大語(yǔ)言模型支持的泛在學(xué)習(xí)應(yīng)用場(chǎng)景及策略研究

[摘 要] 新一代人工智能技術(shù)正在成長(zhǎng)為新型技術(shù)基座，為泛在學(xué)習(xí)的實(shí)現(xiàn)提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。研究提出了大語(yǔ)言模型應(yīng)用于泛在學(xué)習(xí)的三個(gè)設(shè)計(jì)原則：系統(tǒng)性、循環(huán)演進(jìn)和開(kāi)放性。基于這些原則，構(gòu)建了大語(yǔ)言模型技術(shù)支持下的泛在教育應(yīng)用模式。該模式以泛在學(xué)習(xí)的設(shè)計(jì)、實(shí)施和活動(dòng)評(píng)價(jià)需求為驅(qū)動(dòng)，通過(guò)與大語(yǔ)言模型的持續(xù)互動(dòng)，在多個(gè)維度形成閉環(huán)，為教師提供全流程支持。研究通過(guò)對(duì)師范生教學(xué)技能訓(xùn)練的泛在學(xué)習(xí)場(chǎng)景進(jìn)行案例分析，驗(yàn)證了應(yīng)用模式的有效性。結(jié)果表明，該模式顯著提升了學(xué)生的數(shù)字化意識(shí)和教學(xué)設(shè)計(jì)實(shí)施能力。基于研究結(jié)果，提出了三個(gè)泛在學(xué)習(xí)應(yīng)用策略：構(gòu)建服務(wù)導(dǎo)向的助學(xué)機(jī)制，推動(dòng)學(xué)習(xí)空間融合化；多通道感知學(xué)習(xí)環(huán)境數(shù)據(jù)，助力學(xué)習(xí)智能泛在化；建立“人—機(jī)—物”社會(huì)性交互，實(shí)現(xiàn)人機(jī)深度協(xié)同。

[關(guān)鍵詞] 大語(yǔ)言模型； 泛在學(xué)習(xí)； 應(yīng)用場(chǎng)景； 策略； 師范生

[中圖分類號(hào)] G434 [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 付道明（1977—），男，四川綿竹人。教授，博士，主要從事信息化教育、學(xué)習(xí)科學(xué)與技術(shù)、教師教育研究。E-mail：jetinchina@21cn.com。

一、研究背景

自 2022 年底 Open AI公司發(fā)布 ChatGPT 開(kāi)始，GPT 語(yǔ)言模型及其生成式預(yù)訓(xùn)練轉(zhuǎn)化工具不斷發(fā)展，逐步達(dá)到模仿人類自然語(yǔ)言表達(dá)、思維模式以及行為習(xí)慣的程度，標(biāo)志著“類人型”人工智能的持續(xù)演進(jìn)[1]。大語(yǔ)言模型技術(shù)以自然語(yǔ)言處理技術(shù)為基礎(chǔ)，以大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)算法以及大規(guī)模算力為支撐，助推自然語(yǔ)言的推理、理解和分析能力的有效提升[2]，實(shí)現(xiàn)了從“能存會(huì)算”的自動(dòng)化到“能看會(huì)聽(tīng)”的感知化，再到“能理解會(huì)創(chuàng)作”的認(rèn)知化的整體躍升[3]。ChatGPT-4問(wèn)世后，其在醫(yī)學(xué)診斷、通信、軟件工程、教育教學(xué)等領(lǐng)域的應(yīng)用潛力逐漸被認(rèn)可。以ChatGPT為代表的大語(yǔ)言模型技術(shù)能夠創(chuàng)設(shè)個(gè)性化和互動(dòng)式學(xué)習(xí)環(huán)境，并為學(xué)生學(xué)習(xí)提供了廣泛的工具與資源，如因材施教的虛擬輔導(dǎo)、定制化的教學(xué)策略和自適應(yīng)學(xué)習(xí)內(nèi)容與路徑等，重塑了學(xué)習(xí)空間、學(xué)習(xí)過(guò)程、學(xué)習(xí)方式，打造出泛在化、個(gè)性化、協(xié)作化的學(xué)習(xí)形態(tài)[4]，催生了網(wǎng)絡(luò)陪伴式學(xué)習(xí)的泛在化深度融合學(xué)習(xí)模式[5]、以類腦泛在神經(jīng)元網(wǎng)絡(luò)為基礎(chǔ)的類腦泛在學(xué)習(xí)系統(tǒng)[6]等過(guò)程模式。ChatGPT可以幫助學(xué)生隨時(shí)隨地開(kāi)展泛在學(xué)習(xí)，并能夠根據(jù)個(gè)性化學(xué)習(xí)需要匹配適應(yīng)性學(xué)習(xí)策略[7]，極大改善了學(xué)生的學(xué)習(xí)體驗(yàn)和學(xué)習(xí)效果。

二、 大語(yǔ)言模型技術(shù)框架下泛在學(xué)習(xí)架構(gòu)的設(shè)計(jì)

