生成式人工智能賦能本科生科研能力培養(yǎng)

摘要：為促進(jìn)高等教育中高素質(zhì)創(chuàng)新人才培養(yǎng)，構(gòu)建以學(xué)生為中心的科研訓(xùn)練與課程教學(xué)整合模式是有效途徑。當(dāng)前基于課程的本科生科研體驗(yàn)（CUREs）教學(xué)模式雖在增強(qiáng)學(xué)生對(duì)科學(xué)本質(zhì)的理解等方面具有一定優(yōu)勢(shì)，但在激發(fā)學(xué)生研究動(dòng)機(jī)方面存在一些不足。將支持高效反饋的生成式人工智能ChatGPT引入人機(jī)協(xié)作研究過程中，有助于改善學(xué)生的科研體驗(yàn)，推動(dòng)科研項(xiàng)目化學(xué)習(xí)。通過對(duì)ChatGPT支持的CUREs教學(xué)模式的設(shè)計(jì)與實(shí)施，發(fā)現(xiàn)該模式有助于培養(yǎng)學(xué)生的科研能力，提升他們的科研知識(shí)水平、科研技能水平和科研情感水平。盡管學(xué)生認(rèn)同該教學(xué)模式的有效性和易用性，但其實(shí)際效果的發(fā)揮仍需人類智慧的參與。未來需要持續(xù)升級(jí)和優(yōu)化生成式人工智能技術(shù)，確保技術(shù)應(yīng)用高效且符合倫理標(biāo)準(zhǔn)；應(yīng)用生成式人工智能技術(shù)重構(gòu)教學(xué)模式，并通過長(zhǎng)周期、跨場(chǎng)域?qū)嵺`檢驗(yàn)其應(yīng)用效果；強(qiáng)調(diào)人工智能與人類智慧的互補(bǔ)協(xié)作，真正實(shí)現(xiàn)生成式人工智能賦能學(xué)生科研能力提升。

關(guān)鍵詞：生成式人工智能；ChatGPT；科研能力；CUREs；教學(xué)模式

中圖分類號(hào)：G434" "文獻(xiàn)標(biāo)識(shí)碼：A" " 文章編號(hào)：1009-5195（2024）03-0003-09" doi10.3969/j.issn.1009-5195.2024.03.001

基金項(xiàng)目：2023年度國(guó)家社會(huì)科學(xué)基金教育學(xué)一般項(xiàng)目“數(shù)據(jù)賦能的教師數(shù)字素養(yǎng)培養(yǎng)模式與可視化環(huán)境設(shè)計(jì)研究”（BCA230274）。

作者簡(jiǎn)介：吳忭，博士，教授，碩士生導(dǎo)師，華東師范大學(xué)教育信息技術(shù)學(xué)系（上海 200062）；李鳳鳴，碩士研究生，華東師范大學(xué)教育信息技術(shù)學(xué)系（上海 200062）；胡藝齡，博士，副教授，碩士生導(dǎo)師，華東師范大學(xué)教育信息技術(shù)學(xué)系（上海 200062）。

在我國(guó)大力推進(jìn)創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的政策背景下，培養(yǎng)學(xué)生的科研能力已經(jīng)成為高等教育的重要目標(biāo)之一。科研與教學(xué)相輔相成，設(shè)計(jì)并實(shí)施科研與教學(xué)相融合的課程體系，不僅有助于發(fā)展學(xué)生的科研能力，增強(qiáng)其綜合素質(zhì)，也有助于改善教育教學(xué)質(zhì)量，完善教育教學(xué)體系。隨著人工智能技術(shù)的迅猛發(fā)展，尤其是基于自然語(yǔ)言處理和機(jī)器學(xué)習(xí)等多項(xiàng)智能技術(shù)的生成式人工智能（如ChatGPT）的出現(xiàn)，有望為科研教學(xué)模式創(chuàng)新和學(xué)生科研能力提升提供重要支撐。為此，本研究嘗試設(shè)計(jì)生成式人工智能支持的本科生科研能力培養(yǎng)模式，將ChatGPT引入小組協(xié)作研究過程中，通過分析學(xué)生的科研表現(xiàn)與科研體驗(yàn)反思模式設(shè)計(jì)，推動(dòng)建立更為智能有效的科研能力培養(yǎng)體系。

一、文獻(xiàn)綜述

1.科研能力概念界定

科研能力是指?jìng)€(gè)體或團(tuán)隊(duì)探索未知領(lǐng)域，產(chǎn)出創(chuàng)新性成果所具有的能力，是一個(gè)較為復(fù)雜的概念，涉及認(rèn)知、元認(rèn)知、情感動(dòng)機(jī)等多維度因素（Stan et al.，2022）。基于科學(xué)的實(shí)用主義理論，B?ttcher等人（2018）構(gòu)建了具有跨學(xué)科屬性的科研能力評(píng)估模型“RMRC-K”。該模型側(cè)重從認(rèn)知角度建模，將科研能力劃分為研究現(xiàn)狀綜述技能、方法論技能、研究結(jié)果反思技能、傳播技能和理論知識(shí)5個(gè)方面。Stan等人（2022）通過系統(tǒng)梳理文獻(xiàn)，將科研能力模型拓展為6個(gè)維度，增加了非認(rèn)知維度，即“動(dòng)機(jī)和倫理技能”。本研究認(rèn)同該模型所反映的科研能力理念，即關(guān)注科研能力的實(shí)際表現(xiàn)，而非科研潛能。通過對(duì)相關(guān)文獻(xiàn)的分析整理，本研究嘗試構(gòu)建了指導(dǎo)學(xué)生科研能力培養(yǎng)和評(píng)價(jià)的科研能力模型（見圖1）。該模型包括三個(gè)維度，分別為“科研知識(shí)”（Liang et al.，2009）、“科研技能”（Feldon et al.，2019）和“科研情感”（Wessels et al.，2019），其中“科研技能”又包含“研究綜述技能”“方法論技能”“結(jié)果解讀技能”和“傳播技能”四項(xiàng)子技能。

