深度問題解決能力：概念特征、理論框架及培養路徑

王煥景 魏江明 費建翔

摘要：問題解決能力是學生高階思維能力的關鍵能力，問題解決能力培養是教育適應人工智能時代社會人才需求的必要途徑。教學中，由于問題解決者本身存在知識有限、認知局限、多場景能力遷移難等客觀現象，以及教學培養活動中設置問題本身的價值失效、問題解決能力培養異化、問題解決能力評價的思維固化等，導致問題解決能力培養缺乏深度。在充分挖掘AIGC的獨特技術能力的基礎上，提出了深度問題解決能力的概念及其核心特征。鑒于此，AIGC賦能問題解決能力培養，構建了深度問題解決能力發生的理論框架，主要包含問題邏輯思維鏈從短變長、技術決策鏈從單視角到多視角、生成性反思鏈從單場景到多場景遷移應用，并闡述了深度問題解決能力培養路徑，為問題解決能力培養提供一種新理論、新實踐思路。

關鍵詞：AIGC；賦能；問題解決；深度問題解決能力

中圖分類號：G434 文獻標識碼：A

* 本文系國家社會科學基金項目“基于創新學習空間的高校圖書館智慧服務模式研究”（項目編號：19BTQ031）研究成果。

一、引言

問題解決的概念研究起始于心理學。隨之，社會學也納入研究范圍，如：一切生活皆為問題解決[1]，繼而問題解決能力培養成為教育學的研究問題[2]。“教育不僅是獲得知識，更是通過獲得知識形成學習能力的過程；獲得提出問題、分析問題、解決問題的能力才是目的。”[3]可知，在教育領域中問題解決能力培養的價值。

隨著，生成式人工智能（AIGC）對知識教育的沖擊，教育迫切需要超越知識學習[4]，更堅定培養學生高階思維能力（如創新能力、批判思維能力、問題解決能力、決策能力等）的緊迫性及必要性，能力培養逐漸成為未來教育的研究話題。但在現實教育教學中，比如問題解決能力培養受限于問題解決者自身知識、認知等缺陷，難以短時超越，及培養過程中教學活動設計和實施異化，導致問題解決止于淺層次探索階段。因此，深度問題解決能力培養值得探索與實踐。借助AIGC的獨特能力可推動問題解決進入深層次，繼而培養“思維比知道重要、問題比答案重要、邏輯比羅列重要”[5]的社會需求人才。

二、AIGC助推深度問題解決能力的概念生成

（一）問題解決能力

問題解決是對情境問題的一種認識活動。在教育領域，問題解決能力起初作為一種學科課程標準，新知與解決問題是問題解決能力培養的目的。進入21世紀以來，問題解決能力被認為一種“素養”，例如美國的“21世紀教育戰略”“21世紀技能框架”等。歐盟數字素養項目將問題解決能力列為數字素養領域，定義為一種利用數字化手段解決問題的能力。“中國學生發展核心素養”將問題解決能力確定為中小學生的核心素養之一，強調適應復雜環境并行動的一種能力。換言之，問題解決能力是綜合運用知識、經驗、理性等解決現實問題，是一種適應、參與社會的基本能力[6]。問題解決能力的本質是一種高級思維能力，蘊含操作性行為表現，如理解與提煉、分析與表達、推理與實踐、總結與反思等[7]。因此，問題解決能力培養活動應將以上操作性行為表現融合于教學過程中，并通過訓練強化。