（一）泛在學(xué)習(xí)的理論研究進(jìn)展

隨著新興技術(shù)的快速發(fā)展，泛在學(xué)習(xí)已成為一種融合物理環(huán)境、學(xué)習(xí)行為和智能技術(shù)的新型學(xué)習(xí)范式[8]。該學(xué)習(xí)范式強(qiáng)調(diào)從多維視角重塑學(xué)習(xí)，旨在構(gòu)筑一個(gè)資源豐富、互動(dòng)頻繁、情境真實(shí)且無(wú)所不在的學(xué)習(xí)生態(tài)，激發(fā)學(xué)習(xí)者的內(nèi)在動(dòng)機(jī)，培養(yǎng)自主學(xué)習(xí)能力。泛在學(xué)習(xí)的基礎(chǔ)在于豐富的學(xué)習(xí)資源支撐。隨著技術(shù)的不斷進(jìn)步，學(xué)習(xí)資源呈現(xiàn)出豐富性、適應(yīng)性等多重特征[9]。為更好地支持泛在學(xué)習(xí)資源的建設(shè)，相關(guān)研究提出了兩個(gè)關(guān)鍵舉措：首先，泛在學(xué)習(xí)中的信息傳播媒介應(yīng)滿足不同層次學(xué)習(xí)者的多元需求，促進(jìn)群體認(rèn)同與情感交融[10]；其次，資源組織應(yīng)以實(shí)現(xiàn)跨平臺(tái)共享與再用為原則，同時(shí)凸顯資源的動(dòng)態(tài)屬性[11]。除了資源支撐，泛在學(xué)習(xí)的另一個(gè)顯著特點(diǎn)是富聯(lián)通性。泛在學(xué)習(xí)環(huán)境是一個(gè)復(fù)雜的生態(tài)系統(tǒng)，由多個(gè)相互關(guān)聯(lián)的要素構(gòu)成，這些要素在學(xué)習(xí)過(guò)程中不斷互動(dòng)。為了有效支持這種復(fù)雜的學(xué)習(xí)環(huán)境，研究者提出需要采用分層次的方法來(lái)設(shè)計(jì)和實(shí)現(xiàn)分布式學(xué)習(xí)活動(dòng)[12]。研究者認(rèn)為，泛在學(xué)習(xí)強(qiáng)調(diào)“人—機(jī)—物”的交互作用。為支持這種多維交互，需要構(gòu)建一個(gè)開(kāi)放互聯(lián)的智能空間，適應(yīng)不同學(xué)習(xí)場(chǎng)景，為學(xué)習(xí)者提供靈活且個(gè)性化的學(xué)習(xí)體驗(yàn)[9]。最后，泛在學(xué)習(xí)過(guò)程應(yīng)是一個(gè)持續(xù)發(fā)展變化的過(guò)程，其愿景是不斷支持學(xué)習(xí)者的終身學(xué)習(xí)，擴(kuò)大學(xué)習(xí)者的受益面。為實(shí)現(xiàn)這一目的，研究者認(rèn)為，泛在學(xué)習(xí)應(yīng)呈現(xiàn)出從封閉到開(kāi)放、從內(nèi)容到活動(dòng)、從通用到個(gè)性化的發(fā)展路向，并與多個(gè)領(lǐng)域加速融合，呈現(xiàn)更廣闊的發(fā)展前景[11]。

（二）大語(yǔ)言模型技術(shù)框架下泛在學(xué)習(xí)架構(gòu)的設(shè)計(jì)原則

為了深入探索大語(yǔ)言模型技術(shù)與泛在學(xué)習(xí)的深度融合，進(jìn)一步深化泛在學(xué)習(xí)理念，為學(xué)習(xí)者提供更加智能化、個(gè)性化、無(wú)縫化的學(xué)習(xí)體驗(yàn)，本研究立足于大語(yǔ)言模型的技術(shù)架構(gòu)和泛在學(xué)習(xí)的研究進(jìn)展，提出了基于大語(yǔ)言模型技術(shù)框架的泛在學(xué)習(xí)架構(gòu)設(shè)計(jì)原則，具體如下：

1. 系統(tǒng)性原則

系統(tǒng)性原則要求在學(xué)習(xí)系統(tǒng)構(gòu)建時(shí)以整體目標(biāo)的優(yōu)化為準(zhǔn)繩，協(xié)調(diào)系統(tǒng)中各要素的相互關(guān)系，使得系統(tǒng)完整、平衡。基于大語(yǔ)言模型技術(shù)框架的泛在學(xué)習(xí)系統(tǒng)是一個(gè)有機(jī)的整體，該系統(tǒng)既包括顯性要素（如技術(shù)設(shè)備、媒體工具、知覺(jué)界面等），又包括隱性要素（如學(xué)習(xí)服務(wù)、學(xué)習(xí)活動(dòng)、知識(shí)等）。單一要素的變化勢(shì)必會(huì)對(duì)其他要素產(chǎn)生影響，從而影響系統(tǒng)的整體運(yùn)行。例如：在不同的泛在學(xué)習(xí)場(chǎng)景中選擇不同的媒體工具，勢(shì)必會(huì)對(duì)學(xué)習(xí)服務(wù)內(nèi)容以及學(xué)習(xí)活動(dòng)形式產(chǎn)生影響，從而影響泛在學(xué)習(xí)質(zhì)量。因此，需要從系統(tǒng)的角度考慮顯性要素和隱性要素的協(xié)調(diào)統(tǒng)一，對(duì)系統(tǒng)進(jìn)行整體規(guī)劃與設(shè)計(jì)。

2. 循環(huán)演進(jìn)原則

在經(jīng)濟(jì)學(xué)領(lǐng)域，學(xué)者提出了循環(huán)經(jīng)濟(jì)的“3R”原則，即減少原料（Reduce）、重新利用（Reuse）、物品回收（Recycle），強(qiáng)調(diào)在優(yōu)先減少資源消耗和減少?gòu)U物產(chǎn)生的基礎(chǔ)上實(shí)現(xiàn)生產(chǎn)循環(huán)化和效益最大化[13]。在學(xué)習(xí)系統(tǒng)構(gòu)建中，既要關(guān)注學(xué)習(xí)系統(tǒng)的經(jīng)濟(jì)性，實(shí)現(xiàn)技術(shù)設(shè)備、環(huán)境、工具在學(xué)習(xí)各階段的循環(huán)利用，實(shí)現(xiàn)最大的投入與產(chǎn)出比。同時(shí)，也應(yīng)關(guān)注服務(wù)、資源、活動(dòng)的再生與演進(jìn)，助力產(chǎn)生生成性的資源與服務(wù)，并根據(jù)教與學(xué)需要持續(xù)演進(jìn)。例如：不僅要關(guān)注個(gè)體的泛在學(xué)習(xí)，還應(yīng)探索群體協(xié)作式的泛在學(xué)習(xí)，推動(dòng)學(xué)習(xí)場(chǎng)景中虛實(shí)資源的相互轉(zhuǎn)化以及教學(xué)模式與方法的循環(huán)演進(jìn)發(fā)展。

