ChatGPT赋能学生学习的路径探析

董   艳¹，  夏亮亮¹，  李心怡¹，  侯彦华²

（1.北京师范大学 教育学部， 北京   100031；

2.北京开放大学 科学技术学院， 北京   100083）

[摘   要] ChatGPT给技术赋能教育带来了巨大的机遇与挑战，有望变革与重塑教与学方式。但目前ChatGPT的相关研究主要从功能与伦理出发探讨其对教育领域的影响，对学习者如何与ChatGPT互动进入协同学习的分析还不够深入。为此，文章从人机协同学习的基本视角出发，结合ChatGPT的特点以及道德伦理等方面的规范，提出ChatGPT赋能学生学习的具体路径，包括协同底座、个体责任、协同基础、协同接口、协同表现、有效对话和协同形式七个方面。其中，协同底座受到个人责任的激发与约束，协同基础通过协同接口连通，协同表现以有效对话为核心，协同形式具有不同的层次。未来，可以从技术发展、人机双向反馈机制及提升策略、学习者提问与创新能力发展策略等方面做更深入的分析。

[关键词] 人工智能；ChatGPT；人机协同学习；人机对话；反馈素养

一、引   言

如果说2016年AlphaGo打败世界围棋冠军代表专用人工智能达到一个新高度，那么2022年底OpenAI公司发布的聊天机器人模型ChatGPT-3.5（以下简称ChatGPT）则对通用人工智能走向应用具有里程碑意义。目前，ChatGPT已能通过一些心智测试、工程师水平测试和课程考试^[1]，其卓越的性能引发人们关于人工智能奇点是否已经到来的热议。微软公司联合创始人比尔·盖茨在其微博中表示，ChatGPT是他继图形用户界面后遇到的第二项革命性技术，并认为AI驱动的软件将在未来5~10年内彻底改变人类的教与学方式。同时，也有学者开始担忧ChatGPT带来的教育隐忧，思考其是教育的“阿拉丁神灯”还是“潘多拉魔盒”^[2]。与此相对，在新加坡、芬兰等国家积极采取措施拥抱ChatGPT的同时，美国、印度等国家也在采取相应措施限制ChatGPT应用于教育领域。那么教育是否应该积极主动地拥抱ChatGPT？从技术与教育的关系来看，二者是密不可分、相互促进的，具体表现为人类在应对每一轮科技革命时，总以改善教育作为回应，而教育水平的提高有助于培养拔尖创新人才，拔尖创新人才又能进一步促进科技进步，最后进步的科技又会再次赋能教育优质发展^[3-4]。这也是党的二十大报告为何要将教育、科技、人才统筹部署与共同推进的原因所在。在我们看来，ChatGPT作为一项具有革命性意义的技术，深入影响教育领域，加快教与学变革是迟早之事，与其纠结教育应不应该接纳，更应省思的是以何种方式接纳，从而规避教育应用风险，更好地支持或赋能学生学习，促进数字时代优秀人才的培养。

智能技术的快速发展和智能教育产品的逐渐成熟使学习活动的发生越发依赖人与机器之间的协同，人机协同学习将成为未来教育的重要组成形式^[5]。而ChatGPT作为一项具有变革性意义的智能技术产品，现有研究主要从ChatGPT的功能与伦理出发探讨其对教育的影响，较少深入分析学生应当如何利用ChatGPT开展主动、高效的学习。为此，本文旨在梳理现有研究，并在此基础上刻画ChatGPT赋能学生学习的路径，探索学生如何与ChatGPT互动进入协同学习，以期深化ChatGPT带来的积极应用价值，提高未来人才的培养质量。

二、文献综述

ChatGPT自上线以来引发了国内外教育研究者的广泛关注。目前，ChatGPT在教育领域中的研究主要聚焦于以下五方面：

一是介绍ChatGPT的技术原理，了解其是如何工作的。总的来说，ChatGPT是一种基于自然语言处理和机器学习技术的人工智能生成应用，采用人类反馈强化学习的训练范式，拥有1750亿个模型参数，能够自动生成具有启发性的文本、图像等内容，并根据用户反馈改进输出结果以及持续化更新与学习，实现与真实对话无异的交流^[6-7]。

