生成式人工智能輔助英語讀后續寫教學初探

引言

以大語言模型為代表的生成式人工智能技術具備創造文本、圖像、音頻和視頻內容的能力，憑借其高智能交互、創新性生成和復雜數據處理等優勢，為教育研究帶來了新的變革（荊洲、楊啟光，2024）。教育學界對于生成式人工智能的研究已涉及課堂教學中的有效運用和創新方法（胡壯麟，2023；焦建利，2023；黎加厚，2024）、教育應用的倫理問題和風險規避（王佑鎂等，2023；何昌旺、熊和平，2024）及其對教師角色的影響（于銀磊、饒輝，2023）等。

在外語教育方面，越來越多的中小學教師也開始關注生成式人工智能的教學應用價值。胡加圣、戚亞娟（2023）提出，生成式人工智能可幫助學生自我評估并識別改進領域，增強學習意識和自主學習能力。孔蕾（2024）重構了閱讀教學模式，應用生成式人工智能輔助進行情感、主題、敘事多層次分析，有效增加閱讀深度，培養學生的思維品質。余蘇丹、趙杰（2024）利用生成式人工智能創設互動學習環境，生成多模態內容以促進詞匯學習。徐曉藝、陸祎（2024）針對初中英語寫作教學中教學資源有限和個性化教學不足的問題，引入生成式人工智能輔助寫作過程的開展。然而，針對高中英語讀后續寫教學的新技術融合教學應用研究尚不多見。

生成式大模型支持的讀后續寫教學重構

讀后續寫作為近年高考英語寫作任務新題型受到廣泛關注。研究團隊圍繞讀后續寫日常教學，通過線上問卷、線下訪談等方式對全國范圍內50所學校的327名高中英語教師進行了調研，分析總結出一線教師在開展讀后續寫教學過程中面臨的三大難題：第一，日常教學目標模糊且備課耗時；第二，教師批改及講評負擔較重；第三，學生缺乏基于個人學情的寫作輔導和學習素材。

從上述難題出發，研究團隊測試了多個生成式大模型，利用它們的序列任務執行能力、對話情境理解能力、啟發性內容生成能力（盧宇等，2023），進行讀后續寫教學的技術融入探索，發現生成式大模型可以在如下方面輔助教師的教學：第一，批改、潤色學生作答；第二，創作多樣續文情節；第三，生成個性化素材并輔助分層作業設計。本節聚焦教師如何利用生成式大模型設置教學內容和重構教學方式，以提高讀后續寫教學效能。

1. 教學內容

人工智能系統可使評價變得更加靈活和個性化，既為教師提供多維的教學參考，也為學生提供系統的學習反饋和個性化指導（劉建達，2023）。在生成式大模型的輔助下，教師的寫作批閱效率大幅提高，且能獲得多維學情報告，便于以學定教；學生可獲得個性化的習作反饋，適于自主訂正。

生成式大模型參與的外語教學設計應明確課上和課下教學內容的側重點（孔蕾，2024）。原本教師在課堂上帶領學生理解文章、解析基本詞匯和語法知識等任務，均可提前安排學生于課下完成，不再作為課堂教學的重點。課堂教學轉而聚焦于推動學生的策略運用、思辨能力提升和情感、態度、價值觀培育。這種課內外相融合的教學方法既能滿足學生個性化學習的需要，又能促進他們批判性思維和實踐能力的發展，進而助力學生更好地應對未來挑戰。

2. 教學組織方式

在合理應用生成式人工智能的課堂中，教師和學生可以實現知識的共創、共享和拓展，使學習環境更具活力和創意（黎加厚，2024）。研究團隊根據“明確目標—進行教學設計—授課、觀摩、研討—修改教學設計—再次授課”的步驟，設計了讀后續寫研討課，由2名教師分別展示。授課教師與同行及專家團隊共同研討，明晰了生成式大模型融入讀后續寫教學的組織方式：課前基于學情反饋，實施以學定教；課中立足深度互動，構建生成課堂；課后利用個性素材，設計分層作業。

