編者按：日前，復旦大學、華東師范大學、同濟大學、上海大學、上海師范大學等上海高校學者共同發起了“今天，我們需要什么樣的文學教育”系列活動工作坊。6月28日，由同濟大學中文系主辦的第一期工作坊“人工智能時代的文學教育與文學閱讀”在同濟大學召開。本文為同濟大學人文學院中文系助理教授林瑩在工作坊上的發言修改稿。

我將從“術”的層面出發，分享一些“人機協同”的課堂案例。案例共有四個，都源于我的課堂教學經驗或即將付諸實踐的教學構想。我想借此機會拋磚引玉，也懇請大家批評建議。

第一個案例與一個字有關。我在大學語文課堂上會涉及漢字結構和生成方式的介紹。在剛剛過去的春季學期，我是以“春”字來舉例的。在正式講解這個字前，我預留了半分鐘時間給同學們思考，思考的內容是，假如穿越到幾千年前的造字現場，你會怎么創造“春”字，什么因素是一定要呈現出來的？從此刻開始，距離答案揭曉也大概有半分鐘時間，諸位聽眾可以同步思考一下。

緊接著，我在課堂上請出Chat-GPT來作答。我往對話框敲入指令，請它描述春天到來的標志。Chat-GPT很快給出了五條標準，其中前兩條是“溫暖的氣溫”和“綠色的新葉”。這個答案基本是與我們的第一反應相吻合的。此時我再請同學們回過頭來，共同查閱東漢許慎《說文解字》和相關文獻的分析。

許慎的說法是，“春，從艸從日，艸春時生也，屯聲”；清人段玉裁《說文解字注》與此大同小異：“從日艸屯。日艸屯者，得時艸生也。屯字，象艸木之初生。屯亦聲。”二者的關鍵區別在于，怎么理解“屯”這個部件。許慎認為“屯”是純粹的聲符，段玉裁則提出“屯”同時表音和表義，也就是所謂的“亦聲”。

我們將古人的解讀與Chat-GPT 的回答相對照：“日”對應于Chat-GPT所說的“溫暖的氣溫”，“艸”和“屯”對應于“綠色的新葉”（見圖一高亮色塊的對應關系）。在“春”的甲骨文字形里，“艸”分解成了兩個“屮”，而“屯”幾乎就是植物萌芽（圖一右下方）的擬態。不難發現，我們的祖先和AI大模型，雖然被漫長的歷史和海量的網絡數據分隔在兩端，但在描述春天這件事情上是不謀而合的，這很浪漫，又很科學。在這個案例里，AI主要扮演了類似于“智能助教”或“賽博對談者”的角色。

圖一 上古先民和人工智能，在描述春天的時候可以是不謀而合的。

第二個案例與一句詩有關。同濟大學出版社出版的大學語文教材，收錄了蘇軾著名的《六月二十日夜渡海》一詩。這首詩的前兩聯為“參橫斗轉欲三更，苦雨終風也解晴。云散月明誰點綴，天容海色本澄清。”首句中“參橫斗轉”一詞，教材給的注釋是“參、斗：兩星宿名。橫、轉：星宿位置移動”。這個解釋固然簡潔清晰，但“參橫斗轉”到底形容何種情形，由于距我們的現代生活過于遙遠，學生還是會有一種疏離感，很難真正理解和體認。

鑒于這首詩的寫作時間和地點非常明確，如果把時空信息（“地點取今海南省海口市，日期取1100年7月28日”）代入天象模擬軟件Stellarium，進行當夜星空的模擬，就會意識到“該時段的參宿位于地平線以下，根本無法觀測到，即使后半夜參宿現于夜幕，三星連線也是幾乎垂直。”據此可知，當蘇軾談及“參橫斗轉”時，他并非如以往批評家認為的那樣是在寫實。在他筆下，“參橫斗轉”這個詞與“與詩中的‘云散月明、天容海色’同為典故”。作為對照的是清人彭孫遹的詩作，他在《三月十五夜月自正月來無日不雨是夜始見月色賦十韻》中寫道“天掛欲橫參”。據Stellarium顯示，在該詩撰寫的“1661年4月13日”和“浙江海鹽”時空里，彭氏身處的夜晚確有“參橫”星象，而且當時是一個“月球被照亮部分占比達到98.8%”的明月之夜，故而所詠情境與詩題所云“自正月來無日不雨，是夜始見月色”相吻合，屬于一種主客觀上“守得云散見月明”的同步狀態。換言之，兩首詩所寫的“參橫”形同而實異。

