引言

2020年版《普通高中英语课程标准》将思辨能力纳入英语学科核心素养，读后续写以其读写融合的特质为其提供了真实语境，而KWL+模式则通过结构化认知流程为思维训练搭建了支架。生成式人工智能的发展为二者的有机结合开辟了新的可能。目前，将这三者融合以系统培养学生思辨能力的研究仍较为有限，缺乏整合性的理论阐释与实践路径。因此，本研究旨在构建一个生成式人工智能支持下的教学路径，依托KWL+模式，探索在高中英语读后续写任务中有效培养学生思辨能力的具体方法，以期为落实课标要求、推动教学改革提供参考。

一、核心概念的理论阐释

（一）KWL +模式的内涵与认知逻辑

KWL模式由Ogle于1986年提出，围绕“激活已知（K）—明确欲知（W）—梳理习得（L）”这一递进式认知流程，该模式构建了一种以学习者为中心的阅读框架，注重通过调动已有知识与设问引导，增强阅读的目的性与信息处理效果（Ogle，1986）。随后，Carr与Ogle在1987年进一步扩展为KWL+模式，新增了“文本映射”与“信息总结”环节，引导学习者对获取的信息进行归类、整合，并借助概念图、提纲等形式实现可视化与逻辑化组织。这一补充较好地弥补了原模式在知识深化与迁移方面的局限，有助于推动系统化认知结构的形成（Carr & Ogle，1987）。在针对农村初中英语写作的实践研究中，KWL+模式也显示出通过读写结合促进信息筛选与观点组织的作用，为高阶思维发展提供了支持（夏瑞雪，2025）。

（二）高中英语读后续写的思辨培养特质

读后续写的关键，在于其“理解”与“创造”的双重认知挑战。学习者必须在准确理解原文的语境、人物与情节逻辑之后，创作出与原文协同的续写内容（杜建超，2018）。正如王初明（2012）所指出的，读后续写有机融合了语言模仿与内容创新，既能释放学习者的想象，又通过文本协同效应促进其语言能力与思维品质的共同发展。这种协同在本质上体现为语言输出向输入“拉平”的过程，反过来促使学习者更深入解读原文，从而激发思辨意识（王初明，2015）。姜琳与陈锦（2015）的实证研究进一步表明，读后续写能显著提升学习者语言的准确性与复杂性，而这种语言进步恰恰是思辨能力在文字表达中的显现。从题型特点来看，读后续写强调情节连贯、情感一致与逻辑严密，这正与分析、推理、评价等思辨核心技能天然契合（杜建超，2018）。

（三）外语学科思辨能力的内涵与维度

思辨能力是指个体依据恰当标准进行有意识思考、并作出有依据判断的高级认知能力。在外语学习中，它具体表现为语言运用中的逻辑组织、观点辨析与意义阐释等能力（文秋芳等，2009）。文秋芳等人（2009）建立的层级模型将思辨能力分为“元思辨能力”和“思辨能力”两个层面：前者负责监控与调节认知过程；后者则包含认知与情感两个维度——认知维度涵盖分析、推理、评价等技能及相关思维标准，情感维度则涉及好奇、开放、自信等特质。罗清旭（2000）进一步提出，批判性思维（即思辨能力）包含批判精神与批判智能技能两方面，前者体现思维倾向，后者关注信息加工的策略，二者协同构成思辨培养的核心目标。在高中英语教学中，思辨能力常体现在对文本的深入解读、跨文化视角的建立以及语言表达的逻辑性之中（程晓堂，2015；潘梦绮，2022），其发展程度深刻影响学生的外语综合运用水平（文秋芳，2023）。

（四）生成式人工智能赋能外语教育的内在逻辑

依托其自然语言生成、对话交互及个性化反馈等功能，生成式人工智能正为外语教育带来新的技术支持与教学可能性（曲鑫、颜欢，2025）。从技术特点看，它能够模拟贴近真实情境的语言互动，为学生提供即时的语言支架与认知辅助；人机协同的写作方式也有助于提升学生在行为、认知与情感等多维度的投入程度（许川根，2025）。在高中英语教学中，生成式人工智能可协助教师设计读后续写任务、启发学生构思内容，并提供优化建议，从而拓展文本协同的层次，加强学生对情节与逻辑的构建能力（袁丹纯、邵晨，2025；龙小芳，2025；张静等，2024）。同时，借助其个性化的反馈机制，教师能够更精准地识别学生的学习难点，从而为思辨能力的培养提供针对性支持（孙培健等，2025；王珕，2025）。此外，该技术还有助于构建融合读写的教学场景，突破传统课堂的时空局限，为思辨能力的常态化发展创造持续发展的空间（彭妍、赵静，2025；许小燕，2025）。