具體而言，課前，教師可參考生成式大模型提供的多維證據來診斷班級學情、確定教學目標或課堂焦點。授課時，教師以支架理論強調的“最近發展區、師生互動、合作學習”為指導，采用小組學習形式組織學生對原文進行深度解讀、賞析范文或學生習作等活動。教師可在課堂上引入與生成式大模型的交互活動。教師先示范如何使用精準的提示語來實現特定內容的生成，隨后指導學生使用生成式大模型創設不同的情節。這一過程中，教師、學生及人工智能系統進行三者互動，相互啟迪。學生在教師引導下，通過自身的獨立思考和批判性思維獲得對新技術的認知（黎加厚，2024）。課后，教師要求學生及時鞏固課上學到的文本解讀及習作優化策略。常見的讀后續寫教學做法是教師基于原文，人工“二次開發”鞏固練習或布置背誦范文等作業任務。事實上，此類作業對學生來說往往缺乏針對性，“二次開發”對教師而言也耗時費力。生成式大模型的自動、快速生成高質量試題的能力（王蕾，2023）可輔助教師根據學情生成有著不同側重點的課后任務，教師亦可依托生成式大模型的輔助及所提供的個性化素材，相對輕松地設計出分層作業。

生成式大模型在讀后續寫教學中的應用

本節以2022年英語新高考Ⅰ卷讀后續寫題“David’s Run”為例，選取并分析典型教學環節，展示如何運用生成式大模型輔助教師精準備課、開展課堂教學及設計作業，呈現如何引導學生進行人機互動，通過師生合作評價樹立正確的人機協作理念。

1. 診斷學情精準備課，以學定教優化設計

在寫作備課階段，教師遇到的一大挑戰是如何選擇評價焦點（孫曙光，2017）。教師在讀后續寫閱卷中經常會發現學生習作中既有詞匯、語法方面的問題，也有情節內容、細節描寫、行文邏輯等方面的問題。因此，如何選擇講評重點以及如何分配教學活動時間是讀后續寫講評課的常見難題。

國內一些較成熟的生成式人工智能教學應用系統已實現批量閱卷、精批潤色、智能報告學情并歸納學生典型作答案例（如語法、情節、描寫等），其批改效果相較傳統的智能系統更符合讀后續寫的評價標準。為直觀展示案例，研究者基于“訊飛星火認知大模型”進行說明。以“David’s Run”讀后續寫題為例，教師可將學生習作輸入網頁端對話入口，使用合適的提示語（prompt），獲得相應的診斷性評價、潤色示例和修改說明。如下文所示（有刪節）。

學生習作（原文）：

... After a while， I asked him to join this running. I don’t think that was such a big question for him. Although he has a disease he could also running with others normally. He stared at my eyes. I hugged him， it worked. ...

大模型對學生習作的診斷性評價：

總評：故事情節基本合理，與原文基調一致。部分邏輯銜接不夠流暢，如直接敘述“I asked him to join this running.”卻未描寫之前是如何鼓勵他的。情感、動作、語言等細節描寫不足，且存在語法錯誤，語言表達上有改善空間。

大模型基于診斷評價提供修改潤色示例：

Sensing his unease， I gently reminded him of all the progress he had made during practices and how proud everyone would be to see him participate. “You know what？” I added with a reassuring smile， “I believe you’re going to have an amazing race.” Gradually， his gaze lifted to meet mine， eyes still glistening with tears， but now with a hint of determination.

修改說明：

增加了“我鼓勵大衛”的情節，使邏輯銜接更順暢；示范了動作、語言描寫……

教師可基于學情分析更有針對性地備課，確定每個教學環節的焦點。例如，本班學情報告顯示學生習作的主要問題有：（1）情節邏輯銜接不夠流暢；（2）在情感、動作、語言描寫等方面有所欠缺；（3）情節走向過于雷同。據此，教師可要求學生在講評課前查看大模型針對個人習作的逐句批改反饋和篇章潤色建議，對照原文完成初步的作文修訂，理解修改意圖和修改方式，提升對高質量寫作的感知能力，積累語言表達的經驗及策略，從而提高自主學習能力。而教師則可將有限的課堂時間側重于更具有思維挑戰的活動，引導學生開展深度語篇解讀，與生成式大模型互動，進行故事情節創設或協同優化典型案例等活動。

