对话中的情绪智能与自我认知

【摘 要】随着生成式人工智能技术的迅猛发展，其在教育领域中的应用日益受到关注。本文探讨了在高中应用生成式人工智能进行情绪智能教学的实践与效果。通过信息技术和心理跨学科设计，课程“对话中的情绪智能”通过一系列实践探究活动，让学生从情绪问题的发生者转变为解决者，通过计算思维来理解和处理情绪问题。课程实施结果显示，学生在使用大语言模型进行情绪识别和共情回复生成方面取得了积极进展，同时也发现了人工智能在模拟情绪智能方面的局限性，认识到人际交往的真实性和深度是AI难以复制的。在促进学生对情绪智能的深入理解、激发他们对人工智能领域的兴趣，以及提升他们对技术伦理重要性的认识方面，本课程均取得了积极成效。在技术不断进步的时代背景下，本课程为培养具备高度情绪智能的数字公民提出了切实可行的建议。

【关键词】跨学科；生成式人工智能；大规模语言模型；智能体

【中图分类号】G434 【文献标志码】A

【论文编号】1671-7384（2024）07-012-04

引 言

2022年末，人工智能技术再次成为全球关注的焦点。ChatGPT等生成式人工智能（Generative AI）工具，不仅展示了AI在内容创作方面的巨大潜力，也为各行各业的发展开辟了新的机遇与挑战。教育界最初对生成式人工智能的忧虑，已经逐渐转变为积极探索和适应。相关组织正在积极制定法规，确保技术的负责任使用。科技教育企业积极投入资源，致力于生成式人工智能教育产品和服务的研发。基础教育行政部门和各中小学也开始培训教师，使他们能够在这个由生成式人工智能引发的教育变革中发挥关键作用。一线教师们也开始了对“如何将生成式人工智能技术融入到教学和学习过程”的积极探索。笔者所在中国人民大学附属中学的信息技术学科教师和各学科教师一起，跨学科研发了多节课程，利用生成式人工智能模仿人类生成文本、图像、视频、音乐和编写代码方面的能力，为学生提供了深入的指导，教授他们如何有效地使用AI工具增强写作技巧、提升视觉表达能力及优化代码编写的过程。本文关注到生成式人工智能在模拟人类对话领域的突破性进展，特别是在情绪智能（Emotional Intelligence）方面取得的显著成就，和心理学科联合开设了跨学科的“对话中的情绪智能”单元课程，旨在引导高中生探索AI在情绪智能方面的表现，并借此机会促进学生对自身情绪智能的理解和认识。

高中是学生学习的关键时期，面对学业压力和未来的不确定性，许多学生感到非常焦虑。高中也是社交技能发展的关键时期，人际关系会带给学生一些心理压力。高中还是自我认同发展的关键时期，一些学生会感到迷茫和不安。这些都会影响学生的情绪，进而影响学生的学习、社交和生活。而由于心理学相关知识的缺乏，他们往往不了解如何应对和解决心理问题，往往也不愿意寻求帮助，甚至有所抵触，认为谈论心理问题是暴露自己的弱点。

本单元的学习者为高中一年级学生，他们对人工智能技术的应用并不陌生，但大部分学生并不了解其中的技术原理，对本课的主题应该有足够的好奇心。学生在必修 1“数据与计算”模块的学习中已掌握Python程序设计语言的基本知识，能够实现简单算法，初步具备挑战本课编程实践的能力。飞速发展的大语言模型平台又提供了低代码（low-code）和无代码（no-code）技术，能够让学生不需要成为编程专家，就可以对复杂的问题进行探索。他们在体验用计算机解决问题的过程中，认识到用计算思维思考与解决问题的方式，感受技术的迭代对社会的推进，为成为数字公民打下坚实的基础。本课以独特的、客观的方式研究情绪，增强学生的心理觉醒和自我认知。

