基于共生理论的人机协同教育主体合作博弈及其优化策略研究

方海光 孔新梅 刘慧薇 王显闯

[摘 要] 随着 ChaGPT 和大模型所代表的强人工智能技术驱动力的增强，中小学数字化课堂迈入人机协同教育智能观的里程碑阶段，教师可以把部分课堂活动交给机器教师独立完成，而人类教师处于监督活动过程的状态，从而形成了人机协同教育的复杂系统。如何厘清人和机主体之间背后的协同逻辑是人机协同教育中面临的新问题。首先，本研究基于共生理论的三要素，分析了人机协同教育系统的共生单元、共生模式和共生环境，然后根据协同任务的难易程度构建了人类教师与机器教师主体的合作博弈模型;其次，基于四个代表性变量值的变化，从合作博弈的角度探讨了六种人类教师和机器教师协同共生模式，从而为人机协同课堂教学设计提供了优化策略选择。最后，本研究选取某市基地学校小学三年级人机协同英语课中的一段场景，来分析人类教师和机器教师的博弈过程和结果，实践案例表明该合作博弈模型可优化教学策略，从而为人类教师和机器教师协同开展教学提供理论和实践参考。

[关键词] 人机协同教育; 共生理论; 合作博弈; 人类教师; 机器教师

[中图分类号] G434 [文献标志码] A

[作者简介] 方海光（1975—），男，辽宁沈阳人。教授，博士，主要从事人工智能教育、教育大数据研究。E-mail：fanghg2013@163.com。

一、引  言

人工智能教育发展进入人机协同教育新阶段，这将成为未来教育教学的新常态，人工智能与人类共生的学习环境充满了赋能的可能性。联合国教科文组织发布的报告《教育中的人工智能：可持续发展的机遇和挑战》中提到的“开展人机协同教学，支持人机协作学习”引起很大关注。已有研究主要从人机分工和人机关系的理论层面来分析人机之间的协同合作，但是存在诸多影响因素的具体实际场景中人类和机器到底如何协同合作成为核心问题。而共生是指在一定条件的共生环境中共生单元的主体间按照某种共生模式联系在一起，形成相互联系、协同生存的关系。为此，本研究基于共生理论来分析复杂的人机协同教育系统，在此基础上，从合作博弈的视角来探讨人机协同教育系统中共生环境对共生主体产生的影响，从而形成不同的共生模式，即人和机两个主体之间如何协同分工完成教学任务。

二、文献综述

人工智能时代的人机协同融合了人工智能机器的逻辑和人类的意识，二者的融合影响着教育的过程和结果，许多国家正在大力投资教学技术来影响教学过程。最近几年来，人机协同教育的研究逐渐开展，主要体现在以下几个方面：第一，人机协同成为人工智能时代促进教与学方式变革和探索学习发生机制的理念基础。有研究者认为，人机协同教育理论基础主要包含协同理论、分布式认知理论、信息加工理论和具身认知理论，人机协同教育是一个系统化、知识分布加工及共享和自组织有序发展的协同过程。也有诸多研究者探索了人机协同变革的教学模式，如“人机协同+双师课堂”教学模式、“人机协同+翻转课堂”教学模式、“人机协同+混合式”教学模式、“人机协同+精准”教学模式、“多模态+人机协同”教学模式等。第二，智能技术支持的人机协同教育重塑师生教与学样态。根据不同角色分工来看，在教师和机器共同主导的课堂教学中，机器解决程序化的问题，教师解决非结构化、非程序化的问题，学生和机器结合成学习共同体，协同完成学习任务，达成学习目标，教育管理者和人工智能相互协同和相互补充，并且教育管理者离不开人工智能的支持和配合。在人机协同教育背景下，人类发展需求的智能结构也随之提出新的挑战，如有研究提出人机协同智能层级结构模型，也有学者认为教育人机协同系统存在三类教育智能，还有研究提出三角动态的认知智能、情感智能和志趣智能。第三，技术赋能智慧教育促进人机协同的设计实践。从应用场景来看，教师端人机协同应支持整体化的教学设计、智能测评等以及学生端的人机协同来辅助学生语言、阅读、编程、写作学习等;在实践路径方面，有研究提出人机共管、人机共教、人机共学和人机共评的人机协同为学生的获得感实现全方位路径，实现主体行为协同化，协同成为智慧教育需要的学习策略。

