編者按：學習宣傳貫徹《教育強國建設規劃綱要（2024-2035年）》精神，系統領會中共中央、國務院關于教育強國建設的一系列新要求、新任務，推動解決教育強國建設中的重大問題，是當前教育系統的重大政治任務。中國教育科學研究院組織精銳科研力量，圍繞《綱要》核心內容，在紙媒、電視、網絡等平臺開展闡釋研究，助力《綱要》落地生根，推動教育強國建設邁向更高水平。現摘取部分優秀成果，陸續推出，以饗讀者。

一、引言

生成式人工智能是指能夠基于算法和規則及預訓練數據庫自主生成內容的人工智能技術，有別于判別式人工智能。在英文中對該技術通常用兩種詞組表達，“Generative Artificial Intelligence”（簡稱“GAI”）與“Artificial Intelligence Generative Content”（簡稱“AIGC”）。二者在英文原意上有所區別，GAI直譯為“生成式人工智能”，專指生成式人工智能這種技術；AIGC直譯為“人工智能生成內容”，其包含兩層含義：一是直譯的由生成式人工智能技術所生成的內容，二是指生成式人工智能技術本身。中國信息通信研究院將AIGC定義為既是從內容生產者視角進行分類的一類內容，又是一種內容生產方式，還是用于內容自動化生成的一類技術集合（中國信息通信研究院,2022）。在我國教育研究領域，更常見的是采用AIGC的表述，反映出研究者們對其生成內容的應用的關切，而非對技術本身的探討。

生成式人工智能技術引發了教育領域的系統性變革，應用前景廣泛，如個性化導師、自動論文評價、語言翻譯、交互式學習、自適應學習等（Baid?oo-Anu&Ansah,2023）。祝智庭等（2018）認為，人和技術各有所長，技術擅長處理重復性、程序性和明確定義的任務，例如學生情況分析、資源推薦、自動出題和批改等，而教師則更適合從事情感、創新和啟發性工作，例如情感支持、創新教學設計和價值觀培養等。具體到教學環節中，有學者（李艷等,2022）提出了人機協同的作文評價，先讓機器對學生作文提出錯別字、病句等低階反饋建議，以及意義、結構、思想等高階反饋建議，再由教師進行補充性反饋以彌補機器評價不全面的問題，實驗組學生可通過智能平臺多次獲得修改反饋，而對照組僅能獲得教師反饋。實驗結果顯示人機協同評價在作文成績提高上無顯著作用，但對提升學生寫作積極性、降低教師答疑工作量方面有正向作用。

已有研究大多從單要素角度出發探討生成式人工智能對教學的可能作用，綜合各研究可以看到該技術對教學的影響已滲透入方方面面，本研究旨在從系統觀視角出發，討論AIGC對混合教學系統各要素及要素間關系的影響。

二、AIGC促變人智協同教學八要素系統模型

混合教學是一種信息技術支持下的教學形態，其核心在于將傳統的面對面教學與線上網絡教學有效融合，將部分傳統的線下教學活動交由線上平臺完成，以此實現課前、課中、課后各環節的線上線下混合。生成式人工智能技術出現后，人機協同教學進入了人智協同教學的新境界，但從底層框架看，基于AIGC的人智協同教學仍然是一種更高階的混合教學。當下區分教學形態大多依據技術在教學環境中的參與程度而定：無技術參與的稱為傳統線下面授教學，純信息技術環境的稱為線上教學或網絡教學，同時出現傳統線下教學環境和信息技術線上環境或工具的稱為混合教學。從實踐層面看，由于師生主體的不可替代性以及正式教育中學校的權威性，兼因AIGC所具有的被動響應特征，使得該技術無法完全取代教師主動開展教學活動，因此傳統線下面授在短期內依然是正式教育中最普遍的教學形態，即使AIGC能夠在很大程度上改變師生角色、教學內容呈現方式、教學反饋渠道、教學方法、教學環境等要素特征，但短期內這種新型教學形態依然是一種線上線下的混合形態，是一種由人機協同混合教學進化而成的人智協同的混合教學形態。