3. 開(kāi)放性原則

泛在學(xué)習(xí)系統(tǒng)是一個(gè)開(kāi)放的生態(tài)體系，只有與外界進(jìn)行互動(dòng)，才能推動(dòng)系統(tǒng)的可持續(xù)發(fā)展。學(xué)習(xí)系統(tǒng)需要具有一定程度的開(kāi)放性，以便于接收來(lái)自外界的反饋信息，并及時(shí)對(duì)系統(tǒng)應(yīng)用模式、場(chǎng)景、資源與服務(wù)等作出適應(yīng)性的調(diào)整，從而更好地支持個(gè)體和群體的泛在學(xué)習(xí)。例如，當(dāng)助教發(fā)現(xiàn)學(xué)習(xí)系統(tǒng)因?qū)W(xué)習(xí)情境感知靈敏度不夠而導(dǎo)致學(xué)習(xí)資源與服務(wù)不能有效匹配學(xué)習(xí)情境時(shí)，就需要及時(shí)調(diào)整系統(tǒng)或設(shè)備的相關(guān)參數(shù)，并借助人工力量提升學(xué)習(xí)服務(wù)質(zhì)量。

三、 大語(yǔ)言模型技術(shù)框架下泛在學(xué)習(xí)應(yīng)用場(chǎng)景的構(gòu)建

本研究基于“系統(tǒng)性、循環(huán)演進(jìn)和開(kāi)放性”的設(shè)計(jì)原則，構(gòu)建了一個(gè)大語(yǔ)言模型技術(shù)支持下的泛在教育應(yīng)用模式（如圖1所示）。該模式以泛在學(xué)習(xí)的準(zhǔn)備、實(shí)施和活動(dòng)評(píng)價(jià)需求為主要驅(qū)動(dòng)力，使教師通過(guò)與大語(yǔ)言模型的持續(xù)互動(dòng)，在學(xué)習(xí)資源供給、學(xué)習(xí)活動(dòng)設(shè)計(jì)、學(xué)習(xí)環(huán)境建設(shè)、工具應(yīng)用、活動(dòng)支持等多個(gè)維度形成持續(xù)改進(jìn)的循環(huán)過(guò)程。在該模式中，教師的目標(biāo)與需求貫穿泛在學(xué)習(xí)全過(guò)程，確保大語(yǔ)言模型的應(yīng)用符合各階段需求。在泛在學(xué)習(xí)準(zhǔn)備階段，教師基于教學(xué)需要和課程標(biāo)準(zhǔn)需要等形成活動(dòng)設(shè)計(jì)需求，通過(guò)與大語(yǔ)言模型持續(xù)互動(dòng)生成并調(diào)整學(xué)習(xí)資源與活動(dòng)方案，并在這一過(guò)程中逐步形成泛在學(xué)習(xí)活動(dòng)開(kāi)展所需的基本配置。在泛在學(xué)習(xí)活動(dòng)的實(shí)施階段，大語(yǔ)言模型則基于已有的基本配置，對(duì)當(dāng)前活動(dòng)開(kāi)展條件進(jìn)行評(píng)估，調(diào)整活動(dòng)方案，優(yōu)化技術(shù)工具的應(yīng)用和泛在學(xué)習(xí)環(huán)境中的任務(wù)要素設(shè)計(jì)，并提供適應(yīng)性學(xué)習(xí)路徑的比較和學(xué)習(xí)效果評(píng)估。在泛在學(xué)習(xí)活動(dòng)的評(píng)價(jià)階段，大語(yǔ)言模型能夠在面向?qū)W習(xí)者的活動(dòng)過(guò)程中，評(píng)價(jià)學(xué)生個(gè)性化學(xué)習(xí)與團(tuán)隊(duì)協(xié)作的過(guò)程表現(xiàn)，及時(shí)診斷并提供個(gè)性化學(xué)習(xí)路徑，促進(jìn)個(gè)體發(fā)展到團(tuán)隊(duì)的緊密協(xié)同。

（一）大語(yǔ)言模型在泛在學(xué)習(xí)準(zhǔn)備階段的應(yīng)用

泛在學(xué)習(xí)的發(fā)生受多種因素的影響，如環(huán)境、內(nèi)容、任務(wù)和策略等，在泛在學(xué)習(xí)準(zhǔn)備階段，這些因素圍繞既定的學(xué)習(xí)主題共同構(gòu)成泛在學(xué)習(xí)方案的關(guān)鍵要素。此外，教師也存在資源創(chuàng)設(shè)的需求，使資源能在相匹配的技術(shù)工具支持下形成泛在學(xué)習(xí)情境。根據(jù)泛在學(xué)習(xí)架構(gòu)設(shè)計(jì)原則中的系統(tǒng)性原則，本研究提出了雙循環(huán)的大語(yǔ)言模型應(yīng)用于泛在學(xué)習(xí)準(zhǔn)備階段的模式圖（如圖2所示），憑借大語(yǔ)言模型多模態(tài)數(shù)據(jù)理解力、自適應(yīng)學(xué)習(xí)能力以及遷移學(xué)習(xí)能力，以持續(xù)的需求優(yōu)化為導(dǎo)向，在人機(jī)互動(dòng)中不斷生成并更新滿足教學(xué)、教研和學(xué)習(xí)等具體需求的泛在學(xué)習(xí)方案以及多模態(tài)學(xué)習(xí)資源，最終形成泛在學(xué)習(xí)活動(dòng)開(kāi)展的基本配置。

1. 需求驅(qū)動(dòng)的多視角協(xié)同優(yōu)化

大語(yǔ)言模型所應(yīng)提供的支持并非簡(jiǎn)單、機(jī)械的需求響應(yīng)，而是能夠引導(dǎo)用戶深化需求認(rèn)知、激發(fā)多元思考的“智能助手”。在教學(xué)設(shè)計(jì)、管理、評(píng)價(jià)等基礎(chǔ)工作中，大語(yǔ)言模型已初步展現(xiàn)出良好的勝任能力。例如，它可以動(dòng)態(tài)調(diào)整教學(xué)內(nèi)容、整合跨學(xué)科知識(shí)、評(píng)估學(xué)習(xí)成果、優(yōu)化資源應(yīng)用，以及生成個(gè)性化學(xué)習(xí)材料[14-15]。然而，面對(duì)泛在學(xué)習(xí)的復(fù)雜情境，仍需在教研、教學(xué)、學(xué)習(xí)等不同維度與大語(yǔ)言模型深度協(xié)同，進(jìn)一步探索優(yōu)化方案的可能性與可行性。具體而言，首先要針對(duì)不同視角和場(chǎng)景，明確角色分工、問(wèn)題類型、約束條件和輸出要求，形成清晰的提示模板。然后，將構(gòu)建的模板輸入大語(yǔ)言模型，根據(jù)其反饋不斷調(diào)整和優(yōu)化問(wèn)題，在交互中逐步完善方案設(shè)計(jì)[16]。值得注意的是，這一過(guò)程中產(chǎn)生的新需求、新思路又可作為下一輪人機(jī)對(duì)話的輸入，從而形成方案優(yōu)化的閉環(huán)。

