數智分身：人工智能時代教師本位人機共教模式

——————————————————————————————————————————

摘要：以ChatGPT為代表的新一代人工智能的飛速發展及其在教育領域的深度應用，為教師實施精準教學和學生進行個性化學習提供了便捷，但同時也引發了學生過度依賴機器、教師在教學中的主體地位被削弱等弊端。基于數字人和生成式人工智能等技術建構的教師本體的數智分身，由于具有外觀一致性、反饋智能性、多重分身性、過程監控性與人機協同性等特征，能為人工智能時代教師本位的人機共教提供適切支持。基于數智分身的人機共教系統涉及學生、教師、數智分身三大主體，包含人機物互聯的教育環境和智能支撐技術等核心要素，其在教學中的應用應當重視從人機協同學習、人機協作教學、師生本體交互等方面設計數智分身參與教學的過程。將數智分身的原型系統應用于“數據結構與算法”課程中開展的研究表明：所提供的輔導內容具有較高的準確性，能幫助學生更輕松地理解并完成學習任務；與傳統機器智能輔導系統相比，該系統中數智分身的教師形象有助于拉近師生之間的距離并讓學生感受到來自教師的關懷。

關鍵詞：數智分身；教師本位；人機共教；生成式人工智能；ChatGPT

中圖分類號：G434" "文獻標識碼：A" " 文章編號：1009-5195（2024）04-0085-09" doi10.3969/j.issn.1009-5195.2024.04.010

——————————————————————————————————————————

基金項目：2021年度國家自然科學基金面上項目“基于圖神經網絡的學生課堂狀態協同判別及解釋模型研究”（62177039）；重慶市高等教育科學研究重點項目“以教育新基建支撐高質量教育體系建設研究”（ACA210010）。

作者簡介：廖劍，博士，副教授，碩士生導師，西南大學教育學部（重慶 400715）；許邯鄲，本科生，西南大學教育學部（重慶 400715）；劉明（通訊作者），博士，教授，博士生導師，西南大學教育學部（重慶 400715）；柘龍婷 ，碩士研究生，西南大學教育學部（重慶 400715）；鐘林容，本科生，西南大學教育學部（重慶 400715）。

一、引言

從2022年教育部工作要點提出“實施教育數字化戰略行動”，到黨的二十大報告明確提出“推進教育數字化”，教育數字化及智能化建設日益成為當前我國教育改革和發展的焦點。近年來，以ChatGPT為代表的新一代人工智能技術的飛速發展，已使得人機邊界越來越模糊（肖仰華，2023）。也有學者從進化論的視角提出，人工智能的發展已呈現出不可逆之勢，即將到達奇點時刻，完成弱人工智能向強人工智能的變遷，并由此改變社會每個行業的存在形態（張學軍等，2020；祝智庭等，2019）。

未來強人工智能一方面將促進教育數字化與智能化的深度轉型，為教學改革提供新動能，如通過對學生學習目標的智能規劃（Meng et al.，2021）、教學材料的智能生成（高琳琦，2023）、師生教與學狀態的智能識別（Xie et al.，2019）、智能交流輔導（Deng et al.，2022；Lim et al.，2023）等，彌補傳統教學中教師受精力限制難以顧及學生個體差異的不足，從而實現可兼顧學生不同個性風格和水平步調的個性化學習和差異化教學（Carolan et al.，2007）。另一方面，強人工智能也將動搖我們對教育的原有理解，從而產生前所未有的困惑與焦慮（唐漢衛，2018），如當人工智能強大到能獨立輔導學生后，學生可能會過度依賴人工智能而忽略教師的作用，教師的主體地位也將被削弱，甚至產生被人工智能取代的擔憂。

在此背景下，本文基于人本人工智能的理念（祝智庭等，2021），強調未來人機共生關系中必須以人為核心地位來構建人機協同智能，由此提出用“數智分身”來詮釋強人工智能時代人類教師的角色定位問題，一方面利用數字人及大語言模型等技術模擬教師的外形及言語模式，實現與學生的一對一個性化輔導；另一方面教師也可監控數智分身與學生的交互并在必要時給予干預，從而保持對教學過程的掌控。

