生成式AI賦能下的大學(xué)生自學(xué)能力培養(yǎng)研究

摘要：目的：目前生成式AI在教育領(lǐng)域的應(yīng)用研究較多，但針對生成式AI對自主學(xué)習(xí)者的影響的研究較少。文章研究生成式AI對大學(xué)生自學(xué)能力培養(yǎng)的影響。通過對生成式AI在教育領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行深入分析，探討生成式AI如何促進(jìn)自主學(xué)習(xí)，建構(gòu)相關(guān)培養(yǎng)理論模型，以提升學(xué)生的自學(xué)能力。方法：結(jié)合生成式AI特點(diǎn)和大學(xué)生自主學(xué)習(xí)現(xiàn)狀，基于齊莫曼自主學(xué)習(xí)理論，從自我評估、學(xué)習(xí)目標(biāo)設(shè)定、學(xué)習(xí)資源識別、學(xué)習(xí)策略選擇、學(xué)習(xí)結(jié)果評估五個方面構(gòu)建了生成式AI賦能下的自學(xué)能力提升模型。此外，本研究還對模型實(shí)踐存在的問題進(jìn)行了闡述，并提出了應(yīng)對這些挑戰(zhàn)的方法。結(jié)果：本研究構(gòu)建了生成式AI賦能下的自學(xué)能力培養(yǎng)理論模型，并基于該模型從技術(shù)視角、教育實(shí)踐、倫理法規(guī)及資源分配四方面提出挑戰(zhàn)和應(yīng)對策略。結(jié)論：生成式AI的發(fā)展為自主學(xué)習(xí)理論和實(shí)踐帶來了新的可能，借助生成式AI賦能下的自學(xué)能力培養(yǎng)理論模型，可以提升學(xué)習(xí)者的學(xué)習(xí)效率和自學(xué)能力。此外，學(xué)習(xí)者利用生成式AI自主學(xué)習(xí)過程中存在的實(shí)踐問題及倫理挑戰(zhàn)也應(yīng)該得到重視。

關(guān)鍵詞：生成式AI；自主學(xué)習(xí)；自學(xué)能力；ChatGPT；大學(xué)生

中圖分類號：G434；TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2024）06-0-03

生成式AI是基于模型、算法和規(guī)則，生成文本、圖片、視頻和代碼等內(nèi)容的技術(shù)。生成式AI的發(fā)展為教育領(lǐng)域帶來了諸多便利，包括促進(jìn)個性化教學(xué)、賦能人機(jī)協(xié)同與知識突破、讓智慧輔導(dǎo)成為現(xiàn)實(shí)、推進(jìn)科學(xué)研究的深入等［1］，其被認(rèn)為是開啟“通用人工智能時代”、引起新技術(shù)革命的創(chuàng)新性技術(shù)。

在當(dāng)前AI賦能教育的研究中，學(xué)者們普遍關(guān)注智能導(dǎo)師系統(tǒng)、教育機(jī)器人、智慧學(xué)習(xí)環(huán)境、個性化學(xué)習(xí)方案設(shè)計等方面，以及這些技術(shù)應(yīng)用的潛在風(fēng)險［2］，關(guān)于生成式AI時代大學(xué)生自學(xué)能力的增強(qiáng)，以及AI賦能下的學(xué)生主體性發(fā)展的研究較少。如何利用好生成式AI培養(yǎng)學(xué)生的自學(xué)能力，是AI時代的重要研究課題，也是推動AI時代教育革新的重要切入點(diǎn)。

1 生成式AI的特征與自主學(xué)習(xí)研究現(xiàn)狀

1.1 生成式AI的特征

《生成式人工智能：一個創(chuàng)造性的新世界》的發(fā)表，被視為內(nèi)容生成式人工智能（AI-Generated Content，AIGC）的開端［3］32-33。而由OpenAI發(fā)布的大語言對話模型ChatGPT則被認(rèn)為是具有代表性的生成式人工智能應(yīng)用。

