人智協同迭代共生教學模式研究

摘要：當前，生成性學習在實踐中仍面臨學生自主性不足與個性化學習需求難以滿足的挑戰，而AIGC技術的快速發展為教育領域注入了新的活力，在促進生成性學習的優化和改革方面蘊含潛力。為此，文章基于社會文化活動理論，提出了AIGC賦能教學的三維理論框架；在此基礎上，文章以SOI框架為指導，構建了人智協同迭代共生教學模式。之后，文章通過職業學校Python課程的準實驗研究，對該模式的有效性進行了驗證，結果表明：人智協同迭代共生教學模式能夠顯著提升學生的成績、學習動機和自我效能感，其中自我效能感的提升效應最大，而學習成績和學習動機的提升效應較低。文章通過研究，旨在推動人工智能時代教學模式的創新，為有效提升生成性學習效果提供有價值的理論指導和實踐參考。

關鍵詞：AIGC；生成性學習；社會文化活動理論；學習績效；人智協同

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2025）01—0081—08 【DOI】10.3969/j.issn.1009-8097.2025.01.009

生成性學習理論強調，學習是學習主體在原有認知結構的基礎上，通過與學習資源及其他因素的交互，主動構建新知識^[1]。該理論在教育領域受到了廣泛認可，但實踐中仍存在學生自主性不足、個性化程度低等問題^[2]。近年來，以ChatGPT為代表的人工智能生成內容（Artificial Intelligence Generated Content，AIGC）技術快速發展，其具備理解并回應人類自然語言指令的能力，已經被廣泛應用于文本創作、編程等多個領域^[3]。尤其是在教育方面，AIGC技術能根據學生的個體需求，生成個性化的學習內容，有效激發學生的學習熱情，促進其思辨和創造性思維發展，這與生成性學習理論所強調的學習主動性與個性化高度契合^[4]。此外，生成性學習不僅依賴學習主體的主動參與，還受環境、工具等要素的影響，而社會文化活動理論關注各要素在社會文化環境中的動態交互，為AIGC融入教學進而解決生成性學習問題提供了理論支持。因此，本研究基于生成性學習理論，嘗試構建以實踐為導向的人智協同迭代共生教學模式，以期為有效提升生成性學習效果提供有價值的理論指導和實踐參考。

一 相關研究

1"生成性學習的研究現狀

1974年，Wittrock^[5]首次提出生成性學習理念，強調學生應主動構建有意義的學習過程。此后，該理念在多個學科領域得到廣泛應用與驗證。其中，在地理教學領域，生成性學習被證明可有效提升學生的高階思維能力^[6]；在數學教學領域，其被證明有助于加深學生對數學概念的理解^[7]；在外語教學領域，其被證明能激發學生的學習積極性^[8]。然而，生成性學習注重學生個性化知識建構，對教師的教學能力、創造力等提出了更高要求，因此如何在實際教學過程中有效實施生成性學習理念成為備受關注的議題。

2 AIGC賦能教學的研究現狀

如今，以ChatGPT為代表的AIGC技術正助推教育從人機協同向人智協同的方向發展^[9][10]。有研究者從理論創新視角積極探索了AIGC賦能課堂教學的新模式，如吳忭等^[11]設計的人機協同科研迭代教學模式、張靜^[12]提出的六維共建的人本主義教學模式、Yang等^[13]開發的三元協同三階混合學習模式、Huang等^[14]構建的情境模擬對話教學模式等，這些研究從多維度探索了AIGC技術對傳統教學模式的創新作用。然而，當前針對教師、學生、AIGC三者內在關系與協同機制方面的研究尚顯不足，教學模式的理論支撐體系仍需進一步加強。此外，也有研究者從課堂教學實踐應用視角出發，致力于推動課堂教學變革，如Xie等^[15]深入挖掘人機協同課堂協作機制，構建了基于AIGC的高校人機協同SOCAEE課堂教學體系；Selahattin等^[16]聚焦“AIGC+翻轉課堂”，構建了5E翻轉教學模型；Kong等^[17]基于人本主義理論，設計了一種自我調節教學模式，對教師和學生角色、AIGC功能進行了重新定義。盡管如此，這些研究在關注教學過程和教學活動重構方面都略顯薄弱，這可能在一定程度上限制了理論成果向具體教學實踐的有效轉化。