二、數智分身的概念厘定與特征內涵

1.數智分身的概念厘定

數智分身中的“分身”，可從數字交往的定義推導而出。數字環境中發生著人與人、人與非人的相互交流與溝通，有學者將虛擬社會中的這種交流行為定義為“數字交往”（杜駿飛，2021），即一種基于信息且具有直接實踐性的數字實踐。在數字實踐中，人與人之間的數字交往必然會引發對人的分身的討論。數字交往中的“分身”是指基于多種情境的、虛實相間的“人”?，F實個體在數字交往中的“化身”也可看作是具有社會意義的“人”（杜駿飛，2022）。

數智分身中的“數智”，包含數字技術和數字智能兩層涵義，即可使用2D動畫或3D建模等數字人技術模擬教師的外在形象，還可采取新一代生成式人工智能技術增強其分身的智能性。生成式人工智能是基于機器學習算法的人工智能模型，其可以創造性地生成文本、圖像、代碼等內容，像一個專家團隊一樣回答各個領域的問題，滿足用戶的個性化需要（Du et al.，2023）。數智分身憑借生成式人工智能實時的語言處理和強大的內容生成能力，可以在與學生的交互過程中，提供更加自然、真實、高效的交互體驗。

基于上述分析，本文將數智分身定義為一種基于數字人和生成式人工智能等技術建構的具有真實教師外在形象、教學風格及強智能性的虛擬教師，其能夠通過人機交互實現對學生學習狀態與需求的偵測，并提供相應的個性化輔導。在基于數智分身的教學過程中，教師本人可對學生的學習過程進行總體規劃和監控，在必要時對學生學習進行干預和指導，由此在確保教師主體地位的前提下，通過人機協同的方式促進學生知識、技能及情感的全面發展，從而更好地滿足學生個性化學習和教師差異化教學的需求。

由于當前已有較多易與數智分身混淆的相關概念，為厘清數智分身的內涵特征，避免概念誤用混用，本文進一步梳理并比較了數智分身的相關概念，包括數字分身（Digital Doppelganger）、數字化身（Digital Avatar）、數字孿生（Digital Twin）、數字人（Digital Human）等（見表1）。

通過比較分析發現，數字分身與數智分身都是現實人在數字世界的映射（姜雪，2019；白龍等，2022），但數字分身尚未強調其智能性。數字化身強調將現實中的人映射到虛擬世界，并且可改變化身的形象、行為與意識，由此完成虛擬世界中的相關任務（朱軍等，2023），其與數智分身相比，更多定位為現實生活的人在虛擬世界中操縱的虛擬角色。數字孿生通過精準刻畫并描述物理實體，可實現現實世界和數字世界的互聯、互操作（劉冠群等，2023），其強調物理實體的數據模型在數字世界的映射，但相較于數智分身而言，其又弱化了智能性，且孿生的對象可能是設備。數字人是基于多模態人機交互和生成式人工智能等技術的支持，具有自驅的“思考”與交流能力，交互過程也可自主演變的虛擬人物（奚駿等，2022；陳衛東等，2023），相較于數智分身而言，其外觀可與現實個體不一致。

總之，數智分身更能精準地服務于課堂人機共教的情景，扮演教師本體的多重分身對學生進行個性化指導，促進學生個性化學習與教師差異化教學，并確保教師在教學過程中的主體地位。

2.數智分身的內涵特征

基于對數智分身相關概念的辨析，本文進一步將數智分身的內涵特征歸納為如下方面：

其一，外觀一致性。數智分身使用真實教師形象作為會話中的形象，能夠實現與學生更為自然的交互，拉近與學生間的交互距離，學生也會更加信任和認可教師的虛擬分身。

其二，反饋智能性。數智分身能夠基于學生的學習表現和技能水平，評估其學習需求，并根據上下文語境提供恰當的回答和生成個性化的內容，實時高效為學生提供個性化的學習支持，且不受時空限制。

