Mereka Bentuk Tugas Komunikasi Berasaskan Konflik dalam TCFL dengan ChatGPT: Satu Analisis Proses

1. Pengenalan

Kemunculan Kecerdasan Buatan (AI) sedang mengubah pelbagai bidang, termasuk pengajaran dan pembelajaran bahasa. Aplikasi seperti terjemahan mesin (cth., DeepL), pembetulan ralat tatabahasa (cth., Grammarly), dan sintesis teks-ke-ucapan (cth., TTSmaker) kini sudah menjadi perkara biasa. Pelancaran ChatGPT pada akhir 2022, pembantu maya berkuasa AI oleh OpenAI, telah menarik perhatian yang besar kerana keupayaan pemprosesan maklumatnya yang luar biasa. Konteks ini memerlukan pemeriksaan yang lebih teliti terhadap aplikasi AI dalam didaktik bahasa, khususnya impaknya terhadap proses pengajaran dan pembelajaran.

Artikel ini memberi tumpuan kepada menganalisis proses mereka bentuk tugas komunikasi berasaskan konflik untuk kursus Ekspresi Lisan peringkat universiti dalam Pengajaran Bahasa Cina sebagai Bahasa Asing (TCFL) dengan bantuan ChatGPT. Ia mengamalkan perspektif penyelidikan deskriptif untuk mendedahkan ciri-ciri utama interaksi guru-AI dan menerangkan impaknya terhadap pemuktamadan reka bentuk program pengajaran.

2. Konteks dan Kerangka Penyelidikan

2.1 Konteks Kajian

Kajian ini terletak dalam pembangunan program pengajaran untuk kursus ekspresi lisan TCFL di peringkat universiti. Strategi pedagogi teras melibatkan mereka bentuk tugas komunikasi yang berakar umbi dari senario konflik untuk merangsang dinamik interaktif dalam kalangan pelajar dan memupuk perkembangan kompetensi interaksi lisan.

2.2 Soalan dan Metodologi Penyelidikan

Penyelidikan ini dipandu oleh dua soalan utama:

1. Bagaimanakah penggunaan ChatGPT dimanifestasikan semasa proses menghuraikan tugas komunikasi berasaskan konflik?
2. Sejauh manakah penggunaannya mempengaruhi program pengajaran akhir?

Metodologi adalah kualitatif dan deskriptif, menganalisis korpus interaksi antara guru-penyelidik dan ChatGPT semasa fasa reka bentuk tugas. Analisis bertujuan untuk mengenal pasti corak, strategi, dan titik keputusan dalam proses reka bentuk kolaboratif manusia-AI ini.

3. Kerangka Teori

3.1 Tugas Komunikasi dan Teori Konflik

Tugas komunikasi ditakrifkan sebagai aktiviti di mana makna adalah utama, terdapat matlamat komunikasi untuk dicapai, dan kejayaan dinilai dari segi hasil. Mengintegrasikan teori konflik ke dalam reka bentuk tugas memperkenalkan elemen disonansi kognitif dan sosial—perselisihan pendapat, perspektif berbeza, atau senario penyelesaian masalah—yang memaksa pelajar untuk merundingkan makna, mewajarkan pendapat, dan menggunakan bahasa persuasif, seterusnya memperdalam penglibatan dan keluaran linguistik.

3.2 Kriteria untuk Penghuraian Tugas

Kriteria utama yang dipertimbangkan semasa reka bentuk tugas termasuk:

• Keaslian: Skenario konflik harus mencerminkan situasi dunia sebenar yang mungkin dihadapi oleh pelajar.
• Kesesuaian Linguistik: Tugas mesti diselaraskan dengan tahap kemahiran pelajar (cth., B1/B2 CEFR).
• Matlamat Interaksi: Objektif yang jelas untuk interaksi (cth., mencapai kompromi, memujuk, menyelesaikan dilema).
• Tuntutan Kognitif: Konflik harus memerlukan analisis, penilaian, dan pemikiran kreatif.

