摘要：提要：产出导向法（POA）对外语教师的教学设计能力提出了较高要求。教师需要应对产出场景设计、产出目标设定、促成活动设计和评价焦点挖掘等诸多挑战，以满足POA教学设计的各项质量指标，产出较为完善的POA教学设计。本文尝试以大语言模型赋能大学英语教学，使用Chat

感谢您关注“永大英语”！

李冬青

提要：产出导向法（POA）对外语教师的教学设计能力提出了较高要求。教师需要应对产出场景设计、产出目标设定、促成活动设计和评价焦点挖掘等诸多挑战，以满足POA教学设计的各项质量指标，产出较为完善的POA教学设计。本文尝试以大语言模型赋能大学英语教学，使用ChatGPT开展人机协同的大学英语POA教学设计，为教师减负增效。基于POA教学设计过程，本文提出COPILOTS人机协同模式，勾勒出人机协同行动链，并阐释人机协同对教师素养的要求。在人机协同过程中，教师要不断加强自身素养，彰显人类教育者的主体性和独特性。

关键词：人机协同；产出导向法；ChatGPT；大学英语；教学设计

1 引言

产出导向法（Production-Oriented Approach，简称POA）作为中国特色外语教育理论，在我国各学段外语教学中具有广泛影响。大量研究已证明了POA教学的有效性（张伶俐 2020；张文娟 2017）。然而，POA理论对产出场景设计、产出目标设定、促成活动设计、评价焦点挖掘等方面提出了细致的准则与较高的要求（文秋芳 2020）。外语教师在POA教学设计与实践过程中面临诸多挑战。

2022年，ChatGPT的问世在全球各领域引发热议。以ChatGPT为代表的大语言模型（large language models，简称LLMs）显示出赋能外语教学的巨大潜能（Kohnke et al. 2023；胡加圣、戚亚娟 2023）。国内外学者也开始关注ChatGPT在外语教育中的应用（如Guo & Wang 2024；秦颖 2023），但目前的研究大多是对ChatGPT赋能外语教学的宏观探讨（连慧 2023），只有少量研究呈现了ChatGPT响应指令生成教学设计的例证（焦建利、陈婷 2023；孔蕾 2024；许家金、赵冲 2024）。这些研究为LLMs赋能外语教学提供了有益思路，也为进一步探索人机协同开展POA教学设计奠定了基础。

2 POA教学中人机协同设计的动因

2.1 POA教学设计的挑战

POA理论针对教学流程提出了明确的设计准则和质量标准（邱琳 2020；孙曙光 2020；文秋芳 2015，2017，2018，2020；文秋芳、孙曙光 2020）。为满足POA教学设计要求，保障教学有效性，外语教师在POA教学设计过程中需要应对以下四个主要挑战。

第一，产出场景设计创意不足。教师在实施POA教学时需要先向学生呈现交际场景，这是POA教学最具创意的一部分，也是实施POA教学的首要挑战（文秋芳、孙曙光 2020）。在设计过程中，不少教师遇到创意不足、场景驱动力有限等问题。

第二，产出目标前期分析要求高。在设定产出目标前，教师需要研读教材，分析学情、校情、教情（孙曙光 2017a）。教师要对接学生的产出缺口，与教学材料进行深度互动，并在多维分析和评估的基础上确定产出目标。这一过程具有一定的挑战性。

第三，促成活动设计复杂度高。POA要求促成活动满足精准性、渐进性和多样性标准，各个子任务之间还应该环环相扣，为学生提供内容、语言和结构维度的支持（文秋芳 2020）。每一次促成活动设计都需要教师投入较多的时间与精力，也对教师构成了较高的认知挑战。

第四，评价环节设计时间紧迫。师生合作评价要求教师在收到学生产出成果后，在相对有限的时间内确定评价焦点、选择典型样本（孙曙光 2020），这项工作的难度较大。对学生文本中典型问题的挖掘还可能具有较强的主观性，缺乏科学和客观的依据。

