運用 ChatGPT 設計對外華語教學中的衝突型溝通任務：流程分析

1. 緒論

人工智慧的興起正在改變各個領域，包括語言教學與學習。機器翻譯（如 DeepL）、文法錯誤修正（如 Grammarly）及文字轉語音合成（如 TTSmaker）等應用已相當普遍。OpenAI 於 2022 年底推出的 AI 虛擬助理 ChatGPT，因其卓越的資訊處理能力而備受矚目。在此背景下，有必要更深入地檢視人工智慧在語言教學法中的應用，特別是對教學與學習過程的影響。

本文聚焦於分析在 ChatGPT 輔助下，為大學層級對外華語教學口語表達課程設計衝突型溝通任務的過程。本研究採用描述性研究視角，揭示教師與 AI 互動的顯著特徵，並闡明其對最終教學方案設計的影響。

2. 研究背景與架構

2.1 研究背景

本研究立基於大學層級對外華語教學口語表達課程的教學方案開發。核心教學策略涉及設計植根於衝突情境的溝通任務，以激發學習者間的互動動態，並促進口語互動能力的發展。

2.2 研究問題與方法

本研究由兩個主要問題引導：

1. 在設計衝突型溝通任務的過程中，ChatGPT 的使用是如何表現的？
2. 其使用在多大程度上影響了最終的教學方案？

研究方法為質性與描述性，分析教師研究者在任務設計階段與 ChatGPT 互動的語料。分析旨在識別此人機協作設計過程中的模式、策略與決策點。

3. 理論架構

3.1 溝通任務與衝突理論

溝通任務定義為一種以意義為首要、有需達成的溝通目標，並以結果來評估成功與否的活動。將衝突理論融入任務設計，引入了認知與社會失調的元素——例如意見分歧、觀點差異或問題解決情境——這迫使學習者協商意義、辯護觀點並運用說服性語言，從而深化參與度與語言產出。

3.2 任務設計準則

任務設計中考慮的關鍵準則包括：

• 真實性：衝突情境應反映學習者可能遇到的真實世界情況。
• 語言適切性：任務必須根據學習者的熟練程度（例如 CEFR B1/B2 級）進行調整。
• 互動目標：明確的互動目標（例如達成妥協、說服對方、解決困境）。
• 認知需求：衝突應要求分析、評估與創造性思考。

4. 教師與 ChatGPT 互動分析

4.1 ChatGPT 的使用表現

教師將 ChatGPT 用作協作設計夥伴。提示詞的結構旨在：

1. 產生點子：「為中級華語學習者建議 5 個關於合租公寓的衝突情境。」
2. 精煉語言：「重新措辭這個任務指示，讓學生更清楚。」
3. 發展內容：「為這個『晚餐時的文化誤解』情境提供一個範例對話。」
4. 評估與評論：「檢視這個任務大綱，並指出學生參與度的潛在問題。」

互動是迭代式的，教師在其中引導、篩選並調整 ChatGPT 的輸出。

4.2 對最終教學方案的影響

ChatGPT 的影響體現在：

• 增加構想多樣性：AI 提出的衝突情境範圍比教師最初單獨構想的更廣泛。
• 加速原型製作：快速生成任務草稿和材料，減少了初始設計時間。
• 語言鷹架支援：提供與衝突協商相關的現成詞組和句型。
• 產生通用輸出的可能性：部分建議缺乏文化特定性或教學細微差異，需要教師大量介入以進行情境化調整。

5. 技術細節與分析架構

評估 AI 輔助設計過程的分析架構，可透過一個帶有回饋循環的輸入-過程-輸出模型來概念化。

過程評估指標：可使用一個簡單的評分機制來評估每次 AI 互動的效用。令 $U_i$ 代表第 i 次 ChatGPT 輸出的效用，由教師在 -1（有反效果）到 +1（非常有幫助）的尺度上評分。一個設計階段的平均效用 $ar{U}$ 為：

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

其中 $n$ 是重要的 AI 互動次數。正的 $ar{U}$ 表示淨正向輔助。

互動模式分類：互動被編碼為：

1. 發散性構想：AI 擴展可能性。
2. 收斂性精煉：AI 協助具體化與改進。
3. 語言生成：AI 產出語言樣本。
4. 教學評論：AI 評估任務結構（有限）。

6. 結果與討論

圖表描述（假設性）：一張標題為「任務設計期間 ChatGPT 互動類型頻率」的長條圖顯示了分布情況。發散性構想和語言生成是最常見的互動類型，表明 ChatGPT 主要扮演腦力激盪者和語言資源的角色。教學評論是最不常見的，突顯了 AI 目前在深度教學分析方面的限制。

