人機共創：基于AIGC的數字化教育資源開發新范式

萬力勇 杜靜 熊若欣

2022年是AIGC（Artificial Intelligence Generated Content）火爆出圈的一年，其標志性事件是OpenAI 發布大語言模型應用ChatGPT（蔡子凡等，2023）。ChatGPT除了具有交互式問答的優勢外，還可以實現代碼生成、論文寫作、詩詞創作、新聞寫作、音樂創作等多場景任務。全球各大科技企業都積極擁抱AIGC，不斷推出相關技術、平臺和應用，如谷歌的Bard、百度的文心一言、阿里的通義千問等。當前，AIGC 已率先在傳媒、電商、影視、娛樂等行業得到創新性應用，其在教育領域的應用前景也倍受學界和業界關注。教育領域中與AIGC 應用最為契合的當屬數字化教育資源建設與開發。AIGC 作為人工智能時代內容創作的變革性工具之一，為解決數字化教育資源開發中的瓶頸問題提供了新的思路和解決方案。在AIGC 場景下，人機共創將成為數字化教育資源開發的新方向。本研究試圖對基于AIGC的數字化教育資源人機共創的可能性和必然性進行分析，對基于AIGC的數字化教育資源人機共創范式內核、人機共創框架及流程進行闡釋，以期為數字化教育資源開發者和相關研究者提供借鑒和參考。

一、基于AIGC 的數字化教育資源人機共創何以可能

1.數字化教育資源開發的演進歷程與發展趨勢

我國數字化教育資源開發在演進歷程上，按開發主體的不同，可分為政府開發模式、市場開發模式、公益開發模式和自主開發模式四種。政府開發模式是指由政府部門主導并推動的開發，所開發的資源依托國家級、省級、市縣級等各級資源平臺，形成了較為完整的數字化教育資源供給網絡。市場開發模式是指以市場機制為推動，依靠企業、出版社等多方力量開發數字化教育資源的方式（柯清超等，2018）。公益開發模式是由社會性非營利組織或個人開發資源，旨在擴大優質資源受益面。而自主開發模式則是指各級各類學校根據自身特點自主開發校本化、地方性教育資源的一種方式。

開發與共享是資源建設過程中相輔相成的兩個環節，其往往能形成聯動效應。按共享模式的不同，我國數字化教育資源開發主要經歷了共建共享、公建共享、共創共享三個發展階段。共建共享是指借助現代信息技術，在一定范圍內共同開發資源，基于資源共享平臺以免費或適當收費的方式供師生使用（錢冬明等，2013）。公建共享強調由政府承擔頂層規劃、資金投入和統籌協調的主體責任，統整各方數字資源建設主體，最終形成集資源生成、管理服務、推送配置和使用反饋等于一體的數字化教育資源建設機制（趙曉聲，2015）。共創共享則強調以多方資源開發主體協同共創為理念，以滿足師生個性化資源需求為導向，借助數字化教育資源共創平臺，開展數字化教育資源的協作開發、實時發布、迭代優化和高效共享（王曉晨等，2016）。

若按資源內容生成模式的不同，數字化教育資源在演進上又可分為專業生成內容、用戶生成內容、AI輔助生成內容和AI生成內容四個階段。專業生成內容（Professional Generated Content，PGC）是由專業個人或團隊有針對性地開發具有權威性的、制作精良的教育資源。用戶生成內容（User Generated Content，UGC）泛指用戶將自己原創的內容通過互聯網平臺進行展示，是Web 2.0環境下的一種個性化內容創作與組織模式（萬力勇等，2014）。AI 輔助生成內容是指互聯網用戶或專業團隊在AI 的協助下生成內容。AI 生成內容亦即AIGC，是AI 輔助生成內容在技術上的進一步發展，其終極目標是AI 脫離人的輔助直接自動、自主生成內容，從而大幅提升內容生成效率。不過，AIGC 在數字化教育資源開發領域的應用尚處在理論探討層面，目前尚無相關實踐案例。

通過對我國數字化教育資源開發的演進歷程進行梳理，可以發現，我國數字化教育資源開發歷經多年發展，在資源開發模式上已較為成熟，整體呈現出多方開發主體協同、多類用戶參與、多種共享模式共存的資源開發特色。但現有資源開發模式仍存在一定的瓶頸，首先是資源體量還不夠大，資源類型還不夠豐富，無法完全滿足數字化時代師生對資源的多樣化和海量化需求。其次是資源開發效率有待提高，目前的資源開發主要以人工開發為主，需要耗費大量的人力、物力和時間。再次是資源質量難以完全得到保證，尤其是在多用戶共創共享、用戶生成內容等資源開發模式下，更容易出現資源質量參差不齊等問題，資源開發方需投入大量的成本進行資源質量監控和內容審核。