3"AIGC技術與生成性學習理念的適切性

AIGC的智能性和適應性使其能夠為每位學生提供個性化的學習服務，通過分析學生的學習歷史，量身定制學習內容，這與生成性教學注重培養學生自主學習和個性化思維能力的目標高度一致。同時，AIGC的互動性使學生能夠通過與其進行對話來積極參與課堂討論，從而促進知識的主動建構，以更好地達成生成性學習目標。因此，本研究嘗試將AIGC與生成性教學相結合，聚焦生成性教學有效應用的難題，構建人智協同視域下的新型教學模式，重構教學活動，并探究其對學生學習效果的影響。

二 人智協同迭代共生教學模式的構建

1"理論基礎

（1）AIGC賦能教學的三維理論框架

社會文化活動理論強調環境、語言和社會互動在個體認知發展中的關鍵作用，為人機協同教學提供了重要的理論支持。在此基礎上，Engestrom^[18]提出了活動系統的三角模型，其由主體、客體、共同體、中介、規則與分工六大要素構成，展示了主體在動機和目標驅動下，借助中介工具，通過合理分工和規則約束作用于客體并轉化為成果的過程。基于此模型，本研究深入分析了“主體-共同體-中介”三者之間的關系與角色分工，明確了人智協同下的教學活動流程，構建了以“AIGC-師-生”三者關系為切入、“AIGC-師-生”角色分工為抓手、人智協同教學活動流程為核心的AIGC賦能教學的三維理論框架，如圖1所示。

①切入：“AIGC-師-生”三者關系新視角。在AIGC賦能教學的過程中，教師（共同體）、學生（主體）和AIGC（中介）三者協同合作，共同實現教學目標。其中，教師與學生通過協作關系，共同參與學習，且教師設計和組織教學活動，為學生提供規模化培養的環境；AIGC與學生之間構成個性化指導的協作關系，以私人教師的身份精準滿足學生的需求，實現個性化培養；AIGC與教師之間構成互補關系，雙方協同合作，發揮各自優勢，共同推動學習目標的實現。

②抓手：“AIGC-師-生”角色分工新定位。基于“AIGC-師-生”的關系，本研究對三者的角色分工進行新定位：對于教師，學生扮演學習反饋者角色，實時反饋學習狀況，為教師調整教學策略提供依據；AIGC作為教學助手，提供個性化教學支持，助力實施精準、高效的教學。對于學生，教師是學習引導者和情感關懷者，課堂中引導學生積極參與，監督學習進展，并提供情感支持；AIGC則作為學習伙伴，根據學生的需求提供個性化回答。對于AIGC，學生是互動參與者和內容集成者，學生通過多輪對話整合信息，實現知識的深度理解與個性化建構；教師是使用操作者和優化調整者，利用AIGC為學生提供個性化學習資源，并根據教學需求優化調整內容。

③核心：人智協同教學活動流程新體系。本研究構建了三階段的教學活動流程：在課前導學啟智階段，AIGC充分發揮技術優勢，結合決策式AI，提供資源推薦、內容整合、方案設計等功能；教師則依托自身教學經驗與AIGC協同設計教學活動，為課堂活動的順利進行奠定基礎。在課中研學生智階段，教師作為引導者，支持學生的個性化學習，靈活應對突發情況；AIGC則作為智能學伴提供問題答疑，實時響應學生的需求，激發其靈感和潛能，培養創新思維。在課后固學遷智階段，教師主要負責輔助評價與指導；AIGC通過自動評估反饋、試題生成、互動測驗等功能，幫助學生實現知識的遷移和應用。

（2）SOI框架

Fiorella等^[19]提出的選擇-組織-整合（Select-Organize-Integrate，SOI）框架以學生學習新知的認知過程為基礎，將生成性學習分為三個階段：首先，學生需集中注意力，從大量信息中選擇重要內容；然后，根據信息間的關聯性和已有知識，完成信息的組織與編碼存儲；最后，將新知識與現有知識體系整合起來，實現知識的深度融合和內化。上述學習過程有助于學生構建認知圖式，并將其存儲在記憶中。

2"模式構建

本研究依據AIGC賦能教學的三維理論框架，明確了“AIGC-師-生”三者的關系，設計了各自的具體活動任務和分工。同時，本研究以SOI框架為指導，將“課前-課中-課后”三階段分別對應學生的“選擇-組織-整合”過程，使教學活動更加契合學生的自然學習節律，以促進知識的吸收與內化。在此基礎上，本研究構建了人智協同迭代共生教學模式，如圖2所示。其中，課中研學生智階段是核心，學生通過與AIGC互動對話，進行迭代式探究，解決問題，實現認知飛躍；教師則作為引導者，負責調控教學進度，確保學習活動順利進行。

