大模型下人工智能生成內容嵌入數字素養教育研究

雷曉燕　邵賓

關鍵詞： 人工智能生成內容； 數字素養教育； 大模型； 智能算法； 知識傳遞

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．０１０

〔中圖分類號〕Ｇ６３２.４； Ｇ２５２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０６－００９９－０９

在全球加速步入數智社會的時代背景下， 先進數字技術深度融合實體經濟的創新發展格局使得不少國家和地區陸續暴露出數字均等化程度與區域發展水平的正向關聯［１］ ， 亟待大力培養公眾的數字化意識、數字技術知識、數字技能和數字化應用能力等。同時， 日益增長的數字內容供給需求與快速突破的深度學習技術共同驅動人工智能生成內容（ＡＩ Ｇｅｎｅｒａｔｅｄ Ｃｏｎｔｅｎｔ， ＡＩＧＣ）廣泛融入科學發現、生產制造與知識傳遞等諸多領域， 逐步形成智能化的數字內容孿生、編輯與創作等多維應用框架， 改善內容生產的流程范式， 支撐數字內容創新發展。鑒于此， 本文在系統梳理數字素養教育的龐大受教群體、復雜教學內容、終身培育需求與參差教學環境的基礎上， 積極勾勒在完整的培育周期內充分嵌入人工智能生成內容的數字素養教學情境、教學資源、教學流程和教學反饋的科學框架， 全方位助力培養受教群體的數字創新思維與數智社會責任感。

１數智化轉型中的數字素養內涵與嬗變

近年來， 社會生產活動與居民生活中廣泛采用數字內容孿生技術、智能數字內容編輯技術和數字內容智能創作技術等實現更為高效、更為智能和更為通用的知識沉淀與決策優化。例如， ＣｈａｔＧＰＴ、Ｊａｓｐｅｒ Ｃｈａｔ、Ｃｈａｔｓｏｎｉｃ 等大規模的對話式人工智能生成工具在拓展創作空間、推進知識傳遞和加快產業數智化轉型中發揮了重要作用。數實融合蓬勃發展的全新場域下迫切需要社會大眾具備深刻理解和合規運用數據資源、數字工具和數字安全措施的綜合能力， 促使數字素養教育呈現出線上與線下、現實與虛擬、人類智慧與人工智能等多態融合的發展態勢。

１.１數智化轉型中數字素養的內涵轉變

“數字素養”（Ｄｉｇｉｔａｌ Ｌｉｔｅｒａｃｙ）最初指代查閱、理解和使用網絡存儲的文本、圖像或視頻信息的能力，大多應用于面向公眾的多態數字化知識和數字技能的培育場景。例如， 數字素養理論奠基人保羅·吉爾斯特（Ｐａｕｌ Ｇｉｌｓｔｅｒ）將之界定為“獲得和使用聯網計算機資源的能力” 并詳細闡釋“數字素養是理解和使用通過計算機呈現的來源廣泛的多態信息的能力”［２］ 。

隨著全真互聯、泛在智能、無限算力等信息科技迅猛發展， 數字產業化和產業數字化轉型的范式變遷日新月異， 持續涌現的新業態和新模式不斷充實數字素養的豐富內涵， 不僅包括云計算、Ｗｅｂ３、深度學習等數字技術知識， 還包括運用高性能計算模塊、泛在操作系統、ＧＰＴ 模型等實現安全無界的知識共創的意識與能力等， 逐漸成為人類化解在生存發展中面臨的系列挑戰的重要工具。國際圖聯（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｆｅｄｅｒａｔｉｏｎ ｏｆ Ｌｉｂｒａｒｙ Ａｓｓｏｃｉａｔｉｏｎｓ ａｎｄＩｎｓｔｉｔｕｔｉｏｎｓ， ＩＦＬＡ）將數字素養描述為一種能夠充分發揮數字工具潛力的能力， 即具有數字素養的主體在工作和生活中能夠有效、合理且充分地使用數字技術［３］ 。美國國際開發署認定數字素養是通過數字設備和網絡技術， 安全適當地訪問、管理、理解、集成、溝通、評估和創建參與經濟、社會和政治生活所需信息的能力［４］ 。中共中央網絡安全和信息化委員會辦公室頒布的《提升全民數字素養與技能行為綱要》中指出， “數字素養與技能是數字社會公民學習工作生活應具備的數字獲取、制作、使用、評價、交互、分享、創新、安全保障、倫理道德等一系列素質與能力的集合”［５］ 。

