摘 要：

本文梳理了批驳性思维和 AI 支持下的教室测评等干系研究，基于层级模型构建了学生教室批驳性思维丈量指标，设计了基于提问的学生教室批驳性思维激活模型、学生教室批驳性思维打算模型，以及 AI 支持下的学生教室批驳性思维丈量技能路径，为实现 AI 支持下的学生教室批驳性思维丈量奠定根本。

关键词：

批驳性思维；批驳性思维丈量；教室测评；AI

0 弁言

AI（人工智能）是驱动教室测评创新的主要引擎，AI 支持下的教室测评，在教室中师生的行为识别、认知诊断、情绪状态诊断、传授教化过程剖析等方面的研究日益丰富。
AI 支持下的教室测评以其多模态、全方位、永劫序数据处理能力，正朝着智能化、规模化、常态化的方向发展，是对传统教室丈量与评价的颠覆式创新与变革。

批驳性思维既是教诲传授教化主要的培养目标，也是新时期学生不可或缺的高阶思维能力。
然而，研究表明，当前教室传授教化在培养学生批驳性思维方面依然存在诸多问题。
因此，如何促进学生批驳性思维发展是智能时期下教诲传授教化人才培养的急迫须要，而批驳性思维的丈量是关键点也是难点。
AI 技能快速发展，为学生教室批驳性思维的丈量供应新的思路和技能支持。
利用 AI 技能来丈量学生教室的批驳性思维，对付全面深入地理解学生批驳性思维的发展特点、探索其内在规律，以及促进学生批驳性思维的培养具有主要意义。

1 干系研究

1.1 批驳性思维内涵

“批驳”这个词源于希腊语的“kriticos”和“kriterion”两个词根，前者是指提问、理解某物的意义并有能力剖析；后者是指基于标准进行有理有据的判断。
“批驳性思维”可以追溯到古希腊期间的“苏格拉底法”，也称“产婆术”或“助产术”。
杜威提出的“反思性思维”被认为是批驳性思维的起源之一，它涉及到对假说的系统考验和主动、持续和细致的思考。
批驳性思维是一个涉及生理、教诲等多领域的观点，国内外研究学者对这一观点的定义众说纷纭。

在 20 世纪中期，学者们方向于将批驳性思维看作是一种技能。
例如，Richard Paul 等就提出，批驳性思维是一种能优化我们思维办法的艺术。
20 世纪90 年之后，较多研究者认为批驳性思维是一种综合思维，包含认知能力和情绪特质。
1990 年美国哲学会在《德尔斐报告》中认为，批驳性思维是一种有目的、自我调控的判断过程，它涉及阐明、剖析、评估、推论，并须要解释这些判断所依据的证据、观点、方法、标准或情境，该项目组认为，批驳性思维包括批驳性思维技能和批驳性思维方向两个维度。
Ennis 认为，批驳性思维是在决定相信和行动时的一种合理性、反思性的思考。

在海内，武宏志强调，批驳性思维蕴含着理性标准，它不仅包括思维技能，还涉及个人的人格气质。
谷振诣等在《批驳性思维教程》中认为，批驳性思维是面对相信什么或者做什么作出合理决定的思维能力。
杨武金认为，批驳性思维能力包括对各种信息的理解、识别、剖析、综合、比较、判断等方面的能力，推理和论证能力在个中最为主要。
总的来说，批驳性思维是一种综合性思维能力，包括批驳性思维技能和批驳性思维方向等方面，旨在作出合理而明智的决策。

1.2 批驳性思维理论模型

单维构造模型、双维构造模型、三元构造模型和层级模型是比较有代表性的 4 种批驳性思维理论模型。

（1）单维构造模型

Ennis 提出批驳性思维单维构造模型，包括关注、推理、推论、情境、澄清和总的评价 6 个指标，详细如表 1 所示。

表 1 单维构造模型

（2）双维构造模型

Facione 等提出了批驳性思维的双维构造模型，包括批驳性思维技能和批驳性思维方向两个维度，详细如表 2 所示。

表 2 双维构造模型

（3）三元构造模型

Paul 提出了三元构造模型，包含标准、元素和智力特色三方面。
详细如图 1 所示。

图 1 三元构造模型

（4）层级模型

文秋芳以双维构造模型、三元构造模型等为根本，构形成了层级模型，第一层次是元思辨（自我调控）能力；第二层次为思辨能力，包含认知和情绪两个维度，详细如表 3 所示。

表 3 层级模型的第二层次（思辨能力）

综上所述，比较于双维构造模型、三元构造模型和层次模型，单维构造模型短缺情绪特色。
双维构造模型是多个领域的专家达成的共识，运用更普遍。
文秋芳提出的层级模型包含元思辨能力、思辨能力（认知和情绪）层次分明，概括全面，内容精简，影响力广泛。