4. Analisis Interaksi Guru-ChatGPT

4.1 Manifestasi Penggunaan ChatGPT

Guru menggunakan ChatGPT sebagai rakan reka bentuk kolaboratif. Arahan (prompt) distrukturkan untuk:

1. Menjana Idea: "Cadangkan 5 senario konflik untuk pelajar bahasa Cina peringkat pertengahan tentang berkongsi apartmen."
2. Memperhalusi Bahasa: "Ungkap semula arahan tugas ini untuk menjadikannya lebih jelas untuk pelajar."
3. Membangunkan Kandungan: "Sediakan dialog contoh untuk senario 'salah faham budaya di majlis makan malam' ini."
4. Menilai & Mengkritik: "Semak rangka tugas ini dan kenal pasti potensi perangkap untuk penglibatan pelajar."

Interaksi adalah berulang, dengan guru membimbing, menapis, dan menyesuaikan output ChatGPT.

4.2 Impak terhadap Program Pengajaran Akhir

Pengaruh ChatGPT diperhatikan dalam:

• Peningkatan Kepelbagaian Idea: AI mencadangkan pelbagai senario konflik yang lebih luas berbanding yang pada asalnya difikirkan oleh guru sahaja.
• Pemprosesan Prototaip Dipercepatkan: Penjanaan draf tugas dan bahan yang pantas mengurangkan masa reka bentuk awal.
• Pembinaan Linguistik: Menyediakan rangkaian leksikal dan pola ayat siap pakai yang relevan dengan rundingan konflik.
• Potensi untuk Output Generik: Sesetengah cadangan kekhususan budaya atau nuansa pedagogi, memerlukan campur tangan guru yang signifikan untuk mengkontekstualisasikannya.

5. Butiran Teknikal dan Kerangka Analisis

Kerangka analisis untuk menilai proses reka bentuk berbantu AI boleh dikonsepsikan melalui model input-proses-output dengan gelung maklum balas.

Metrik Penilaian Proses: Mekanisme pemarkahan mudah boleh digunakan untuk menilai utiliti setiap interaksi AI. Biarkan $U_i$ mewakili utiliti output ChatGPT ke-i, dinilai oleh guru pada skala dari -1 (kontraproduktif) hingga +1 (sangat berguna). Purata utiliti $\bar{U}$ untuk sesi reka bentuk adalah:

$$\bar{U} = \frac{1}{n}\sum_{i=1}^{n} U_i$$

Di mana $n$ ialah bilangan interaksi AI yang signifikan. $\bar{U}$ positif menunjukkan bantuan bersih positif.

Klasifikasi Corak Interaksi: Interaksi dikodkan sebagai:

1. Penjanaan Idea Divergen (DI): AI mengembangkan kemungkinan.
2. Penghalusan Konvergen (CR): AI membantu menspesifikasikan dan menambah baik.
3. Penjanaan Linguistik (LG): AI menghasilkan sampel bahasa.
4. Kritikan Pedagogi (PC): AI menilai struktur tugas (terhad).

6. Keputusan dan Perbincangan

Penerangan Carta (Hipotesis): Carta bar bertajuk "Kekerapan Jenis Interaksi ChatGPT Semasa Reka Bentuk Tugas" menunjukkan taburan. Penjanaan Idea Divergen (DI) dan Penjanaan Linguistik (LG) adalah jenis interaksi yang paling kerap, menunjukkan peranan utama ChatGPT sebagai pencetus idea dan sumber bahasa. Kritikan Pedagogi (PC) adalah yang paling jarang, menonjolkan batasan semasa AI dalam analisis pedagogi yang mendalam.