二是分析 ChatGPT 的核心功能及其辅助教与学的形式与方法，探究其在教育中的实际应用场景。综合已有研究，ChatGPT的核心功能主要有信息检索能力、情境理解能力、逻辑推理能力、序列任务执行能力、文本生成能力和程序解析能力^[1，8-9]。在此基础上，ChatGPT能够解析用户需求，执行序列任务，创建具有启发性的内容。关于ChatGPT在教育中的应用，既有学者从整体的视角提出ChatGPT辅助教与学的过程^[2，10]，也有学者单独从教、学、评、辅等方面梳理ChatGPT的应用场景^[11]。

三是ChatGPT在教育领域的实际应用及效果检验。例如：Jeon等使用ChatGPT来进行语言教学，并确定了教学过程中ChatGPT的四种角色和教师的三种角色^[12]。此外，也有研究调查了ChatGPT使用的预测因素，并发现习惯、绩效期望和享乐动机等能够预测行为意图，而行为意图和个人创造性等能够预测使用行为^[13]。在效果上，大多研究表明ChatGPT在支持学习者学习上具有较大潜力，但在很多时候还不能提供深层次理解和可靠答案，需要学习者对ChatGPT返回的答案作进一步的分析和改进^[14-15]。

四是警惕ChatGPT可能产生的教育风险与伦理问题以及ChatGPT存在的局限，并提出针对性措施。在教育风险上，现有研究聚焦于由学生使用ChatGPT作弊而引发的学业诚信危机，以及过度依赖而引发的缺乏独立思考和教师地位弱化，并提出要发展评估策略、分割教学责任、关注学生高阶能力与思维发展等措施^[2，16-17]；在伦理问题上，聚焦于ChatGPT的算法歧视与偏见以及隐私数据的泄露与滥用，并提出要唤醒大众保护数据隐私意识、健全伦理规范体系等措施^[18-19]；在局限上，聚焦于由于训练集与算法模型等局限而导致的ChatGPT知识水平受限、情感价值观缺失、成本高等方面，并提出要理性把握ChatGPT本质特征及潜力、加速技术革新等措施^[1，8，20]。

五是分析ChatGPT对教育生态或系统的影响。一方面，现有研究大多表明ChatGPT不会对教育生态产生大的变革影响，例如，有研究表明，ChatGPT还未对人类物质生产方式产生明显影响，教育总体上不会发生大的变革^[8]。另一方面，ChatGPT会促使教育系统中许多要素发生变化，例如，教育理念亟须变革、人才培养目标外延拓展与指向高阶、教育教学的内容与形态面临更替、考核体系转向素养导向、师生角色与能力素养需要重塑等^{[8，16，19，21]}。

综上所述，目前有关ChatGPT在教育领域的研究主要集中在对其技术原理、辅助教与学的形式和方法、教育风险、伦理问题、存在局限以及对教育生态或系统的影响等方面进行分析与讨论，且结果表明，ChatGPT能够引发教育技术的变革，推动教育变革。然而，ChatGPT要想进一步实现对教育的重塑，关键还在于重塑“进行教育的技术”，即如何在教育中使用技术的技术^[22]。基于这样的认识，要想探讨ChatGPT如何赋能学生的学习，仅提出ChatGPT支持学生学习的若干形式是不够的，还需对ChatGPT何以以及如何支持学生学习的路径做深入分析。据此，本文旨在通过刻画ChatGPT赋能学生学习的路径来反映ChatGPT何以及如何重塑学生学习。

