩個缺陷。其一，不具有主動引導學生爭論學習的功能。模擬課堂教師引發爭論學習的功能，是其促進學生高階思維能力的關鍵。學習系統可以利用學習分析和人工智能技術實時監測學習狀態，以此驅動智能會話機器人主動發起群體爭論學習。其二，未被設為爭論學習角色。智能會話機器人需要以“爭論式教師”的角色存在。賦予大語言模型的爭論角色，是使反饋信息嵌入“爭論噪音”的關鍵?！盃幷撛胍簟睂⒖赡芤饘W生對反饋內容的關注，阻止學生成為“知識搬運工”，促進學生高階思維能力發展。

3. 誘導群體參與爭論機制

高階思維能力培養需要學習共同體加持，然而原始大語言模型只支持一對一的問答活動，這就需要創建人機群體爭論學習空間和學習誘導機制。群體爭論有兩個主要路徑：其一，利用角色設定驅動爭論，實現多個個體與大語言模型的爭論學習；其二，利用“爭論噪音”誘導群體參與爭論學習?！盃幷撛胍簟笔窃诜答佇畔⒅腥谌搿罢撟C”噪音，使學生對其產生質疑、分析、批判或者改進的意識與行為。與此同時，智能會話機器人需要引導學生參與噪音解決。這就需要基于會話內容的分析結果，隨機或者根據學情抽取學生，引導他們對會話內容進行評價、批判甚至反駁。

（三）爭論式智能會話機器人

根據人機爭論學習發生機制，智能會話機器人需要具備三個功能：能將批判性爭論嵌入到人機會話過程中、能激發學習者參與人機爭論學習互動、能智能地提供學習支架。據此，研究團隊基于文心一言、學習分析和騰訊QQ等技術工具，開發了爭論式智能會話機器人“智慧學伴”及其學習系統，如圖2所示。

1. 大語言模型系統

大語言模型系統是基于文心一言構建的，是人機爭論學習的核心功能?！盃幷撃芰Α蓖ㄟ^角色設定和誘發爭論實現。第一，爭論角色設定。文心一言提供了角色設定功能，可使反饋內容聚焦特定領域，或者體現特定角色特征。根據爭論學習需求，文心一言的系統角色被設為“具有爭論能力和高階思維能力的遠程教育學教師”。第二，誘發爭論。為了激發學習者主動進行爭論學習，智慧學伴需根據會話內容誘發學生爭論，如圖3所示。智慧學伴利用文心一言分析和判斷會話內容是否為觀點，如果會話內容屬于觀點，那么系統就會從支架數據庫中調用學習支架，引導人機、人際進行爭論學習。

2. 數據中心系統

數據中心系統是數據存取中心，包括四個數據庫。會話數據庫存儲人機會話數據，利用QQ代理服務器獲取和存儲會話時間戳、QQ號碼和會話內容等信息。作業數據庫存儲智慧學伴為學習者推送的系列問題，這些問題由教師根據學習目標設計。支架數據庫存儲促進批判性思維、創造性思維和問題解決能力的各種學習支架。情感數據庫存儲情感符號或者情感話語，它們是教師設計和篩選的一系列鼓勵學習者持續爭論學習的情感語言。

3. 爭論會話智能調度系統

爭論會話智能調度系統是人機爭論學習的智能調控中心。爭論內容可以利用文心一言的角色設定進行智能調度，使人機會話內容始終聚焦遠程教育。針對學習者難以自發進行爭論學習的問題，教師可以通過分析、觀察和訪談，確定任務類型、爭論激勵和情感支持的智能發布時機和頻率。此外，智慧學伴需要在人機、人際互動過程中，適切地誘發、引導和保持爭論。爭論時機是利用文心一言對會話內容進行判定。

4. 學習空間系統

學習空間系統提供了三個主要功能。第一，群體學習空間。該空間是基于QQ群功能實現的，教師、智慧學伴和學生共同構成了學習共同體。第二，智能爭論學習服務。智慧學伴利用學習分析技術為學生提供學習服務，包括會話服務、爭論服務、誘發服務和激勵服務，這些服務在智能引擎的驅動下完成。第三，服務器數據通訊。QQ代理服務器是數據樞紐，負責智能驅動智慧學伴、關聯文心一言、連接QQ服務器、傳輸學習狀態數據。

