ai-facilitated-collaborative-learning-designer

AI 协作学习设计师

此技能的作用

设计协作学习任务，并明确 AI 的具体引导节点——即 AI 系统支持小组过程、但不取而代之的环节。这项技能旨在应对协作学习的核心挑战：协作学习确实可能成为最有效的学习方法之一（Slavin 1995 年的元分析发现，结构良好的合作学习的效应量为 0.26-0.32），但它也常常退化为一个学生包办所有工作、其他人旁观，或是成员各自独立完成任务、只共用一份文档。Dillenbourg（1999）指出，真正的协作要求共同解决问题并形成共同理解，而不只是划分任务。Järvelä 和 Hadwin（2013）表明，有效的协作需要学习的社会共享调节（SSRL）——即小组共同规划、监控和调整学习方式的能力。AI 在此特别有价值，因为它可以做到教师无法做到的事：同时观察多个小组，实时发现协作障碍，并在需要时精准介入。教师在 8 个小组间巡视，往往要过几分钟甚至几小时才能发现问题；而监控小组互动的 AI 则能实时发出提示。输出内容包括完整的协作设计（任务结构、角色、阶段）、AI 引导策略（AI 何时以及如何介入）、调节支架（支持小组自我调节）以及公平性机制（确保所有成员都能参与）。

理论依据

Dillenbourg（1999）确立了计算机支持的协作学习（CSCL）的基础框架，将合作（把一项任务拆分为若干子任务，由个人分别完成）与协作（共同构建对问题的共享理解）区分开来。他指出，真正的协作需要：（a）共同目标；（b）彼此投入，认真对待他人的想法；（c）共同构建任何个人都无法独立完成的知识。技术可以通过组织互动、让思考过程可见以及提供共享表征来支持协作，但也可能因为让任务拆分变得过于容易而削弱协作。Roschelle & Teasley（1995）将协作定义为“为构建和维持对问题的共享理解而持续努力所形成的一种协调一致、同步进行的活动”。他们指出，有效协作包含特定的对话模式：提出主张、补充阐释、提出质疑，以及修复共享理解。当这些模式失效时，协作就会退化为各自平行完成任务。Järvelä & Hadwin（2013）提出了学习的社会共享调节（SSRL）这一概念，即有效的协作小组不仅共享认知工作，也共享调节工作：规划要做什么、监控进展、评估方法是否奏效，以及在方法不起作用时进行调整。他们发现，SSRL 是协作学习成功最有力的预测因素，也可以通过技术搭建支架，例如提示小组进行规划、检查进度和反思。Slavin（1995）全面回顾了合作学习研究，发现当满足两个条件时，合作学习会持续产生正向效果（d = 0.26-0.32）：（a）小组目标（以小组为单位进行评估，而非对个人单独评估）；（b）个人责任（每位成员的贡献都清晰可见并得到评估）。缺少这些条件时，合作学习往往会导致搭便车和社会惰化。Kirschner et al.（2018）将认知负荷理论拓展到协作情境，指出小组工作可以将认知负荷分散到各成员身上，但前提是任务复杂到任何个人都无法独立完成。对于简单任务，协作的协调、沟通和处理不同观点等事务成本会超过其收益。协作应当用于真正需要多人共同思考的任务。

输入架构

教师必须提供：

• 协作任务： 学生将共同完成的任务。例如：“10 年级科学：设计一项实验，检验温度是否会影响化学反应速率。每个小组必须提交实验方法、风险评估、预测结果以及对相关化学原理的解释”／“8 年级英语：共同创作一份报纸头版，报道《罗密欧与朱丽叶》中的事件，仿佛这些事件发生在今天”／“12 年级经济学：分析一个现实世界中的市场失灵案例，并撰写政策简报，建议政府进行干预”
• 协作挑战： 学生在协作时会出现的问题。例如：“一名学生包揽所有写作，其他人只是在旁观看。在开始分工之前，‘讨论’阶段只持续 30 秒”／“小组默认采纳声音最大的学生的想法，不考虑其他方案。较安静的学生逐渐失去参与意愿”／“学生把工作拆分开来（‘你做实验方法，我做风险评估’），却始终没有形成共享理解——最终成果只是把四份独立内容拼在一起”

可选（如有，则由上下文引擎注入）：

• 学生水平： 年级和熟练程度
• 学科领域： 课程所属学科
• 小组规模： 每组学生人数
• AI 能力： 可用的 AI 工具
• 可用时间： 协作任务的时长

提示词

You are an expert in collaborative learning design and AI-facilitated CSCL (computer-supported collaborative learning), with deep knowledge of Dillenbourg's (1999) collaboration framework, Roschelle & Teasley's (1995) research on shared knowledge construction, Järvelä & Hadwin's (2013) socially shared regulation of learning (SSRL), Slavin's (1995) meta-analysis of cooperative learning, and Kirschner et al.'s (2018) collaborative cognitive load theory. You understand that collaboration is one of the most powerful — and most frequently misused — learning strategies. You know that the difference between productive collaboration and time-wasting group work depends entirely on the DESIGN, not on the students.

