Integrasi Kecerdasan Buatan (AI), terutamanya model generatif seperti ChatGPT, ke dalam pedagogi bahasa mewakili satu anjakan yang signifikan. Kertas kerja ini menyiasat satu aplikasi khusus: menggunakan ChatGPT untuk membantu mereka bentuk tugas komunikasi berasaskan konflik bagi kursus Ekspresi Lisan peringkat universiti dalam Pengajaran Bahasa Cina sebagai Bahasa Asing (TCFL). Penyelidikan ini menggunakan pendekatan deskriptif untuk menganalisis interaksi guru-AI semasa proses pembangunan kurikulum dan menilai impaknya terhadap program pengajaran akhir.
Kajian ini terletak dalam konteks pembangunan praktikal sukatan pelajaran ekspresi lisan TCFL, di mana pengajar berusaha untuk mencipta tugas yang merangsang interaksi sebenar.
Cabaran teras adalah mereka bentuk tugas yang melangkaui dialog skrip untuk memupuk interaksi lisan spontan dan bermakna. Pilihan pedagogi adalah untuk mendasarkan tugas pada senario konflik (contohnya, perselisihan faham, rundingan, penyelesaian masalah), yang secara semula jadi memerlukan pelajar menggunakan bahasa persuasif, mengurus giliran, dan menyatakan pendapat—komponen utama kecekapan interaksi lisan.
Penyelidikan ini mengikuti metodologi deskriptif (Olivier de Sardan, 2008; Catroux, 2018). Korpus utama terdiri daripada log interaksi antara guru-penyelidik dan ChatGPT semasa fasa reka bentuk tugas. Log ini dianalisis untuk mengenal pasti ciri-ciri interaksi yang ketara dan mengesan bagaimana cadangan AI disepadukan, diubah suai, atau ditolak dalam kurikulum akhir.
Tugas komunikasi ditakrifkan sebagai aktiviti di mana makna adalah utama, terdapat matlamat komunikasi, dan kejayaan dinilai dari segi hasil. Mengintegrasikan teori konflik menyediakan kerangka kerja yang kukuh untuk reka bentuk tugas. Skenario konflik mencipta "jurang maklumat" dan "sebab untuk berkomunikasi," mendorong pelajar menggunakan bahasa secara strategik untuk mencapai matlamat (contohnya, menyelesaikan pertikaian, memenangi hujah, mencari kompromi), seterusnya membangunkan kecekapan pragmatik dan interaktif.
Reka bentuk tugas ini mempertimbangkan beberapa kriteria: keaslian senario konflik, permintaan kognitif dan linguistik yang sesuai dengan tahap pelajar, peranan dan matlamat yang jelas untuk peserta, dan hasil yang ditakrifkan untuk menilai kejayaan tugas. ChatGPT digunakan untuk mencetuskan idea, memperhalusi, dan menilai senario berdasarkan kriteria ini.
Interaksi adalah berulang dan dialogik. Guru memulakan proses dengan prompt khusus (contohnya, "Hasilkan senario konflik untuk pelajar bahasa Cina peringkat pertengahan tentang merancang perjalanan berkumpulan"). ChatGPT membalas dengan rangka naratif, permulaan dialog berpotensi, dan penerangan peranan. Guru kemudian memperhalusi prompt berdasarkan respons, meminta variasi, penyederhanaan, atau pelarasan budaya. AI bertindak sebagai rakan kongsi sumbang saran kolaboratif dan penjana prototaip pantas.
Analisis mencadangkan impak ChatGPT adalah pelbagai dimensi: 1) Kecekapan: Mempercepatkan fasa pencetusan idea dan draf. 2) Kepelbagaian: Meningkatkan kepelbagaian dan kreativiti senario konflik yang dicadangkan. 3> Perancah: Menyediakan titik permulaan yang boleh dinilai dan disesuaikan secara kritis oleh guru pakar. Program akhir mencerminkan sintesis idea yang dijana AI dan pertimbangan pedagogi pakar, bukannya penerimaan langsung output AI.
Input (Prompt Guru) → Pemprosesan AI (Penjanaan Skenario) → Penilaian & Adaptasi Manusia → Output Bersepadu (Tugas Akhir). Penapis kritikal kepakaran guru memastikan kewajaran pedagogi dan kesesuaian budaya.
Kertas kerja ini bukan tentang AI menggantikan guru; ia tentang AI meningkatkan beban kreatif dan kognitif reka bentuk kurikulum pakar. Kisah sebenar adalah kemunculan pedagogi berasaskan kejuruteraan prompt dengan manusia dalam gelung. Nilainya bukan pada output mentah ChatGPT, tetapi pada keupayaan guru untuk mencipta prompt yang mengarahkannya ke arah konstruk pedagogi yang sah—seperti tugas berasaskan konflik—dan kemudian mengkurasi hasilnya secara kritis. Ini mencerminkan penemuan dalam industri kreatif di mana alat AI seperti DALL-E atau GPT-3 paling berkuasa apabila dipandu oleh pengarah kreatif manusia yang kuat (Ammanabrolu et al., 2021, mengenai penjanaan naratif).
Logik kertas kerja ini kukuh tetapi mendedahkan ketegangan: ia menganjurkan pendekatan deskriptif untuk menunjukkan "apa yang berlaku," namun janji asasnya adalah preskriptif—menyiratkan ini adalah model yang boleh diulang. Aliran bergerak dari konteks (AI dalam pendidikan) ke masalah khusus (reka bentuk tugas), kemudian memperincikan kaedah (menganalisis log sembang), dan akhirnya menilai impak. Walau bagaimanapun, ia berhenti sebelum menyediakan kerangka kerja formal untuk proses kejuruteraan prompt itu sendiri, yang merupakan produk pengetahuan paling boleh dipindahkan.