2.科研能力培養(yǎng)的主要模式

為培養(yǎng)學(xué)生的科研能力和專業(yè)素養(yǎng)，科研訓(xùn)練與課堂學(xué)習(xí)的協(xié)同培養(yǎng)模式受到廣泛關(guān)注（黃崇偉等，2019）。基于課程的本科生科研體驗(yàn)（Course-Based Undergraduate Research Experiences，CUREs）是一種兼具包容性和實(shí)效性的教學(xué)模式，其為所有學(xué)生都提供了參與真實(shí)項(xiàng)目的機(jī)會(huì)（Meyer et al.，2023）。該教學(xué)模式包括5個(gè)基本要素：一是科學(xué)實(shí)踐，即需要相對(duì)完整的科研訓(xùn)練過程；二是發(fā)現(xiàn)新知，即學(xué)生需解決新問題，提出新見解；三是廣泛工作，即學(xué)生有機(jī)會(huì)參與超出課堂之外的研究工作；四是協(xié)作，即需要同伴交流反饋，改善元認(rèn)知；五是迭代，即需要學(xué)生通過迭代過程實(shí)現(xiàn)證據(jù)的修正和完善（Auchincloss et al.，2014）。相關(guān)研究表明，CUREs教學(xué)模式的實(shí)施不僅有助于增強(qiáng)學(xué)生的研究興趣、研究信心和自我效能感，也有助于增進(jìn)學(xué)生對(duì)于科學(xué)本質(zhì)的理解，實(shí)現(xiàn)跨學(xué)科的概念整合，培養(yǎng)學(xué)生“像科學(xué)家一樣思考”的能力（Pavlova et al.，2021；Yang et al.，2022；Witucki et al.，2023）。雖然CUREs教學(xué)模式對(duì)于學(xué)生科研能力培養(yǎng)具有一定優(yōu)勢(shì)，但在激發(fā)學(xué)生學(xué)習(xí)與研究動(dòng)機(jī)方面卻存在一些不足（Scogin et al.，2023）。因此，為幫助學(xué)生拓寬經(jīng)驗(yàn)、激發(fā)學(xué)習(xí)與研究動(dòng)機(jī)、改善協(xié)作并提高研究效率，在CUREs教學(xué)模式中整合能夠支持高效反饋的生成式人工智能助手ChatGPT或許是有效的解決方案。

3.ChatGPT賦能學(xué)生科研能力培養(yǎng)的實(shí)踐

ChatGPT支持類人交互，可以滿足廣泛的信息查詢需求（Temsah et al.，2023）。將ChatGPT引入科研學(xué)習(xí)中，可提供快速搜尋信息或建議的途徑，有助于學(xué)生提升科研效率并改善科研體驗(yàn)。相關(guān)研究表明，ChatGPT可以作為虛擬導(dǎo)師支持學(xué)生的學(xué)習(xí)與研究，不僅可以解答疑惑，也支持評(píng)估反饋（Choi et al.，2021；Nisar et al.，2023）。ChatGPT還可以為研究者提供知識(shí)經(jīng)驗(yàn)或思路框架，以及幫助總結(jié)研究工作以改善研究理解。在論文寫作上，ChatGPT可以輔助詞匯語(yǔ)法問題檢查，并提供改進(jìn)建議，以提高論文寫作效率。但是，ChatGPT的應(yīng)用也存在一定弊端，比如向?qū)W生提供虛假或有偏見的信息，以及導(dǎo)致學(xué)生過度依賴工具并出現(xiàn)抄襲行為等。為保證ChatGPT的便捷性不會(huì)導(dǎo)致學(xué)生出現(xiàn)懶惰或自滿心理，有研究者指出教學(xué)活動(dòng)設(shè)計(jì)應(yīng)當(dāng)在人工智能和人類智能之間取得平衡（Ray et al.，2023）。學(xué)生僅依靠ChatGPT提供的教育資源是不可取的，還需要通過文獻(xiàn)查閱等其他方式評(píng)估答案的有效性，或者通過向ChatGPT提供具體提示，以獲取準(zhǔn)確性更高的回答（Seetharaman，2023；Sevgi et al.，2023）。

綜上，為了更全面地了解生成式人工智能對(duì)學(xué)生科研能力的影響，本研究嘗試從課程教學(xué)模式層面探討以下兩個(gè)問題：（1）ChatGPT支持的CUREs教學(xué)模式是否會(huì)改善學(xué)生的科研能力表現(xiàn)？（2）學(xué)生對(duì)于ChatGPT支持的CUREs教學(xué)模式表現(xiàn)出的參與意愿是怎樣的？

二、研究設(shè)計(jì)

1.研究對(duì)象

本研究的研究對(duì)象來自華東地區(qū)某高校教育技術(shù)專業(yè)本科二年級(jí)的21名學(xué)生（男6人，女15人），研究情境依托“學(xué)習(xí)科學(xué)與技術(shù)”這一專業(yè)導(dǎo)論課程。該課程共持續(xù)36課時(shí)，并在ChatGPT支持的CUREs教學(xué)模式下實(shí)施。學(xué)生被隨機(jī)分組，以3人小組形式參與課程，并與ChatGPT智能學(xué)伴組成人機(jī)協(xié)作研究小組。學(xué)生在課程參與前后分別需完成針對(duì)科研知識(shí)、科研技能和科研情感的能力評(píng)估，并在課程項(xiàng)目結(jié)束后接受參與意愿調(diào)研。

2.教學(xué)模式設(shè)計(jì)

本研究設(shè)計(jì)了一種以學(xué)生為中心、以CUREs科研迭代模式為基礎(chǔ)，支持人機(jī)協(xié)同開展學(xué)習(xí)與研究的教學(xué)模式（見圖2）。在該模式下，學(xué)生以小組形式參與課堂，在選定研究主題后首先進(jìn)行專題分享，分享內(nèi)容包括但不限于相關(guān)的理論概念、案例資料與評(píng)價(jià)觀點(diǎn)。為完成課堂分享討論任務(wù)，學(xué)生需在課前搜集資料、閱讀文獻(xiàn)、準(zhǔn)備演講文稿，并設(shè)計(jì)課堂互動(dòng)。課堂分享結(jié)束后，師生就研究主題相關(guān)問題展開討論交流，以實(shí)現(xiàn)對(duì)學(xué)習(xí)科學(xué)理論概念的學(xué)習(xí)。在對(duì)研究領(lǐng)域有了基本認(rèn)知后，學(xué)生被賦予學(xué)習(xí)科學(xué)家的角色，開展學(xué)習(xí)科學(xué)主題研究。在科研活動(dòng)開展前，教師會(huì)采用工作坊形式開展知識(shí)講座。在科研活動(dòng)開展過程中，教師會(huì)設(shè)置小組討論交流環(huán)節(jié)，了解各小組的科研進(jìn)展，分別給予一定的意見反饋。但對(duì)于授課教師來說，關(guān)注到每個(gè)小組的研究進(jìn)程，并給予具體的反饋建議是有一定困難的。ChatGPT智能學(xué)伴則可彌補(bǔ)此不足，不僅可以為學(xué)生提供更具針對(duì)性的指導(dǎo)和幫助，也使得科研學(xué)習(xí)能突破時(shí)空界限。同時(shí)，ChatGPT智能學(xué)伴記錄的人機(jī)交互數(shù)據(jù)可作為教師開展形成性評(píng)價(jià)的依據(jù)，協(xié)助教師推動(dòng)學(xué)生的科研項(xiàng)目化學(xué)習(xí)進(jìn)程，進(jìn)而實(shí)現(xiàn)人機(jī)共育的目標(biāo)。