其三，多重分身性。數智分身扮演教師分身的角色，意味著有多個教師分身分別與學生進行個性化的交流，每個學生都有其專屬的虛擬教師，學生可按照自己的節奏和方式進行學習，從而使得學習更加深入與高效。

其四，過程監控性。教師主體通過監控分身與學生的交互過程，及時了解學生的學習狀況，進而對學生進行精準的個性化指導；或根據教學需求和學生個體間的差異，對數智分身的輔導目標進行總體規劃，繼而優化輔導內容與方式。

其五，人機協同性。數智分身基于數字人與生成式人工智能等技術，通過與教師本體協同聯動，共同支持學生的個性化學習，為學生提供個性化指導與服務，滿足學生的差異化學習需求與能力發展。

三、基于數智分身的人機共教教學模式構建

為了深入探究數智分身如何與教師協同實現差異化教學以及與學生協同實現個性化學習，本文基于人本人工智能的理念，進一步構建了數智分身、教師和學生之間的人機協同深度教學模式。所謂教學模式，就是基于一定的教學理論或思想，建立起來的較為穩定的教學活動結構框架和活動程序（余勝泉等，2003）。本研究首先構建了數智分身人機共教的系統框架，其次提出了基于此框架的人機共教教學流程。

1.數智分身人機共教系統框架

基于數智分身的人機共教模式是由教師、學生、智能教學環境、智能技術及其應用等要素建立起來的教學活動結構框架和活動程序。數智分身人機共教系統框架包含學生、教師、數智分身三大主體，以及人機物互聯的教育環境和智能支撐技術等核心要素（見圖1），其系統框架如下：

數智分身人機共教系統框架的最外層包含軟件系統、支撐硬件、泛在網絡、課程資源四個要素，不僅構成了人機物互聯的智能環境，亦成為數智分身人機共教教學模式的重要環境基礎。其中，軟件系統主要是指研究者開發的基于生成式人工智能的各類智能學習工具，多指智能平臺或者軟件；支撐硬件是指電子白板、智能移動設備等硬件設施；泛在網絡是指無所不在的、隨時隨地支持交互與通訊的網絡環境；課程資源是指教學活動中所必需的一切教學素材的總和。

數智分身人機共教系統框架的中間層是智能技術支撐層，包括大語言模型、群智計算、情感計算、交互分析、數字人技術、語音合成、邊緣計算、云計算等技術。數智分身原型系統是基于這些智能支撐技術而開發的，其中大語言模型可以根據不同情景與學生進行智能會話，群智計算可以讓多個教師分身之間進行協同工作，情感計算可以分析文本中的情感偏向并與學生進行情感互動，交互分析主要用于監控、分析多個教師分身與學生之間的交互，數字人技術可以構建真實的教師形象并模仿教師的表情、口型和動作等，語音合成可以獲取教師的聲紋和模擬教師發音以拉近學生與教師數智分身之間的距離感，邊緣計算和云計算能夠為強人工智能的算力和存儲提供支撐。

數智分身人機共教系統框架的最內層為教學應用層，可以應用于復雜的教學場景。教師需依據學生的最近發展區，以課程目標為出發點，確定教學目標和內容，設計教學環節。數智分身擁有教師的外在形象和教學風格，能以智能會話的形式與學生進行交互，并在理解學生最近發展區和教學內容的基礎上，為學生提供個性化的學習輔導。同時教師也可對數智分身進行規劃與監督，確保學生學習遇到較大困難時數智分身能夠和教師本體共同為學生學習提供差異化干預和個性化支持，從而以“人在領路”（祝智庭等，2021）的形式實現人機共教。

2.數智分身人機共教教學流程

數智分身人機共教教學模式下的教學組織方式更加多樣，師生互動更加高效。本文從人機協同學習、人機協作教學、師生本體交互三個方面設計了數智分身參與教學的過程，其中師生本體交互旨在查漏補缺，解決學生在學習過程中未能得到數智分身有效反饋的問題。整體上，該教學模式有助于學生利用教師的數智分身更好地理解和掌握知識，實現個性化學習；同時也可充分發揮教師的主體作用，對數智分身和學生的交互學習過程進行監測并提供適時的反饋，最終實現學生個性化學習與教師差異化教學的協同。其具體教學流程如圖2所示。

