AIGC支持下“双师课堂”协作学习范式构建及应用

摘要：生成式人工智能（AIGC）具有强大的内容理解、逻辑推理和语境对话能力，有助于解决学习者协作学习中长期存在的观点论据不足、交互缺乏深度、知识建构浅层化和学习投入度不高等问题。在“双师”赋能教与学的课堂新形态下，助力协作学习问题解决是“双师”协同的逻辑起点，赋能协作学习全过程是“双师”协同的逻辑路线，提高协作学习效率和效果是“双师”协同的逻辑终点。在此思路下构建的“双师课堂”协作学习范式，将“双师课堂”理念贯穿于协作学习的准备阶段、协作阶段和总结阶段，持续提供动态化内容生成、个性化学习支持、即时性评价反馈等功能，实现了“双师课堂”在教学辅导、反馈答疑、监督评价等方面的人机协同。将其应用于教学实践的实验结果表明：AIGC支持下“双师课堂”协作学习范式有助于促进学生知识掌握、提升学生协作学习投入度和批判性思维能力，从而提高协作学习效率和效果。未来，“双师课堂”协作学习范式的应用需坚持以育人为本、遵循教学规律、注重教师引领的基本原则，达成“人师”与“机师”的取长补短和互学共长。

关键词：AIGC；双师课堂；协作学习；范式构建

中图分类号：G434 文献标识码：A 文章编号：1009-5195（2024）06-0093-10 doi10.3969/j.issn.1009-5195.2024.06.010

一、引言

协作学习能够有效促进学生知识建构、助力学生高阶思维能力提升、促进创新型人才培养（Karantzas et al.，2013），是培育综合型人才的主要方式之一。由于不同经验背景的学习者对知识的理解具有差异性（何克抗，2018）或部分学习者学习兴趣不足，个体在协作学习中会出现观点论据不足（张思等，2020）、交互缺乏深度（Kusumawati et al.，2019）、知识建构浅层化（黄雪娇等，2022）及学习投入度不高（Heimbuch et al.，2018）等情况。教师恰当的干预和指导有助于提高学生参与协作学习的积极性、深化学生之间的交互、促进学生的深度思考和知识构建（Kaendler et al.，2015）。然而，由于班级中学习小组的数量较多、学生讨论的信息量大、各组的学习进展及遇到的问题存在差异等实际情况，教师在协作学习课堂中难以同时监测多组学生的协作学习状态，也难以对学生协作学习的问题进行精准诊断并及时给予恰当的指导（Abel et al.，2013）。

以ChatGPT为代表的生成式人工智能（Artificial Intelligence Generated Content，AIGC）作为“教师”角色进入课堂，可以从信息检索、学习规划、协同创作和学习评价等方面赋能学生学习（Dai et al.，2023），从课程设计、协同备课、资源生成及作业测评等方面赋能教师教学（van den Berg et al.，2023），从而形成了AIGC和教师“双师”赋能教与学的课堂新形态，改变了传统的“教师为主导，学生为主体”的单一教学模式（周琴等，2020），形成了“双师课堂”教学模式，为创新课堂教与学的方式提供了新机遇。“双师课堂”教学模式在个性化教学辅导、学习反馈答疑、即时性检验及学习监测、情感支持、个性化学习评价、创造性思维激发等方面具有的优势（赵鑫等，2021），为协作学习中长期存在的问题提供了解决思路。

二、文献综述

1.“双师”赋能课堂教学相关研究

双师课堂这一概念最早可以追溯到高等教育中“教授＋助教”的课堂模式（孔利华等，2021）。近年来，在基础教育领域逐渐兴起了一种新型双师课堂，即线上名师主讲、线下教师辅助的课堂模式（刘喆，2023）。从这些概念可以看出，双师指学生在课堂学习过程中同时有两位或两类教师。在人工智能（Artificial Intelligence，AI）时代，智能技术能够作为教师教学的助手帮助和指导学生学习，本文中的“双师”特指教师sJp6qWqTQMxGbcHj+eWK1Q==和智能技术。“双师课堂”则指在智能化课堂场域中教师和智能技术联袂执教的一种教学形态，教师和智能技术在课堂中共同承担教学工作，二者协同针对每位学生的不同特点与需求，为其提供个性化的学习指导。

