生成式人工智能在基礎教育領域的應用：機遇、風險與對策

摘要：生成式人工智能與教育教學的深度融合，正在重新定義知識獲取、學習過程、人機協作教學的內涵，并預示著教育將邁入一個“師-生-機”教育命運共同體的新時代。在此背景下，文章深入探討了生成式人工智能的本質與教育角色定位，從短期效應和長期發展兩個角度闡釋了生成式人工智能在基礎教育領域應用的機遇，同時剖析了生成式人工智能在基礎教育領域應用過程中面臨的智能技術成熟度風險、教育教學異化風險和師生主體適應性風險。結合這些機遇與風險，借鑒國際先進經驗，文章有針對性地提出了適合我國基礎教育實際情況的生成式人工智能應用對策，以促進人工智能與教育的深度融合，為相關領域的研究和政策研制提供參考。

關鍵詞：生成式人工智能；基礎教育；人工智能技術；“師-生-機”

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）09—0005—09 【DOI】10.3969/j.issn.1009-8097.2024.09.001

以ChatGPT為代表的生成式人工智能技術已經成為科技領域一顆冉冉升起的耀眼新星，其問世不僅顛覆了傳統的知識內容生產模式，更是在人類智能、意識、思維等傳統技術難以觸及的領域取得了重要突破。這一技術的發展迅速吸引了全球的目光，并在人工智能領域引發了新一輪革命浪潮。在教育領域，人工智能技術的進步正以前所未有的速度重塑教育生態和秩序，成為推動教育創新的重要動力。面對生成式人工智能技術給基礎教育帶來的機遇與挑戰，我國必須深入探索符合智能時代特點的教育規律、人才培養模式和人工智能教育應用的有效策略，構建一個以人工智能為引領、以學生發展為核心的創新教育生態系統，以期促進我國基礎教育的高質量發展，培養一批適應人工智能時代的新型人才。

一 生成式人工智能的本質與教育角色定位

作為人工智能領域的一項突破性技術，生成式人工智能（Generative Artificial Intelligence，GenAI）的核心在于利用大型語言模型和深度學習算法，模擬人類的創造性思維過程，自動化生成文本、圖像、視頻、音頻等多類型內容^[1]。GenAI技術通過海量數據的訓練，不斷優化其生成模型，從而在保持高度靈活性和適應性的同時，展現出類人的交流和創作能力。GenAI的出現正在顛覆知識內容生產模式，改變人類與機器的交互模式。

1 本質

生成式人工智能本質上是通過訓練大規模的數據集，學習數據的本質規律和概率分布，并模仿人類的思維過程，自主生成具有一定邏輯性和連貫性的新內容^[2]。GenAI生成內容的質量由收集到的數據質量決定，其數據集的廣度和深度直接影響模型的對話性能，并能在與人類的互動過程中通過人機對話進行持續學習，改善自身的性能。生成式人工智能體現了人類群體的智慧與價值觀念，是人類的創造物，其通過規?；?、數據化人類智慧，開辟了知識生產、重構與分享的新途徑。生成式人工智能尚不具備人類的主體獨立性、意識、情感等要素，是人類探索自身和外部世界的新工具，與人類智慧有本質的差別。

GenAI的出現，引起了教育界的強烈關注，將開創人類教育的新紀元。GenAI可應用于教育系統的教學、學習、評價、研究、管理等多個場景，為教育教學全過程賦能。當前，GenAI正推動教育模式的顛覆性變革，逐步對教育目標、內容、方法和評價體系進行全面重構。

2 教育角色定位

審視生成式人工智能的教育角色定位，目前主要存在三種觀點：①技術工具論，認為生成式人工智能是人類創造的一種新型技術工具，而“技術不過是人體和感官的延伸或拓展的一種媒介”^[3]，其在人類教育系統中始終是一種外部輔助角色，不會從根本上動搖人類在教育中的主體地位。②人機復合體論，認為生成式人工智能將成為人類認知與學習不可或缺的認知要素，與人類共同構成“人機復合體”^[4]。這一復合體超越了傳統二元對立的主客體關系，成為教育內部的組成要素。在未來的教學場景中，教與學將越來越多地依賴人機復合體，人類與智能體相互學習、相互促進。③“師-生-機”三元關系論，認為“機”作為一個獨立的智能主體參與教育過程，打破了“人類中心主義”的思維慣性。機器與教師、學生分別進行雙向學習與建構，三者共同構成一個教育命運共同體，“機器教人類”與“人類教機器”成為新常態。