人机协同教育教学中强调教师与人工智能机器主体之间的关系和合作模式，教师可以把部分课堂活动交给机器教师独立完成，而教师处于监督活动过程的状态。从人机协同实践路径来看，有研究从人与机之间的关系角度提出人机协同的实践主要包括两条路径：一是模仿人与人之间的协同，即机器有同人类一般的认知和思考;二是人类和机器二者的能力是不对称的，各自分工、互为补充。进一步讲，在人机协同的人机关系方面，有研究提出人工智能与教师联袂执教形成新型双师课堂模式，促进课堂主体的提升;同样也有研究提出人机“新主体教师”包含机器导师、人类教师两个子系统，具有一定结构形态和功能组合机制的有机集合体;根据智能性和自主性递增，“AI+教师”實现人机协同的教学分析框架，分别为AI代理、AI助手、AI教师和AI伙伴;有研究认为人工智能工具对教师教学的支持可以分为拓展、减负、增援、替代四类。具体来看，人类教师从机器教师获得实时支持，比如学生何时需要教师帮助以及评估自身提供帮助，机器教师分析学生的情况，是一种有效的人类和机器伙伴关系，使得人工智能增强课堂教学。除此之外，还有多人与人工智能之间的合作，如PRINTEPS应用于多人和机器人合作的人工智能课堂。

综上所述，已有的研究主要是从人机协同教育教学的理念出发，强调机器对教师教学的影响以及二者协同教学的必要性，但是人类和机器之间的合作分工以及二者之间到底是如何协同合作的，相关实操层面的研究较少。人机命运共同体的底层逻辑是和谐，人机协同教育系统是一个复杂的共生系统，而人机共生单元协同合作的底层逻辑是博弈。因此，本研究从合作博弈的视角探讨人类教师和机器教师主体之间底层协同逻辑的问题。

三、基于共生理论的人机协同

教育系统分析

（一）理论基础

“共生”来自于自然科学生物学领域，具有“一道生存、一同生活”等含义，在1873年由德国的安东·德巴里（Anton de Bary）最先提出，是指不同名的生物共同生活在一起。从学术界研究来看，“共生”是一个宽泛的概念，泛指事物之间或单元之间形成的一种相互促进、共生共荣、和谐统一的命运关系，这种共同存在是动态的、相互需要的。共生理论有三个要素，分别是共生单元、共生模式和共生环境，其中，共生单元是基础，共生模式是关键，共生环境是条件。

（二）基于共生理论的人机协同教育系统分析

事物之间离不开共生，共生是事物的普遍存在状态或存在方式，具有规律性、协调性等特征。根据共生理论来看，人机协同教育系统就是一个典型的共生系统，人机协同教育系统的共生使得共生单元在共生环境下发生的共生模式来促进整个人机协同教育系统的发展进程，这个共生过程是复杂的、开放的、多層次的。人机协同教育系统中的人类教师和机器教师就是两个不同种类的共生单元，人类教师和机器教师主体之间的合作竞争关系是共生模式，技术、成本、政策等内外部环境构成了保障共生单元作用于共生模式的基础。基于此，本研究构建了基于共生理论的人机协同教育系统，如图1所示。

1. 共生单元

共生单元是构成共生系统的基本能量生产和交换的单位，是形成共生体的基础物质条件，人机协同教育系统中的主体是共生系统中的共生单元，即人类教师和机器教师，二者进行物质交流和共生能量传递。在环境和外界的影响下，共生单元在发展过程中存在协同、竞争、并存、同一、斗争等复杂性动态互动。其中，共生单元中的质参量是教师的数字素养和教学能力以及机器教师的技术成熟度和教学的适切度。共生单元之间互动的广度越广、深度越深、复杂度越大，共生单元创生的概率越大。在不断互动和交融的基础上，共生单元通过调整相互竞争和合作形成更加密切的共生。