5. 智能引擎系統

智能引擎系統是智慧學伴的智能核心。第一，智慧學伴通過QQ代理服務器，實時監測學習狀態，根據學生@智慧學伴的事件，向文心一言發送請求、解析反饋信息、與學生交流。第二，學習分析用于分析會話情感、互動關系和評估觀點；智能監控用于監控學習狀態和實施學習干預；智能支架是基于學習分析結果向學習者智能推送學習支架；任務推送是根據設定的時間節點，定時向小組推送學習任務。第三，智能引擎系統是各系統的連接樞紐，負責調度不同系統，實時處理用戶請求和反饋信息。

三、人機爭論探究法教學模式

（一）教學模式基本內容

人機爭論探究法旨在消解智能喂養問題，促進學生批判性思維、問題解決和創新能力發展。為此，本研究基于人機爭論探究法學習發生機制，以傳統翻轉課堂教學模式為基礎，利用智慧學伴，構建了人機爭論探究法教學模式基本框架，如圖4所示。

1. 課前：人機協同爭論探究自主學習

學生課前學習由自學線上課程、人機爭論學習和人機協同作業組成。教師為學生自學提供課中內容對應的線上課程。人機爭論學習發生在學習網課之后，旨在增加學生與智慧學伴爭論的共同經驗。人機協同作業在人機爭論學習之后或者過程中完成，這一過程嵌入了“論證噪音”。人機協同作業與人機爭論學習存在較多同步，也經常迭代循環。人機爭論學習將傳統視頻學習方式，轉變為人機爭論學習，實現了個性化、及時性的討論交流。

智慧學伴為爭論學習提供支持。它不僅定時向小組發送學習任務，而且智能引導爭論、推送學習支架和做出決策。智慧助教會根據時間節點或者學習狀態，實時呈現社會網絡、會話情感和會話數量。教師的作用依然不可或缺。教師需要根據教學目標從學習內容中萃取一系列問題，按照復雜程度、內在邏輯和認知特點依次排列。為彌補智慧助教引導爭論學習的不足，教師需要根據分析結果動態調整任務難度和智慧學伴功能。

2. 課中：群體協同爭論探究問題解決

課中以群體協同爭論探究的方式解決課前遇到的問題。第一，教師隨機邀請一位學生到講臺，由其針對問題進行分析、舉例或提出解決方案，然后師生圍繞問題進行爭論探究。第二，教師呈現討論問題后，組織小組與智慧學伴爭論學習。其余時間是師生和生生爭論學習，防止過度依賴智慧學伴、課前課中不認真學習。第三，在采訪式爭論探究過程中，教師邀請其他學生解決師生之間的爭論，促進群體爭論學習共同體的形成。

智慧學伴和教師的課中角色與課前相比差異較大。首先，智慧學伴的使用頻率明顯降低，主要用在小組互動階段。智慧學伴主要為小組爭論學習提供爭論引導，分析會話數量、會話情感和社會互動等。其次，教師的作用與課前相比明顯增加，在師生爭論、群體爭論和過程評價等方面具有主導作用。教師負責組織師生開展訪談式爭論學習，引導學生對序列問題逐一爭論，如提供學習支架、引入第三方爭論、群體解決爭論難點等。

3. 課后：人機協同爭論完善問題方案

首先，這一階段的首要環節是萃取問題，目的是分析、整理和凝練課中討論發現的問題，明晰問題解決方案中需要改進的關鍵問題。其次，學生和智慧學伴進入了人機爭論探究階段，智慧學伴通過爭論引導、爭論支架和爭論評估等方式，引發學生對問題解決方案的創新思考和探究，從而持續完善問題解決方案。最后，通過人機爭論探究和完善問題方案兩個階段的持續迭代循環，進一步析出方案中存在的問題，再次進入人機爭論探究學習過程。

智慧學伴和教師的角色和作用，與課前相比基本相同。智慧學伴以方案完善為目的，與學習者進行方案問題分析、論證爭論和動態學習評價。教師輔助學生完善問題解決方案，如萃取方案問題、人機協同探究、適度引導爭論和組織作品分享。教師的作用是進一步培養學生的高階思維能力，引導學生去解決方案中遇到的問題。作品分享是教師組織學生在平臺上分享作品，引導學生進行相互評價、經驗交流和方案改進。