由此可见，完成科学性与创意兼备的POA教学设计颇为不易，该过程给教师带来了较高的劳动负荷。

2.2 ChatGPT赋能POA教学设计的潜力

自ChatGPT问世以来，相关研究显示出其赋能POA教学设计的潜能。张震宇、洪化清（2023）指出，通过向ChatGPT询问特定话题，教师能够快速获得相关知识点，为课堂活动设计提供思路。Su et al.（2023）将ChatGPT运用于议论文写作教学，以帮助学生达到议论文写作对内容、结构和语言的要求。该研究体现出ChatGPT为写作教学提供适应性和差异化支持的能力。孔蕾（2024）尝试运用ChatGPT、Claude等LLMs完成对英语专业精读课教学内容与教学组织方式的重构。该研究发现，LLMs能对文本中的长难句结构和叙事进程等进行深入分析。许家金等（2024）尝试以POA理论为指导，运用GPT-4模型进行交际场景设计、语言促成活动设计以及学生典型样本挖掘。以上研究揭示出以ChatGPT为代表的LLMs在语言输入材料理解与分析、语言活动设计与生成以及产出成果评价等方面具有突出能力，对LLMs赋能POA外语教学具有重要启示意义。但目前还鲜有研究将LLMs融入真实的教学设计情境，揭示LLMs如何与教师形成人机协同，完成切实可行的大学英语全过程教学设计。基于此，本研究尝试将ChatGPT应用于POA教学设计的产出场景设计、产出目标设定、促成活动设计和评价焦点挖掘过程，以发挥人机协同的优势互补作用，提升教学设计的科学性与创意，从而赋能大学英语教学。

3人机协同POA教学设计案例

3.1 教学设计背景

笔者来自某“双一流”高校，面向非英语专业一年级本科生讲授大学英语读写译课程。本研究以笔者所用的大学英语教材第二册第一单元“绿色生活”（Living Green）为教学材料。笔者选用教材文本《脱离电网的生活：一家城市居民如何发现简单的生活》（Living Off the Grid: How a Family of City-Dwellers Discovered the Simple Life）为输入材料，与ChatGPT-3.5协同完成四个课时的POA教学设计，通过“撰写绿色生活指南”这一总产出任务，来提高学生的英语读写能力，培养其环保意识和责任感。

3.2 产出场景设计

为解决产出场景设计创意不足的问题，教师可以先将教材文本提供给ChatGPT，让其在深度理解文本的基础上，提出不同的产出任务设计方案，以降低教师寻找“创意”的时间成本。以Living Green单元为例，笔者要求ChatGPT基于教材文本，以英语教师的身份为中国大学生设计一项时长为180分钟的具有真实性的单元产出任务（见表1）。

ChatGPT根据指令，快速提供了五套单元产出任务设计方案，包括创作纪录片、设计蓝图、社区会议角色扮演、撰写社论和撰写绿色生活指南。此过程还可以多次重复，直到教师发现可取的方案为止。

POA要求场景设计应包含话题、目的、身份、场合等要素，以保障交际场景具有真实性（文秋芳、孙曙光 2020）。笔者经过多次指令修改和尝试产出后发现，虽然ChatGPT提供的部分方案话题紧贴教学材料，也具有明确的交际目的，但没有提供适切的身份和场合信息，不能为中国学生提供真实的交际价值。因此，教师需要从备选方案中选择具有潜在交际价值的产出任务，并进一步细化场景设计，补足身份和场合等信息，使其更加贴合学生的现实生活。

在Living Green这一单元的教学中，考虑到目标学生为大一新生，且该单元为课程的第一单元，笔者采纳了认知难度相对较低的第五套设计方案——撰写绿色生活指南，并结合学情细化了该任务，添加了要素信息，将总产出任务描述为：

In celebration of the World City Day on October 31, 2023, the official English WeChat account at XX University calls for a Green Living Guide. You need to draft a Green Living Guide with an introduction, several practical tips and a conclusion. The guide should be no less than 150 words.