三、ChatGPT赋能学生学习的路径刻画

ChatGPT以人机协同学习的形式赋能学生学习。因此，路径的刻画首先要站在人机协同的基本视角体现二者何以协同的底座、基础和接口以及如何协同的表现和最终形式。其次，ChatGPT的技术特征是其外化于学习者个体的外脑并赋能学生学习的基础，且对话是其与学习者进行交互的主要途径。因此，该路径在底座、基础上要体现ChatGPT的技术特征，并分析二者何以有效对话的机理。此外，ChatGPT的使用可能会引发系列伦理道德等方面的隐忧。因此，该路径也要体现相关群体在伦理道德等方面所应承担的个体责任。综合考虑以上三方面，本文提出ChatGPT赋能学生学习的具体路径（如图1所示），主要包括以下七个组成部分：协同底座、个体责任、协同基础、协同接口、协同表现、有效对话和协同形式。该路径也体现了有效合作五要素，即个体责任、智能与角色等方面的积极互赖、以有效对话为核心的促进性交互、以提问与反馈等为核心的社交技能以及以协同建构和反馈等为核心的小组自加工^[23]，保证了学习者与ChatGPT进行人机协同学习的有效性。

图1   ChatGPT赋能学生学习的路径

（一）受个人责任激发与约束的协同底座

协同底座是学习者与ChatGPT能够开展协同学习的底层支撑，包括ChatGPT的技术与设施底座和学习者的思维与能力底座两方面。同时，协同底座和协同接口也要承担符合伦理地促进技术与学习者和谐发展的责任，以响应教育领域对教育技术伦理的日益关注。

1. 协同底座

ChatGPT的技术与设施底座主要包括AI技术与架构、算力和数据。首先，AI技术与架构是支持ChatGPT生成高质量内容的关键，包括Transformer模型、基于Transformer的基本架构、基于人类反馈的强化学习技术、指示微调技术和思维链技术等^[1]。其次，ChatGPT在进行模型训练、部署应用时需要具有强大算力的计算设备或系统支持，以保证在较短时间内完成特定任务。最后，数据是ChatGPT的“燃料”，ChatGPT只有通过学习大量数据才能理解人类语言，并流畅地与学习者进行多轮对话。

ChatGPT赋能学习者学习的程度取决于学习者自身思维与能力水平。基于人机协同学习形式及ChatGPT的会话属性，学习者应具备数字素养、协作能力、反馈素养、设计思维和创新能力。首先，ChatGPT是一种新型数字技术，学习者要具备数字素养以使用ChatGPT，这对缩小由ChatGPT带来的数字鸿沟具有重要意义。在本文，数字素养指学习者在利用ChatGPT开展学习的过程中应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合^[24]。其次，ChatGPT在与学习者开展人机协同学习的过程中能进行与真人无异的对话。因此，学习者与ChatGPT之间的“人—机”协同学习可以简单看作“人—人”协作（或合作）学习，协作能力便成为最大化人机协同学习绩效的关键能力之一。再次，由于学习者很难在与ChatGPT的第一轮对话中就获得理想答案，人机协同学习具有多轮对话的特征。因此，学习者不仅需要进行感知反馈、认知统合、评价判断等一系列内在行为^[25-26]，以处理ChatGPT返回的答案，还要在多轮对话中迭代完善提问方式与内容以及人机协同学习成果，这要求学习者具备反馈素养与设计思维。最后，创新、创造是学习结果的高阶层次，而目前ChatGPT的“生成性”指的是基于大数据的语言生成性，缺乏与人相比的创造能力及相应意义上的生成性^[16]。因此，学习者要具备创新能力，以在人机协同学习的过程中实现知识的创造与创新产品的制作。

2. 个体责任

教育的目的在于育人，学习者与ChatGPT进行人机协同学习的目的也应是促进学习者的全面发展。此外，美国教育传播与技术协会早在2005年就在教育技术的定义中强调教育技术是“符合伦理的实践”，并在2017年更新为“符合伦理的应用”。由此看来，教育技术伦理已成为国内外教育技术领域关注和研究的重点内容。因此，在ChatGPT赋能学生学习的路径中，协同底座和协同接口的相关人员应承担一定的个体责任，在最小化ChatGPT可能引发的伦理问题的同时，最大化人机协同学习效果。这就要求ChatGPT开发者要在伦理规范的约束下，以赋能学习者学习为目标持续增强ChatGPT的功能，并为解决ChatGPT的伦理问题而攻克模型解释性、模型道德和伦理等技术难题；要求嵌入ChatGPT的工具、系统或平台的从业者提供高质量的学习服务，制定并履行相应的伦理规范以保障用户安全；要求学习者不断提高自身道德素养及能力与思维底座，以符合伦理且更高效地使用ChatGPT。

