人工智能賦能高校思政課內涵式發展的機理探析

摘 要：以人工智能賦能高校思政課內涵式發展，本質上是以新的方式反思現實，并通過主動建構塑造新的未來，其基礎在于實現賦能的機理。人工智能的賦能是通過場景化的知識“言傳”和知識“意會”，進行自適應的知識供給和知識遷移，構建學習者與人工智能協同發展的學習生態、教師與學生共同學習的知識生態，從而推動高校思政課守正創新，實現內涵式發展。

關鍵詞：人工智能；思政課；場景化；自適應；人機協同

科學技術是推動教育變革創新的動力源泉，人類的文明史本身就是科學技術與教育相互激勵、相互促進的歷史。以科技手段賦能思政課，既是推動教育變革及創新、實現教育現代化的題中應有之義，又是貫徹黨的教育方針、更好落實黨領導教育工作的重要實踐。當前，人工智能推動人文社會科學與信息技術交叉融合，以人工智能賦能高校思政課已屬可行；人工智能可助力高校思政課繼續發揮傳統優勢，實現智能化躍遷，以人工智能賦能高校思政課實屬必要。

一、人工智能賦能高校思政課內涵式發展的出場

自1946年世界上第一臺計算機誕生以來，科學家們一直設想計算機能夠擁有更強大的功能。1956年，美國達特茅斯會議提出，要“制造一臺機器，該機器可以模擬學習或者智能的所有方面”，進而提出了“人工智能”的概念。關于“人工智能”的概念，一直存在多種定義，目前主要有兩種：一是美國科學家馬文·李·明斯基（Marvin L.Minsky）提出的“人工智能是一門科學，是使機器做那些人需要通過智能來做的事情”；而人工智能領域開創者之一尼爾斯·約翰·尼爾森（Nils John Nilsson）提出“人工智能是關于知識的科學”，它研究知識的表示、知識的獲取和知識的運用。^［1］兩者中，前者涉及兩個未明確定義的概念，即“人”“智能”；后者只涉及一個，即“知識”。相較于“人”“智能”，“知識”被研究得更加深入，且人、智能與知識緊密相關，知識是智能的基礎。因此，本文采用尼爾森的定義，即人工智能是“關于知識的科學”，它研究知識的表征、知識的獲取和知識的運用。

在“人工智能”概念提出后的近七十年時間里，人工智能的發展并非一帆風順。直到進入21世紀，隨著算力的提升和大數據的積累，人工智能終于進入快速發展期。近年來，生成式人工智能取得重大突破，人類朝向“通用人工智能”這一目標又邁進一步。生成式人工智能可進行比較連貫、有一定深度的對話，它通過學習和理解數據的分布，生成具有相似性的新數據，進而生成文本、圖像、音視頻等內容，涌現出推理、思維鏈等一些體現智能的能力。^［2］但是，目前的生成式人工智能至多是感知意義上而非認知意義上的“通用人工智能”^［3］。人類距離真正的“通用人工智能”還有相當距離。盡管如此，人工智能正在改變人類的感知、知識和思想，并在此過程中引發人類歷史進程的變遷。這一趨勢不可阻擋。

當前，人工智能已被廣泛應用于人類生產生活中，能大大減輕甚至替代部分人類所從事的重復、繁雜、繁重的勞動，成為“賦能者”。人工智能賦能教育，可以幫助教師為學習者提供個性化和符合實際需要的學習內容，為學習者提供更大的學習自主權，幫助學習者更好地挖掘自身潛力，使學習更有效、更吸引人，進而改變教育。人工智能賦能教育，主要體現為使學習資源、內容、途徑、方式等更加靈活、開放和共享，學習需求由外驅向內驅回歸，學習者由他律向自律轉變，學習過程由以“教”為中心向以“學”為中心轉變

。“不論教育的形式、內容、方法、手段等如何變化，未來教育的中心依舊是培養人并為促進人的全面發展而服務。”