2. 師生共筑智慧課堂，協同生成動態教學

（1）人機協同創作，生成多樣情節

教師在讀后續寫教學中，常期望引導學生基于原文情節和邏輯續寫出“一個故事，多種結尾；一個情境，多向發展”（凌勇，2016）的續寫內容。但學生在寫作中易出現情節過于聚焦或忽視原文線索及伏筆而進行不當發散等問題。對此，教師可以嘗試設計“人機協同創作”類課堂活動，通過與生成式大模型互動解決。例如，教師可按表1示例的多輪提示語來引導學生與生成式大模型共創續作內容，通過人機協同生成情節與描寫、探究更多可能的結尾等，避免續寫考試后僅讓學生參看、背記一兩篇范文的教學局限。

表1. 生成式大模型的提示語示例

此類將人類智慧與機器智慧相結合的學習方式（黎加厚，2024）可為激活學生創意寫作提供有益示范，也更契合讀后續寫題型倡導的創新思維的培養。

（2）師生合作評價，發展批判思維

沈書生、祝智庭（2023）認為教育者需要進一步完善新型學習生態，引導學生從單純的外部輸入向兼顧外部輸出轉變，以促進學習個體構建與時俱進的學習力。課堂教學中，學生在教師的指導下，瞄準要完成的任務，與生成式大模型對話互動，在思維鏈式的交流中關注并發展批判性思維，在學習記錄單上記錄自己的提問過程、生成式大模型的回應及評價等。

該過程可讓學生學習并實踐如何與生成式大模型有效互動，獲得期望結果，進而形成方法論。當發現生成式大模型的回答不符合預期時，教師亦可引導學生現場討論，如：生成式大模型產出的內容有什么特點？生成式大模型產出哪一類內容的效果更好？對于哪一類結果我們需要辯證看待？總之，該過程使學生通過“練習—評價反饋—鞏固遷移”逐步形成自我學習的監控策略，既能認識到生成式人工智能的作用，也能批判地看待所生成的信息。

3. 定制素材賦能作業，創新設計提升效果

（1）圍繞續寫語篇原文，生成多樣描寫素材

生成式大模型可按教師指令定制素材，賦能創新作業設計，提升命題效率和作業質量。再以“David’s Run”讀后續寫題為例，要求生成式大模型圍繞指定主題，生成動作描寫、心理描寫、語言描寫、環境描寫等素材。

教師輸入提示語：

原文：It was the day of the big cross-country run…

假如你是一名高中英語老師，請你閱讀以上原文，根據所提供的兩個段首句，進行動作描寫、心理描寫、語言描寫和環境描寫這四類細節描寫，每類細節描寫要寫兩句話，英文句子要使用較為復雜的表達。展示形式須跟所提供樣例一致。

根據教師的提示語，生成式大模型能輸出語言地道的描寫素材，如下文所示（有刪節）：

① 動作描寫

I gently placed my hand on David’s trembling shoulder， offering a reassuring pat to convey my firm support.

② 心理描寫

A wave of empathy washed over me as I realized the immense courage it took for David to even consider participating in the race.

教師還可細化提示語，要求素材包含高中必修課程要求學習和掌握的語法項目，如“動詞-ing形式做狀語”“as引導的時間狀語從句”“it作形式主語”等。然后，教師可基于多樣化的素材分類創編句子練習題，用于相關專題教學的輔助訓練。

（2）生成相同話題語篇，設計微型寫作任務

教師輸入提示語：

根據所給首句合理續寫，描述小男孩參加跑步比賽的情形，側重動作描寫和神態描寫（100詞左右）。

大模型根據提示語生成了一個微語篇，如下文所示，其中下劃線部分顯示大模型所生成的內容精準響應了教師的提示語要求。教師可將此語篇改編成適當的微寫作任務，以滿足不同層次學生的技能鞏固需要。

首句：Tom will never forget the event which happened one morning when he was only ten years old.

續寫：Tom’s legs felt heavy as he stood at the starting line， surrounded by taller， more confident runners. His heart thumped in his chest， but he clenched his small fists and took a deep breath. As the whistle blew， he pushed off with all his might， his sneakers slapping against the track. His face was a mask of determination， eyes fixed on the distant finish line. With each stride， his body leaned forward， arms pumping in rhythm with his quickening breaths. Despite the burning in his lungs and the stitch in his side， Tom’s gaze never wavered. He was not going to let this challenge defeat him.