二 生成式人工智能在基礎教育領域應用的發展機遇

1995年，美國高德納公司設計了“技術成熟度曲線”（The Hype Cycle）^[5]，這是一個觀測技術發展現狀與未來方向的重要工具，每年定期發布，可用于評估新興技術的發展階段及其對未來商業和社會的潛在影響。該曲線將技術的應用周期劃分為五個階段：技術啟動期、期望膨脹期、泡沫破裂低谷期、穩步爬升恢復期和生產成熟期。觀察2023年的技術成熟度曲線，可知生成式人工智能正處于期望膨脹期，公眾對其潛力抱有極高的期望，且生成式人工智能引發了市場的強烈興趣和投資熱潮。值得注意的是，期望膨脹期往往伴隨著一定程度的非理性繁榮。但隨著生成式人工智能技術的不斷成熟，一些不切實際的預期會逐漸降低，其應用將進入一個趨于穩健和理性的發展階段?；诖?，有研究者認為當前生成式人工智能在教育領域的應用存在“短期高估，中長期低估”的現象^[6]。如何準確把握生成式人工智能的時代機遇，客觀認識其在基礎教育領域應用的短期效應與長期發展，是一項亟待關注的重要課題。

1 短期效應：助推教育教學場景提質增效

生成式人工智能在基礎教育領域應用的短期效應主要體現為對教學效率與效果的顯著提升，其工具性特點尤為突出。在特定的教育教學場景中，生成式人工智能可以有針對性地增強教學的局部成效，并提升教育的整體效能。具體而言，GenAI作為一種教學輔助工具，全方位賦能助教、助學、助評、助研、助管等多元場景提質增效：①在助教方面，GenAI能夠有效輔助教師生成個性化教案、創建課堂虛擬助教、設計與自動批改作業、提供課后答疑服務等，極大地提升了教學效率與質量，并有望將教師從機械、重復的教學準備與組織管理的桎梏中解脫出來。②在助學方面，GenAI能夠有效擔任智能學伴的角色，為學生提供強交互式學習環境，支持定制個性化學習資源與路徑、提供強大即時的信息搜索與整合服務、模擬真人教師或同伴進行技能訓練，以及輔助學生完成方案設計、報告撰寫、代碼編寫等任務^[7]，顯著提高學生的學習效果與體驗。③在助評方面，GenAI既能輔助教師評估教學效果、學生學習進度、練習測評成績、聽說讀寫技能水平等，也可基于課堂多模態數據分析構建課堂畫像、教師畫像、學生畫像等多粒度畫像，精準分析教與學過程中的薄弱環節，持續追蹤并挖掘教育教學的潛在規律。④在助研方面，GenAI能夠作為教師的個性化“虛擬專家”^[8]，在教案優化、教學活動設計、教學實踐組織等方面提供專業的指導與建議，提升教師的教學能力與教學反思深度。⑤在助管方面，GenAI能夠充分發揮“大數據+大模型+強算法”的優勢，為教育政策制定、教育趨勢預測、教育質量監控、資源分配優化、教育公平性分析、風險感知與預測提供客觀依據和解決方案，推動教育決策由經驗驅動走向數據循證，實現教育治理的科學化、高效化、智能化。

