生成式人工智能赋能教育数字化转型的逻辑、困境与对策

关键词：教育数字化转型；生成式人工智能；智慧教育；教育治理

中图分类号：G424 文献标识码：A

文章编号：1009-3044（2024）26-0025-03 开放科学（资源服务）标识码（OSID） ：

当下，中国数字化教育展现了自己的“加速度”，打造了自己的“金招牌”。生成式人工智能（简称AIGC） 是引领新一轮科技革命和产业变革的战略性技术，加快发展新一代人工智能，是我国抓住新一轮科技革命和产业升级机遇的关键措施。推进AIGC赋能教育数字化转型，以促进智能技术在教育领域的深度融合、广泛应用和持续创新，通过生成式人工智能技术引领的全面而深入的教育变革，实现对学生学习方式的根本性改变、教师教学方法的创新性转型、学校治理模式的现代化升级，以及对整个教育生态系统的全面优化，是回答“智能时代，教育何为”这一时代命题的必然要求，也是为中国教育数字化转型注入新动能并推动教育数字化战略从“3C”（Connection，Content，and Cooperation） 走向“3I”（Integration，Intelli⁃gence，and Internationalization） 的重要举措。

1 生成式人工智能赋能教育数字化转型的内在逻辑

2022年12月，教育部高教司牵头编制的世界首份高等教育数字化报告《无限的可能——世界高等教育数字化发展报告》，首次将高等教育数字化发展过程划分为转化阶段、转型阶段和智慧阶段。本研究依据报告要旨划分维度，结合国内外高质量研究文献，将二者耦合的层级、内涵加以整理，如图1所示。

1.1 转化层级的技术赋能：支持教与学全流程交互

在教育数字化转型中，AIGC与师生的实时交互是这一工具最基础也是最普遍的应用形式。这种赋能的技术逻辑源于三个方面：首先是自然语言处理（NLP） 技术，AIGC系统可以识别师生语言输入，从而实现语言交流并生成反馈，促进实时的交互。其次是机器学习与智能推荐算法，系统可以根据师生的历史交互数据和个性化特征，推荐相关的教学内容或学习资源，从而提升师生之间的即时交互和学习效果。此外，语音识别技术能够将师生语言转换为文本，实现实时的语音交互。最后是实时通信技术，系统能够集成实时通信技术，例如即时消息传送或视频功能，实现即时交互，提升教学效率和互动体验。因此，AIGC 可以与师生进行实时对话并提供高质量、个性化反馈，推动因材施教理念的实现。

1.2 转型层级的技术赋能：优化教学业务决策

相比于转化阶段的实时交互，转型层级中AIGC 对教学的支持体现在通过全方位、全流程和全主体的数据管理来支持各种教学业务决策。国内外已有诸多研究者竞相探索，如金泰尔（Gentile M） 等[1]发现，随着AI设备支持的可穿戴技术发展，“数字教师”的价值得到提升，建议教师从设计混合式教学环境、提升学习者交互能力、提升学习者AI素养等方面与AIGC形成合力；秦渝超等[2]根据活动理论的生产、交流、消耗、分配4个子系统，提出AIGC与教育数字化的全面耦合路径。基于已有研究成果的综合分析，AIGC能够在教学中帮助完成多模态数据的收集、学习者画像绘制、全流程评价生成、主动预警与干预以及支持教学智能体等任务，智慧教学形态贯穿数据驱动、平台支持、资源配置和智能适应调节等全流程。

1.3 智慧层级的技术赋能：建构智慧教育范式

教育数字化转型的最高阶段为智慧阶段，是迭代与升级的最终目标，教学活动遵循智慧教育范式进行高质量呈现。在智慧教育范式中，AIGC有助于突破教育空间和治理流程中存在的数据流转障碍，同时也需要克服跨学科、跨内容之间的数据流转障碍，以实现以学习者为核心的数据共享和场景整合，从而完成基于技术的教学体系重构。AIGC可以弥补单一学科教师的知识限制，结合并设计跨学科任务和探究性学习项目，帮助学生理清交叉学科内容的要点和逻辑，并采用个人数据画像评价理念来弥补单一学科评价的不足并进行适应性干预[3]。可以预见，智慧教育范式将是教学流程实现全面数据赋能、教学空间实现全面融合、教学课堂结构实现全面协同、教学内容实现跨单元乃至跨学科整合的理想形态。