（二）通过协同接口连通的协同基础

教育数字化转型背景下的人机协同学习需要遵循“需求牵引、应用为王、服务至上”的原则。因此，协同基础作为人机能够协同开展学习的基础，既要包括学习者的学习需求，也要包括ChatGPT的核心功能，且由协同接口为中介，为学习者提供满足其学习需求的智能应用服务。

1. 协同基础

学习者具有学习需求是ChatGPT赋能学生学习的前提条件。基于教育目标，本文将ChatGPT可支持的学习需求分为以下四类：（1）知识学习，包括新知识的学习和旧知识的测评与巩固；（2）技能训练，包括技能应用情境的创设与持续的技能评估及反馈；（3）情感交流，包括情感聆听及调节对策寻求；（4）素养培养，包括在关键能力、必备品格、高阶思维等培养上给予适宜的支持。

由技术与设施底座支撑的核心能力是ChatGPT赋能学生学习的基础。结合已有研究，本文将ChatGPT的核心功能分为以下六类：（1）信息检索能力，即ChatGPT能够在其数据库中检索出有助于解决学习者需求的信息；（2）情境理解能力，即ChatGPT能够识别与学习者进行的多轮对话中的关键词和语义，理解学习者的学习需求；（3）逻辑推理能力，即ChatGPT能够推理出上下文信息中的逻辑关系，并运用已有知识进行推理；（4）序列任务执行，即ChatGPT能够理解学习者指令间的关联关系，执行具有多步骤序列的复杂任务能力；（5）文本生成能力，即ChatGPT能够生成响应学习者学习需求的文本；（6）程序解析能力，即ChatGPT能够解析程序代码结构及错因，生成符合学习者需求的程序代码。

2. 协同接口

协同接口是指ChatGPT或嵌入ChatGPT的智能工具、平台与系统，其在ChatGPT核心功能的增益下，能为学习者提供个性化、多样化的学习支持服务，以响应学习者学习需求。例如，以往基于聊天机器人的写作系统的突出优势在于用词和纠错，但ChatGPT还能自动生成具有启发性的文本，能更好地辅助学习者完成写作任务[27]。具体而言，在知识学习方面，协同接口一方面能提供丰富的知识学习材料。学习者在对这些材料进行信息加工的基础上能提高对知识原理的认知水平。另一方面，协同接口能自动生成测评题目，准确评估学习者的知识水平并提供及时反馈。在技能训练方面，协同接口能通过角色扮演等方式创设技能应用场景，并在对话中评估学习者的技能表现，提供相应的反馈建议。在情感交流方面，协同接口能客观公平地聆听学习者的情感诉求，准确地诊断学习者的情感状态，并推送相对科学的情感调整对策。在素养培养上，协同接口不仅能生成一些具有启发性的内容，激发学习者的创作灵感，与学习者协同创作，也能提供一些学习支架，支持学习者的学习过程，还能及时评估学习者的学习表现，给出针对性的反馈建议。

（三）以有效对话为核心的协同表现

得益于流畅的对话体验，学习者与ChatGPT之间的人机协同学习以有效对话为具体表现形式。在对话过程中，学习者与ChatGPT分别在人类智慧及机器智能的支撑下扮演积极互赖的角色，以解决学习者的学习需求。

1. 协同表现

已有研究提出了六种不同层级的智能，分别是计算智能、感知智能、认知智能、情感智能、志趣智能和创新智能^[28]。目前，ChatGPT的计算智能和感知智能已超过人类。在认知智能方面，ChatGPT已具备不俗的记忆、理解和推理能力，但在高阶思维与能力方面还存在较大局限。在情感智能方面，ChatGPT能够识别学习者情感并进行情感表达，但在情感理解上力有不逮。在志趣智能和创新智能方面，ChatGPT还不具备探寻意义、价值所需要的直感、灵感、顿悟、冥想、信念等心智能力^[29]，也不具备创新、创造能力，这目前还是人类所独有的智能。因此，本文认为在人机协同学习过程中，ChatGPT的机器智能基础主要包括计算、感知、认知和情感等智能，而学习者的人类智慧基础主要包括认知、情感、志趣和创新等智能。