有关教师和智能技术“双师”协同赋能课堂教学的研究多集中于两个方面。一是探讨“双师”赋能课堂教学的本质。“双师课堂”教学具有“双师”协同互惠化、课堂支持智能化和学生成长智慧化等特征，“双师课堂”有助于促进学生获得个性化学习体验和智慧化成长（赵鑫等，2021）。谢幼如等人（2021）提出AI赋能课堂变革的新样态包括虚拟“双师课堂”的形成，在该课堂中，真人教师和AI教师各司其职，协同教学，既有助于教师落实育人任务，也有助于促进偏远地区教育高质量发展。二是探讨“双师”协同的教学流程构建及其实践应用。何文涛等人（2023）围绕教师、机器、学生三大主体，提出人机协同的流程框架包含课前教学准备、课中教师教学和课后学生发展三个阶段，并将该框架用于高中信息技术课堂，发现人机协同教学不仅有助于提高学生学业成绩、计算思维与创新思维水平，还能够为学生带来更好的心流体验。孔利华等人（2021）基于机师协同竞争、师生共生共进理念，提出了一套在信息生态场域中AI双师课堂教学的流程，并以智慧课堂为例，对AI双师课堂的教学流程进行分析和评价，发现AI双师课堂有助于提升学习效率。高琼等人（2021）提出教师智慧和机器智能协同可以在三个阶段促进学生智慧发展，即课前智能诊学、课中人机助学及课后精准评学，并在人机协同的协作学习课堂和常规课堂中进行对比实验，发现人机协同课堂中学生学习的总体满意度及对教学内容的认可度比实验前略高，学生总体成绩比常规课堂更好。

综上所述，“双师”赋能课堂教学在提升学生学习效率和效果（包括学习成绩、学习满意度、高阶思维能力等）方面发挥了较好的作用，但是这些研究主要集中在讲授式课堂中，对“双师”赋能协作学习的研究较少。

2.AIGC赋能课堂教学相关研究

自ChatGPT发布以来，AIGC给教育领域带来的变革受到众多学者关注。从已有研究看，国内外学者较为辩证地看待AIGC在教育中的应用价值，如有学者从正面总结了ChatGPT在教育领域中的出色应用，包括生成学习和教学材料、智能回答问题、自动化常规业务、协助开展科学研究等（焦建利，2023）；也有学者从反面剖析AIGC在教育教学中应用带来的一些挑战，如抄袭剽窃、学术滥造、技术依赖、智能歧视等（Adeshola et al.，2023）。目前学者们对AIGC赋能课堂教学的研究多关注于三个方面。一是AIGC赋能在线学习。如何保证学生在线学习效果、提升学习体验是学者们一直关注的问题，AIGC的出现为解决上述问题提供了新的思路。有学者认为AIGC所提供的个性化和交互式学习体验能有效解决该问题（Abolkasim et al.，2023）；可汗学院展示了一个由GPT-4模型驱动的AI工具，计划将该工具打造成在线学习环境中的智能助教和虚拟导师，辅助教师进行备课及作业批改，并以个性化问答方式引导学生进行深度学习（Khan，2023）。二是AIGC重塑教学模式。陈静远等人（2023）分析了AIGC在以知识点为核心的教学模式下的变革作用，并指出AIGC在提高教学效果和效率、促进学生智能化和个性化学习等方面具有潜力；有研究将AIGC应用于翻转课堂、智慧课堂等实践，发现其有助于激发学生的学习兴趣（Rudolph et al.，2023）。三是AIGC赋能学习范式创新。祝智庭等人（2023）分析了AIGC为教育带来的发展机遇，指出AIGC推动了教育理念和教育组织方式等的智慧化转变，推动了智慧型教育的形成，提出高意识生成式学习是AIGC赋能未来学习范式的创新点并阐述了其具体实践路径。

目前学者们对AIGC赋能课堂教学的研究集中于在线教育、教学模式与学习范式创新等方面，AIGC赋能协作学习的相关研究有待探索。

3.AIGC支持下“双师”赋能课堂教学相关研究

AIGC支持下“双师”赋能课堂教学的研究大多围绕人机协同教学展开。杨宗凯等人（2023）提出，以ChatGPT为代表的AIGC加速了人类智能和AI协同的“双师”教学模式的形成，教师应用智能技术协助自己完成事务性工作，以便将育人工作的重点放到学生素养提升、人格养成等方面。陈凯泉等人（2023）提出以ChatGPT为代表的通用人工智能可以扮演课堂上的另一位“教师”，在学生端发挥导师、助手、评估者的角色，并协助教师生成教学设计方案，促进教师专业发展，真正使“双师课堂”落到实地。吴蔚然等人（2023）通过探究教师使用AIGC的实践体验，总结其在教学中的应用及其带来的教师角色转型。

AIGC支持下“双师”赋能课堂教学的现有研究大多是在课堂中引入AIGC，试图从理论层面探究“双师”赋能提升教育教学质量的可行性。本研究拟构建AIGC支持下“双师课堂”协作学习范式，并在课堂实践中验证该协作学习范式的效果，从而提供具体、可操作的实践方案，为“双师”赋能的协作学习提供实践参考。