1.3 批驳性思维丈量

量表丈量、质性丈量和在线数据丈量是批驳性思维丈量的常见方法。

（1）量表丈量

量表丈量法能够客不雅观、全面丈量学习者的批驳性思维水平，加利福尼亚批驳性思维技能量表（CCTST）和批驳性思维方向量表（CCTDI）是运用最广泛的丈量工具；罗清旭和彭美慈等修订的中文版 CCTST 和 CCTDI 具有良好的信效度；***学者叶玉珠等针对中小学生体例了《中小学生批驳性思考技巧测验》；李晶晶针对物理学科编订了《物理学科领域中学生批驳性思维技能量表》。

（2）质性丈量

质性丈量紧张根据搜集到的文本材料剖析学习者的批驳性思维水平，具有深入、灵巧和情境化的特点。
如美国大学测验操持中《推理与互换评价测验》通过受试者的三篇短文和三个讲演来丈量其批驳性思维水平；恩尼斯·韦尔体例的《批驳性思维作文测验》紧张是对被试针对给定问题写成的短文来评估其批驳性思维水平；休斯等体例的《批驳性思维面谈》以会商的形式评价被试的推理能力和知识水平。

（3）在线数据丈量

此方法具有便捷性、过程性和大规模的特点，有助于深入理解学习者批驳性思维发展的特点和规律。
Garrison 等在网络实践探究模型中，认为认知存在与批驳性思维技能有关，包括触发事宜、探索、整合、办理四个阶段。
该模型可以用来评估在线谈论中学习者批驳性思维话语的深度。
黄雪娇将修订后的量表用于丈量在线传授教化交互对学习者批驳性思维的影响。

比较较而言，量化丈量具有客不雅观性、标准化、全面性等优点，但也存在过度依赖分数、忽略个体差异、缺少灵巧性等缺陷。
质性丈量在丈量批驳性思维时具有深入、灵巧和情境化的特点，但也须要考虑其主不雅观性、适用性、资源花费等方面的局限性。
在线数据丈量具有便捷性、过程性和大规模的特点，但在数据质量和准确性、技能依赖性上存在问题。
当下，仍短缺利用 AI 技能实现教室场景放学生批驳性思维测评的干系研究。

1.4 AI 支持下的教室测评

如图 2 所示，AI 支持下的教室测评干系研究以教室中西席和学生为测评工具，获取师生在教室中的语音、姿态、表情、生理数据、生理数据和交互数据等；利用语音识别、语义理解等自然措辞处理技能，姿态识别、人脸识别等打算机视觉技能，以及多模态数据处理技能，进行教室行为识别、教室认知诊断、教室情绪态度诊断和教室传授教化过程剖析。

图 2 AI 支持下的教室测评

陈靓影等提出了一种包含认知把稳力、思维生动度和学习情绪的三维学习兴趣模型，通过剖析学生的表情、姿态和互动信息，预测学生的学习兴趣。
王泽杰等利用 OpenPose 算法及 YOLOv3 算法对学生的正坐、侧身、低头和举手等行为进行了识别剖析。
沈毅等从学生的准备行为、互动行为、自主行为、谛听行为等方面，剖析学生的学习状况。
王陆教授团队利用语音识别技能，剖析教室传授教化模式、师生互动和互助学习效果。
刘清堂教授提出教室措辞行为智能剖析模型，并将教室 S-T 行为剖析运用于传授教化实践中。
杨晓哲等利用神经网络剖析模型对教室中的提问、回答、反馈进行自动编码，实现自动化的教室对话分类与即时反馈。
禹东川基于脑电的认知打算技能，对学生教室把稳力进行监测。