由于学习者和ChatGPT在智能层级上存在局限性与互补性，二者在人机协同学习过程中表现出积极互赖的角色关系。学习者主要扮演以下角色：（1）问题提出者，即剖析学习需求，分析当前状态与预期目标的差距，凝练核心问题，并向ChatGPT提问；（2）调节学习者，即在人机协同学习过程中开展自我调节、协同调节和共享调节学习，以对协同学习过程进行计划、监控及调整；（3）内容建构者，即对ChatGPT返回的内容进行有意义建构，以实现自身知识的生长；（4）协作建构者，即通过与ChatGPT的多轮对话，不仅在个体层面完成认知加工，也在群体层面实现知识创生。ChatGPT主要扮演以下角色：（1）原型制作者，即解析学习者的提问内容，并根据要求生成符合学习者意图的原型，如为完成某项任务而专门制定的计划方案原型、解决方案原型等；（2）监控评价者，即监控学习者在对话中的表现，按照要求作出评价；（3）自我优化者，即在与学习者的对话中主动“学习”，实现自我优化，以在之后更好地支持学习者的学习；（4）协作建构者，即通过与学习者的多轮对话，不仅在个体层面实现自我优化，也在群体层面实现知识创生。

2. 有效对话

有效对话是指学习者与ChatGPT为解决学习者学习需求而进行相互支持与帮助的交流活动，其本质是二者通过人机双向反馈对协同任务建构共同认识，并解决学习者需求的过程。在这个过程中，学习者要发挥能动性，从ChatGPT处获取反馈，对反馈内容进行意义生成和评价判断，并在情感与策略等方面做好准备，以将接收到的反馈转换为后续的行动^[30]。与此同时，ChatGPT也需要从学习者处获取反馈，并对反馈内容进行解析，以生成更符合学习者需求的内容。

本文借鉴乔哈里视窗来深入分析ChatGPT与学习者的有效对话机制。乔哈里视窗是一种沟通技巧和理论，将人际交往中的沟通信息比作窗，并根据交往双方对沟通信息的熟悉程度将沟通信息分为公开区（Open Area）、隐西藏（Hidden Area）、盲区（Blind Spot）和未知区（Unknown Area）^[31]。站在学习者视角，每轮对话中的公开区是学习者和ChatGPT都知道的信息，即二者之间的共识，主要表现为对问题及问题解决方案的潜在共识；隐西藏是学习者知道而ChatGPT不知道的信息，即学习者的学习需求与期望，主要表现为学习者提出的问题；盲区是学习者不知道而ChatGPT知道的信息，即ChatGPT提供的建设性回答，主要表现为ChatGPT返回的学习者事先不知道的信息；未知区是学习者和ChatGPT都不知道的信息，即学习者与ChatGPT在对话过程中形成的新观点、新事物和新规律，主要表现为学习者与ChatGPT在群体层面所实现的知识创生。

根据乔哈里视窗，为实现有效对话就必须扩大公开区，缩小隐西藏、盲区和未知区，这在人机协同学习过程中是一个不断循环迭代的过程。在每轮对话中，学习者首先要立足公开区与ChatGPT进行对话，例如，学习者要知道ChatGPT能帮助自己解决学习需求，ChatGPT也知道其职责是满足学习者学习需求。为扩大公开区，学习者与ChatGPT一方面要通过各自发展来增加双方知识储备，通过相互理解来明确彼此共识，以扩大初始公开区；另一方面也要在人机对话过程中不断地将隐西藏、盲区和未知区内的信息转换到公开区。接着，学习者要主动通过提问的方式自我暴露学习需求与期望，以缩小隐西藏。鉴于ChatGPT只会猜测学习者所提问题的含义，而不会要求学习者对模棱两可的问题作出进一步澄清。为避免出现学习者认为ChatGPT已理解自己所提问题，但ChatGPT并不理解的情况，学习者需要提高提问素养^[15]，确保ChatGPT能够准确理解自己的意图。然后，ChatGPT会向学习者返回反馈信息。此时，学习者需要对反馈内容做意义建构，以吸收相关知识，促进自身知识的生长，从而缩小盲区。此外，学习者也有可能通过与ChatGPT的协作建构得出一些新观点、新事物和新规律，从而有所创新，减小未知区。最后，在每轮对话结束后，学习者要基于前一轮对话结果，分析四个区的状态，重新组织问题开展下一轮对话，并在多轮对话中持续扩大公开区，缩小隐西藏、盲区和未知区。