（一）傳統的混合教學系統七要素模型

在傳統混合教學中，人機協同體現在教師和學生利用信息技術優化或完成教學過程中的部分教學任務，信息技術不僅是支撐環境，同時也是教學活動的部分參與者。

韓錫斌等（2016,p.325）基于李秉德教學七要素框架，將線上教學特征與線下面授流程要素相結合，建構了混合教學系統七要素模型，包括教師、學生兩個主體要素，教學環境一個環境要素，以及教學目標、教學內容、教學方法和教學反饋四個過程要素（如圖1所示）。相較于傳統教學要素，混合教學七要素模型充分體現了各要素的新內涵，以及在信息技術的融入下，各要素間關系所呈現出的新聯結與新影響。

（二）“人本主義”取向的人智協同教學系統八要素模型

相較于傳統的人工智能，生成式人工智能具有自然語言處理、多模態信息處理、生成性、預訓練性、自適應、可擴展性、交互性等特征（Cao et al.,2023）。它的自然語言處理和多模態信息處理能力，加之生成性的特征，賦予了AIGC一種模仿人類行為的擬態能力。它可以理解和處理人類語言、圖像及聲音信息，并且能夠以人類的方式“組織”和“創造”輸出信息。盡管AIGC擁有廣泛的知識庫和強大的信息處理能力，但受大模型訓練規則和人工智能技術的局限，所生成的內容還是會表現出一定程度的模板化和幻覺（hallucination）。此外，目前的AIGC只能被動響應人類發出的指令，無法主動輸入信息并輸出，這些局限都使得它無法完全擬人，從而在虛擬空間中呈現出一種賽博主體形象。這種擬主體性已然支持AIGC作為一種主體要素加入教學系統模型之中，它的加入改變了教學系統的結構和要素間關系，各要素將在AIGC智能體的賦能下更加“人本”與個性化，從而呈現出一種指向“人智協同”教學樣態的混合教學八要素系統，由教師、學生、AIGC智能體、教學目標、教學內容、教學活動、教學環境和評價反饋八個要素構成（如圖2所示）。

三、人智協同教學系統八要素內涵及特征

在AIGC的參與下，教師和學生雙主體角色更加多元和動態，AIGC能夠幫助教師在精準了解學情的基礎上，更準確地剖析教學內容，進而設計更符合學情和學生需求的教學活動。同時，學生也可以通過AIGC反饋，獲得更準確的自我定位和個性化的輔導。反過來，師生需要依據教學內容和教學活動來選擇性地賦予AIGC應有的角色和職能，從而更好地服務于“人智協同”的教學宗旨。

AIGC豐富了學習環境的特征，使其更具有主動性和泛在性，體現出個性化和差異化特征。在反饋要素中，AIGC一方面可以使角色獲得更精準的反饋，另一方面可以讓學生時時處處獲得即時的學習反饋，對提升學生的自我調節能力和學習積極性有直接促進作用。在培養目標上，除了專業知識技能與核心素養的培養，還應關注能夠提升人智協同能力的個體內腦與AI外腦融合的“復合腦”的培養，增加對AIGC協同能力的考察與評價。當然，這一切并不會在混合教學八要素系統中自然發生，需要適當的設計和干預，通過師生的共同努力才能達到應然狀態。

（一）教學主體：“人在回路”的師—生—AI三元主體異構

AIGC作為新增的教學主體要素之一，與教師、學生形成了三者協同的關系（如圖3所示）。它不僅能夠作為支持工具來輔助促進師生教學活動，也能直接作為參與者承擔部分的教師和學生活動。這種新的三元主體結構，勢必會影響師生主體在教學中的角色和職責。然而，三元主體雖然穩固不變，但其組成結構，即三者的權重關系，卻會根據AIGC在教學中的參與程度而動態調整。

在與AIGC協同教學的過程中，教師可以根據教學需求和場景，賦予AIGC不同的角色和能力。在課堂教學之外，AIGC可以充當教師的教學指導者、學習分析師以及資源生產者。在課堂教學中，三元主體結構可劃分為“人主智輔、人智平行、人輔智主”三種模式，其中“人輔智主”模式還有賴于生成式人工智能技術在教育垂直領域的進一步發展。基于AIGC參與程度，可以分為AIGC簡單參與的“AIGC支持的教學”、AIGC深度參與的“師—生—智協同教學”、AIGC賦能的“生—智協同教學”，以及AIGC賦能的“師—智協同教學”。在這些教學結構中，三者均需共同參與，人類主體必須在AI處理任務的“回路”中對AI活動進行及時的監測、調整與決策，三元主體結構的差異僅在于AI參與程度與主體性強弱不同。