（二）影響問題解決能力的培養要素

透徹理解“深度”的意義，不妨探討問題解決能力培養的影響要素。一是，問題解決者自身的“缺陷”。“在教育情境中對問題解決能力進行界定，必然不能忽視學生的問題解決能力和知識學習、認知發展及生活情境之間的密切聯系。”[8]主要特征表現為問題解決者經驗知識不足、邏輯思維不周延、問題解決視角匱乏，導致問題解決缺乏深度[9]。由此，知識有限、認知局限、及能力在跨領域之間難以遷移是人類自身缺陷，這些缺陷需要“類人”或“超人”技術來彌補，如AIGC整合跨領域知識，可助力學生探索Known Unknows（知道不知道）[10]。二是，問題本身的價值失效。“問題的產生不是問題本身的問題，而是為了解決問題而產生問題。”[11]波普爾[12]認為“新問題的深度就根本不同于舊問題”，更深刻問題不斷創生，是主動探索“未知”的過程，才使人擁有知識進步。可知，問題價值內涵：解決舊問題創生“深”問題，才是有意義學習[13]。但學校教育中以問題解決能力培養的教學活動中問題異化，如問題本身是虛構問題，脫離情境的“偽問題”或“假問題”，學生不必深刻思考就能認識問題，實則回答“是”的問題，解決此問題衍生不出下一個問題，未深入考慮“問題為什么產生”。因此，這種假問題不具有教育性，不具備學生反省性主動探究的特質，更不具備深度問題解決能力發生的條件。三是，問題解決能力培養的異化。教學實踐中，教師易將問題解決能力培養誤認為一種技巧訓練[14]，因缺乏深度思考而無法獲得解決不確定性問題的遷移能力，特別是遷移反思情境缺失。四是，問題解決能力的評價異化。問題解決能力評價思維固化于“有了知識‘知道是什么、怎么做”的知識教育[15]，而核心素養的教學改革試圖改變現有的教育形態，但仍處于初期的低階思維教育階段，培養的問題解決能力是一種淺度問題解決能力。

（三）AIGC的問題解決能力

AIGC的技術特征蘊含著遠超于人類問題解決能力的操作性行為表現，如理解、表達、推理、實踐、反思等。

1.理解自然語言能力

注入“以人為本”的因果關系是機器理解人類自然語言的基石，使機器具有“宜人性”，表現為：與機器交流的容易程度低、使用門檻低、人對機器的適應度高等特征[16]；人機交流的技術障礙不斷掃清[17]，得益于大語言模型“理解”多層次跨語種的自然語言。高質量的語料庫匯聚人類思想，致使AIGC涌現各種能力，與其說量變達到質變，不如說數據中蘊含的人類“智能”被機器所挖掘而習得“規律”，使大語言模型具備理解上下文的能力[18]，“懂得”人類的自然語言。例如ChatGPT采用自然語言與人交流，使人機對話式常態化交流成為可能，預示人從“有知→無知→未知”的局限被機器智能所突破。

2.整合聚變生成能力

AIGC的多風格文本生成、多任務理解生成內容、泛領域知識問答、多情景式差異推理等優勢技術特征，使知識跨領域整合，助推高階思維延展培養。自古以來，孔子、墨子、亞里士多德等“百科全書式”人物擁有綜合性知識。知識被復制技術（如印刷術）快速地分化裂變而產生了學科體系，使大眾獲得知識，卻帶來知識碎片化、視野狹窄化的結果，片面、無效的知識使人類思維被割裂[19]。知識被數字技術（如互聯網）快速地傳播裂變而產生了信息大爆炸，知識生產“草根化”，卻帶來知識與數據、智慧邊界模糊，知識就是一種連接[20]，尋徑與意會成為應對不確定性、碎片化、分布式的信息環境主要學習方式。知識被生成技術（如AIGC）快速地整合聚變而產生了重視高階思維能力培養的浪潮，形成“思維革命”[21]，如批判思維、創造思維、問題解決思維等，全譜系知識成為思維發展的夯實基礎，助推知識教育向思維教育轉型，重塑學習觀、教學觀、課程觀、評價觀。比如：生成啟發素材、教學目標、教學過程，以問題解決為主；創建個性化多模態教育資源；針對性完成教育評價的多項任務。