（四）具有不同协同层次的协同形式

根据学习深度的不同，人机协同学习会形成不同层次的协同形式。基于季清华于2014年提出的“ICAP学习方式分类学”^[32]，本文将人机协同学习分为被动、主动、建构和交互四个层次。

被动学习指学习者在向ChatGPT提问后，全盘接受并存储ChatGPT返回来的信息，协同结果停留在记忆知识的层次。也就是说，学习者在有效对话中只完成了提问，没有进行有效的反馈及创新。从反馈视角来看，产生被动学习的原因一方面是ChatGPT无法提供有益的外在反馈来支持学习者参与更深层次的学习；另一方面是学习者的内部反馈不足，无法对现有信息作出整合、加工与创新。

主动学习指学习者在收到ChatGPT返回的信息后，选择性接受并整合存储部分有用信息，协同结果停留在应用知识的层次。主动学习与被动学习相比，学习者在有效对话中做到了一定程度的内部反馈。参考内部反馈模型，产生主动学习的原因是学习者受到个体知识或参考标准的影响，激发出内在比较过程，将ChatGPT反馈的答案与任务目标及内部答案作比较，在激活原有知识的基础上对ChatGPT返回的信息进行整合存储^[33-34]。

建构学习指学习者对ChatGPT返回的信息进行信息加工，并在已有信息基础上推断出一些新知识，协同结果停留在迁移知识层次。建构学习与主动学习相比，学习者在有效对话中受到内部反馈的激发，不仅将ChatGPT返回的信息与原有知识进行整合，还在此基础上对信息作出精细加工和积极转换，实现了新旧知识之间的转换和迁移。

交互学习指学习者与ChatGPT不仅能各自通过有效对话在已有知识基础上推断出新知识，还能通过交互迭代再次推断出新知识，协同结果停留在共创知识层次。交互学习与建构学习相比，更加注重学习者与ChatGPT的每轮对话间的迭代优化关系。也就是说，学习者不仅要对ChatGPT返回的信息进行信息加工，还要调动自身元认知、反思、反馈、调节、创新等能力对有效对话过程进行内省，以知识共创为目标，规划并执行自己与ChatGPT的下一步行动，维持与ChatGPT的高效协作关系。

四、结   语

教育研究与实践者在教育数字化转型的各个时期都在积极探索技术变革乃至重塑教育的内在机理与外在形式。ChatGPT作为当前人工智能技术的新顶点，给技术赋能教育带来了巨大机遇与挑战。本文主要从人机协同学习视角提出ChatGPT赋能学生学习的路径，并从协同底座、个体责任、协同基础、协同接口、协同表现、有效对话和协同形式七个方面探究ChatGPT何以以及如何重塑学生学习。未来可以从以下三方面开展更深入的研究：（1）发挥具有教育学、心理学、计算机科学等学科背景的研究人员的协同作用来提高技术的教育性、功能性与伦理性，优化学习者的学习体验；（2）探究人机协同学习背景下学习者与ChatGPT的人机双向反馈机制以及ChatGPT反馈能力与学习者反馈素养的提升策略，提高人机对话的有效性；（3）构建学习者提问及创新能力发展策略，使学习者提出真问题，并在人机协同学习过程中实现“1到100”乃至“0到1”的创新。

本文发表于《电化教育研究》2023年第12期，转载请与电化教育研究杂志社编辑部联系(官方邮箱：[e-mail])。

引用请注明参考文献：董艳，夏亮亮，李心怡，侯彦华.ChatGPT赋能学生学习的路径探析[J].电化教育研究，2023，44(12)：14-20,34.