2 長期發展：“師-生-機”教育命運共同體和諧共生

生成式人工智能對基礎教育的長期影響主要體現在其推動教育系統產生自下而上的系統性變革，具有綜合性、復雜性、深層次等特點。生成式人工智能對基礎教育的賦能作用如圖1所示，可以看出：隨著GenAI技術進步與教育數字化市場布局，其教育角色逐漸由單一的教學輔助工具發展為高耦合認知伙伴，繼而發展為獨立智能主體，實現了從人的單向學習到“師-生-機”多向互塑的轉變。GenAI在信息整合與文本生成方面具有獨特優勢，能夠形成人機協同的認知發展新模式^[9]，如基于對話模式定制學生所需的專屬內容，強化學生的深度學習能力與高階思維。長期而言，GenAI有望徹底改變師生的教學與認知方式，形成一種新型的“師-生-機”互動關系，即包含人對人的教育、人對機器的教育、機器對人的教育相互鏈接的網絡關系^[10]，使技術從知識傳遞載體發展為與師生雙向理解、溝通、共情的伙伴^[11]，從而驅動一場自下而上、由內而外的系統性深層次變革，催生新型教育文明。生成式人工智能與基礎教育的深度融合已成為不可逆轉的大趨勢，技術的發展不能將短期效益作為首要考量，而必須著眼于人類的長遠發展和根本利益。立足于辯證唯物主義發展觀，GenAI在基礎教育領域的演進必將從單調的“技術工具”向“人機協同”的伙伴關系轉變，最終邁向“師-生-機”和諧共生的教育命運共同體。

三 生成式人工智能在基礎教育領域應用面臨的風險

生成式人工智能為基礎教育的改革與高質量發展注入了新動力，并通過賦能教、學、評、研、管等教育場景，持續推動教育生態的創新與重構。盡管生成式人工智能給基礎教育帶來了新的發展機遇，但在其應用過程中也不可避免地面臨諸多風險。

1 智能技術成熟度風險

目前，GenAI仍處于初級發展階段，其智能技術的不成熟易誘發多重問題，主要表現為：①算法偏見與意識形態問題。GenAI的運行依賴于大量的數據集和算法，如果這些數據和算法存在民族、地域等偏見，就可能會生成與學生認知和價值觀不符的教育內容。此外，GenAI還可能帶有設計者的意識形態，在時政敏感問題的陳述中可能存在不符合我國K12教育的要求^[12]，不利于正處意識形態形成期的中小學生價值觀的構建，影響其個人成長。②生成內容的不可靠性與過程不可解釋性問題。GenAI有時會生成看似合理但不正確甚至荒謬的回答，如在人為引導下，會生成諸如“林黛玉打虎”“林黛玉倒拔垂楊柳”這種讓人啼笑皆非的“典故”，造成對學生的誤導。此外，由于算法存在不透明、不可解釋性，AI內容生成的過程猶如“黑箱”，師生難以洞悉其邏輯原理，即使生成內容有誤，也較難精準識別與糾正。③數據安全與隱私泄露問題。師生與GenAI的互動會涉及大量個人信息和學習數據，被系統采集、存儲后將會給師生帶來潛在風險^[13]。④知識產權問題。GenAI生成內容的版權歸屬通常不明確，影響教育內容的合法使用。師生若在教與學過程中使用了未經授權或版權歸屬模糊的AI生成內容，易出現侵權問題而引發法律糾紛。

2 教育教學異化風險

智能技術既能使教育受益，也能釋放未知力量異化教育教學^[14]，包括以下五個方面：①存在教育場景異化風險。盡管GenAI能夠創建多樣化的虛擬教學環境，但由于缺少共情和人文關懷，可能無法提供真實情境所具有的溫暖感。此外，GenAI有時還可能生成與教學、學習認知規律不符的內容和場景。②存在教學過程異化風險。教學過程不僅是知識傳遞的過程，更是師生心靈交流、建構生命價值和意義的過程。而AI的介入使師生交往變為符號之間的互動^[15]，減少了人際情感交流，影響了學生的社會化發展。另外，GenAI生成的教學方案往往具有模式化特征，可能會導致教學過程千篇一律。③形成“人灌+機灌”的灌輸式教學。目前GenAI的知識傳遞過程仍呈現為單向性，學生無需思考，只要不斷接受機器的輸出即可。GenAI還可能異化為教育理念滯后教師向學生灌輸知識的增強工具，導致學生面臨人與機器輪流、持續灌輸的局面，影響學生主動性和綜合素質的培養。④導致教育評價標準失衡。GenAI的應用，使自控能力較弱的學生易出現抄襲作弊的行為，從而破壞評價的真實性和公平性。另外，經濟條件好的學生能更早、更充分地利用AI輔助學習，使評價結果難以反映學生自己的真實努力。⑤加劇教育不公平。GenAI的應用需要一定的設施與資源支持，而這些并非所有學校與學生都能平等地獲取，如農村地區的學生往往難以獲得與發達城市相同的支持，從而加劇教育的不公平。