3.技術生態底座能力

美國高等教育信息化協會（EDUCAUSE）發布了《2023地平線報告：教與學版》，技術趨勢方面指出簡化復雜流程的低代碼（Low-code）和無代碼（No-code）技術使更多人能夠創建數字內容[22]。一方面，AIGC的大語言模型具有多功能多語言的代碼能力和多模態輸入、輸出表達之間交互特性。AIGC通過自然語言快速創建、開發多模態教育資源，這種特征其它信息技術無法比擬。AIGC降低教育技術開發的難度，并為教師與學生創造個性化信息產品提供可能，減輕平凡瑣碎的任務，在處理大而復雜的問題時“擺脫困境”，教師有充足精力開發生成性教育資源。另一方面，基于大語言模型為“底座”開發插件，形成以AIGC為核心的信息產品生態，將重塑現有智能教學工具走向“智慧”，換言之，每種信息工具都具有“類人”屬性，數以萬計的信息產品皆因“大語言模型”為基礎設施而相互交流，匯聚大數據為全數據，使創新技術工具更具有“智慧性”。

（四）深度問題解決能力的概念及特征

AIGC獨特的問題解決能力可彌補問題解決者自身的“缺陷”，如問題邏輯思維淺、駕馭技術決策能力單薄、反思遷移能力弱，將進一步助推問題解決者調動認知資源解決復雜、不確定性社會生活問題，即生成深度問題解決能力。其核心特征如下：

第一，深度的問題邏輯思維能力。遇到某種困境或現實問題時，“如果聯想到的見解馬上就接受下來，那就是無批判、最低限度的思維。”[23]而聯想源泉是以往的經驗和事先學到的知識，但“人是唯一未‘完成和不‘完善的生物”[24]，正因為如此人才要探索新的證據、新的見解，激發思索形成有意義的思維，即深度邏輯思維，是一條綿延不斷、環環相扣問題思維鏈條，包含四個特點：不斷的、一系列的思量；連貫有序；因果分明；前后呼應[25]。這種邏輯思維能力取決于問題表征延展及經驗知識的廣度與深度支持，而人是有缺陷的，對問題的理解、表征、分析等易止于淺層邏輯思維，這時，需要技術助力才能走向深度。

第二，深度的技術決策能力。“技術看作是達到目的的正確途徑的方法，或看作是人類的行為方式。”[26]人類行為指向知識系統的知識性技術——解決問題的技術、方法論等——已獨立人而存在。如人的記憶外包，“人的記憶不再依靠自己的經驗、身體和文字，而是通過數字化媒介存儲。”[27]如知識外包，“信息時代，尤其是人工智能時代，人類進入了一個知識外包的全新的教育生態，越來越多的知識被外包給信息技術。”[28]由此，技術成為彌補學生自身“缺陷”的方法，及如何使用這種技術的策略共同構成駕馭技術的能力。換言之，駕馭技術的過程就是學生決策技術的過程。深度技術決策能力是按照問題需求合理地選擇技術促進深層次解決問題的能力。深度即“多視角”。多視角選擇技術解決問題是面度復雜、不確定性問題的關鍵之處，包含匹配舊技術或使用低代碼或無代碼技術創造新工具，增加使用技術深層次解決問題的機會。

第三，深度的反思遷移能力。解決問題的遷移能力是問題解決的目的。反思是遷移的必要環節，遷移是在問題邏輯思維能力及技術決策能力的過程中生成與升華，而習得“類問題”解決能力。教育學領域，遷移是一種學習方式，將知識與技能應用新的情境，考慮三個關鍵因素：知識、技能、新情境，其中新情境創建是遷移能力評估及時反饋的實踐要素，但現實教學中“學用脫節”問題[29]使遷移能力大打折扣。一般采用作業、考試等知識性評價方式而非能力性評價方式（如新情境創設），導致問題解決能力培養一直處于理論培養層次中，直接削弱了培養價值的實踐功效。設計、創設新情境不僅是評估遷移能力的實踐工具，也是進一步深度思考新舊情境之間差異引起遷移阻礙，使這種阻礙因反思、判斷等有序“存在”，換言之，“如何判斷新情境與舊情境的共同要素？”“如何概括新情境與舊情境的共同原理？”[30]正確的回答即生成深度的反思遷移能力。