二、生成式人工智能与 KWL+模式、读后续写思辨培养的契合性

（一）生成式人工智能与KWL+模式在认知逻辑上具有内在的契合性

KWL+模式遵循“激活—探究—整合—迁移”的认知路径，而生成式人工智能的技术特点能够为其中各个环节提供相应支持。在激活（K）阶段，它可以通过推送多模态资源，帮助学生拓展知识背景，缓解传统教学中知识激活不足的问题（Ogle，1986；许川根，2025）。进入探究（W）阶段，其智能问答与问题生成功能有助于引导学生将模糊的求知意向转化为结构清晰、具有思辨价值的问题（Carr & Ogle，1987；曲鑫、颜欢，2025）。在整合与迁移（L+）阶段，生成式人工智能能够在文本映射环节自动生成概念图、逻辑框架等可视化工具，减轻学生的认知负担；在信息总结环节，则可通过文本凝练功能促进信息的深度整合，推动知识系统化建构（Carr & Ogle，1987；夏瑞雪，2025）。此外，其交互特性还有助于推动KWL+模式从个体认知向人机协同认知延伸，从而增强认知过程的动态性与整体性（许川根，2025）。

（二）生成式人工智能与读后续写协同效应的强化性

读后续写的关键在于实现续写内容与原文在语言、情节及情感层面的有机协同（杜建超，2018）。生成式人工智能能够从多维度为这种协同提供技术支撑。在语言上，它可以识别原文的时态、句式、用词等特点，为学生提供贴合原文风格的表达参考，从而减少语言风格不一致的情况（王初明，2012；姜琳、陈锦，2015）。在情节方面，该技术能依据原文故事线与人物设定，生成多种情节走向，辅助学生进行逻辑推演与内容构思，增强续写的合理性与创新空间（王初明，2015；杜建超，2018）。情感协同上，生成式人工智能可通过情感分析帮助学生把握原文的情感基调，使续写部分在情绪表达上与原文保持一致（龙小芳，2025；张静等，2024）。同时，其反馈机制能够及时识别学生在协同过程中出现的偏差，给出针对性建议，推动协同从形式模仿走向深层融合（孙培健等，2025；刘梦君等，2025）。

（三）生成式人工智能与思辨能力培养的目标契合性

思辨能力的培养重在发展学习者的认知技能与情感特质，生成式人工智能则从不同角度呼应这一目标。在认知层面，它可借助问题链设计、观点对比等任务，帮助学生加强分析、推理与评价的能力——例如引导学生在续写前剖析原文的隐含逻辑，在续写后审视自身观点的合理性（文秋芳等，2009；罗清旭，2000）。在情感层面，其相对匿名和包容的交互环境有助于缓解学生的表达压力，从而培育开放、自信的思辨态度（潘梦绮，2022；许川根，2025）。就元思辨能力而言，生成式人工智能能够记录并分析学习过程，辅助学生进行自我监控与调节，提升其元认知水平（文秋芳，2023；程晓堂，2015）。此外，该技术在整合跨文化资源方面的优势，也能拓宽学生的认知视野，为其思辨能力发展提供更丰富的文化语境（曲鑫、颜欢，2025；彭妍、赵静，2025）。

三、生成式人工智能赋能下基于KWL+模式的读后续写思辨能力培养路径

（一）生成式AI赋能K环节：激活背景知识，培育思辨倾向

KWL+模式中的K环节主要着眼于激活学习者已有的知识，为后续的阅读与续写做好认知准备（Ogle，1986）。生成式人工智能可在以下方面促进该环节中思辨倾向的培养：首先，借助多模态方式激活背景知识，通过提供与主题相关的英语材料、文化视频、跨文化实例等资源，拓宽学生的知识面，并借助智能提问引导学生联结新旧信息，激发其好奇与开放的思维（潘梦绮，2022；许川根，2025）。其次，智能识别知识偏差，通过互动问答发现学生已有认知中的误区，引导学生自主修正，从而培养求真与严谨的思辨态度（罗清旭，2000；文秋芳，2023）。最后，支持个性化知识建构，依据学生实际水平推送分层任务，如为基础较弱的学生提供知识框架，为能力较强的学生设计观点辨析活动，以适应不同需求，增强其思辨信心（潘梦绮，2022；王珕，2025）。整体上，该环节可遵循“激活—诊断—拓展”的逻辑，将知识激活与思辨培育自然融合（夏瑞雪，2025；彭妍、赵静，2025）。