在教育領(lǐng)域，生成式AI主要表現(xiàn)出以下四個特征。第一，個性化學(xué)習(xí)內(nèi)容生成：根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和偏好，生成式AI能夠提供個性化的學(xué)習(xí)材料，促進(jìn)學(xué)生的個性化學(xué)習(xí)。第二，互動式學(xué)習(xí)體驗(yàn)：通過與生成式AI互動，學(xué)生可以獲得即時反饋和指導(dǎo)，增強(qiáng)學(xué)習(xí)的互動性和參與感。第三，支持創(chuàng)造性思維：生成式AI在提供學(xué)習(xí)內(nèi)容的同時，能夠激發(fā)學(xué)生的創(chuàng)造性思維，通過生成新穎的情景，鼓勵學(xué)生探索和創(chuàng)新。第四，靈活的教學(xué)輔助評價工具：生成式AI可以作為教學(xué)輔助工具，幫助設(shè)計課程內(nèi)容和評估材料，減輕教師課前準(zhǔn)備的負(fù)擔(dān)，甚至可以直接承擔(dān)教師的一部分工作，幫助學(xué)生進(jìn)行自我評估。

1.2 生成式AI賦能的自主學(xué)習(xí)研究現(xiàn)狀

當(dāng)前，關(guān)于生成式AI在促進(jìn)學(xué)生自主學(xué)習(xí)方面的研究，主要集中在教學(xué)模式演進(jìn)、智能教育助手、個性化學(xué)習(xí)資源應(yīng)用等方面。

教學(xué)模式演進(jìn)主要表現(xiàn)為，生成式AI正在推動傳統(tǒng)的教學(xué)模式向包含“師—機(jī)—生”三元互動結(jié)構(gòu)的新模式轉(zhuǎn)變［4］。此種演進(jìn)促使教學(xué)內(nèi)容從人工直接生產(chǎn)轉(zhuǎn)向機(jī)器自動生成，能夠使學(xué)生獲得更加豐富多元的學(xué)習(xí)資源，為學(xué)生自主學(xué)習(xí)提供了更廣闊的空間和更有力的支持。

智能教育助手的應(yīng)用則表現(xiàn)為學(xué)習(xí)者學(xué)習(xí)空間的泛化和學(xué)習(xí)過程的個性化。生成式AI的學(xué)習(xí)導(dǎo)向和評估功能重塑了學(xué)習(xí)者的學(xué)習(xí)形態(tài)，能讓學(xué)生自主掌控和調(diào)整學(xué)習(xí)空間和學(xué)習(xí)過程，賦予了其更大的選擇權(quán)，增強(qiáng)了趣味性。

個性化的學(xué)習(xí)資源應(yīng)用主要體現(xiàn)為，生成式AI利用自身快速的反應(yīng)機(jī)制，針對性地解釋和強(qiáng)化每個學(xué)生的個性特點(diǎn)，利用個性化學(xué)習(xí)資源設(shè)計能力，為學(xué)生提供定制化的學(xué)習(xí)材料，從而實(shí)現(xiàn)因材施教，滿足學(xué)生的自主學(xué)習(xí)需求。

在具體的生成式AI賦能學(xué)生自主學(xué)習(xí)研究中，基于認(rèn)知科學(xué)、情緒科學(xué)等理論視角，劉清堂等人設(shè)計了ChatGPT類耦合教學(xué)代理，為教學(xué)活動時間提供了擬人對話、情緒線索等技術(shù)支持，在一定程度上代替了部分教師的功能［5］。王佑鎂則探索了生成式AI在職業(yè)教育中的人機(jī)交互與協(xié)作模式，以教學(xué)輔導(dǎo)助手、質(zhì)量評估員等身份賦能職業(yè)教育，推動了職業(yè)教育數(shù)字化轉(zhuǎn)型的有效落地［6］。李海峰對生成式AI時代的學(xué)生作業(yè)評價模式提出了新挑戰(zhàn)，構(gòu)建了生成式AI時代的作業(yè)設(shè)計模型［3］34-39。AI給教育帶來的挑戰(zhàn)不局限于學(xué)校教育模式的轉(zhuǎn)變，生成式AI也將在促進(jìn)學(xué)生自主學(xué)習(xí)方面發(fā)揮重要作用。