“对话中的情绪智能”单元课程设计与实施

本课融合人工智能和心理学，以期构建超越学科边界的知识体系。从心理学的角度来看，情绪智能是监测自己和他人情绪，辨别不同情绪并且标记它们，进而使用情绪信息来指导思考和行为的能力。从人工智能的角度来看，情绪智能是指计算机系统识别、理解和模拟、共情人类情绪的能力。

根据人类和人工智能对情绪的处理过程，“对话中的情绪智能”单元课程将挑战性的学习主题分为2课时，层级关系如图1所示。

1.情绪识别——从情感词典到大语言模型

本课学生面临的现实挑战是：如何从文本中识别情绪。心理教师介绍情绪的本质、情绪的表达以及情绪识别的重要性。学生将学习如何从心理学视角分析情绪，探讨情绪在人际交往和心理健康中的作用。信息技术教师带领学生体会人工智能如何通过算法来识别和处理文本中的情绪信息。学生将学习相关的算法原理，并实践如何利用技术手段来分析情绪，最后了解当前人工智能在情绪识别领域的最新进展。

（1）引入问题，表达自我情绪

心理教师首先提出一个真实问题“开学两个月以来，你们是否适应了高中生活，对未来有何期待？”迅速吸引了学生。接下来教师鼓励学生将自己的感受写在纸条上，并告诉学生纸条上的内容不会被分享。这一环节激发学生通过真实表达，感受文字中蕴含的情绪，而不分享，确保了他们的情绪表达被尊重和保护。

（2）分析问题，了解心理背景

心理教师将向学生介绍情绪的基本概念，包括定义、产生及分类，展示了临床心理学如何运用“自我觉察日记”来识别情绪。进一步地，心理教师引导学生讨论心理咨询中情绪识别的局限性。如心理咨询服务通常需要预约，无法解决人们即时产生的情绪；心理咨询过程可能会受到心理咨询师个人经验的影响，从而引入主观判断，影响情绪识别的准确性。由此引发了用人工智能技术来解决问题的需求。

（3）解决问题，动手实践算法

信息技术教师引导学生探索如何将情绪识别问题转化为计算问题。鉴于高一学生的编程能力尚处于初级水平，选择了简单的“基于情感词典的情绪识别”算法。学生将了解如何分析文本，从分词开始，到建立情感词典，再到制定规则对情绪分类的流程。学生首先利用正向和负向词典进行情绪分类，然后考虑否定词对情绪分类的影响，最后探索程度词的影响。每个任务，学生都会分析样例文本，通过流程图来梳理算法规则，接着扩充情感词典，补充相应的代码来实现规则。在逐步深入的过程中，学生不仅能够掌握情绪识别的基本技能，还能够学习到如何将复杂问题拆解为可操作的小问题，这是计算思维的核心。

（4）打破规则，发现算法局限

随着算法实践环节中需要解决的问题越来越复杂，学生需要制定的规则也越来越复杂。信息技术教师鼓励学生提出各种难以用现有简单规则解决的棘手文本案例。学生逐渐认识到，为了应对新的问题，仅更新词典和制定更复杂的规则是不够的。这种认识，揭示了基于规则的人工智能算法的本质局限，激发了他们探索新技术的兴趣。

（5）尝试前沿，体会技术演进

信息技术教师总结了情绪识别人工智能技术的发展，并延伸至最新的大规模语言模型，引导学生通过提示词的设置，实现利用大语言模型对情绪表达的分析，并分析他们在课程开始时写下的文字，了解自己的情绪。在这个过程中，学生体会到技术演进的重要性，激发了对技术发展的持续关注。

（6）总结主题，期待未来发展

心理教师引入“情绪智能”的概念，即个体监测自己及他人的情绪和情感，并识别、利用这些信息指导自己的思想和行为的能力。这种能力不仅可以帮助人们更好地理解自己和他人的情绪，更能够帮助人们应对各种复杂的情感场景，提高自己在社交、学习、工作等方面的综合素质。信息技术教师总结了人工智能发展的新方向——情绪智能。人工智能不再局限于逻辑和计算任务，而是开始理解和模拟人类的情感反应，展现更为复杂和细腻的交互能力。