2. 共生模式

共生模式是共生单元相互作用的方式或者相互结合的形式，不仅可以反映单元之间作用的方式，也可以反映作用的强度。共生模式不是一成不变的，而是随着共生单元和共生环境的变化而变化，是不同的共生单元在不同的共生环境下不断竞争合作重新组合与建构形成的模式。换句话说，共生模式在共生环境的影响下，共生单元作用的共生模式在演化方式、演化模式和演化速度方面不断更新迭代，使得共生模式具有了整体的复杂演化趋势，促进人机协同教育系统发展和前进。人机协同教育系统中，两个共生单元发挥各自优势，利益耦合，打造全开放、相互依赖的共生系统，其本质是二者之间的合作博弈。共生模式之所以关键，是因为其不仅反映和确定人类教师和机器教师之间的生产和交换关系，还反映和决定人机协同教育系统环境对共生单元的影响。

3. 共生环境

共生环境是在特定时间和空间下，支持共生单元和共生模式的其他因素的总和，包括直接环境和间接环境，如政策、成本、技术等。共生环境的不断变换和更新，影响着共生单元的方向和走向生成。相对于共生单元和共生模式，共生环境是外在的，具有波动性和不确定性。理想的共生环境能够积极促进共生单元进行能量交换和物质转换，以及促进有效共生模式发生。人机协同教育系统中，面临着经费支持、政策导向、人文环境等共生环境的影响。

四、人机协同教育系统中主体合作博弈

模型及其优化策略

（一）人类教师与机器教师主体的合作博弈模型

博弈论是在1944年由经济学家奥斯卡·摩根斯特恩（Oskar Morgenstern）和数学家约翰·冯·诺伊曼（John von Neumann）所创立。博弈论是研究主体行为发生直接相互作用时的决策以及决策的均衡问题。博弈论的基本假设是理性的，个体能够充分认识到人们之间行为的相互作用及其可能的影响，做出合乎理性的选择，可以把博弈论描述为分析个体在一定情形中策略选择的方法。博弈论分为合作博弈和非合作博弈两种类型，合作博弈是双方或多方合作，利益都有所增加的情况下，实现双赢的效果。本研究探讨人类教师和机器教师在协同教学过程中双方通过合作博弈，来解决人机如何协同分配合作利益的问题。

人机协同教育系统中按照教学主体可以划分为人类教师和机器教师，按照协同任务的难易程度可以简单划分为一般协同任务和高端协同任务。一般协同任务是指在人机协同教育系统中，人机共生环境可以支持协同任务开展的条件和人类教师具备开展协同任务的教学能力和素养，为便于描述，记为G合作模式;高端协同任务是指在人机协同教育系统中，为支持协同任务的开展，人机共生环境需要做出一定的改变，以及对人类教师的相关教学能力和素养提出的挑战，记为H合作模式。在G合作模式下，假设人类教师和机器教师在人机协同教育系统中协同教学的收益值分别为A和B，双方在协同教学中由于共生环境和共生单元都具备相应的条件和能力，协同目标较低，其损失值简单记为零。根据人类教师和机器教师协同的任务类型，人机两主体协同情境可以分为以下三种：

情境一：当人类教师寻求开展高端协同任务时，所具备的教学能力或素养不能够全面配合机器教师，做出的教学设计或发出的教学行为落后。要想合作协同完成任务，急需强化人类教师的教学能力和培养数字素养，此时需要有一定的时间成本、教学理念更新等，存在损失值，或者由人类教师开展活动会促进教学效果，从而有获益值，记为人类教师的收益为a，机器教师的收益值不变。

情境二：当机器教师寻求开展高端协同任务时，所处的共生环境不能够全面支持机器教师做出相应的行为。要想合作协同完成任务，急需优化机器技术成熟度，此时需要有一定的政策支持、经费支出等，存在损失值，或者因为使用机器教师开展活动会促进教学效果，从而获益值增加，记为机器教师的收益为b，人类教师的收益值不变。