2 生成式AI賦能下的自學(xué)能力培養(yǎng)理論模型

齊莫曼如此定義自主學(xué)習(xí)：學(xué)生在元認(rèn)知、動機(jī)、行為三個方面都是一個積極的參與者時，其學(xué)習(xí)就是自主的［7］。在齊莫曼自主學(xué)習(xí)理論中，自主學(xué)習(xí)分為三個階段：前瞻階段、表現(xiàn)階段和自我反思階段。自主學(xué)習(xí)者要能夠自我識別學(xué)習(xí)需求，設(shè)定學(xué)習(xí)目標(biāo)，找到學(xué)習(xí)資源，選擇并實(shí)施學(xué)習(xí)策略，并最終評估學(xué)習(xí)成果。這一過程體現(xiàn)了自主學(xué)習(xí)的五個關(guān)鍵步驟：自我評估、學(xué)習(xí)目標(biāo)設(shè)定、學(xué)習(xí)資源識別、學(xué)習(xí)策略選擇和學(xué)習(xí)結(jié)果評估。

2.1 自我評估

自我評估指的是學(xué)習(xí)者利用AI評估工具對自身現(xiàn)有知識體系、技能掌握程度及學(xué)習(xí)動機(jī)進(jìn)行主觀的認(rèn)知分析。作為自主學(xué)習(xí)過程的起始點(diǎn)，利用生成式AI工具進(jìn)行自我評估，可以準(zhǔn)確分析并識別學(xué)習(xí)者畫像，讓學(xué)習(xí)者判斷自身元認(rèn)知水平、學(xué)習(xí)動機(jī)和學(xué)習(xí)風(fēng)格，以形成知識圖譜。具體來說，生成式AI可以設(shè)計個性化的評估工具，如智能問卷和模擬測試，對學(xué)習(xí)者進(jìn)行深入分析，精確識別學(xué)習(xí)動機(jī)和缺失技能，并據(jù)此提供個性化反饋。

2.2 學(xué)習(xí)目標(biāo)設(shè)定

在模型中，學(xué)習(xí)目標(biāo)設(shè)定占據(jù)核心地位，學(xué)習(xí)目標(biāo)不僅指導(dǎo)著學(xué)習(xí)者的行動方向，而且對激發(fā)其內(nèi)在動機(jī)、評估學(xué)習(xí)成效以及調(diào)整學(xué)習(xí)策略均有重要影響。自主學(xué)習(xí)目標(biāo)來源于學(xué)習(xí)者的自我評估結(jié)果，依據(jù)生成式AI工具形成的自主學(xué)習(xí)者畫像確立。學(xué)習(xí)者需要在AI生成的學(xué)習(xí)目標(biāo)中選擇更適合當(dāng)前學(xué)習(xí)動機(jī)的學(xué)習(xí)目標(biāo)，可以多次使用生成式AI細(xì)化和量化目標(biāo)，確保學(xué)習(xí)目標(biāo)既具有挑戰(zhàn)性又具備實(shí)現(xiàn)的可能性。

2.3 學(xué)習(xí)資源識別

資源識別主要是依據(jù)學(xué)習(xí)者設(shè)定的學(xué)習(xí)目標(biāo)，找到并選擇合適的學(xué)習(xí)資源，以提升學(xué)習(xí)者的學(xué)習(xí)效率，是生成式AI賦能自學(xué)能力提升的關(guān)鍵步驟。學(xué)習(xí)資源可以分為原學(xué)習(xí)資源和生成性學(xué)習(xí)資源，在生成式AI賦能下，可以針對性地生成大量結(jié)構(gòu)化、半結(jié)構(gòu)化和復(fù)雜的非結(jié)構(gòu)化學(xué)習(xí)資源，學(xué)習(xí)者可以使用生成式AI開展針對性學(xué)習(xí)，以強(qiáng)化學(xué)習(xí)效果。

2.4 學(xué)習(xí)策略選擇

學(xué)習(xí)者要根據(jù)自己的學(xué)習(xí)風(fēng)格、學(xué)習(xí)目標(biāo)和學(xué)習(xí)資源，選擇最合適的學(xué)習(xí)方法和策略。在沒有AI賦能的場景下，學(xué)習(xí)者需要自行判斷采用不同學(xué)習(xí)策略的效果，而生成式AI能夠根據(jù)大數(shù)據(jù)分析和學(xué)習(xí)者的前置學(xué)習(xí)歷史，為其推薦最合適的學(xué)習(xí)策略。例如，AI可以根據(jù)學(xué)習(xí)者對視覺材料的偏好推薦圖表和視頻，或者根據(jù)學(xué)習(xí)者的記憶能力推薦間隔重復(fù)學(xué)習(xí)法，從而將學(xué)習(xí)過程個性化，使之更契合學(xué)習(xí)者的個人特點(diǎn)，提升學(xué)習(xí)效率。

