摘要：本文研究了人类与由大型语言模型（LLM）驱动的生成式AI聊天机器人在教育环境中的协作潜力。作者强调了教师在利用人工智能增强学习成果方面的积极作用，而非将其视为教育者的替代品。作者证实了AI聊天机器人在语言教育中可以扮演的四个关键角色：对话者、内容提供者、教学助手和评估者。本文的案例研究重点关注了像XIPU AI和ChatGPT这样的聊天机器人如何增强CEFR（欧洲语言共同参考框架）水平为B2+的学生的EAP学习体验。

 

 

 

       随着人工智能在教育环境中的日益融合，学者们开始重点研究人类与人工智能之间的合作，指出协作往往比孤立的方法更能产生有效的学习成果（Kim et al.，2022；Xu & Ouyang，2022）。这些研究强调了教师积极作用的重要性，展示了他们如何促进人工智能对教育的积极影响，而不是将人工智能视为教育者的潜在替代品。为了更好地发挥AI在教育中的潜力，特别是由大型语言模型（LLM）驱动的生成式AI聊天机器人，Jeon和Lee（2023）已经确定了这种聊天机器人在语言教育中扮演的四个关键角色：对话者、内容提供者、教学助手和评估者。在本文的案例研究中，我们通过呈现XIPU AI和ChatGPT等聊天机器人如何提升CEFR（欧洲语言共同参考框架）水平为B2+的学生在EAP学习中的体验，来阐述这些聊天机器人在教育领域扮演的关键角色。

 

 

1.对话者：

 

       我们充分利用聊天机器人的角色扮演功能，以提升学生的语言技能。通过引导学生多角度分析问题和构建有力论点的方式，我们培养了他们的批判性思维。使用诸如“你扮演A，我扮演B”之类的提示或指令，学生们沉浸在涵盖从商业到地球科学的主题的讨论中。通过参与由AI促进的角色扮演，学生们学会了考虑不同观点，提高了他们分析和表达复杂思想的能力。此外，诸如“提供更多细节，如现实生活中的例子、专家意见和统计数据”的指令可以帮助学生发展建立健全论点的能力。

 

       在EAP的教学和学习中，学生需要参与小组讨论，并在写作和口语环境中提出充分发展的论点。通过这种基于AI的方法，我们有效地增强了这些能力。以下是具体操作方法：课堂上，在我们展示了与聊天机器人的示例对话后，我们将学生分成小组，分配角色，并让他们与聊天机器人交谈。学生们记录下重要的论点，随后被重新分组，进行非AI辅助的讨论，运用从AI对话中获得的见解。

 

       聊天机器人通过交互式讨论和情境活动为应用语言技能提供了沉浸式和支持性环境。这使得学习者可以练习文本对话，类似于与母语人士交流。然而，学者已经观察到像ChatGPT这样的AI程序背后的数据来源可能存在偏见（Hartmann et al.，2023）。因此，教师和学生有责任最终评估AI生成的知识是否准确无偏见。

 

示例指令：

• 设身处地为……，你对……有何看法？
• 如果你是一名员工，你会怎么想？
• 你能提供更多细节，比如现实生活中的例子、专家意见和统计数据吗？

 

 

 

2.内容提供者：

 

       聊天机器人的多功能性延伸到为学生设计定制课程和评估。利用AI XIPU，我们为EAP035课程的学生设计了期末考试材料。该任务涉及撰写一个400字综合摘要。学生阅读一篇短文，然后听一段相关的演讲，最后撰写一篇综合摘要，对这两部分内容进行对比。在将此任务分配给AI XIPU时，我们明确了段落结构、字数，并要求增加相对应的细节，同时调整语言难度，以确保考试难度与学生在B2-C1语言能力水平相匹配。

 

       除了生成听力和阅读材料外，聊天机器人还能生成写作答案。之前，设计试卷和答案需要7天左右，但是AI简化了整个流程，使所有任务在一天内完成。因此，我们能够生成八套练习和答案，作为学生在期末考试前练习摘要技能的自学材料。

 

       通过巧妙地运用聊天机器人，我们成功增强了课程和评估开发的效率，这与最新研究（Lund & Ting，2023）对其在教育内容生成方面的显著能力的认识相一致。然而，使用者在应用中需关注信息的准确性。设计准确的指令可能耗时，而Rudolphet al.（2023）指出，教育者要采取积极措施应对AI生成的虚假信息。为了确保准确性，教育者应采取警惕的态度，定期验证AI生成的输出，交叉参考信息，并提供清晰的说明。这种合作方法使教育者能够有效地掌控教育材料的准确性和可靠性，创造出一个平衡而有效的学习环境。

 

 

示例指令：

• 请列举至少5个关于xxx（主题）的论点及其相应的论据
• 请将语言水平调整到B2-C1
• 请简要概括文章的三个要点及其分论点

 

 

3.评估者：

 

       使用XIPU AI生成测试是聊天机器人在评估者角色中提供的极具价值的功能。利用XIPU AI，我们设计了一套小测验，旨在评估学生对我们提供的自学材料的理解程度。这些自学材料主要由涵盖各种主题的视频内容组成。由于自学活动旨在鼓励学生独立使用所提供的材料，我们设计了一些活动来评估他们的学习进度。我们特别指示聊天机器人创建包含多种问题类型的小测验，以帮助学生集中注意力于视频中的关键信息。此外，我们要求聊天机器人为每个小测验生成相应的答案。