上述關于案例二的引證、對比、分析和結論，包括引用的文字和圖片（圖二）資料，均出自劉夢涵《古典詩詞“參橫”意象的時令規律與審美價值——基于數字人文天象模擬技術的探析》（《數字人文》2023年第1期）一文，這是她本科時期在安徽大學唐宸老師指導下所做的國家級大學生創新創業訓練計劃項目“古典詩詞中的‘參橫’意象——基于天象模擬技術的探究”階段性成果。在這個案例中，大數據虛擬仿真軟件作為一種“電子教具”，能夠協助授課者將遙遠而陌生的術語，“轉譯”為聽課學生切身可感的日常景觀。

我要介紹的第三個案例，與一部小說有關。我為中文系大二學生開設了專業選修課“《紅樓夢》研究”。研究《紅樓夢》，首要任務之一便是理清書中錯綜復雜的人物關系。如果請你為《紅樓夢》繪制一幅人物關系圖，你會怎么來構思呢？一般情況下，我們會基于血緣和親緣關系來進行繪圖。這當然離不開文本細讀的功夫，這也是中文系師生的“看家本領”。而與傳統的細讀（close reading）相對應，AI可以為我們增加新的遠讀（distant reading）視角。

2021年，在華東師范大學情報學專業的一份碩士課程作業中，作者季澤豪嘗試運用“自然語言處理、社會網絡分析法、信息可視化、數據挖掘等手段”，重新解讀《紅樓夢》中的人物關系。他“基于共詞分析法的基礎理論，將紅樓夢作品中的每一個段落視為書中人物登場演出的一個舞臺，一個共現單元，依此統計角色與角色之間的共現頻次或者說交往關系強度”，進而基于段落共現關系，“將實體抽象為節點, 將對象之間的關系抽象為邊的形式”，生成復雜網絡圖譜并進行可視化處理，構建了新式人物關系圖（圖三）。該圖用七種顏色代表“基于模塊化算法生成的七大聚類群體”，“節點大小由PageRank算法與加權中心度決定，節點越大，則說明該角色自身及其鄰居節點在整體網絡中都比較重要，是一種兼顧自身與自身‘朋友圈’的優良算法”（參見季澤豪《這就是讀懂紅樓夢的DNA密碼？——數據話紅樓，網絡繪人心》，知乎ID“我是萬能小滑塊”）。

如果說以往的《紅樓夢》人物關系圖顯示了親緣的、應然的親疏遠近，那么，這份體現出群聚關系和重要程度的新式網狀圖，則直觀呈現了文本的、實然的人物親疏距離以及人物存在感之強弱。其中最為突出的兩個群體分別標注為紅色和紫色，一個以賈母、王熙鳳為首，另一個以賈寶玉為首。這為讀者提供了一個將觀察視域從近景推拉至遠景的解讀路徑。不過，關于遠景的解讀還是應該回歸到文本細節，不可僅僅依恃遠景而大作闡釋。文本細讀始終是第一位的，遠讀雖讓我們免于陷入細節的風險，但仍是第二位的、輔助性的。

第四個也是最后一個案例，是我即將付諸實踐的一種寫作訓練構想。據我觀察，在我們主流的閱讀培養和寫作訓練中，長期存在著兩個畸輕畸重的問題，一是輸入方面重虛構作品，輕非虛構作品；二是輸出方面重原創型寫作，輕改寫和仿寫。稍后華東師范大學徐儷成老師的發言會涉及仿寫問題，他強調了藝術風格和語言特征、辭章手法的對應關系，讓學生通過模仿古代作家風格撰寫擬作，從中習得作品分析和寫作實踐的雙重能力，對此我深以為然。這里我主要結合“改寫”和“非虛構作品”這兩點來分享一個教學構想。

這個教學構想緣起于我的教學和育兒經驗。我曾經從一位大學新生那里聽到一種頗具代表性的自述，那就是，他們經歷高考、來到大學，本可以自由閱讀了，但接受了漫長的語文應試教育的他們，卻像一個個長期營養不良的人，突然面對豐盛的自助大餐，不知道怎么去隨心享用。并且，他們腸胃系統早已過度虛弱，即便強行進食，實際上也無福消受。這個描述是很讓人心痛的。冰凍三尺非一日之寒，我想，要改變這個局面，就必須將視點前移到更早的節點。因此我給出的藥方是，盡早幫助孩子們培養起自主閱讀的習慣。那么，從科學的角度來談，到底幾歲可以實現自主閱讀呢？這也是我在養育幼兒時遇到的一個疑惑。