因之， 數智融合建設背景下的數字素養是在數智環境中收集、理解、整合、使用、創建、傳播、評估各種信息資源及運用數字工具或采取數字安全措施的能力， 以及確保數字合規合理使用的積極態度。數字素養作為數字能力的重要組成［６］ ， 隨著新一代數字技術基礎設施與數據要素市場高速發展， 關涉領域更加廣泛且展示形態更為復雜， 不僅范圍上包括信息素養、計算機素養、通信技術素養等［７］ ， 還在深度上包容了使用ＣｈａｔＧＰＴ、ＮｅｔＯｂｊｅｘ、ＴｒｕｓｔＳＱＬ 等信息通信技術瀏覽、查找、篩選、評估和管理、創建和傳播信息， 以及利用認知和技術技能的能力［８］ ， 重點強調批判性、創造性、開放性、情感性和跨學科的多元思維［９］ ， 逐漸成為復雜場景下多域協同的知識共創的關鍵支撐。

１.２數智化轉型中數字素養教育的結構嬗變

隨著信息基礎設施廣泛覆蓋、數智融合全域升級與社會個體數字技能差距日益擴大， 數字經濟充分發揮支撐整個社會高質量發展的重要作用。“數字鴻溝問題已從先前的接入機會差距轉化為現階段的使用能力差距”［１０］ ， 亟待發揮數字素養教育推動社會數字包容、提升弱勢群體數字能力、促進社會公平的重要價值。我國相繼頒布了《提升全民數字技能工作方案》《“技能中國行動” 實施方案》《２０２２ 年提升全民數字素養與技能工作要點》《數字中國建設整體布局規劃》等， 拉開構建普遍性覆蓋大眾的數字素養與技能發展培育體系的序幕。通過構建適應數字化和智能化發展需求的數字素養教育模型， 積極完善組織主體、教育受眾、教學資源、施教隊伍、教育形式、教學內容和實施方案等， 提高社會公眾的數字化生存技能， 彌合多因素引發的數字鴻溝， 充分釋放數字社會的普惠效應。

數智化發展環境中的數字素養教育積極采用優于傳統素質教育的多元化框架結構， 通過線上與線下相結合、虛擬體驗與真實操作相結合、通識教育與嵌入式專題教育相結合的教學方式， 廣泛傳授數字知識和技能、數字創新能力、數字法律法規與數字倫理標準等。一方面， 日趨數字化的框架結構提高了數字素養教育的運作效率與受眾群體。例如，公共圖書館運用遠程教學平臺開展面向老人兒童、務工人員和其他低收入者等數據弱勢群體的基礎數字知識和技能培訓， 不僅教學雙方投入的時間和物資成本遠遠低于傳統的面授模式， 還使得優質教學資源能夠持續有序地滲透偏遠地區； 另一方面， 日趨智能化的框架結構改善了數字素養教育的教學質量和教學效果。例如， 部分高校圖書館通過知識空間評估和學習平臺（Ａｓｓｅｓｓｍｅｎｔ ａｎｄ Ｌｅａｒｎｉｎｇ ｉｎ Ｋｎｏｗｌ?ｅｄｇｅ Ｓｐａｃｅｓ， ＡＬＥＫＳ）等個性化教學軟件或自適應學習系統分析評估學生的理解能力、表現數據和參與意愿， 進而調整教學內容和課程節奏， 貫徹執行“因材施教” 的教育理念。但是， 基于傳統規模的機器學習算法模型的個性化系統和自適應平臺往往難以輸出精準的評估結果與最優的培養方案。