三、AIGC支持下“双师课堂”协作学习范 式构建

1.范式构建逻辑

AIGC支持下的“双师课堂”协作学习范式构建，需要从“双师”协同赋能协作学习问题解决这一逻辑起点出发，厘清“双师”协同赋能协作学习全过程的逻辑路线，以期达到提高协作学习效率和效果的目标。

（1）逻辑起点：“双师”协同助力协作学习问题解决

面对多小组的协作学习，教师难以全面监控或干预各个小组，小组学生学习投入度不足、知识建构浅层化的问题需要其他力量的介入才能解决。祝智庭等人（2018）指出人机协同即“把适合机器做的事让机器去做，把适合人做的事让人来做，把适合于人机合作的事让人与机器一起来做”。AIGC在处理海量教学信息、提供个性化学习支持、开展过程性评价等方面具有显著优势，是协助教师解决协作学习问题的有力帮手。因此，充分发挥人类智慧和AI的优势，有效解决协作学习面临的问题是本研究的出发点。

（2）逻辑路线：“双师”协同赋能协作学习全过程

梳理“双师”赋能课堂协作学习的逻辑路线，需明确智能技术赋能的协作学习流程及“双师”赋能课堂协作学习的着力点。首先，智能技术赋能的协作学习流程包括准备阶段、协作阶段和总结阶段。准备阶段一般包括教师推送学习资源及安排协作学习任务、学生学习资源并规划学习路径等流程；协作阶段一般包括学生协作探究、教师指导及进行过程评价等流程；总结阶段一般包括学生汇报小组作品、教师及同伴进行评价反馈、学生总结反思等流程。其次，“双师”赋能课堂协作学习的着力点涉及动态化内容生成、个性化学习支持和即时性评价反馈（卢宇等，2023）。

（3）逻辑终点：“双师”协同提高协作学习效率和效果

AIGC支持下“双师课堂”协作学习范式构建的目标是提高协作学习课堂教学质量，主要包括两个方面：一是促进学生协作学习效果提升。利用AIGC的内容生成、即时反馈与精准评价等功能，并结合教师的专业指导、情感支持，优化协作过程，引导学生进行知识建构、深度思考、科学论证和问题解决，从而显著提升学生协作学习活动的知识习得效果和批判性思维能力等。二是提升协作学习效率。通过AIGC的参与实现个性化学习支持和动态化教学内容生成，AIGC与教师协同为小组学生搭建协作学习支架，促进学生在学习中充分投入、沉浸其中，产生愉快、成就感等积极情感，提升学习投入度，进而促进协作学习效率的提升。

2.范式解析

AIGC支持下的“双师课堂”教学，是AI与人类智慧融合的教学形态，是教师与AIGC协同教学的体现。本研究基于对AIGC支持下“双师课堂”协作学习逻辑的梳理，构建了如图1所示的AIGC支持下“双师课堂”协作学习范式。

（1）动态化内容生成：人类认知与机器认知相结合

生成与建构是教育教学高质量发展的诉求（张翔等，2023），生成性教学是在弹性预设的前提下、在教学的开展过程中，由教师和学生根据不同的教学情境自主构建教学活动和教学内容的过程。在协作学习过程中，学生是知识建构的主体，教师和AIGC则是学生建构知识的引导者。在准备阶段，教师依据课程教学目标，结合学生的学情，选择或设计课程教学内容，AIGC根据教师需求，协助教师完成教学内容静态预设。在协作阶段，教师通过监测学生的讨论、辩论和交流数据，了解各组学生的学习现状，及时利用AIGC对课前预设的教学内容进行调整，生成符合当前学生需要的学习素材，“双师”共同对教学内容进行再生成，满足学生协作建构知识的需求。与此同时，学生向AIGC提问，AIGC帮助学生解惑并智能推荐个性化学习资源。在总结阶段，教师分析学生的个性化学习数据，针对不同知识掌握水平的学生群体或个人，在静态预设的教学内容基础上，借助AIGC生成支持学生查漏补缺或扩展提升的学习材料，并有针对性地推送给学生。至此，整个学习过程的教学内容都是基于静态预设的基础上，在教师的人类认知和AIGC的机器认知的共同智慧中动态生成的。