在“AIGC支持的教學”中，AIGC常見的角色是AI助教（AI-tutor），它在教師的主動教學中以被動響應的方式出現，教師在與之互動時已有預期的標準答案，AIGC在這種情境下的參與是邊緣性的，主要配合教師的教學活動，提供支持性信息，呈現出“師主智輔”的模式。教師可以通過AI助教呈現基礎知識點的解釋，提供相關案例，或臨時生成相關考題等。在這類情境中，AIGC發揮的更多是信息工具的中介作用，作為呈現教學內容的載體中介。

“生—智協同”的教學主要出現在探究性課堂、PBL課堂或小組教學等以學生為中心的教學模式中。在這種模式中，AIGC作為專家角色具有一定的主動性和權威性，學生可以越過教師直接向AI專家（AI-expert）尋求幫助，AIGC發揮答疑、信息拓展等認知工具的作用。AIGC還能支持學生展開非正式學習，為泛在學習提供更多可能性。

在“師—智協同”的教學中，AIGC可以在課外與教師共同備課、設計教學活動、進行學情分析、開展教學設計，AIGC承擔教學設計師（Teaching advi?sor）、學習分析師（Leaning analyst）或AI專家（AI-expert）的角色職能；在課堂內，AIGC與教師處于相對平行的協同式教學狀態，承擔相當的教學任務。例如，教師與AI共同對學生的回答或作品提供評價反饋，通過與AI的對話來推進教學活動和教學進度，或在小組教學中分別獨立指導不同的小組，或承擔不同的小組指導任務，AIGC負責較低階問題的指導，而人類教師則專注于高階復雜問題與情感態度價值觀的指導。

在AIGC深度參與的“師—生—智協同”教學中，AIGC在上述協同模式中參與程度最高，角色更加多元，與師、生主體的聯結和互動頻次也相應增加。AIGC可以作為AI學生（AI-student），讓人類學生作為教師對其進行教學，指導它完成一些作品或任務；或作為AI學伴（AI-companion），與人類學生共同回答教師的提問，參與小組的討論；它還可以作為AI知識庫（AI-repository），為學生提供所需知識，直接為學生呈現可視化知識圖譜來進行延伸性學習；作為AI技能教練（AI skill coach),AIGC能夠指導各類技能學習，大到工業設備（如轉爐煉鋼設備）的操作，小到軟件學習（如音視頻處理軟件），甚至動作類技能（如游泳、樂器、烹飪等），尤其在職業教育的實訓課程中，AIGC的參與能夠大大減輕教師的指導負擔。

然而，我們也需要關注AIGC作為學生“AIGC賦能的辯護者”（AI-empowered defender）角色。AI-empowered defender原本是計算機領域的詞匯，通常指利用人工智能技術來加強網絡安全和信息安全的實體或系統，簡而言之就是利用AI加強系統自身的安全能力和防御能力。遷移到教育教學中，可以理解為學生借助AIGC增強自身在專業知識儲備、認知思維、個性化觀點等方面與教師或學校權威進行對抗的能力，AIGC能夠為學生提供足夠的證據支撐他們為自己的想法進行辯護。早有學者（高德勝,2006）關注技術對教師知識權威和學校合法性的消解，電子媒介的特性使得成年人對兒童獲取的信息內容不再有絕對的控制權，各類信息的易得性和易理解性大幅提升，學校的信源地位岌岌可危。面對這種危機，教育所能做出的應對是牢牢把握住人的社會性需要，利用學生在AIGC賦能下的社交主動性，開發具有“共同體”性質的教育教學活動，有意識地培養學生的主體意識和批判性思維，引導學生樹立正確的“三觀”，防止學生從AIGC賦能的“辯護者”步入歧途成為AIGC賦能的“詭辯者”。

（二）教學目標：指向復合腦與問題解決能力的培養

當AIGC已具備相當能力替代部分教學工作時，作為人類教師，更應該對“教什么、怎么教、教如何”有更深入的思考。傳統學校教育主要培養與評價學習者的個體內腦能力，拓寬他們內腦的知識儲備，訓練內腦的思維能力。然而，數字時代的技術已足以為他們搭載一個近乎全知全能的外腦，生成式人工智能的出現，更是將這種外接特性明顯的外腦與個體內腦進一步融合，形成了更加深度融合的“復合腦”（沈書生&祝智庭,2023）。人類個體內腦和AI外腦的緊密融合，迫使原有的教學目標甚至培養目標都需要改變，以適應人類全新的復合思維方式。

