【文献】基于ChatGPT的人机对话式编程活动对学生学习投入的影响

一、研究背景

      编程教育是培养K-12学生计算思维的关键路径，但其抽象性与高认知负荷常导致学生挫败感强、参与度低。传统结对编程（pair programming）虽能提升协作与投入，却受限于同伴能力不均、沟通负担重等问题。近年来，以ChatGPT为代表的大语言模型（LLM）为构建“人机对话式编程活动”提供了新可能——它能否作为智能伙伴，在行为、认知与情感三个维度上更有效地支持学生投入？

二、理论基础

      本研究以两大理论为根基，构建人机对话式编程活动的设计与分析框架：

1. 对话式学习理论
   （Dialogic Learning Theory, Mercer & Littleton, 2007）强调知识在社会性对话中建构，有效学习依赖于解释、质疑、论证与共同推理。传统结对编程正是该理论的典型应用。而本研究进一步提出：具备自然语言交互能力的AI（如ChatGPT），可作为“非人类对话者”（non-human interlocutor），通过持续追问、提供多元视角与即时反馈，激发学生的反思性话语与认知冲突，从而支持计算思维的发展。
2. 三维学习投入模型
   （Fredricks, Blumenfeld, & Paris, 2004）将学生投入划分为：
• 行为投入
  （如专注、坚持、参与规则）；
• 认知投入
  （如元认知策略、深层加工、自我调节）；
• 情感投入
  （如兴趣、愉悦、归属感）。该模型为本研究提供了多维评估框架，确保全面捕捉人机互动对学习体验的影响。

三、研究设计

本研究采用准实验设计，在中国一所高中开展：

• 参与者：109名高一学生（实验组53人使用ChatGPT；对照组56人采用结对编程），基线无显著差异；

• 任务
  基于贪心算法的“公平分牌”编程任务，涵盖计算思维五环节：问题分解、模式识别、抽象建模、算法设计、评估优化；
• 干预特色
  实验组通过结构化任务单与ChatGPT进行多轮对话，强调提问、验证与反思，防止盲目复制；
• 数据三角验证

• 行为：屏幕录像 + 点击流分析 → 滞后序列分析（LSA）；
• 认知：对话转录 + 学习报告 → 认知网络分析（ENA）；
• 情感：问卷调查（兴趣、自我效能、焦虑、动机）。

四、核心发现

1. 行为投入：显著减少分心

• 实验组离任务行为（如切屏、闲聊）显著低于对照组（p < 0.001）；
• 形成“评估↔算法设计”的持续优化循环，而对照组在算法设计阶段频繁转向无关操作，显示注意力分散。

2. 认知投入：拓展思维广度与深度

• 实验组认知网络更复杂（8条强连接 vs. 对照组3条），覆盖概念、实践、视角三大计算思维维度；
• 对照组几乎缺失“计算视角”（如批判态度、表达性思维）；
• 学生常主动质疑ChatGPT输出（如：“它没处理负数情况”），展现元认知与批判性思维。

3. 情感投入：大幅提升兴趣与自信，显著降低焦虑

 研究发现，使用ChatGPT进行对话式编程的学生在情感维度上表现出显著积极变化：

• 学习兴趣
  （M = 14.51）远高于结对编程组（M = 9.80），效应量极大（Cohen’s d = 2.25）；
• 自我效能感
  （即对自身编程能力的信心）提升显著（d = 1.92）；
• 外语/编程焦虑
  （如“害怕出错”“担心被同伴评判”）则明显降低（d = 1.20）。

五、关键机制与教学启示

• 动态脚手架
  ChatGPT能够根据学生提出的问题实时调整反馈的深度与支持力度，精准对接个体的“最近发展区”，在不过度干预的前提下提供适时引导。
• 防依赖设计至关重要
  为避免学生盲目复制生成内容，研究通过嵌入错误反思模块、设计递进式问题链任务单以及实施渐撤脚手架策略，有效引导学生从被动接受转向主动验证与批判性整合。
• AI素养需同步培养
  学生应被系统训练如何提出高质量问题、如何评估AI输出的合理性，以及如何将生成内容有机融入自身思维过程，而非简单采纳。
• 人机协同优于替代
  ChatGPT在知识检索、语法纠错和算法解释等认知支持方面表现突出，而人类同伴则在情感共鸣、创意激发与社会协商中不可替代。未来编程教学的理想路径或在于构建“AI + 结对”的混合模式——以AI拓展认知边界，以人际互动滋养协作与创造力，实现技术赋能与人文关怀的有机统一。

• 样本限于单一中国高中，需跨文化验证；
• 未追踪长期效果（如知识保持、迁移）；
• 未来可比较不同AI工具（如GitHub Copilot vs. ChatGPT），并探索“AI+结对”混合模式的协同效应。

六、结语

      本研究基于对话式学习理论与三维投入框架，发现结构化的人机对话式编程活动能显著提升高中生在行为、认知和情感层面的学习投入，优于传统结对编程。ChatGPT不仅促进迭代优化与批判性反思，还有效降低焦虑、增强自我效能。然而，其教育价值高度依赖任务设计——唯有通过引导性提问与防依赖机制，才能避免浅层使用，实现深度学习。研究表明，生成式AI应被定位为“对话性认知伙伴”，而非答案提供者，为计算思维教学提供了理论支持与实践路径。

Zhang, L., Jiang, Q., Xiong, W., & Zhao, W. (2025). Effects of ChatGPT-Based Human–Computer Dialogic Interaction Programming Activities on student engagement. Journal of Educational Computing Research, 63(4), 988–1023. https://doi.org/10.1177/07356331251333874

1. "Success is walking from failure to failure with no loss of enthusiasm."
   — Winston Churchill