由此可见，ChatGPT能够理解和分析教材文本，协助教师完成部分创意工作，帮助教师快速拓宽思路，简化设计过程。但教师仍然需要筛选和分析ChatGPT提供的内容，并解决产出场景设计中常见的身份不当、身份不明等问题（文秋芳、孙曙光 2020）。

3.3 产出目标设定

在产出目标设定阶段，教师要对预期产出成果和学生产出缺口了然于胸，并基于现有教材，明确教学重点，对接学生缺口（文秋芳 2017）。这对使用非POA教学理念编写的教材的教师而言尤其具有挑战性。在人机协同设计过程中，这一问题得到有效改善。ChatGPT参与的产出目标设定过程与提示语见表2。

在POA教学中，产出既是终点，也是起点（文秋芳 2020）。因此，教师要先引导ChatGPT生成产出成果样例，明确对“终点”的预期。ChatGPT生成的样例符合产出目标设定，内容也与教学材料高度契合，为教师深入分析预期产出成果的内容、语言和结构特征提供了抓手。

在此基础上，由ChatGPT评价学生的尝试产出，找出产出缺口。与教师更易关注语言、结构不足不同（Guo & Wang 2024），ChatGPT能发现学生作品在观点阐述上缺乏细节、流于浅表、说服力不强，同时存在短语搭配不当、表达不连贯等共性问题，并指出每份学生尝试产出作品的主要问题。ChatGPT发掘问题的维度更加全面。教师可以根据ChatGPT的评价内容按图索骥、快速核查，以确保ChatGPT反馈的准确性。

基于学生缺口，ChatGPT从内容、语言、结构三个维度对教材进行分析。ChatGPT从教材文本中提炼了“节约用水”（conserve water）等五项内容信息，“祈使句”（imperatives）等三项语言信息，“实用建议”（practical tips）等四项结构信息。相比于原教材更关注记叙文结构和词汇语法知识，ChatGPT提取的信息能够更好地对接总产出任务，有利于落实POA的选择性学习理念（文秋芳 2015）。

结合总产出任务、学生产出困难和教材分析结果，ChatGPT进一步整合信息并归纳了命令式语言（imperative language）、描述性元素（descriptive elements）、说服技巧（persuasive techniques）、连贯性与组织性（coherence and organization）、语法与句子结构（grammar and sentence structure）五个教学重点。它的建议相对均衡，但有些问题在短时间内难以得到有效解决。教师依据产出目标可教性原则（文秋芳 2017），对教学重点进行了筛选，聚焦“描述绿色生活行为”和“通过祈使句劝服他人”。同时，教师发现ChatGPT的建议缺乏对教学对象身份和语境的考量，于是增补了结合学生自身经历及中国语境等元素，将教学目标细分为：

（1）能够结合自身经历，描述日常绿色生活行为；

（2）能够运用祈使句式，劝服他人实践绿色生活；

（3）能够结合中国语境，阐释绿色生活践行意识。

在上述过程中，ChatGPT对前一个步骤的指令所作出的响应，为后续步骤的行动提供了参考，精准对接、层层递进，也为教师后续的信息整合和识别判断提供了依据，使教师摆脱了以往主要靠经验、凭直觉来作判断的情况。但教师在ChatGPT提供的依据和建议的基础上，仍需要完成信息的分析、判断、整合及优化。

3.4 促成活动设计

在促成活动设计部分，ChatGPT可以辅助教师开展促成活动设计和教学材料准备工作。例如，根据下述提示语，ChatGPT归纳了12类词汇，包括在教学材料中较为集中的能源节约、水资源节约相关词汇，以及其他与环保和绿色生活相关的词汇。ChatGPT所提供的词汇表可以与学生课堂上经过头脑风暴产出的词汇归类形成对照，提供参考，辅助教师开展词汇促成。

ChatGPT还从教材文本中提取了节水、节电、减废、提高可持续性四个方面的行为，并将其转化为祈使句表达，如“Repurpose or reuse items instead of throwing them away.”等，为教师在课中完成内容与句子促成提供参考样例。具体提示语如下：

Can you list, group and label green-living-related vocabulary? Can you identify the behaviors described in the text which would benefit green living and then transform them into imperatives?