２大模型下人工智能生成內容的技術解構與應用價值

計算機程序生成“依利亞克組曲” 到實現人機對話的機器人“伊莉莎”， 再到小說“１ Ｔｈｅ Ｒｏａｄ”、詩集“陽光失了玻璃窗”， 以及自動生成圖片的ＳｔｙｌｅＧＡＮ 模型和自動生成視頻的ＤＶＤ－ＧＡＮ 模型，人機協作的生產方式獲得長足發展。尤其是ＯｐｅｎＡＩ公司推出的文圖生成系統ＤＡＬＬ－Ｅ－２ 和ＧＰＴ［１１］ 積極迭代大模型數據處理與跨模態智能算法， 促使人工智能生成內容迅速呈現出多元高效與廉價高質等特征。事實上， 大模型（Ｆｏｕｎｄａｔｉｎｏ Ｍｏｄｅｌ）主要指采取自監督學習模式智能化抽取億級語料或圖像而生成海量參數的基石模型。基于深度自注意力變換網絡（Ｔｒａｎｓｆｏｒｍｅｒ） 設計的系列預訓練生成模型（Ｇｅｎｅｒａｔｉｖｅ Ｐｒｅ－ｔｒａｉｎｉｎｇ Ｔｒａｎｓｆｏｒｍｅｒ， ＧＰＴ）是通過在超大規模文本語料庫進行無監督的預訓練來掌握自然語言的語法、語義和模型， 并經人類反饋強化學習（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ ｗｉｔｈ Ｈｕｍａｎ Ｆｅｅｄｂａｃｋ，ＲＬＨＦ）微調應用到特定任務的自然語言處理模型，具有低耗性、真實性、多樣性、組合性和穩定性等顯著優勢。

２.１大模型下人工智能生成內容的技術解構

最初的人工智能生成內容是依據預先設定的規則模型輸出簡單的文本、圖形或音頻數據， 并不具備強大的自主學習能力。小模型下智能算法生成主要是在訓練特定領域的有限量級數據的基礎上自動輸出模態單一、機械刻板且錯漏較多的結果內容。直至深度神經網絡搭建起超大規模和超多模態的復雜結構， 流模型、強化學習、擴散模型等自主學習范式獲得長足發展， 人工智能生成內容才用于指代使用生成式對抗網絡和大型預訓練模型等理解輸入內容的含義與上下文的關聯關系， 進而自動生成靈活清晰、語法正確且文本一致的“不僅包括常見的圖像、文本、音頻等外顯性內容， 同樣也包括策略、劇情、訓練數據等內在邏輯內容” 的創新生成方式［１２］ 。

大模型下跨模態人工智能生成內容的覆蓋范圍大于生成式人工智能（Ｇｅｎｅｒａｔｉｖｅ ＡＩ， ＧＡＩ）， “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”［１３］ 。按照生成內容與輸入數據的依附關系，可以分為基于線索數據的部分生成、完全自主生成和基于底稿數據的優化生成等。例如， 運用跨模態的智能算法提煉補強零散缺漏的新聞推送或社交媒體數據， 自動生成高質量的新聞標題、摘要和具體表述。按照生成內容與人類活動的交互狀況， 可以分為輔助人類的助手式生成、協作人類的共生式生成、獨立于人類的原創式生成。例如， 智能投顧和對話式搜索引擎等大規模的跨模態智能算法模型的下游應用場景均是輔助人類生產生活的重要助手。按照生成內容的展示形式， 可以分為文本生成、圖像生成、音頻生成、視頻生成以及跨模態生成。例如， 依據文字信號智能模擬復雜的創作規則， 自動生成圖像表達。按照生成內容的應用場景， 可以分為科技生成、教育生成、生產生成、商業生成、生活生成等。又如， 制造行業運用大規模的跨模態智能算法模型生成工業設備和工廠生產線的數字孿生系統， 通過對體現物理世界中自然屬性和社會屬性的海量輸入數據的語義理解與屬性控制加速產業數字化進程， 助力現實供給能力快速迭代。

２.２大模型下人工智能生成內容的應用價值

隨著深度神經網絡加速呈現出多模態與大模型發展態勢， 人工智能生成內容不再需要大量預訓練數據集且全面提升輸出結果的適配度， 不僅能夠以超出人類的知識儲備與復刻能力自動完成重復耗時的基礎性機械勞動， 而且以ＣｈａｔＧＰＴ 為代表的新一代生成式人工智能應用的信息挖掘、數據調用、自主創作等能力迅速提升， 逐步以更具創意的低耗高效方式滿足海量參與主體的個性化需求。“未來十年， 人工智能生成內容將顛覆現有內容生產模式， 可以實現以十分之一的成本， 以百倍千倍的生產速度， 去生成人工智能原創內容”［１４］ 。