3 師生主體適應性風險

GenAI與教育的融合也對師生的主體適應性產生了影響，主要體現為：①GenAI被稱為“智慧外腦”，對中小學生來說是一個強大且新穎的智能工具，既能幫助學生迅速獲取信息，也易導致學生產生過度依賴，進而阻礙其自主學習和問題解決能力的提升^[16]。②教師角色正在經歷深刻的轉變。一方面，一些教師可能因為自身的數字素養與GenAI應用之間存在差距而感到焦慮和恐慌；另一方面，GenAI的輔助減少了教師在教學中的直接參與度，教師的角色也由傳統的知識傳授者轉變為學生學習的引導者、管理者和AI協同者，一定程度上消解了教師的知識權威、弱化了教師的教學主體地位。③GenAI的廣泛應用也可能帶來對“量化”主體的依賴風險。學校管理者若過分依賴數據分析結果，師生將被視為“可量化的個體”，在數據偏見的影響下，將導致某些場景出現不公平和歧視現象。

將GenAI技術引入基礎教育領域后，教育管理部門要做好創新與風險、公平與效率、共性與個性之間的復雜權衡。相應地，相關政策需合理平衡技術應用與管控之間的關系，既要防止學生過度依賴技術而影響獨立思考，也要避免過度監管而限制教育創新。在資源分配上，相關政策應重視平衡公平與效率，避免資源集中造成教育不公或平均分配而影響技術推廣。在制定相關政策時還需平衡好普遍性需求與個性化需求之間的關系，確保師生的個體需求得到滿足。

四 生成式人工智能在基礎教育領域應用的對策

GenAI技術憑借其卓越的內容生成能力和人性化特性，被認為具有顯著提升基礎教育質量和效率的潛力，并有望促進教育體系的顛覆性變革。然而，該技術的應用同樣伴隨著一系列潛在的風險，如智能技術的成熟度問題、教育教學的異化現象、教師與學生對新技術的適應性挑戰等。為了應對這些風險，我國需抓住GenAI技術帶來的發展機遇，積極借鑒國際先進經驗，并結合國內的教育數字化戰略，探索出適合我國基礎教育實際情況的GenAI應用對策。

1 國際應對：積極審慎推進與加強監管

面對GenAI的教育應用，國際社會表現出積極而審慎的態度。梳理近兩年來國際社會應對GenAI教育應用的政策與規范文件（部分如表1所示），可以看出：盡管各國在具體議題上存在差異，但普遍從價值取向、監管原則、應用推動、安全保障等方面推進GenAI與教育的融合。

①價值取向上，“以人為本，智能向善”是全球共識。GenAI的應用要以促進人的能動性和保護平等、文化多樣性等人文價值觀為前提^[17]，其中AI系統的開發要圍繞師生的核心需求，保護數據安全與隱私^[18]；而教育應用要堅持“人在回路”，積極發揮師生的主體性，承擔起對AI的判斷與控制責任^[19]。此外，還需注重GenAI對弱勢群體的影響，倡導為有特殊教育需求的群體和殘疾學生提供額外支持^[20]、設計具有包容性的AI教學計劃等^[21]。

②監管原則上，主要包括：一是遵循學生發展規律，如聯合國教科文組織禁止13歲以下學生在課堂上使用GenAI^[22]，日本規定13～18歲學生需監護人同意才能使用等^[23]；二是強調透明度和可解釋性，如澳大利亞規定供應商需向用戶說明GenAI如何應用并告知潛在偏差信息^[24]；三是注重數據與隱私安全，如禁止學校采購具有數據安全隱患的AI產品^[25]、制定教育領域的法律與監管框架等^[26]；四是禁止算法偏見與歧視，如多國要求供應商證明模型和數據源的可信度，禁止設計帶有偏見或歧視的AI系統^[27][28]；五是靈活迭代，如依據新風險和監管缺口動態調整監管的內容與方式^[29]。