分析顯示，ChatGPT 最有效地扮演了催化劑和資源庫的角色，而非教學專家。教師的角色在確保文化真實性、使任務與學習目標保持一致，以及應用第二語言習得原則方面仍然至關重要。最終的教學方案在情境多樣性上更豐富，但需要仔細策劃以維持教學連貫性。

7. 個案研究：架構應用

情境：為中級學習者設計關於「協商工作職責」的任務。

1. 教師提示：「生成 3 個在中國辦公室環境中，兩位同事之間的衝突情境。」
2. ChatGPT 輸出：提供關於工作量不均、錯過截止日期和創意歸屬的情境。
3. 教師行動：選擇「工作量不均」情境並提示：「列出 5 個用於禮貌抱怨工作量的關鍵華語短語，以及 5 個用於拒絕任務的短語。」
4. ChatGPT 輸出：提供如「我最近工作量有點大…」和「我可能暫時接不了這個任務…」等短語。
5. 教師綜合：將情境和短語整合到角色扮演任務卡中，並根據教學目標添加清晰的指示和成功標準。

此個案說明了 ChatGPT 的迭代式、引導性使用，其中 AI 提供內容，而教師則進行教學框架的建構。

8. 未來應用與方向

• 專業化 AI 導師：開發基於第二語言習得研究和特定語言語料庫（例如對外華語學習者中介語）微調的大型語言模型，以提供更具教學合理性的建議。
• 動態任務生成：能根據學習者個人檔案、興趣和觀察到的語言缺口，生成個人化衝突任務的 AI 系統。
• 多模態整合：將 ChatGPT 與圖像/影片生成 AI（如 DALL-E、Sora）結合，創造沉浸式、情境式的衝突提示。
• 即時互動分析：使用 AI 分析學習者執行衝突任務的錄音，提供關於互動策略、話輪轉換和語用能力的回饋。
• 倫理與文化框架：在 AI 助理中建立防護機制和文化模組，以確保生成的衝突是適當、具建設性且具文化意識的。

9. 參考文獻

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. 原創分析與專家評論

核心洞見：這項研究並非關於 AI 取代教師，而是關於 AI 增強教學設計的創意與後勤層面。這裡真正的重點是「教師作為策展人與提示工程師」的出現。價值不在於 ChatGPT 的原始輸出（正如論文所指出的，其可能流於通用），而在於熟練教育者構建提示詞以提取具教學價值的原始材料並加以精煉的能力。這與創意產業使用 AI 的發現相呼應，即人類的角色從唯一的創造者轉變為策略指導者（Ammanath, 2022）。

邏輯流程與優勢：本文正確地指出了 AI 的優勢領域：發散性構想和語言鷹架支援。透過將產生大量情境點子和相關詞彙的認知負荷轉移出去，教師可以專注於更高層次的教學任務——建構互動、設定適當目標，並將任務整合到更廣泛的課程中。這與「分散式認知」的概念一致，即工具處理常規認知任務，從而釋放人類智慧用於複雜問題解決（Hutchins, 1995）。描述性方法論適用於這個新興領域，提供了豐富的、質性的互動地形圖。

缺陷與關鍵缺口：此分析雖有價值，但僅觸及提示工程過程的表面。什麼特定的提示詞結構產生了最佳結果？這是教育工作者新的核心能力，類似於程式設計師的技能。本文也缺乏比較分析。AI 輔助的設計過程在效率、創意和成果上，與傳統的、僅由教師或教師同儕協作的過程有何不同？此外，最終的影響——學生學習成果——是缺失的。與 AI 共同設計的衝突任務，是否比未使用 AI 設計的任務更能提升口語互動技能？這是關鍵的、未解答的問題。如同許多教育科技研究，本研究聚焦於教師對工具的使用，而非其對學習者的最終影響，這是 Selwyn（2016）等研究者指出的常見陷阱。

可行建議：對於語言系所和教育工作者：1) 投資於提示素養培訓。專業發展應超越基本的 AI 使用，轉向引導出具教學穩健性內容的高階技巧。2) 開發共享提示詞庫。建立一個經過審核、有效的對外華語教學任務設計提示詞庫（例如：「生成一個關於 [主題] 的 B1 級角色扮演衝突，並融入用於 [功能] 的短語」）。3) 採用批判性、迭代式工作流程。使用 AI 進行初稿，但強制進行多輪人工審查，重點關注文化細微差別、教學一致性，並避免 AI 偏見或「流暢」但不真實的語言。4) 啟動縱向研究。該領域必須從過程描述轉向基於成果的研究。與學習科學家合作，衡量 AI 協同設計的教材在實際語言習得指標上的效能。未來屬於那些不懼怕 AI，而是學會將其駕馭為語言教學複雜旅程中強大（儘管不完美）副駕駛的教師。