隨著AI 在新聞寫作、劇情續寫、視頻剪輯、語音生成等領域的廣泛應用，資源開發者與AI 進行人機共創，將成為數字化教育資源開發領域新的發展趨勢，有望解決當前數字化教育資源開發中體量、效率和質量等方面存在的問題。在人機共創模式下，一方面，AI 內容生產將推進數字化教育資源的批量化、海量化和高效化開發；另一方面，資源開發者可以從傳統資源開發工作中解放出來，扮演資源質量把關者、資源開發協同者、資源內容共創者等角色，不斷激發自身創造力，使資源開發過程更具科學性、協同性和創意性。

2.AIGC在內容生成方面具有技術優勢

AIGC 的發展源于算法、數據和算力的綜合提升，相較于PGC與UGC而言，AIGC運用大量基礎算法模型，突破內容生成類型與效率上的限制，使得內容生成走向自動化和智能化。

在算法層面，AIGC 算法模型不斷獲得突破。Transformer 模型、Diffusion模型等基于深度學習算法的模型相繼出現，并被運用于自然語言處理領域。2023年3月發布的GPT-4，其模型具備強大的識別能力，允許用戶指定視覺或語言任務，并具備長內容創建、擴展會話、文檔搜索和分析等功能。在數據層面，當下的Web3.0 數據資源同時具有海量化、智慧化、多模態、自組織等多重屬性，為AIGC 的持續發展提供了強有力的數據“原料”保障。在算力層面，以ChatGPT為例，AI算力是其模型訓練與產品運營的核心基礎設施，從GPT 大模型的三次歷史迭代可知，OpenAI 的GPT、GPT-2和GPT-3 的參數量從1.17 億增加到1750 億，這表明AI 的算力不再是傳統算力，而是“智能算力”，即以多維度的“向量”集合作為算力的基本單位（朱嘉明，2023）。

相較于PGC和UGC而言，AIGC在內容生成方面具有天然優勢：第一，自動化內容創作與生成。預訓練模型技術大幅提升了AIGC 模型的通用化能力和工業化水平，同一個AIGC 模型可以高質量地完成多樣化的內容輸出任務（胡曉萌，2023），實現內容生產與服務的自動化。第二，多模態信息融合與交互。多模態融合是指將多種感官進行融合，而多模態交互是指人通過多種通道與計算機進行交流（袁鳴等，2023）。隨著算法模型的持續迭代升級，AIGC 技術正朝向多模態信息融合、跨模態內容生成、智能化場景落地快速發展，多模態信息融合與交互正成為AIGC區別于傳統UGC和PGC的顯著技術特征。第三，具備認知交互能力。輸入輸出是人與機器交互的底層邏輯，傳統技術環境下，人與機器的交互主要通過鍵鼠、觸控等方式來實現（李白楊等，2023）。而AIGC 的出現則為人與機器的溝通帶來更為多樣化和便捷化的交互方式，通過文本對話交互、語音交互等方式可模擬人類對話過程，使機器交互能力上升到類人化層面，從而使其在交互感知和交互手段上更具先進性。

3.AIGC與數字化教育資源人機共創的契合性

基于AIGC 的內容生成特點及技術優勢，其與數字化教育資源人機共創具有極高的契合性，具體體現在如下三個方面：

第一，AIGC 已具備與人類進行資源共創的潛力。AIGC 發展到現在已具有極強的內容生成能力，這種生成能力使其可以在資源內容創作中大展拳腳。AIGC 能夠以優于人類的信息生成能力和知識水平承擔信息挖掘、素材調用、復刻編輯等基礎性工作，從技術層面實現以低邊際成本、高效率的方式滿足海量數字化教育資源的生成需求。同時AIGC 能夠創新內容生產的流程和范式，推動教育資源開發向更有創造力的方向發展。其在內容生產領域即將實現三大技術突破：一是智能數字內容孿生，即建立現實世界到數字世界的映射，在將現實世界中的物理屬性和社會屬性進行數字化的同時，對現實世界中的內容進行智能增強與智能轉譯，以實現現實世界內容到數字世界內容的高質量映射。二是智能數字內容編輯，即通過數字內容的語義理解和屬性控制兩類技術來實現對內容的修改和控制，同時利用數字世界高效率仿真和低成本試錯的優勢，為現實世界內容生成提供快速迭代。三是智能數字內容創作，其主要目標是讓人工智能算法具備內容創作和自我演化的能力，實現從基于模仿的內容生成向基于概念的內容生成轉變（中國信息通信研究院，2022）。這三大技術突破均會對數字化教育資源內容及形式的創新產生顯著推動作用。隨著大模型相關技術的發展，AIGC 在創造性內容生成方面已表現出一定的潛力。以ChatGPT為例，它作為“通用語言模型”的表現已經超過了專用語言模型，能夠適應不同的任務情境，根據任務情境生成個性化內容（鄧建國，2023）。此外，ChatGPT 除了能完成傳統的模式化內容生成外，還可以模擬人類的創作過程，創造小說、詩歌、戲劇、計算機代碼，進而實現更加高效的創作方式和更加多樣化的內容生成。