在科研任務(wù)開始前，教師將ChatGPT智能學(xué)伴引入?yún)f(xié)作研究小組，引導(dǎo)學(xué)生認(rèn)識(shí)ChatGPT的工作原理，同時(shí)也提供了交互策略，即“提示工程”。為獲取全面準(zhǔn)確的回答，學(xué)生需要明確提示元素，具體包括一個(gè)必要元素和三個(gè)可選要素，其中“指令”為必要元素，即學(xué)生希望智能學(xué)伴執(zhí)行的具體任務(wù)。可選要素包括三個(gè)：一是背景，即上下文信息，以獲取更好的反饋；其余兩個(gè)分別是數(shù)據(jù)輸入和輸出，即需要處理的數(shù)據(jù)文本和所需的數(shù)據(jù)類型。在撰寫提示時(shí)，學(xué)生需采用“必要元素＋一個(gè)或多個(gè)可選元素”的提示框架與ChatGPT開展交流互動(dòng)。同時(shí)，學(xué)生可以采用適當(dāng)策略，提高問答效率。比如，在面對(duì)某些難以描述的場(chǎng)景時(shí)，學(xué)生可采取“示例”策略增加案例說明；還可采取“角色策略”增加提示語(yǔ)，讓ChatGPT進(jìn)行角色扮演，以生成更符合需求的內(nèi)容。

本研究采用ChatGPT支持的CUREs教學(xué)模式實(shí)施教學(xué)，為人機(jī)協(xié)作小組提供了參與科研過程并產(chǎn)出科研成果的機(jī)會(huì)。首先，學(xué)生需明確學(xué)術(shù)規(guī)范，關(guān)注應(yīng)答的真實(shí)性。在形成的研究報(bào)告中，學(xué)生不能直接引用ChatGPT生成的結(jié)果，而需在引用位置明確標(biāo)注，并在報(bào)告結(jié)尾部分說明每位組員對(duì)于本研究的具體貢獻(xiàn)以及ChatGPT在其中扮演的角色及其貢獻(xiàn)。其次，在學(xué)生通過文獻(xiàn)閱讀獲取理論概念并確定研究問題的過程中，智能學(xué)伴不僅可以作為文獻(xiàn)檢索助手，提供參考文獻(xiàn)；也可作為文獻(xiàn)閱讀助手，總結(jié)文獻(xiàn)內(nèi)容；還可以支持廣泛查詢，幫助學(xué)生解疑答惑，以及支持學(xué)生開展頭腦風(fēng)暴。再次，在解決研究問題的過程中，ChatGPT智能學(xué)伴支持學(xué)生進(jìn)行方案設(shè)計(jì)、收集分析數(shù)據(jù)，以及獲取研究結(jié)果。例如，ChatGPT智能學(xué)伴可補(bǔ)充方法論技能，充當(dāng)數(shù)據(jù)分析工具，降低學(xué)生的工具學(xué)習(xí)壓力。ChatGPT智能學(xué)伴同樣支持研究結(jié)果的解讀分析，支持學(xué)生進(jìn)行反思比較，以及論文輔助潤(rùn)色。最后，在研究報(bào)告撰寫完成后，小組間就研究成果展開互評(píng)交流，ChatGPT智能學(xué)伴還能支持學(xué)生反思修改，提高迭代效率。

3.數(shù)據(jù)收集和分析工具

為回答“ChatGPT支持的CUREs教學(xué)模式是否會(huì)改善學(xué)生的科研能力表現(xiàn)？”這一研究問題，我們通過對(duì)前后測(cè)問卷進(jìn)行差異性分析來探究學(xué)生在“科研知識(shí)”和“科研情感”兩個(gè)維度的變化，以及通過教師評(píng)估科研成果的方式來分析學(xué)生的科研技能掌握情況，并結(jié)合訪談數(shù)據(jù)分析ChatGPT在科研過程中發(fā)揮的具體作用。為回答“學(xué)生對(duì)于ChatGPT支持的CUREs教學(xué)模式表現(xiàn)出的參與意愿是怎樣的？”這一研究問題，我們主要采用問卷和訪談相結(jié)合的方式進(jìn)行分析。

（1）科研知識(shí)測(cè)評(píng)問卷

科研知識(shí)測(cè)評(píng)問卷改編自Lederman等人（2002）制定的科學(xué)本質(zhì)認(rèn)知調(diào)查問卷。前后測(cè)問卷分別包括6道開放性題目，分別用以考查學(xué)習(xí)科學(xué)理論、方法論和學(xué)術(shù)交流的相關(guān)概念認(rèn)知。在開放性問題賦分方面，我們參考Liang等人（2009）制定的評(píng)分準(zhǔn)則，每題0～3分，滿分為18分。前測(cè)問卷的評(píng)分工作由兩位課程助教開展，取得了良好的一致性結(jié)果（評(píng)分Kappa值在0.8以上），后測(cè)問卷的評(píng)分工作由其中一位助教開展。

（2）科研情感測(cè)評(píng)問卷

本研究嘗試從“科研興趣”和“科研效能感”兩個(gè)維度測(cè)評(píng)學(xué)習(xí)者的科研情感變化。其中，科研興趣評(píng)估問卷參考了Hanauer等人（2014）構(gòu)建的問卷，設(shè)置有3道題目，涉及對(duì)研究主題感興趣、相信研究?jī)r(jià)值和從事研究的渴望三個(gè)方面。科研效能感測(cè)量問卷參考了Estrada等人（2011）提出的科研效能感量表，旨在考查學(xué)生對(duì)其參與科學(xué)實(shí)踐過程所需能力的信心。測(cè)評(píng)問卷都屬于五維李克特量表（“1”表示“非常不同意”，“5”表示“非常同意”），學(xué)生需根據(jù)問卷陳述選擇同意等級(jí)。科研興趣問卷的一致性系數(shù)為0.776，科研效能感問卷的一致性系數(shù)為0.769，問卷信度良好。

