文章推介 | 議論文對比續寫中ChatGPT智能反饋的合作加工策略研究

議論文對比續寫中ChatGPT智能反饋的合作加工策略研究

金檀 白春苗 王穎敏 曾娟

摘要

本研究以5名中國非英語專業學生為被試，采用課堂觀察、訪談和文本分析等質性研究方法，考察了英語議論文對比續寫中智能反饋的合作加工策略及其對學習者寫作能力發展的影響。結果顯示：1)議論文對比續寫智能反饋的合作加工策略主要經歷了“被動接受反饋”、“主動尋求反饋”及“靈活運用反饋”三個階段；2)合作加工策略的使用增進了學生的寫作能力，助其實現從“語言形式修正”到“篇章結構完善”，再到“內容邏輯優化”的遞進式發展。本研究為智能反饋工具賦能英語寫作教學提供了有益啟示。

關鍵詞：議論文寫作;對比續寫;智能反饋;合作加工策略;寫作能力

正文

1. 引言

英語議論文是評估中國英語學習者語言水平與學術寫作能力的重要手段。近年來，議論文對比續寫作為一種新興的讀后續寫形式，憑借其獨特的促學優勢，如解決學生觀點論證和語言表達等寫作難題(王初明2018;陳靜等2024)，逐漸受到學界的關注。然而，在傳統讀后續寫教學中，學生尋求反饋時常面臨反饋需求與教師評閱負擔之間的沖突，這不僅導致學生難以獲得充分的反饋信息(Chen&Cui 2022)，還降低了他們的反饋參與度，從而削弱了議論文對比續寫應有的促學效果。為解決這一問題，生成式人工智能(Gen AI)工具作為“不知疲倦、樂于助人的本族語志愿者”(文秋芳、梁茂成2024)，不僅能夠及時為學生提供更全面、細致的寫作反饋以及個性化的寫作指導與幫助(Su et al.2023)，還能通過多輪迭代式對話(張曉鵬、陳莉2025)，增強學生與反饋信息的互動，激發學生的自主學習動力(蔣里2023；張曉鵬、陳莉2025)，進而引導學生主動參考議論文對比續寫閱讀材料中的論證范式，通過模仿應用實現學術寫作知識遷移與技能內化。

盡管有學者指出，學生可能因未具備較高水平的認知能力和人工智能素養，導致他們難以準確理解和有效應用Gen AI反饋(Yan 2023)。但現有研究表明，合作加工反饋信息的方式能有效促進學生間的信息共享、相互啟發與問題共解，從而推動學生進行有效修訂，促進其英語寫作能力的發展(Shi et al.2022)。然而，目前關于學生如何在議論文對比續寫任務中合作加工反饋，特別是針對生成式人工智能反饋的合作加工研究仍較為匱乏，亟需進一步探討。鑒于此，本研究以議論文對比續寫智能反饋為切入點，考察學生合作加工智能反饋的策略使用特征，并進一步探索這些策略如何有效推動學生寫作能力的發展。本研究期望為Gen AI工具在英語寫作教學中的應用提供有益啟示，從而助力學生寫作水平的提升。

2. 文獻綜述

2.1議論文對比續寫及促學作用

“續論”認為語言是通過“續”學會的，學習者語言能力的發展與“續”有關(王初明2016)。學習者在完成續寫任務時，通過互動，在模仿原文語言使用的基礎上創造內容，激發產出與理解的協同，從而提升語言產出水平(王初明2017,2025)。然而，記敘文續寫由于故事結尾開放性強，學生可任意發揮，造成回讀次數不夠，削弱理解與產出的互動協同效應(王啟、繆海燕2023)。為了解決記敘文續寫互動協同不足的問題，王初明(2018)提出了互動強度更高的對比續寫任務。該任務通常以一篇完整的議論文作為閱讀材料，題材包括中外對比、觀點對比、今昔對比等。學生在閱讀原文后，需提煉對比要點，并在此基礎上通過創造性模仿原文的謀篇布局與語言表達，展開觀點論述。

諸多研究已從多角度探究了議論文對比續寫的促學效應。研究表明，該任務有助于增強語言協同效應(熊淑慧2018)，提升學生寫作質量(周楚儀、杜寅寅2024)。然而，有學者指出，盡管續寫任務在提升學生語言能力和寫作水平方面具有巨大潛力，可當缺乏適當指導與反饋時，其促學效果往往無法充分體現(Chen&Cui 2020)。因此，為促進學生學術寫作能力的發展，有必要為其提供有效的議論文對比續寫反饋。然而，當前研究在此方面的探討仍顯不足。