三、深度問題解決能力的理論框架

深度問題解決能力產生于有深層次問題解決的過程。徐春玲等[31]提出劣構問題解決過程：問題表征，問題解決方案的生成、選擇與實施，問題解決過程的監控和評估。深層次問題解決過程是借助AIGC獨特技術能力深層次地推進、反思問題解決的每個過程，以鏈條思維方式組織執行過程，進而習得深度問題解決能力。AIGC賦能深度問題解決能力的理論框架（如圖1所示），使問題邏輯思維鏈、技術決策鏈、生成性反思鏈等發生，旨在AIGC助力問題解決者通過問題解決跨越自己的無知，探索未知，習得新知、新技能、新能力，使人之為人并全面發展。

四、深度問題解決能力的培養路徑

PISA項目針對學生具體行動將問題解決過程劃分為：理解問題、描述問題、展示問題、解決問題、反思解決方案、交流解決方案[47]。結合AIGC助力深度問題解決能力的理論框架，重塑培養教學活動過程（如圖2所示），具體環節包含：創設高質量問題情境環節、預設與生成問題鏈環節、解決問題技術決策鏈環節、多場景反思遷移鏈環節。

（一）創設高質量問題情境環節

“教育有用，因為理解生活是有用的”[48]。教育目的是如何將習得知識、經驗、技能、能力等應用于現實生活中。以“問題”為主線的教學活動，創設問題情境是有與無的問題，而創設高質量問題情境才是問題解決的核心及開端。但這類問題情境創設困境在于：一是，教師知識、經驗與認知局限等，使創設問題情境的質量本身具有局限性；二是，知識評價體系思維束縛及影響，限制問題情境蘊含評價任務[49]。教師專注于本學科知識體系，創設問題情境是對真實生活問題情境的局限割裂或基于知識“偽問題”，不具有衍化性。利用AIGC生成問題情境化解教師本身局限，但需滿足是三個條件：第一，教師對培養目標進行深思熟慮；第二，教師提煉“學科知識”與“能力培養需求”關鍵詞作為“提示詞”，向AIGC發問；第三，對AIGC生成問題情境批判選擇。為了進一步提高問題情境質量，可通過虛擬現實等將AIGC的文本模態轉化為逼真的“虛擬”情境[50]。因此，創設問題情境是能力培養需求導向下真實完整生活情境再現，有助于提升學生思維的深度。

（二）預設與生成問題鏈環節

問題情境是學生理解、描述、展示問題的導火索，而點燃此導火索是學生發現問題能力。學生具有專業知識的扎實程度、洞察力和判斷力的敏銳度決定發現問題的能力[51]。若問題與學生已知（如記憶、理解、應用的知識）相匹配，直接可解決問題，屬于淺層次問題解決能力，但相當重要，處于“不憤不啟”的階段。若止于此處，可驗證問題情境創設本身不具有教育性，需重新創設。若不匹配，學生處于無知狀態，教師引導學生發現問題情境背后蘊藏的深層次問題，編寫提示詞（問題鏈），向AIGC不斷反復提問，從生成內容中挖掘新問題，再提問，把生成問題推向深層次探究境界，最后篩選出個體問題鏈，此時，機器是一位啟發“教師”。當然，教師預設問題鏈是對教學內容提煉而形成，具有局限性。教師參與篩選、整合學生生成的問題鏈，磨合成高質量問題鏈，換言之，“確定高質量的主干問題及鋪設序列化子問題”[52]。