2 生成式人工智能赋能教育数字化转型的困境

2.1 基础设施限制技术应用

实现生成式人工智能对教育的赋能，首先要解决基础设施建设这一必要前提。基础设施不足对AIGC 的限制主要体现在三个方面：一是网络连接不稳定或速度较慢。由于教育中的技术应用需要依赖于高速稳定的网络连接，然而许多地区的学校或机构可能缺乏充足的网络基础设施，导致技术应用受阻。二是缺乏适当的硬件设备。AIGC通常需要强大的计算能力支持，例如高性能的服务器、云计算资源或专业的硬件设备如GPU，然而许多学校或机构可能无法负担购买和维护这些硬件设备。三是缺乏相关的软件支持和技术人才。部分学校，尤其是中小学，缺乏具备相关技术知识和技能的人才来进行设备的开发、维护和操作，难以构建完善的软硬件支持体系，制约了人工智能在教育中的应用和发展。

2.2 师生数字素养与AI素养滞后

教师和学生的技术能力不足主要体现在三个方面：一是教师需要具备使用AIGC工具的基本技术能力，然而一些老师可能因年龄原因或未接受过充分的技术培训，导致其对新技术的接受和应用能力有限。二是教师需要理解和掌握AIGC在教学中的应用方法，尤其是深入理解AIGC如何个性化教学、提供反馈、分析表现等功能，具备将AIGC与课程内容和教学目标有机结合的素养，实现更有效的教学效果。三是学生群体，尤其是低龄学生群体，对有效利用AIGC工具进行学习可能存在困难，而且学生在使用IT技术过程中可能会被娱乐软件所影响，引导学生形成正确的技术观念也是重中之重。

2.3 数据安全性与算法科学性存疑

使用AIGC赋能教育数字化转型，数据隐私和算法科学性等问题备受关注。在数据隐私方面，AIGC 在教育过程中可能会收集大量个人信息，如学生学习行为、教师教学方法等，然而数据泄露、滥用等问题威胁着个人隐私和信息安全。此外，AIGC系统可能成为黑客攻击的目标，一旦系统被入侵，学生和教师的隐私将面临泄露风险。教育者对AIGC所传递知识的真伪性存在普遍担忧[4]。此外，AIGC算法可能存在偏见和歧视，对特定群体的不公平对待，加剧教育不平等现象。而且AIGC 当前仍处于快速迭代状态，如ChatGPT在4.0新版中增加了动态推展与批量软件嵌入等功能，算法的边界快速扩张意味着存在漏洞与风险的可能性较高。上述关于数据安全性与算法科学性的问题可能使监管和规范面临挑战。

2.4 技术规范体系存在缺漏

AIGC在教育领域的相关技术规范体系的不足，一方面应归因于AIGC应用的迅速普及，导致新型数据保护法规和监管体系尚未完善，另一方面也与各国、各区域数字化发展水平不均有关。在这种情况下，技术领先的公司可能会利用滞后的监管框架以谋取行业垄断或追求市场利益，加剧了数字化教育的不公，导致各地区的政策制定、法规导向和应用标准难以达成共识。由于技术规范的缺失，当前AIGC应用的普及还引发了社会舆论认知的偏差。AIGC复杂的数据训练对教育教学产生了大量噪音数据，使得“生成式知识”的实际价值备受怀疑。规范的缺失也可能加剧师生之间的沟通障碍，阻碍学生培养自我效能、自我管理和元认知等技能。因此，社会舆论对基于AIGC的教学存在着“有教无育”的担忧。

3 生成式人工智能赋能教育数字化转型的对策建议

3.1 硬件支撑：构建教育数字化转型“新基座”

“教育新型基础设施建设是国家新基建的重要组成部分，是信息化时代教育变革的牵引力量。”为了夯实软硬件“新基座”，应从三个方面做足准备：一是政府和相关教育机构应加大对教育科技基础设施的投资，包括网络、计算资源和设备等，以支持AIGC技术在教育中的应用。二是应制定支持AIGC技术在教育中应用的政策，包括提供资金支持、优惠政策和法规框架，以鼓励其在基础设施受限环境下的推广和应用。三是建立与科技公司、学术机构和非营利组织的合作伙伴关系，共同研发解决方案、分享资源和经验，推动AIGC 在教育中的创新应用。值得指出的是，AIGC的发展应遵循一条全球化与本土化应用相结合的路径。本土化意味着在语言文化差异、数据局限性、法律道德监管等方面获得缓冲空间，为本土用户提供更准确的回应，带动本土高新科技经济腾飞，并转化为更多类型的社会价值。技术的“本土化创新”也是讲好“中国故事”的必经之路。