2. 資源生成，持續(xù)評(píng)估迭代更新

有別于傳統(tǒng)的“人本位”或“物本位”的資源設(shè)計(jì)，大語(yǔ)言模型聚焦于對(duì)需求的精準(zhǔn)把握和動(dòng)態(tài)適配。依托其多模態(tài)學(xué)習(xí)和自然語(yǔ)言生成優(yōu)勢(shì)，大語(yǔ)言模型可在人機(jī)互動(dòng)中持續(xù)產(chǎn)出多樣化的學(xué)習(xí)資源，確保資源與學(xué)習(xí)進(jìn)度、學(xué)習(xí)需求的同步更新。例如，大語(yǔ)言模型能夠根據(jù)活動(dòng)方案及具體指令，快速生成相關(guān)的音頻講解、視頻演示，或?qū)⒊橄蟾拍钷D(zhuǎn)化為生動(dòng)直觀的可視化呈現(xiàn)，有效支撐學(xué)習(xí)內(nèi)容的多元表征和結(jié)構(gòu)化組織[17]。此外，大語(yǔ)言模型支持的泛在學(xué)習(xí)資源具備跨模態(tài)轉(zhuǎn)換的特性，這也使資源的調(diào)用更加靈活。接著，用戶輸入的需求可以直接來(lái)源于成型的活動(dòng)方案，從而能在更加明確的需求框架下準(zhǔn)確定位與生成學(xué)習(xí)資源。最后，大語(yǔ)言模型的適應(yīng)性學(xué)習(xí)和自動(dòng)化評(píng)估能力可以有效評(píng)價(jià)這些資源的實(shí)際效用和適應(yīng)性，使其更好地融入泛在學(xué)習(xí)活動(dòng)[14]。

（二）大語(yǔ)言模型支持泛在學(xué)習(xí)活動(dòng)的構(gòu)建與實(shí)現(xiàn)

在泛在學(xué)習(xí)場(chǎng)景和技術(shù)工具的構(gòu)建與應(yīng)用中， 大語(yǔ)言模型技術(shù)可以面向?qū)W習(xí)者，有效支持“人—機(jī)—物”的深度協(xié)同。如圖3所示，一方面，大語(yǔ)言模型可以根據(jù)泛在學(xué)習(xí)活動(dòng)開(kāi)展所需的環(huán)境條件，分析與評(píng)估準(zhǔn)備階段生成的基本配置與當(dāng)前技術(shù)工具條件與現(xiàn)實(shí)條件下的泛在學(xué)習(xí)實(shí)施環(huán)境的匹配程度。另一方面，大語(yǔ)言模型可以根據(jù)泛在學(xué)習(xí)者當(dāng)前所處的時(shí)空分布、群體規(guī)模等特點(diǎn)和個(gè)性化的學(xué)習(xí)需求，及時(shí)優(yōu)化與調(diào)整學(xué)習(xí)活動(dòng)設(shè)計(jì)、學(xué)習(xí)路徑和方法運(yùn)用。

1. 實(shí)現(xiàn)多情境要素的動(dòng)態(tài)協(xié)調(diào)與優(yōu)化配置

在泛在學(xué)習(xí)活動(dòng)的實(shí)施階段，大語(yǔ)言模型可以基于準(zhǔn)備階段形成的已有基本配置，對(duì)當(dāng)前活動(dòng)開(kāi)展條件進(jìn)行全面評(píng)估，包括學(xué)習(xí)者特征、環(huán)境資源、技術(shù)設(shè)備等，以判斷其與預(yù)期設(shè)計(jì)的契合程度。在此基礎(chǔ)上，大語(yǔ)言模型可根據(jù)評(píng)估結(jié)果動(dòng)態(tài)調(diào)整活動(dòng)方案，優(yōu)化技術(shù)工具的應(yīng)用組合和任務(wù)要素設(shè)計(jì)，更好地適應(yīng)實(shí)際情境。此外，大語(yǔ)言模型還能充分利用技術(shù)工具采集的過(guò)程性數(shù)據(jù)，多維度評(píng)估學(xué)習(xí)效果，并據(jù)此持續(xù)改進(jìn)情境設(shè)計(jì)和技術(shù)應(yīng)用策略。同時(shí)，借助多模態(tài)數(shù)據(jù)處理能力，大語(yǔ)言模型能將動(dòng)畫、虛擬仿真等生成性互動(dòng)內(nèi)容應(yīng)用在移動(dòng)設(shè)備、VR/AR等新興技術(shù)工具中，營(yíng)造沉浸式、多感官體驗(yàn)的學(xué)習(xí)環(huán)境。

2. 支持泛在學(xué)習(xí)模式的動(dòng)態(tài)調(diào)整與優(yōu)化

泛在學(xué)習(xí)活動(dòng)因?qū)W習(xí)者的個(gè)人特點(diǎn)和活動(dòng)實(shí)施的情境差異而呈現(xiàn)出多樣化的形式。鑒于此，學(xué)習(xí)者的現(xiàn)實(shí)條件、能力基礎(chǔ)和學(xué)習(xí)偏好等特征可以作為模式改進(jìn)的實(shí)際需求，通過(guò)與大語(yǔ)言模型的互動(dòng)形成整體活動(dòng)實(shí)施和資源組織方式的有效舉措。同時(shí)，大語(yǔ)言模型還可進(jìn)一步根據(jù)需求，綜合考慮學(xué)習(xí)者所處的地理位置、可支配時(shí)間、可用的設(shè)備條件等因素，實(shí)時(shí)生成因地制宜的學(xué)習(xí)策略。例如，根據(jù)不同學(xué)習(xí)者實(shí)際需求，分別形成正式/非正式、自主/協(xié)作的泛在學(xué)習(xí)路徑，并進(jìn)行具體指導(dǎo)。

（三）大語(yǔ)言模型賦能泛在學(xué)習(xí)評(píng)價(jià)