（二）教學模式基本策略

1. 論證型人機爭論學習

以人機“論證”構建人機爭論學習，是促進高階思維能力的主要途徑，涉及人機論證的過程、關系和智能化。人機論證過程以圖爾明的“根據、觀點、限定、辯駁、保證和支持”論證過程實施爭論學習。人機論證關系是教師通過程序和算法設計，賦予智慧學伴與學生主動爭論學習的能力。人機論證智能化是借助大語言模型、學習分析和人工智能等技術，賦予智慧學伴辨別學生觀點、人機爭論學習或者隨機引入他者參與爭論學習的能力。

2. 智能化爭論學習支架

智能提供爭論學習支架，是人機爭論探究成功的關鍵。爭論學習支架由教師根據研究問題或者高階思維培養目標，設計和開發的一系列學習支架。根據圖爾明的論證模型、批判性思維、創造性思維和問題解決的基本要素，本研究開發了一系列人機爭論學習支架。智慧學伴利用學習分析和人工智能技術，通過識別和分析會話內容，智能地從學習支架數據庫中選取和推送學習支架，引導學生與智慧學伴、同伴進行爭論學習。

四、教學實驗

（一）研究設計

1. 實驗對象

實驗對象來自某大學教育技術學專業的2021級1班和2班。學生沒有使用大語言模型學習的經歷，參與過翻轉課堂學習。兩個班學生的學習績效、批判性思維能力和問題解決能力等前測結果不存在顯著性差異。2021級1班被隨機選為實驗組，2班作為對照組。

2. 實驗設計

學習內容是“遠程教育學”課程的相關內容。教學實驗采用不相等實驗組對照組前測后測準實驗研究設計。自變量是教學方式，實驗組采用人機爭論探究法教學模式，對照組采用傳統翻轉課堂教學模式。根據研究目的和研究問題，因變量包括學習績效、批判性思維能力、問題解決能力、創造性思維能力和學習態度。實驗時間從2023年9月1日—28日，在實驗的最后一天測量因變量。

3. 研究假設

根據對人機爭論探究法的理論基礎、學習發生機制、智慧學伴和教學模式等理論與技術的論證，人機爭論探究法與傳統翻轉課堂教學模式相比，能夠顯著提升學生的學習績效、高階思維能力和學習態度。因此，本研究對實驗組總體平均數μ1和對照組總體平均數μ2提出如下假設，零假設為H0：μ1=μ2，備擇假設為H1：μ1≠μ2 。

4. 測量工具

學習績效利用試卷測評。試卷由兩位經驗豐富的教師共同編寫，包括單項選擇題和多項選擇題共29道。批判性思維能力采用批判性思維傾向量表（Cronbach's α=0.83）測量，問題解決能力采用問題解決能力量表（Cronbach's α=0.78）[13]測量，創造性思維能力采用創造性思維傾向量表（Cronbach's α=0.83）[14]測量，學習態度采用學習態度量表（Cronbach's α=0.79）[15]測量。各量表的因子載荷和信度均滿足有效性臨界值標準[16]。量表采用五點李克特量表進行設計，1代表完全不同意，并在量表中設置了3個測謊題。各測量維度的得分總和，代表學生的能力或者態度。

（二）研究結果

為了排除前測對后測統計產生的影響，實驗數據采用單因素協方差分析。兩組學生的前測數據斜率系數一致性統計檢驗結果均不顯著，如學習成績（F=0.06，p>0.05）、批判性思維能力（F=1.97，p>0.05）、問題解決能力（F=3.13，p>0.05）、創造性思維能力（F=0.90，p>0.05）、學習態度（F=1.02，p>0.05），表明單因素協方差分析能夠分析兩組學生的后測數據。單因素協方差分析檢驗結果見表1。