（三）解決問題技術決策鏈環節

根據問題鏈特點，以及學生對提出問題相似度劃分小組，進行協作問題解決。分析問題是假設推斷過程，含有多種心理活動，如分析、批判、表達、推理與實踐，需要大量循證材料，不僅依靠學生現有專業知識及認知，還需未知領域知識及技能。未知領域探索是深度問題解決能力培養的重心，教師引導學生借助AIGC突破自身局限，對問題進行深層次剖析。值得注意的是學生主動批判人工智能的生成內容（如圖3所示），質疑、追根溯源是學生將AIGC轉換成循證材料的手段。由于網絡使知識、信息、數據之間邊界變得模糊、不確定性，辯證真假資訊成為使用AIGC的技術決策能力，是學生獲得未知“知識”的手段，強化訓練有利于深層次分析問題，否則，停留于淺層。透徹地分析問題基礎上，形成解決問題方案，需要不同技術工具手段與技術策略手段。利用AIGC生態“底座”特征，助力學生創造、使用和管理符合解決問題的技術資源，比如：單技術的AIGC可提供智能設計、多模態生成、需求生成運行代碼等技術應用場景；AIGC成為元宇宙內容生成的基礎設施，高度融合后數字化生產、數字化管理、數字化生活等模擬場景，將為問題解決提供虛擬“做”的實踐場景。從做中解決問題，促進學生用技術解決實際問題，故而，生成技術工具與策略。技術工具或技術策略的多視角是創造性解決復雜問題的技術決策能力。形成解決問題方案后，小組內交流是反思最好的手段，思維多次碰撞，有利于個體建構自我反思路徑。值得強調的是，小組匯報一定是反思后的成果，也是反思問題鏈與技術決策鏈的建立、實施困境、解決問題的實施過程精確加工，否則，粗粒度的報告引不起學生共鳴。小組間交流匯報是整個問題解決的“智慧”，也是生成式反思鏈形成最佳時段，厘清問題解決的過程中產生的各種心理活動、行為數據、“知識、技能、能力”的增值等，形成個體建構的技術決策鏈與反思鏈。

（四）多場景遷移反思鏈環節

“教育需要解決的問題就是使學生通過樹木看見森林。”[53]“森林”就是遷移能力，也是傳統教學容易忽視環節。此環節以學習成果評價為導向，替換知識型評價方式。利用人工智能（AIGC）創設真實情境，“引導學生將知識從單一場景遷移到多場景，實現深度學習。”[54]創設新情境不是簡單復制原問題情境，而是更深層次的問題情境，與下一次解決問題相融合，既是結束，也是開端。創設新情境是對生成性反思鏈的進一步反思及鞏固，有利于遷移能力培養。創設新情境與學生習得是否匹配，若匹配，證明學生習得“未知”領域的新知識、新技能、新能力等。若不匹配，預示學生的遷移能力未形成，實則學生對此教學活動未進行深刻體悟。教師重點關注此類學生，對行為數據進行分析，精準干預。

五、結語

學以致用，學會遷移，這是問題解決能力的精粹。問題解決停留于淺層次而不夠深入的問題永遠存在，源于學習者個體知識有限與認知局限。技術不斷地解蔽世界，讓人們感受到“未知”的永無止境。隨著，AIGC的產生與對教育的影響，教育將成為“教人們掌握如何運用能力的藝術”。希望充分利用AIGC的增強智能提升學生深度問題解決能力，進而適應、參與社會不確定性問題解決。然而，本研究仍需要通過實驗研究進一步驗證深度問題解決能力培養的實踐效果，將成為下一步研究的起點。

參考文獻：

[1] Popper，K.All Life is Problem Solving [M].New York：Routledge，1999.

[2] 王薇，劉莉.問題解決的教育實踐特征：基于心理學到教育學的轉換[J].教育學術月刊，2021，（6）：90-96.

[3] 袁振國.教育學的歷史轉向——關于教育學世界一流學科建設的思考[J].教育研究，2023，44（5）：4-15.

[4] 李永智，馬陸亭等.中國教育學論綱[J].教育研究，2023，44（4）：4-11.

[5] 沈書生，祝智庭.ChatGPT類產品：內在機制及其對學習評價的影響[J].中國遠程教育，2023，43（4）：8-15.

[6][8] 伍遠岳，謝偉琦.問題解決能力：內涵、結構及其培養[J].教育研究與實驗，2013，（4）：48-51.