在人機協同學習方面，數智分身在支持和促進學生個性化學習過程中發揮著關鍵作用，學生可以在解決學習任務和知識困惑等方面尋求數智分身的幫助和指導。數智分身借助生成式人工智能扮演學生的專屬智能導師，能夠理解學生的指令和問題，并根據學生的提問方式和需求靈活地提供學習支持與反饋，以幫助其更好地掌握知識和技能。數智分身的多重分身性使得每個學生都有其專屬的虛擬教師分身，都能獲得針對性的學習指導。通過與數智分身更加親切、自然的交流和互動，學生可以更輕松地參與到學習中去，增強學習的沉浸感和參與度，提高學習的效果和效率。與此同時，學生也會對數智分身的反饋進行判斷，評估其準確性和有效性；還可根據反饋自主調整學習策略和提問方式，以獲取數智分身更加精細化的指導。這是一個雙向互動的過程，學生和數智分身共同推動了學習的進程。由于數智分身能夠針對學生學習過程中遇到的具體問題和學習需求，提供適切、精準、高效的教學建議和輔導，因而還表現出高度的反饋智能性。

在人機協作教學方面，數智分身的外觀一致性特征使得其具備真實教師的外在形象，通過模仿真實教師的教學風格和教學方法，可以實現與學生更為自然的交互。在交互過程中，學生一方面能感受到更為親切和個性化的學習體驗，另一方面也能在師生情感交流過程中增強學生的學習興趣和動力。從教師的角度來看，教師可將數智分身作為學習腳手架，支持學生在概念認知、問題解決和反思性思維增長等方面的發展（Burgess et al.，2021）；還可根據學生的特點和學習需求，制定出體現學生個體差異的教學計劃，設計數智分身的輔導方式；亦可監控數智分身與學生的交互過程，在必要時進行干預，確保差異化教學的順利進行。另外，數智分身還可記錄其與學生的交互過程與結果，為后續的教學研究和反思提供豐富的數據和素材。得益于數智分身的過程監控，教師還可根據學生的交互學習數據及時地優化和改進分身，不斷調整教學內容和方式，提高數智分身個性化指導的針對性和有效性。

在師生本體交互方面，數智分身人機共教模式更有助于師生之間的高效交互。傳統教學過程中，師生交互主要體現為師生之間的問答，即學生遇到問題時向教師尋求幫助和指導，教師則根據學生對知識的理解與掌握情況，給予相應的輔導，并及時調整教學計劃。而在人機共教模式下，師生本體交互往往發生在學生與教師的數智分身交互之后。換言之，當數智分身無法解決學生的問題時，學生才會主動請求教師的幫助。這種情況下，教師扮演了問題解決者和學習指導者的角色，而不只是一個簡單的知識傳授者?？傊瑪抵欠稚碛兄谔岣邔W生與教師交互的效率，便于教師更準確地了解學生的學習需求和狀況，提供更有針對性的指導和幫助，以及更好地評估學生的學習表現，進而在更大規模上促進學生的個性化學習和全面發展。

四、基于數智分身的課程案例分析

1.數智分身原型系統設計

基于數智分身具有的外觀一致性、反饋智能性、多重分身性、過程監控性、人機協同性五大特征，結合數智分身人機共教系統框架，本研究團隊自主設計并開發了具有數智分身典型特征的編程課程人機共教系統（見圖3）。

在外觀一致性上，研究者通過將數智分身原型系統的頭像設置為真實的教師頭像，運用阿里云語音克隆技術克隆教師聲音，采用2D數字人技術Sad Talker生成教師口型動畫，以增加學生與教師分身交互過程中的親切感。此外，還通過不斷調整背景詞的內容，賦予數智分身更加貼近教師主體的教學風格。

在反饋智能性上，數智分身原型系統基于ChatGPT-3.5接口進行開發，根據教學目標將數智分身的輔導過程劃分為方案評估、代碼評估、自由交互三個模塊，并對前兩個模塊進行提示語優化。教師可在課堂開始之前設定每次任務的會話背景提示詞，學生可以根據自己的學習需求選擇任一模塊進行交互，由此實現數智分身對不同學生個體的差異化和個性化輔導。