情境三：当人类教师和机器教师均有开展高端协同任务的意愿并发出相应的行为时，假设人类教师和机器教师的收益为c和d。

综合上述三种情境分析，本研究构建了人机协同教育系统中人类教师与机器教师主体合作博弈模型，如图2所示。

（二）人类教师和机器教师协同教育优化策略

通过人类教师与机器教师主体合作博弈模型，可以得出人类教师和机器教师在建立协同合作关系时，要根据实际的教学场景来博弈教学效果和需要付出的成本之间的关系，从而得到人类教师和机器教师协同任务的优化策略，根据收益值a、b、c、d的变化，分析机器教师和人类教师在博弈过程中存在以下六种优化策略：

策略1. 当a<0，即人类教师损失;当a>0，即人类教师获益

当人类教师自身寻求高端协同任务时，存在两种情况：（1）当人类教师开展高端协同任务面临的挑战和压力比较大，需要付出大量的时间成本、投入精力大于人类教师教学产生的良好效果时，人类教师的损失大于获益值，即a<0;（2）当人类教师开展高端协同任务不会面临挑战，或者是人类教师开展高端协同任务所付出的成本小于人类教师教学产生的良好效果時，人类教师的损失小于获益值，即a>0。

策略2. 当b<0，即机器教师损失;当b>0，即机器教师获益

同上，当机器教师自身寻求高端协同任务时，也存在两种情况：（1）机器教师开展高端协同任务面临的挑战和压力比较大，需要付出大量成本时，或者产生一般的教学效果，即b<0;（2）当机器教师开展高端协同任务不会面临挑战并可以产生良好的教学效果时，即b>0。

策略3. 当c<0，即人类教师损失;当d<0，即机器教师损失

在这种情况下，人类教师和机器教师面临的挑战都很大，采取高端协同任务的意愿和行动对双方都会造成一定的损失。如果机器教师采取高端任务的行为，优化技术的成本所导致的损失比得到的收益要大，可以考虑适当扩大在一般协同层面的合作;同理，对于人类教师而言，与机器教师的高端协同任务会导致人类教师在心理层面、能力层面等多方面的压力和挑战，可能使教学效果本末倒置。在这种情况下，人类教师和机器教师所处的共生环境不足以支持双方开展高端协同任务，即c<0，d<0。

策略4. 当c>0，即人类教师获益;当d<0，即机器教师损失

在这种情况下，机器教师开展高端协同任务造成的损失值要比收益值大。在综合考量下，是否花费较大的时间成本和经费成本来优化机器教师的技术成熟度，从而匹配教师的教学能力是值得考量的问题。如果损失值较大，机器教师很可能不会选择高端协同任务，开展一般协同任务是较为理性的选择。此时，人类教师面临的压力较小，可以从高端协同任务中获得较为良好的教学效果，人类教师在这种情况下扮演着积极的角色。如果人类教师想要促成最后的高端协同合作，需要考虑从其他途径或方式对机器教师的损失进行弥补。

策略5. 当c<0，即人类教师损失;当d>0，即机器教师获益

高端协同任务合作对人类教师的损失比收益大，而对机器教师来讲是获益的。在综合考量下，根据实际情况判断是否可以通过教师培训、听评课等多种方式为人类教师提供帮助和服务，缩小人类教师面临的挑战，尽可能降低人类教师的损失。如果损失值较大，人类教师很可能不会选择高端协同任务。此时，机器教师面临的压力较小，在这种情况下扮演着活跃的角色。如果机器教师想要促成最后的高端协同合作，需要考虑从其他途径或方式对人类教师的损失进行弥补。

