人工智能賦能思想政治理論課教學內容設計：機遇、挑戰與對策

摘要：智能時代背景下，人工智能對思想政治教育產生了重要影響。思想政治理論課教學內容的設計，應致力于將學生的信息偏好與教材內容密切關聯起來，幫助學生在關注社會話題的過程中形成世界觀、人生觀和價值觀，而人工智能的發展帶來解決這一問題的技術契機。但是，以目前的人工智能的發展階段來看，利用人工智能設計思想政治理論課的教學內容存在一定的局限。因此，要重視教育者在教學內容設計中的主體性作用，在思想政治理論課教學內容設計中做到人機協同。第一，教育者與推薦系統融合，在“用繭”與“破繭”的過程中保證教學內容的科學性；第二，教育者嵌入技術迭代，在反思智能技術與抽象勞動之間關系的基礎上明確人工智能時代教育者在思想政治理論課教學內容設計中的主體地位，在算法和模型的迭代更新中引入教育者的意見和建議，賦予教學內容設計以創造性；第三，善用智能應用，學生反饋慎作課業考核的依據，重賦學生反饋以客觀性。

關鍵詞：人工智能；思想政治理論課；教學內容；教育者；學生

引言

教學內容作為將教材傳達的內容內化于學生的中間環節，有別于課程內容、教材內容，是教育者在深入領會教材編寫意圖、明確教材與課程標準的關系的基礎上，對教材內容進行個性化加工后的更符合具體學情的信息和素

材[1]。智能時代背景下，智能技術強化了社交媒體對學生思想塑造的不確定性。同時，教育者智能技術匱乏加劇思政理論課的強制性。如何在人工智能發展的現階段上科學設計思想政治理論課教學內容變得越來越重要。

一、人工智能賦能思想政治理論課教學內容設計的機遇

學生自主構建信息獲取網絡總是兼顧社會關系的維持和信息的獲取，而社會關系的維持和信息的獲取統一于人的本質的表達。從思想政治教育的角度看，學生們正是在自己社會關系的表達中同時塑造自己的，使自己的特質融入到特定的社會關系中。利用人工智能，教育者可介入學生自主構建的信息獲取網絡，按照社會發展的客觀需求影響社交媒體應用對學生的思想塑造。人工智能可以將教學內容的呈現方式、表現手法等與學生對接，通過從社交媒體上獲取的數據進行分析、處理、還原和整合，提升教學內容的吸引力，從而帶來提升思想政治理論課實效性的契機。

（一）社交媒體應用提供了學生信息偏好的挖掘空間

從獲取學生感興趣的教學素材上看，社交媒體提供了客觀的數據環境。智能技術以各種應用和軟件的形式介入學生生活，“潤物細無聲”般地參與了學生的思想政治教育，同時也為思想政治理論課教學內容的設計提供了準確把握學生信息偏好的客觀數據環境。隨著人工智能推薦系統領域的不斷發展，嗶哩嗶哩、抖音、快手、微博、小紅書等各大社交媒體應用越來越受到人們的追捧，學生構建信息獲取網絡的方式也隨之發展變革，他們對自己信息消費的主動控制能力得到加強，這幾乎與這些應用不斷升級所依賴的推薦算法的迭代更新是相輔相成的，推薦系統在迎合人們信息偏好的方面越有成就，思政理論課通過“流量”分析和引導學生群體就越可靠。

（二）智能技術支持學生信息偏好與教材的對接環節

以多樣化的素材為載體，將教材內容具體化為教學內容。一是按既定主題整合教材內容；二是掌握偏好信息的完整線索，以便從思想政治教育的維度對這些信息作價值判斷；三是教材內容與學生偏好信息的同維度解構與整合。

1.推薦系統支持教材內容的整合。對于智能系統的學習來說，相對穩定是教材內容最大的優點。智能系統可按照學段、冊、單元、課、框、目的邏輯系統地整合出思想政治理論課的完整的知識圖譜。此外，推薦系統還能以過往教育者整合的優質結果為學習對象，為教育者提供個性化推薦。