[7] 王薇，何慶青.培養學生問題解決能力的學習活動設計和課堂評價準實驗研究[J].教育學報，2022，18（5）：44-55.

[9] 李海峰，王煒.面向高階思維能力培養的數字孿生智慧教學模式[J].現代遠距離教育，2022，（4）：51-61.

[10] Zhou，J.，Ke，P.，Qiu，X.et al.ChatGPT：potential，prospects，and limitations [J]. Front Inform Technol Electron Eng，2024，25：6-11.

[11] 趙奇.尋找思想寶石：《資本論》啟示錄[M].北京：東方出版社，2018.

[12] [英]卡爾·波普爾.李本正，范景中譯.走向進化的知識論[M].杭州：中國美術學院出版社，2001.

[13] [美]戴維·喬納森，喬伊·摩爾，羅斯·馬爾拉等.任友群等譯.學會用技術解決問題：一個建構主義者的視角[M].北京：教育科學出版社，2007.

[14] 朱立明.深度學習：學科核心素養的教學路徑[J].教育科學研究，2020， （12）：53-57.

[15] 胡弼成.論教育形態的變革——思維教育簡論[J].高教探索，2008，（5）： 15-19.

[16] 李會春.ChatGPT技術熱潮下教育變革的挑戰和對策[J].復旦教育論壇，2023，21（2）：13-23.

[17] 彭蘭.AIGC與智能時代的新生存特征[J].南京社會科學，2023，（5）：104-111.

[18] 趙朝陽，朱貴波，王金橋.ChatGPT給語言大模型帶來的啟示和多模態大模型新的發展思路[J].數據分析與知識發現，2023，7（3）：26-35.

[19] 何明.盲人摸象、削足適履與刻舟求劍：制約知識生產的認識論根源[J].開放時代，2021，（1）：88-90.

[20] 王志軍，陳麗.聯通主義學習理論及其最新進展[J].開放教育研究，2014， 20（5）：11-28.

[21] 朱光輝，王喜文.ChatGPT的運行模式、關鍵技術及未來圖景[J].新疆師范大學學報（哲學社會科學版），2023，44（4）：113-122.

[22] EDUCAUSE.2023 EDUCAUSE Horizon Report Teaching and Learning Edition [EB/OL].https：//library.educause.edu/resources/2023/5/2023-educause-horizon-report-teaching-and-learning-edition，2023-05-08.

[23][25] [美]約翰·杜威.伍中友譯.我們如何思維[M].北京：新華出版社，2015.

[24] [德]底特利希·本納.彭正梅，徐小青等譯.普通教育學[M].上海：華東師范大學出版社，2006.

[26][38] 遠德玉，陳昌曙.論技術[M]：沈陽：遼寧科學技術出版社，1986.

[27] 董軍.海德格爾技術之思及其當代啟示[J].學習與實踐，2021，（9）：134-140.

[28] 焦建利.ChatGPT助推學校教育數字化轉型——人工智能時代學什么與怎么教[J].中國遠程教育，2023，43（4）：16-23.

[29] 徐鵬，王以寧等.教師信息技術應用能力遷移影響因子模型構建研究[J].開放教育研究，2015，21（4）：106-112.

[30] 喻平.學科關鍵能力的生成與評價[J].教育學報，2018，14（2）：34-40.

[31][35] 徐春玲，王海慶.問題解決視域的實踐共同體建構研究[J].現代教育技術，2013，23（1）：116-120.

[32] 樊榮強.當眾講話是門技術活[M].合肥：安徽人民出版社，2013.

[33] 呂崧.問題啟迪思維——“問題鏈”在初中化學教學中的運用[M].上海：上海交通大學出版社，2014.

[34] 鄧鑄，余嘉元.問題解決中對問題的外部表征和內部表征[J].心理學動態，2001，（3）：193-200.

[36] 周玉霞，李芳樂.問題解決的研究范式及影響因素模型[J].電化教育研究，2011，（5）：18-25.

