GAI賦能教育變革：哲學審視、國際比較與未來進路

摘要：生成式人工智能賦能教育具有革命性價值。該研究從本體論、認識論、方法論、價值論的四維范式剖析其哲學意蘊。在此基礎上，基于內容分析法對274篇國外和250篇國內研究進行考察比較，發現我國研究重點放在思辨分析與模型框架的理論探討，關注意識形態與應用規范的倫理道德，在技術效果、規律挖掘、性能分析、研發應用等方面均展現不同研究樣態。鑒于此，未來生成式人工智能賦能教育應闡釋教育架構與技術的理論創見，奠定學理基礎；橋接教育生態與技術的雙向互促，深化協同發展；厘清教育目標與技術的主客位置，拓寬實踐路徑；把穩教育導向與技術的動態平衡，匯聚理性共識。

關鍵詞：生成式人工智能；教育；人與技術協同主體；國際比較；未來進路

中圖分類號：G434 文獻標識碼：A

* 本文系中國科學院學部院士咨詢評議項目“生成式人工智能技術賦能科學教育發展戰略研究”（項目編號：211910118）、北京師范大學博一學科交叉基金項目“基于生成式人工智能的實驗教學工具設計與課程開發”（項目編號：BNUXKJC2303）研究成果。

自美國Open AI公司推出ChatGPT以來，生成式人工智能（Generative Artificial Intelligence，簡稱GAI）在教育領域的應用迅速擴展。這項技術通過學習大量的數據樣本，理解內容生成的規律和結構，為不同教育角色提供個性化和高質量的定制化支持[1]。教育界普遍肯定其在推動教育模式轉型中的積極作用，認為它將引領教育進入“人機協同”的新時代[2]，實現評價多元化和高階能力培養[3]。盡管前景廣闊，我國在生成式人工智能的研發與應用實踐中仍面臨迫切的提升需求。為此，本研究將從哲學視角出發，從本體論、方法論、認識論和價值論四個維度全面反思生成式人工智能在教育領域的技術賦能范式，并在此基礎上對比考察國內外研究現狀，通過理論與實際相結合，描繪生成式人工智能賦能教育的未來進路，為我國利用生成式人工智能技術促進教育變革發展提供系統的理論參考和實踐指導。

一、生成式人工智能賦能教育變革的哲學審視：人與技術協同主體的四維范式反觀

技術賦能教育發展至今逐漸呈現出“人機融合”的范式特征[4]。在科學哲學中，“范式（Paradigm）”最早由托馬斯·庫恩提出，被定義為科學共同體在特定時期內共享的認知模型，它既包括理論、信仰、技術和價值觀的綜合體系，也提供問題解決的示范性案例。鑒于生成式人工智能對既有技術賦能教育模式帶來的深刻變革，繼續拘泥于傳統理論框架內尋求解釋顯得捉襟見肘，亟需跳出固有理論循環，遵循理論與實踐的內在邏輯，回歸邏輯原點。因此，本研究基于前人理論[5]，從哲學基礎出發，系統地審視并構建生成式人工智能賦能教育的形而上本體論、形自體認識論、形而下方法論與形塑造價值論的四重維度（如圖1所示），以解析生成式人工智能與教育間復雜的關系動態。

（一）本體論：“與智存在”下對人與技術協同主體的理論探討

教育本體論的核心，在于挖掘教育現象的深層本質與真諦，追求穿透表象，觸及教育實踐的根源性及真實性。作為哲學的關鍵分支，本體論歷來專注于探究存在的根本基礎，尤其關注主體性在多元存在形式中的體現——從巴門尼德的“存在即真理”，經柏拉圖的“理念世界”，至康德的“物自身”，西方形而上學不懈深化，追索現象背后的恒常與本質。教育主體觀念隨之進化，從“宗教人”“自然人”“社會人”演變為“文化人”“創造人”，映射出人在教育研究發展歷程中主體地位的不斷提升與角色多元化[6]。