第二，AIGC 本質上是人機互動生成的過程。目前AIGC 尚不具備完全自發自主生成內容的能力，其內容生成主要以人類的輸入為前提，根據人類的輸入請求生成并輸出個性化內容。以ChatGPT為例，其通過自然語言理解來與人類用戶對話，通過考慮上下文信息、語義理解來生成人類所需的內容。因此，提問措辭要具體精確和具有創造性（鄧建國，2023），避免使用模糊的術語和含糊的語言，以及避免使用過于主觀、帶有偏見或結構過于復雜的問題。這表明能否向AI提出一個好的問題，能否與AI進行高質量的互動，是確保AIGC生成高質量資源內容的前提所在。這也從一個側面證實，AIGC本質上是人機互動生成的過程，人機共創理念也順應了這一內容生成機制的發展。

第三，AIGC生成高質量資源離不開人的審核把關。盡管AIGC使用了先進和高精度的自然語言處理技術，具備達到人類創作水平的潛能，但目前在內容深度、廣度和整體質量方面仍存在不足，甚至還有可能包含語言冗余和事實方面的錯誤。OpenAI曾公開表示，ChatGPT有時會寫出看似合理但不正確或荒謬的答案，其原因可能是在強化學習訓練期間，沒有獲得真實的信息來源；訓練模型的謹慎導致它拒絕回答本來可以正確回答的問題；監督訓練可能會誤導模型，因為理想的答案取決于模型知道什么，而不是人類知道什么等（OpenAI，2022）。因此，AIGC要生成高質量的數字化教育資源，離不開人類對資源內容的質量審核與把關。以ChatGPT 為例，人類可以對其生成的內容進行整合、重組、駁斥、修改和潤色等，最終使這些內容達到高質量水平（鄧建國，2023）。相關報道指出，從試用ChatGPT的結果來看，它已具備了一定的創作能力，但與專業人員的寫作水平仍存在一定差距，如果得到人類作者的修改和編輯，將可能達到專業化水平。比如，2022年，英矽智能創始人兼首席執行官Zhavoronkov博士在學術期刊Oncoscience 上發表了一篇文章，將ChatGPT列為共同作者，原因是該文章中的大部分內容由ChatGPT生成，Zhavoronkov重點對ChatGPT生成的觀點進行了審核與把關。

二、基于AIGC 的數字化教育資源人機共創范式內核

1.人機共創的理念

人機共創即人與機器以協同合作的方式共同創作內容，人機各自承擔相應的創作任務。人機共創的理念基礎是人機協同，人機共創的理想和終極狀態是人機共生。

簡言之，人機協同就是人與機器相互協作，二者取長補短，共同認識、共同感知、共同思考、共同決策、共同工作、互相理解、互相制約和監護（毛剛等，2021）。人機協同不是人類智能和機器智能的簡單相加，而是一種人機融合的智慧，其目的是讓機器智能成為人類智能的拓展和延伸（高瓊等，2021）。在價值論層面，人機協同系統可替代人類的部分工作，將人類解放出來，讓人類有精力投入其他更富有創造性的工作（方海光等，2022）。在倫理層面，人機協同是對人與技術和諧統一和平衡狀態關系的表述，體現了工具理性與價值理性的統一（杜娟，2019）。隨著人工智能技術的發展，人機協同中的“機”已經超越了計算機等一般機器的范疇，而且機器在與人的互動中不斷提升其智能化水平，人機協同正在向人機共生的高級形態發展（毛剛等，2021）。