（3）科研技能測(cè)評(píng)量表

本研究將學(xué)生撰寫的科研論文作為“科研技能”維度的評(píng)估對(duì)象，測(cè)評(píng)量表改編自Feldon等人（2019）開發(fā)的研究報(bào)告評(píng)估量表。該量表共包括13個(gè)評(píng)估指標(biāo)，本研究依據(jù)科研能力模型將其分別劃分到研究綜述技能、方法論技能、結(jié)果解讀技能和傳播技能四個(gè)維度中。兩位課程助教分別就二級(jí)指標(biāo)進(jìn)行賦分（賦分范圍為0～3.25），在取得良好的一致性結(jié)果（評(píng)分Kappa值在0.8以上）之后，求取均值作為指標(biāo)得分。

（4）參與意愿測(cè)評(píng)問卷

為了解學(xué)生對(duì)該教學(xué)模式的參與意愿，本研究參考了Venkatesh等人（2003）制定的技術(shù)接受度調(diào)查問卷。該問卷由6個(gè)子維度量表組成，分別是揭示模式有效性的預(yù)期績(jī)效量表，反映難易程度感知的預(yù)期努力量表，反映滿意度和認(rèn)可度的態(tài)度量表，反映他人態(tài)度行為的社會(huì)影響量表，反映學(xué)生與ChatGPT智能學(xué)伴協(xié)作研究所獲支持程度的促成條件量表，以及反映學(xué)生與智能學(xué)伴繼續(xù)開展協(xié)作學(xué)習(xí)意愿的未來參與意愿量表。該問卷設(shè)計(jì)為五維李克特量表（“1”表示“非常不同意”，“5”表示“非常同意”），其整體信度良好，內(nèi)部一致性系數(shù)為0.952。

（5）訪談提綱

本研究改編了Tuapawa（2017）制定的針對(duì)在線工具使用情況的訪談提綱，用以了解學(xué)生在ChatGPT支持的CUREs教學(xué)模式中的人機(jī)協(xié)作過程、科研收獲以及問題挑戰(zhàn)等情況，以補(bǔ)充量化分析結(jié)果的不足。每個(gè)小組分別邀請(qǐng)了1名學(xué)生參與訪談，共邀請(qǐng)了7位同學(xué)，編號(hào)為S1～S7。訪談內(nèi)容由2名經(jīng)驗(yàn)豐富的研究者進(jìn)行編碼分析，編碼一致性結(jié)果良好（評(píng)分Kappa值在0.8以上）。

三、研究結(jié)果

1.科研能力分析

（1）科研知識(shí)測(cè)評(píng)分析

本研究對(duì)學(xué)生參與ChatGPT支持的CUREs教學(xué)模式前后的科研知識(shí)測(cè)評(píng)分?jǐn)?shù)進(jìn)行配對(duì)樣本t檢驗(yàn)，結(jié)果表明，學(xué)生科研知識(shí)的后測(cè)得分（均值＝15.90）高于前測(cè)得分（均值＝12.00），且學(xué)生參與課程前后的科研知識(shí)水平發(fā)生了顯著變化（t＝-17.135，p＜0.001）（見表1）。

（2）科研情感測(cè)評(píng)分析

本研究分別對(duì)學(xué)生參與ChatGPT支持的CUREs教學(xué)模式前后的科研興趣和科研效能感進(jìn)行配對(duì)樣本t檢驗(yàn)，結(jié)果表明，學(xué)生科研興趣的后測(cè)得分（均值＝4.127）高于前測(cè)得分（均值＝3.905），科研效能感的后測(cè)得分（均值＝4.190）也高于前測(cè)得分（均值＝3.410），且學(xué)生的科研興趣（t＝-2.552，p＜0.05）和科研效能感（t＝-5.935，p＜0.001）都發(fā)生了顯著的變化（見表2）。由此可知，ChatGPT支持的CUREs教學(xué)模式有助于改善學(xué)生的科研情感，增強(qiáng)學(xué)生的科研興趣和科研效能感。

（3）科研技能測(cè)評(píng)分析

本研究對(duì)科研技能各維度評(píng)分后求取均值，分析發(fā)現(xiàn)各維度得分均介于2.50～3.00，說明各組學(xué)生基本掌握了各項(xiàng)研究技能。比較各維度得分可知，“方法論技能”維度得分最高（均值＝2.80），表明學(xué)生在研究計(jì)劃實(shí)施和數(shù)據(jù)收集分析等方面表現(xiàn)優(yōu)秀；“結(jié)果解讀技能”和“傳播技能”維度得分次之，得分均值都為2.61，表明學(xué)生在結(jié)果的論證反思和書面表達(dá)方面都存在一定的進(jìn)步空間；而“研究綜述技能”維度得分最低（均值＝2.54），說明學(xué)生在文獻(xiàn)閱讀梳理方面存在一定的困難。

（4）訪談編碼分析

本研究共收集到來自7位受訪者的109條回應(yīng)，訪談內(nèi)容編碼結(jié)果如表3所示。分析發(fā)現(xiàn)，ChatGPT支持的CUREs教學(xué)模式有助于學(xué)生科研能力的培養(yǎng)。對(duì)照本研究構(gòu)建的科研能力三層模型，ChatGPT支持的CUREs教學(xué)模式的優(yōu)勢(shì)主要體現(xiàn)在科研概念理解、科研效率提高和科研效能感提升三個(gè)方面。

具體而言，對(duì)科研概念的理解是研究項(xiàng)目開展的基礎(chǔ)。學(xué)生在課程學(xué)習(xí)中需要大量閱讀相關(guān)文獻(xiàn)，夯實(shí)理論基礎(chǔ)。盡管通過大量閱讀有助于學(xué)生閱讀技能提升和理論概念獲取，但對(duì)于缺乏經(jīng)驗(yàn)的學(xué)生來說，理論學(xué)習(xí)可能存在一定困難。由此，課程中引入ChatGPT智能學(xué)伴，不僅能為學(xué)生提供基本的概念知識(shí)，也能幫助其更好地理解概念。正如有學(xué)生表示，ChatGPT的應(yīng)用“可以為學(xué)生提供背景知識(shí)”（S1），“我們會(huì)問ChatGPT很多關(guān)于概念的問題，比如辯論式學(xué)習(xí)可以提升學(xué)生哪些方面的能力？”（S2）。除此之外，ChatGPT智能學(xué)伴也可補(bǔ)充研究方法與工具方面的相關(guān)知識(shí)，支持學(xué)生衡量數(shù)據(jù)的收集分析策略。正如有學(xué)生表示“ChatGPT有一點(diǎn)比較便利的，是幫助我們制定知識(shí)性測(cè)試問卷，便于我們?cè)诖嘶A(chǔ)上修改使用”（S7）。