2.2智能反饋合作加工及促學作用

在當前數字智能時代，以Chat GPT為代表的生成式人工智能正重塑寫作反饋范式。其“集眾人智慧于一身”的類師者特性與可交互性(文秋芳、梁茂成2024)，可顯著增強反饋的個性化和啟發性，有助于激發學生的寫作靈感與創意，培養其自主學習能力，從而提升其寫作水平(蔣里2023)。首先，與傳統單向反饋模式不同，學生可以通過與Gen AI的多輪迭代交互，持續調整和優化反饋內容，及時獲取針對性的修改建議和個性化的寫作指導(Saeed&Al Qunayeer 2022)。其次，Gen AI反饋可作為“寫作腳手架”，促進學生的認知與寫作能力發展。具體而言，與基于規則的傳統自動寫作評估(AWE)系統不同，Chat GPT依托大語言模型，能夠即時生成涵蓋語言準確性、邏輯連貫性與內容深度等方面的多維反饋(Su et al.2023)，幫助學生及時發現和修正寫作問題，有效提升文本質量。

盡管Gen AI反饋在提升學生寫作能力與認知發展中具有促學作用，但寫作修訂的本質是“決策密集型”認知活動(Graham 1997)。學習者可能因欠缺準確解讀與有效應用反饋信息所需的能力，導致其難以充分利用反饋進行修訂(Wang et al.2020)。這一挑戰在議論文寫作中尤為突出，如論證結構的調整、邏輯連貫的優化等修訂操作，往往超越個體認知及經驗范疇。Wigglesworth&Storch (2012)的協作學習理論揭示，通過小組對話解析反饋，可促進知識共建與策略共享，突破個體認知瓶頸。已有學者通過實證研究考察了學生合作加工智能反饋的成效。例如，Shi et al.(2022)發現，學習者通過協商共建對AWE反饋的理解，有效提升了其在議論文寫作中使用例據的能力。然而，關于學生如何合作加工Gen AI提供的反饋以促進其議論文寫作，相關研究尚處起步階段，需進一步深入探究。

綜上，當前研究存在以下三個問題：1)多聚焦于獨立型寫作任務的反饋，對議論文對比續寫這種邊讀邊續的綜合寫作任務的反饋研究相對較少；2)多集中于對AWE反饋的合作加工，對Gen AI反饋的合作加工研究相對不足；3)議論文智能反饋合作加工機制的研究尚不充分，尤其是針對議論文對比續寫智能反饋的合作加工策略，尚未得到深入探討。本研究基于學生在合作加工對比續寫智能反饋過程中的策略使用情況，重點探討這些策略對學生寫作能力發展的影響。具體研究問題如下：

1)學生對議論文對比續寫智能反饋的合作加工策略使用有何特征？

2)學生對智能反饋的合作加工策略使用如何促進其寫作能力發展？

3. 研究方法

3.1研究對象與課程模式

本研究采用案例研究方法，探討學生如何通過合作加工智能反饋，修訂和完善議論文對比續寫，從而提高論證寫作能力。研究對象為我國南方某大學49名大一非英語專業學生，男生10人，女生39人，涵蓋教育技術學、心理學、傳播學、新聞學等專業。學生自愿組成8個小組，每組5～7人。由于本研究聚焦學生合作加工智能反饋的策略使用，一個協作水平較高、課堂表現活躍的5人小組被選為焦點小組。該小組成員包括4名女生和1名男生，年齡為18～19歲，英語水平大致處于CEFR的B2等級，均無使用Gen AI工具輔助寫作的經驗。為保護學生隱私，本文以S加數字編號的形式指代具體學生(如S1)。在正式研究前，筆者還邀請了6名其他班級的學生參與先導研究，并根據其反饋調整了教學環節和小組工作紙。