（1）課前導學啟智：人智協同，精準選擇

本階段對應SOI模式的選擇階段，AIGC發揮資源生成、輔助備課和模擬預設作用。教師需遵循“目標引領-路徑引導-資源生成”的思路，通過提問向AIGC獲取所需的教學資源和建議，并結合教學經驗設計課前預習導學單。教師可從宏觀和微觀兩個層面進行教學設計：在宏觀層面，規劃教學目標、內容、情境和活動，確保教學的系統性和連貫性；在微觀層面，借助AIGC模擬授課，演練可能出現的課堂疑難、爭議問題，提升應變能力和自信心，并優化教學設計。學生需認真預習導學單，明確學習目標，實現對知識的“選擇”，并填寫預習反饋單以檢驗預習成效，并深入思考內容、明確疑惑和難點。

（2）課中研學生智：人智對話，個性組織

本階段對應SOI模式的組織階段，AIGC發揮設計情境、解答疑惑、激發靈感等作用。教師需利用AIGC創設真實有趣的教學情境，并設計一系列學習任務以進行教學點撥，引導學生自主探究、組織成果匯報，做好課堂的總結和評價，充分發揮主導作用。學生的學習過程則呈現動態迭代特點：在問題分析環節，學生需深入分析問題情境，結合已有知識明確學習目標，并在AIGC的個性化輔助下開展針對性學習，共同構建初步的解決方案。若方案經初步評估需優化，學習將回溯至情境分析環節，反之則進入問題解決環節。在問題解決環節，AIGC輔助學生開展實踐探究，提供結果校驗與優化建議。隨著實踐過程的逐步深入，學生通過匯報展示成果，若發現問題，學習將回歸至實踐探究，否則進入總結評價。從內容迭代角度來看，教學從解決某一問題出發，設計了由簡單到復雜的多輪學習任務，學生運用新知不斷優化方案，直至問題解決；從方法迭代角度來看，學生通過與AIGC的迭代對話，持續追問和探索，獲得即時反饋與指導。

（3）課后固學遷智：人智互動，全面整合

本階段對應SOI的整合階段，AIGC發揮生成試題、智能評估、互動測試等作用。教師需利用AIGC進行個性化習題設計，承擔篩選題目和組卷的責任，隨后再次利用AIGC生成習題配套的答案解析，并進行教學評價。學生需獨立完成作業，并由AIGC提供作業批改服務，協助學生快速識別作業中的錯誤和不足。之后，學生可以根據自身需要開展互動測試，AIGC則針對學生的薄弱知識點生成相應的變式訓練，從而個性化地鞏固學生的知識體系，進一步促進其對知識的深入理解和遷移應用。

三 人智協同迭代共生教學模式的效果驗證

1 研究設計

（1）研究對象

本研究在浙江省寧波市某中等職業學校高二年級中隨機選取X老師執教的兩個計算機應用專業班級學生作為研究對象。兩個班級的學生被隨機分為實驗組和對照組，其中實驗組共46名學生（含37名男生和9名女生），對照組共46名學生（含33名男生和13名女生）。

（2）研究方法

本研究采用準實驗研究法，旨在探究人智協同迭代共生教學模式對學習效果的影響。根據課程特性，研究人員為實驗組和對照組均提供數字化教學環境，每位學生使用一臺具備互聯網功能的計算機，計算機安裝了“極域電子教室平臺”，支持教師和學生進行高效的多媒體網絡課堂教與學。其中，對照組采用傳統的教學模式，以教師講授、學生上機演練為主；實驗組則采用人智協同迭代共生教學模式，在AIGC技術支持下學生開展個性化的自主學習。AIGC工具方面，本研究選用“文心一言”平臺，該平臺涵蓋了廣泛的知識領域，能夠根據學生的需求提供相關信息和建議，從而滿足研究過程中各個階段的學習工具需求。