策略6. 当c>0，即人类教师获益;当d>0，即机器教师获益

在这种情况下，人类教师和机器教师都选择高端协同任务的概率不同。当人类教师选择高端协同任务合作的概率和意愿上升时，存在两种情况：（1）当人类教师希望开展高端协同任务而机器教师不予以配合时，人类教师会面临一定的损失，而损失值增加时，人类教师会倾向于选择一般协同任务的方式来开展教学，此时会影响整体教学效果，机器教师又不希望该情形发生。因此，会促使高端协同任务合作，来保证人类教师和机器教师共同教学获得更高的教学效果;（2）当人类教师和机器教师均开展高端协同带来收益下降时，双方的意愿也会随之下降，此时，想要促进双方高端协同的人类教师会加大高端任务协同的力度，选择更相适应的教学目标和内容，提高合作概率。当机器教师选择高端协同任务合作的概率和意愿上升，存在两种情况：对于想要促成高端协同任务的机器教师而言，一方面对于共生环境足够支持高端协同任务却人类教师不合作产生的不利影响;另外一方面是高端协同任务对于教学效果没有太大帮助时，需优化教学设计和教学活动。

综上所述，本研究基于四个代表性变量值的变化，分类探讨了六种人类教师和机器教师协同共生模式，从而为人机协同课堂教学设计提供优化策略选择。人类教师和机器教师其中一方的协同任务意愿提高，要想实现目标取决于影响双方的收益变化a、b、c、d。人类教师和机器教师开展协同合作不仅仅要考虑自身的基础和获益，也要从对方的角度权衡整个协同任务，是综合审视人机协同教育系统之后的结果。

五、案例应用

本研究案例选取某市项目基地学校的三年级英语课 Unite1 Welcome back to school 中的《Introduce yourself》课堂上的一段场景“自我介绍对话”，人类教师是一位小学英语老师，机器教师为实体教育机器人。教学目标是学生学会使用英语表达自己的名字、年龄、家乡等相关信息，能熟练地进行对话交流来介绍自己，人机协同支持的课堂共生环境如图3所示。

在学生练习自我介绍教学活动中，包括两个任务，为对话“自我介绍”和“纠正对话”过程中出现的问题。根据本研究案例所在小学班级的实际情况，设对话交互为一般协同任务G、对话纠音为高端协同任务H，在这里需要说明的是，影响本案例的人类教师和机器教师收益值的因素有两个，一个是教育效果的获益，另一个是共生主体付出成本所产生的损失。人类教师和机器教师对于开展这两个活动的博弈收益矩阵，如图4所示。

若人类教师和机器教师均与学生开展对话交互任务，人类教师的收益值为6，机器教师的收益值為6。

若人类教师开展对话纠音任务、机器教师开展对话交互任务，因为人类教师要投入一定的精力，记损失值为2，但学生的学习效果增强，记获益值为3，人类教师的收益值为7，机器教师的收益值不变，仍为6。对于人类教师而言，开展对话交互的高端任务损失小于获益。

若人类教师开展对话交互任务、机器教师开展对话纠音任务，人类教师的收益值仍为6，由于本研究案例所在学校的机器教师对于对话纠音还有待开发，需要付出一定的成本和政策支持，机器教师损失值为3，收益值为3。对于机器教师而言，开展对话交互的高端任务损失大于获益。

若人类教师和机器教师均与学生开展对话纠音任务，由于二者都要付出一定的成本投入和精力投入，但可以关注到更多学生的学习情况，缺少了对话交互的环节，设获益值均为2，人类教师的损失值为2，机器教师的损失值为4，因此，人类教师的收益值为6，机器教师的收益值为4。在这种情况下，人类教师的收益值不变，机器教师的获益小于损失。

因此，在该所小学的本节英语课的这段教学场景中，人类教师和机器教师博弈的均衡解是（7，6），人类教师开展“对话纠音”高端协同任务，机器教师开展“对话交互”一般协同任务，二者协作分工共同来帮助学生学习和掌握自我介绍的表达。