然而生成式人工智能技術，以其自動生成多樣化內容的類人能力，極大地拓寬人類創造力的邊界，同時對傳統的教育主體性概念提出前所未有的挑戰，并促成“人與技術”互動關系的重構。技術作為認知和社會關系的塑造者，其角色超越單純工具的范疇，成為一種“中介”力量[7]。從后現象學的視角出發，唐·伊德（Don Ihde）進一步區分了人與技術之間的四種關系：胚胎關系、工具關系、環境關系和混合關系，維貝克（Verbeek）在此基礎上提出第五種“人-技術”關系。隨著技術與人在教育領域內的深度融合，生成式人工智能憑借其類人的互動性，在技術功能上實現自適應群體形成、專家促進、智能虛擬代理、智能調節等手段，改變人類的經驗結構，教育中的人難以將技術視為異于自身存在的他者，自覺沉浸于生成式人工智能塑造的情境中，使得技術不再僅僅是外部工具，而是成為與人類認知、情感及創造性活動緊密交織的伙伴，促進人與技術在教育舞臺上的多維度協同交互。生成式人工智能不僅革新知識的流通與處理模式，更深層次地融入教育主體的認知框架與生活實況，與教育者和學習者共同構建一個“智慧共生”的教育生態系統，技術本身成為教育實踐的關鍵主體之一，呈現出“人與技術”作為協同主體的樣貌。由此，海德格爾的“在世存在”概念得以延伸，生成式人工智能在教育中的整合開創一種“在智存在”的新現實，即教師智慧、學生智力與技術智能共同存在、相互促進、協同發展。

因此，探討生成式人工智能在教育領域的本體論意義，關鍵在于深入分析這一“與智共存”模式如何塑造教育主體性、重構關系網絡及實踐邏輯。這不僅要求我們接納生成式人工智能作為教育生態的主動合作者，更需在理論上全面評估學生、教師、教育管理者等與生成式人工智能形成的新屬性。

（二）認識論：技術-教育共生樣態下對技術效果與教學規律的不懈求索

認識論專注于探求知識的本質與認知范疇，其核心在于知識的可信度驗證及建立過程，并與本體論緊密交織，互為依存。該領域的理論巨擘，例如康德的先驗論與波普爾的證偽主義，奠定了認識形成與驗證的基本理論框架[8]。將此視角應用于生成式人工智能賦能教育時，其討論的維度擴展到技術與教育互動的復雜性，特別強調了技術與人作為協同主體在這一進程中的作用。

安德魯·芬伯格的“建構主義的技術觀”為此提供理論支撐，他指出技術理性的本質是演進的、社會文化嵌入的產物，而非孤立存在，強調技術的發展與應用是社會文化價值與人類需求交互作用的產物。在教育語境下，生成式人工智能的實施超越技術的物理部署，轉而成為一種由教育者、學習者與技術共創的教育變革驅動力。而關于技術決定論與社會構造論的爭論同樣說明技術的影響并非單向度的，而是與使用者的接受度、使用策略緊密相關[9]。因此，這一體系的運作體現技術使用的多維度考量，包括社會接納度、文化適宜性及在多樣教育場景中的實效性，旨在促進教育目標與技術潛力的和諧融合。此外，對協同主體的認識還體現在生成式人工智能技術對人的增強作用的深入剖析。生成式人工智能對個體的增強不僅限于知識傳遞效率，而是全方位覆蓋情感、行為等多維領域。通過智能化定制學習路徑，生成式人工智能實現對個體需求的精確診斷與響應，催化自主與深度學習，展現出對教育生態的積極影響[10]。然而，生成式人工智能作用下的學習過程仍蘊藏著“黑箱效應”，其復雜的非線性與情境特異性特征，要求教育者深入探究并據此調整教學策略，以適應學生的學習模式和認知發展階段，確保技術應用的教育價值最大化。

綜上所述，對生成式人工智能賦能教育認識論的突破，意味著需要深入探討技術如何與教育的社會文化環境相互作用，如何在教育規律的探索與實踐之間搭建橋梁。這種技術與教育規律的相互作用，形成一種“技術-教育共生”的新認識論模型，其中生成式人工智能既是教學規律發現的工具，也是教學規律得以實現和創新的平臺。