 

       使用XIPU AI创建测验的主要优势之一是其效率。通过自动化这一过程，教师能够节省宝贵的时间和精力。聊天机器人以快速而准确的方式生成测验，使教育者能够专注于教学职责的其他重要方面（Bekeˇs & Galzina，2023）。然而，XIPU AI在测验创建方面存在一个缺陷，即其无法直接处理视频材料。由于XIPU AI是基于文本的语言模型，它无法解释视频中的音频或视觉线索。在基于视频内容创建测验时，这带来了挑战，因为聊天机器人仅依赖于视频的转录或书面摘要。这种限制可能导致关键的视觉或听觉元素被忽视，而这些元素对于生成有效的测验问题可能有所关联。因此，教育者需要确保准确的转录或摘要可供聊天机器人使用，这可能需要投入额外的时间和精力来准备测验所需的材料。

 

 

示例指令：

• 请根据以下内容编写十个不同类型的测验问题：
• 请基于以下内容创建十个不同类型的测验并提供答案：

 

 

 

4.教学助手：

 

       聊天机器人在教学助手的角色中也扮演着重要的角色。其中一个值得注意的应用是其语法检查功能。在评估任务中，学生需要撰写约1300字的报告。为了提供有针对性的语言使用反馈，教师选择了每份报告中的一个段落进行仔细的语法检查。然后，聊天机器人被用来进一步协助识别和纠正所选段落中的语法错误，为学生在改善写作技能方面提供额外支持。这种方法使得反馈更有针对性，提高了语法检查过程的有效性。

 

       使用ChatGPT作为语法检查器既有优势又有劣势。其主要好处之一是它能够帮助识别和纠正书面文本中的语法错误。通过利用聊天机器人分析学生报告中的某一段落，提供了额外的支持，有助于提升他们的写作技能。然而，我们也不能忽视其在某些方面的局限性。ChatGPT可能不会始终准确捕获所有语法错误，因为它依赖于预先训练的模式，可能无法充分理解写作的上下文或细微差别。例如，Huang 等人（2023）指出，计算机语义分析主要强调词的直接意义，可能忽略词与上下文结合的完整含义。比如在下面的示例中我们可以看到，在原始段落中，“学生的弱点”这一短语已经存在一个表示所有格的撇号，但是ChatGPT仍然让学生加撇号。因此，尽管ChatGPT可以成为检查语法的一个有价值的工具，但其应与人类反馈和指导结合使用，以确保语言改进的全面性和准确性。

 

 

示例指令：

• 请在以下段落中显示语法问题，但不要在段落中进行更正：
• 请列出段落中的语法错误而不做更正：
• 请根据时态使用指出语法问题：

 

 

       Chat GPT具有重要的教育潜力，但其目的并不是取代人类教育者。相反，它可以用来辅助教师或增强教师的专业素质。教育者在认识到生成式AI聊天机器人在自动化教学任务方面的力量后，应将其视为一种提高教学效果的工具，而不是教师与学生互动的替代品。我们相信，在这种高技术的帮助下，教学职业可能需要重新定义，教育工作者需要认识到本案例研究中所展示的AI聊天机器人在语言教育中可以扮演的四个角色。

 

 

 

 

Allouch, M.; Azaria, A. and Azoulay, R. (2021) ‘Conversational Agents: Goals,

Technologies, Vision and Challenges’, Sensors, 21(24), 8448. DOI: 10.3390/s21248448

 

Bekeˇs, E. R., & Galzina, V. (2023). Exploring the pedagogical use of AI-powered chatbots educational perceptions and practices. In 2023 46th MIPRO ICT and electronics convention (MIPRO) (pp. 636–641). https://doi.org/10.23919/ MIPRO57284.2023.10159734

 

Hartmann, J., Schwenzow, J., & Witte, M. (2023). The political ideology of conversational AI: Converging evidence on ChatGPT’s pro-environmental, left-libertarian orientation. arXiv. https://doi.org/10.48550/arXiv.2301.01768

Huang, X., Zou D., Cheng, G., Chen, X., & Xie, H. (2023). Trends, research issues and applica- tions of artificial intelligence in language education. Educational Society & Technology 26(1), 112–131. https://www.j-ets.net/collection/forthcoming-articles/26_1

Kim, J., Lee, H., & Cho, Y. H. (2022). Learning design to support student-AI collaboration: Per- spectives of leading teachers for AI in education. Education and Information Technologies, 27, 6069–6104. https://doi.org/10.1007/s10639-021-10831-6

 

Lund, B., & Ting, W. (2023). Chatting about ChatGPT: How May AI and GPT Impact Academia and Libraries? Library Hi Tech News, 40(3), 26-29. https://doi.org/10.1108/LHTN-01- 2023-0009

Pérez-Marín, D. (2021) ‘A Review of the Practical Applications of Pedagogic Conversational Agents to Be Used in School and University Classrooms’. Digital, 1(1)

33. 18-33. DOI:10.3390/digital1010002

Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning and Teaching, 6(1), 342- 363. https://doi.org/10.37074/jalt.2023.6.1.9

 

Xu, W., & Ouyang, F. A. (2022). A systematic review of AI role in the educational system based on a proposed conceptual framework. Education and Information Technologies, 27, 4195–4223. https:// doi.org/10.1007/s10639-021-10774-y