英文讀物由于有完善的、通行的分級體系，一方面能夠通過諸如藍思值測試這樣的便捷方式，快速定位讀者的閱讀能力，另一方面能夠根據分級標準，將已有文本進行分級，或將已有文本改寫成其他等級，提供給相應級別的讀者。這里所說的“將已有文本改寫成其他等級”，包括例如“小豬佩奇”系列故事這樣的虛構作品改寫（參見圖四，這本讀物適合英文水平二級的讀者自主閱讀），也包括例如NASA新聞這樣的非虛構作品改寫（圖五，這篇文章有五種等級可以選擇，適應于不同英文水平讀者的自主閱讀需求。這些改寫版本由newsela平臺提供，該平臺專門改寫新聞報道和專題文章，話題涵蓋自然、人文、社科等多個領域）。

在有明確分級標準、分級讀物又足夠豐富的情況下，哪怕是語言水平再低的讀者，都有機會找到自己喜歡閱讀的、適合自己閱讀的文本，自由享受閱讀的樂趣。今天上午，平和雙語學校的李天蔚老師提到高中生對有些作家作品“不感興趣”，也枚舉了他們“感興趣”的對象。假如說語文的課堂教育要創造條件讓學生喜歡上原本“不感興趣”的好作家、難作品，那么課外自主閱讀，就是要創造條件讓學生盡情探索自己“感興趣”的文本世界。從這點來看，如何為中文分級定級、如何為中文讀物改寫出從話題到級別都具有足夠涵蓋面和適應力的版本，就構成了培養幼兒自主閱讀習慣（以及推進對外漢語教學）的基礎工作之一。

中文分級是一項難度極高的工作。基于中文本身的復雜度和特殊性，我們無法通過簡單移植英文分級標準來實現中文的分級。在此情形下，我們不妨反向而為，從改寫入手。改寫文本，如同前述的仿寫工作，本身就是一種可行而有效的寫作實踐。因此，在我的寫作訓練構想中，我計劃讓AI兼任競爭者與協作者。在寫作課的其中一個模塊里，我制定了這樣的教學計劃（參見圖六）。第一步，讓學生選擇改寫的主題和目標讀者——這里的讀者可以是自己的弟弟妹妹侄子外甥，也可以是與自己同齡的外國友人；第二步，根據目標讀者的閱讀興趣和能力特點，確定具體的改寫文本，開始著手人工改寫；第三步，選擇兩種或以上的AI大語言模型上發布改寫指令，將AI處理的不同改寫版本，與自己的人工改寫結果進行對比，最終博采“人”“機”之優長，通過人機協同輸出一個較為理想的版本，并將此版本交給目標讀者，接受讀者的閱讀反饋。我希望能借助這樣的訓練和反饋，一方面幫助寫作者調整改寫結果，提高語言文字表達的靈活性、精準性和適用性，另一方面也反向協助我們不斷積累中文分級的具體指標，從“歸納”的角度，反哺中文讀物的分級、定級工作。

講到這里，我的四個案例就分享完了。我們來回顧一下，第二、三個案例分別以一句詩、一本小說為例，在教學中引入數字人文研究成果，這是一種教學內容上的“人機協同”。隨著數字人文這一新興交叉學科的日益推進，我相信會有越來越多來自學界或自主原創的研究成果，可以引入人文學科的教學現場（我自己也有過一個小小的嘗試，參見林瑩、施維加《古代小說文獻數字化的優化路徑探索——一種基于“條件生成對抗網絡”（ConGAN）的新方法》，孫超主編《數字人文與古代文學研究》，上海三聯書店2023年版）。第一、四個案例，分別以一個字、一種寫作訓練構想為例，則屬于教學手段上的“人機協同”，換句話說，就是讓機器充當人類的助教，以此提高教學的效果，讓學生更快更好地理解知識產生的思維方式，掌握語言文字的實際運用能力。

上個月初，高考結束后不久，AI也經受了首次高考全卷評測。此次測評僅針對“GPT-4o及在2024年高考前開源的6個模型”展開實驗，“因無法確定閉源模型的更新時間，為公平起見，此次評測沒有納入商用閉源模型”。根據測評結果，AI大模型在語文、英語兩個科目上的表現尤為亮眼，滿分150分的語文答卷，AI大模型的得分可以高達124分（圖七，參見《“大模型”出分了！首個AI高考全卷評測結果發布》，“澎湃新聞·澎湃號·政務”欄目，2024-06-19，作者為上海人工智能實驗室）。

在如今人工智能技術日新月異的時代背景之下，單純傳授知識的教學早已意義不大，遲早要被AI取代。比一個個知識點更重要的，自然是知識背后的思維、邏輯和方法，知識之外的情感、觀念和洞見，以及運用知識應對具體需求的實操能力。在這些方面，AI無法成為獨立的教育者，但可以充當教育者的優質教具和助教。也是在這個意義上，充分強調人之主體性、靈活調用AI功能性的“人機協同”教學法，很有可能在未來的人文教育中持續拓寬應用，施展魅力。