（三）方法論：教育提質導向下對技術性能與研發應用的深度發掘

方法論作為認識世界與改造世界的根本指南，其在教育領域的具體實踐體現在生成式人工智能技術對教育的深度賦能。這種方法論一方面要求我們重新審視教育需求下技術的邊界與可能性，如生成式人工智能如何通過提供個性化學習路徑、跨文化交流平臺或無界限的知識獲取途徑拓寬教育的邊界；另一方面鼓勵通過生成式人工智能對教育進行“再概念化”，不斷催生和實驗新型教育模式，并據此研發新的技術功能。

教育人工智能的核心理論與拉卡托斯的“科學研究綱領”理念形成強烈共鳴，其中心是以提升教育質效為中心的“理念硬核”，同時，生成式人工智能適應性特征扮演“保護帶”的角色，確保教育實踐能夠靈活應對環境變化，滿足多樣化的教育需求。這一點體現為不斷精進的智能算法與功能設計，不僅為學生打造出更加個性化、高效的學習路徑，也為教師提供諸如智能備課助手、個性化教學策略推薦等專業成長工具，進一步加強教育的個性化與智能化。此外，生成式人工智能通過建立虛擬實驗室、融入增強現實教學場景等創新方式，使得教育體驗變得更富有沉浸感，為學習者創造更多探索與實踐的機會。

因此，生成式人工智能賦能教育的方法論構建于兩大核心支柱之上：一是深入探索與激活技術潛力，準確把握生成式人工智能在教育領域的應用邊界與創新可能；二是將理論認識轉化為實踐行動，通過技術創新與教育實踐的相互作用，持續推動教育生態的全面進化。這一動態過程不僅是教育智能化進程的關鍵標志，更是科學方法論與最前沿科技深度融合的典范，旨在促進教育公平、提升教學質量，并為實現全人教育的理想目標提供強大的推動力。在此過程中，每一個參與主體，學生、教師乃至技術本身，都將從中受益，共同見證并塑造教育的未來。

（四）價值論：技術向善原則下對道德倫理的理性追問

價值來自事物系統復雜的目的性，從不同的視角來看，價值的內涵和導向不相同。價值的概念，特別是在教育領域中，體現為如何高效促進學習成效、確保知識與教育資源的公平可及，以及維護個體尊嚴的復雜平衡[11]。從技術哲學的視角審視，價值不僅僅是技術功能性的外在表現，更是內在目的性與社會教育需求之間動態交互的深刻反映，觸及技術存在本質與倫理基礎的交匯點。因此，生成式人工智能賦能教育的價值論探索，不僅關乎技術效率的最大化，更深層地，它探求如何通過技術向善，讓生成式人工智能賦能教育的發展與運用與人類追求的公平正義等終極理性價值相協調。

隨著生成式人工智能影響力的不斷擴大，技術的價值導向問題上升為智能時代社會發展路徑的哲學核心。技術雖由人創造，卻非完全中立，它既是人類理性和創造力的體現，也承載并可能強化現存的社會結構與權力分布。借鑒赫伯特·馬爾庫塞的批判使我們認識到，缺乏明確價值導向的技術進步，可能會無意識中加劇偏見與不平等。故此，在推進生成式人工智能融入教育的過程中，生成式人工智能不僅僅代表技術前沿的突破，更標志著技術哲學中“倫理轉向”的具體實踐。技術在這里不再是孤立的技術實體，而是成為社會網絡中的活化因子，其演進軌跡與倫理考量緊密相連。通過將“人倫理學”與“物倫理學”相結合，構成“人與技術的道德共同體”[12]，將技術設計本身轉化為道德行為的載體，確保從設計初始階段就充分考慮其對教育倫理、個人自由及社會正義的潛在影響。