隨著技術的普及，學生將會更習慣性地使用AIGC，為避免學生過于依賴AIGC而被技術“反向馴化”（孫田琳子,2021），就需要通過刻意練習來保持他們的主體意識。雖然AIGC能承擔更多的知識儲存任務，但學習者的內腦仍需具備基本的知識儲備，才有能力將理論知識與實際問題聯系起來，從而適應復雜多變的社會。因此，教育教學的關鍵不在于個體內腦的知識多寡和個體整體表現的分數高低，而在于他離開學校后將如何解決現實生活和工作上的各種具體問題（Problem）。未來的培養目標應該與之對應，倡導問題解決導向和成果導向的教育理念，旨在更好地實現想法，完成任務，塑造健全人格。AIGC與人類的分野不應在于誰掌握知識誰掌握能力，而應在于在解決問題時二者的分工與協同，這就進一步要求學生擁有更高階的批判性思維、創新思維、情感能力以及堅定的價值理性（李永智,2024）。由此，語言能力、批判性思維能力、問題解決能力、問題提出能力、邏輯推理能力等有助于與外腦融合的關鍵能力都將提升至與知識傳遞同等重要的地位。

部分學者認為AIGC的出現將會使得學習者不再需要學習基礎知識，這一論點從根本上將“知識”與“能力”做了二元分裂，但其實“知—情—意—行”本是一體（楊九詮,2024）。在中國經典傳統文化陽明心學中，王陽明也反復論述了知與行的關系，“知者行之始，行者知之成……知行不可分作兩事”，“知是行之主意，行是知之功夫”，雖在他的論述中有“始、終”二字，但知與行在陽明哲學中并沒有先后之分，“知行并進，不宜分別前后”，二者互相包含，動態構成人存在于世界的根本。其中“知”表示理論、知識、意識、意念、動機、欲望等，“行”是指行為等內部知能外化的實踐活動，譬如學、問、思、辨、篤行等（陳來,2013,pp.86-96）。知、情、意、行也是健全人格、人之為人的底層構成要素，它們相互聯系、相互制約、相互滲透也相互轉化，缺一不可（朱浩&黃志斌,2003）。因此，AIGC的出現并不意味著人類不再需要掌握基礎的知識儲備。

回歸到課堂教學目標的討論，正如近年來關聯主義的觀點所指出的，隨著人類知識總量的指數級增長，學習者已不可能掌握所有知識，因此“管道比管道的內容物更重要”，獲取所需知識的途徑比學習者當前掌握的知識更重要，“知道在哪”比“知道”更重要（西蒙斯,2005）。AIGC的出現相當于將知識世界的“管道”扁平化、集成化，學習者無須再從四通八達的“管道”中搜尋所需知識，信息池以更直觀簡約的方式呈現在大家眼前。然而，如何與這個具有半主體性的信息池進行交互，更高效、準確地獲取信息、解決問題，又成為新的挑戰。因此，在教學過程中，教師的教學理念和教學思路應從“教知識”轉變為“教學生與AIGC協同以達到學習利益最大化”，這并非功利主義取向，“學習利益”含括了知識獲取、能力培養與情感態度價值觀塑造。具體到課堂上，就是要使學生掌握如何與AIGC協同，以效果最優地獲取信息、開展協作、解決問題、完成教學任務、培養能力等。教學目標除了傳統的知識、技能、價值觀外，更為重要的是培養學生的AI協同能力及問題解決能力。