（三）討論與結論

1. 人機爭論探究法對學生批判性思維能力的影響

人機爭論探究法顯著提升了學生的批判性思維能力，這與已有部分研究結果一致[18]。爭論噪音使學生不再是個性化智能喂養對象，問題解決方案通過人機爭論才能逐步明確。批判性思維學習支架的智能推薦，有助于人機持續深度爭論學習。然而，這一研究結果與已有部分研究結果存在分歧[19]。主要原因是，以往智能聊天機器人的人機互動體驗較差，缺乏人機爭論學習的機制設計。此外，學生將聊天機器人看作問題解決的直接幫助者，或者問題解決方案的索取對象，而不是看作爭論學習的智慧學伴，其批判性思維在這一過程中難以得到有效培養。

2. 人機爭論探究法對學生創新思維能力的影響

研究結果未能證實大語言模型能夠提升學生創新思維能力的猜想[20]，也未消解不能促進創新思維能力的擔憂[21]，主要原因是學生創新思維能力需要長時間培養。然而，學生認為，這種教學方法“極大地激發了學生的自主思考能力”“能引導我們探究新的想法”“對思維方式很有提升”。顯然，人機爭論探究法對學生的創新思維能力具有積極的影響。智慧學伴像一位專家型教師，能夠引導學生開展人機爭論學習，為涌現出新的想法提供了諸多支持。創新思維學習支架及其智能推送，也為誘發學生創新靈感提供了重要的引導支持。

3. 人機爭論探究法對學生問題解決能力的影響

人機爭論探究法能夠顯著提升學生的問題解決能力，消解了其不能促進問題解決能力的質疑或者猜想[22]。大語言模型的直接使用導致了許多學生很少分析問題、探索方案和檢驗假設，人機爭論探究法有力地遏制了這些消極學習行為，引導學生發現問題、探索方案、爭論假設、創新解決路徑。在課前、課中和課后的人機爭論學習過程中，學生直接生成作業的行為顯著減少，與智慧學伴持續討論的學習行為逐漸增多。在人機爭論學習過程中，學生逐步學會了如何去發現問題、分析問題和解決問題。學習支架的智能推送促進了學生問題解決學習行為的深度發展，減少了問題解決學習活動的中斷現象。

4. 人機爭論探究法對學生學習成績的影響

人機爭論探究法能夠顯著提升學習成績，這與已有研究結果一致[23]?；诖笳Z言模型的智慧學伴，超出了以往聊天機器人的學習支持能力，不僅滿足了學生的個性化學習需求，而且提供了卓越的會話體驗和學習滿足感。學生經常在學習小組中表揚智慧學伴，諸如“你太聰明了”“你回答的太好了”“好棒”。卓越的學習體驗提高了學習空間的學習粘性，使學生愿意參與人機爭論學習。人機爭論學習是提升學習成績的關鍵，避免了學生直接利用大語言模型完成作業。通過不斷的人機爭論學習，學生對知識的理解和掌握程度明顯提升，學生的學習成績得到顯著提高。

5. 人機爭論探究法對學生學習態度的影響

人機爭論探究法能夠顯著提升學生的學習態度，這與已有研究結果一致[19，24]。智慧學伴不僅能夠滿足學生的個性化學習需要，而且能夠激發學生的學習興趣。基于大語言模型的智慧學伴，能夠進行高質量的類人回答、邏輯推理和爭論學習，這些能力已經超越了以往許多智能導師、智慧學伴和問答機器人。學生與智慧學伴之間形成了真正的學習伙伴關系，他們更愿意與智慧學伴溝通交流和爭論學習。智慧學伴的爭論學習機制，增加了學生的學習興趣和探究動機。它像一位專家型教師一樣，能夠主動引導學生進行爭論學習。學生認為，“智慧助教像老師一樣經常給我們舉例，引導我們互動交流、批判反思……”

五、研究建議

（一）構建特定的高階思維學習支架

對人機爭論素養較低的學生而言，提供完善的學習支架尤為重要。生成式人工智能時代的學生高階思維能力培養，更需要相應的人機爭論學習支架支持。教師需要根據爭論學習的需要，構建適合不同學科、不同內容或者不同群體的爭論學習支架。譬如，本研究的爭論學習支架，是針對本科生和“遠程教育學”課程構建的，體現的是特定學習群體的認知能力、理解能力和學習領域。從人機爭論學習的理論基礎看，人機爭論學習支架體現的是圖爾明論證的基本過程和高階思維能力培養目標。如果教師打算培養學生的另一種爭論能力，就需要基于相應的理論基礎構建相應的爭論學習支架。