綜上，生成式人工智能賦能教育的價值論構建是對技術與人性雙重維度的深刻反思。不僅關注技術的公正性等倫理問題，同時也內含技術使用者在應用規范和意識形態上的道德責任。因此需要超越純粹的技術工具主義，尋求技術進步與人類價值目標間的均衡，并不斷審視技術演進對教育倫理的深遠意義，以此確保生成式人工智能賦能教育成為推動人類發展和社會公正的積極動力。

二、生成式人工智能賦能教育變革的國際比較：基于中外核心論文的實證調研

生成式人工智能賦能教育的實質是“人與技術協同主體”為核心的本體論、認識論、方法論和價值論的統一，屬于對應然的表達與追求。那現實中對生成式人工智能賦能教育的研究是什么情況？中外的研究存在哪些不同？本研究基于對中外核心期刊文獻的內容分析，透視當前研究現狀，審思現有問題及不足，為我國生成式人工智能賦能教育提供有益的經驗與啟示。

（一）數據來源與篩選

中文期刊以中國知網為檢索數據庫，檢索“篇名”包含“生成式人工智能 + GAI + 大模型 + 大語言模型 + ChatGPT + GPT”的核心期刊文章，以“教育學科”限定條件。檢索Web of Science核心期刊數據庫，以（“GAI”OR“ChatGPT”OR“large language model”OR“ Generative Artificial Intelligence”OR “ChatGPT”OR“large model” OR “GPT”OR “AIGC”）為檢索式，限定教育學科、語言類型為英語、文獻類型為article。鑒于生成式人工智能的引領性產品ChatGPT于2022年11月30日發布，為便于國內外對比分析，本研究將國內數據庫和國外數據庫文獻檢索的起止年限均設為2022年12月至2024年6月，最終中文納入270篇文章，英文納入373篇文章。完成初步檢索后，根據PRISMA篩選原則，經過檢索、篩選、合格、納入四個階段對相關文獻進行人工篩選。文獻篩選標準包括：（1）字數不少于5000字；（2）可在互聯網獲取全文；（3）未出現重復內容；（4）與生成式人工智能賦能教育相關。篩選后中文文獻剔除20篇，保留250篇，英文剔除99篇，保留274篇。

（二）分析框架與編碼

研究基于生成式人工智能賦能教育的哲學意蘊，通過綜合分析，識別并抽取與生成式人工智能賦能教育相關的基本要素，并據此構建初步的編碼框架。這一框架的設計旨在確保研究的系統性和全面性。隨后，為增強框架的權威性和適用性，邀請六位在教育技術領域具有一定專業認可度的專家學者（權威系數介于0.70至0.91之間）參與三輪德爾菲法專家征詢。依據專家的建議對編碼框架進行細致地修改和完善，直至所有專家達成共識。經過專家征詢后的編碼框架，如表1所示。兩名受過專業培訓的編碼人員依據編碼框架，獨立運用內容分析法對524篇文獻的研究主題進行編碼，并對編碼有爭議的文獻進行充分的討論，確保編碼結果的一致性和準確性。

（三）考察結果及分析

研究主題直接映射出中外學術界對于GAI在教育領域賦能的關注焦點，揭示出雙方不同的研究傾向與優先級。本研究首先從宏觀哲學角度，剖析中外在這一新興研究領域的異同。中國研究傾向于本體論與價值論的深層次探討，這一領域占據總研究量的86.35%，凸顯出對理論基礎和價值導向的高度重視。相比之下，外國研究則更多聚焦于認識論與方法論的實證與技術層面，占總研究量的74.46%，展現出對實踐效果和技術實現的濃厚興趣。