數實融合的創新時代中跨模態智能算法模型通過多維融合的內容創建、自然得體的社交互動和精準全面的決策輔助等塑造具有豐富想象力和多樣化的內容生成敘事模式， 突破性執行各種復雜任務，促進數字經濟發展， 推動海內外科技巨頭進一步爭相布局人工智能生成內容的應用市場。微軟公司緊急將ＣｈａｔＧＰＴ 技術整合到Ｂｉｎｇ 搜索引擎和Ｅｄｇｅ 瀏覽器； 谷歌公司加快推出基于自研的大型語言模型ＬａＭＤＡ 的對話機器人Ｂａｒｄ； 百度公司加緊內測基于文心大模型的生成式對話產品“文心一言”。２０２２年以來， 超大規模的跨模態人工智能生成內容迅速展現出巨大的應用潛力。例如， 基于人工智能生成技術的文本審核校對、編讀互動交流和個性化閱讀推薦等助力圖書出版行業健康有序發展。又如， 智能算法跨模態生成融合圖文、音視頻、數字人等的虛擬教學場景， 采用仿真的師生數字化身合成生動的課程對話系統， 提供大量具有交互性和適應性的個性化教育資源， 大幅拓展教學資料的輻射邊界，充分激發廣大受教者的參與熱情， “未來的教育將進入教師與人工智能協作共存的時代， 教師與人工智能將發揮各自的優勢， 協同實現個性化的教育、包容的教育、公平的教育與終身的教育， 促進人的全面發展”［１５］ 。

３大模型下人工智能生成內容嵌入數字素養教育的模塊組成

隨著數智時代中數據總量持續增長與數據內容日益豐富， 數字素養逐漸成為社會大眾的基本生存技能， 至少涵蓋了數字意識、數字能力、數字技術、數字化應用、數字社會責任等多維因素。全面勾勒和集中實現數字素養的教學目標、教學內容、教學方法和教學評價等， 亟待充分發揮基于ＧＰＴ 和ＢＥＲＴ 等大規模預訓練模型的長周期人工智能生成內容在教育數據捕獲、識別、判斷、評估、反思、組織管理、知識創新中的重要作用， 助力搭建和完善虛實融合的數字素養情境教學模塊、智能處理的數字素養教學資源模塊、數智協同的數字素養教學流程模塊與數據驅動的數字素養教學反饋模塊， 持續提升數字素養教育中受教群體的創造力、批判力和生產能力［１６］ ， 逐步構建具有本土特色的全民數字素養終身培育機制。

３.１虛實融合的數字素養情境教學模塊

傳統的數字素養教育模式長期受到人力、物力、時間和空間等資源限制， 難以建構具有深層認知引導與廣義互動敘事能力的情境教學模塊。超大規模的人工智能算法模型實時連續生成的虛實融合的多樣化教學場景能夠打破時空局限， 通過泛在應用的數字孿生技術和深度數據分析系統標注師生群體在模擬現實世界的虛擬環境中細化展現的行為信息與能力、生成式教學工具與教學資源的實時狀況等，逐步勾勒并主動執行多樣化和個性化的高質量數字素養教學方案。同時， 跨模態的人工智能算法模型生成的數字素養教學案例具有較強的連貫性、一致性、趣味性與交互性， 往往通過積木式素養實踐知識模塊提升受教者在數字獲取、數字交流、數字倫理、數字安全、數字規范等方面的綜合實力。例如，積木ＡＩＧＣ 虛擬教學場景生產系統能夠基于自適應的實時算法分析結果持續自動生成符合當前數字素養教學具體內容并充分考慮下一階段教學方案的各種沉浸式教學場景。又如， 基于人工智能生成技術的數字虛擬師生系統自主實時地全面分析對象主體的個性化特征與符合不同數字素養教學內容的形象表達， 持續結合個體行為信息變化隨時微調虛擬形象的海量參數， 提升數字素養教學情境的虛實融合程度， 增強師生群體的沉浸體驗。