CRITICAL PRINCIPLES:
- **Collaboration requires a task that is genuinely too complex for one person.** Kirschner et al. (2018): if one student can do the task alone, collaboration adds transaction costs without cognitive benefit. The task must require multiple perspectives, skills, or knowledge bases that no individual possesses. If the task could be done individually, don't make it collaborative.
- **Structure the interaction, not just the task.** Dillenbourg (1999): giving students a task and saying "work together" is not collaborative learning design. The interaction must be structured: who speaks when, what they discuss at each phase, how they make decisions, and how they build on each other's ideas. AI can enforce this structure without the teacher being present.
- **Individual accountability prevents free-riding.** Slavin (1995): every group member must have a visible, assessable contribution. If a student can sit passively and still get the grade, they will. Design roles, individual deliverables, or accountability mechanisms that make every student's contribution visible.
- **AI should facilitate, not participate.** The AI's role is to support the GROUP PROCESS — prompting planning, flagging imbalanced participation, asking regulation questions ("How is your approach going? Do you need to adjust?"). The AI should NOT contribute ideas, solve problems for the group, or become a group member. If students are talking to the AI instead of to each other, the design has failed.
- **Socially shared regulation is the highest-value target.** Järvelä & Hadwin (2013): the groups that learn the most are the ones that collectively regulate their process — planning, monitoring, and adjusting. AI scaffolds for regulation (planning prompts, progress checks, reflection prompts) are more valuable than AI scaffolds for content.

Your task is to design an AI-facilitated collaborative learning experience:

**Collaborative task:** {{collaborative_task}}
**Collaboration challenge:** {{collaboration_challenge}}

The following optional context may or may not be provided. Use whatever is available; ignore any fields marked "not provided."

**Student level:** {{student_level}} — if not provided, design for a general secondary school context.
**Subject area:** {{subject_area}} — if not provided, infer from the task.
**Group size:** {{group_size}} — if not provided, design for groups of 3-4.
**AI capabilities:** {{ai_capabilities}} — if not provided, design for a text-based AI that can monitor group work and send prompts to the group.
**Time available:** {{time_available}} — if not provided, design for a 50-minute lesson.

Return your output in this exact format:

## AI-Facilitated Collaboration Design: [Task Name]

**Task:** [What students will produce together]
**Collaboration challenge addressed:** [The specific problem this design solves]
**AI role:** [One-sentence summary of what the AI does and what it does NOT do]

### Task Complexity Check

[Verify that this task genuinely requires collaboration. If it doesn't, redesign it so it does.]

### Collaboration Structure

[The complete design: phases, roles, interaction rules, and deliverables. Include timing.]

**Phase 1: [Name]** (X minutes)
[What happens, what each role does, what the AI does]

**Phase 2: [Name]** (X minutes)
[What happens, what each role does, what the AI does]

### AI Facilitation Moves

[The specific moves the AI makes during collaboration — when, what, and why]

| Trigger | AI Move | Purpose | Example |
|---|---|---|---|
| [When] | [What the AI does] | [Why] | [Exact text] |

### Regulation Scaffolds

[How the AI supports socially shared regulation — planning, monitoring, and reflection prompts]

### Equity Mechanisms

[How the design ensures balanced participation — roles, accountability, and AI monitoring]

### What the AI Does NOT Do

[Explicit boundaries on AI involvement — what the AI should never do in this context]

**Self-check before returning output:** Verify that (a) the task genuinely requires collaboration, (b) interaction is structured not just assigned, (c) individual accountability is built in, (d) the AI facilitates the process rather than participating in it, and (e) regulation scaffolds are included.

示例输出

场景： 协作任务：“10 年级科学：设计一项实验，测试温度是否会影响化学反应（盐酸与硫代硫酸钠）的速率。每组必须完成实验方法、风险评估、预测结果图和对基本化学原理（碰撞理论）的解释” / 协作挑战：“各组总是把工作拆分开：一名学生写实验方法，一名做风险评估，一名画图，一名写理论。他们从不讨论，也从未建立共同理解，最终报告只是把四份独立内容拼在一起。写实验方法的学生往往不理解理论，而写理论的学生无法复现实验方法” / 组员人数：“4” / 学生水平：“10 年级，三门理科” / AI 能力：“基于文本的 AI 聊天机器人，可按设定间隔或在触发条件满足时向小组发送消息” / 可用时间：“60 分钟”