2.共情回复的生成——基于大语言模型的智能体开发

本课时学生面临的现实挑战是：如何生成个性化的共情回复。随着大规模语言模型的发展，生成式人工智能技术已经能够通过算法来理解和响应人类的情感，从而让人机互动变得更加自然和流畅。通过探索人工智能的共情回复，可以激发学生对日新月异的人工智能技术的好奇心和学习热情，还能让学生思考人工智能情感支持的生成对个体和群体的影响，并潜移默化地带给学生正面的心理引导，提升学生在社交中的同理心。

（1）引入问题，了解技术前沿

信息技术教师提出问题“你身边的AI朋友近期有哪些变化？”启发学生关注人工智能展现出的日益增强的人性化特征。接着，教师播放了ChatGPT4o的演示视频，让学生直观感受AI如何理解和回应人类情绪，以及它在模拟自然对话方面达到的新高度，引发学生对本课“共情回复”的探索产生兴趣。（注：本节课的上课时间为2024年5月24日，ChatGPT4o的演示视频发布于2024年5月12日）

（2）分析问题，了解心理背景

心理教师介绍共情的定义，并鼓励学生从生物、心理、社会文化三个维度分析共情的成因，并探讨共情在社会交往中的重要性。学生将科学地认识共情，理解共情的社会学意义，为思考为什么人工智能需要具备共情能力提供了心理铺垫。

（3）实践探究，无代码开发

信息技术教师首先引导学生与大语言模型直接对话，并分析其回复的不足。随后，教师提出一个富有挑战的目标——改进大语言模型，实现“个性化共情回复”。学生利用大语言模型平台所提供的无代码工具开发智能体Agent产生共情回复，并赋予各智能体不同的性格特征，如“外冷内热”“过度热情”等。学生分组合作设定智能体的“人设”和“回复逻辑”，并通过模拟用户输入和分析智能体生成的回复，对“人设”和“回复逻辑”进行调试。同时教师提示学生，提示词作为自然语言指令的作用，使用它们可以指导智能体执行简单的任务。最终各组发布智能体对教师提出的同一问题进行回复。

（4）测评结果，分享与交流

学生通过投票，将各小组提交的回复与各组设定“人设”进行关联。投票结果直观反映出哪些“人设”和“回复逻辑”的设定是成功的。同时鼓励学生欣赏多样性，体会到各种性格的人都能以自己的方式对他人表达共情。

（5）技术反思，讨论科技伦理

信息技术教师介绍智能体和大语言模型的关系，强调智能体作为人工智能发展的重要方向将为人机协作带来革命性的变化。随后，心理教师引导学生讨论比对人的回复与机器回复，学生提到如下关键词：机器回复情绪稳定、内容全面、接近“完美”；人的回复有更多可能性、多样性、不可预判性，并可能伴随情绪反馈的不稳定。总结过学生的复盘后，心理教师带领学生进一步研讨一个发人深省的问题：“在‘完美AI’和‘不完美的人’之间，你会做怎样的现实选择”。讨论中，学生表达出如下观点：“我们需要的是有共同经历的人”“人类的多样性而非规律性恰好是人的魅力所在”等。这说明即使在机器（AI）科技充斥的如今，学生在情感态度价值观上依然保持着对人类情感的珍视，并进一步明确科技无法替代的人类力量的观点。基于此，学生也可以进一步思考人与自我、人与社会的关系。

教学反思

本课设计了问卷，对参与课程的26位学生进行了课前、课中、课后评估，以此作为反思和优化课程的依据。

在课前，学生对大语言模型的使用情况分别是：16位学生（约61.5%）经常使用，10位学生（约38.5%）偶尔使用，没有学生表示从未使用。这反映出学生对新兴技术的接受度较高。