责任编辑：樊晓红

校      对：柳瑞雪

审      核：郭   炯

【参考文献】

[1] 卢宇，余京蕾，陈鹏鹤，等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J]. 中国远程教育，2023，43（4）：24-31，51.

[2] 王佑镁，王旦，梁炜怡，等. “阿拉丁神灯”还是“潘多拉魔盒”：ChatGPT教育应用的潜能与风险[J]. 现代远程教育研究，2023，35（2）：48-56.

[3] 奥恩.教育的未来：人工智能时代的教育变革[M].李海燕，王秦辉，译.北京：机械工业出版社，2018.

[4] 黄荣怀. 论科技与教育的系统性融合[J].中国远程教育，2022（7）：4-12，78.

[5] 王一岩，郑永和.智能时代的人机协同学习：价值内涵、表征形态与实践进路[J]. 中国电化教育，2022（9）：90-97.

[6] GEORGE A S， GEORGE A H. A review of ChatGPT AI's impact on several business sectors[J]. Partners universal international innovation journal， 2023，1（1）：9-23.

[7] SHEN Y， HEACOCK L， ELIAS J， et al. ChatGPT and other large language models are double-edged swords [J]. Radiology， 2023，307（2）：e230163.

[8] 邱燕楠，李政涛.挑战·融合·变革：“ChatGPT与未来教育”会议综述[J]. 现代远程教育研究，2023，35（3）：3-12，21.

[9] ALJANABI M. ChatGPT：future directions and open possibilities[J]. Mesopotamian journal of cybersecurity， 2023，2023：16-17.

[10] SKRABUT S. 80 ways to use ChatGPT in the classroom：using AI to enhance teaching and learning[DB/OL].（2023-01-31）[2023-09-22].  https://zoboko.com/book/2d2ngvje/80-ways-to-use-chatgpt-in-the-classroom-using%02ai-to-enhance-teaching-and-earning.

[11] 张志祯，张玲玲，米天伊，等.大型语言模型会催生学校结构性变革吗？——基于ChatGPT的前瞻性分析[J].中国远程教育，2023， 43（4）：32-41.

[12] JEON J， LEE S Y. Large language models in education：a focus on the complementary relationship between human teachers and ChatGPT[DB/OL]. （2023-05-02）[2023-09-22]. https://link.springer.com/article/10.1007/s10639-023-11834-1.

[13] STRZELECKI A. To use or not to use ChatGPT in higher education? A study of students' acceptance and use of technology[DB/OL].（2023-05-08）[2023-09-22]. https://www.tandfonline.com/doi/full/10.1080/10494820.2023.2209881.

[14] COOPER G. Examining science education in ChatGPT：an exploratory study of generative artificial intelligence[J]. Journal of science education and technology， 2023，32（3）：444-452.

[15] SHOUFAN A. Exploring students' perceptions of ChatGPT：thematic analysis and follow-up survey [J]. IEEE access，2023，11：38805-38818.

[16] 张绒.生成式人工智能技术对教育领域的影响——关于ChatGPT的专访[J].电化教育研究，2023，44（2）：5-14.

[17] RUDOLPH J， TAN S， TAN S. ChatGPT：bullshit spewer or the end of traditional assessments in higher education?[J]. Journal of applied learning and teaching， 2023，6（1）：1-22.

[18] 王佑镁，王旦，梁炜怡，等. ChatGPT教育应用的伦理风险与规避进路[J].开放教育研究，2023，29（2）：26-35.

[19] 吴砥，李环，陈旭.人工智能通用大模型教育应用影响探析[J]. 开放教育研究，2023，29（2）：19-25，45.

[20] STOJANOV A. Learning with ChatGPT 3.5 as a more knowledgeable other：an autoethnographic study [DB/OL].（2023-06-19）[2023-09-22]. https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-023-00404-7.

[21] 郑燕林，任维武.实践观视域下ChatGPT教学应用的路径选择[J].现代远距离教育，2023（2）：3-10.

[22] 陈晓珊，戚万学.“技术”何以重塑教育[J].教育研究，2021，42（10）：45-61.