六、结  论

人机协同教育系统是一个复杂的共生系统，本研究基于共生理论的三要素分析了人机协同教育系统的共生单元、共生模式和共生环境发展进程和关系，从合作博弈的角度探讨了不同共生环境下共生单元的共生模式，即人类教师和机器教师二者之间的博弈和合作，构建了人类教师与机器教师主体的合作博弈模型，基于a、b、c、d四个值的变化，阐述了六种人类教师和机器教师协同模式，从而为人类教师和机器教师协同开展教学活动得出均衡解。根据本研究构建的人类教师和机器教师主体之间的合作博弈模型，二者博弈的结果可以得出以下结论：

第一， 人类教师和机器教师均开展一般协同任务，对于二者的挑战和压力比较小，但是不利于学生的深度学习。

第二， 人类教师和机器教师分别开展一般协同任务或高端协同任务，二者在实际的共生环境支持的程度、人类教师具备的教学能力以及人机协同教育产生的教学效果等多种因素之间博弈，根据二者的收益值来得到均衡解。

第三， 人类教师和机器教师均开展高端协同任务，对于二者的挑战和压力比较大，产生的协同效应对于学生的学习效果存在损失和获益两种情况。

总之，人机协同教育是以教学效果为导向，要理性认识共生单元协同的影响因素，合理评估人类教师和机器教师之间的合作博弈，准确协同定位。未来研究可以探讨人类教师和机器教师的不同博弈结果适用于何种类型的教学场景或教学内容，为将来人机协同教育教学提供协同模式的选择。

[参考文献]

[1] 方海光，孔新梅，李海芸，郑志宏.人工智能时代的人机协同教育理论研究[J].现代教育技术，2022，32（7）：5-13.

[2] 钟志贤.人工智能背景下的教师教育发展新样态[J].中国教师，2020（11）：33-37.

[3] PEDRO F， SUBOSA M， RIVAS A， PAULA V. Artificial intelligence in education： challenges and opportunities for sustainable development[R]. Paris：UNESCO，2019.

[4] 余胜泉，王琦.“AI+教师”的协作路径发展分析[J].电化教育研究，2019，40（4）：14-22，29.

[5] 陈凯泉，韩小利，郑湛飞，刘幸利，胡晓松.人机协同视阈下智能教育的场景建构及应用模式分析——国内外近十年人机协同教育研究综述[J].远程教育杂志，2022，40（2）：3-14.

[6] 绍云飞，何伟，刘磊，等.高效协同创新与人才培养模式研究[M].北京：清华大学出版社，2015.

[7] SHERIDAN S， MOUZA C， POLLOCK L. Professional development for computer science education： design and outcomes from a case study teacher[C]. USA： Association for the Advancement of Computing in Education， 2019：1115-1123.

[8] 汪时冲，方海光，张鸽，马涛.人工智能教育机器人支持下的新型“双师课堂”研究——兼论“人机协同”教学设计与未来展望[J].远程教育杂志，2019，37（2）：25-32.

[9] 段亚青.翻转课堂助力人机协同的研究[J].电脑知识与技术，2020，16（31）：211-212，218.

[10] 刘洋.混合式教学的困境与优化[J].教学与管理，2020（18）：104-106.

[11] 梁云真，刘瑞星，任丽玲.面向计算思维培养的人机协同精准教学模式研究——以小学六年级信息技术课“丝绸之路大闯关”为例[J].现代教育技术，2022，32（3）：51-60.

[12] 陸吉健，周美美，张霞，何晚晴，张明敏.基于MR实验的“多模态+人机协同”教学及应用探索[J].远程教育杂志，2021，39（6）：58-66.

[13] 何文涛，张梦丽，路璐.人机协同的信息技术教育应用新理路[J].教育发展研究，2021，41（1）：25-34.

[14] 张学军，董晓辉.人机共生：人工智能时代及其教育的发展趋势[J].电化教育研究，2020（4）：35-41.

[15] 颜佳华，王张华.人工智能与公共管理者角色的重新定位[J].北京大学学报（哲学社会科学版），2019，56（6）：76-82.

[16] 朱永海，刘慧，李云文，王丽.智能教育时代下人机协同智能层级结构及教师职业形态新图景[J].电化教育研究，2019，40（1）：104-112，120.