在多重分身性上，數智分身原型系統中的ChatGPT-3.5接口，可以支持包含上下文信息的多輪對話，具備教師輔導學生的特性，同時能模擬課堂中真實的師生問答，進行情境性對話。此外，該原型系統為每位學生單獨分配了一個賬號，數智分身可以根據每位學生不同的會話歷史記錄，以“一對多”的方式輔導學生解決問題，彌補了傳統教學中教師無法照顧到每一位學生的缺憾。

在過程監控性上，為了方便教師對教學過程的把控和調整，該原型系統為教師添加了查看學生交互過程的鏈接，便于教師及時查看學生與數智分身的交互過程并進行干預（見圖4）。為了幫助教師實時地發現學生在學習過程中存在的問題，該系統在數據庫中增加了“分數”這一字段，將其分值范圍設定為0～10分，系統會依據ChatGPT對學生的提問內容進行打分，當某個學生的分數為7分及以下時，系統會自動將對應學生的學號、用戶名及內容進行標紅，即認為該學生提出的方案或代碼存在一些問題，由此幫助教師實現對整個教學過程的監控。

在人機協同性上，數智分身原型系統允許教師首先為其提供教學任務說明，以便大模型后續提供的反饋更為精準。此外，當數智分身原型系統在教學過程中不能充分理解和回答學生的問題時，學生也可在課堂內或通過在線交互工具直接向教師發起求助，從而由教師直接對學生進行答疑輔導，由此實現教師與數智分身的協同教學。

2.“數據結構與算法”實驗課案例展示

本研究設計開發的數智分身原型系統主要包括方案評估、代碼評估及自由交互三個模塊，用以支持學生進行個性化和人機協同學習。一方面，數智分身可以扮演教師的多重身份，支持每位學生與教師數智分身的一對一交互；另一方面，數智分身原型系統支持學生的個性化提問和自主學習，并憑借其大模型的反饋智能性能及時為學生提供個性化的策略支架和引導反饋。

為了進一步驗證該數智分身原型系統相較于傳統智能輔導工具的優勢，以及其與教師個性化指導的差異，本文選取了西南地區某大學的26名教育技術學專業大二學生為研究對象，在“數據結構與算法”實驗課中開展為期7周的先導研究。在此之前所有學生已經學習過Java語言，具有一定的編程基礎。在“數據結構與算法”實驗課中，學生使用數智分身原型系統協助完成編程任務。

表2中展示了教師和學生使用該系統完成課堂任務的一個示例。首先，教師預先在系統中設置了任務背景，即設計了一個與教材和作業不同的文本加密解密算法，輸入內容為任意文本串，輸出內容為加密后的文本串，以及解密后的文本串。其次，在教學過程中，教師向所有學生呈現學習任務，要求學生根據任務提出解決方案，并將解決方案輸入到方案評估模塊的文本框中。再次，數智分身原型系統根據學生設計的解決方案進行評價并提供反饋。如果反饋正確，學生將繼續編寫代碼，并將完成后的代碼輸入到代碼評估模塊的文本框中。最后，學生在自由交互模塊中請求數智分身添加代碼注釋，以增強代碼可讀性。上述記錄在教師端均可查看，方便教師隨時監控學生與數智分身的交互。

3.結果與討論

研究采用問卷法和訪談法收集學生數據。問卷調查和訪談均圍繞學生對使用數智分身原型系統的整體評價、數智分身與教師個性化指導的差異、數智分身與傳統智能輔導工具的使用體驗差異等問題進行。調查共收集了26份問卷，剔除無效問卷后得到22份有效問卷。之后依據人機交互次數較多（大于300次）、適中（140～150次）、較少（小于等于30次）三個層次，各選取3名學生進行深入訪談。通過對問卷和訪談數據的整理與歸納，獲得如下結論：