^［4］高校思政課是一種獨特的教育活動，借助人工智能同樣可實現上述變革。人工智能賦能高校思政課，旨在系統性推動學習過程的守正創新，實現內涵式發展。近年來，學界探討了人工智能賦能高校思政課的樣態，如精準思政、智能思政、數字思政等，取得了豐厚的研究成果。目前我們尚需探究和厘清人工智能賦能高校思政課的機理，以便深入探討推動高校思政課內涵式發展何以可能、可行。

二、人工智能賦能高校思政課內涵式發展的機理

人的學習過程可分為知識表征、知識獲取、知識運用等三個部分。人工智能是“關于知識的科學”，研究知識表征、知識獲取、知識運用，這本身是對人的學習過程的模擬和映射。人工智能具有場景化、自適應、人機協同的功能優勢，可賦能高校思政課的學習過程，形成場景化的知識表征、自適應的知識獲取、人機協同的知識運用，幫助學生強化對主流意識形態和黨的創新理論的學習理解，推動高校思政課守正創新，實現內涵式發展。

（一）場景化的知識表征

人類的知識可被分為顯性知識和隱性知識兩大類型。適應這兩類知識，人工智能所賦能的知識表征，分為場景化的知識“言傳”和場景化的知識“意會”。

1. 場景化的知識“言傳”

顯性知識可被理解為能以系統化方法表征、正式且規范的知識。^［5］它通常以語言、文字、圖像、聲音等為知識載體進行存儲、傳播和表征，它較容易被記錄和論述，是可以確知并被編碼輸入信息系統的知識。顯性知識易于表征，可以“言傳”。人類的感知是多模態化的，場景無論是在原初意義上還是在引申意義上也是多模態化的。語言、文字、圖像、聲音等既是知識的載體，又是各類場景的組成要素。在人工智能大發展之前，語言、文字、圖像、聲音等作為知識載體進行知識表征，往往只能以單一模態進行。因此，當語言、文字、圖像、聲音等進行知識表征時，它們不但要從場景中析出，還往往相互區隔，而析出的過程本身意味著并固化著相互區隔，即知識載體從場景中析出，既帶來并固化了知識載體與場景的相互區隔，又帶來并固化了知識載體之間的相互區隔。以人工智能對語言、文字、圖像、聲音等知識載體進行多模態化的整合，使它們在進行知識表征時不再需要從場景中析出。這樣不但消弭了知識載體與場景的相互區隔，更契合人類社會各類場景的多模態化本質特征；不但使知識載體場景化，而且消弭了知識載體之間的相互區隔，更契合人類的感知偏好，有利于人類學習和理解知識。由此，在高校思政課學習過程中，人工智能整合、構建的強大場景可承載、存儲、傳播、表征更大容量的顯性知識，實現更高質效的知識“言傳”。

2. 場景化的知識“意會”

1958年，英國哲學家邁克爾·波蘭尼（Michael Polanyi）首先提出“隱性知識”的概念。與顯性知識不同，隱性知識通常以經驗、印象、感悟、團隊默契、組織文化、風俗習慣等形式存在，它可以被理解，但難以模態化地承載、存儲、傳播、表征。隱性知識只可“意會”，難以“言傳”。隱性知識這一概念的提出，正式承認了未經或不能系統化處理的經驗類知識，拓寬了人們對知識的認知。顯性知識與隱性知識就像大海上的冰山，前者像冰山露出海面的部分，是冰山一角；后者像冰山隱在海面下的部分。正因為隱性知識只能形式化地存在，難以模態化地組織和呈現，才使其藏身海面之下。然而，難以“言傳”不代表難以感知。隱性知識以經驗、印象、感悟、團隊默契、組織文化、風俗習慣等形式分布于場景之中，但又綜合作用于人類的感知。所以，隱性知識在存在意義上是相互區隔的，在感知意義上是多模態融合的，即隱性知識之間相互區隔，但隱性知識融于場景之中。人類的感知是多模態化的，場景也是多模態化的。人類容易感知場景，易于接受場景。以人工智能構建并發展虛擬與現實相融合的場景或完全虛擬化的場景（元宇宙），通過這樣的場景不斷加強隱性知識之間的聯系，消弭隱性知識之間的相互區隔，從而構建高校思政課的沉浸式學習場景，使越來越多的隱性知識得到“意會”。