在個(gè)體學(xué)習(xí)與團(tuán)隊(duì)協(xié)作中，大語(yǔ)言模型可以充當(dāng)專家角色，為學(xué)習(xí)者提供持續(xù)指導(dǎo)和精準(zhǔn)支持。如圖4所示，首先，可以借助大語(yǔ)言模型感知學(xué)習(xí)者和所屬團(tuán)隊(duì)的背景、興趣和學(xué)習(xí)進(jìn)度，快速理解和及時(shí)回應(yīng)學(xué)習(xí)者的疑問(wèn)，并提供有效的評(píng)估和幫助。這種實(shí)時(shí)的反饋和支持使得大語(yǔ)言模型成為個(gè)體學(xué)習(xí)和團(tuán)隊(duì)協(xié)作的強(qiáng)大助手。另一方面，大語(yǔ)言模型可以根據(jù)不同階段的活動(dòng)需求，細(xì)化泛在學(xué)習(xí)任務(wù)，持續(xù)為團(tuán)隊(duì)活動(dòng)的組織和開(kāi)展提供支持。通過(guò)深度定制和實(shí)時(shí)互動(dòng)，大語(yǔ)言模型優(yōu)化了個(gè)體和群體的泛在學(xué)習(xí)過(guò)程，提升了學(xué)習(xí)效果，使學(xué)習(xí)者在多樣化的學(xué)習(xí)情境中更加高效和更具有創(chuàng)新性。

1. 細(xì)化團(tuán)隊(duì)的泛在學(xué)習(xí)任務(wù)，持續(xù)推進(jìn)活動(dòng)開(kāi)展

大語(yǔ)言模型需要在泛在學(xué)習(xí)團(tuán)隊(duì)內(nèi)部擔(dān)當(dāng)起數(shù)字虛擬助手的角色，借助自然語(yǔ)言理解及情感識(shí)別的優(yōu)勢(shì)，組織學(xué)習(xí)者共同參與，監(jiān)督團(tuán)隊(duì)活動(dòng)，并通過(guò)動(dòng)態(tài)學(xué)習(xí)進(jìn)行調(diào)整，使學(xué)習(xí)活動(dòng)始終圍繞任務(wù)目標(biāo)開(kāi)展。例如，李海峰等研究發(fā)現(xiàn)，在小組協(xié)作中，大語(yǔ)言模型作為智能助教，可根據(jù)學(xué)習(xí)者的對(duì)話、情感和進(jìn)度動(dòng)態(tài)調(diào)整生成內(nèi)容，幫助學(xué)生進(jìn)行深度學(xué)習(xí)[18]。大語(yǔ)言模型可在泛在學(xué)習(xí)的目標(biāo)設(shè)定階段，針對(duì)任務(wù)要求和集體學(xué)習(xí)需要指導(dǎo)學(xué)生理解學(xué)習(xí)目標(biāo)；在任務(wù)分工階段，基于成員知識(shí)能力和團(tuán)隊(duì)構(gòu)成生成合適的任務(wù)分工；在答疑評(píng)估階段，收集并反饋學(xué)習(xí)者的提問(wèn)；在總結(jié)評(píng)價(jià)階段，匯總學(xué)習(xí)成果并指導(dǎo)學(xué)生反思學(xué)習(xí)過(guò)程。

2. 服務(wù)學(xué)習(xí)者個(gè)人的能力提升

大語(yǔ)言模型能夠?qū)Α叭恕恕币约啊叭恕獧C(jī)”產(chǎn)生的對(duì)話內(nèi)容進(jìn)行深入分析，整合多模態(tài)信息，幫助學(xué)習(xí)者在泛在學(xué)習(xí)過(guò)程中定位到適合自我的能力提升路徑。通過(guò)捕捉和分析弱信號(hào)數(shù)據(jù)，大語(yǔ)言模型幫助學(xué)習(xí)者理解自身在學(xué)習(xí)過(guò)程中的行為模式和習(xí)慣養(yǎng)成，識(shí)別并提出解決潛在學(xué)習(xí)問(wèn)題的對(duì)策。在個(gè)人學(xué)習(xí)中，大語(yǔ)言模型通過(guò)實(shí)時(shí)答疑、模擬對(duì)話及討論，快速理解并反饋學(xué)習(xí)者的疑問(wèn)，提供針對(duì)性的評(píng)估和輔助，促進(jìn)高階思維的形成。此外，大語(yǔ)言模型還可比較和優(yōu)選適應(yīng)性最強(qiáng)的個(gè)性化學(xué)習(xí)路徑，并根據(jù)實(shí)時(shí)反饋動(dòng)態(tài)調(diào)整，以提供持續(xù)優(yōu)化的學(xué)習(xí)支持。例如，Jauhiainen等研究發(fā)現(xiàn)，ChatGPT-3.5可根據(jù)學(xué)生的不同知識(shí)水平生成個(gè)性化的學(xué)習(xí)材料，并提供適應(yīng)性的評(píng)估和診斷[19]。

四、大語(yǔ)言模型技術(shù)框架下泛在學(xué)習(xí)案例：師范生教學(xué)技能訓(xùn)練

（一）師范生教學(xué)技能訓(xùn)練案例簡(jiǎn)介

以廣東第二師范學(xué)院教育技術(shù)學(xué)專業(yè)大二學(xué)生開(kāi)展師范生教學(xué)技能訓(xùn)練的泛在學(xué)習(xí)場(chǎng)景為例，學(xué)生已經(jīng)在校學(xué)習(xí)過(guò)媒體選擇與利用的ASSURE模式①相關(guān)知識(shí)，但對(duì)于如何運(yùn)用其開(kāi)展教學(xué)過(guò)程設(shè)計(jì)尚未明晰。訪談發(fā)現(xiàn)，學(xué)習(xí)者平時(shí)認(rèn)真聽(tīng)講，且按時(shí)完成各項(xiàng)作業(yè)，掌握ASSURE模式每個(gè)階段的具體含義及分析要點(diǎn)，但對(duì)于如何利用ASSURE模式開(kāi)展教學(xué)設(shè)計(jì)尚未形成系統(tǒng)化知識(shí)。為此，本研究邀請(qǐng)學(xué)習(xí)者在大語(yǔ)言模型技術(shù)框架下進(jìn)行泛在學(xué)習(xí)，開(kāi)展泛在學(xué)習(xí)應(yīng)用場(chǎng)景實(shí)踐，學(xué)習(xí)形式采用“訊飛星火認(rèn)知大模型+微信+教師輔導(dǎo)”的方式進(jìn)行。