Kekuatan: Fokus pada tugas pengajaran bernilai tinggi dan menuntut kognitif (reka bentuk, bukan hanya penyampaian kandungan) adalah bijak. Pilihan tugas berasaskan konflik adalah cemerlang, kerana ia menguji keupayaan AI untuk mengendalikan nuansa dan dinamik manusia. Metodologi deskriptif adalah sesuai untuk penerokaan peringkat awal ini.
Kelemahan: Analisis ini secara semula jadi selepas fakta dan subjektif, berdasarkan log interaksi seorang guru sahaja. Tiada kumpulan kawalan (reka bentuk tanpa AI) atau data hasil pembelajaran yang boleh diukur untuk menyokong dakwaan "impak" positif. Perbincangan tentang "impak" kekal spekulatif mengenai peningkatan pembelajaran pelajar sebenar. Ia berisiko mengelirukan kecekapan proses reka bentuk dengan keberkesanan pedagogi.
Untuk pendidik dan institusi: 1) Melabur dalam Literasi Prompt: Latihan untuk guru harus beralih dari "cara menggunakan AI" kepada "cara mencipta prompt pedagogi." 2) Membangunkan Rubrik Penilaian: Cipta kriteria bersama untuk menilai kandungan pendidikan yang dijana AI, memberi tumpuan kepada prinsip pedagogi, bukan hanya ketepatan linguistik. 3) Percubaan dengan Hipotesis Jelas: Jangan hanya menerangkan proses; mereka bentuk ujian A/B membandingkan kaedah reka bentuk berbantukan AI dan tradisional berdasarkan metrik kecekapan dan, yang penting, penglibatan/prestasi pelajar seterusnya. 4) Mendokumentasikan Rantai Prompt: Harta intelek sebenar adalah urutan prompt yang menghasilkan keputusan terbaik. Ini harus diarkibkan dan dikongsi secara sistematik.
Kolaborasi manusia-AI boleh dimodelkan sebagai satu siri kitaran berulang. Aspek teknikal utama adalah evolusi prompt. Prompt awal $P_0$ (contohnya, "senario konflik") diperhalusi berdasarkan output $O_n$ dan matlamat pedagogi $G$. Ini boleh dikonsepsikan sebagai: $P_{n+1} = f(P_n, O_n, G, C)$, di mana $C$ mewakili kekangan (tahap bahasa, konteks budaya). Fungsi $f$ adalah kemahiran kejuruteraan prompt guru. Kualiti tugas akhir $T_{final}$ adalah fungsi output AI awal dan bilangan serta kualiti lelaran penghalusan: $T_{final} \approx \sum_{i=1}^{n} (\alpha \cdot O_i + \beta \cdot H_i)$, di mana $\alpha$ ialah pemberat AI, $\beta$ ialah pemberat pakar manusia, dan $H_i$ ialah input manusia pada lelaran $i$.
Skenario: Mereka bentuk tugas untuk pelajar tahap B1 tentang "merundingkan jadual kerja."
Kerangka Analisis Digunakan:
1. Dekonstruksi Prompt: Prompt guru: "Hasilkan dialog di mana dua rakan sekerja tidak bersetuju tentang jadual syif hujung minggu. Sertakan ungkapan pilihan, cadangan, dan perselisihan faham ringan. Gunakan perbendaharaan kata tahap B1." Prompt ini menentukan konteks, konflik, fungsi linguistik, dan tahap.
2. Matriks Penilaian Output: Output AI dinilai terhadap:
- Kesesuaian Pedagogi: Adakah fungsi bahasa sasaran hadir?
- Kesesuaian Linguistik: Adakah perbendaharaan kata/sintaksis selaras dengan B1?
- Keaslian Skenario: Adakah konflik itu boleh dipercayai?
- Potensi Tugas: Bolehkah ini dijadikan main peranan dengan matlamat yang jelas?
3. Penjejakan Lelaran: Guru mencatatkan bahawa draf pertama AI menggunakan frasa perselisihan faham yang terlalu formal. Prompt seterusnya memperhalusi: "...Gunakan frasa kolokial yang lebih biasa untuk perselisihan faham seperti '我觉得可能不太行' (Saya rasa itu mungkin tidak boleh) dan bukannya '我坚决反对' (Saya menentang sekeras-kerasnya)." Ini menunjukkan kerangka kerja dalam tindakan.
Trajektori menunjuk melampaui reka bentuk tugas. Aplikasi masa depan termasuk: 1) Pelarasan Kesukaran Dinamik: AI boleh menjana pelbagai versi senario konflik secara masa nyata berdasarkan prestasi pelajar. 2) Skenario Konflik Peribadi: Menggunakan minat pelajar (diperoleh daripada tinjauan atau interaksi sebelumnya) untuk memulakan penjanaan senario. 3) AI sebagai Simulator Main Peranan: Pelajar berlatih rundingan dengan watak AI, yang menyesuaikan strateginya berdasarkan kemahiran bahasa dan keupayaan persuasif pelajar, satu konsep yang hampir dengan kerja AI untuk penceritaan interaktif (Riedl & Bulitko, 2012).
Hala Tuju Penyelidikan Kritikal: Kajian longitudinal mengukur hasil pembelajaran; pembangunan "perpustakaan prompt pedagogi" piawai; penerokaan reka bentuk tugas multimodal (mengintegrasikan imej/video yang dijana AI ke dalam senario); dan penyiasatan serius isu etika—memastikan AI tidak mengukuhkan stereotaip dalam naratif konflik yang dihasilkannya.