本研究為期14周，每周2學時，每學時40分鐘。筆者圍繞社交媒體、情商魅力、科學研究及文學藝術四個教學單元主題設計了4次議論文對比續寫的寫作及修訂任務。課程采用線下與線上相結合的混合式寫作教學模式，包含“線下合作構思”、“線上合作寫作”、“線下討論修改”和“線上合作修改”四個階段(Jin et al.2020;Wu et al.2023;陳靜等2024)。在“線下合作構思”階段，學生以小組形式分工協作，共同閱讀材料、提煉核心論點，構建相應的對比論點，并完成寫作大綱。在“線上合作寫作”階段，學生依據線下制定的大綱，使用在線協作平臺合作完成對比續寫初稿。在“線下討論修改”階段，學生首先獨立審閱小組初稿，圍繞待改進內容展開討論，合作生成與Chat GPT交互的反饋提示語，并分配修訂任務。隨后，學生根據指令語分別與Chat GPT交互，獲取反饋并在工作紙內標注個人立場(同意、不同意或不確定)，以備后續討論。最終，小組圍繞Gen AI反饋開展合作討論，分享理解、集體評估，確定可采納的修改建議與需進一步修訂完善之處。在“線上合作修改”階段，學生根據既定分工合作完成初稿修改，在規定時間內提交修改后的文本。

3.2研究工具

3.2.1寫作材料

為使“續”有效發揮協同效應，“續論”強調選擇優質的語言輸入材料(王初明2021；王啟、周曉2025)。本研究選取了《自然》(Nature)雜志中的4篇論證型評述文章(分別用a、b、c、d表示)，每篇字數在1200至2000詞之間。Nature作為全球頂尖的綜合性學術期刊，其評述文章不僅涵蓋廣泛科學領域，表達作者對某個科學問題或研究結果等的觀點和看法，能引發讀者思考與討論，而且結構完整，論證嚴謹，語言規范，具有重要學術價值。本研究所選文章契合教學單元主題，具體包括：a)科學家需兼顧工作與娛樂；b)青少年多探索可預防心理危機；c) AI發展加劇環境成本；d) AI對高校教育的影響。此外，筆者利用“一針三庫智能教研平臺(https://languagedata.net)”中的“指難針”(金檀等2023)，識別并標注了超出大學英語四級水平的詞匯及其詞義和用法，從而提高了材料的可讀性。

3.2.2議論文對比續寫任務

本研究設計了4次議論文對比續寫任務，要求學生合作完成不少于400詞的續寫。具體步驟為：學生先精讀寫作材料，提煉關鍵對比要點并在過渡段概述，再依要點順序，以對比方式展開觀點續寫，保證段落主題句邏輯連貫，最后在結尾總結對比分析內容。王初明(2018)指出，學生在進行對比續寫時，可模仿閱讀材料的篇章結構與語言風格，以發揮對比續寫的促學作用。故本研究鼓勵學生續寫時借鑒原文表達方式，以實現續寫結構、內容的緊密銜接，提升寫作的連貫性與邏輯性。

3.3數據收集

本研究收集了線上、線下小組合作修訂活動的數據，以分析學生如何合作加工智能反饋，實施三角驗證。具體而言，觀察筆記用于了解學生在修訂任務中的參與情況及策略使用背景，課堂錄音用于揭示學生在智能反饋合作加工情境中策略的實際運用，文稿數據(包括工作紙、初稿及修改稿)用于識別反饋在寫作修改中的應用情況，Chat GPT交互記錄則用于分析學生的反饋關注點及其與Gen AI的互動模式。第4次修訂任務完成后，筆者對焦點小組各成員進行了約40分鐘的半結構化訪談，共獲約195分鐘的訪談數據，主要涉及學生如何合作加工反饋、學生對Chat GPT反饋的接受與理解、反饋策略對學生寫作能力的影響等。

3.4數據分析

為探究學生合作加工智能反饋的策略使用，筆者主要分析了焦點小組的課堂討論錄音、工作紙、Chat GPT交互記錄及4次對比續寫任務的初稿與修改稿，訪談數據用于三角驗證和補充。其中，課堂討論與半結構化訪談錄音先進行逐字轉錄，再進行編碼。本研究采用開放式編碼與主題編碼相結合的兩步法：首先逐句研讀轉錄文本及相關文檔，歸納學生在合作加工智能反饋過程中所涉策略使用的表述與行為，并據其共性歸類，提煉主題標簽，最終歸入相應策略類別(見表1)。編碼由雙人交叉完成，不一致的地方經討論修訂，確保最終編碼的一致性。此外，為探討智能反饋合作加工中的策略使用對學生寫作能力發展的影響，筆者進一步分析了訪談數據，旨在了解學生自述的策略使用情況，并收集他們對這些策略在提升寫作能力方面的主觀感受、認知和反饋。通過分析學生在修改過程中的關注點(如語法修正、例證增補等)及所采用的策略，進行三角驗證，以確認學生寫作能力的實際發展。