③應用推動上，主要采取以下措施：一是試點應用，如日本在53所學校開展了GenAI支持下的教學活動和校務管理試點^[30]，英國實施了“GenAI黑客馬拉松項目”（GenAI Hackathon Project）來幫助教師體驗GenAI功能等^[31]；二是技能培養，如面向師生提供GenAI應用的培訓和課程資源，以提高師生的應用水平^[32]；三是課程與作業改革，如聯合國教科文組織倡導課程重設與作業理念更新、注重體現人類的核心價值觀和培養學生的問題解決能力^[33]，日本建議通過口頭演講、小組匯報等學習活動驗證作業是否由學生親自完成^[34]。

④安全保障上，一方面升級相關的基礎設施，為GenAI的應用筑牢基座，包括采取網絡安全措施^[35]、建立計算中心和數據平臺等^[36]；另一方面實施組織保障，以識別和應對風險，如建立中央風險職能部門^[37]、打造利益共同體等^[38]。

2 我國對策：堅持底線思維與大膽探索

借鑒國際GenAI教育應用的先進經驗，我國在促進GenAI與基礎教育深度融合的過程中，應保持警覺，堅持底線思維，積極探索適合我國國情的教育應用模式。未來，我國應堅持以人為本，普及人工智能教育、提升教師智能素養、研發專用模型、探索教育應用模式，并完善相關法律法規，以確保GenAI有效推動基礎教育的高質量發展。

①堅持人的主體性，以人為本。堅持人的主體性是技術應用的底線，因為人始終是教育的出發點與落腳點^[39]，技術只是人類意識的物化體現，所有技術的加持均無法撼動“以人為本”在教育中的核心地位。基于此，生成式人工智能的應用，應致力于增強學生的主動性，發展學生的創造性和批判性思維，支持每個學生的全面發展和個性化成長；同時，需提高技術應用的透明度和可解釋性，避免算法偏見影響教育過程中人的主體性，確保教育機會和過程的公平性。

②加強中小學人工智能通識教育。開設中小學人工智能通識教育課程，是提高學生智能素養、培養創新人才的關鍵路徑。2024年2月，教育部將184所基礎扎實、經驗豐富的中小學作為人工智能教育示范學校，致力于探索人工智能教育的理念、模式和方法，推動中小學人工智能教育的深入發展。未來，我國應進一步加強中小學人工智能通識教育，開發與學生認知發展、成長規律相適應的國家人工智能課程和教材體系，明確各階段人工智能教育的目標、內容、方法和評價標準；同時，逐步擴大人工智能教育試點范圍，充分利用人工智能、大數據等技術評估現有教學效果，分析問題之所在，探索人工智能教育規律，為其在全國范圍內的推廣積累寶貴經驗。

③提升中小學教師的智能素養。人機共育是未來教育教學的常態，其關鍵在于全面提升教師的智能素養。自2018年至今，我國實施的人工智能助推教師隊伍建設試點項目已顯著提高了教師的智能教育水平。面對生成式人工智能的挑戰，我國需進一步深化人工智能在教師隊伍建設中的應用，持續提升中小學教師的智能素養，相關舉措包括開展專項培訓重塑教師角色、強化對GenAI工具的理解和應用、建立精準測評系統監測教師智能素養的發展、利用國家智慧教育平臺為農村地區提供相關培訓資源等，以促進各地教師智能素養的均衡發展，縮小數字鴻溝。

④研發適用于我國基礎教育的專用大模型。2024年3月，教育部啟動實施教育系統人工智能大模型應用示范行動，旨在開發智能教育專用大模型“智思體”（Generative Education Special Transformer，GEST），并計劃在新工科、新文科等學科中加以應用，以促進教育的數字化和高質量發展^[40]。研發的專用大模型既要專業又要易于解釋，這就要求我國進一步加強新型基礎設施建設，以支持專用大模型的研發；同時，我國需加快推進產學研結合，利用我國豐富的基礎教育數據，開發能滿足教育減負、素養培育、個性發展等需求的專用大模型。此外，我國還需建立持續追蹤技術應用效果的長效機制，推動技術創新和軟硬件升級，以提升我國人工智能教育的國際競爭力。