2.推薦算法支持熱點話題完整線索的把握。提高增加用戶粘度及推薦的效率，推薦算法在不斷了解用戶的嘗試中日新月異。在獲取學生感興趣的話題后，算法可提供該話題權威的科學的完整鏈條，從而節約教育者變熱點話題為教學素材的時間成本。

3.智能算法支持教材內容與學生信息偏好在同維度的解構與整合，為不同主題的課推薦高度契合的學生熱點。特征工程的構建過程，同時也是解決問題維度確定的過程，這是一個復雜的反復試錯的過程，神經網絡算法對特征工程的優化降低了將學生感興趣的主題映射到教材內容的難度。

（三）智能應用支持教學效果的反饋環節

學生反饋指一切由學生產生的反應教學效果的客觀數據，如文本形式的隨堂測試、圖像或視頻形式的學生課堂反應。智能應用，如智能硬件設施、各類教學軟件，提供了采取學生反饋數據的場所。教學內容設計結束后，運用智能應用收集學生對教學內容的反饋數據并以此作為進一步指導教學內容的優化是關鍵，而學生反饋數據的客觀性決定其對教學內容優化的價值。

1.智能技術支持學生微表情分析。學生自然流露的表情是反映教學內容效果最直觀的反饋。如，教育者設計一個令學生感到悲憤的教學環節，但大多數學生并沒有因此表現出悲憤的表情，那么這個設計就是失敗的。目前，在微表情識別的技術方面，以圖片為原始數據集的計算機視覺取得了可觀的進步[2-3]，以視頻為原始數據集的動態人臉微表情識別也取得重要進展[4]。

2.智能技術支持學生產生的文本數據分析。融合了數字技術的學習通、雨課堂等軟件進入線下課堂帶來思想政治理論課的混合式教學新風尚[5]，這類軟件積極調動了學生上課的積極性，“詞云分析”在學生學習目標的反饋方面更是錦上添花。

二、人工智能賦能思想政治理論課教學內容設計的現實挑戰

以大數據為基礎的人工智能擅長的是理性、計算和邏輯，感性、靈感等非理性的意識是人工智能所不專擅的，它的一切看似深思熟慮后的決策和巧奪天工的設計都是對人類感性思維和理性思維的數理性表達。依托數理性表達，人工智能致力于將人的思維的復雜性抽象為固定算法的結果，并在結果上追求在盡可能減少人干預的條件下得到最完美的方案。但是，一項技術的成功最先在人們心中燃起的是“偷懶哲學”，像機械化最先讓人們想到的是“不用動手”一樣，智能化讓人們最先想到的是“不用動腦”。可見，在一定程度上，人們欣然接受智能技術對腦力勞動的抽象，這對思想政治理論課的設計產生了負面影響。

（一）信息繭房妨害教學內容的科學性

人工智能天然對數據有極高的依賴性，這種對數據的依賴源自人們對數據的選擇性。桑斯坦提出信息繭房概念的其中一重背景是數字化時代，他認為信息繭房意味著人們只關注自己選擇和愉悅自己的東西[6]。這一特性為推薦系統的誕生提供了依據，推薦算法從誕生之初就在迎合和利用這一特性。在自由度更高的社交媒體營造的空間里，學生們在娛樂自己的方面產生的數據往往高于基于學習需要產生的數據，這在一方面也促成了社交媒體生產和推薦的數據以“娛樂”學生為主，這些信息從特定學生群體的視角反映外部客觀世界，本身就存在很大的局限性。此外，推薦算帶來的信息繭房加劇了群體內的同質化，更是使得這種局限性雪上加霜。從整個社交媒體生產和推薦的信息來看，達到一定閾值的元素將成為當前主題“放之四海而皆準”的公理，并在越來越多的引用中被不斷加權。如果對大數據抓取的所謂的表征學生興趣愛好的信息過度依賴，將其作為設計教學內容的絕對素材，這將無益于學生在豐富的事物中獲得對客觀外部世界的整體性、完整性認知，學生將很難跳出信息舒適圈。