人機共生這一理念源于生物學領域中的共生理論。共生理論認為，共生是不同種屬的生物按某種物質聯系共同生活，按其共生行為方式可劃分為偏利共生、偏害共生、互利共生等類型（張學軍等，2020）。共生現象不只存在于生物界，同樣也存在于社會、經濟、政治、教育等領域。人工智能領域的“人機共生”是一種對人類和機器之間合作互動的理想化預期，即通過人與機器之間的和平共處和合作耦合，實現人與機器的和諧相處、共同進化（王一巖等，2022）。人機共生同樣強調人機之間的雙向“互利”，即利用人類智能和機器智能之間的互補性，將二者結合起來實現共創價值最大化（于雪等，2022）。

2.人機共創的三大原則

原則一：人與機器互促。在人機共創過程中，機器的優勢體現在內容生成的速度、效率和體量上，能為內容創作快速提供適切的內容和信息；人的優勢體現在創作者能合理把握內容創作的方向、構思的深度、內容的結構與形成過程，并且具有個性化創意能力。人與機器互促體現為二者充分發揮各自優勢促進內容的創作與生成。機器所生成的內容可作為內容創作者創作時的參考，內容創作者充分發揮運籌、構思和創意能力，對機器生成的內容進行優化重組。與此同時，機器也能以人的創作過程為基礎不斷對其算法模型進行訓練、迭代和優化，不斷向人類學習，提升其內容創作能力。

原則二：人與機器互信。信任是人機合作的前提。在某些規則清晰、明確且可以良好定義的領域，將工作交給機器去做可能比交給人類做更放心（何文濤等，2023）。同時，人機互信是人機協同發展的重要基礎。諸多實踐已然證明，人類和智能機器可以共同完成彼此無法獨自完成的復雜任務，智能機器是人類的學習伙伴，而不是工具媒介。因此，實現人機共創的前提是人與機器要加強互動和合作，人機之間要保持充分的信任關系，達到人和機器各司其職、彼此協同、深度合作。

原則三：人與機器互補。在人機共創過程中，智能機器和人類要融合各自的長處，彌補彼此的弱點，增強彼此生成內容的能力。當前，機器在算法和模型上存在的“天生”弱點導致其在互聯網上生成信息的質量參差不齊（何文濤等，2023），此時便需充分發揮人的批判性思維和信息鑒別能力，對這些信息進行判斷、過濾和篩選，以保證機器生成內容的質量。同時，機器快速處理和生成信息的能力也可以幫助人類提高工作效率。因此，人機共創必須遵循人與機器優勢互補的原則，揚長避短，提升人機共創內容的質量和效率。

3.基于AIGC的數字化教育資源人機共創原理

第一，基于AIGC 的數字化教育資源人機共創是系統化的人機協同過程，其旨在融合人的智慧和機器的智能以形成超越人機各自智能的新型資源開發形式。資源開發者與AIGC 協同合作所產生的整體效能由人機各自發揮的效能和二者相互作用產生的協同效能之和組成，產生“1＋1＞2”的效應。在此過程中，AIGC 作為技術人造物，與資源開發者共同形成了數字化教育資源建設中人機“雙主體”格局（方海光等，2022）：一方面，資源開發者與AIGC 可以協同合作的姿態實現技術的具身與應用，并以人機融合的方式開展資源內容創作；另一方面，人機共創可使資源開發的專業化與智能化充分融合，進而使人機協同向智慧化階段躍遷。

第二，基于AIGC 的數字化教育資源人機共創是人機互動生成的過程。在人機共創過程中，人機互動是人機之間開展信息交換和認知碰撞的有效途徑，也是人機共創的基礎和前提。它強調以用戶需求為牽引，以人機對話為手段，能有效觸發資源內容的生成、轉化、流動和演化。如前文所述，AIGC 本質上是AI 與人互動生成的過程。在AIGC場景中，人機互動形式正在由文本互動向多模態互動發展，更有助于提高人機互動的效率、準確性和用戶滿意度。在全新的人機互動模式下，人機共創的內容可在資源開發者與AIGC之間充分共享，并以內化方式納入資源開發者的原有知識體系，促進其知識結構的更新；同時生成的內容也會在資源開發者的審核與修訂過程中不斷得以迭代優化，以確保生成資源的質量。