（3）研究工具

本實驗采用以下工具展開：①學習成績前后測試題。由該校3名信息技術老師共同確定，題目改編自浙江省歷年中等職業學校Python學考真題。其中，前測試題用于檢測隨機選取的班級是否為平行班，后測試題旨在檢驗學生在實驗后的學習成效。②學習動機問卷。選用Hwang等^[20]編制的學習動機量表，其Cronbach’s α系數值為0.70，說明該量表具有良好的信度，能夠有效衡量學生在學習過程中動機的變化。③自我效能感問卷。選用Printrich等^[21]提出的自我效能感量表，包含8道李克特五點量表題，其Cronbach’s α系數值為0.88，表明該量表在衡量學生對完成任務的自信心方面具有高度的可靠性和有效性。④師生訪談提綱。本研究設計了一份包含12個問題的師生訪談提綱，采用半結構化問答的方式，從教與學兩個維度深入探索人智協同迭代共生教學模式對教學效果、學習體驗的具體影響和不足之處。

（4）研究過程

本實驗共持續9周：第1周，利用試題和學習動機、自我效能感問卷對兩個班級進行前測。第2周，實驗組預先學習AIGC平臺的使用方法和策略，為后續的教學實踐奠定基礎。第3周～第8周，X教師根據實驗計劃開展教學，實驗組采用人智協同迭代共生教學模式，對照組則開展傳統教學。教學內容選自該校“Python程序編寫入門”課程的第三單元，該單元共包含四個模塊：順序結構、選擇結構、循環結構以及一個綜合實戰應用模塊。教學結束后，學生需要作答后測試題與學習動機問卷、自我效能感問卷。第9周，本研究對X教師和隨機抽取的若干名實驗組學生進行訪談，收集其真實的教學和學習反饋。

2"結果分析

（1）教學效果分析

本研究使用SPSS 26軟件，通過回歸系數一致性統計檢驗，對實驗組和對照組的前測數據進行了分析。在學習成績（F=0.78，p=0.38）、學習動機（F=1.18，p=0.28）和自我效能感（F=0.84，p=0.36）等各個指標上，p值均未達到顯著水平，表明實驗組和對照組在前測時并無顯著差異。隨后，本研究以前測數據為協變量、后測數據為因變量，對實驗組和對照組在所有測量維度上進行了單因素協方差分析，結果如表1所示。表1顯示，實驗組在學習成績、學習動機和自我效能感方面的水平均顯著高于對照組，其中自我效能感（η²=0.27）的提升效應最大，而學習成績（η²=0.05）和學習動機（η²=0.05）的提升效應相對較小。

（2）觀察與訪談分析

通過觀察與訪談，本研究發現：師生對人智協同迭代共生教學模式均持積極的態度。X老師指出，在該模式下AIGC平臺的融入大幅提升了教學全流程的效率，尤其是備課階段，AIGC能有效輔助教學設計，顯著提高備課的效率與質量。同時，X老師也強調該模式在個性化教學方面取得了顯著成效，AIGC作為每位學生的私人助教，提供了精準的反饋與輔導，成功實現了分層教學的目標。此外，實驗組的多數學生反饋，相較于傳統學習方式，此模式通過促進其與AIGC進行對話，幫助他們增強了自主學習能力，激發了主動解決問題的興趣。在學習工具運用上，實驗組的多數學生表示能有效利用“文心一言”平臺進行高效提問，并對AIGC的“拓寬思路”“即時回復”功能給予了高度評價，認為這極大地增強了他們解決問題的信心。本研究還發現，實驗組學生對于和AIGC進行互動交流表現出濃厚的興趣，人工智能的融入使他們在分享觀點時更加自信，并勇于嘗試與探索，從而營造了一種積極且開放的學習氛圍。

四 結論與討論

①人智協同迭代共生教學模式能夠顯著提高學生的學習成績，這得益于AIGC的及時輔導。AIGC作

為智能輔助教學工具，能夠為學生提供個性化的學習支持。相較于傳統搜索引擎，AIGC展現出更強的針對性和概括能力，使學生的知識建構更為高效，同時有效降低了不必要的認知負荷^[22]。本研究中，實驗組憑借AIGC的輔助，能夠在課后利用互動測驗進行個性化的查漏補缺，極大地促進了個人知識體系的完善。相比之下，對照組雖然在教師的指導下進行了系統的學習，但學習重點更多地集中在知識的傳遞和初步消化上，學生缺乏深入思考與實踐應用的空間。在此背景下，AIGC的個性化輔導功能顯得尤為突出，其就像學生的私人教師，實時提供針對性指導，有效彌補了傳統教學中個性化教學的不足，使學生對知識的掌握和理解得到了加強，進而實現了學習成績的顯著提升。