（1）學生使用數智分身原型系統的整體評價

從訪談結果來看，60%的學生認為該數智分身原型系統使用較為方便，可以隨時隨地訪問，而不必依賴其他人或者特定的學習環境。13%的學生提及該系統可以快速地反饋答案和解決方案，提供代碼示例，且具有較高的準確性和可靠性。20%的學生認為該系統憑借強大的知識儲備，能為學生個體提供服務并促進其學習。整體上，學生對于這種自由的學習方式較為滿意，認為系統的反饋能讓他們更輕松地理解任務并解決問題。不過仍有部分學生認為當前該數智分身原型系統的智能性還需加強，尤其體現在為學生提供更符合其認知水平的指導方面亟需進一步優化。

（2）數智分身與教師個性化指導的比較

從問卷結果可以發現，61%的學生贊成以教師個性化指導為主、數智分身原型系統支持為輔的人機共教模式，30%的學生認同教師個性化指導應與數智分身原型系統并重。訪談結果表明，學生認為教師個性化指導的優點主要體現在解答問題、提升思維、學生感受三個方面。在解答問題方面，教師能根據學生的學習水平和認知水平提供對應的指導，也能針對問題提供有用的建議與解決方案，并且講解細致，更易于理解，有明確的答復。在提升思維方面，教師更清楚課程的教學進度，更能通過反向提問和舉例子等方式幫助學生深入理解知識，起到發散思維的效果。就學生個人感受來看，教師在講解過程中更為細心，學生更有信心學好課程。然而教師時間精力有限，不能隨時詢問且無法照顧到所有學生，利用數智分身可以提高教師與學生交互的效率。當教師的個性化指導與數智分身的智能輔助相結合時，就可形成一個優勢互補、更加完善靈活的教學體系。這不僅凸顯了教師角色在教學中不可替代的重要性，也揭示了數智化工具在提升教學效率、增強學習體驗方面的潛力。總之，構建人機共教模式，不僅要關注技術本身的進步，更要強調以人為本，確保教師在教學過程中的主體地位。

（3）數智分身與傳統智能輔導工具的使用體驗比較

數智分身與傳統智能輔導工具的主要區別還體現在其外在形象與教師外在形象的一致性上。本系統使用教師本人的頭像作為數智分身的外在形象。56%的學生更傾向于數智分身使用教師本人的頭像，其余學生則傾向使用機器人頭像或無特別偏好。學生認為，在會話過程中，數智分身使用教師本人頭像可以拉近彼此距離，具有親切感，也能表現出教師對學生的關懷。由于數智分身系統本質上是人工智能，學生擔心機器人頭像不能理解學生的學習需求，而且機器人頭像本身也不夠美觀。此外，學生認為教師本人頭像更有助于創設真實的教師指導情境，起到監督學習的作用。相較于傳統的機器人頭像無特別偏好的設計，數智分身的外觀設計能使學生更好地感受到與教師的聯系，由此也更能凸顯教師在教學過程中的主體地位。

五、結語

技術是一把“雙刃劍”，以ChatGPT為代表的新一代人工智能一方面為個性化學習與差異化教學提供了更為強大的支持，另一方面也引發了學生過度依賴機器和教師主體地位被削弱等問題。如何充分利用智能技術為教育服務，并保障教師在教學中的主體地位，以及保持教師對學生的人文關懷，成為人工智能時代教育數字化轉型的關鍵議題之一。本研究提出“數智分身”的概念，強調其具有外觀一致性、反饋智能性、多重分身性、過程監控性與人機協同性等五大特征，并構建了基于數智分身的人機共教系統框架和教學流程。該教學模式一方面利用數智分身的反饋智能性和多重分身性可實現對學生的個性化學習支持，另一方面其所具備的外觀一致性和過程監控性亦可增強學生與教師的聯系，進而確保教師在人機共教關系中的主體性。

本研究進一步實現了數智分身原型系統的開發并展開了實證研究。研究結果表明，數智分身原型系統能夠較好地支持學生的個性化學習，大部分同學認同數智分身具備反饋智能性、多重分身性和人機協同性等優勢，能為學生個體提供快速有效的學習反饋，對學生學習具有較大幫助。多數學生能切實將該系統看作是教師的數智分身，亦認同與教師形象保持一致的數智分身在學習過程中能帶給他們親切感和熟悉感。與此同時，教師本體也能通過過程監控對學生個體進行單獨輔導和干預，這在一定程度上亦增強了教師在教學中的主體地位。