在科研效率提高方面，ChatGPT的加入使得學(xué)生能夠相對(duì)更快地掌握科研技能，支持他們更高效地完成科研任務(wù)。在信息檢索方面，學(xué)生亦認(rèn)識(shí)到ChatGPT對(duì)于信息檢索的重要價(jià)值。S6表示“ChatGPT會(huì)給出多樣的答案，讓我們有更多的選擇。比如在查找小學(xué)實(shí)驗(yàn)方面，智能學(xué)伴第一次可能會(huì)提供一些摩擦力或水的密度之類的實(shí)驗(yàn)，下一次還會(huì)提供其他幾個(gè)實(shí)驗(yàn)，我們可以在此基礎(chǔ)上稍微調(diào)整一下就可作為實(shí)驗(yàn)參考”。在獲取大量信息后，ChatGPT同樣可以幫助學(xué)生提出研究問題并厘清研究思路。S1表示“ChatGPT可以給我們提供一些靈感，幫助我們明確需要重點(diǎn)解決的問題”，從而為學(xué)生創(chuàng)造性構(gòu)思提供基礎(chǔ)；S2則表示“ChatGPT可以幫助我們進(jìn)行思路整理，推動(dòng)研究進(jìn)展”。如果后續(xù)研究中獲取了并不理想的研究結(jié)果，ChatGPT也可輔助學(xué)生反思改進(jìn)。例如，S1表示“我們小組在實(shí)驗(yàn)過程中發(fā)現(xiàn)，有些幼兒參與游戲活動(dòng)很積極，但有些幼兒并不積極。于是我們?cè)儐朇hatGPT為什么會(huì)出現(xiàn)這種現(xiàn)象？ChatGPT智能學(xué)伴就會(huì)根據(jù)現(xiàn)有的一些教學(xué)理論解釋被試對(duì)象的心理特點(diǎn)，并給出了一些比較有用的回答”。在后續(xù)撰寫研究報(bào)告時(shí)，ChatGPT同樣發(fā)揮了輔助寫作和對(duì)論文潤(rùn)色優(yōu)化的作用。正如S2表示“我們也是第一次正式寫這種類型的論文，ChatGPT能夠幫助我們?cè)谡Z(yǔ)言方面進(jìn)行潤(rùn)色改進(jìn)，我們也更能了解怎樣用正式的語(yǔ)言而不是通俗的語(yǔ)言來寫作”。總之，ChatGPT支持的CUREs教學(xué)模式能夠幫助學(xué)生更快地掌握論文撰寫的技能。

在科研效能感提升方面，學(xué)生表示參與ChatGPT支持的CUREs教學(xué)模式可以幫助他們了解研究過程，增強(qiáng)科研信心和科研意愿。例如：S1表示“自己感覺像是初步邁進(jìn)了學(xué)術(shù)的大門，終于明白做科研大概是怎么一回事了”；S4則表示“這門課程整體的收獲還是非常充實(shí)的，讓我產(chǎn)生了一些想法，想去再寫一些東西”。

2.參與意愿分析

本研究發(fā)現(xiàn)，學(xué)生參與科研意愿各維度得分均大于3.50，說明學(xué)生對(duì)于ChatGPT支持的CUREs教學(xué)模式持比較認(rèn)可的態(tài)度。具體而言：（1）在預(yù)期績(jī)效和努力維度，預(yù)期績(jī)效得分為3.92，預(yù)期努力得分為3.84。學(xué)生基本認(rèn)可該教學(xué)模式對(duì)于科研能力培養(yǎng)和科研成果產(chǎn)出的優(yōu)勢(shì)，認(rèn)同與ChatGPT智能學(xué)伴協(xié)同開展科研項(xiàng)目是相對(duì)容易的，能促使組內(nèi)順利合作。（2）在態(tài)度維度，其得分相對(duì)最低，僅為3.79，表明學(xué)生對(duì)于課程雖持基本認(rèn)可的態(tài)度，但認(rèn)為該模式會(huì)造成一定困擾，包括ChatGPT反饋內(nèi)容的可信度和準(zhǔn)確性，以及交互的連貫性和個(gè)性化。此外，學(xué)生也表示ChatGPT智能學(xué)伴對(duì)于內(nèi)容的連貫分析能力偏弱，更偏向于被動(dòng)回復(fù)，而不是主動(dòng)反饋。（3）在社會(huì)影響和促成條件維度，其得分分別為4.30和4.06，表明課堂中教師或其他同學(xué)的行為和態(tài)度，也會(huì)對(duì)學(xué)生課程參與產(chǎn)生一定的積極影響。比如，教師提供了人機(jī)協(xié)作研究的課程資源，包括交互策略和案例，有助于學(xué)生積極參與課程學(xué)習(xí)；面對(duì)ChatGPT智能學(xué)伴提供的知識(shí)內(nèi)容，學(xué)生并沒有盲目接受，而是通過文獻(xiàn)查閱去分析內(nèi)容的真實(shí)性。（4）在未來參與意愿維度，其得分相對(duì)最高，達(dá)到4.44，表明學(xué)生對(duì)于該模式的迭代發(fā)展持積極態(tài)度，并希望繼續(xù)參與和ChatGPT智能學(xué)伴的協(xié)作學(xué)習(xí)。在認(rèn)識(shí)到技術(shù)方面的問題后，學(xué)生積極給出改進(jìn)建議，傳達(dá)出他們對(duì)于學(xué)習(xí)模式智能化的期待。正如S5表示“智能學(xué)伴目前是被動(dòng)回復(fù)問題，如果它可以及時(shí)讀取小組的討論內(nèi)容，并根據(jù)我們的想法迅速給出一些建議，我覺得對(duì)于我們的協(xié)作研究幫助會(huì)更大”。

四、研究討論

本研究設(shè)計(jì)并實(shí)施了ChatGPT支持的CUREs教學(xué)模式，探討了該教學(xué)模式對(duì)于學(xué)生科研能力培養(yǎng)的影響，主要得出以下結(jié)論：第一，整體上看，ChatGPT支持的CUREs教學(xué)模式有助于學(xué)生科研知識(shí)、科研技能和科研情感等多維科研能力的提升。第二，學(xué)生認(rèn)同該教學(xué)模式對(duì)于學(xué)生科研能力培養(yǎng)的有效性和易用性，但ChatGPT在技術(shù)方面存在的不足也會(huì)對(duì)開展科研項(xiàng)目化學(xué)習(xí)造成一定困擾。