⑤探索生成式人工智能基礎教育應用的新模式。GenAI在基礎教育領域的有效性和適用性，需置于真實的教育場景來進行評估與驗證。對此，我國應加強人工智能教育試驗區和實驗校的建設，全面探索GenAI在教學各環節的整合方式，評估其教學效果并挖掘應用規律；同時，鼓勵各地區和各學校積極采用語音與圖像識別、自然語言處理、行為分析、情緒監測等智能技術，開發并推廣“虛擬助教”“智能學伴”“智慧作業”等應用，為學生提供個性化輔導和精準課后服務，為教師提供智能化備課和個性化專業發展支持，為教育管理者提供智能決策支持，從而提高學生學習、教師教學、學校管理和政府治理的整體水平。

⑥完善相關法律法規，健全監管機制。2023年7月，國家網信辦聯合國家發展改革委、教育部等七部門發布《生成式人工智能服務管理暫行辦法》，為技術服務者和使用者提供了GenAI應用的宏觀指導。但是，GenAI在基礎教育領域的具體應用仍有待進一步規范。對此，我國需在遵循《生成式人工智能服務管理暫行辦法》的基礎上，加快制定基礎教育領域GenAI應用的詳細法規和政策，明確技術應用的邊界、條件、責任等，并建立嚴格的數據管理制度，確保數據安全。同時，學校應制定GenAI使用指南，以指導教師和學生合理、合法地使用技術。此外，我國還應建立GenAI教育應用的全生命周期監管機制，形成政府、企業、行業、社會合作的多元監管體系，共同打造健康有序的數字教育環境。

五 結語

生成式人工智能給基礎教育領域帶來了深刻且顯著的變化，使基礎教育迎來了前所未有的發展機遇。但“機遇與風險并存”，面對數據泄露、隱私侵犯、技術濫用等挑戰，教育工作者需以開闊的視野、前瞻的思維和長遠的眼光，積極迎接技術變革的浪潮，充分挖掘并釋放生成式人工智能的巨大潛能，引領教育的轉型與創新。生成式人工智能在基礎教育領域的深度應用，預示著一個更加智能、個性化、公平、開放且充滿活力的教育體系的誕生。未來，我們有望實現大規模的個性化人才培養，建成學校、家庭、社會和智能體協同育人的教育生態系統。

參考文獻

[1]Jovanovic M， Campbell M. Generative artificial intelligence： Trends and prospects[J]. Computer， 2022，（10）：107-112.

[2]朱永新，楊帆.ChatGPT/生成式人工智能與教育創新：機遇、挑戰以及未來[J].華東師范大學學報（教育科學版），2023，（7）：1-14.

[3]（加拿大）麥克盧漢著.何道寬譯.理解媒介：論人的延伸[M].南京：譯林出版社，2019：93.

[4]鮑婷婷，柯清超，馬秀芳.人工智能教育社會實驗的理論基礎與實踐框架[J].電化教育研究，2023，（1）：54-60.

[5]Gartner Research. Understanding gartner’s hype cycles[OL]. lt;https：//www.gartner.com/en/documents/3887767gt;

[6]張絨.生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，（2）：5-14.

[7]姜華，王春秀，楊暑東.生成式AI在教育領域的應用潛能、風險挑戰及應對策略[J].現代教育管理，2023，（7）：66-74.

[8]吳軍其，吳飛燕，文思嬌，等.ChatGPT賦能教師專業發展：機遇、挑戰和路徑[J].中國電化教育，2023，（5）：15-23、33.

[9]巫娜.“生成式人工智能+教育”的偽主體間性及其風險[J].現代大學教育，2024，（4）：27-37.

[10]陳寶生.ChatGPT：教育的未來和未來的教育[J].人民教育，2023，（Z3）：6-13.

[11][39]孫立會，沈萬里.論生成式人工智能之于教育的命運共同體[J].電化教育研究，2024，（2）：20-26.

[12]賀樑，應振宇，王英英，等.教育中的ChatGPT：教學能力診斷研究[J].華東師范大學學報（教育科學版），2023，（7）：162-176.

[13]張惠彬，許蕾.生成式人工智能在教育領域的倫理風險與治理路徑——基于羅素大學集團的實踐考察[J].現代教育技術，2024，（6）：25-34.

[14]楊欣.智能時代教育異化的表征、病灶及治理[J].中國電化教育，2021，（8）：34-41.

[15]周洪宇，李宇陽.ChatGPT對教育生態的沖擊及應對策略[J].新疆師范大學學報（哲學社會科學版），2023，（4）：102-112.