AI 支持下的教室传授教化测评在教室行为识别、教室认知诊断、教室情绪态度诊断，以及教室传授教化过程剖析已有不少研究案例。
只管目前教室测评的数据根本、算法性能等方面仍存在瓶颈，随着 AI 技能的不断发展，AI 支持下的教室测评以其多模态、全方位、永劫序数据处理能力，变革着传统教室丈量与评价办法，教室测评正朝着智能化、规模化、常态化的方向发展。

2 AI 支持下的学生教室批驳性思维丈量

2.1 学生教室批驳性思维指标

为了更清晰地辨别教室上学生批驳性思维在行为、认知、元认知和情绪上的表示，本文方向于选用文秋芳体例的层级模型作为学生教室批驳性思维丈量指标。

学生教室批驳性思维指标如表 4 所示，在认知维度上，包含剖析、推理和评价三个指标，并按照精晰性、干系性、逻辑性、深刻性和灵巧性的标准评价；在情绪维度上，包含好奇、开放、自傲、正派、坚毅 5 个指标；以及元认知维度。
评价等级为 0~4，共 5 个等级。

表 4 学生教室批驳性思维指标

2.2 学生教室批驳性思维激活

问题是教室传授教化逻辑的出发点，教室中师生之间大多以问答的形式推进教室进程。
学生教室批驳性思维的激活一样平常在西席提问或在互助互换中学生提出问题之后，学生对不同问题的回答表示其教室中的批驳性思维水平。
西席提问或学生提问作为外部事宜刺激，基于学生依据个人事实、信念、假设、代价不雅观等知识根本，调动个人理论从外部事宜中搜索信息，建立不同信息之间的联系，进行评价和表达，并不断整合信息建构新的知识根本。
学生教室批驳性思维激活模型，如图 3 所示。

图 3 学生教室批驳性思维激活模型

2.3 学生教室批驳性思维打算

在一堂课中学生的批驳性思维水平，紧张表示在学生对西席提出问题或学生提出问题的有效回答上。
学生在问题回答过程中的措辞（包含措辞内容、语音和语调等），以及回答过程中的姿态（包含表情和姿势等），反响着学生在认知、情绪和元认识方面的批驳性思维水平。
学生教室批驳性思维水平的打算逻辑，如图 4 所示。
例如，一堂课中学生的批驳性思维水平为：学生对每个问题的有效回答在认知、情绪和元认知上的得分之和求均匀后乘以问题个数。

图 4 学生教室批驳性思维水平打算

2.4 AI 支持下的学生教室批驳性思维丈量技能路径

AI 技能的不断发展，使学生教室批驳性思维的自动化、规模化、常态化、智能化和个性化丈量成为可能利用全方位、永劫段的多模态数据，来打破传统教室测评的韶光和空间限定。
AI 支持下的学生教室批驳性思维丈量技能路径，如图 5 所示。

图 5 AI 支持下的学生教室批驳性思维丈量技能路径

研究考试测验利用打算机视觉和自然措辞处理两类深度学习模型，分别剖析教室录像中的图像和语音数据。
借助打算机视觉技能，实现对师生传授教化情形的目标检测和行为分类；通过自然措辞处理技能，实现对教室文本分类和语义理解。
通过对学生们在教室中的认知水平、情绪体验和行为表现的剖析，实现对以班级为单位的学生批驳性思维丈量，为学生批驳性思维的培养供应多模态、过程性、立体化的数据证据，有助于深入理解学生批驳性思维的发展特点，探索学生批驳性思维发展的内在规律。

3 结束语

目前 AI 支持下的批驳性思维丈量仍处于起步阶段，在理论构建、数据采集、技能实现上还有很大的寻衅和发展空间。
当下 AI 支持下的教室传授教化测评在教室行为识别、教室认知诊断、教室情绪态度诊断，以及教室传授教化过程剖析已有不少研究案例，为开展AI 支持下的批驳性思维丈量供应参考。
如何制订不同学段、不同学科的批驳性思维评价标准，如何从教室***中提取出学生对问题的有效回答，如何实现对学生有效回答的深度理解，都是值得深入研究的任务。

（参考文献略）

王周遭

都城师范大学博士研究生。
紧张研究方向为智能教诲。

王陆

都城师范大学教授。
紧张研

究方向为当代教诲技能事理

和智能学习支持环境。

选自《中国人工智能学会通讯》

2024年第14卷第3期

人工智能与聪慧教室专题

扫描加入我们获取更多学会资源