ChatGPT支持的CUREs教學(xué)模式的核心是促進(jìn)人機(jī)協(xié)同的科研學(xué)習(xí)體驗(yàn)。人機(jī)協(xié)作模式發(fā)揮作用的原因可以基于預(yù)期違背理論（Expectancy Violations Theory）做進(jìn)一步闡釋（梁哲浩等，2023；翟雪松等，2023）。預(yù)期違背理論指出，個(gè)體會(huì)依據(jù)他人的行為表現(xiàn)形成表現(xiàn)預(yù)期，預(yù)期之外的變化會(huì)激發(fā)預(yù)期違背感知（Burgoon，1993）。預(yù)期違背的方向和程度會(huì)影響學(xué)生在認(rèn)知和非認(rèn)知各方面的反應(yīng)。若預(yù)期違背方向是積極的，那么學(xué)生會(huì)產(chǎn)生積極的生理喚醒，如增強(qiáng)學(xué)習(xí)興趣或提高注意力水平。若違背方向是消極的，那么學(xué)生則會(huì)產(chǎn)生消極情緒，從而干擾正常的思維和認(rèn)知。本研究中，ChatGPT智能學(xué)伴憑借強(qiáng)大的自然語(yǔ)言處理能力和機(jī)器學(xué)習(xí)能力，支持高效輸出自然且有參考意義的反饋，為學(xué)生提供了認(rèn)知和非認(rèn)知方面的支持。

首先，科研知識(shí)維度的分析結(jié)果表明，ChatGPT支持的CUREs教學(xué)模式支持學(xué)生科研概念理解，且能提高其科研認(rèn)知水平。人機(jī)協(xié)同學(xué)習(xí)科研概念的模式不僅豐富了科研知識(shí)的呈現(xiàn)樣態(tài)，也為學(xué)生提供了自主學(xué)習(xí)空間（翟雪松等，2023）。人機(jī)交互過程中，學(xué)生向ChatGPT智能學(xué)伴尋求實(shí)時(shí)反饋，而智能學(xué)伴則通過語(yǔ)義算法和仿真推算回答概率，給出多元回復(fù)，支持學(xué)生質(zhì)疑和拓展科研概念，進(jìn)而實(shí)現(xiàn)對(duì)某一領(lǐng)域概念的快速認(rèn)知。

其次，科研技能維度的分析結(jié)果表明，ChatGPT支持的CUREs教學(xué)模式支持學(xué)生高效完成科研任務(wù)，并增強(qiáng)其科研技能。ChatGPT智能學(xué)伴基于高算力、高互聯(lián)的特性，擅長(zhǎng)對(duì)大量文本信息進(jìn)行快速檢索和匯總分析，支持學(xué)生系統(tǒng)回顧研究現(xiàn)狀或構(gòu)建研究框架。同時(shí)，ChatGPT智能學(xué)伴可以基于思維鏈（Chain-of-Thought，CoT）開展推理，輔助學(xué)生開展頭腦風(fēng)暴，進(jìn)而創(chuàng)造性地構(gòu)建和解決研究問題（盧宇等，2023）。ChatGPT智能學(xué)伴還可以從多個(gè)視角評(píng)估研究結(jié)果的科學(xué)性和推廣性，或者通過優(yōu)化論文的書面表達(dá)，將研究成果以更加簡(jiǎn)明清晰的方式傳遞給讀者，從而提高論文的傳播效率。總之，ChatGPT支持的CUREs教學(xué)模式有助于學(xué)生認(rèn)識(shí)并掌握開展科研各環(huán)節(jié)所需技能，支持新知探究和研究迭代。

再次，科研情感維度的分析結(jié)果表明，ChatGPT支持的CUREs教學(xué)模式能增強(qiáng)學(xué)生參與科研的興趣和完成科研的效能感。傳統(tǒng)課堂教學(xué)模式下，學(xué)生雖被給予了自主科研空間，但可能因?yàn)槿狈?jīng)驗(yàn)而無法解決科研問題，或是因?yàn)閺?qiáng)制協(xié)作和時(shí)間限制而產(chǎn)生一定壓力（Scogin et al.，2023）。在本研究中，將ChatGPT引入CUREs教學(xué)模式，改變了傳統(tǒng)的人人協(xié)作模式，不僅支持學(xué)生高效檢索知識(shí)信息，還為其提供具有偶然性和新奇感的多元反饋，在開拓學(xué)生思維的同時(shí)也激發(fā)了他們的科研興趣。同時(shí)，積極的科研心態(tài)在一定程度上亦能增強(qiáng)學(xué)生的科研效能感，使其在參與科研過程中表現(xiàn)得更加自信和積極。

最后，盡管該教學(xué)模式有助于學(xué)生科研能力的培養(yǎng)，但是人工智能技術(shù)輔助科研亦具有一定的限度，必須同時(shí)發(fā)揮機(jī)器智能與人的經(jīng)驗(yàn)智慧的雙重作用。依據(jù)社會(huì)認(rèn)知理論，學(xué)生更多依賴背景線索觸發(fā)的心理啟發(fā)式（Mental Heuristics）進(jìn)行學(xué)習(xí)，生成式人工智能亦能支持學(xué)生做出啟發(fā)式判斷。由于受“完美AI”的影響，學(xué)生可能傾向于在復(fù)雜決策和推理任務(wù)中采納ChatGPT智能學(xué)伴的決策和建議（Lee，2018）。但受技術(shù)限制，ChatGPT智能學(xué)伴并不是完全可靠的。通常情況上，科研學(xué)習(xí)要求學(xué)生不斷檢驗(yàn)理論概念或進(jìn)行學(xué)術(shù)判斷，當(dāng)學(xué)生在發(fā)現(xiàn)ChatGPT智能學(xué)伴回復(fù)的問題不可靠時(shí)，會(huì)產(chǎn)生一定的消極的預(yù)期違背感知，但其并沒有完全放棄ChatGPT智能學(xué)伴，而是通過積極轉(zhuǎn)變交互策略以解決問題。在本研究中，ChatGPT支持的CUREs教學(xué)模式促使學(xué)生逐步認(rèn)清人工智能的局限，進(jìn)而不斷探尋發(fā)揮人工智能作用最大化的途徑。