[17] 吴茵荷，蔡连玉，周跃良.教育的人机协同化与未来教师核心素养——基于智能结构三维模型的分析[J].电化教育研究，2021，42（9）：27-34.

[18] 祝智庭，彭红超，雷云鹤.智能教育：智慧教育的实践路径[J].开放教育研究，2018，24（4）：13-24，42.

[19] 范建丽，张新平.人机协同视域下的学生获得感：构成与实现[J].苏州大学学报（教育科学版），2022，10（1）：75-85.

[20] 祝智庭，彭红超.技术赋能智慧教育之实践路径[J].中国教育学刊，2020（10）：1-8.

[21] 武法提，田浩.人机协同的精准学习干预：动力机制、逻辑理路与实践模型[J].开放教育研究，2023，29（2）：81-90.

[22] 孔利华，谭思远.信息生态场域中的AI双师课堂：内涵、构建与评价[J].远程教育杂志，2021，39（3）：104-112.

[23] 逯行，沈阳，曾海军，黄荣怀.人工智能时代的教师：本体、认识与价值[J].电化教育研究，2020，41（4）：21-27.

[24] 乐惠骁，汪琼.人机协作教学：冲突、动机与改进[J].开放教育研究，2022，28（6）：20-26.

[25] HOLSTEIN K， MCLAREN B M， ALEVEN V. Designing for complementarity： teacher and student needs for orchestration support in AI-enhanced classrooms[C]. Cham： Springer International Publishing， 2019：157-171.

[26] CHIHIRO N， SHUNSUKE A， TAKESHI M， TAKAHIRA Y. Implementation and evaluation of classroom AI in PRINTEPS[C]. USA： IEEE， 2016：100-103.

[27] 赵双阁，魏媛媛.作为“人”的算法：智能时代人机关系的技术哲学省思[J].传媒观察，2023（5）：48-56.

[28] 林恩·马古利斯.生物共生的行星——进化的新景观[M].易凡，译.上海：上海科学技术出版社，1999：11.

[29] 李思强. 共生构建说[M].北京：中国社会科学出版社，2004.

[30] 翟彬.农业产业化对农户生计的影响研究[M].北京：中国经济出版社，2021.

[31] 张维迎.博弈论与信息经济学[M].上海：上海人民出版社，2004.

[32] 焦宝聪，陈兰平.博弈论[M].北京：首都师范大学出版社，2013.

Research on Cooperation Game of Human-Machine Collaborative Education Subjects and Its Optimization Strategy Based on Symbiosis Theory

FANG Haiguang， KONG Xinmei， LIU Huiwei， WANG Xianchuang

（College of Education， Capital Normal University， Beijing 100048）

[Abstract] With the enhancement of the strong AI technology represented by ChaGPT and Big Models，the digital classroom of primary and secondary schools has stepped into the milestone stage of human-machine collaborative education. Teachers can assign part of classroom activities to machine teachers to complete independently， while human teachers are in the state of supervising the activity process， thus forming a complex system of human-machine collaborative education. How to clarify the behind synergistic logic between human and machine subjects is a new problem faced in human-machine cooperative education. Firstly， this study analyzes the symbiotic unit， symbiotic mode and symbiotic environment of the human-machine collaborative education system based on the three elements of the symbiosis theory， and then constructs a cooperative game model of human teacher and machine teacher subject according to the difficulty of the collaborative task. Then， based on the changes of the values of four representative variables， six cooperative symbiotic modes of human teachers and machine teachers are explored from the perspective of cooperative game， thus providing optimization strategy selection for the design of human-machine collaborative classroom teaching. Finally， this study selects a scene from a third-grade human-machine collaborative English class in a city base school to analyze the game process and results of the human teacher and the machine teacher， and the case validates the value of cooperative game model in optimizing teaching strategies， so as to provide theoretical and practical references for the human teacher and the machine teacher to carry out teaching collaboratively.

[Keywords] Human-Machine Collaborative Education; Symbiosis Theory; Cooperation Game; Human Teacher; Machine Teacher