（二）算法理性制約教學內容設計的創造性

算法理性制約著教育者的創造性。算法就像一臺機器，將一切與算法理性不相適配的元素拒之門外，并同時引導和打磨一切試圖進入其中的要素。理性意味著可被計算，在教學內容的設計過程中，這種理性表現在兩個方面。一是提供的數據可被計算。教材內容與學生信息偏好的對接環節是通過大量優質教育者處理過程數據的訓練實現的。一旦形成可靠的模型，算法理性將要求能夠完全適配人工智能機器的生產線式的教育者，他們不被要求了解算法的邏輯，但被要求提供具有分析意義的數據，這些數據甚至可以人為篡改，以便讓機器分析的結果具有“價值意義”；二是教學內容設計過程中教育者設計行為的可被計算。教育者不被要求去創新，因為在既定算法和模型下，教育者的新的嘗試是不可被計算的，甚至會成為算法和模型產生錯誤的源泉，這在一定程度上弱化了教育者嘗試創新的熱忱。

（三）人工智能數據客觀性失控助長師生行為迎合

人工智能對數據客觀性的天然失控及其對數據的依賴。人工智能對提供的數據只能“拿來就學”，其本身不能保證數據的客觀性，同時，人工智能對數據的依賴性極高。機器學習的成功預測極度依賴相當數量和相當質量的數據，數量和質量缺一不可。數據的質量不僅僅指對數據進行特征工程處理的結果，還包括更為根本的數據的客觀性。損害數據的客觀性無異于從根本上阻斷人工智能“頭腦”發育的可能性。

師生對智慧評估類應用的主動迎合。在知識復現型的考試大受詬病后，思想政治理論課引入了學生成績的過程性考核，教學軟件和智慧設備成為過程性考核數據的重要產生平臺，成為教育者獲取學生出勤率、互動率、在線學習任務通過率等學生行為數據的重要工具[7-8]。但是，很多教育者容易將教材內容嫁接到各類教學軟件[9]，忽視對本班學生具體學情的把握、對教材內容與教學內容之間關系的把握、對自身專業素養的提升；學生則忙于找出各類軟件的“漏洞”，迎合行為包括但不限于用試錯的方法得到單選題的正確答案、非學習目的抬頭看黑板應對智慧教室對抬頭率和學習行為的統計和研判[9]。

師生的主動迎合行為將導致學生反饋數據喪失客觀性。目前，不少研究致力于從教學軟件中挖掘學生行為數據，研判學生的學習行為[10-11]。但筆者認為，一味從這些所謂客觀數據中分析學生學習行為，并以此為平時成績考核的依據，只會不斷加劇思想政治理論課的強制性，這種強制性將導致學生對教學內容的非客觀反饋，或者說功利性反饋，而不是對教學內容本身的反饋。

三、人機協同的思想政治理論課教學內容設計的對策建議

（一）教育者與推薦系統融合，保證教學內容的科學性

1.教育者用繭，確證學生所好盡在掌握，變熱點話題為教學素材。一是克服用戶可能提供虛假信息的困境。出于對自己信息的保護，有的用戶會盡可能少甚至錯誤透露自己的個人信息，且大部分推薦系統采用的是基于用戶的興趣及以用戶為核心建立起來的興趣與興趣之間聯系的算法，對用戶的性別、年齡等基本信息的依賴性不大。二是克服同一學段群體間異質的困境。數字技術在社交媒體上獲得的某一學段大部分學生喜歡的內容在本班不一定受歡迎。因此，教育者應該在與學生的交流的過程中再次確證熱點話題與學生之間能夠相互銜接，保證所選的熱點話題恰好是學生喜歡的、熟知的。成功完成這項措施需要教育者具備扎實的思想政治教育素養。

2.教育者破繭，確保教學內容的科學性。破繭之道在于用繭而不為繭所縛。一是在兼顧學生興趣愛好的同時適當拓展教學素材。學生在社交媒體中產生的數據有一定的局限性，因此，教育者在掌握學生信息偏好的客觀數據的基礎上，在學生認知發展規律的指導下適當拓展部分沒有被學生關注到，但對開闊學生視野、貼切教材內容具有積極意義的素材。二是深化熱點話題，做好熱點話題在思想政治教育維度的解構。教育者為貼近學生日常“融梗”的同時，要以教材為導向深度挖掘其中的思想政治教育價值。

