当机器拟其形而失其律——大语言模型辅助近体诗学习中的知识建构与批判性思维

1 论文标题：当机器拟其形而失其律——大语言模型辅助近体诗学习中的知识建构与批判性思维

2 作者信息：许怀之：黄冈师范学院文学院(苏东坡书院)，湖北 黄冈；陈弘正*：黄冈师范学院机电与智能制造学院，湖北 黄冈

3 出处和链接：许怀之, 陈弘正. 当机器拟其形而失其律——大语言模型辅助近体诗学习中的知识建构与批判性思维[J]. 国学, 2026, 14(4): 1115-1125. https://doi.org/10.12677/cnc.2026.144157

4 摘要：本研究考察大学生与大语言模型(LLM)协同创作近体诗时的知识建构与批判性思维。延续既有七言绝句研究，本文以DeepSeek-V4辅助五言律诗创作，并设置两种提示条件：第一项不限次数，第二项限为七次。研究对两名学生的四份完整人机对话进行解释性逐轮分析。案例显示，模型较能遵守提示中明确列出的平仄与押韵要求，却可能遗漏对仗等未明示规范；自我核验时还可能以“拗救”“宽对”等术语为错误作出似是而非的解释。低投入学生倾向整体接受模型输出；积极互动若缺少稳固的格律知识，也未必能有效纠错。本文以元任务觉察(MTA)为分析框架指出，错误得以留存的关键在于学生对任务评价标准的觉察不足，且思维回路中的反思解释环节被让渡给生成者。本文建议将LLM定位为由规则核验与教师引导约束的诊断性陪练，而非格律判断的最终权威。由于样本仅含两名学生与一名专家，结论限于案例解释。