②人智協同迭代共生教學模式能夠顯著提升學生的學習動機和自我效能感，此結論與Yilmaz等^[23]的研究結果一致。在本研究中，學生于課前準備階段通過填寫預習反饋單等活動，深入了解自己的學習狀況，發現自身的潛力與不足，進而提升了對學習的掌控力和自信心。進入課中研學階段，學生與AIGC合作，共同攻克難題，在對話探究中實現了新知建構。在此過程中，學生不僅體驗到新奇的學習方式，還因成功解決難題激發了內在學習動機。同時，AIGC提供的個性化學習指導能幫助學生更深入地理解并掌握知識，從而增強了其學習信心。從生成性學習的角度來看，該模式鼓勵學生自主選擇新知識、組織已有知識，并通過與AIGC的互動實現新舊知識的整合。通過上述過程，學生不僅構建了更為完善的知識體系，還對知識有了更深的掌控力和自信心，進而提高了自我效能感。

總而言之，知識學習構成了教學活動的核心要素，而學習效率的提升深深根植于信息技術的不斷進步與教學應用服務的持續創新之中。隨著AIGC技術在教育領域的興起，其所蘊含的巨大潛力為探索教學服務的新途徑注入了強大動力。本研究依托AIGC賦能教學的三維理論框架和SOI框架，運用AIGC技術優化課堂教學實踐，構建了一種以“學”為中心的人智協同迭代共生教學模式，旨在提供深度且高質量的生成性學習體驗。然而，該模式在實際應用過程中也面臨諸多挑戰，如學生可能利用AIGC完成課業任務，由此引發學業誠信的問題；AIGC技術本身伴隨著倫理風險的考量；師生對AIGC的過度依賴可能削弱其創造力并導致思維模式的表面化等。這些問題構成了“AIGC+課堂教學”研究領域中亟待攻克的重點，后續研究將致力于對該領域進行深入探索，以期找到解決這些問題的有效途。

參考文獻

[1]Wittrock M C. Learning as a generative process[J]. Educational Psychologist， 1974，（2）：87-95.

[2]Shemshack A， Spector J M. A systematic literature review of personalized learning terms[J]. Smart Learning Environments， 2020，（1）：33.

[3]徐升，佟佳睿，胡祥恩.下一代個性化學習：生成式人工智能增強智能輔導系統[J].開放教育研究，2024，（2）：13-22.

[4]Shanto S S， Ahmed Z， Jony A I. Enriching learning process with generative AI： A proposed framework to cultivate critical thinking in higher education using Chat GPT[J]. Tuijin Jishu/Journal of Propulsion Technology， 2024，（1）：3019-3029.

[5]Tobias S. Generative learning theory， paradigm shifts， and constructivism in educational psychology： A tribute to Merl Wittrock[J]. Educational Psychologist， 2010，（1）：51-54.

[6]Chistella C， Soekamto H. A comparison between generative learning model and CORE learning model： The influence on learners’ higher order thinking skill[J]. IOSR Journal of Research amp; Method in Education， 2017，（2）：48-52.

[7]Kosiret A， Indiyah F H， Wijayanti D A. The use of generative learning model in improving students’ understanding of mathematical concepts of Al-Azhar 19 Islamic High School[J]. International Journal of Progressive Mathematics Education， 2021，（1）：16-26.

[8]Basaffar F M. The effect of implementing some generative learning model strategies in teaching reading comprehension[J]. International Journal of English Language Education， 2017，（1）：42-53.

[9]楊欣.基于生成式人工智能的教育轉型圖景——ChatGPT究竟對教育意味著什么[J].中國電化教育，2023，（5）：1-8、14.

[10]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，（4）：16-23.

[11]吳忭，李鳳鳴，胡藝齡.生成式人工智能賦能本科生科研能力培養——ChatGPT支持的CUREs教學模式[J].現代遠程教育研究，2024，（3）：3-10、28.

[12]張靜.生成式人工智能背景下翻譯高階思維教學模式構建[J].中國翻譯，2024，（3）：71-80.

[13]Yang J M， Fan Z Q， Chen S Q， et al. AIGC empowered blended learning in University course design and implementation： A case study[A]. International Conference on Blended Learning[C]. Singapore： Springer Nature Singapore， 2024：188-200.