（三）教學內容：動態、生成、拓展、創造、定制

人類社會的內容生產方式經歷了專業化生產內容（PGC）、用戶生產內容（UGC）、AI輔助生產內容（AIUGC）到今天AI自動生成內容（AIGC）四個階段，生成式人工智能的生成性特征賦予了教學內容更多的可能。AIGC能夠根據既定的教學標準，在一定的限制下生成符合標準的教學內容，集成于電子教材上，則可以實現教學內容實時自動生成以滿足特定的個性化教育需求，并確保教學內容的質量和相關性。同時，在已有教學內容的情況下，也可以使用AIGC對既定的教學內容進行適當和可控的拓展。例如，與知識圖譜技術集成，形成動態的內容資源推薦，或是拓展多文化視角和背景的教學內容，增進學生全球視野與跨文化理解，培養學生的國際競爭力等。此外，AIGC還能賦能師生依據自己的習慣、特征、進度和學習任務來創造新的內容，無論是作為資源、作品或其他形式，AIGC都為師生“想法落地”提供了更多的可能。最后，AIGC可以依需定制，依據教學需求和用戶需求定制相應的內容，也可以結合現有的不同教學支持系統的需求來融合定制，如與交互式學習工具、虛擬實驗室、在線協作平臺等結合，實現多樣化的智能教學輔助功能。

需要注意的是，內容生成（Content Generation）和知識生成（Knowledge Generation）是截然不同的兩個概念。內容生成是指創造新的文本、圖片、音視頻等內容，這些內容通常是基于已有框架進行的再創造。但知識生成卻涉及新概念、新理論的產生。《辭海》中對“知識”的定義是：“人類認識的成果或結晶……可分為經驗知識和理論知識。經驗知識是知識的初級形態，系統的科學理論是知識的高級形態。按具體的來源，知識雖可區分為直接知識和間接知識，但是從總體上說，人的一切知識都是在社會實踐中形成的，是對現實的能動反映。”（夏征農&陳至立,2011,p.5756）《當代漢語詞典》對“知識”的定義是：“人們在改造世界的實踐中所獲得的認識和經驗的總和。”（莫衡,2001,p.994）從中可以看到，知識是來源于社會經驗的，是在社會實踐中通過探索研究獲得或創造的。究其本質，生成式人工智能只是一個通過字詞概率預測的語言模型，以其當前的能力與形態，尚未能直接參與到人類社會的生產實踐中，僅憑習得人類已有的“二手經驗”又如何能創造出全新的經驗或理論？當然，我們不能用今天的方法來解決明天的問題，也不能用今天的水平來預測未來的發展。未來當智能體能夠主動參與到人類社會生活中時，我們沿襲千年的對知識的認知可能因此崩塌，新的知識可能在人類的監管與復核下源源不斷地被發掘，這對人類發展來說未嘗不是一件好事，但作為教育者的我們就更應該思考“培養什么樣的人、怎樣培養人”的問題了。

（四）教學活動：AIGC作為中介或主體的協同教學活動選擇框架

在教學活動的選擇上，基于人機協作學習要素框架（如圖3所示）及人本主義教學理念，人智協同教學活動的選擇應從教學目標出發，結合教學任務特征和學習者特征，選擇適合的協同活動。隨著信息技術的發展，傳播學領域對技術在信息傳播中的定位也在不斷發生變化。根據技術工具論的觀點，人工智能可以作為信息傳播中介，這種傳播模式稱為人工智能中介傳播（Artificial Intelli?gence-Mediated Communication,AI-MC），在這種信息傳播的路徑中，主體依然是人類。顛覆了這種工具論和人類中心主義的觀點是人機傳播論（Human-Ma?chine Communication,HMC），人類從“使用（use）機器”轉變為“與機器交流（communicate with）”，機器從“互動性”工具轉變為“主體性”交流對象。（宋美杰&劉云,2023）這種傳播模式的轉變在生成式人工智能應用中尤為明顯。然而，這種轉變是螺旋式漸進的，并非二分取代，在創新技術擴散尤為緩慢的教育領域更是如此。兩種傳播模式都有各自的優勢，不同類型的信息也適合采用不同的傳播模式。因此，出于學理考量，可以以AIGC作為中介和作為主體為依據來判斷AIGC參與的教學活動選擇，以此為劃分依據，即使生成式人工智能的能力如何拓展，也總能在該框架中找到定位。