（2）个性化学习支持：因材施教与智能化推荐

个性化学习是创新人才培养的重要依托（王一岩等，2023）。因材施教是针对学习者的个体差异，通过不同的施教活动促进学生个性化发展的教学方式。但是，在实际教学过程中，要实现规模化的因材施教对教师的精力和能力都是极大的挑战。而随着AI在教学中的应用，其为精准学情分析、全过程学习数据采集和分析、多元化学习评价等提供支持，规模化的因材施教成为可能。AIGC具有的智能化推荐功能为实现规模化因材施教、促进学生个性化学习提供了条件。在准备阶段，教师分析学生的学情，在充分了解不同学生学习能力的基础上科学地设计分层教学，包括教学目标、教学内容、教学评价，即每节课的教学设计是多层次的。AIGC能够根据教师的提问，协助教师完成分层教学的目标设定、内容预设、评价设计，同时也能在与学生对话时，为学生生成学习资源及规划学习路径。在协作阶段，教学是动态变化的过程，学生在互动中不断建构知识，学生的知识和能力随着协作学习的推进产生变化。这就需要教师全面监测和追踪学生协作学习的全过程，及时捕捉学生的变化，并在教学过程中为学生提供学习指导、情感支持，借助AIGC为学生提供分层学习支架。在总结阶段，不同个体完成课程后习得的知识和能力必然不同，教师要全面、科学地对每一位学生进行综合性评价和画像，根据学生画像分层分类别地提供课后指导和分配学习材料。AIGC帮助教师即时生成个性化指导策略和学习资源，有助于提升课后指导的精准度和效率。在整个协作学习过程中，教师借助AIGC的智能化推荐功能，通过分层实现因材施教，给学生提供个性化学习支持。

（3）即时性评价反馈：经验与数据相驱动

“教—学—评”一体化对深化课程改革、提高教学质量具有重要现实意义（王蔷等，2019），即评价要贯穿教学全过程，以评促教、以评促学，充分发挥评价的激励功能，促进高效学习的发生。在传统课堂中，教师依据成绩对学生进行总结性评价，而对学生的学习过程以及学生的能力发展仅凭个人经验进行主观画像，这样的评价不仅是片面的，而且对学习过程的反馈也是滞后的。基于学习过程的数据采集、分析和可视化，能够生成个人画像和小组画像，帮助教师及时了解学生当前的学习状态，并进行即时反馈和干预。但是，基于数据驱动的评价，是一个量化评价的过程，而学生的情感、态度和价值观难以进行量化，这就需要教师的经验参与辅助判断。因此，“教—学—评”一体化的科学、精准实施，需要教师的经验和AI的数据双向驱动。AIGC与教师“双师”协同，可以助力“教—学—评”一体化的实施。如在协作阶段，教师或学生将小组学习过程成果输入到AIGC进行评价，教师针对AIGC输出的评价结果，结合个人经验进行全面分析和判断，并即时反馈给各个小组；各小组依据教师或AIGC提供的反馈信息，对小组活动或任务安排进行适时调整，从而高效完成协作任务。在总结阶段，教师将小组学习成果输入到AIGC进行评价，获取AIGC输出的评价信息，并结合学生学习的过程数据及个人经验，对学生的协作学习活动进行总结性评价。学生依据评价信息，对协作学习全过程进行总结反思。

四、范式应用及效果分析

1.范式应用

本研究选取“ASSURE模型”这一主题内容开展实践，要求学生基于“ASSURE模型”完成《信息技术·必修1·数据与计算》第一章第一节“数据、信息与知识”（祝智庭等，2019）这一知识点的教学设计。学生采用AIGC支持下的“双师课堂”协作学习范式开展学习，具体教学流程如图2所示。该教学实践共进行四周，准备阶段的活动在第一周完成，协作阶段的活动在第二周和第三周完成，总结阶段的活动在第四周完成。

（1）准备阶段

目标生成。教师根据课程标准，结合本主题的教学内容，应用AIGC生成本主题的具体教学目标，并结合学生学情修正教学目标。

任务安排。教师安排协作学习任务，即完成“数据、信息与知识”这一知识点的教学设计，让学生明确学习任务要求。学生若不能充分理解学习任务，可以在AIGC工具中输入任务要求，获得任务理解信息。同时，教师要求各小组学生在“小雅”智慧学习平台的讨论区发表对任务的理解，并进行针对性的答疑与指导。

资源生成。教师使用AIGC工具生成“ASSURE模型”相关学习资源，如生成“ASSURE模型”概述知识，对资源进行筛选、加工、整合后推送给学生。学生学习由教师提供的“ASSURE模型”相关学习资源后，基于学习需要使用AIGC工具再生成个性化学习材料。比如某组学生学习“ASSURE模型”主要环节后，仍不能运用该模型开展教学设计，此时就可以利用AIGC工具生成“基于ASSURE模型完成的教学设计案例”。

路径规划。学生基于协作学习任务要求进行分工，并规划学习路径。在此过程中，学生将任务要求及本组成员的个性特征（如特长、能力、基础知识水平等）输入到AIGC工具，利用其辅助分工与规划学习路径。教师要求学生将本组成员的分工表、进度规划表上传到“小雅”平台，教师在“小雅”平台查看学生的分工与进度规划表，为任务理解、学习路径规划有困难的学生提供指导。