Analisis mendedahkan bahawa ChatGPT berfungsi paling berkesan sebagai pemangkin dan perpustakaan sumber, tetapi bukan sebagai pakar pedagogi. Peranan guru kekal penting dalam memastikan keaslian budaya, menyelaraskan tugas dengan objektif pembelajaran, dan mengaplikasikan prinsip pemerolehan bahasa kedua (SLA). Program akhir lebih kaya dengan kepelbagaian senario tetapi memerlukan kurasi yang teliti untuk mengekalkan koheren pedagogi.

7. Kajian Kes: Aplikasi Kerangka

Skenario: Mereka bentuk tugas untuk pelajar peringkat pertengahan tentang "Merundingkan Tanggungjawab Kerja."

1. Arahan Guru (DI): "Jana 3 senario konflik antara dua rakan sekerja dalam persekitaran pejabat Cina."
2. Output ChatGPT: Menyediakan senario tentang beban kerja tidak sama rata, tarikh akhir terlepas, dan pengiktirafan untuk idea.
3. Tindakan Guru (CR): Memilih senario "beban kerja tidak sama rata" dan memberi arahan: "Senaraikan 5 frasa Mandarin utama untuk mengadu secara sopan tentang beban kerja dan 5 untuk menolak tugas."
4. Output ChatGPT (LG): Menyediakan frasa seperti "我最近工作量有点大…" dan "我可能暂时接不了这个任务…"
5. Sintesis Guru: Mengintegrasikan senario dan frasa ke dalam kad tugas main peranan, menambah arahan yang jelas dan kriteria kejayaan berdasarkan matlamat pedagogi.

Kajian kes ini menggambarkan penggunaan ChatGPT yang berulang dan dipandu, di mana AI membekalkan kandungan yang dibingkaikan secara pedagogi oleh guru.

8. Aplikasi dan Hala Tuju Masa Depan

• Pensyarah AI Khusus: Pembangunan LLM yang diperhalusi pada penyelidikan SLA dan korpus bahasa khusus (cth., bahasa antara pelajar TCFL) untuk memberikan cadangan yang lebih kukuh dari segi pedagogi.
• Penjanaan Tugas Dinamik: Sistem AI yang boleh menjana tugas konflik yang diperibadikan berdasarkan profil, minat, dan jurang linguistik yang diperhatikan pelajar.
• Integrasi Multimodal: Menggabungkan ChatGPT dengan AI penjanaan imej/video (cth., DALL-E, Sora) untuk mencipta arahan konflik berasaskan senario yang mendalam.
• Analisis Interaksi Masa Nyata: Menggunakan AI untuk menganalisis rakaman pelajar melaksanakan tugas konflik, memberikan maklum balas tentang strategi interaksi, pengambilan giliran, dan kompetensi pragmatik.
• Kerangka Etika & Budaya: Membina pengawal dan modul budaya ke dalam pembantu AI untuk memastikan konflik yang dijana adalah sesuai, konstruktif, dan berasaskan budaya.

9. Rujukan

1. Ellis, R. (2003). Task-based language learning and teaching. Oxford University Press.
2. Long, M. H. (2015). Second language acquisition and task-based language teaching. Wiley-Blackwell.
3. OpenAI. (2022). ChatGPT: Optimizing Language Models for Dialogue. https://openai.com/blog/chatgpt
4. Pica, T., Kanagy, R., & Falodun, J. (1993). Choosing and using communicative tasks. In G. Crookes & S. M. Gass (Eds.), Tasks and language learning: Integrating theory and practice (pp. 9-34). Multilingual Matters.
5. Warschauer, M., & Healey, D. (1998). Computers and language learning: An overview. Language Teaching, 31(2), 57-71.
6. Zhao, Y. (2023). The AI-Powered Language Teacher: A Framework for Integration. CALICO Journal, 40(1), 1-25.