此外，出于實踐考量，教育教學的本質在于知識技能的傳遞，因此教學中的信息類型可以依據信息加工論和認知主義視角下的知識分類理論，按照知識獲取的心理加工過程，將知識分為陳述性知識、程序性知識和策略性知識。陳述性知識是關于“是什么”的事實性知識，如概念、公式等；程序性知識是關于“怎么做”的知識，是一系列的操作程序（Anderson,1987）；策略性知識是基于認知主義劃分的知識類型，本質上它也是一種程序性知識，但與程序性知識不同的是，程序性知識是面向客觀事物的操作程序，而策略性知識是基于學習者的主觀認知和客觀事實進行的解決系列問題的操作（高民,1999）。依照上述信息傳播模式和信息類型分類，考慮到教師對AIGC的應用并不熟練，構建了一個簡單的AIGC教學活動選擇框架（如圖4所示），提供了部分可供具體操作的人智協同教學活動供教師選用。教師在設計人智協同教學活動時，首先判斷教學內容的知識屬性，然后選擇并設計相應的活動即可。若教師在設計活動時較難準確區分三種類型的知識，也可以借助AIGC對所要教授的教學內容或教學目標進行知識分類。

（五）教學環境：給養理論視角下的多模態、泛在與個性化

在傳統的混合教學中，知識的傳遞主要依賴于文本和語言表達，信息技術在混合教學中的作用是更高效、便捷地將紙質文本或圖像呈現在電子屏幕上，知識傳遞仍需人類主動調用。然而AIGC在與現有的技術或平臺資源（如物聯網、AR/VR、多模態感知、情感預測等）整合后，營造出一個主動融合聽覺、視覺且具有主動交互性的知識傳遞環境，為學生帶來更加多模態的感官學習體驗。此外，AIGC還為師生提供了一個知識共創共享的平臺，在共創共享的過程中實現知識的流動與傳遞，使程式化的知識傳輸過程更具有動態性和靈活性。

同時，隨著國產大模型的崛起，具備自然語言對話能力的AIGC傳播度日益提升，其易得性也不斷增強，人人擁有AI助手的愿景不再遙遠。AIGC的普及使得學習者可以在任何學習情境中隨時獲得AIGC的學習支持和輔導，教與學的場景愈加泛化，學習內容的領域邊界日益拓寬，為建設“人人、事事、時時、處處能學”的學習型社會提供了強大動力。AIGC的預訓練特性使得AI助手將愈發個性化和精準化，AIGC能夠記錄和分析學習者的學習歷史和行為模式，隨時評估和調整輸出內容與學習者的適配性，根據學習者的需求、個體認知水平及學習風格，提供個性化、定制化和精準化的學習材料和學習支持。

但是，對于包括生成式人工智能在內的各種應用于教育教學的技術，都應在給養理論的視角下辯證看待。給養理論（the Theory of Affordances）由美國生態心理學家吉布森（Gibson,J.J.）提出，現中文有時也譯為“可供性”。該理論核心觀點有二：其一，任何環境都能給生物提供給養；其二，同一環境所提供的給養是因觀察者（observer）而異的，可能是正面的，也可能是負面的，可能是這樣的，也可能是那樣的（Gibson,1977）。例如一部智能手機，對熟練使用智能設備的人而言，是能夠提高工作效率和生活趣味的必需品；對不了解數字技術的人來說，卻可能成為生活的負擔；對于自控力較弱的人來說，又可能帶來成癮風險。教育中的技術亦是如此。但是教育中的觀察者并不僅僅是師生等生物角色，還包括教學內容、教學目標、教學活動等。在應用AIGC技術的同時，應充分考慮學習者個體能力的差異、學習內容特征的差異、教學目標的差異等，通過人為的個性化控制，實現面向每個學生的精準個性化教學。

（六）教學反饋：高精度反饋、即時反饋與深度反饋

無論是在傳統教學時代還是在當前的混合教學時代，對學生的學習評價始終未能突破“效率至上”和“質量優先”的窠臼（曹培杰,2018）。或許是知識留存率最易觀察與測評，“效率”總是與既定時間內學生獲取的知識總量畫等號。雖然近年來全球教育都開始關注個體能力與核心素養，也在盡力將能力轉化為可觀察的外顯表現，重視形成性評價和多元的總結性評價（劉新陽&裴新寧,2014），但由于我國人口基數大，教育體系層級豐富，評價改革在實施過程中難免出現問題。例如“標準化”和“一刀切”、綜合素質評價只重材料不重過程，用量化數據將學生標注、預測、預定、區隔，而忽略了人之為人的內在價值，等等，都能在一定程度上反映我國評價理論和評價技術的局限（石中英,2020）。評價技術包括評價方法和數字化技術，數字化技術又是能否充分執行評價方法的重要載體。在混合教學時代，形成性評價的問題得到進一步解決，電子檔案袋、成長儀表盤、行為數據等無疑為評價學生的學習提供了更完整和科學的依據，但僅憑當前的技術和教師個體的能力，仍難以解決評價不夠深入、不夠個性化的問題。