3.2 素养升维：加速师生数字素养与AI素养培育

数字素养与AI素养的不均衡容易造成教育领域的“马太效应”，即“强者愈强，弱者愈弱”，加剧数字化发达地区与落后地区的失衡。在教师层面，学校等教育组织应有意识地培养教师使用新型教育手段的理念，塑造新技术支持下的教师转型典型，引导教师领悟新型技术的可为与不可为，提高他们对数字技术和人工智能的理解和运用能力。在学生层面，技术赋能对学生的高阶思维提出了更高要求。可通过制定课程和教材，将数字技术和人工智能相关内容融入教育教学中，帮助学生建立正确的科技观念和应用意识，辅助学生将AIGC作为助力工具，善于对工具的结论查漏补缺而非沦为附庸，并开设课程讲解工具的各个情境中的导入与产出逻辑链条，这样才能最有效地提升专业技能与核心素养。此外，还可以通过开展科技创新竞赛、组织科技活动等形式，激发师生的科技创新热情。

3.3 技术革新：提升数据安全性与算法科学性

柏拉图所提出的知识三大要素——真实性、可证性与可信性，是公认的知识判定基准[5]。然而，技术改变知识获取路径的同时，也带来了新型信息对知识真实性与合规性的挑战。一方面，知识“黑箱式”的生成流程无法保障知识的准确性。应推动开放透明的算法开发和应用过程，鼓励科研机构和企业公开数据和算法，接受专业机构和社会监督，确保其科学性和公正性，避免出现偏倚和歧视等问题。另一方面，应建立健全的数据管理和隐私保护机制，确保教育数据的安全存储和合法使用。鼓励政校企合作，共同应对数据安全和算法科学性的挑战，同时，加强师生的数据安全意识和算法道德教育，培养他们正确使用和处理数据的能力，提高对算法科学性和伦理性的认识。只有强化数据安全性与算法科学性，才能在保留技术辅助教学价值的同时，尽可能降低其带来的风险。

3.4 规范边界：建立技术应用与评价的标准体系

当前，世界各国纷纷探索技术应用的边界与机制标准。比如，2022年3月，英国教育部在《教育技术：探索学校数字化成熟度》（Education technology： exploringdigital maturity in  schools） 报告中，从技术、能力、战略三个维度编纂了数字化成熟度指标。与之相仿，我国也应在各级各类校园建设中，制定AI技术应用的成熟度标准。具体而言，一是要建立完善的技术规范标准和指导文件，明确AIGC在教育中的应用范围、原则和要求，为相关工作提供明确的指导和依据。二是加强技术监督和评估，建立专业的技术审查机制，对AIGC应用进行审查和评估，确保其符合技术规范和标准，并推动产、学、研各方合作，共同研究和探索AIGC在教育中的规范化路径。三是加强对技术人员和相关从业者的培训和指导，提高其对技术规范的理解和遵守能力。当上述应用桎梏与伦理隐忧得以消解，AIGC与教育的结合将从博弈走向共善，教育数字化转型伟业才能行稳致远。

4 结束语

在数字化浪潮推动下，中国教育迎来了新的转折点，生成式人工智能（AIGC） 作为推动教育数字化转型的重要技术力量，正在引发深远的变革。在加速推进数字教育的过程中，中国不仅锻造了自身的“金招牌”，也通过AIGC提升了科技革命和产业变革的整体速度。然而，要充分发挥AIGC在教育中的潜力，必须克服多重挑战。首先，基础设施是根本，政府和教育部门应加大投入，确保技术应用的稳定性和普及性。其次，师生的数字与AI素养亟须提高，以确保技术在教学中得到有效利用。此外，数据安全和算法的科学性需要通过透明和严格的监管来保障，以消除隐私和伦理隐忧。最后，规范的建立是确保技术与教育深度融合的关键。在多方协作下，中国的教育数字化转型必将在全球化与本土化相结合的路径中实现历史性突破，为世界提供“智能时代，教育何为”的中国答案。