（2）协作阶段

协作探究。小组学生协作完成教学设计任务，将学习需求输入到AIGC工具，生成相应的学习材料，如在AIGC工具中输入“高中信息技术课中常用的教学策略有哪些”。AIGC工具提供的相关教学策略包括情境教学法、启发式教学、案例教学、任务驱动法等。教师要求学生上传阶段性作品到“小雅”平台，并在该平台查看小组学生阶段性作品；基于学生讨论的音频数据了解各小组内部协作交流情况，关注内部交流不畅、进度较慢的小组，分析该情况发生的原因并提供学习指导；运用视频分析系统对学生面部表情、手势、姿势等进行识别、统计分析，当学生活跃度及专注度等指标下降时，教师即时向学生提供情感支持。此外，教师和AIGC工具协同发挥作用，教师参考学生协作学习中多模态数据反映的学生学情，运用AIGC工具调整课前预设的教学内容，生成分层学习支架，针对性地推送给小组学生。学生在协作学习过程中，对遇到的问题进行分析，使用AIGC工具获得个性化问题的解决方案，如某组学生撰写的教学目标表述不清，探究原因发现主要是教学目标中的动词模糊，因此应用AIGC工具将教学目标中模糊的动词改成可操作的动词。

过程评价。学生将阶段性作品上传到AIGC工具中，获得AIGC工具的反馈意见，据此改进作品。教师首先将学生阶段性的教学设计作品及作品评价量规输入到AIGC工具，获得AIGC工具对各组学生作品的反馈意见，再结合个人经验对作品进行分析和评价，把AIGC工具生成的评价反馈意见与自身对作品的评价意见相结合，形成综合性的评价结果反馈给各组学生。

（3）总结阶段

小组汇报与评价反馈。各组学生依次汇报小组作品。教师分析学生协作学习全过程数据，如“小雅”平台中学生的资源学习情况、小组讨论情况、课堂互动参与度等，整体评价学生课堂参与水平。作品评价方面，教师将各组学生的教学设计作品及作品评价量规上传到AIGC工具中，AIGC工具从知识性角度对学生小组作品提出评价意见及改进建议，教师再结合自身的评价意见，将综合性评价结果反馈给各组学生。

总结反思。学生基于小组作品的综合性评价意见，完善教学设计作品，并对本次协作学习活动进行总结与反思。教师参考学生课堂参与水平及作品的综合性评价结果，使用AIGC工具为不同发展水平的学生定制学习资源。对于学习水平有待提升的学生，主要为他们生成用于查漏补缺的学习资源；对于学习水平较好的学生，则侧重于为他们提供用于扩展知识和提升技能的学习资源。

2.效果分析

为对比传统协作学习和AIGC支持下的“双师课堂”协作学习范式在教学中的应用效果，本研究采用单因素组间对比实验，在H高校教育技术学专业“教学技术与媒体”课程中的两个班级开展实验。实验将两个班的学生进行随机分组，各分为四个小组（5人一组）。其中1班为实验班，采用AIGC支持下的“双师课堂”协作学习范式开展教学；2班为对照班，按照常规协作学习范式开展教学。实验前从知识基础、学习投入度、批判性思维能力三个维度对两个班级的学生进行问卷调查，结果显示，实验班和对照班在三个维度上无显著性差异。该课程由同一名教师执教，并安排在智慧教室授课，智慧教室配有智能录播系统、智能分组系统、交互白板及“小雅”智慧学习平台等，为协作学习的开展提供技术保障。

学生的知识掌握水平可以直观反映学生学习效果；学习投入度是评价学习质量的重要指标（万昆等，2021）；在学习中使用AIGC工具有助于学生批判性思维能力的提升（李海峰等，2023）。因此，本研究从实验班和对照班学生的知识掌握水平、学习投入度、批判性思维能力三个方面验证AIGC支持下“双师课堂”协作学习范式的应用效果。知识掌握水平借助“ASSURE模型”相关测试题和小组作品得分测量。实验开始前，邀请三名同一学科专家，共同设计有关本主题的测试题和作品评价量规。学习投入度水平通过问卷调查测量。本研究在分析协作学习特征基础上，参考彭邵玲（2021）提出的“同伴关系与大学生学习投入的现状调查问卷”和汪雅霜（2013）提出的“大学生学习投入度量表”编制问卷。学习投入度问卷包含认知投入、行为投入和情感投入3个维度19个指标，问卷信效度良好（Cronbach’s Alpha＝0.937，KMO＝0.801）。批判性思维能力水平通过问卷调查测量。参考彭美慈等人（2004）研发的CTDI-CV（批判性思维倾向量表—中文版）设计批判性思维能力调查问卷，共包含4个维度16个指标，问卷信效度良好（Cronbach’s Alpha＝0.724，KMO＝0.781）。实验后，在实验班随机抽取四名学生对其进行访谈，调查“双师课堂”协作学习范式对学生知识掌握水平、学习投入度和批判性思维能力的影响及其深层次原因。邀请三名同一学科专家对访谈提纲进行审查，一致认为该访谈提纲能够有效调查与分析“双师课堂”协作学习范式的作用。