當前將教師數智分身應用于教學尚處于初步探索階段，未來在數智分身系統本身與教學設計優化等方面還有很大提升空間。首先，由于ChatGPT的智能性有所不足，導致數智分身反饋的結果準確性有限，未來研究將不斷集成更先進的大模型技術，特別是采用教育領域內特有的多模態大模型，不斷提升數智分身個性化指導的精準性。其次，本研究僅將數智分身人機共教模式應用于大學“數據結構與算法”課程中，未來可增大樣本數量，進一步討論在其他學段、學科和課程中的應用，并通過融入課外輔導、在線學習、虛擬實驗等多種教學場景，為學生提供全方位、立體化的學習支持。當前數智分身原型系統僅采用了教師的平面頭像，今后可考慮使用3D技術合成教師形象，其顯示方式也可從當前的桌面電腦擴展到手機端，甚至通過VR/AR設備將數智分身顯示到教育元宇宙中，由此進一步提升學生與數智分身的交互體驗感。未來還可引入情感計算與社交智能，讓數智分身模擬出更加豐富的人類情感與交互方式，讓學生在與教師數智分身交流過程中感受到更多的情感共鳴與人文關懷，拉近師生之間的距離。總之，數智分身在未來的教育景觀中將扮演更為重要的角色，不僅能促進學生的個性化學習，也能為規避強人工智能帶來的教育倫理問題提供新的解決思路。

參考文獻：

[1]白龍，駱正林（2022）.沉浸式網絡、數字分身與映射空間：元宇宙的媒介哲學解讀[J].閱江學刊，14（2）：68-77，173.

[2]陳衛東，鄭巧蕓，褚樂陽等（2023）.智情雙驅：數字人的教育價值與應用研究[J].遠程教育雜志，41（3）：42-54.

[3]杜駿飛（2021）.數字交往論（1）：一種面向未來的傳播學[J].新聞界，（12）：79-87，94.

[4]杜駿飛（2022）.數字交往論（2）：元宇宙，分身與認識論[J].新聞界，（1）：64-75.

[5]高琳琦（2023）.生成式人工智能在個性化學習中的應用模式[J].天津師范大學學報（基礎教育版），24（4）：36-40.

[6]姜雪（2019）.用“黑”科技打造數字分身[J].現代廣告，（2）：46-47.

[7]劉冠群，周偉，趙瑞軍（2023）.數字孿生在教育領域的研究進展與思考——2017—2022年系統性文獻綜述[J].數字教育，9（2）：26-32.

[8]唐漢衛（2018）.人工智能時代教育將如何存在[J].教育研究，39（11）：18-24.

[9]奚駿，吳永和（2022）.教育數字人理論與實踐探研[J].現代教育技術，32（8）：100-110.

[10]肖仰華（2023）.生成式語言模型與通用人工智能：內涵、路徑與啟示[J].人民論壇·學術前沿，（14）：49-57.

[11]余勝泉，馬寧（2003）.論教學結構——答邱崇光先生[J].電化教育研究，（6）：3-8.

[12]張學軍，董曉輝（2020）.人機共生：人工智能時代及其教育的發展趨勢[J].電化教育研究，41（4）：35-41.

[13]朱軍，趙菲（2023）.數字化身超級應用升華元宇宙全面體驗[J].數字經濟，（3）：36-39.

[14]朱永瓊，宋章通，方浩（2023）.“文旅元宇宙”中虛擬數字人的應用[J].傳媒，（3）：55-57.

[15]祝智庭，韓中美，黃昌勤（2021）.教育人工智能（eAI）：人本人工智能的新范式[J].電化教育研究，42（1）：5-15.

[16]祝智庭，俞建慧，韓中美等（2019）.以指數思維引領智慧教育創新發展[J].電化教育研究，40（1）：5-16，32.