[14]Huang K L， Liu Y C， Dong M Q. Incorporating AIGC into design ideation： A study on self-efficacy and learning experience acceptance under higher-order thinking[J]. Thinking Skills and Creativity， 2024，（52）：101508.

[15]Xie Y R， Xia W， Qiu Y. Construction and implementation of generative AI-based human-machine collaborative classroom teaching model in Universities[A]. International Conference on Blended Learning[C]. Singapore： Springer Nature Singapore， 2024：102-116.

[16]Selahattin A， Eyup Y. Flipped learning： An innovative model for enhancing education through ChatGPT[J]. International Journal of Modern Education Studies， 2024，（1）：124-148.

[17]Kong S C， Yang Y. A human-centered learning and teaching framework using generative artificial intelligence for self-regulated learning development through domain knowledge learning in k-12 settings[J]. IEEE Transactions on Learning Technologies， 2024，（17）：1588-1599.

[18]Engestrom Y. Learning by expanding： An activity-theoretical approach to developmental research[M]. Helsinki： Orienta-Konsultit，"1987：89.

[19]Fiorella L， Mayer R E. Learning as a generative activity： Eight learning strategies that promote understanding[M]. Cambridge： Cambridge University Press， 2015：5.

[20]Hwang"G J， Yang L H， Wang S Y. A concept map-embedded educational computer game for improving students’ learning performance in natural science courses[J]. Computers amp; Education， 2013，69：121-130.

[21]Pintrich P R， Smith D， Garcia T， et al."A manual for the use of the motivated strategies for learning questionnaire （MSLQ）[M]."Michigan： Education Resources Information Center， 1991：13.

[22]Wu T T， Lee H Y， Li P H， et al. Promoting self-regulation progress and knowledge construction in blended learning via ChatGPT-based learning aid[J]. Journal of Educational Computing Research， 2024，（8）：3-31.

[23]Yilmaz R， Yilmaz F G K. The effect of generative artificial intelligence （AI）-based tool use on students’ computational thinking skills， programming self-efficacy and motivation[J]. Computers and Education： Artificial Intelligence， 2023，（4）：100147.

Research on Human-AI Collaborative Iterative Symbiosis Teaching Mode

——Analysis of"the Integration and Practical Effect of AIGC

LI"Hao-Jun¹""""HUANG"Qin-Ru¹""""CHEN"Wei²""""XU"Zhuo-Zhuo²

（1. College of Education， Zhejiang University of Technology， Hangzhou， Zhejiang， China 310023;

2. Yuyao Fourth Vocational and Technical School， Ningbo， Zhejiang， China 315470）

Abstract："At present， generative learning"in practice still faces the challenge of insufficient autonomy of students and difficult to meet personalized learning needs， while the rapid development of artificial intelligence generated content"（AIGC）"technology has injected new vitality into the field of education and exhibited potential in promoting the optimization and reform of generative learning. Therefore， grounded in socio-cultural activity theory， this paper proposed"a three-dimensional theoretical"framework for AIGC-empowered teaching. Accordingly， guided by the SOI （Select-Organize-Integrate） framework， a human-AI collaborative iterative symbiosis teaching mode was"constructed. After that， through"a quasi-experimental study"of Python course in vocational school， the effectiveness of this mode was verified. The results showed"that the human-AI collaborative iterative symbiosis teaching mode significantly improved"students’"academic performance， learning motivation， and self-efficacy， among which the"self-efficacy"was the largest， while the improvement effect of academic performance and learning motivation was relatively small. Through research， this paper was expected"to drive the innovation of"teaching models in the"artificial intelligence age and provide valuable theoretical"guidance"and practical reference for improving generative learning"effectively.

Keywords："AIGC; generative learning; socio-cultural activity theory; learning performance; human-AI collaboration

*基金項目：本文為2022年度浙江省哲學社會科學規劃交叉學科重點支持課題“基于深度知識追蹤的在線學習資源聯動推薦服務研究”（項目編號：22JCXK05Z）、2024年度浙江省教育信息化研究課題“AIGC支持下生成性教學策略的設計與實證研究”（項目編號：2024ETD50）、2024年度浙江工業大學人工智能賦能教學試點課程建設項目“教育技術研究方法”（項目編號：浙工大教務處〔2024〕33號）的階段性研究成果。

作者簡介：李浩君，教授，博士，研究方向為智能教育與個性化學習，郵箱為zgdlhj@zjut.edu.cn。

收稿日期：2024年8月14日

編輯：小時