結語

本研究基于讀后續寫教學的實際需要，以新課程的評價理念為指導，嘗試構建“教師+學生+大模型”協同互動的讀后續寫講評課新模式。該模式在課上和課下有效整合了生成式大模型的促學、促教能力，助力因材施教和師生合作評價的落實，引導學生從“完成任務接受評價”轉換成“主動學會評價”，進而主動嘗試利用大模型優化作文。在此過程中，學生既可以積累并調用使用生成式大模型所需要的技巧，也可以學會辯證看待技術產出的結果，最終促進學習能力和高階思維的發展。

展望未來，生成式人工智能在教育領域的應用將日益深化。為了更加高效地利用生成式人工智能，一線教師應不斷積極嘗試各類生成式技術，明確其應用優勢和適用界限，深入探索技術與學科教學的融合策略。如此，教師才能更好地成為學生能力發展的促進者、技術應用的指導者、學習成長的助推者。

* 本文系上海外國語大學中國外語戰略研究中心2023年度“世界語言與文化研究”課題“‘教師+大模型’混合反饋對二語綜合寫作表現的影響研究”（項目編號：WYZL2023AH00）、2023年度安徽省教育信息技術研究課題“信息技術與高中英語群文閱讀教學深度融合應用研究”（項目編號：AH2023005）、2022年度安徽省教學科學研究項目“基于AI技術的高中英語OMO閱讀課程資源開發研究”（項目編號：JK22058）的研究成果。

參考文獻

何昌旺， 熊和平. 2024. ChatGPT類生成式人工智能教育倫理危機及其應對[J]. 中國教育信息化， （2）： 81—90.

胡加圣， 戚亞娟. 2023. ChatGPT時代的中國外語教育： 求變與應變[J]. 外語電化教學， （1）： 3—6.

胡壯麟. 2023. ChatGPT談外語教學[J]. 中國外語， （3）： 12—15.

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

荊洲， 楊啟光. 2024. 生成式人工智能賦能教育研究范式變革： 機理、風險與對策[J]. 中國電化教育， （3）： 68—75.

孔蕾. 2024. 生成式人工智能在外語專業教學中的應用： 以《大學思辨英語教程·精讀》教學為例[J]. 外語教育研究前沿， （1）： 11—18.

黎加厚. 2024. 生成式人工智能時代的課堂教學創新[J]. 中小學信息技術教育， （Z1）： 6—10.

凌勇. 2016. 讀后續寫的教學策略[J]. 中小學外語教學（中學篇）， （5）： 31—35.

劉建達. 2023. 基礎教育階段英語教學中的以評促學[J]. 英語學習， （9）： 23—27.

盧宇， 余京蕾， 陳鵬鶴， 等. 2023. 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， （4）： 24—31.

沈書生， 祝智庭. 2023. ChatGPT類產品： 內在機制及其對學習評價的影響[J]. 中國遠程教育， （4）： 8—15.

孫曙光. 2017. “師生合作評價”課堂反思性實踐研究[J]. 現代外語， （3）： 397—406.

王蕾. 2023. 人工智能生成內容技術在教育考試中應用探析[J].中國考試， （8）： 19—27.

王佑鎂， 王旦， 梁煒怡， 等. 2023. “阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J]. 現代遠程教育研究， （2）： 48—56.

徐曉藝， 陸祎. 2024. 生成式人工智能助力初中英語寫作教學的實踐探究[J]. 中小學英語教學與研究， （4）： 49—53.

余蘇丹， 趙杰. 2024. 生成式人工智能在英語詞匯學習中的應用[J]. 英語學習， （1）： 12—18.

于銀磊， 饒輝. 2023. 智能時代大學外語教師的角色危機與身份重塑[J]. 外語電化教學， （3）： 79—85.

作者簡介

張靜 認知智能全國重點實驗室成員，中國科學技術大學碩士。

趙杰 安徽省教育科學研究院英語教研員，安徽師范大學碩士生導師，正高級教師。

王鵬 安徽省合肥市教育科學研究院英語教研員，安徽師范大學特聘教授，中學高級教師。