（二）師范生教學(xué)技能訓(xùn)練基本過(guò)程

本研究案例實(shí)施的基本過(guò)程如圖5所示，共分為三個(gè)階段。

1. 泛在學(xué)習(xí)準(zhǔn)備階段

首先，要求學(xué)習(xí)者詳細(xì)描述個(gè)人相關(guān)信息，包括身份信息、個(gè)性特征以及學(xué)習(xí)情況等；其次，訊飛星火認(rèn)知大模型根據(jù)學(xué)習(xí)者的泛在學(xué)習(xí)需求生成圖、文、聲、像等多模態(tài)的學(xué)習(xí)資源，提供有關(guān)ASSURE模式的基礎(chǔ)知識(shí)、相關(guān)教學(xué)實(shí)踐應(yīng)用案例，以可視化的方式形成對(duì)概念的深度理解和應(yīng)用；最后，學(xué)習(xí)者與訊飛星火認(rèn)知大模型進(jìn)一步交互，迭代優(yōu)化需求，如進(jìn)一步聚焦學(xué)習(xí)者參與環(huán)節(jié)，設(shè)計(jì)凸顯跨學(xué)科特征的活動(dòng)等，從而生成更加適配的資源類型和學(xué)習(xí)路徑方案，以達(dá)到問(wèn)題導(dǎo)向和需求統(tǒng)一之間的有效平衡。

2. 泛在學(xué)習(xí)活動(dòng)構(gòu)建與實(shí)現(xiàn)階段

根據(jù)訊飛星火認(rèn)知大模型指向薄弱知識(shí)點(diǎn)的智能推送，學(xué)習(xí)者掌握了如何運(yùn)用ASSURE模式開(kāi)展教學(xué)過(guò)程設(shè)計(jì)，優(yōu)化了學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)，提高了學(xué)習(xí)者的學(xué)習(xí)效率。隨后，學(xué)習(xí)者選取中小學(xué)任意學(xué)科運(yùn)用ASSURE模式開(kāi)展課堂教學(xué)過(guò)程設(shè)計(jì)。

3. 個(gè)性化學(xué)習(xí)與團(tuán)隊(duì)協(xié)作階段

根據(jù)學(xué)習(xí)者自主設(shè)計(jì)的教學(xué)過(guò)程發(fā)現(xiàn)，方案存在著教學(xué)目標(biāo)不清晰、教學(xué)活動(dòng)不聚焦、教學(xué)評(píng)價(jià)不具體等問(wèn)題，學(xué)習(xí)者可進(jìn)一步借助訊飛星火認(rèn)知大模型的智能識(shí)別和診斷功能進(jìn)行方案完善，如按照學(xué)科核心素養(yǎng)的幾大方面重寫教學(xué)目標(biāo)、以學(xué)生素養(yǎng)提升為導(dǎo)向?qū)W(xué)生參與活動(dòng)環(huán)節(jié)進(jìn)行具體設(shè)計(jì)等，以此來(lái)不斷完善教學(xué)設(shè)計(jì)。

（三）師范生教學(xué)技能訓(xùn)練實(shí)施效果

1. 提升學(xué)生數(shù)字化意識(shí)

本研究在學(xué)生運(yùn)用大語(yǔ)言模型開(kāi)展泛在場(chǎng)景實(shí)踐之后對(duì)其進(jìn)行訪談，了解其對(duì)大語(yǔ)言模型賦能師范生教學(xué)設(shè)計(jì)與實(shí)施能力的感受與看法。學(xué)生普遍認(rèn)可大語(yǔ)言模型在生成、優(yōu)化教學(xué)設(shè)計(jì)方案方面的功能與作用，能夠?yàn)樽陨黹_(kāi)展師范生技能訓(xùn)練提供創(chuàng)新思路，具體表現(xiàn)在：豐富教學(xué)內(nèi)容、增強(qiáng)師生互動(dòng)、個(gè)性化學(xué)習(xí)指導(dǎo)、精準(zhǔn)化學(xué)情分析、數(shù)據(jù)導(dǎo)向的教學(xué)決策等。因此，本研究認(rèn)為，大語(yǔ)言模型在師范生技能訓(xùn)練中的應(yīng)用能夠幫助師范生掌握并內(nèi)化知識(shí)，同時(shí)提升其數(shù)字化意識(shí)，有效發(fā)展教育教學(xué)技能。

2. 提高學(xué)生數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施能力

數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施能力是教師數(shù)字素養(yǎng)的重要組成部分。本研究根據(jù)教育部《教師數(shù)字素養(yǎng)》能力標(biāo)準(zhǔn)各個(gè)維度的具體描述，對(duì)學(xué)生數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施能力進(jìn)行測(cè)量，經(jīng)SPSS計(jì)算該量表的α信度系數(shù)為0.918，表明該量表信度高。本研究在泛在學(xué)習(xí)實(shí)施前和實(shí)施后分別進(jìn)行前測(cè)和后測(cè)，檢驗(yàn)結(jié)果見(jiàn)表1。由此可知，在泛在學(xué)習(xí)實(shí)踐后，實(shí)驗(yàn)組和對(duì)照組的數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施能力前測(cè)后測(cè)得分差值的均數(shù)為2.34476，Sig.=0.035<0.05，兩組數(shù)據(jù)存在顯著性差異，即大語(yǔ)言模型在師范生技能訓(xùn)練中的有效運(yùn)用能夠顯著提升其數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施的能力。