第三，基于AIGC 的數字化教育資源人機共創是人機互利共生的過程。互利共生是生態系統中最重要的種間關系，強調兩個物種間互相依賴、雙方獲利。在數字化教育資源人機共創過程中，AIGC擅長極速處理海量數據并快速生成滿足用戶需求的內容；而資源開發者擅長靈活地適應各種不斷變化的環境，并具備常識、創造力和共情能力。人與機器之間的差異性和互補性，為人機互利共生創造了前提。不同于AIGC出現之前人機之間松散的“工具型”關系，互利共生模式下的人機共創將人類和智能機器視為共同解決任務的“伙伴”和“共同體”，通過人和機器之間對等的智能感知和交互決策，既凸顯出人的能動性，又強調機器的智能性和自主性（于雪等，2022）。如此不僅可以提升資源開發者的專業能力和創意能力，增強其進行實踐創新的智慧，同時也可以提升AIGC的自主進化和演進迭代能力，從而達到二者的互利共生。

4.基于AIGC的數字化教育資源人機共創機制

（1）互動生成機制

AIGC 的內容生成離不開AI 與人的有效互動，且互動方式正日益多樣化。而且當前多數AIGC已具備連續多輪互動對話的能力。在該技術的支持下，AIGC 能夠根據資源開發者輸入的問題或關鍵詞提供更準確、更貼合語境的資源素材。多輪對話有助于解決傳統智能問答系統只能進行僵硬的“一問一答”式對話、無法存留“記憶”等問題（張洪忠等，2023）。在數字化教育資源生成過程中，多輪對話對提升資源內容的準確性和科學性具有不言而喻的促進作用。資源開發者可以通過多輪對話，從細節完善角度不斷對AI 所生成的資源素材提出修改意見，使其不斷迭代優化并最終達到專業人員生成資源的質量水平。但當前AIGC在提供資源內容的同時并不能提供信息來源，因而用戶很難對信息進行溯源或追問。這無形會阻斷用戶與AI 進行更深入互動的可能，尤其在內容生成過程中，AI 看似條分縷析的回答可能會限制用戶思維的發散，壓縮用戶的認知空間（張洪忠等，2023）。

因此，要提高人機共創數字化教育資源內容的質量和創新性，需要資源開發者掌握人機互動話語的內在規律，提升資源開發者的問題意識和提問能力。同時，在人機共創過程中，為了避免資源開發者對AIGC的過度依賴，還應高度重視并充分彰顯資源開發者的想象力、洞察力、判斷力、思辨能力、共情能力、合作能力、創新能力在人機共創中的獨特作用。

（2）深度加工機制

精細化和個性化是數字化教育資源深度加工的兩個重要特征。精細化包括資源素材的精細化和資源聚合的精細化。在資源素材的精細化方面，AIGC 已具備多模態生成、情感生成、增量生成、可解釋生成和對抗生成等豐富多樣的素材生成能力，能夠幫助資源開發者生成精細化和個性化的數字化教育資源。在資源聚合的精細化方面，AIGC能實現基于多媒體信息的智能組合、同主題信息的自動整合等，從而幫助資源開發者快速生成聚合化的數字化教育資源包。

數字化教育資源內容的創作，既需要滿足學習者的個性化學習需求，也需要體現資源開發者的創作風格。這種獨具風格化與個性化的資源內容也是資源開發者競爭優勢的體現（彭蘭，2020）。由于AI創作本質上是遵循相對固化和模式化的算法邏輯，在內容結構、知識表征、底層邏輯等方面難以做到完全個性化和風格化，因此，在人機共創模式下，要彰顯數字化教育資源的個性化和風格化，可以從如下方面進行探索：首先，資源開發者要堅持專業視角的判斷與個性化表達，提高數字化教育資源的表現水平與知識價值；其次，資源開發者要與AI進行深度互動，對資源屬性和需求進行個性化描述，使AI能更好地理解這些個性化的描述，從而生成更具風格化的資源；再次，可以探索將AIGC與UGC這兩種內容生成模式進行有效整合，讓資源使用者也參與到基于AIGC的資源創作中，使資源生成與用戶需求直接對接，進而滿足用戶對資源的個性化需求。

（3）協同互補機制

協同互補是基于AIGC 的數字化教育資源人機共創的關鍵機制，具體體現在以下三個方面：

第一，AI 的客觀呈現與人的主觀描述互補。人類智能形成的學科知識是有機的、能動的、自主的，而AI 作為類人主體，是對人類智能的模擬，其最缺乏的是對于現實物理世界的感知能力，它很難真正意義上學到人類所感知和理解的知識，知識對于AI 來說只是一堆代碼和符號而已（陳昌鳳等，2023）。AIGC 以互聯網上的數據集為知識來源，其對知識的描述基本是中性的，很少帶有主觀性和傾向性。但人類有能力理解復雜和抽象的概念，能在看似無關的語句之間建立聯系并進行自主建構和主觀描述。因此，在人機共創過程中，AI 的特長在于基于海量數據對某一知識進行相對客觀的呈現，而資源開發者擅長從知識闡釋視角對其進行主觀描述，二者的互補有助于實現資源外在呈現方式與內在屬性描述的統一。