4. 研究結果

4.1智能反饋的合作加工策略使用情況

在合作加工智能反饋的過程中，學生的策略使用經歷了從“被動接受反饋”到“主動尋求反饋”，再到“靈活運用反饋”的三個發展階段。各個階段，學生在元認知策略、認知策略、社會行為策略和動機調節策略4個維度上均表現出不同特點。

4.1.1被動接受反饋

在被動接受反饋階段，學生主要致力于完成修訂任務，表現為對反饋的被動接受與直接應用。常用的元認知策略為“明確修訂任務規劃與分工”。例如，S2在討論時提到：“那我們就每個人負責原本的地方”。此策略有助于修訂工作的有序進行。在編寫指令語時，學生通常會“參考續寫評估標準來檢查修訂質量”，但其指令語較為寬泛，缺乏具體的反饋細節。例如，“如果你是一位研究生導師，請對學生的議論文寫作提供幫助并給予反饋。”此外，雖然學生采用了“協商修訂方案”策略，但學生在此階段通常全盤接受反饋，缺乏主動思考，導致修訂行為較為機械，修正主要集中于語法等表層錯誤。在動機方面，學生多受外部激勵(如完成任務)的驅動，內在動機尚未充分激發，因此使用Chat GPT進行文本修訂的積極性較低。

4.1.2主動尋求反饋

在主動尋求反饋階段，學生開始主動提出具體反饋需求以提升文本質量。在元認知策略的運用中，學生通過“評估反饋的相關性”，更主動地規劃和整合反饋信息。在認知策略方面，學生不再局限于表層形式的修訂，轉向優化文本結構，如“調整主題句或論點位置”和“增補或刪改銜接詞”。當Chat GPT反饋未達到預期時，他們會采取“修改、更新原指令，或增加新指令進行追問”的策略，通過多輪交互逐步獲得更精準的反饋。例如，S2提到“因為一次它可能出不來滿意的結果，多喂幾次可以沙里淘金。”S5也表示，調整指令的過程就像是“圍欄捕羊……慢慢地加修飾語，然后再圈住那個我想要的答案。”與此同時，學生的合作與互動變得更加積極，他們通過“詢問/請教”，相互學習優化指令語的技巧。同時學生也在修訂任務中展現出更強的情緒和動機調節能力。例如，課堂觀察顯示，當修訂進度未達預期時，S1提出“我們再努力努力”的建議，表現出積極的情緒調節能力。

4.1.3靈活運用反饋

在邁入“靈活運用反饋”階段后，學生不僅注重提升論證邏輯的嚴密性，還展現出較強的批判性思維能力。首先，學生通過“設定修訂目標”(如要求Chat GPT按照四級作文標準提供反饋)，明確了寫作方向和反饋需求。其次，學生主動尋求更具針對性的反饋，以增強論證力度。例如，他們采用“賦予Gen AI與寫作話題相關角色”的策略,將其設定為“精通大學英語且對人工智能有深刻了解的英語教師”。此外，學生還首次以讀者的身份批判性地審視反饋信息。如S4表示：“作為寫作者，我也要扮演讀者的角色。如果修改后的內容沒有實際意義，我會選擇堅持原有的寫法。”此階段，學生在“在線小組群分享反饋”的社會行為策略上表現得尤為突出。如S4認為“大家會把整篇文章修改得更好。因為我一個人的想法只局限在這個部分，大家可能想到的點都不一樣。”與此同時，學生展現出更強的自主學習意愿，內在動機也達到了較高水平，如通過主動尋找四級范文、提示語范例等資源來優化寫作。

4.2策略使用對寫作能力發展的促進作用

通過使用智能反饋合作加工策略，學生的寫作能力得到了有效提升。具體而言，與智能反饋合作加工策略使用的三個階段(“被動接受反饋”、“主動尋求反饋”和“靈活運用反饋”)相應，學生寫作的關注點由“語言形式修正”轉向“篇章結構完善”，最終實現“內容邏輯優化”。

4.2.1語言形式修正

在“語言形式修正”階段，由于學生缺乏使用Chat GPT獲取寫作反饋和進行議論文對比續寫的經驗(如S4提到：“我之前只寫過高中語文作文的議論文，不知道英語作文是不是也是用類似的邏輯。”)，他們對智能反饋的利用較為有限，主要聚焦于語言層面的修改。盡管意識到在結構與內容邏輯方面的不足，他們仍僅基于已有反饋進行修訂，未進一步與Chat GPT互動以獲取更深層次的指導。對于首次使用Chat GPT獲取反饋信息的感受，學生普遍對其在寫作反饋中的便捷性和高效性表示了肯定。如S2在訪談時說道：“一看蹦那么長的句子，我說這太省事了，省太多時間了。”