（二）生成式AI赋能W环节：优化问题生成，启动思辨技能

W环节作为KWL+模式中推动学生主动探索的关键阶段，其问题的质量往往决定了后续认知活动的深度（Carr & Ogle，1987）。生成式人工智能的介入，有助于增强问题的思辨性，从而调动学生的思辨能力：一方面，它可以围绕读后续写的文本特点，搭建涵盖情节逻辑、人物动机、情感表达、语言风格等多个维度的问题支架，引导学生从表面信息转向深层解读——例如，“原文人物的行为反映了何种价值观？”“如何在续写中维持一致的叙事视角？”这类问题能够有效激发学生的分析与推理能力（文秋芳等，2009；杜建超，2018）。另一方面，它还能对学生提出的初始问题进行智能优化，将诸如“如何续写故事”这类模糊疑问，转化为更具体、更具逻辑性的思辨议题，如“基于人物性格，续写情节应满足哪些逻辑条件？”，从而提升问题的针对性与层次性（曲鑫、颜欢，2025；张静等，2024）。此外，该技术还可整合全班学生提出的问题，形成共同的问题清单，引导学生对问题进行归类与排序，逐步培养其系统化的思维习惯（Carr & Ogle，1987；许小燕，2025）。

（三）生成式AI赋能L+环节：深化文本协同，发展思辨深度

L+环节涵盖文本映射与信息总结两个部分，它是KWL+模式中促进知识整合与迁移的重要阶段（Carr & Ogle，1987）。读后续写对文本协同的要求，恰好为这一环节发展思辨能力提供了具体情境。在文本映射阶段，生成式人工智能能够帮助学生从三个维度展开协同分析：语言上，可自动提取原文的时态、句式、核心词汇等特征，形成语言风格图示，引导学生实现续写中的语言协同，增强其语言组织的逻辑性与准确性（姜琳、陈锦，2015；王初明，2012）；情节上，它能根据原文脉络生成逻辑框架，标记关键情节与因果联系，辅助学生构思合理的情节发展，并通过推演工具评估情节的合理性，从而锻炼推理与评价能力（王初明，2015；杜建超，2018）；情感上，借助情感分析技术生成原文情感变化曲线，帮助学生理解人物情感走向，确保续写部分的情感与原文一致，进而培养共情与辩证思考（龙小芳，2025；袁丹纯、邵晨，2025）。在信息总结阶段，该技术可协助学生将映射内容提炼为结构化的续写提纲，并引导其反思协同过程中使用的认知策略，促进知识向思维的迁移（夏瑞雪，2025；文秋芳，2023）。

（四）生成式AI赋能反馈复盘环节：完善思辨闭环，提升元思辨能力

传统的KWL+模式往往未对学习过程进行系统的反馈与总结，而生成式人工智能能够通过即时反馈与动态复盘，帮助构建思辨能力发展的完整闭环。在学生续写过程中，该技术可从多个维度提供实时支持：在逻辑层面，借助文本分析工具识别情节漏洞或逻辑矛盾，引导学生进行修改，从而加强其分析与评价能力（孙培健等，2025；刘梦君等，2025）；在语言层面，能够检测表达中存在的歧义或风格不一致之处，并给出兼顾准确性与协同性的调整建议，提升语言表达的清晰度与连贯性（姜琳、陈锦，2015；王珕，2025）；在思辨层面，则可评估学生观点的深度与视角的多样性，进而提供拓展认知的具体指引，例如鼓励学生从跨文化角度丰富续写内容的文化内涵（曲鑫、颜欢，2025；彭妍、赵静，2025）。在复盘阶段，生成式人工智能还能生成个性化学习报告，记录学生在KWL+各环节的表现，引导学生回顾思辨中的优点与不足，并提供有针对性的改进建议，从而促进其元思辨能力的发展（文秋芳等，2009；罗清旭，2000）。