五、研究建議

1.應(yīng)用生成式人工智能重構(gòu)教學(xué)模式

支持互動(dòng)學(xué)習(xí)的生成式人工智能技術(shù)，將變革人機(jī)協(xié)作學(xué)習(xí)模式，對(duì)學(xué)生的認(rèn)知和非認(rèn)知表現(xiàn)產(chǎn)生了一定的積極影響。本研究發(fā)現(xiàn)，ChatGPT支持的CUREs教學(xué)模式為學(xué)生構(gòu)建了人機(jī)協(xié)同研究的空間，支持學(xué)生獲取多樣態(tài)的知識(shí)概念，培養(yǎng)了學(xué)生的發(fā)散性和系統(tǒng)性思維，豐富了其科研體驗(yàn)。對(duì)于教師而言，為使學(xué)生充分利用ChatGPT的語(yǔ)言處理和知識(shí)輸出能力，教師需首先接受技術(shù)培訓(xùn)，結(jié)合情境認(rèn)知等學(xué)習(xí)理論進(jìn)行活動(dòng)設(shè)計(jì)，在構(gòu)建任務(wù)情境后明確人機(jī)協(xié)作模式，必要時(shí)還需向?qū)W生提供交互支架，具體包括提示要素和提示策略。例如，生成式人工智能技術(shù)可以支持學(xué)生將更多的時(shí)間精力用于更具創(chuàng)造性的復(fù)雜活動(dòng)上，從而提高其創(chuàng)新創(chuàng)造能力和問題解決能力（肖峰，2023）。由于本研究主要聚焦小樣本的短期教學(xué)效果，對(duì)于ChatGPT支持的CUREs教學(xué)模式的長(zhǎng)期效果還需進(jìn)一步進(jìn)行長(zhǎng)期的跟蹤了解和跨場(chǎng)域的實(shí)驗(yàn)探究。

2.重視人工智能與人類智慧的合作互補(bǔ)

生成式人工智能盡管能夠給予學(xué)生積極的反饋，但受技術(shù)限制，ChatGPT并不是完全可靠的，人工智能和人類智慧之間的合作與互補(bǔ)關(guān)系仍需高度重視。盡管ChatGPT支持的CUREs教學(xué)模式在學(xué)生科研學(xué)習(xí)中發(fā)揮了重要作用，但其給予的不真實(shí)反饋亦造成了一定的消極影響。由于學(xué)生存在“完美AI”的認(rèn)知傾向，因而更容易依賴人工智能的決策，這就需要教師引導(dǎo)學(xué)生正確認(rèn)識(shí)生成式人工智能的優(yōu)勢(shì)和劣勢(shì)，了解其技術(shù)原理，鼓勵(lì)學(xué)生保持主動(dòng)性，培養(yǎng)其獨(dú)立思考與質(zhì)疑的能力。在人機(jī)協(xié)作過程中，人應(yīng)居于主體地位，掌控機(jī)器以擺脫重復(fù)性與工具性勞作，實(shí)現(xiàn)人機(jī)之間的協(xié)同進(jìn)化，避免人的身份異化。在本研究中，學(xué)生還需要遵循學(xué)術(shù)規(guī)范，結(jié)合權(quán)威文獻(xiàn)或教師指導(dǎo)檢驗(yàn)ChatGPT智能學(xué)伴提供的智能反饋是否符合學(xué)術(shù)倫理的要求。

3.優(yōu)化生成式人工智能技術(shù)應(yīng)用

人機(jī)協(xié)同學(xué)習(xí)模式支持構(gòu)建開放互助的學(xué)習(xí)環(huán)境，但生成式人工智能技術(shù)并不能充分滿足學(xué)生的科研學(xué)習(xí)需求。為此，針對(duì)本研究中學(xué)生反映的ChatGPT智能學(xué)伴的反饋可靠性和交互連貫性問題，首先需對(duì)ChatGPT技術(shù)進(jìn)行迭代升級(jí)，以增強(qiáng)其在復(fù)雜推理決策任務(wù)中的準(zhǔn)確性和可靠性。為增強(qiáng)結(jié)果的可解釋性，還需要增強(qiáng)技術(shù)的透明度，確保生成內(nèi)容符合倫理標(biāo)準(zhǔn)。其次，還應(yīng)將數(shù)據(jù)分析技術(shù)引入人機(jī)交互過程中，一方面通過智能反饋輔助學(xué)生判斷學(xué)習(xí)進(jìn)展，支持個(gè)性化學(xué)習(xí)；另一方面需要采用數(shù)據(jù)加密或匿名化等必要措施，保護(hù)學(xué)生的數(shù)據(jù)隱私，降低隱私數(shù)據(jù)泄露風(fēng)險(xiǎn)。最后，可將生成式人工智能技術(shù)與物質(zhì)生產(chǎn)領(lǐng)域的技術(shù)相整合，利用3D打印、CPISPR或其他技術(shù)構(gòu)建仿真模型、有機(jī)分子或其他物品，開展跨學(xué)科教育教學(xué)，支持學(xué)生的高階思維培養(yǎng)。

參考文獻(xiàn)：

[1]黃崇偉，覃柏霑（2019）.基于“學(xué)研教”理念的本科生科研能力培養(yǎng)——以結(jié)構(gòu)設(shè)計(jì)原理課程教學(xué)為例[J].教育教學(xué)論壇，（51）：163-164.

[2]梁哲浩，陳濤（2023）.人工智能＋公共服務(wù)中的決策困境——基于民眾的感知視角[J].社會(huì)政策研究，（1）：118-136.

[3]盧宇，余京蕾，陳鵬鶴等（2023）.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(guó)遠(yuǎn)程教育，43（4）：24-31，51.

[4]肖峰（2023）.生成式人工智能與數(shù)字勞動(dòng)的相互關(guān)聯(lián)——以ChatGPT為例[J].學(xué)術(shù)界，（4）：52-60.

[5]翟雪松，楚肖燕，焦麗珍等（2023）.基于“生成式人工智能＋元宇宙”的人機(jī)協(xié)同學(xué)習(xí)模式研究[J].開放教育研究，29（5）：26-36.

[6]Auchincloss， L. C.， Laursen， S. L.， amp; Branchaw， J. L. et al. （2014）. Assessment of Course-Based Undergraduate Research Experiences： A Meeting Report[J]. CBE Life Sciences Education， 13（1）：29-40.

[7]B?ttcher， F.， amp; Thiel， F. （2018）. Evaluating Research-Oriented Teaching： A New Instrument to Assess University Students’ Research Competences[J]. Higher Education， 75：91-110.

[8]Burgoon， J. K. （1993）. Interpersonal Expectations， Expectancy Violations， and Emotional Communication[J]. Journal of Language and Social Psychology， 12（1-2）：30-48.

[9]Choi， J. H.， Hickman， K. E.， amp; Monahan， A. et al. （2021）. ChatGPT Goes to Law School[J]. Journal of Legal Education， 71：387.