[16]苗逢春.生成式人工智能技術原理及其教育適用性考證[J].現代教育技術，2023，（11）：5-18.

[17][22][26][28][32][33]UNESDOC. Guidance for generative AI in education and research[OL].

lt;https：//unesdoc.unesco.org/ark：/48223/pf0000386693gt;

[18][27]Office of Educational Technology. Designing for education with artificial intelligence[OL]. lt;https：//tech.ed.gov/

files/2024/07/Designing-for-Education-with-Artificial-Intelligence-An-Essential-Guide-for-Developers.pdfgt;

[19]Office of Educational Technology. Artificial intelligence and the future of teaching and learning： Insights and recommend-ations[OL]. lt;https：//www2.ed.gov/documents/ai-report/ai-report.pdfgt;

[20][29]31][37]Department for Education. Generative AI in education call for evidence： summary of responses[OL].

lt;https：//assets.publishing.service.gov.uk/media/65609be50c7ec8000d95bddd/Generative_AI_call_for_evidence_summary

_of_responses.pdfgt;

[21]Académie de Paris. Intelligence artificielle et éducation： Apports de la recherche et enjeux pour les politiques publiques[OL]. lt;https：//www.ac-paris.fr/media/50148/downloadgt;

[23][30][34]文部科學省初等中等教育局.「初等中等教育段階における生成AIの利用に関する暫定的なガイドライン」の作成について（通知）[OL]. lt;https：//www.mext.go.jp/content/20230704-mxt_shuukyo02-000003278_003.pdfgt;

[24][25][35]Australian Government Department of Education. The Australian framework for generative artificial intelligence （AI） in schools[OL].

lt;https：//www.education.gov.au/schooling/announcements/australian-framework-generative-artificial-intelligence-ai-schoolsgt;

[36]Bundesministerium für Bildung und Forschung. BMBF-aktionsplan “künstliche intelligenz”[OL].

lt;https：//www.bmbf.de/SharedDocs/Downloads/de/2023/230823-executive-summary-ki-aktionsplan.htmlgt;

[38]Department for Education. Generative AI in education： Educator and expert views[OL].

lt;https：//www.gov.uk/government/publications/generative-ai-in-education-educator-and-expert-viewsgt;

[40]新華網.教育部副部長吳巖：推動數據賦能教育堅持應用為王[OL].

lt;http：//www.news.cn/edu/20240530/58be722c00fd4e8d9e765f176a94992a/c.htmlgt;

Applications of Generative Artificial Intelligence in Basic Education： Opportunities， Risks and Countermeasures

KE Qing-Chao""" MI Qiao-Wei """BAO Ting-Ting

（School of Educational Information Technology， South China Normal University， Guangzhou， Guangdong， China 510632）

Abstract： The deep integration of generative artificial intelligence （AI） with education and teaching is redefining the connotation of knowledge acquisition， learning processes， and human-machine collaborative teaching， and indicates that education will enter a new era of “teacher-student-machine” educational destiny community. Under this context， the paper discussed the nature and educational role positioning of generative AI， and explained the application opportunities of generative AI in the field of basic education from the perspectives of short-term effects and long-term development. At the same time， the risks associated with the maturity of AI technology， the education and teaching alienation， and the adaptability of teachers and students encountered in the application process of generative AI in the field of basic education were analyzed. Combining these opportunities and risks and drawing on international advanced experience， this paper put forward targeted application countermeasures of generative AI for the actual situation of basic education in China， in order to promote the deep integration of AI with education， and provide reference for research and policy development in related fields.

Keywords： generative AI; basic education; artificial intelligence technology; “teacher-student-machine”

*基金項目：本文為國家社會科學基金2023年度教育學重點項目“國家智慧教育平臺生態建設和運行運維機制研究”（項目編號：ACA230014）、廣東省哲學社會科學創新工程2022年度特別委托項目“面向智能社會治理的社會實驗：教育變革與風險防控”（項目編號：GD22TWCXGC10）的階段性研究成果。

作者簡介：柯清超，院長，教授，博士，研究方向為教育數字化、人工智能教育等，郵箱為keqingchao@m.scnu.edu.cn。

收稿日期：2024年5月18日