四、挑战与未来展望

尽管生成式人工智能为思辨能力的培养提供了可行的理论路径，但在实际应用中仍面临多方面挑战。技术角度上，当前生成式人工智能对学习者认知需求的理解仍存在局限，有时会出现回答重复、逻辑固化等问题，影响思辨培养的实际成效。在用户层面，学生的智能工具使用素养差异明显，部分学习者不善于设计有效的提示词，难以充分发挥技术应有的支持作用。此外，伦理方面的顾虑也不容忽视：生成式人工智能可能带来学术诚信方面的风险，同时数据隐私与算法偏见等问题，也可能对思辨能力培养的公平性产生潜在影响。

未来的研究与实践可在以下方面进一步推进：首先可以推动技术更贴近本土教学实际，围绕高中英语的具体需求优化生成式人工智能的功能设计，增强其在文本协同与思辨培养上的适用性。其次需要关注师生智能素养的共同提升，将提示词设计、工具使用等内容融入教学，促进人与技术的有效协作。此外还应重视伦理框架的构建，明确生成式人工智能在英语课堂中的使用边界，并通过建立诚信监督与数据保护机制，为思辨能力的培养营造更健康、公平的环境。

参考文献：

1. [1] Carr E, Ogle D. K-W-L Plus: a strategy for comprehension and summarization[J].Journal of Reading,1987(07):626-631.
2. [2] Ogle D M. K-W-L: A teaching model that develops active reading of expository text [J].The Reading Teacher,1986(06):564-570.
3. [3] 程晓堂.英语学习对发展学生思维能力的作用[J].课程・教材・教法,2015,35(06):73-79+127.
4. [4] 杜建超.基于协同效应的读后续写教学研究和实践[J].中小学外语教学(中学篇),2018(05):42-46.
5. [5] 姜琳,陈锦.读后续写对英语写作语言准确性､复杂性和流利性发展的影响[J].现代外语,2015(03):366-375.
6. [6] 龙小芳.生成式人工智能辅助高中英语读后续写教学的实践探究[J].广西教育,2025(29):57-62.
7. [7] 刘梦君,邹文龙,宗敏,等.生成式人工智能何以赋能教学——中学生英语写作教学实证研究[J].中国电化教育,2025(06):70-79.
8. [8] 罗清旭.论大学生批判性思维的培养[J].清华大学教育研究,2000(04):82-85.
9. [9] 潘梦绮.KWL教学模式在英语写作教学中对提升高中生思辨能力的应用研究[D].福建师范大学,2022.
10. [10] 彭妍,赵静.生成式人工智能赋能高中英语思辨能力提升的路径探究——以读写融合教学为例[J].广西教育,2025(29):63-68.
11. [11] 曲鑫,颜欢.人工智能赋能外语教育研究热点与趋势分析(2014—2024)[J].外语电化教学,2025(04):39-46.
12. [12] 孙培健,许嘉宇,张军.生成式人工智能反馈对大学生英文作文质量的增值效益研究[J].外语教育研究前沿,2025,8(04):24-36.
13. [13] 王初明.读后续写——提高外语学习效率的一种有效方法[J].外语界,2012(05):2-7.
14. [14] 王初明.读后续写何以有效促学[J].外语教学与研究,2015(05):753-762.
15. [15] 王珕.生成式人工智能赋能高中英语写作教学的实践研究[J].教书育人,2025(28):27-29.
16. [16] 文秋芳,王建卿,赵彩然,等.构建我国外语类大学生思辨能力量具的理论框架[J].外语界,2009(01):37-43.
17. [17] 文秋芳.中国外语类大学生思辨能力现状研究[M].北京:外语教学与研究出版社,2012.
18. [18] 文秋芳.思辨能力培养与外语类专业研究生课程设置[J].外语教学,2023,44(01):1-8.
19. [19] 许川根.基于生成式人工智能的外语学习者人机协同写作投入研究[J].外语与外语教学,2025(02):61-73.
20. [20] 许小燕.生成式AI辅助下的高中英语写作教学模式研究[J].中学课程辅导,2025(34):90-92.
21. [21] 袁丹纯,邵晨.生成式人工智能赋能高中英语读后续写命题的实践探索[J].中小学英语教学与研究,2025(03):70-75.
22. [22] 张静,赵杰,王鹏.生成式人工智能辅助英语读后续写教学初探[J].英语学习,2024(08):32-36.