生成式人工智能的大批量文本理解能力和圖片理解能力正是解決評價問題的突破口。經過預訓練的AIGC能為每個學習者提供個性化的精準反饋，隨著AIGC技術的進一步市場化，它能提供的評價顆粒度將越來越細致，在知識學習方面，甚至可以精確到每個步驟所涉及的每個知識點。結合知識圖譜技術，還能夠提供精準的相關資源推薦。AIGC還可以賦能評價權限下放，教師可以將評價權部分交由學生自己，學生隨時主動通過AIGC對自己的進展或學習成果做出評價，充分做到評價的進度差異化、建議差異化、資源差異化，從而實現高精度反饋與即時反饋。學生可以根據AIGC的建議更新優化接下來的學習方法、學習內容或學習進度，過程性評價對于師生而言更為可感知和具象化。AIGC還能降低對量化評價的依賴度，通過預訓練將一些學習行為文本化，再由AIGC進行質性評價與反饋，為教師評價提供參考，從而彌補當前定性評價的不足。

四、結語

每當有新技術出現都會給教育研究帶來不小的震動，而喬布斯之問“為什么計算機改變了幾乎所有領域，卻唯獨對學校教育的影響小得令人吃驚”也至今懸而未決。AIGC在我國教育數字化轉型的關鍵節點上迅速傳播、迅猛普及，以其強大的能力和易操作性已然變革了諸多領域的工作過程和工作內容。業界已經發出“All in AI”“AI in All”的口號，生成式人工智能對教育的全面變革也終將來臨，甚至人才培養目標的變革已然來臨，“培養什么樣的人、怎樣培養人、為誰培養人”已是教育工作者迫在眉睫不得不思考與著手去變革的現實問題。

AIGC促使教育教學要素發生了全方位的變革，既包括教學主體角色的轉換和重塑、教學目標的調整，以及教學內容生成方式的多元化，還涉及教學過程與評價機制的重塑。首先，教師角色由傳統的知識傳授者轉向引導者和協調者，這一角色轉變的背后是需要對“人智共教”中教師的自我意識與價值實現進行深入思考的。AIGC生成的教學資源對傳統教學中的知識選擇與設計提出了新的認識論挑戰：如何在AIGC內容和傳統內容之間找到平衡，以確保所生成的內容具有教育價值；如何論證、界定AIGC生成的是“內容”還是“知識”，以牢牢把住人類對知識發展的控制權。其次，AIGC改變了師生交互的方式，“人—技術—世界”的技術觀更加具象化，教與學自動化程度的提升將會使得師生互動在技術主導下發生質變，個性化資源可獲得性提升使學生容易對技術產生依賴，削弱其主體性和批判性思維能力。在這種教師的腦力勞動與體力勞動都在一定程度上被技術替代的背景下，必須重新審視教師的情感素養與情感勞動，重視情感在教學中的作用及其與認知的關系，確保教學過程在數字化轉型中依然保留人文關懷，促進學生知識與情感、態度和價值觀的有機融合，培養學生的高階思維能力。最后，在教學評價方面，AIGC在提升評價數據化、精準化程度的同時，也在推動我們反思教育教學評價的標準與價值，AIGC的評價方式更加強調客觀數據的運用，這一變化促使我們思考如何在知識的量化評價與情感、創造力等隱性能力培養之間取得平衡，如何改革作業與評價設計，真正實現“五育并舉”，凸顯教育評價的多維度價值。

總體而言，AIGC引領的教育變革不僅是技術層面的革新，更是教育理念和價值觀的深度轉型。“人智協同”的教學新形態也是漸進轉變的，最終指向的理想狀態是“人智共育”與“人智共學”。只有在實踐中持續關注教育的本質和價值，通過技術與教育的融合發展，才能在數字化轉型中真正實現“以人為本”的教育，充分發揮AIGC的獨特價值。

來源 | 《中國遠程教育》 2025年第4期

作者 | 易凱諭（中國教育科學研究院教師發展研究所助理研究員）；韓錫斌（清華大學教育研究院教授）