（1）知识掌握水平分析结果

实验结束后，对实验班和对照班学生的测试题和小组作品得分进行非参数检验，结果如表1所示。该结果表明实验班学生的测试题得分及小组作品得分均显著高于对照班学生。对学生有关学习效果的访谈数据进行分析后发现，学生借助AIGC工具生成有关“应用ASSURE模型进行教学设计”的学习材料，有助于加深他们对“ASSURE模型”的理解；在完成教学设计任务时，学生借助AIGC工具解答疑难问题，这为其提供了新的思考方向，有效开拓了设计思路；此外，教师的及时指导，可以使学生获得对某一问题的深层次理解。由此可知，AIGC支持下“双师课堂”协作学习范式有助于促进学生掌握知识。

（2）学习投入度分析结果

实验结束后，使用学习投入度问卷对实验班和对照班学生的协作学习投入度进行调查，非参数检验结果如表2所示，结果表明实验班学生的协作学习投入度显著高于对照班。被访谈学生表示，明确的任务分工能提高其投入协作学习活动中的积极性。同时，访谈数据分析结果也表明，教师在学生完成任务过程中提供的情感支持以及对学生遇到的疑难问题进行深入剖析与解答，有效调动了学生推进任务进程的积极性。

（3）批判性思维能力分析结果

对学生的批判性思维能力进行非参数检验，结果如表3所示。该结果表明实验班学生的批判性思维能力显著高于对照班学生。同时，访谈结果也表明，小组学生能够基于自身的认知能力，对AIGC工具生成的各种观点进行初步辨别，并自主查阅其他相关资料，经小组讨论后，选取并运用正确、合适的知识。这说明学生能够批判性地选择接受AIGC工具所生成的内容。

五、结论与建议

1.“双师”赋能协作学习有助于促进学生知识掌握和能力提升

本研究通过比较实验班和对照班学生的学习表现，发现AIGC支持下的“双师课堂”协作学习范式能够有效促进学生知识掌握。原因在于，学生在学习教师推送的学习资源基础上，能够通过AIGC个性化地生成与学习所需知识。学生的访谈数据也说明，AIGC在资源生成、问题解答方面给予学生的帮助，有利于强化学生对“ASSURE模型”理论知识的理解、提高基于“ASSURE模型”进行教学设计的效率。实验也发现，AIGC支持下的“双师课堂”协作学习范式能够显著提升学生的协作学习投入度。学生在使用AIGC工具中获得的愉快体验、获得感和即时反馈能够有效提升学生的情感投入，进而促进其在行为和认知上的投入。实验还表明，该范式能够显著提升学生的批判性思维能力，这一研究结果也与已有研究结论一致（Guo et al.，2023）。AIGC工具能够提供大量、丰富的信息，但有时也会给出看似合理但不准确或荒谬的答案（王佑镁等，2023）。通过访谈发现，在学生凭借已有知识识别AIGC生成的错误答案之后，未来使用过程中会自觉通过比较验证、深度探究、反思改进等审视AIGC提供的信息，提升批判性思维能力。此外，关于“双师”在协作学习过程中的作用，对学生进行访谈发现，AIGC主要在学生协作学习过程中提供推荐学习资源、生成解决方案、解答疑难问题、即时性评价反馈等方面的支持，教师主要在学生协作学习过程中的进度监测、个性化学习指导、情感支持、评价反馈等方面提供帮助。教师和AIGC在协作学习中的教学优势互补、高效合作，有效促进了学生的知识掌握及能力提升，能够为学生带来更优质的学习体验。

2.“双师”在赋能协作学习课堂中互学共长

AIGC支持下的“双师课堂”协作学习范式应用仍处于初步探索阶段，“双师”如何在教学关系中达到最佳协同的教学机制尚有待深入研究与实践检验。这需要“双师”在赋能协作学习课堂过程中明确各自优缺点，取长补短，相互学习，实现共同成长。首先，明确“双师”各自教学优势。教师作为人类教育者，具有丰富的教学经验，能够提供人性化关怀，有效促进学生的情感和社交发展。而AIGC基于海量语料库和智能算法，具备强大的数据处理和个性化学习支持能力，能够提供即时的个性化反馈，满足不同学生的学习需求。其次，“双师”取长补短，协同教学。教师借助AIGC准确了解学生学习需求，提供更精准的教学引导。AIGC通过技术手段辅助教师进行个性化教学，提供更丰富的内容支持。最后，“双师”相互学习，共同成长。教师接受培训，深入学习AIGC的工作原理、应用场景及其数据分析功能，促使教师高效整合技术资源，并提高对学生学习数据的解读和利用水平。AIGC可以通过分析教师的教学过程和学生的学习行为，学习教师在教学中运用的有效策略和经验，帮助其精准分析学生的学习需求和情感状态，提高个性化学习支持的精准度。

参考文献：

[1]陈静远，胡丽雅，吴飞（2023）.ChatGPT/生成式人工智能促进以知识点为核心的教学模式变革研究[J].华东师范大学学报（教育科学版），41（7）：177-186.