[17]Burgess， A.， Matar， E.， amp; Roberts， C. et al. （2021）. Scaffolding Medical Student Knowledge and Skills： Team-Based Learning （TBL） and Case-Based Learning （CBL）[J]. BMC Medical Education， 21：1-14.

[18]Carolan， J.， amp; Guinn， A. （2007）. Differentiation： Lessons from Master Teachers[J]. Educational Leadership， 64（5）：44-47.

[19]Deng， J. Y.， amp; Lin， Y. J. （2022）. The Benefits and Challenges of ChatGPT： An Overview[J]. Frontiers in Computing and Intelligent Systems， 2（2）：81-83.

[20]Du， H. Y.， Li， Z. H.， amp; Niyato， D. et al. （2023）. Enabling AI-Generated Content （AIGC） Services in Wireless Edge Networks[DB/OL]. [2023-05-09]. https：//arxiv.org/abs/2301.03220.

[21]Grieves， M. （2014）. Digital Twin： Manufacturing Excellence Through Virtual Factory Replication[EB/OL]. [2023-12-20]. https：//www.3ds.com/fileadmin/PRODUCTS-SERVICES/DELMIA/PDF/

Whitepaper/DELMIA-APRISO-Digital-Twin-Whitepaper.pdf.

[22]Lim， W. M.， Gunasekara， A.， amp; Pallant， J. L. et al. （2023）. Generative AI and the Future of Education： Ragnar?k or Reformation？ A Paradoxical Perspective from Management Educators[J]. The International Journal of Management Education， 21（2）.

[23]Meng， L.， Zhang， W.， amp; Chu， Y. et al. （2021）. LD-LP Generation of Personalized Learning Path Based on Learning Diagnosis[J]. IEEE Transactions on Learning Technologies， 14（1）：122-128.

[24]Stephenson， N. （1992）. Snow Crash[M]. New York： Bantam Books：21.

[25]Wang， N.， Shapiro， A.， amp; Feng， A. et al. （2018）. Learning by Explaining to A Digital Doppelganger[C]// Proceedings of the 14th International Conference on Intelligent Tutoring Systems. Canada， Montreal： International Publishing：256-264.

[26]Xie， H.， Zou， D.， amp; Zhang， R. et al. （2019）. Personalized Word Learning for University Students： A Profile-Based Method for E-Learning System[J]. Journal of Computing in Higher Education， 31：273-289.

收稿日期 2023-12-16 責任編輯 劉選

Intelligent Digital Embodiments： Teacher-Led Human-Machine Co-Teaching in the Era of Artificial Intelligence

LIAO Jian， XU Handan， LIU Ming， ZHE Longting， ZHONG Linrong

Abstract： The rapid advancement of a new generation of artificial intelligence， exemplified by ChatGPT， and its application in the field of education， supports precise teaching for teachers and personalized learning for students. However， challenges also arise， such as students’ dependence on machines and the diminishing role of teachers in the teaching process. Intelligent digital embodiments， constructed by technologies like digital humans and generative AI， address these issues. Characterized by visual consistency， intelligent feedback， multiple avatars， process monitoring and effective human-machine collaboration， intelligent digital embodiments can provide appropriate support for teacher-led human-machine co-teaching in the era of AI. The human-machine co-teaching system based on the intelligent digital embodiments involves three main subjects： students， teachers and the intelligent digital embodiments. It includes core elements such as the educational environment of human-machine-object interconnection and intelligent support technology. Its application in teaching should" focus on designing its participation in teaching from the aspects of human-machine collaborative learning， human-machine collaborative teaching， and teacher-student interaction. Research on utilizing a prototype system in a “Data Structures and Algorithms” course demonstrates the ability of intelligent digital embodiments to provide accurate instructional content， facilitating students’ comprehension and completion of learning tasks. Compared to traditional AI tutoring systems， the presence of intelligent digital embodiments helps bridge the gap between teachers and students， fostering a sense of teacher care within the learning environment.

Keywords： Intelligent Digital Embodiments; Being Teacher-Oriented；Human-Machine Co-Teaching; Generative Artificial Intelligence; ChatGPT