由上述过程可见，ChatGPT能够为教师的促成活动设计提供有力辅助。教师可以从教材中轻松提取目标语言项目，快速生成课堂上可用的参考答案或样例，从而提升设计效率。但就现阶段而言，ChatGPT只能协助教师较好地完成单个促成活动设计，尚不能直接生成细致、可行的促成活动整体方案。ChatGPT给出的设计方案虽能基本契合交际教学理念，但难以达到POA对促成活动精准性、渐进性和多样性的要求（文秋芳 2018），各活动之间也无法形成环环相扣的循环过程。最终的促成活动链仍需要教师搭建，以确保任务难度的渐进性和子任务循环之间的逻辑性（文秋芳 2020）。

3.5 评价焦点挖掘

师生合作评价环节要求教师在学生提交产出成果初稿后，在较为有限的备课时间内，确定评价焦点、选择典型样本，时间紧、任务重、难度大。在人机协同过程中，教师可以要求ChatGPT先对学生的产出成果进行评价并发掘其中的共性问题，提示语如下：

Here are the first drafts from students. Can you evaluate these writings and point out their common weaknesses?

ChatGPT通过对学生作品进行分析，指出了学生产出中的不足之处，包括词汇不够丰富、建议缺少详尽阐述、结构不够清晰、指南驱动力不足、句子结构多样性不足等。教师在ChatGPT评价的基础上，快速浏览学生作品，形成整体认识，并根据评价焦点的典型性、可教性、渐进性和系统性原则（孙曙光 2017b），确认评价焦点和典型样本。

就Living Green这一单元的教学而言，笔者发现在ChatGPT所指出的不足中，词汇丰富度和句子结构多样性是语言发展长期目标，在针对大一新生的某次师生合作评价中不具备可教性。结构不够清晰是由于部分学生仍然沿用高中常规的三段式写作，对指南的体例认识不足，这一问题有望在教师反馈后得到快速改善。在对建议进行详尽阐述后，指南驱动力不足这一问题也有望同步得到改善。因此，在对接产出目标并结合可教性原则的基础上，笔者确定以“详尽阐述建议”（elaboration on tips）作为此次评价焦点，并选择了典型样本。由此可以看出，ChatGPT能够快速发现学生样本的共性问题，但教师仍需在综合考虑产出目标和实际学情后作出决策。

4 POA教学设计中的COPILOTS人机协同模式

基于人机协同的POA教学设计实践，笔者尝试提出POA教学设计中的COPILOTS人机协同模式。这里的COPILOTS有两层含义。第一，COPILOTS是指人机协同作业时LLMs的“副驾驶”角色（许家金等 2024）。在POA教学设计过程中，教师发挥主导作用，需要发布指令、做出决策、调整优化等，如同航行中的“机长”。而LLMs则扮演“副驾驶”角色，通过信息采集与分析、信息批量处理、经验类知识生产等方式（彭兰 2020），执行“机长”指令，生成文本、提出建议等。第二，COPILOTS指在POA教学设计中，LLMs与教师交替作业，沿着C-O-P-I-L-O-T-S人机协同行动链完成POA教学的全过程设计（如图1所示）。

4.1 COPILOTS人机协同行动链

COPILOTS人机协同模式呈现了产出场景创建、产出目标设定、促成活动设计和评价焦点挖掘四个POA教学设计重点阶段的人机协同设计路线，并由实体箭头进行标记。与许家金等（2024）在指令中明确交际话题、目的和身份，继而由LLMs设计场合要素不同，COPILOTS人机协同模式先由LLMs完成产出场景的初步创建（Construct）；在此基础上，教师结合学情和教情，选择方案并进行优化（Optimize），以补足场景要素，保障交际的真实性。这一方式旨在尽可能缓解教师的设计压力，通过LLMs对文本的识解，快速生成批量方案，帮助教师拓宽思路，也为教师提供了“试错”空间，使其可反复比较多种方案，择优选用。接着，LLMs生成成果样例、评价尝试产出、提取语言项目并归纳教学重点（Predict & Parse），由教师整合信息并确认产出目标（Integrate & Identify）。在促成活动设计阶段，LLMs辅助单体促成活动设计（Locate）；教师需要组织搭建（Orchestrate）这些目标、难度、类型各不相同的促成活动。