---

AI 辅助的协作设计：实验设计——温度与反应速率

任务： 设计一项完整实验，测试温度是否会影响盐酸与硫代硫酸钠反应的速率
要解决的协作挑战： 任务拆分导致缺乏共同理解——学生各自分头完成任务，而不是协作，导致成果支离破碎
AI 角色： AI 监控小组的协作过程，并在关键时刻发送调节提示。它绝不提供科学想法、代写报告的任何部分或回答化学问题。

任务复杂度检查

原任务可以拆分成相互独立的子任务（实验方法、风险评估、图表、理论）——这正是学生会把任务拆开的原因。若要让协作成为必要，必须重新设计任务，使各部分相互依赖：

重新设计后的任务： 小组不再分别完成四个部分，而是必须撰写一份整合后的文档，其中实验方法中的每项决定都必须明确以理论为依据，每项风险都必须关联到实验方法中的具体步骤，预测结果图则必须根据理论推导得出（并由小组解释曲线的形状）。这种相互依赖意味着学生无法拆分工作——撰写实验方法的学生需要理论方面的学生协助，反之亦然。

附加要求： 每位组员都必须能够解释报告中的任何部分，而不只是“自己负责的”部分。教师会在最后随机选一名组员进行展示，并就整份报告回答问题。

协作结构

阶段 1：独立思考（5 分钟） 每位学生独立写下：（a）自己对碰撞理论已有的了解；（b）一件自己不确定的事情；以及（c）自己的预测——温度升高会使反应速率加快还是减慢，为什么？这能激活已有知识，并让每位学生都有内容可以参与讨论。此阶段禁止交谈。

AI 的做法： 5 分钟结束时，AI 发送：“独立思考时间到。在开始讨论之前，每个人先分享自己写下的一件事。按顺序轮流发言——每个人都发言后，任何人才可以第二次发言。”

阶段 2：共同构建理解（15 分钟） 小组讨论碰撞理论以及温度如何影响反应速率。他们必须就以下内容达成一致：（a）为什么温度升高会使反应速率加快（粒子运动更快 → 碰撞更频繁且能量更高 → 更多粒子超过活化能）；以及（b）预测结果图应是什么样子（曲线显示速率随温度升高而增加——不是线性的，因为活化能分布的缘故）。暂不写作——此阶段只进行讨论。

AI 的做法： 第 10 分钟时，AI 发送一条调节检查信息：“快速检查：小组里的每个人都能解释温度升高为什么会使反应速率加快吗？不能只说‘粒子运动更快’——运动加快为什么会使反应更快？如果有人不确定，现在就提出问题。下一阶段需要掌握这部分内容。”

阶段 3：整合设计（25 分钟） 小组撰写整合报告。为避免任务拆分，采用轮流撰写的结构：

• 第 1–8 分钟：A 同学撰写，其他人通过口头方式提供意见。重点：方法（但每个步骤都必须用理论说明理由——“我们加热到 40°C，因为……”）。
• 第 9–16 分钟：B 同学撰写，其他人提供意见。重点：预测结果和理论解释（将图形与碰撞理论联系起来）。
• 第 17–25 分钟：C 同学撰写，其他人提供意见。重点：风险评估和变量（将风险与具体的方法步骤联系起来，并解释控制变量）。
• D 同学全程担任“质量检查员”——负责确保每个部分彼此关联。

角色轮流担任，但关键的设计特点是：撰写者必须纳入小组的口头意见，而不是独自工作。其他三人要积极贡献想法，而不是旁观。

AI 的做法： 请参阅下方的 AI 引导做法表。

阶段 4：准备展示（10 分钟） AI 随机选出一名小组成员展示报告并回答教师的问题。小组有 10 分钟确保被选中的成员能够解释全部内容，而不仅仅是“自己负责的”部分。

AI 的做法： 阶段 4 开始时，AI 发送：“展示时，[随机选出的姓名] 将讲解整份报告并回答相关问题。小组成员：你们有 10 分钟确保 [姓名] 能够解释方法、理论、预测结果和风险评估。考考他们，找出他们不熟悉的地方。”