（二）教育者嵌入技術迭代，賦予教學內容設計以創造性

1.突出教育者的主體地位。人工智能應該作為教育者優化和設計教學內容的方法、工具甚至思想、理念的補充，在利用人工智能的過程中，要明確教育者與人工智能之間的體與用的差別、道與器的地位，突出教育者在教學內容設計過程中的主體地位。

2.技術迭代要重視從事教學工作的一線教育者的意見和建議。在當前算法和模型的理性之外納入教育者的創造性元素，并以此作為算法和模型迭代更新的重要參數，保證算法和模型的迭代更新與教育者的意見和建議同頻。因此，要采取適當的激勵性措施鼓勵從事教學工作的一線教育者提出意見和建議，且不論采取怎樣的措施，教育者的創造性都必須在更新后的算法和模型中可被計算。此外，教育者在教學內容設計過程中要以本班學情為立足點，充分發揮自己的創造性才能，取得優質的教學成果，為教學內容設計的算法和模型的更新和構建提供多樣的學習數據。

（三）善用智能應用，重賦學生反饋客觀性

為保證學生反饋數據的客觀性，學生反饋數據應慎作課業考核的依據。思想政治理論課是一類極重視學生“情感、態度、價值觀”的培養的系列課，“心服”是它的核心。反饋數據作為考核依據帶來的強制性將對學生對課堂內容的真實反應產生極大的干擾，從而影響數據的客觀性，不宜指導教學內容的優化。教育者要重視不同學段“強制”的善用，合理消除學生對學生反饋影響考核成績的戒心。如，在重情感體悟的課堂上，教育者積極利用智能基礎設施完備的教室，為教學內容的反饋提供最為直觀的視頻和圖片數據。但為保證圖片和視頻的客觀反映教學內容的效果，教育者不應將學生的表情是否隨課堂傳達的情感而變作為學生情感、態度和價值觀“達標”的考核依據。

結語

未來，高質量的思想政治理論課課程資源的缺乏或許不是最嚴重的問題，層次性豐富的學生與復雜多樣的教學內容之間的供需適配才是。但目前，教育者的當務之急應該是生產出優質的教學內容，探索當前智能技術發展背景下思想政治理論課高質量發展的適應方法。教育者只有設計出高質量的教學內容，才有可能為人工智能提供優質的正向的原始數據。

參考文獻：

[1]牛學文.學科核心素養與思想政治課教學設計[J].思想政治課教學，2016，（02）：8-12.

[2]袁博，薛珮蕓，白靜，等.基于雙路特征和混合注意力的微表情識別[J/OL].無線電工程，1-11[2024-02-25].

[3]梁艷，溫興，潘家輝.融合全局與局部特征的跨數據集表情識別方法[J].智能系統學報，2023，18（06）：1205-1212.

[4]劉希未，宮曉燕，趙紅霞，等.基于混合注意力機制的動態人臉表情識別[J].計算機應用，2023，43（S1）：1-7.

[5]崔鑫宇，何翀，趙宏珂，等.融合ViT與對比學習的面部表情識別[J].中國圖象圖形學報，2024，29（01）：123-133.

[6]彭蘭.導致信息繭房的多重因素及“破繭”路徑[J].新聞界，2020，（01）：30-38+73.

[7]薄雪峰.基于雨課堂的翻轉課堂模式在思政教育中的應用[J].醫學教育管理，2022，8（S1）：64-67.

[8]馬俊峰，劉殷君.信息技術融入高校思想政治理論課的路徑選擇[J].思想政治教育研究，2020，36（01）：83-88.

[9]鞏莎莎.高校思想政治理論課親和力提升路徑研究[D].遼寧師范大學，2022.

[10]遲靜，吳杰.基于微課的“雨課堂”+“翻轉課堂”混合式教學研究[J].大學教育，2021，（04）：62-64.

[11]胡雅祺，王海豐，焦賽美.基于大數據的學生學習行為分析在教學中的應用初探[J].軟件，2020，41（09）：62-64+83.