4.2.2篇章結構完善

在“篇章結構完善”階段，學生修訂的焦點從語言表層轉向論證結構，以提升整體寫作質量。例如，S5在討論時提出：“是不是第三段這個論點3的觀點，可以往前擺一擺?”這一建議體現了學生對續寫結構的深入思考。在獲取智能反饋時，學生在指令語中也明確提出了結構層面的反饋需求，如其將指令語編寫為“請你以表格形式列出文章需要更改的要點，使文章更具說服力且結構更清晰。”此外，學生通過分析原文結構和Chat GPT反饋，逐漸自行總結出了對比續寫各部分的結構框架。例如，S5在訪談中提到其對結論部分的寫作策略為：“我寫結尾會先復述前面內容，然后給出建議，最后進行展望。”

4.2.3內容邏輯優化

在“內容邏輯優化”階段，學生主要關注論證邏輯的嚴謹性和表述的精準性。例如，在“AI增長加劇環境成本”主題的修訂討論中，學生重點關注分論點與主論點之間的邏輯關聯，以構建緊密的論證邏輯。如S5所述，“因為AI對能源損耗來說，比起去減少使用AI的頻率，更多關注新能源是更重要的事。”此外，學生開始注重語言表達的精準度，意識到精煉的語言既能提升文章可讀性，也能增強論點的說服力。如S3所言，“感覺AI反饋會使表達不那么贅余，會更清楚一點，邏輯性更強。”值得注意的是，此階段學生開始內化和模仿Chat GPT提供的反饋，反思并將其應用于自身寫作，如S4所言“我開始能夠感受到怎么樣寫是好的，所以我就會下意識的去想一下上次它是怎么給我改的，然后就會模仿它的邏輯。”

5. 討論

5.1智能反饋的合作加工策略使用特征

本研究發現，學生在議論文對比續寫智能反饋的合作加工過程中，其策略使用呈現出動態發展的特點，依次經歷了“被動接受”、“主動尋求”和“靈活運用”三個階段。這與前人研究發現一致，即學生在協作加工AWE反饋時，其對反饋的態度從“信任”轉變為“質疑”，最終發展為“批判性反思”(Ranalli 2021;Shi et al.2022)。在本研究中，人機協同下的智能反饋發揮了腳手架式的促學功能，強化了對比續寫的互動協同效應，提升了學生的學習參與度，并促進了合作知識構建(見圖1)。在此基礎上，學生的智能反饋合作加工策略實現了漸進式發展。

首先，Chat GPT的即時反饋能引導學生深入分析反饋內容，反思優化修訂方案(Suraworachet et al.2023)。在反饋過程中，Chat GPT不僅充當了寫作教師的“反饋者”角色，還作為類似寫作伙伴的“協商者”與學生互動，解決了學生在獲取反饋信息方面的不足；學生則由傳統教育模式中的被動接受者，轉變為積極的“參與者”和“回應者”(Saeed&Al Qunayeer 2022)，更加主動、深入地參與到反饋過程中，實現“自主的、探究式的學習”(蔣里2023)。此外，智能反饋發揮了腳手架作用，突破了學生現有寫作水平和認知界限，從語言形式、邏輯結構和內容深度等多個層面提供反饋，幫助學生及時識別并修正寫作中的表達問題與論證不足(Su et al.2023)，引導其調整智能反饋的合作加工策略。

其次，隨著在智能反饋引導下逐步內化議論文對比續寫技能，學生的反饋需求逐漸增加，并開始主動反思與優化其合作加工策略。如學生在訪談中提到，雖然此前缺乏英語議論文寫作經驗，但基于智能反饋的修訂建議，通過模仿閱讀材料的論證邏輯，逐步掌握了論證寫作的結構框架。這進一步驗證了前人研究的結論：與原文的互動協同能夠充分發揮對比續寫的促學優勢，從而提升學生的學術寫作水平(王初明2018；周楚儀、杜寅寅2024)。

除此之外，學生的合作知識共建有助于深化對智能反饋的理解、提升其應用能力，并促使其動態調整對智能反饋的合作加工策略。例如，學生由最初對表層語言反饋的全盤接受，逐步過渡到批判性評估與選擇有助于提升論證邏輯的反饋信息。這也印證了前人研究發現(Shi et al.2022)，即通過合作加工反饋，學生能夠共同構建對反饋的理解，集思廣益，形成有效的修訂策略，進而促進批判性思維的發展(Carr 2023)。由此可知，學生通過對議論文對比續寫智能反饋的合作加工，提升了續寫能力、思辨能力和人機協同交互技能，而這些能力的增強又反過來促進了策略的使用與智能反饋合作加工策略的持續優化。