（二）自適應的知識獲取

人類獲取知識，主要通過知識供給和知識遷移兩種方式，即吸納已有知識和建構新的知識。根據不同的獲取方式，人工智能所賦能的知識獲取可以分為自適應的知識供給和自適應的知識遷移。

1. 自適應的知識供給

人類知識生產速度愈來愈快、數量愈來愈大的現狀及趨勢，知識獲取的“去中心化”、知識獲取方式的多維化和多元化，使高校思政課的學習過程不再像以往那么嚴格受限于時空環境及條件，發生了開放式、扁平化的結構性改變，教師和學生更加平等，學生的主體性及選擇權不斷增強。為適應高校思政課開放式、扁平化的結構性改變，人工智能賦能知識供給，需要使學生能夠動態、便捷、有效地獲取課堂內外已有的和不斷生成的知識，滿足其個性化學習需求。人工智能通過綜合分析文本、自然語音、圖形圖像、交互式視覺場景等，可即時反饋學生的需求、興趣、狀態等差異化學情。教師可據此實時提供學習指導，及時完善學習形式，適時優化學習內容，然后借助人工智能盡可能精準供給知識。如此循環，科學、柔性地構建學習環境和學習過程，形成“教師＋學生＋人工智能”^［6］的學習共同體，實現自適應的知識供給，為學生提供個性化的學習支持，使學生的學習需求由外驅向內驅回歸。但是，自適應的知識供給是相對淺層的知識獲取，要實現更深層的知識獲取，高校思政課還需要自適應的知識遷移。

2. 自適應的知識遷移

高校思政課的學習不局限于教室，學生將在越來越復雜化的場景中學習。為適應高校思政課教師和學生更加平等、學生主體性及選擇權不斷增強的趨勢，人工智能賦能知識遷移需要從學生主體性出發，更高效地激發學生學習的主動性和創造性。知識遷移是指學習者把在一定場景中獲取的知識和技能應用于新場景的建構能力。早期的知識遷移理論強調學習條件及遷移條件之間的相似性，而現代的遷移理論認為概念化學習、深層理解和加工知識、反思和批判性思維、類比和聯想等有利于知識遷移。^［7］人工智能賦能高校思政課進行知識遷移，要使學習貫穿課堂內外及前后，完成自適應的知識供給，更要推動學生在自適應的知識供給基礎上主動探究或解決不同場景的問題，從而加強概念化學習，深化對知識的理解和加工、反思和批判、類比和聯想，進而遷移到更多的場景。如此擴散，使不同的場景聯系起來，拓展學生的認知場域，降低認知成本，實現自適應的知識遷移，幫助學生在與外部世界的持續交互中建構意義，進行意義聯結，從而更好地認識世界、理解自我。^［8］

（三）人機協同的知識運用

人機協同之所以成為功能優勢，就在于二者有機協同、優勢互補，形成“1＋1＞2”的質效。人工智能所賦能的知識運用，不是簡單的“運用”，而是在知識運用的過程中構建學習者與人工智能協同發展的閉環和學習生態，構建教師與學生共同學習的閉環和知識生態。