如圖2所示，具體而言，中國研究文獻中，“理論探討”以166篇的絕對優勢占據66.67%的比例，而“倫理道德”領域的49篇研究則占到19.68%，這兩者構成我國GAI賦能教育領域研究的核心。相比之下，“研發應用（18，7.23%）”“技術性能（5，2.01%）”的研究則顯得較為稀少，“規律挖掘”的研究相對最少，僅3篇，占比僅有1.20%。這一分布格局不僅反映出中國科研領域對于理論構建和道德倫理框架的重視，也揭示出實踐應用與規律性探索在方法論和資源分配上的挑戰。反觀國外研究，其重心落在“使用效果”與“技術性能”上，分別以103篇（37.59%）和73篇（26.64%）的文獻量居首兩位，顯示出對外在效果與內在技術性能的密切關注。“理論探討（41，14.96%）”與“倫理道德（29，10.58%）”雖同樣被納入研究范疇，但占比相對較小，“規律挖掘（8，2.92%）”雖同樣數量不多，卻仍比中國研究中的同領域要多。這表明，國外研究界對實證分析的重視，同時兼顧理論與實踐，尤其是對GAI技術應用的實際效果給予高度關注，反映出對技術成熟度與教育成效的審慎評估需求。

綜上所述，中外在GAI賦能教育研究上的差異性不僅體現在研究主題的選擇上，還深刻反映出各自學術文化、研究傳統與現實需求的差異。值得注意的是，無論中外，“規律挖掘”和“研發應用”領域的研究都顯現出不足，這說明：一方面當前對于對生成式人工智能如何影響學習者認知過程、學習行為以及情感態度的復雜性認識不夠充分，限制了對技術如何有效促進學習的理解；另一方面，盡管GAI技術在理論上具有強大潛力，但在具體教學實踐中的應用研究不夠深入，表明技術轉化和實踐創新的橋梁尚未完全搭建。這不僅涉及技術本身的優化和新算法的研發，還包括如何將這些技術無縫融入現有教育體系，以及如何創新教育模式，如課程設計、教學輔助工具開發等，以真正實現技術賦能教育的愿景。

研究進一步對比分析中外研究的主旨意涵及核心觀點，薈萃六類研究主題的邏輯理路和觀點圖景，對其做系統地解讀。

1.理論探討：關注“思辨分析”與“模型框架”的理論建構

理論探討領域聚焦于三個核心子類：文獻綜述、模型框架構建、思辨分析。文獻綜述方面，外國共11篇研究成果（占比4.01%），其中7篇采用內容分析法，4篇采用性統計，3篇使用文獻計量學，1篇使用替代計量學。研究認為目前為止國際上相關研究與網絡媒體熱度顯著相關、呈現爆炸后趨于穩定的演進趨勢[13]，贊同GAI對績效評估、教學輔助、學習成果提升等方面的變革性影響[14]。相較而言中國僅有2篇文獻綜述（占比0.80%），分別從國際視野總結ChatGPT在不同學科中的應用場景和潛在的作用[15]，或者從信息素養培育視角談GAI的影響，缺少對我國GAI教育研究的全面回顧與澄清。

在模型框架方面，中國研究呈現出顯著的主導地位，共有22篇論文（占8.80%），遠超國際上的2篇（0.73%），彰顯中國學術界在融合GAI與教育實踐的理論模型創新上的深厚投入。例如吳永和等人提出包括總體框架、信息模型、數據規范、測評規范和教學應用要求的教育通用人工智能大模型標準體系[16]。余勝泉等人提出通過訓練增強場景知識、檢索增強認知、外部智能組件編排增強推理、多模態融合增強感知、情感計算增強社會情感，教育知識圖譜對大模型輸出進行監督，構建基于大模型增強的通用人工智能教師架構[17]。董艷等人構想生成式人工智能賦能跨學科創新思維培養的“面向設計的產生式教學模式”[18]。

思辨分析部分，中國以141篇文獻的龐大體量（占比56.40%），大幅超越國際的28篇（占比10.22%）。盡管數量懸殊，但雙方均聚焦于辯證地分析GAI賦能教育的潛在價值及其對教育本質和學習理論的深層含義，涉獵廣泛的研究領域。例如，曹培杰等人[19]、顧小清等[20]、Lim等人[21]均從采用前瞻性的視角來設想GAI技術對教育的變革性影響。其他研究側重于闡釋GAI技術在特定領域或者學科的潛在價值，例如建構主義學習環境[22]、學習科學的理論與實踐創新[23]、知識觀與知識生產模式[24]、職業教育[25]等。這些豐富的研究議題共同映射出學術界對GAI技術在教育領域所蘊含的變革力量持有高度期待與積極態度。