10. Analisis Asal & Ulasan Pakar

Pandangan Teras: Kajian ini bukan tentang AI menggantikan guru; ia adalah tentang AI meningkatkan dimensi kreatif dan logistik reka bentuk pedagogi. Kisah sebenar di sini ialah kemunculan "guru-sebagai-kurator-dan-jurutera-arahan". Nilainya bukan pada output mental ChatGPT, yang seperti yang dinyatakan kertas kerja boleh menjadi generik, tetapi pada keupayaan pendidik yang mahir untuk membingkaikan arahan yang mengeluarkan bahan mental yang berguna dari segi pedagogi dan kemudian memperhalusinya. Ini mencerminkan penemuan dalam industri kreatif yang menggunakan AI, di mana peranan manusia beralih daripada pencipta tunggal kepada pengarah strategik (Ammanath, 2022).

Aliran Logik & Kekuatan: Kertas kerja ini betul mengenal pasti titik manis AI: penjanaan idea divergen dan pembinaan linguistik. Dengan menyerahkan beban kognitif menjana banyak idea senario dan perbendaharaan kata berkaitan, guru boleh menumpukan pada tugas pedagogi peringkat tinggi—menstrukturkan interaksi, menetapkan matlamat yang sesuai, dan mengintegrasikan tugas ke dalam kurikulum yang lebih luas. Ini selaras dengan konsep "kognisi teragih", di mana alat mengendalikan tugas kognitif rutin, membebaskan kecerdasan manusia untuk penyelesaian masalah kompleks (Hutchins, 1995). Metodologi deskriptif adalah sesuai untuk bidang baru ini, memberikan peta kualitatif yang kaya tentang medan interaksi.

Kelemahan & Jurang Kritikal: Analisis, walaupun berharga, hanya menyentuh permukaan proses kejuruteraan arahan. Struktur arahan khusus apakah yang menghasilkan keputusan terbaik? Ini adalah kompetensi teras baharu untuk pendidik, setara dengan kemahiran pengaturcara. Kertas kerja ini juga kekurangan analisis perbandingan. Bagaimanakah proses reka bentuk berbantu AI berbeza dari segi kecekapan, kreativiti, dan hasil berbanding proses tradisional, guru sahaja atau kolaboratif guru-rakan sejawat? Tambahan pula, impak muktamad—hasil pembelajaran pelajar—tidak ada. Adakah tugas konflik yang direka dengan AI membawa kepada kemahiran interaksi lisan yang lebih baik berbanding yang direka tanpa AI? Ini adalah soalan penting yang belum terjawab. Kajian ini, seperti banyak dalam EdTech, memberi tumpuan kepada penggunaan alat oleh guru, bukan kesan akhirnya pada pelajar, satu perangkap biasa yang diperhatikan oleh penyelidik seperti Selwyn (2016).

Pandangan Boleh Tindak: Untuk jabatan bahasa dan pendidik: 1) Melabur dalam latihan literasi arahan. Pembangunan profesional harus bergerak melampaui penggunaan AI asas kepada teknik lanjutan untuk mendapatkan kandungan yang kukuh dari segi pedagogi. 2) Membangunkan perpustakaan arahan kongsi. Cipta repositori arahan yang disahkan dan berkesan untuk reka bentuk tugas TCFL (cth., "Jana main peranan konflik peringkat B1 tentang [topik] menggabungkan frasa untuk [fungsi]"). 3) Mengamalkan aliran kerja kritikal dan berulang. Gunakan AI untuk draf pertama, tetapi mewajibkan beberapa pusingan semakan manusia yang memberi tumpuan kepada nuansa budaya, penyelarasan pedagogi, dan mengelakkan bias AI atau bahasa yang "licin" tetapi tidak asli. 4) Memulakan kajian longitudinal. Bidang ini mesti bergerak dari penerangan proses kepada penyelidikan berasaskan hasil. Bekerjasama dengan saintis pembelajaran untuk mengukur keberkesanan bahan direka bersama AI pada metrik pemerolehan bahasa sebenar. Masa depan bukan milik guru yang takutkan AI, tetapi mereka yang belajar memanfaatkannya sebagai ko-pilot yang berkuasa, walaupun tidak sempurna, dalam perjalanan kompleks pedagogi bahasa.