[2]陈凯泉，胡晓松，韩小利等（2023）.对话式通用人工智能教育应用的机理、场景、挑战与对策[J].远程教育杂志，41（3）：21-41.

[3]高琼，陆吉健，王晓静等（2021）.人工智能时代人机协同课堂教学模式的构建及实践案例[J].远程教育杂志，39（4）：24-33.

[4]何克抗（2018）.深度学习：网络时代学习方式的变革[J].教育研究，39（5）：111-115.

[5]何文涛，张梦丽，逯行等（2023）.人工智能视域下人机协同教学模式构建[J].现代远距离教育，（2）：78-87.

[6]黄雪娇，周东岱，董晓晓（2022）.协作知识建构学习活动对学生创造性思维的影响[J].现代教育技术，32（3）：71-80.

[7]焦建利（2023）.ChatGPT：学校教育的朋友还是敌人？[J].现代教育技术，33（4）：5-15.

[8]孔利华，谭思远（2021）.信息生态场域中的AI双师课堂：内涵、构建与评价[J].远程教育杂志，39（3）：104-112.

[9]李海峰，王炜（2023）.人机协同深度探究性教学模式——以基于ChatGPT和QQ开发的人机协同探究性学习系统为例[J].开放教育研究，29（6）：69-81.

[10]刘喆（2023）.智慧环境下的“U-S双师”课堂：设计、实施与评价[J].电化教育研究，44（7）：75-81，106.

[11]卢宇，余京蕾，陈鹏鹤等（2023）.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，43（4）：24-31，51.

[12]彭美慈，汪国成，陈基乐等（2004）.批判性思维能力测量表的信效度测试研究[J].中华护理杂志，（9）：7-10.

[13]彭绍玲（2021）.同伴关系对大学生学习投入的影响研究[D].南昌：江西师范大学：19-21.

[14]陶炜，沈阳（2024）.从ChatGPT到Sora：面向AIGC的四能教育和范式革新[J].现代教育技术，34（4）：16-27.

[15]万昆，饶宸瑞，徐如梦（2021）.国际教育领域学习投入度研究的焦点与转向[J].现代教育技术，31（4）：36-43.

[16]王蔷，李亮（2019）.推动核心素养背景下英语课堂教—学—评一体化：意义、理论与方法[J].课程.教材.教法，39（5）：114-120.

[17]汪雅霜（2013）.大学生学习投入度的实证研究——基于2012年“国家大学生学习情况调查”数据分析[J].中国高教研究，（1）：32-36.

[18]王一岩，郑永和（2023）.智能时代个性化学习的现实困境、意蕴重构与模型构建[J].电化教育研究，44（3）：28-35.

[19]王佑镁，王旦，梁炜怡等（2023）.“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，35（2）：48-56.

[20]吴蔚然，宋国语，林敏等（2023）.教师如何感知生成式人工智能——基于行动者网络理论的质性研究[J].湖南师范大学教育科学学报，22（5）：35-44.

[21]谢幼如，邱艺，刘亚纯（2021）.人工智能赋能课堂变革的探究[J].中国电化教育，（9）：72-78.

[22]杨宗凯，王俊，吴砥等（2023）.ChatGPT/生成式人工智能对教育的影响探析及应对策略[J].华东师范大学学报（教育科学版），41（7）：26-35.

[23]张思，高倩倩，马怡敏等（2020）.基于SouFLé框架的在线协作学习分析模型[J].现代远程教育研究，32（6）：94-103.

[24]张翔，张静，周晓清（2023）.中小学课堂教学动态生成的底层逻辑、发生机理与实现路径[J].教育理论与实践，43（14）：46-50.

[25]赵鑫，吕寒雪（2021）.智能时代“双师”课堂教学：本质、表征与实践[J].湖南师范大学教育科学学报，20（3）：90-97.

[26]周琴，文欣月（2020）.智能化时代“AI＋教师”协同教学的实践形态[J].远程教育杂志，38（2）：37-45.

[27]祝智庭，戴岭，胡姣（2023）.高意识生成式学习：AIGC技术赋能的学习范式创新[J].电化教育研究，44（6）：5-14.

[28]祝智庭，樊磊（2019）.普通高中教科书·信息技术·必修1：数据与计算[M].北京：人民教育出版社，中国地图出版社：3-12.

[29]祝智庭，魏非（2018）.教育信息化2.0：智能教育启程，智慧教育领航[J].电化教育研究，39（9）：5-16.