第二，AI的信息加工與人的觀點闡釋互補。在信息處理方面，AI無疑具有顯著優勢，無論是信息采集的維度與廣度，還是信息加工的速度與效率，人類都無法企及（彭蘭，2020）。在數字化教育資源開發過程中，資源開發者需要充分挖掘AIGC批量化內容生產和信息加工能力。但從學習者對數字化教育資源的需求特點來看，其真正所需要的，除了規模化的知識內容外，對這些知識內容的概括、解釋、提煉與分析可能更為重要。雖然AI也具備一定的規律闡釋和總結能力，但仍無法與人類相提并論。因此，人類在觀點闡釋和提煉方面較之AI具有優勢，這種優勢可以與AI 的信息加工優勢形成互補，從而實現資源信息加工與觀點闡釋的統一。

第三，AI的知識生成與人的意義建構互補。數字化教育資源開發不僅僅是生成知識內容，還需要深度挖掘知識的價值和內涵。從知識管理的角度來看，知識可分為顯性知識和隱性知識兩類。顯性知識是客觀有形的，能夠以一定的信息化形式進行表達或編碼；隱性知識是一種高度個人化的知識，難以規范化，包括個體的思維模式、價值觀等。AI所生成的知識以顯性知識為主，隨著AIGC 的發展，其在某種程度上也可生成部分隱性知識。而人類的學習不但能建立起一套隱性知識體系，還能建立起隱性知識之間不確定的秩序或規則，即進行意義建構。意義建構是基于人的視角及學習目標對知識的應用，是將知識轉化為生產力與創造力的過程（彭蘭，2020）。因此，要實現數字化教育資源開發過程中顯性知識與隱性知識的有機融合，可以將AI的知識生成與資源開發者的主觀意義建構進行互補。

（4）質量監控機制

AIGC所生成的內容存在一定的質量風險，包括內生風險和外在風險。內生風險主要是指與算法有關的風險，比如不可解釋風險和不可問責風險；外在風險主要指與數據有關的風險，如個人隱私風險或數據被誤用與濫用的風險等。以ChatGPT 為例，其訓練數據主要來自互聯網，而互聯網上的信息包羅萬象，質量參差不齊。ChatGPT所使用的語言模型是在大量文本數據上訓練獲得的，其很難準確區分數據集中的事實性信息和虛構類信息，生成的部分資源也有可能是以虛假信息為基礎，最終導致資源在科學性與正確性方面出現偏差。

如前文所述，AIGC 內容生成機制中存在數據和算法兩大關鍵技術。因此，基于AIGC的數字化教育資源質量監控也應兼顧這兩大關鍵技術。首先在數據方面，對海量數據的治理是確保資源質量的重要前提，加強對數據真實性、標準化、分類與管理等方面的治理（鐘祥銘等，2023）。其次在算法方面，對算法模型的治理是確保資源質量的關鍵因素，要加強對算法的評估、優化、安全和可解釋性的治理。

在具體操作方面，應采取資源開發團隊專業把關、AI 技術甄別審核、資源使用者評估反饋相結合的人機協同質量監控機制。其中，資源開發團隊對資源質量的審核包括學科專家審核和技術人員審核。學科專家主要對資源內容的相關屬性（如準確性、完整性等）進行審核，技術人員主要從生成技術角度對資源進行語言流暢度評估、情感傾向分析、對話質量評估、主題分類評估、語義相似度評估等。伴隨AI 內容檢測工具的不斷涌現（如GPTZero、Sapling等），AI審核已經成為AIGC內容核查與質量監控的重要輔助手段，不僅可以審核和識別不當、有害或虛假性內容，還可以實現信息來源分析、信息模式識別、生成技術鑒定、信息演變跟蹤等質量監控（彭蘭，2020）。同時，資源開發團隊還可以與AI 協同開展質量監控，最典型的監控方式是交叉驗證，即人與AI 對可能有質量問題的某一資源進行交叉核實和驗證，最后由資源開發者結合交叉驗證結果得出審核結論。除了資源開發團隊外，資源使用者在使用過程中也可以對資源質量進行評估和反饋，其評估和反饋結果也可作為資源質量判定和改進的重要參考。