此外，本研究對(duì)學(xué)生數(shù)字化教學(xué)設(shè)計(jì)與實(shí)施能力六個(gè)維度的數(shù)據(jù)進(jìn)行進(jìn)一步分析，即獲取、管理與制作數(shù)字教育資源、設(shè)計(jì)數(shù)字化教學(xué)活動(dòng)、創(chuàng)設(shè)混合學(xué)習(xí)環(huán)境、利用數(shù)字技術(shù)支持教學(xué)活動(dòng)、利用數(shù)字技術(shù)資源優(yōu)化教學(xué)流程、利用數(shù)字技術(shù)資源開(kāi)展個(gè)別化指導(dǎo)（如圖6所示）。由此可知，實(shí)驗(yàn)組和對(duì)照組學(xué)生在六個(gè)方面均存在一定的差異，表明師范生認(rèn)為大語(yǔ)言模型在開(kāi)展學(xué)情分析、數(shù)字教育資源的獲取與管理等方面有著較好的優(yōu)勢(shì)和潛力。

五、結(jié)論與討論

通過(guò)梳理大語(yǔ)言模型對(duì)泛在學(xué)習(xí)的影響，本研究發(fā)現(xiàn)，新一代人工智能技術(shù)在支持泛在學(xué)習(xí)資源生成、學(xué)習(xí)環(huán)境、學(xué)習(xí)評(píng)價(jià)及活動(dòng)方式等多個(gè)方面突破了時(shí)時(shí)、處處、人人學(xué)習(xí)的諸多技術(shù)瓶頸。大語(yǔ)言模型對(duì)泛在學(xué)習(xí)環(huán)境起到多重關(guān)鍵作用：在泛在學(xué)習(xí)準(zhǔn)備階段，大語(yǔ)言模型持續(xù)生成并調(diào)整活動(dòng)方案與學(xué)習(xí)資源。在泛在學(xué)習(xí)活動(dòng)的實(shí)施階段，大語(yǔ)言模型提供適應(yīng)性學(xué)習(xí)路徑并進(jìn)行學(xué)習(xí)效果評(píng)估。在面向?qū)W習(xí)者的活動(dòng)過(guò)程時(shí)，能夠賦能個(gè)性化學(xué)習(xí)與團(tuán)隊(duì)協(xié)作，使個(gè)體發(fā)展到團(tuán)隊(duì)緊密協(xié)同。通過(guò)總結(jié)大語(yǔ)言模型支持的師范生教學(xué)技能訓(xùn)練的泛在學(xué)習(xí)案例，本研究提出以下泛在學(xué)習(xí)應(yīng)用策略：

（一）構(gòu)建服務(wù)導(dǎo)向的助學(xué)機(jī)制，推動(dòng)學(xué)習(xí)空間融合化

在本案例中，學(xué)生通過(guò)“訊飛星火認(rèn)知大模型+微信+教師輔導(dǎo)”的方式開(kāi)展了泛在學(xué)習(xí)。該模式展示了服務(wù)在實(shí)現(xiàn)隨時(shí)隨地學(xué)習(xí)中的重要作用。而為推動(dòng)信息空間與物理空間的有效融合，還需要進(jìn)一步設(shè)計(jì)智能空間中的知覺(jué)界面與移動(dòng)網(wǎng)絡(luò)的“使用服務(wù)”和“提供服務(wù)”。首先，通過(guò)采集聲音、圖像和傳感信息，形成文本、語(yǔ)音、圖像多維數(shù)據(jù)集成的智能虛擬體，為學(xué)習(xí)者提供智能空間形態(tài)下的學(xué)習(xí)支持。此外，借助5G移動(dòng)網(wǎng)絡(luò)的優(yōu)勢(shì)，解決海量移動(dòng)數(shù)據(jù)傳輸?shù)膯?wèn)題，提升信息傳輸效率，使學(xué)習(xí)者能夠在海量移動(dòng)數(shù)據(jù)和智能設(shè)備間進(jìn)行交互，實(shí)現(xiàn)隨時(shí)隨地的學(xué)習(xí)[20]。

（二）多通道感知學(xué)習(xí)環(huán)境數(shù)據(jù)，助力學(xué)習(xí)智能泛在化

在案例中，大語(yǔ)言模型能與ASSURE模式的需求對(duì)齊，為學(xué)習(xí)者生成與優(yōu)化學(xué)習(xí)資源并提供精準(zhǔn)指導(dǎo)，從而提高了學(xué)習(xí)效果。為了進(jìn)一步助力學(xué)習(xí)智能的泛在化，需要借助上下文感知計(jì)算技術(shù)（Context-Aware Computing），強(qiáng)化對(duì)學(xué)習(xí)環(huán)境的自動(dòng)適應(yīng)，減少注意干擾。上下文感知計(jì)算技術(shù)是構(gòu)建智能空間泛在學(xué)習(xí)系統(tǒng)的關(guān)鍵技術(shù)之一，它能夠在用戶不發(fā)出服務(wù)請(qǐng)求或在非精確交互的情況下智能地提供計(jì)算服務(wù)，形成泛在神經(jīng)元網(wǎng)絡(luò)，支持隨時(shí)隨地學(xué)習(xí)交互的開(kāi)展[21]。具體策略包括：第一，智能空間自動(dòng)覺(jué)察物理空間中的狀態(tài)變化，改變相應(yīng)對(duì)象的狀態(tài)或觸發(fā)某些事件，確保學(xué)習(xí)者在不同環(huán)境中都能獲得適應(yīng)性的學(xué)習(xí)資源。第二，通過(guò)分析位置、時(shí)間、速度等環(huán)境因素，以及操作習(xí)慣、個(gè)人喜好和個(gè)性化需求等用戶上下文，提供個(gè)性化的學(xué)習(xí)支持。

（三）建立“人—機(jī)—物”社會(huì)性交互，實(shí)現(xiàn)人機(jī)深度協(xié)同

在本研究中，學(xué)習(xí)者借助大語(yǔ)言模型和教師輔導(dǎo)，進(jìn)行了個(gè)性化學(xué)習(xí)和團(tuán)隊(duì)協(xié)作。然而，為了實(shí)現(xiàn)更深入的人機(jī)協(xié)同，還需要進(jìn)一步提升大語(yǔ)言模型與人類學(xué)習(xí)者互動(dòng)、溝通的及時(shí)性，并讓大語(yǔ)言模型具備人類情感識(shí)別的能力。在未來(lái)可以利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)和5G移動(dòng)網(wǎng)絡(luò)，實(shí)現(xiàn)“人—機(jī)—物”互聯(lián)的隨時(shí)隨地的泛在學(xué)習(xí)。進(jìn)一步，通過(guò)傳感器獲取表情、語(yǔ)音語(yǔ)調(diào)及外在肢體動(dòng)作等信息，智能分析學(xué)習(xí)者的情感變化，提供更人性化的學(xué)習(xí)支持。這種人機(jī)深度協(xié)同將能夠綜合提升學(xué)習(xí)者的體驗(yàn)和效果。

[參考文獻(xiàn)]

[1] 簡(jiǎn)圣宇. GPT語(yǔ)言模型：作為“類人型”人工智能的技術(shù)準(zhǔn)備[J]. 廣州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（4）：19-24.