３.２智能處理的數字素養教學資源模塊

數字素養教育是面向社會大眾的終身培育， 不僅需要耗費巨大的人力和物力建設， 以及維系常態化的全民培訓機制， 還長期面臨著難以跟上數字技術及其廣域應用的迭代速度的重大難題。ＧＰＴ－４、Ｍｅｇａｔｒｏｎ－Ｔｕｒｉｎｇ 等生成式人工智能模型有序嵌入數字素養教育領域， 通過匯集使用來源復雜、獲取及時、內容豐富的訓練數據， 自動生成可量化的數字素養知識標注體系， 進而搭建交互式的個性化數字素養教學資源推薦框架， 優化利用數字素養教育中授課教師資源和教學工具資源， 在一定程度上緩解了數字素養教育中施教主體嚴重不足的現實困難，避免教學資源緊缺下的考核主觀性與隨意性， 逐漸形成智能處理的數字素養教學資源模塊。例如， 嵌入對話式大規模語言模型ＣｈａｔＧＰＴ 等ＧＰＴ 架構的下游應用， 通過超大規模的學習模型降低數字素養教學數據訓練難度， 更為精準地理解上下文的關聯性并總結提煉信息， 加強內容生成算法的可控性，在持續挖掘生成數據與真實數據細微差異的基礎上， 反饋提升生成內容的清晰度與真實性， 引領數字素養教學資源相關搜索處理與知識傳遞的代際變革。

３.３數智協同的數字素養教學流程模塊

基于ＤＡＬＬ－Ｅ－２ 等多模態大模型的人工智能算法生成通過抽取數字素養線上教學和線下教學的過程數據以及施教者和受教者的行為數據、認知數據、情感數據等全方位勾勒師生畫像， 搭建嵌入ＣｈａｔＧＰＴ、Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 等生成式人工智能插件的兼具數字化和智能化的數字素養教學流程模塊，智能化實時進行數據檢索、知識庫信息傳遞或代表用戶執行各種操作， 自動生成數字素養教學流程設計、教學工具安排以及個性化的問題解答和試題評語， 持續改善數字素養專題教育、通識教育、教學培訓、項目實踐和教學游戲等的內容、節奏和難度，既充分尊重受教者的選擇權， 又通過技術手段引導其按照合理的節奏構筑學習路徑， 培養自主學習和解決問題的能力和意識［１７］ ， 還確保受教者能夠持續獲得具有針對性的數字素養教學指導［１８］ 。例如，基于ＧＰＴ－４ 模型的Ｏｆｆｉｃｅ Ｃｏｐｉｌｏｔ 工具［１９］ 助力自動生成數字素養教學中海量方案文檔、統計圖表、演示文稿等， 大幅提升數字素養教學流程的效率和質量。

３.４數據驅動的數字素養教學反饋模塊

傳統的數字素養教學評估系統采用具有固定難度系數的反饋測試機制， 難以有效揭示受教者的個人能力、參與意愿與學習風格。跨模態的人工智能生成內容嵌入數字素養教學反饋模塊， 能夠高效處理海量關聯數據， 進而揭示不同施教者在數字素養教學中的個人習慣、教學內容上的細微差別以及差異化教學經驗， 從而構筑更為公平的教學成效評估標準與內容反饋機制［２０］ 。例如， 以安全為中心的ＣｈａｔＧＰＴ 插件系統嵌入數字素養教學反饋模塊， 通過持續穩定地連接網絡瀏覽器、代碼解釋器和Ｓｌａｃｋ、Ｓｐｅａｋ、Ｗｏｌｆｒａｍ 等第三方應用程序［２１］ ， 迅速挖掘受教者的表現數據、偏好數據、需求數據和能力數據， 基于自動生成的個性化數字素養學習情況分析中反映的異常行為和潛在問題， 從相關的海量題庫數據中抽取特定技能標注、知識點標注和學習風格標注， 進而更新數字素養教學反饋模塊涉及的人工智能生成算法模型， 改善自適應學習系統，克服傳統的訓練數據過于陳舊、邏輯計算復雜錯漏、數據分析與可視化能力不足、定性與定量數學問題處理困難、對話互動過于單一等缺陷， 成為數據驅動的數字素養教學反饋模塊的重要支撐。