2.5 學(xué)習(xí)結(jié)果評估

在生成式AI的自主學(xué)習(xí)理論模型中，學(xué)習(xí)結(jié)果評估是一個關(guān)鍵環(huán)節(jié)，它不僅衡量學(xué)習(xí)成果，還為學(xué)習(xí)者提供反饋，能促進(jìn)學(xué)習(xí)策略的改進(jìn)。學(xué)習(xí)結(jié)果評估是學(xué)習(xí)者對學(xué)習(xí)過程和學(xué)習(xí)成果進(jìn)行評價的過程，是檢測自主學(xué)習(xí)質(zhì)量的重要依據(jù)。學(xué)習(xí)結(jié)果評價一般分為診斷性評價、形成性評價和總結(jié)性評價，在生成式AI賦能下，通過智能評估，可以將三種評價方式相結(jié)合，提供定期在線評估和實(shí)時反饋，讓學(xué)習(xí)者及時了解自身學(xué)習(xí)成效。同時，這能引導(dǎo)AI后續(xù)內(nèi)容的生成，優(yōu)化自主學(xué)習(xí)的輔助功能，提高學(xué)習(xí)者自主學(xué)習(xí)的效率。

3 生成式AI賦能下自學(xué)能力培養(yǎng)的挑戰(zhàn)與應(yīng)對策略

理論模型的具體實(shí)踐，除了面臨技術(shù)層面的需求，還面臨倫理法規(guī)等多個方面的挑戰(zhàn)。

3.1 AI技術(shù)發(fā)展的不平衡

當(dāng)前，技術(shù)發(fā)展不平衡和教育資源不公平的現(xiàn)象普遍存在。在經(jīng)濟(jì)較為落后的地區(qū)，學(xué)習(xí)者可能無法獲得必要的技術(shù)支持，如穩(wěn)定的互聯(lián)網(wǎng)和現(xiàn)代化的AI設(shè)備，從而無法充分利用AI提供的個性化學(xué)習(xí)機(jī)會。

針對技術(shù)發(fā)展不平衡的情況，一方面，政府需要加大政策支持和資金投入力度，加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，保證基礎(chǔ)性技術(shù)的普及；另一方面，企業(yè)和學(xué)校需要開發(fā)輕量級的學(xué)習(xí)應(yīng)用，降低學(xué)習(xí)者的技術(shù)門檻和對環(huán)境的要求。

3.2 個性化學(xué)習(xí)路徑的構(gòu)建問題

盡管AI能夠提供高度個性化的學(xué)習(xí)體驗(yàn)，但從技術(shù)上全面理解每個學(xué)習(xí)者的需求，進(jìn)而構(gòu)建符合其特點(diǎn)的個性化學(xué)習(xí)路徑，仍是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。這不僅要求AI技術(shù)具有處理復(fù)雜數(shù)據(jù)的強(qiáng)大能力，還需要研究者對教育心理學(xué)和學(xué)習(xí)理論有深入的理解。

建構(gòu)個性化學(xué)習(xí)路徑需要加強(qiáng)跨學(xué)科研究，結(jié)合教育心理學(xué)、認(rèn)知科學(xué)和人工智能等領(lǐng)域的最新研究成果，開發(fā)更為精準(zhǔn)和靈活的個性化學(xué)習(xí)算法。同時，在使用過程中不斷收集和分析學(xué)習(xí)者的反饋，持續(xù)優(yōu)化個性化學(xué)習(xí)路徑，不僅能推動技術(shù)的迭代，還能深化理論研究。

3.3 數(shù)據(jù)隱私與安全的倫理挑戰(zhàn)

利用生成式AI賦能自主學(xué)習(xí)，需要使用AI收集和分析大量學(xué)習(xí)者的數(shù)據(jù)，這引發(fā)了關(guān)于數(shù)據(jù)隱私和安全的重大倫理問題。如何在保護(hù)隱私的同時，有效利用數(shù)據(jù)提供個性化學(xué)習(xí)支持，是當(dāng)前面臨的關(guān)鍵問題。