[2] 高亞楠. 大模型技術(shù)的網(wǎng)絡(luò)安全治理和應(yīng)對(duì)研究[J]. 信息安全研究，2023，9（6）：551-556.

[3] 吳砥， 李環(huán)， 陳旭. 人工智能通用大模型教育應(yīng)用影響探析[J]. 開(kāi)放教育研究， 2023，29（2）：19-25，45.

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

[5] 李海峰，王煒. 網(wǎng)絡(luò)陪伴式學(xué)習(xí)——一種泛在學(xué)習(xí)場(chǎng)域下的群體自律協(xié)同學(xué)習(xí)模式[J]. 電化教育研究，2023，44（5）：67-73，81.

[6] 付道明，華子荀. 互聯(lián)網(wǎng)大腦進(jìn)化形態(tài)下的類腦泛在學(xué)習(xí)系統(tǒng)：教育神經(jīng)科學(xué)的視角[J]. 遠(yuǎn)程教育雜志，2021，39（6）：9-19.

[7] TU Y F， HWANG G J. University students' conceptions of ChatGPT-supported learning： a drawing and epistemic network analysis[J]. Interactive learning environments， 2023（11）：1-25.

[8] 劉革平. 從“泛智”論到泛在學(xué)習(xí)進(jìn)階智慧學(xué)習(xí)：論“泛”教育思想的內(nèi)在關(guān)聯(lián)和價(jià)值意蘊(yùn)[J]. 現(xiàn)代遠(yuǎn)程教育研究，2022（2）：33-43.

[9] 徐劉杰. 泛在學(xué)習(xí)資源進(jìn)化的動(dòng)力模型構(gòu)建[J]. 中國(guó)電化教育，2018（2）：36-42.

[10] 李海峰.網(wǎng)絡(luò)陪伴式學(xué)習(xí)——一種泛在計(jì)算技術(shù)支持環(huán)境域下的群體自律協(xié)同學(xué)習(xí)模式[J].現(xiàn)代教育技術(shù)，2019，29（12）：60-67.

[11] 盧宇，安雪，馬秀麟，等. 多模態(tài)大模型的教育應(yīng)用研究與展望[J]. 中國(guó)電化教育，2023（3）：1-13.

[12] 付道明. Ubiquitous CSCL的概念模型與關(guān)鍵技術(shù)要素[J]. 中國(guó)電化教育，2006（12）：21-25.

[13] MOHAMMED M， SHAFIQ N， ELMANSOURY A， et al. Modeling of 3R （reduce， reuse and recycle） for sustainable construction waste reduction： a partial least squares structural equation modeling （PLS-SEM）[J]. Sustainability， 2021，13（19）：10660.

[14] CHIU T K F. The impact of Generative AI （GenAI） on practices， policies and research direction in education： a case of ChatGPT and midjourney[J]. Interactive learning environments， 2023（1）：1-17.

[15] 秦渝超，劉革平，許穎. 生成式人工智能如何重塑教學(xué)活動(dòng)——基于活動(dòng)理論的模型構(gòu)建與應(yīng)用[J]. 中國(guó)遠(yuǎn)程教育，2023，43（12）：34-45.

[16] 翟雪松，楚肖燕，焦麗珍，等. 基于“生成式人工智能+元宇宙”的人機(jī)協(xié)同學(xué)習(xí)模式研究[J]. 開(kāi)放教育研究，2023，29（5）：26-36.

[17] 羅江華，張玉柳. 多模態(tài)大模型驅(qū)動(dòng)的學(xué)科知識(shí)圖譜進(jìn)化及教育應(yīng)用[J]. 現(xiàn)代教育技術(shù)，2023，33（12）：76-88.

[18] 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(kāi)發(fā)的人機(jī)協(xié)同探究性學(xué)習(xí)系統(tǒng)為例[J]. 開(kāi)放教育研究，2023，29（6）：69-81.

[19] JAUHIAINEN J S， GUERRA A G. Generative AI and ChatGPT in school children's education： evidence from a school lesson[J]. Sustainability， 2023，15（18）：14025.

[20] ANDREWS J G， BUZZI S， CHOI W， et al. What will 5G be？[J]. IEEE journal on selected areas in communications， 2014，32（6）： 1065-1082.

[21] CHEN G， KOTZ D. A survey of context-aware mobile computing research [R]. Hanover，New Hampshire：Department of Computer Science，Dartmouth College，2000：1-16.

Research on Application Scenarios and Strategies of Ubiquitous Learning

Supported by Large Language Models

FU Daoming， QIU Xingyue， ZHANG Mei， LIU Yachun

（College of Teacher's Education， Guangdong University of Education， Guangzhou Guangdong 510303）

[Abstract] The emerging generation of artificial intelligence is growing into a new type of technology base， providing a solid technological foundation for the realization of ubiquitous learning. This study introduced three design principles for the application of large language models （LLMs） to ubiquitous learning： systematicity， iterative evolution， and openness. Drawing on these principles， a ubiquitous education application model supported by LLM technology was constructed. This model was driven by the needs of design， implementation and activity evaluation of ubiquitous learning， and formed various closed loops through continuous interaction with LLMs to provide teachers with the whole-process support. Through the case analysis of the ubiquitous learning scenario of teacher training in teaching skills， the validity of the application model was verified. Results indicate that this model significantly enhances students' digital awareness and their instructional design and implementation skills. In light of the research results， three application strategies for ubiquitous learning are proposed： establishing a service-oriented tutoring mechanism to promote the integration of learning spaces; leveraging multi-channel learning environment data perception to facilitate the pervasive learning intelligence; and establishing "human-computer-object" social interactions to achieve deep human-machine collaboration.

[Keywords] Large Language Model; Ubiquitous Learning; Application Scenario; Strategy; Normal University Student