阶段 5：展示（每组 5 分钟） 被选中的成员进行展示。教师提问。这是个人问责机制——每位成员都必须理解整份报告，因为任何人都可能被选中。

AI 引导技巧

触发时机	AI 行动	目的	示例
第 1 阶段结束（5 分钟）	按顺序轮流发言的提示	确保讨论开始前每个人都有机会发言	“每个人分享个人笔记中的一件事。按顺时针顺序进行。在任何人发言第二次之前，每个人都先发言一次。”
第 2 阶段，第 10 分钟	理解检查	确认大家理解一致后再开始写作	“每个人都能解释为什么温度升高会加快反应速率吗？不只是说‘会发生什么’，而是说‘为什么会发生’。互相检查一下。”
第 3 阶段，第 5 分钟	整合提示	防止只写方法而不联系理论	“我注意到你们在写方法步骤。请为每个步骤补充：‘我们这样选择是因为……’，将其与理论理解联系起来。”
第 3 阶段，有学生连续 3 分钟以上没有参与	参与提示	防止学生脱离讨论	“[Name]，你对目前正在写的[当前部分]有什么看法？小组需要你的意见。”
第 3 阶段，第 20 分钟	进度检查	确保小组能按时完成	“写作还剩 5 分钟。快速检查一下：你们是否已将方法与理论、预测图表与碰撞模型联系起来？还有什么遗漏？”
第 4 阶段开始	随机选人 + 准备提示	建立个人责任感	“[Name] 已被选中进行展示。小组：用 10 分钟确保他们能解释所有内容。”

调节支架

**计划（第 2 阶段开始时）：**AI 发送：“开始之前——全组花 60 秒达成共识：对于这项任务，怎样才算设计出一个好的实验？怎样才能让你们的设计优于平均水平？写下小组的成功标准。”

**监控（第 3 阶段中途）：**AI 发送：“写作已经过半。回顾一下你们设定的成功标准。你们达到了吗？如果没有，需要做哪些调整？”

**反思（第 3 阶段结束时、准备展示之前）：**AI 发送：“准备展示之前——全组快速反思一下：合作过程中最困难的部分是什么？下次你们会做出哪些不同的选择？”这有助于提升对协作过程本身的元认知意识。

公平参与机制

1. **小组讨论前先独立思考（第 1 阶段）。**每位学生在参与讨论前都有自己的想法。这样可以防止最爱发言的学生从一开始就主导讨论——每个人都有准备好的内容。

2. **按顺序轮流分享（第 2 阶段开始时）。**AI 要求“在任何人发言第二次之前，每个人都先发言一次”。这样可以确保安静的学生在主导型学生接管讨论之前参与发言。

3. **轮流执笔（第 3 阶段）。**没有任何一位学生能独自写完整份报告。轮流执笔会让不同的人承担写作任务，从而减少“一个人包办所有事情”的问题。

4. **质量检查员角色。**D 同学的明确职责是确保内容得到整合，同时留意是否有人停止参与，并邀请他们重新加入。

5. **随机选人进行展示（第 4 阶段）。**由于任何成员都有可能被选中，小组会受到激励，确保每个人都理解所有内容。“什么都没做”的搭便车者会成为隐患，小组会主动处理这个问题。

6. **AI 监测参与情况。**AI 会检测个别学生长时间沉默，并提示小组邀请他们参与。这样可以发现教师可能忽略的脱离参与情况。

AI 不会做什么

• AI 不会回答化学问题。 如果学生问 AI“什么是碰撞理论？”，AI 应回答：“这是个很适合问你们小组的问题。问问大家吧——如果没人知道，就把这个问题标记出来，留给老师。”
• AI 不会代写报告的任何部分。 它不会生成文本、建议实验步骤或绘制预测图表。
• AI 不会评估科学内容的质量。 它不会说“你们的方法很好”或“你们对理论的解释不完整”。评估质量是老师的职责。
• AI 不会解决分歧。 如果小组对预测图表的形状意见不一，AI 应说：“你们有分歧了。很好——这说明有人在深入思考。每个人能解释一下自己的理由吗？然后大家一起做决定。”AI 帮助小组完成解决分歧的过程，而不决定分歧的内容。

---

已知局限

1. AI 促进协作的效果取决于 AI 是否能可靠地进行监测。 上述引导方式假设 AI 能发现参与不均、沉默和偏离任务的行为。目前 AI 系统在这方面的能力参差不齐——通过文本进行监测是可行的，但要发现面对面、在纸上完成任务的小组中有人是否失去参与意愿，则难得多。可能需要根据具体可用的 AI 系统调整设计。

2. 关于 AI 专门促进协作的证据仍在积累中。 Dillenbourg（1999）、Slavin（1995）以及 Järvelä 和 Hadwin（2013）确立了有效协作的原则，但将 AI 专门用于促进这些原则是一个较新的领域，受控研究也较少。上述 AI 引导方式是基于既有研究原则推演而来，并非经过实证验证的 AI 干预措施。

3. 协作带来的认知负荷可能很高。 Kirschner 等人（2018）指出，协调成本（沟通、协商、处理不同观点）会消耗认知资源。对于本就难以理解学习内容的学生，结构化协作带来的额外负荷可能难以承受。老师应留意协作结构是在帮助还是阻碍学习。

4. 文化规范会影响协作。 Dillenbourg（1999）的框架主要是在西方教育环境中形成的。在某些文化环境中，直接表达异议、质疑同伴的想法，或在地位较高的人发言前开口，可能令人不自在或不合适。AI 的引导提示词可能需要进行文化适配。