针对课中信息技术学科教学重点的落实情况，设计问题“是否能够在调试过程中，通过模拟用户输入和分析Agent的回复，对Agent的提示词进行改进，以生成期望的回复？”。如表1的结果显示，大多数学生（88.46%）对使用提示词调试智能体的过程有基本的了解，且受课前使用频率影响较小；部分学生对调试效果不满意，需要关注他们的提示词设置，提供必要的帮助。

表1 学生是否掌握如何根据提示词调试智能体

不能理解如何利用提示词调试智能体 初步理解如何利用提示词调试智能体，但效果不明显 能够理解如何利用提示词调试智能体，调试效果较满意

从来没有 0份 0份 0份

偶尔使用 0份 2份（7.69%） 8份（30.77%）

经常使用 0份 1份（3.85%） 15份（57.69%）

针对激发学生对人工智能的探索愿望的效果，设计问题：“你是否愿意深入学习人工智能技术原理？”结果如表2所示，大多数学生（53.85%）通过开发实践，对人工智能原理产生了较为强烈的兴趣，部分学生（42.86%）持开放的态度，个别学生表示没兴趣。这表明本单元课程的设置在培养学生对人工智能的兴趣，引导他们走向更深层次的学习和探索方面取得了良好的效果。

表2 课后学生深入探索人工智能技术原理的愿望

没兴趣 都可以 非常愿意

从来没有 0份 0份 0份

偶尔使用 1份

（3.85%） 6份

（23.81%） 3份

（11.54%）

经常使用 0份 5份（19.05%） 11份（42.31%）

心理学方面，我们设计了更加开放的问题。

针对探索过程中的发现，设计问题“你是否发现了AI在生成共情回复时的局限性？”大多数学生提到了“格式化、模板化、机械化”的局限；有学生试图分析原因，如“AI很难理解复杂语句的歧义和言外之意”“AI记忆时间短，没办法把事情串起来”“其共情通常基于训练数据的统计规律，难以准确把握特定情境中的情感细微差异”等；还有学生表达AI无法替代人类的观点，指出“AI不能准确把握人们需要安慰的点”“无法理解经历中的细节”“没有亲身经历”“缺乏真实共鸣”。总体而言，学生理解了共情，意识到自己在寻求共情时的真实需求，并在对比中认识到人类在提供共情响应方面的独特优势。

针对课堂上讨论的关键问题（完美的AI与非完美的人类的比对），在回访问卷中我们进一步追问学生的思考，旨在延伸课内的讨论。学生提到：“每个人对世界的看法虽然有限，但都是独特的。我们与他人进行交流的感受是不同的，其中虽然会有情绪不稳定的情况，但这也让我们和谐交流的时间、达成一致看法的瞬间变得更加可贵。”“人类更为多变，更能产生灵魂上的交流，分享看法而非单方面输出。”“人际交往在于享受双向奔赴，共同经历喜悦，一起解决问题，不只是说说而已。”“人类会带来惊喜，当我很失落的时候，AI可能会安慰我或者给出建议，但是朋友可能会给我一个拥抱。”

诸如此类的回复展现了学生深刻的见解和感悟。他们认为人际交往的深度和真实性是AI难以复制的，每个人独特经历和观点的多样性让交流更加丰富和有意义，人际交往中的互动性、共同体验等有形的支持和参与是AI所缺乏的。通过这些讨论，学生们对如何在技术日益进步的时代保持和培养真实的人际关系有了更深的思考，也为人工智能的发展提供了重要的参考。这提示我们在追求技术创新的同时，也要关注和珍视人类情感的深度和真实性。这些思考从课内延伸到了课外，有助于进一步激发学生体悟在人与科技并行的当代，怎样更好地打磨自己的世界观，为创建一个更加人文、融洽、包容、多元的社会做好自己的准备。

注：本文系北京市教育学会“十四五”教育科研2023年度一般课题“基于深度学习的信息技术教学设计与实施研究”（课题编号：XXJS2023-009）研究成果