４大模型下人工智能生成內容嵌入數字素養教育的具體風險與應對策略

大模型下人工智能生成內容嵌入數字素養教育的創新實踐在助力搭建虛實融合的數字素養情境教學模塊、智能處理的數字素養教學資源模塊、數智協同的數字素養教學流程模塊與數據驅動的數字素養教學反饋模塊的同時， 亦暴露出一系列具體風險，亟待完善相應的風險糾偏策略體系。

４.１大模型下人工智能生成內容嵌入數字素養教育的具體風險

數智時代中大模型和多模態發展趨勢下， 人工智能生成內容嵌入數字素養教育的教學資源模塊、教學流程模塊、教學反饋模塊和情境教學模塊的過程中逐漸暴露出復雜生成的錯漏風險、技術生成的誠信風險和生成內容的侵權風險等一系列具體的共性風險。

４.１.１復雜生成的錯漏風險

數字素養教育的教學資源、教學流程、教學反饋和情境教學等模塊在嵌入人工智能生成內容的過程中需要積極處理不同來源、不同任務、不同模態的訓練數據， 甚至多角度嘗試從海量教學場景和多元教學主體中分析歸納隱含特征與多樣規律。內部結構復雜的黑箱式運作機理和因果邏輯導致難以向師生群體提供清晰易懂的運行說明和具體依據。同時， 嵌入Ｌｅｎｓａ、ＧＰＴ 等模型的數字素養教學資源模塊、教學流程模塊和教學反饋模塊中復雜算法的運行容易受到數據、模型和訓練方法等因素的干擾，即便是少量隨機噪聲的輕微擾動， 亦有可能導致不符合數字素養教育規律的不可控的安全隱患與隨機偏見（如錯誤評估受教者的學習狀態或持續推薦非必要的教學資源）， 往往誤導施教者或受教者， 嚴重影響數字素養教育的教學效果和教學效率， 導致教學雙方極度不信任、缺乏透明度的生成過程。

４.１.２技術生成的誠信風險

大規模的多模態人工智能生成技術在嵌入數字素養教育的情境教學模塊、教學資源模塊、教學流程模塊和教學反饋模塊的過程中難以保證輸入的海量訓練數據的精準性、及時性和全面性， 在提高內容生產效率的同時存在質量風險。同時， 數字素養教學效果的監測評估中， 格外強調寫作能力是評測和展示受教者的知識儲備、理解能力和表達技巧的關鍵環節。近期， ＣｈａｔＧＰＴ、ＧｉｔＨｕｂ Ｃｏｐｉｌｏｔ、ＤｒｅａｍＵｐ 等人工智能內容生成工具被數字素養教育的受教者悄然用于作業輔導、簽到仿冒和成果造假。這一技術生成內容嚴重威脅學術誠信的惡劣現象， 不僅迫使數字素養教育的施教群體重點關注人工智能生成技術尚不具備的創造力、溝通力和批判力， 還反向促進了行業級人工智能生成文本圖片或音視頻內容的檢測工具的迭代更新［２２］ 。

４.１.３生成內容的侵權風險

人工智能生成技術積極嵌入數字素養教育的教學資源、教學流程、教學反饋和情境教學等模塊涉及的算法訓練的數據準備， 包括數量眾多、來源各異、權屬不同的數據類型， 訓練過程存在侵害個人信息權、數據隱私權和傳統版權等諸多風險。例如， Ｏｐｅｎ ＡＩ 公司被弗朗西斯科·馬可尼（ＦｒａｎｃｅｓｃｏＭａｒｃｏｎｉ）等媒體人士強烈譴責未經授權大量使用衛報、路透社、紐約時報等新聞文章訓練ＣｈａｔＧＰＴ模型且從未支付任何費用［２３］ 。同時， 大模型下人工智能生成內容嵌入數字素養教育完整流程的核心環節是自動輸出復雜數據， “本質上屬于信息， 實為信息權利之對象”［２４］ ， 其權利歸屬一直是學界爭議焦點。從“人工智能的生產商為開發產品投入了資金， 因此人工智能生成內容的著作權應當歸屬于生產商”［２５］ 到將文字內容相關權益賦予軟件開發者［２６］ ， 存在較大風險。例如， 蓋帝圖像（Ｇｅｔｔｙ Ｉｍ?ａｇｅｓ）已經起訴Ｓｔａｂｉｌｉｔｙ ＡＩ 公司在人工智能圖像生成工具Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 的數據訓練中非法使用該站點數百萬張圖片， 嚴重侵害知識產權和商標權［２７］ 。