三、基于AIGC 的數字化教育資源人機共創框架與流程

1.基于AIGC的數字化教育資源人機共創框架

本研究以人機協同和人機共生理念為基礎，遵循人機互促、人機互信、人機互補三原則，將基于AIGC 的數字化教育資源人機共創物理空間、信息空間與社交空間相融合，進而構建起人機共創三元空間（方海光等，2022）：在物理空間，資源開發者與AIGC 發揮各自優勢，協同完成資源開發目標；在信息空間，AIGC 所具有的智能與資源開發者的智慧和創意彼此互補，有助于人們通過算法程序將其認知進行外顯表征；在社交空間，資源開發者與AIGC 之間進行廣泛互動，觸發內容創生。在人機共創三元空間中，通過嵌入前文所述的互動生成、深度加工、協同互補、質量監控四種共創機制，即可形成基于AIGC的數字化教育資源人機共創框架（如圖1所示）。在該框架中，互動生成機制與社交空間形成對應關系；深度加工機制與信息空間形成對應關系；質量監控機制與物理空間形成對應關系；協同互補機制同時對應物理空間和信息空間。四種人機共創機制均能清晰劃分出資源開發者與AIGC 的創作職責范圍，比如在深度加工機制中，資源開發者的職責是實現資源的個性化，而AIGC的職責是實現資源的精細化；又如在協同互補機制中，資源開發者主要負責對知識的主觀描述、觀點闡釋和意義建構，而AIGC則主要負責對知識的客觀呈現、信息加工和知識生成。

圖1 基于AIGC的數字化教育資源人機共創框架

2.基于AIGC的數字化教育資源人機共創流程

基于AIGC 的數字化教育資源人機共創在流程上由確定需求、素材生成、素材審核、重組聚合、分發應用、反饋優化6個環節構成（如圖2所示）。

圖2 基于AIGC的數字化教育資源人機共創流程

確定需求是數字化教育資源開發的起始環節，資源開發者在充分調研的基礎上，精準確定師生對資源內容、類型、表征形式、結構、體量、質量、服務平臺的相關需求。

素材生成是指以師生需求為導向，資源開發者將資源需求轉化為精確的互動話語，與AI 通過互動輸入的方式生成多模態的數字化教育資源素材，包括文本、圖像、音頻、視頻、動畫、虛擬人等，生成方式有文本生成、音頻生成、圖像生成、視頻生成、跨模態生成、虛擬人生成等。其中，文本生成可提供結構化文本、非結構化文本以及交互式文本的生成。音頻生成包括語音克隆、由文本生成播報語音、自動生成背景音樂等。圖像生成可提供自動圖像生成、個性化畫作生成等。視頻生成可提供視頻屬性編輯、自動視頻剪輯合成等。跨模態生成是指基于模態之間的語義一致性，實現不同模態內容在表現形式上的相互轉換，包括文字生成圖片、文字生成視頻、圖像生成視頻、圖像生成文字、視頻生成文字等。虛擬人生成主要是指生成虛擬教師形象或虛擬學伴形象。整體上，資源素材的生成是一個迭代式互動生成的過程，即通過互動話語的不斷迭代，由AI生成符合要求的資源素材。

素材審核是指資源開發者與AI 通過人機協同方式對生成的資源素材進行形式和內容方面的監測與評價，目的是通過二者的協同篩查，剔除部分不符合質量要求的資源素材。素材審核的重點包括內容安全審核、內容校對/勘誤、低質量識別、虛假信息檢測、交叉驗證、演變跟蹤等。資源開發者審核的重點包括資源內容的準確性、完整性、教育性、知識性和相關性等。其中，準確性是指素材客觀反映知識內容的屬性，完整性是指素材內容的廣度和深度，教育性是指素材內容是否與特定的教學目標一致，知識性是指素材內容是否包含學科知識，相關性是指素材內容與學習者需求的匹配程度（萬力勇，2013）。AI 審核的重點包括素材來源的真實性、可靠性、互操作性和規范性等。其中，真實性是指素材來源真實可信，可靠性是指素材本身的穩定性和安全性，互操作性是指素材能夠在多個系統或平臺中運行或互訪，規范性是指素材符合數字化教育資源的開發標準。