1. 構建學習者與人工智能協同發展的學習生態

人工智能賦能高校思政課所構成的人機協同中，“人”即學習者，由學生和教師共同組成；“機”即人工智能及其硬件載體，“機”作為“學伴”與學習者協同學習。在這一人機協同中，教師與學生平等地不斷獲取信息、進行交互，運用已有知識及認知框架不斷組合新的信息并形成新的知識和正確的觀念。這些不斷組合的新的信息所形成的知識和觀念，又被“投喂”給人工智能，用于人工智能的繼續訓練和完善，由此形成學習者與人工智能協同發展的閉環和學習生態。已有知識和新的知識被持續運用于這一人機協同發展的閉環中，培育學習生態，驅動學習生態持續良性“成長”，從而推動人機協同重塑高校思政課學習過程的組織模式和服務模式，使以“教”為中心、以知識灌輸為本位的教學過程轉變為以“學”為中心、以知識運用為本位的學習過程，將過去由教師與學生組成的二元、單向、傳遞式教學模式轉變為由教師、學生、人工智能共同構成的開放、多向、交互式學習模式，進而塑造以教師為主導、學生為主體的智能化學習過程。

2. 構建教師與學生共同學習的知識生態

人工智能賦能高校思政課所構成的人機協同，實際上構建了虛實融合的學習空間，重構了高校思政課的學習場景。知識不但分布存儲于這樣的學習空間和場景之中，還能以結構化、場景化的方式得以呈現和運用。在這樣的學習空間和場景中，人工智能延伸了教師與學生所感知、認知的廣度和深度，優化了教師與學生的互動及其體驗，增強了教師與學生共同探索、共享知識的意愿和能力。同時，教師與學生共同探索、共享知識的過程又促進學生學會主動建構、遷移、內化知識，主動運用知識進行更多的啟發性、創造性學習，進而與教師共同探索和共享新的知識，使知識在螺旋式上升中實現動態的有序化呈現，由此形成教師與學生共同學習的良性知識生態。這不但可以減少或避免簡單化、重復性的學習，還可以提高知識傳播和運用的質效，實現人機協同的智慧生成^［9］，從而助力學生在知識運用過程中不斷提升學習能力和認知能力。

萬物得其本者生，百事得其道者成。人工智能賦能高校思政課內涵式發展，首先要準確把握“本”，即高校思政課的政治屬性和意識形態屬性，舍“本”則不“生”；然后要正確把握“道”，即運用人工智能實現賦能的機理，離“道”則不“成”。人工智能賦能高校思政課內涵式發展，本質上是以新的方式反思現實并通過主動建構塑造新的未來，其基礎在于實現賦能的機理。準確把握“本”，正確把握“道”，不斷挖掘人工智能的功能優勢，持續賦能高校思政課，是推動思政課建設內涵式發展的必答題及應用題。

三、結語

當前，人工智能正驅動著人類經濟社會眾多領域的演進發展。人工智能賦能高校思政課，既有利于高校思政課繼續發揮傳統優勢，又有利于破解高校思政課中某種程度存在的“內卷”現象。高校思想政治工作本身要求“因事而化、因時而進、因勢而新”。人工智能賦能高校思政課，既是因“事”“時”“勢”的客觀要求，又是實現內涵式發展的題中應有之義。

參考文獻

［1］李德毅.人工智能導論［M］.北京：中國科學技術出版社，2018：2.

［2］徐思彥.生成式人工智能：發展演進及產業機遇［J］.人工智能，2023（4）：43-50.

［3］魏屹東.關于通用人工智能的哲學思考［J］.南京社會科學，2024（2）：10-19.

［4］關成華，黃榮懷.面向智能時代：教育、技術與社會發展［M］.北京：教育科學出版社，2021：6.

［5］趙士英，洪曉楠.顯性知識與隱性知識的辯證關系［J］.自然辯證法研究，2001（10）：20-23，33.

［6］彭斌.基于人工智能的智慧學習新常態［J］.現代信息科技，2020（21）：185-187.

［7］劉偉，戚萬學，宋守君.致力于知識遷移的深度學習探究［J］.現代教育技術，2019（3）：25-31.

［8］郝祥軍，顧小清，張天琦，等.人機協同學習：實踐模式與發展路向［J］.開放教育研究，2022（4）：31-41.

［9］王一巖，鄭永和.智能時代的人機協同學習：價值內涵、表征形態與實踐進路［J］.中國電化教育，2022（9）：90-97.