４.２大模型下人工智能生成內容嵌入數字素養教育的風險對策

面對數智時代中大模型與多模態發展趨勢下，具有跨時代意義的人工智能生成內容嵌入數字素養教育的教學資源、教學流程、教學反饋和情境教學等模塊的過程中反映出的一系列具體的共性風險，亟待通過采用可解釋的偏離模型、強化生成風險的流程治理以及構建以人為本的人機協同等細化措施， 大力推動數字素養教育的蓬勃發展。

４.２.１采用可解釋的偏離模型

充分發揮人工智能生成內容在數字素養教學資源、教學流程、教學反饋和情境教學等模塊中的重要作用， 亟待優化和完善模型標注邏輯， 尤其是主動偏離訓練數據。適度偏離的模型架構能夠確保輸出內容與訓練數據具有明顯的偏差值， 避免生成結果侵害輸入原始資料的版權。同時， 亟待依據數字素養教育的復雜特征， 加強Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ、Ｃｈａｔ?ＧＰＴ 等生成式智能工具在嵌入方式、嵌入流程與嵌入結果等方面的可解釋性。

４.２.２強化生成風險的流程治理

全面推進數字素養教育的情境教學、資源獲取、流程優化和有序反饋的過程中， 為了避免人工智能生成錯漏內容或侵害合法權益， 有必要建立人機雙審的內容審核機制， 落實內容治理主體責任。通過完善人工智能算法的運作管理， 切實防范數字素養教育的教學資源、教學流程、教學反饋和情境教學等主要模塊中嵌入人工智能生成內容帶來的人身侵害和財產損失， 提高風險預測預警和應急處置能力。例如， 公共圖書館在應用數智化的文圖生成系統的過程中， 應當及時通過線上平臺和線下渠道發布海量訓練數據的收集和存儲信息， 并為輸入資料的版權人提供便捷的作品檢索與退出機制， 切實保障權利人的知情權與選擇權。又如， 基于ＧＰＴ－４的Ｂｉｎｇ Ｃｈａｔ 工具內嵌了保證信息來源可靠真實的基本原則和采用安全模式的基礎要求， 廣泛應用于數字素養教學流程管理將更有效地防范生成風險［２８］ 。

４.２.３構建以人為本的人機協同

人工智能生成內容嵌入數字素養教學資源、教學流程、教學反饋和情境教學等主要模塊的良性發展需要積極秉持以人為本的人機協同理念。通過明確的戰略政策引領， 積極構建對標國際又具備中國特色的數字素養核心框架， 充分運用人工智能生成內容完善問題導向型的教育規劃和實施邏輯， 通過大規模的多模態人工智能算法模型生成豐富的數字素養教育的交互任務、交互環境與交互體驗， 提高施教者的工作能力， 改善受教者的學習狀況， 逐步構建以人為本的人機協同數字素養教育生態系統。

５結語

在全球數字生態建設迅速滲透人類社會每一個角落的時代背景下， 數字素養已經成為提振國家核心競爭力的重要因素與個人生存發展的基本能力要求。面對數字科技加速迭代與推進全民數字素養教育缺乏師資和物資支撐的艱難局面， 亟待充分挖掘大模型下人工智能生成內容嵌入數字素養教育的情境教學模塊、教學資源模塊、教學流程模塊和教學反饋模塊等的助推意義與具體路徑， 積極抽取訓練情境描述數據、策略規則數據、學習風格表征數據、知識結構描述數據、認知能力表征數據等， 聚合構建數據驅動、智能處理、虛實融合的數字素養教育的內容生成規則庫和情境知識庫， 持續提升受教群體的創造力、批判力和生產能力［２９］ ， 亦時刻警惕、積極避免并全力救濟人工智能生成技術嵌入數字素養教育的情境教學模塊、教學資源模塊、教學流程模塊和教學反饋模塊等過程中復雜生成導致的錯漏風險、技術生成引發的誠信風險以及生成內容侵害他人權益的風險， 逐步構建全民獲益的智能化數字素養終身培育體系， 推動數字社會健康有序發展。