[10]Estrada， M.， Woodcock， A.， amp; Hernandez， P. R. et al. （2011）. Toward a Model of Social Influence that Explains Minority Student Integration into the Scientific Community[J]. Journal of Educational Psychology， 103（1）：206-222.

[11]Feldon， D. F.， Litson， K.， amp; Jeong， S. et al. （2019）. Postdocs’ Lab Engagement Predicts Trajectories of PhD Students’ Skill Development[J]. Proceedings of the National Academy of Sciences， 116（42）： 20910-20916.

[12]Hanauer， D. I.， amp; Dolan， E. L. （2014）. The Project Ownership Survey： Measuring Differences in Scientific Inquiry Experiences[J]. CBE Life Sciences Education， 13（1）：149-158.

[13]Lederman， N. G.， Abd-El-Khalick， F.， amp; Bell， R. L. et al. （2002）. Views of Nature of Science Questionnaire： Toward Valid and Meaningful Assessment of Learners’ Conceptions of Nature of Science[J]. Journal of Research in Science Teaching， 39（6）：497-521.

[14]Lee， M. K. （2018）. Understanding Perception of Algorithmic Decisions： Fairness， Trust， and Emotion in Response to Algorithmic Management[J]. Big Data amp; Society， 5（1）：1-16.

[15]Liang， L. L.， Chen， S. F.， amp; Chen， X. et al. （2009）. Preservice Teachers’Views About Nature of Scientific Knowledge Development： An International Collaborative Study[J]. International Journal of Science and Mathematics Education， 7（5）：987-1012.

[16]Meyer， R.， Sohani， M.， amp; Alvares， S. M. （2023）. Cross-Disciplinary CURE Program Increases Educational Aspirations in a Large Community College[J]. CBE Life Sciences Education， 22（2）：ar21.

[17]Nisar， S.， amp; Aslam， M. （2023）. Is ChatGPT a Good Tool for Tamp;CM Students in Studying Pharmacology？[EB/OL]. [2023-05-10]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=4324310.

[18]Pavlova， I. V.， Remington， D. L.， amp; Horton， M. et al. （2021）. An Introductory Biology Research-Rich Laboratory Course Shows Improvements in Students’Research Skills， Confidence， and Attitudes[J]. PLoS One， 16（12）：e0261278.

[19]Ray， P. P.， amp; Majumder， P. （2023）. The Double-Edged Sword of AI in Biomedical Engineering： ChatGPT’s Controversial Impact on Research and Collaboration Paradigms[J]. Annals of Biomedical Engineering， 51（9）：1904-1905.

[20]Scogin， S. C.， Marks， M.， amp; Mader， C. et al. （2023）. Building Motivationally Supportive Course-Based Research Experiences for Undergraduates： A Self-Determination Theory Perspective[J]. Higher Education Pedagogies， 8（1）：2165528.

[21]Seetharaman， R. （2023）. Revolutionizing Medical Education： Can ChatGPT Boost Subjective Learning and Expression？[J]. Journal of Medical Systems， 47（1）：1-4.

[22]Sevgi， U. T.， Erol， G.， amp; Dogruel， Y. （2023）. The Role of an Open Artificial Intelligence Platform in Modern Neurosurgical Education： A Preliminary Study[J]. Neurosurgical Review， 46（1）：86.

[23]Stan， M. M.， Dumitru， C.， amp; Dicu， M. M. et al. （2022）. Modelling Research Competence in Social and Engineering Sciences at Master’s Level Programs： A Scoping Review[J]. Sustainability， 15（1）：574.

[24]Temsah， O.， Khan， S. A.， amp; Chaiah， Y. et al. （2023）. Overview of Early ChatGPT’s Presence in Medical Literature： Insights from a Hybrid Literature Review by ChatGPT and Human Experts[J]. Cureus， 15（4）：e37281.

[25]Tuapawa， K. （2017）. Interpreting Experiences of Students Using Educational Online Technologies to Interact with Teachers in Blended Tertiary Environments： A Phenomenological Study[J]. Australasian Journal of Educational Technology， 33（1）：163-175.

[26]Venkatesh， V.， Morris， M. G.， amp; Davis， G. B. et al.（2003）. User Acceptance of Information Technology： Toward a Unified View[J]. MIS Quarterly： 27（3）：425-478.

[27]Wessels， I.， Gess， C.， amp; Deicke， W. （2019）. Competence Development Through Inquiry-Based Learning[M]// Meig， H. A. （Ed.）. Inquiry-Based Learning-Undergraduate Research： The German Multidisciplinary Experience. Switzerland， Springer Nature Switzerland：59-69.

[28]Witucki， A.， Beane， W.， amp; Pleasants， B. et al. （2023）. An Explicit and Reflective Approach to Teaching Nature of Science in a Course-Based Undergraduate Research Experience[J]. Science amp; Education：1-29.

[29]Yang， Y.， Wang， M.， amp; Sang， W. L. et al. （2022）. Student-Driven Course-Based Undergraduate Research Experience （CUREs） Projects in Identifying Vaginal Microorganism Species Communities to Promote Scientific Literacy Skills[J]. Frontiers in Public Health， 10：870301.

收稿日期 2023-11-03 責(zé)任編輯 劉選

Enhancing Undergraduate Research Competence Through Generative AI：

The ChatGPT-Supported CUREs Teaching Approach

WU Bian， LI Fengming， HU Yiling

Abstract： To promote the cultivation of high-quality innovative talents in higher education， it is an effective way to establish a learner-centered model of integrating research training and course teaching. While the course-based undergraduate research experiences （CUREs） teaching approach has some advantages in enhancing learners’ understanding of the nature of science， it has some shortcomings in stimulating learners’ motivation for research. Introducing ChatGPT， a generative AI that supports efficient feedback， into the collaborative research process can improve learners’ research experience and promote project-based learning. Through the design and implementation of the ChatGPT-supported CUREs approach， it was found that the approach helps to develop learners’ research competency and enhance their level of research knowledge， research skills and research engagement. Despite learners acknowledging the effectiveness and usability of the approach， AI assistance lacking human intelligence does not fully maximize its potential. In the future， it is necessary to continuously upgrade and optimize generative AI technology to ensure that the application is efficient and ethical， apply generative AI to reconfigure the teaching approach and test its effect through long-cycle， interdisciplinary practices and emphasize the complementary collaboration between AI and human intelligence to truly empower learners’ research competence through generative AI.

Keywords： Generative Artificial Intelligence; ChatGPT; Research Competence; CUREs; Teaching Approach