（二）優化人機爭論學習的算法機制

人機爭論學習是利用文心一言、學習分析和人工智能等技術，以高階思維、建構主義和爭論學習理論為指導，構建的人機爭論學習機制。為了提高人機爭論學習的質量和效果，人機爭論探究法需要優化人機爭論學習的算法機制。目前的爭論學習機制主要來自兩個方面，包括爭論學習支架機制和爭論學習決策機制。前者主要利用開發的學習支架，根據學習分析的結果，智能地為學生提供爭論學習支持；后者利用文心一言判斷爭論學習的時機、推送學習內容、誘發人機爭論學習。為了優化人機爭論學習機制，教師需要明確爭論學習中遇到的問題，利用機器學習、學習分析和大語言模型，精準預測和支持爭論學習的時機、深度和持續發展。

（三）培養學生的人機爭論學習素養

爭論學習需要學生具有人機爭論學習素養。生成式人工智能時代，學生的獨創性能力、批判性思維能力和創新能力尤為重要，爭論的主動意識、行為和敏銳度是人機爭論學習必備的能力和素養。學生的人機爭論學習素養需要從兩方面培養。第一，教師需要教授學生與大語言模型進行爭論學習的策略、知識和技能，提升人機爭論學習的有效性、準確性和適切性，如提問方式、提問策略、提問用語和凝練問題等。第二，學生要善用爭論學習支架，需要熟悉爭論學習支架的具體內容，掌握爭論學習支架的使用技巧。教師可通過教授學習支架的使用技巧，提升他們使用學習支架進行人機爭論的學習效果。

（四）研制師生機三元協同爭論機制

“以人為師”在生成式人工智能時代依然具有主導地位[25]。大語言模型難以應對在地化知識爭論，難以處理偶發性的爭論學習需求。為此，教師需要參與人機爭論學習，為人機爭論學習中遇到的問題和在地化知識的爭論學習提供幫助。本研究以教師和智慧助教“合體”的方式，實現高質量的人機爭論學習，使人機爭論學習具有真實性、高智能和適切性?！昂象w”是指教師根據學生與智慧學伴的爭論學習狀況，通過系統后臺以智慧學伴的身份隨時與學生進行爭論，從而實現教師和智慧學伴的有機融合。這種有機融合彌補了大語言模型處理在地化知識的能力不足，提升了智慧學伴的學習系統粘性。

[參考文獻]

[1] 周玲，王烽.生成式人工智能的教育啟示：讓每個人成為他自己[J].中國電化教育，2023，30（5）：9-14.

[2] ChatGPT： optimizing language models for dialogue[DB/OL].（2022-12-30）[2023-09-29].https：//openai.com/blog/chatgpt/.

[3] 陳玉琨.ChatGPT/生成式人工智能時代的教育變革[J].華東師范大學學報（教育科學版），2023，41（7）：103-116.

[4] 吳慮，楊磊.ChatGPT賦能學習何以可能[J].電化教育研究，2023，44（12）：28-34.

[5] PUTRA F W， RANGKA I B， AMINAH S， ADITAMA M H R. ChatGPT in the higher education environment： perspectives from the theory of high order thinking skills[J]. Journal of public health，2023，45（4）：840-841.

[6] 張絨.生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，44（2）：5-14.

[7] 核心素養研究課題組.中國學生發展核心素養[J].中國教育學刊，2016，37（10）：1-3.

[8] LI W， HUANG J Y， LIU C Y， TSENG J C R， WANG S P. A study on the relationship between students' learning engagements and higher-order thinking skills in programming learning[J]. Thinking skills and creativity，2023，49（3）：1-38.

[9] 陳琦，張建偉.建構主義學習觀要義評析[J].華東師范大學學報（教育科學版），1998，16（1）：61-68.

[10] LAZAROU D， ERDURAN S， SUTHERLAND R. Argumentation in science education as an evolving concept： following the object of activity[J]. Learning， culture and social interaction， 2017，14（3）：51-66.