重組聚合是指資源開發者和AI 共同完成資源素材的重組與聚合，將已有的人工生成素材和人機共創素材匯集在一起，實現對資源素材的集成和包裝，使其形成一個功能齊全、結構完整的有機整體。重組聚合具體包括素材編目、素材標簽提取、素材重組、創意聚合、生成知識圖譜等。在此過程中，AI 主要負責固定范式的資源素材合成與生產，比如將文本和圖像按知識層級結構合成為圖文并茂的PPT 課件；而資源開發者負責從創新資源表征形式、呈現手段、呈現時序等方面完成對資源的創意化合成與生產，比如將虛擬教師嵌入教學視頻中，形成聲畫同步的虛擬教師講授視頻等。聚合完成的數字化教育資源包括音視頻學習資源、數字化教育資源包、全媒體數字教材、在線課程等多種形式。

分發應用是指將生成的數字化教育資源根據師生的個性化需求進行分發使用。此階段的操作包括對師生用戶進行畫像，對資源進行智能檢索、智能推薦和按需定制，最終實現對資源的精準分發。

反饋優化是人機共創資源的最后一個環節。在該階段，通過對師生資源使用行為數據進行分析，再結合師生使用數字教育資源后的評論反饋及使用效果，進一步挖掘出數字化教育資源存在的問題及不足并反饋給資源開發者，使其再次確認資源需求并對資源開發的相關環節進行優化和完善，進而形成人機共創資源迭代優化的閉環結構，促進資源開發效率和質量的不斷提升。

四、基于AIGC 的數字化教育資源人機共創風險與挑戰

AIGC作為AI在內容生成領域的最新技術，在教育教學中的應用已初見端倪。在教育領域中，基于AIGC的數字化教育資源人機共創有望成為數字化教育資源開發的新范式，并將大大提升數字化教育資源開發的效率、體量和質量。但任何新興技術都是一把雙刃劍，AIGC也不例外。AIGC在數字化教育資源人機共創中的應用可能會引發諸如內容版權、倫理與安全、算法歧視與偏見等風險。

在內容版權方面，AIGC 本質上屬于機器學習的應用，在模型的學習和訓練過程中不可避免會使用大量的數據集，目前行業內部對于訓練后生成內容的版權歸屬問題存在很大爭議。一種觀點認為產出的內容由素材庫訓練生成，其本質上來自素材庫，因而需要向相關素材作者支付版權費；另一種觀點則認為AIGC生成內容的過程是一個完全隨機的過程，不涉及版權問題（杜雨等，2023）。到底哪種觀點更合理目前尚無定論。尤其是在數字化教育資源人機共創過程中，資源創作的主體既包括資源開發者又包括AI，共創生成資源的版權到底應該歸屬于資源開發者還是AIGC平臺，還是由二者共同擁有版權？誰以及如何對共創生成資源的版權進行保護？這些都是需要我們進一步思考的問題。

在倫理與安全方面，隨著AIGC 的不斷成熟，AI 已經能夠通過分析事先收集的大量訓練數據，制造出以假亂真的音視頻。這項技術不僅可以用于篡改視頻，還可以用于制造完全虛構的視頻內容（杜雨等，2023）。由于契合人們“眼見為實”的認知共性，這項技術的濫用將使資源開發者和學習者難以甄別真實和虛假信息。雖然AI 內容檢測工具可以檢測出部分虛假內容，但伴隨相關算法模型的不斷升級，AIGC 生成的內容逃避檢測的能力也將越來越強。與一般的數字化資源不同的是，數字化教育資源必須嚴格具備科學性、準確性、真實性、權威性、規范性等屬性，虛假信息、偽造信息的摻入將使共創生成的數字化教育資源面臨不可預知的質量風險和誤用風險。

在算法歧視與偏見方面，由于AIGC 所依賴的訓練數據主要來自從互聯網上抓取的各種信息，而這些信息往往魚龍混雜且質量參差不齊，因而難以保證數據集的多樣性、代表性、公正性，亦容易導致偏見、“觀點霸權”、刻板印象、文化片面性等問題。此外，數據集的類型區分不清，還會導致事實與想象不分，進而加劇錯誤信息的擴散和傳播（陳昌鳳等，2023）。如果這些帶有偏見和片面性的信息內容不慎進入到數字化教育資源中，將會對學習者的思維方式和價值觀念產生誤導，久而久之容易讓學習者形成認知偏見，造成不良后果。

綜上所述，開展基于AIGC 的數字化教育資源人機共創機遇與挑戰并存，AIGC 應用所帶來的內容版權、倫理與安全等風險，需要各方共同努力來積極應對。未來需要針對數字化教育資源開發的具體應用場景，進一步優化AIGC 相關技術和功能，推進制定相關法律法規，加強師生倫理教育與指導，促進AIGC 的良性發展，形成AIGC 與數字化教育資源開發雙螺旋式的互促共進（盧宇等，2023）。