针对师生合作评价环节，不同于许家金等（2024）以典型样本为导向，即由LLMs筛选中等水平学生样本，再给出选择理由的路径，笔者采用以问题为导向的路径：先由LLMs分析和挖掘学生产出样本的共性问题，即锚定潜在焦点（Target），再由教师根据可教性原则选择（Select）焦点和典型样本。通过LLMs问题挖掘与教师决策的协同作用，可保障评价焦点的典型性，也能与后续教学更好地建立渐进性和系统性（孙曙光 2017b）。

上述过程不完全是单向的线性关系，还存在反复性，由反向的虚线箭头表示。在人机协同模式下，一项任务的完成可能需要多次反复迭代（文秋芳、梁茂成 2024）。在教学设计过程中，教师要明确需求，及时对提示语做出调试，同时反复核查LLMs提供的内容，避免内容不准确或虚假（Kasneci et al. 2023）。此外，教师要在理论与经验的互动中，对LLMs粗加工的内容进行后续修补和优化，对其碎片化设计进行整合和搭建。笔者认为，这些工作尚不能由LLMs代为完成，也不应该让渡给LLMs来完成。在人机交互过程中，人的主体作用不可或缺（吴军其等 2023）。

4.2 COPILOTS人机协同模式对教师的要求

在COPILOTS人机协同模式下，LLMs的每一次行动均由教师指令推动。人机协同的顺利开展对教师的POA理论素养、AI技术素养和高阶思维素养提出了要求。在教学设计过程中，教师需要对POA理论有准确和深入的理解，对各阶段的设计标准和评价指标有清晰的把握，能够运用POA理论对LLMs生成的内容进行分析、判断、反馈和优化。针对技术部分，教师可能不需要对LLMs的构建过程和运作机制有深度的理解，但一定要清楚它的能力与局限性，以及完成任务的路径和方法（文秋芳、梁茂成 2024）。在人工智能时代，教师是智能技术的使用者和学习者，技术与外语教学要协同发展（于银磊、饶辉 2023）。

此外，教师还需要具备批判性思维、系统性思维、创造性思维等高阶思维。教师在教学设计过程中要不断对LLMs的信息进行分析、比较、评价和判断，批判性思维可保证该类信息的准确性，避免信息错漏或偏见（Warschauer et al. 2023）。系统性思维指教师将不同资源与高质量的教学决策协调起来的能力（Jeon & Lee 2023），以保障教学目标设定、教学内容选择、教学环节安排及教学活动设计之间相互协调。创造性思维指教师要在LLMs的协同作用下，不断提升创新探索的意识（郝建江、郭炯 2023）。在人工智能时代，这些高阶思维的发展是学生和教师需要共同追求的目标。

5 结语

本研究开展人机协同作业，将ChatGPT应用于大学英语POA全过程教学设计中。在COPILOTS人机协同模式下，LLMs生成的内容为教师进行POA教学设计提供了依据，尤其增强了POA教学设计的科学性和精准性。其强大的信息采集与分析能力、数据批量处理能力、经验性知识生产能力等也为教师拓宽了思路，实现了减负增效，并在一定程度上降低了POA教学设计与应用的门槛，提高了使用非POA教学理念编写的教材开展POA教学的可能性，有利于促进POA的广泛推广和应用。

需要指出的是，ChatGPT虽然功能强大，但在教学设计中还存在一定的局限性。第一，ChatGPT的回复具有一定的随机性。教师在不同时间给予相同指令，ChatGPT的答复可能会有所不同。这在产出场景设计的创意阶段尚属优势，但在产出缺口、教学重点和评价焦点的建议阶段则需要教师做好信息甄别。第二，ChatGPT的设计和建议目前还停留在信息粗加工和经验性知识生成层面。在POA教学设计中，教师仍发挥着不可替代的主导作用。教师需要不断巩固自身素养，对LLMs粗加工的内容进行综合分析、准确判断和精深加工处理，注入个性化特色，从而赋予教学设计以生命力。

（参考文献 略）

（本文首次发表在《外语教育研究前沿》2024年第4期）

来源：永大英语