[11] NAYLOR S， KEOGH B， DOWNING B. Argumentation and primary science[J]. Research in science education，2007，37（1）：17-39.

[12] TOULMIN S. The uses of argument[M]. New York： Cambridge University Press， 2003.

[13] HWANG G J， CHEN C H. Influences of an inquiry-based ubiquitous gaming design on students' learning achievements， motivation， behavioral patterns， and tendency towards critical thinking and problem solving[J]. British journal of educational technology， 2017，48（4）：950-971.

[14] HWANG G J， YANG L H， WANG S Y. A concept map-embedded educational computer game for improving students' learning performance in natural science courses[J]. Computers & education， 2013，69（9）：121-130.

[15] HWANG G J， CHIU M C， HSIA L H， CHU H C. Promoting art appreciation performances and behaviors in effective and joyful contexts： a two-tier test-based digital gaming approach[J]. Computers & education， 2023，194（3）：1-15.

[16] HAIR J F， BLACK W C， BABIN B J， ANDERSON R E. Multivariate data analysis[M]. 7th ed. New York： Prentice Hall，2010.

[17] COHEN J. Statistical power analysis for the behavioral sciences[M]. New York： Lawrence Erlbaum Associates，1988： 284-288.

[18] ZHANG R F， ZOU D， CHENG G. Chatbot-based training on logical fallacy in EFL argumentative writing[J]. Innovation in language learning and teaching， 2023，17（4）：1-14.

[19] DENG X J， YU Z G. A meta-analysis and systematic review of the effect of chatbot technology use in sustainable education[J]. Sustainability， 2023， 15（4）：1-19.

[20] JOHNSON A. ChatGPT in schools： here's where it's banned and how it could potentially help students[DB/OL].[2023-01-18]. https：//search.ebscohost.com/login.aspx？direct=true&db=buh&AN=161363470&lang=zh-cn&site=ehost-live.

[21] 馮建軍.我們如何看待ChatGPT對教育的挑戰[J].中國電化教育，2023（7）：1-6，13.

[22] 朱永新，楊帆.ChatGPT/生成式人工智能與教育創新：機遇、挑戰以及未來[J].華東師范大學學報（教育科學版），2023，41（7）：1-14.

[23] CHANG C Y， HWANG G J， GAU M L. Promoting students' learning achievement and self-efficacy： a mobile chatbot approach for nursing training[J]. British journal of educational technology， 2022， 53（1）：171-188.

[24] CHANG C Y， KUO S Y， HWANG G H. Chatbot-facilitated nursing education： incorporating a knowledge-based chatbot system into a nursing training program[J]. Educational technology & society， 2022， 25（1）：15-27.

[25] 郭順峰，李光，鄒紅軍.ChatGPT引發的“以人為師”合法性危機與應對——于技術批判理論視角[J].電化教育研究，2023，44（11）：28-35.

Human-Machine Arguing Inquiry Method： An Exploration of A Model for

Cultivating Students' Higher-order Thinking Ability Supported by

An Argumentative Intelligent Chatbot

LI Haifeng， ?WANG Wei

（School of Educational Science， Xinjiang Normal University， Urumqi Xinjiang 830017）

[Abstract] A large number of students use generative artificial intelligence to generate homework， which makes it difficult to effectively cultivate students' higher-order thinking ability. Embedding "argument noise" in human-machine conversations would be a possible way to solve this problem. Based on higher-order thinking， constructivism and argumentative learning theory， the study adopts quasi-experimental research design and uses Ernie Bot， Learning Analytics， Tencent QQ and other technical tools to develop argumentative intelligent chatbots and construct a teaching model of human-machine arguing inquiry method. The results show that the experimental group's academic performance， critical thinking ability， problem solving ability and learning attitude are significantly better than those of the control group， but the effect of innovation ability is not significant. In order to improve the effectiveness of human-machine argument learning， teachers need to build a specific learning scaffold for higher-order thinking， optimize the algorithmic mechanism of human-machine argument learning， cultivate students' human-machine argument literacy， and develop a teacher-student-machine ternary collaborative argument mechanism.

[Keywords] Generative Artificial Intelligence; Higher-order Thinking; Teaching Model; Human-Machine Collaboration; Intelligent Education