當(dāng)前針對AI教育倫理的研究總體是建立在嚴(yán)格的數(shù)據(jù)保護(hù)機(jī)制和倫理準(zhǔn)則之上的，以確保學(xué)習(xí)者數(shù)據(jù)收集、處理和使用過程的透明度和安全性。除了數(shù)據(jù)層面的保護(hù)和限制之外，提高學(xué)習(xí)者對數(shù)據(jù)隱私權(quán)的認(rèn)識，賦予其更大的控制權(quán)，也是保障數(shù)據(jù)隱私，實(shí)現(xiàn)生成式AI環(huán)境下數(shù)據(jù)安全的重要基礎(chǔ)。

3.4 教育公平與資源分配問題

教師與生成式AI賦能是以人為本、以育人為中心的協(xié)同共生。教育的本質(zhì)遠(yuǎn)超知識的傳遞，包括批判性思維、社會情感技能的培養(yǎng)以及價值觀的塑造等，這些方面是當(dāng)前AI難以實(shí)現(xiàn)的。此外，AI生成的學(xué)習(xí)資源雖然豐富，但教育的全面性要求還包括對實(shí)驗(yàn)室資源、體育設(shè)施、藝術(shù)材料等非數(shù)字化資源的使用和學(xué)習(xí)，非數(shù)字化資源的分配依舊是一個亟待探究的問題。

在推廣生成式AI賦能自主學(xué)習(xí)的過程中，首先必須認(rèn)知到教師的不可替代性。要提高師資力量，提升教師的技術(shù)應(yīng)用能力。其次，針對非數(shù)字化資源分配的問題，需要采取更全面和系統(tǒng)的協(xié)調(diào)手段，確保所有學(xué)習(xí)者不僅能夠接觸到高質(zhì)量的數(shù)字化學(xué)習(xí)資源，而且能平等地享有實(shí)體教育資源。

4 結(jié)語

生成式AI的普及為自學(xué)能力的培養(yǎng)提供了有效的技術(shù)支撐和實(shí)踐路徑，讓學(xué)習(xí)者能夠依托生成式AI實(shí)現(xiàn)自主學(xué)習(xí)、自我評估。面對全新的生成式AI技術(shù)，學(xué)習(xí)者不僅要對技術(shù)本身進(jìn)行探究和應(yīng)用，更要提升自身信息素養(yǎng)，更好地接受和利用生成式AI，提升學(xué)習(xí)自主性，推動教育技術(shù)持續(xù)發(fā)展。

參考文獻(xiàn)：

［1］ 李海峰，王煒.人機(jī)協(xié)同深度探究性教學(xué)模式：以基于ChatGPT和QQ開發(fā)的人機(jī)協(xié)同探究性學(xué)習(xí)系統(tǒng)為例［J］.開放教育研究，2023，29（6）：69-81.

［2］ 張坤穎，張家年.人工智能教育應(yīng)用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)［J］.遠(yuǎn)程教育雜志，2017，35（5）：54-63.

［3］ 李海峰，王煒.生成式人工智能時代的學(xué)生作業(yè)設(shè)計與評價［J］.開放教育研究，2023，29（3）：32-39.

［4］ 楊宗凱，王俊，吳砥，等. ChatGPT/生成式人工智能對教育的影響探析及應(yīng)對策略［J］.華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，41（7）：26-35.

［5］ 劉清堂，曹天生，吳林靜，等. ChatGPT類耦合教學(xué)代理：需求分析與教學(xué)應(yīng)用［J］.現(xiàn)代遠(yuǎn)距離教育，2024，1（1）：1-16.

［6］ 王佑鎂，王海潔，王旦，等. ChatGPT賦能職業(yè)教育數(shù)字化轉(zhuǎn)型的多重角色與實(shí)踐路徑［J］.電化教育研究，2024，45（1）：76-83.

［7］ 孫佳林，鄭長龍.自主學(xué)習(xí)能力評價的國際研究：現(xiàn)狀、趨勢與啟示［J］.比較教育學(xué)報，2021（1）：67-84.

作者簡介：王健（1998—），男，浙江寧波人，碩士在讀，研究方向：智慧教育。