[30]Abel， T. D.， & Evans， M. （2013）. Cross-Disciplinary Participatory & Contextual Design Research： Creating a Teacher Dashboard Application[J]. Interaction Design and Architecture（s） Journal， 19：63-76.

[31]Abolkasim， E.， & Shtewi， A. （2023）. Analyzing the Efficacy of ChatGPT for Online Learning： An Experimental Study[J]. AlQalam Journal of Medical and Applied Sciences， 6（2）：617-625.

[32]Adeshola， I.， & Adepoju， A. P. （2023）. The Opportunities and Challenges of ChatGPT in Education[J]. Interactive Learning Environments：1-14.

[33]Dai W.， Lin J.， & Jin H. et al. （2023）. Can Large Language Models Provide Feedback to Students？ A Case Study on ChatGPT[C]// 2023 IEEE International Conference on Advanced Learning Technologies （ICALT）， IEEE：323-325.

[34]Guo， K.， Zhong， Y.， & Li， D. et al. （2023）. Effects of Chatbot-Assisted in-Class Debates on Students’ Argumentation Skills and Task Motivation[J]. Computers & Education， 203： 104862.

[35]Heimbuch， S.， Ollesch， L.， & Bodemer， D. （2018）. Comparing Effects of Two Collaboration Scripts on Learning Activities for Wiki-Based Environments[J]. International Journal of Computer-Supported Collaborative Learning， 13（3）：331-357.

[36]Kaendler， C.， Wiedmann， M.， & Rummel， N. et al. （2015）. Teacher Competencies for the Implementation of Collaborative Learning in the Classroom： A Framework and Research Review[J]. Educational Psychology Review， 27（3）：505-536.

[37]Karantzas， G. C.， Avery， M. R.， & Macfarlane， S. et al. （2013）. Enhancing Critical Analysis and Problem-Solving Skills in Undergraduate Psychology： An Evaluation of a Collaborative Learning and Problem-Based Learning Approach[J]. Australian Journal of Psychology， 65（1）：38-45.

[38]Khan， S. （2023）. Harnessing GPT-4 so That All Students Benefit. A Nonprofit Approach for Equal Access[EB/OL]. [2024-03-08]. https：//blog.khanacademy.org/it-a-nonprofit-approach-for-equal-access/.

[39]Kusumawati， R.， & Hadi， A. F. （2019）. lmplementation of Integrated Inquiry Collaborative Learning Based on the Lesson Study for Learning Community to Improve Students’Creative Thinking Skill[J]. Journal of Physics： Conference Series， 1211（1）：012097.

[40]Rudolph， J.， Tan， S.， & Tan， S. （2023）. ChatGPT： Bullshit Spewer or the End of Traditional Assessments in Higher Education？[J]. Journal of Applied Learning and Teaching， 6（1）：342-363.

[41]van den Berg， G.， & du Plessis， E. （2023）. ChatGPT and Generative AI： Possibilities for its Contribution to Lesson Planning， Critical Thinking and Openness in Teacher Education[J]. Education Sciences， 13（10）：998.

Construction and Application of Collaborative Learning Paradigm in

“Dual-Teacher Classroom”Supported by AIGC

Abstract： Generative Artificial Intelligence boasts robust capabilities in content understanding， logical reasoning and contextual dialogue， which can help address persistent issues in collaborative learning among learners， such as insufficient viewpoints and arguments， lack of depth in interaction， superficial knowledge construction and low learning engagement. Under the new form of teaching and learning empowered by “dual-teacher”， assisting in solving problems in collaborative learning is the logical starting point for the synergy of “dual-teacher”， empowering the entire process of collaborative learning is its logical path， and enhancing the efficiency and effectiveness of collaborative learning is its logical endpoint. Under this framework， the collaborative learning paradigm of the“dual-teacher classroom”integrates the concept of the “dual-teacher classroom” throughout the preparation， collaboration and summarization of collaborative learning， continuously providing functions such as dynamic content generation， personalized learning support， and immediate evaluation feedback. This achieves human-machine synergy in areas like teaching assistance， feedback and answers to questions， and supervision and evaluation within the “dual-teacher classroom”. The experimental results from applying this paradigm to teaching practice show that the collaborative learning paradigm in “dual-teacher classroom” supported by AIGC helps promote students’ knowledge acquisition， increase their engagement， and enhance their critical thinking skills， thereby improving the efficiency and effectiveness of collaborative learning. In the future， the application of the collaborative learning paradigm in “dual-teacher classroom” should adhere to the basic principles of putting education first， following teaching rules， and emphasizing teacher guidance， achieving complementary strengths and mutual growth between the “human teachers” and the “machine teachers”.

Keywords： AIGC; Dual-Teacher Classroom; Collaborative Learning; Paradigm Construction