[23] JOHNSON D W， JOHNSON R T.合作学习[M].伍新春，郑秋，张洁，译.北京：北京师范大学出版社，2004.

[24] 中国网信网.提升全民数字素养与技能专家系列解读|加强数字素养与技能教育培养合格数字公民[EB/OL].（2022-08-18） [2023-04-25]. http：//www.cac.gov.cn/2022-08/18/c_1662448159600092.htm.

[25] 董艳.学生反馈素养论纲：内涵、模型与发展[J]. 开放教育研究，2020，26（5）：26-39.

[26] 董艳，李心怡，郑娅峰，等.智能教育应用的人机双向反馈：机理、模型与实施原则[J]. 开放教育研究, 2021， 27（2）：26-33.

[27] YAN D. Impact of ChatGPT on learners in a L2 writing practicum：an exploratory investigation[DB/OL]. （2023-04-01）[2023-09-22]. https://link.springer.com/article/10.1007/s10639-023-11742-4.

[28] 朱永海，刘慧，李云文，等.智能教育时代下人机协同智能层级结构及教师职业形态新图景[J].电化教育研究，2019，40（1）：104-112，120.

[29] 祝智庭，彭红超，雷云鹤.智能教育：智慧教育的实践路径[J].开放教育研究，2018，24（4）：13-24，42.

[30] ZHAN Y. Developing and validating a student feedback literacy scale[J]. Assessment & evaluation in higher education，2022，47（7）：1087-1100.

[31] 高洁.思想政治理论课对话式教学的“乔哈里窗”机制探索[J].思想教育研究，2019（8）：112-116.

[32] CHI MICHELENE T H， WYLIE R. The ICAP framework: linking cognitive engagement to active learning outcomes[J]. Educational psychologist， 2014，49（4）：219-243.

[33] 董艳，吴佳明，赵晓敏，等.学习者内部反馈的内涵、机理与干预策略[J].现代远程教育研究，2023，35（3）：55-64.

[34] NARCISS S. Designing and evaluating tutoring feedback strategies for digital learning environments on the basis of the interactive tutoring feedback model[J]. Digital education review，2013，23：7-26.

Analysis of the Path to Empowering Student Learning with ChatGPT

DONG Yan¹,  XIA Liangliang¹,  LI Xinyi¹,  HOU Yanhua²

(1.Faculty of Education, Beijing Normal University, Beijing 100031;2.College of Science and Technology, Beijing Open University, Beijing 100083)

[Abstract] ChatGPT brings tremendous opportunities and challenges to technology-enabled education, which is expected to transform and reshape teaching and learning methods. However, the current research on ChatGPT mainly explores its impact on education from the perspective of its function and ethics, and the research on how learners interact with ChatGPT to enter into collaborative learning is not deep enough. Therefore, from the basic perspective of human-computer collaborative learning, combining the characteristics of ChatGPT and the norms of morality and ethics, this paper proposes a specific path for ChatGPT to empower student learning, including seven aspects: collaborative base, individual responsibility, collaborative foundation, collaborative interface, collaborative performance, effective dialogue, and collaborative forms. Among them, the collaborative base is stimulated and constrained by individual responsibility, the collaborative foundation is connected through the collaborative interface, the collaborative performance is centered on effective dialogue, and the collaborative form has different levels. In the future, more in-depth analysis can be made in terms of technological development, human-computer two-way feedback mechanism and improvement strategy, and learners' questioning and innovation ability development strategy.

[Keywords] Artificial Intelligence; ChatGPT; Human-Computer Collaborative Learning; Human-Computer Dialogue; Feedback Literacy

基金项目：2021年度国家自然科学基金面上项目“STEM教育情境下多人同伴互动的脑协同机制与策略研究”（项目编号：62177011）；2018年度北京市教育科学“十三五”规划重点课题“大数据背景下在线教育学习分析实证研究”（课题编号：CADA18067）

[作者简介] 董艳（1973—），女，河南温县人。教授，博士，主要从事跨学科创新教育、线上线下混合教学、教师专业发展、师生反馈素养等研究。E-mail：[e-mail]。侯彦华为通讯作者，E-mail：[e-mail]。