Invisible Inequality in Peer–AI–Peer Interaction: Rethinking Inclusion in Digital EFL Classrooms
基于社会文化理论，这项定性研究揭示了数字英语作为外语（EFL）课堂中的“同伴-人工智能-同伴”交互产生了隐性的认识论不平等，即专家型同伴在人工智能介导的知识构建中占据主导地位，这表明真正的包容要求将关注点从单纯的技术获取转向公平的参与，以及通过专家支架的战略性作用来维持协作学习。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在全球各地的教室里，一场无声的革命正在发生。教师们正将强大的新工具交给学生：人工智能。这些数字助手可以构思创意、修正语法并组织思路，有望为每一位学习者提供公平竞争的机会。人们希望通过让每个人都能使用同样的智能机器，使教育变得更加公平。但这种乐观情绪往往忽视了一个关于人类如何共同学习的微妙真相。学习很少是孤独的行为；它发生在人与人之间的空间里，在那里，经验丰富的学生会帮助经验较少的学生。这种动态被称为“同伴支架”（peer scaffolding），它依赖于信任与对话。当第三个参与者——一个计算机程序——进入这场对话时，规则改变了。研究人员现在要问的问题不仅是学生是否能使用这个工具，而是当工具存在时，究竟是谁在控制对话。机器是帮助了所有人，还是悄悄地将权力转移到了那些已经掌握最多知识的学生手中？
越南的一个研究小组试图通过观察真实的学生在人工智能聊天机器人的帮助下写作论文来回答这个问题。他们关注的是学生对：一名擅长写作的学生和一名仍在学习阶段的学生。他们将这种设置称为“同伴-人工智能-同伴”（Peer–AI–Peer）交互。研究人员想看看当这两名学生一起工作、向人工智能寻求帮助，并决定如何处理答案时，会发生什么。他们记录了学生的对话，观察他们的面部表情以寻找犹豫或困惑的迹象，并保存了他们与计算机的聊天文本。他们观察了整个写作过程，从学生最初产生想法的时刻到最后润色句子的时刻。目标是寻找“隐形的不平等”——即学生参与方式中那些难以察觉但具有真实影响力的差异。
研究人员发现，人工智能的存在并没有创造一个公平的互动三角，而是创造了一种失衡的关系。在几乎所有的组别中，更强的学生，即“专家”，掌控了设备。这位学生输入问题，首先阅读人工智能给出的答案，然后决定将哪些部分分享给他们的伙伴。较弱的学生，即“新手”，往往沦为旁观或等待。尽管两名学生都能接触到相同的技术，但专家成为了“守门人”。他们充当了过滤器，解释机器复杂的建议，并将其转化为伙伴能理解的内容。这意味着新手很少直接与人工智能交流，即使他们这样做，其投入也经常被否决或忽略。这种不平等不在于谁拥有工具，而在于谁拥有决定该工具含义的权威。
这种失衡随着写作任务的推进而变得更加严重。在开始阶段，当学生们只是在构思想法时，专家利用人工智能生成一份可能性清单，然后将其呈现给新手。新手可以表示同意或提出微小的修改，但专家握有选择最终方向的权力。当学生们进入论文写作的中段，利用人工智能修改句子并提升文本流畅度时，情况再次发生：专家决定保留哪些修改。到学生完成作品并检查错误时，这种模式最为极端。专家向人工智能寻求最终建议，评估这些建议，并对保留或更改的内容做出最后的决定。新手学生往往沦为被动的观察者，要么点头附和，要么仅仅按照专家告诉他们的内容进行打字。
研究表明，最显著的问题不是缺乏获取途径，而是缺乏“认识论权威”（epistemic authority）。这是一种高级说法，意指一名学生失去了被视为知识来源的权利。即使新手学生有一个好主意或合理的疑虑，专家对人工智能的控制也会让新手的声音显得不再重要。机器的输出被视为定论，但前提是必须先经过专家的验证。如果专家忽略了来自新手的建议，新手很少会进行反驳。研究人员指出，这是因为新手信任专家，而专家信任机器，从而形成了一条让新手掉队的权威链条。这种不平等是隐形的，因为从技术层面看每个人都在“参与”，但参与的质量却截然不同。
有趣的是，研究人员发现这种不平等的动态并不总是阻碍学习的发生。在某些情况下，专家学生似乎意识到他们的伙伴需要帮助，并利用人工智能提供额外的支持。他们会用更简单的术语解释机器的答案，或者要求新手尝试某个特定任务。这表明，虽然这种不平等在权力分配上是不公平的，但有时可以被用来推动小组向前发展。然而，研究人员警告说，这是一种脆弱的平衡。如果专家过于控制，新手就会停止独立思考，转而仅仅听从指令。这项研究表明，仅仅给学生一台电脑并不能保证一个公平的课堂。真正的包容不仅仅需要技术的接入，更需要对谁在说话、谁在倾听以及谁在做出最终决定给予细致的关注。
研究人员总结道，为了让人工智能成为教育中真正有益的工具，教师需要改变组织小组工作的方式。他们建议学生应该轮流控制设备，这样新手就有机会提出问题并解读答案。任务的设计应当强制要求在利用人工智能前后进行讨论，确保机器是在支持对话，而不是取代对话。这项研究并非声称人工智能是坏的，或者应该禁止使用它。相反，它表明如果没有仔细的引导，技术可能会在无意中强化它原本旨在消除的差距。真正的挑战不在于机器的代码，而在于课堂中的人类习惯。如果我们希望人工智能帮助每个人学习，我们必须确保使用它的权力是被共享的，而不是被那些已经掌握最多的学生所垄断。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。