5.2智能反饋合作加工策略對寫作能力發展的影響

總體而言，議論文對比續寫智能反饋的合作加工策略有效促進了學生寫作能力的發展，使其寫作關注點由語言表層逐步轉向篇章結構與內容邏輯。這一發現支持了前人的研究結果(Wigglesworth&Storch 2012;Shi et al.2022)，即學生通過合作加工反饋，能夠獲得超出自己當前水平的知識和技能，從而推動其論證寫作能力的發展。本研究中，學生通過合作加工議論文對比續寫智能反饋，與閱讀材料、續寫文本及其反饋信息展開深入互動，共同構建并深化了對論證結構和邏輯推理的理解。同時，這一互動過程有效促進了學生在論證寫作中的認知能力發展，使他們能夠不斷調整續寫的側重點，實現與原文在語言、結構和內容上的多維協同(張曉鵬2016)。

具體而言，在智能反饋合作加工策略的輔助下，議論文對比續寫的協同效應和促學效果得以充分發揮。由于初期缺乏相關寫作經驗，學生在修訂中主要依賴智能反饋處理語法等表層問題，尚未掌握如何從內容邏輯等更高層次提升續寫質量。然而，智能反饋能夠增強議論文對比續寫的促學優勢，引導學生對原文篇章結構進行“創造性模仿”(王初明2018)。因此，學生在對智能反饋合作加工的過程中，逐漸聚焦于模仿閱讀材料的篇章結構以優化續寫文本的謀篇布局。通過合作梳理并掌握閱讀材料的論證框架，學生能夠精準識別并修正論證結構中的邏輯漏洞，從而提升文本的嚴謹性。該發現與周一書(2019)的研究結果相符，即通過對比續寫訓練，學生的寫作篇章布局能力得到了有效提升。

此外，本研究還發現，隨著學生逐步掌握議論文對比續寫技能，他們將更多的認知資源投入到論證邏輯的提升與論述表達的優化。但對比續寫的協同作用主要體現在促進學生模仿原文論證邏輯，而非語言形式的協同。這與熊淑慧(2018)的研究結果一致，即對比續寫有助于提升學生的思辨能力以及語言表述的規范性，但語言形式的協同作用有所減弱。因此，為持續發揮對比續寫的協同作用，教師可引導學生分析原文語言、模仿詞語句型以及篇章結構等(王初明2018)，從語言、結構和內容邏輯等多方面入手，助力學生寫作能力的發展。

6.結語

本研究采用質性個案研究方法，考察了學習者對英語議論文對比續寫智能反饋合作加工策略的使用情況及其對學習者寫作能力發展的影響。研究發現，學生對智能反饋的合作加工策略主要經歷了“被動接受反饋”、“主動尋求反饋”和“靈活運用反饋”三個階段。學生的寫作關注點隨之從“語言形式修正”逐步過渡到“篇章結構完善”，并進一步發展為“內容邏輯優化”。這一轉變不僅反映了學生對反饋的深入理解和有效應用，也體現了其寫作能力的提升。

本研究對智能反饋工具融入議論文對比續寫教學具有一定啟示：1)教師可以設計“形式-結構-內容”的分階段續寫修訂訓練。例如，初期主要聚焦于語言準確性和表達方式的模仿訓練；中期逐步引入篇章分析，關注續寫的論證結構；后期則著重提升續寫的邏輯性；2)教師可示范如何選擇性地采納智能反饋以實現有效修訂，培養學生批判性地對待Gen AI寫作反饋；3)教師可以設計合作加工智能反饋的任務，引導學生通過合作討論提升獨立思考和創新能力，減少對Gen AI的過度依賴。誠然，本研究也存在一些不足，如未能充分考慮學生的個體差異。未來研究可擴大研究對象范圍，針對不同語言水平、不同專業、不同Gen AI工具使用經驗及偏好的學生開展研究，全面探討對比續寫智能反饋在不同學生群體中的作用和效果，為智能反饋工具輔助續寫教學提供更多參考和借鑒。

免責聲明：原文載于《現代外語》，2025（5），版權歸作者所有，如有侵權，請及時聯系刪章。

轉載自：外語教學與研究公眾號