[37] 李芒.對教育技術“工具理性”的批判[J].教育研究，2008，（5）：56-61.

[39] 鐘志賢.信息技術作為學習工具的應用框架研究[J].電化教育研究，2008，（5）：5-10.

[40] 李芒，段冬新.歷史的會師點：教育技術的學術繁榮[J].現代遠程教育研究，2020，32（2）：3-10+19.

[41] 趙汀陽.人工智能提出了什么哲學問題 [J].文化縱橫，2020，（1）：43-57.

[42][45] 姚林群.論反思能力及其培養[J].教育研究與實驗，2014，（1）：39-42.

[43] 趙敏，李森.論課堂反思場域中學生反思路徑的五度劃分及策略選擇[J].教育理論與實踐，2021，41（1）：60-64.

[44] [美]約翰·杜威.姜文閔譯.經驗與教育[M].北京：人民教育出版社，2005.

[46] 張登博，劉明.智能反思寫作反饋系統的設計與應用[J].現代教育技術，2021，31（11）：96-103.

[47] 楊學敬，徐斌艷.問題解決內涵的重構——來自PISA的啟示[J].教育科學，2007，（2）：32-35.

[48][53] [英]懷特海.徐汝舟譯.教育的目的[M].北京：生活·讀書·新知三聯書店，2002.

[49] 楊向東.指向學科核心素養的考試命題[J].全球教育展望，2018，47（10）：39-51.

[50] 段茂君，鄭鴻穎.基于深度學習的高階思維培養模型研究[J].現代教育技術，2021，31（3）：5-11.

[51] 張立國，謝佳睿，王國華.基于問題解決的深度學習模型[J].中國遠程教育，2017，（8）：27-33，79.

[52] 丁福軍，張維忠，唐恒鈞.指向數學核心素養的問題鏈教學設計[J].教育科學研究，2021，（9）：62-66.

[54] 劉磊，劉瑞.人工智能時代的教師角色轉變：困境與突圍——基于海德格爾技術哲學視角[J].開放教育研究，2020，26（3）：44-50.

作者簡介：

王煥景：教授，博士，博士生導師，研究方向為信息技術教育應用、知識服務。

魏江明：在讀博士，研究方向為教育數字化轉型、教育領導與管理。

費建翔：講師，在讀博士，研究方向為高等教育管理、大學生發展。

In-depth Problem-solving Ability： Conceptual Characteristics， Theoretical Framework and Cultivation Path

—Based on the Perspective of AIGC Technology Empowerment

Wang Huanjing1， Wei Jiangming2， Fei Jianxiang2

1.School of Communication， Qufu Normal University， Rizhao 2768261， Shandong 2.Faculty of Education， Qufu Normal University， Qufu 273165， Shandong

Abstract： Problem-solving ability is the key ability of students ‘ higher-order thinking ability. The cultivation of problem-solving ability is a necessary way for education to meet the needs of social talents in the era of artificial intelligence. In teaching， due to the objective phenomena such as limited knowledge， cognitive limitations， and difficulty in multi-scene ability migration of problem solvers， as well as the value failure of setting problems in teaching and training activities， the alienation of problem-solving ability training， and the thinking solidification of problem-solving ability evaluation， the problem-solving ability training lacks depth. On the basis of fully tapping the unique technical capabilities of AIGC， the concept of deep problem solving ability and its core features are proposed. In view of this， AIGC empowers the cultivation of problem-solving ability， constructs the theoretical framework of the occurrence of deep problem-solving ability， mainly including the problem logical thinking chain from short to long， the technical decision-making chain from single perspective to multi-perspective， and the generative reflection chain from single scene to multi-scene migration application， and expounds the deep problem-solving ability training path， which provides a new theory and new practical ideas for the cultivation of problem-solving ability.

Keywords： AIGC； empowerment； problem solving； deep problem solving ability

收稿日期：2023年12月12日

責任編輯：趙云建