2.技術效果：注重“使用觀念”與“使用能力”的實證探索

在技術效應層面的分析中，國外研究顯著主導了關于技術接納觀念（80項，占比29.19%）與能力提升效果（23項，占比8.39%）的探討，著重聚焦于技術采納的態度維度及其實證能力改進。相比之下，中國相關研究顯得較為稀疏，僅分別有5篇和2篇文獻涉及這兩個方面。這一顯著差異突顯出國際學術界對GAI在教育實踐中的實際效能及其受眾接納度進行了更為深入的剖析。就技術接納觀念而言，研究方法涵蓋廣泛的社會認知評估手段，包括但不限于基于國內外開放社區的文本分析來解構公眾觀點[26]、運用行動者網絡理論（ANT）的質性訪談探索教育工作者對生成式AI的認知[27]，利用繪圖分析和認知網絡表征大學生技術認知[28]，以及采用擴展的技術接受模型（如UTAUT2、UTAUT、TAM）構建結構方程模型[29][30]，以量化不同教育群體對GAI接納的影響因素，涉及研究生、學生及英語教學等多個領域。至于能力提升的研究，則普遍采取案例分析、準實驗設計及探索性研究策略，旨在檢驗GAI應用對學生在線協作學習成果[31]、學術閱讀能力[32]、第二語言學習[33]等方面的增益進行探索。

值得注意的是，盡管中外對GAI應用的積極展望持共同興趣，但在針對大規模用戶的現況分析方面的研究仍顯不足。鑒于大型語言模型對教育領域帶來的革新潛力與挑戰并存，教育界各利益相關者對這些模型的接納態度、應用意愿及其實際效益的不確定性需要進一步的實證研究。此類研究不僅有助于明確大模型的教育價值，還能深入剖析其在公共話語中的形象構建，從而為教育實踐者提供決策依據，促進技術與教育融合的健康發展。

3.規律挖掘：缺乏“情感態度”與“學習行為”的深層挖掘

規律挖掘的核心在于深入剖析教育影響的內在機理。認知過程維度的探索顯示，中國有2篇文獻（0.80%）關注此領域，略高于外國的1篇（占比0.36%）。其中，邢瑤等人借助認知網絡分析技術，揭示了GAI情境下研究生的認知發展從簡單的線性關聯、基礎認知層次向復雜的網絡構建與高級認知狀態的轉變路徑，并歸納出三大認知演化規律[34]。另一項研究通過對比分析，探討了不同學術訓練背景下研究生與ChatGPT協同進行學術寫作時的認知差異[35]。

在學習行為層面上，中外研究呈現均衡態勢，各貢獻了1篇文獻。前者采用滯后序列分析方法，細致描繪了教師在GAI輔助下進行教學設計的行為流程，識別出一種高效模式，即遵循生成-監控-應用-評估的系統化GAI內容應用框架[36]。后者，將36位編程學習者分成高低績效兩組，探究其在GAI輔助下學習行為模式的差異[37]。

情感態度視角下，目前中國文獻未見涉及，而國際上有3項研究填補了這一空白。它們分別利用積極心理學理論，通過單因素方差分析考察ChatGPT在營造積極情感支持學習環境中的催化作用[38]；基于訪談資料的定性解析，強調人類教師與ChatGPT之間互補關系的重要性[39]；以及探索GAI支撐環境對學生心流體驗的差異化影響[40]。

總體而言，盡管GAI在教育領域的應用尚處初步階段，教育主體正逐步適應其介入的教學場景與模式，該領域的不穩定性及復雜性要求我們采用更多元、貼合實際的研究方法與理論框架，以深入挖掘和理解GAI教育應用中的深層次規律。

4.性能分析：關注“回答表現”與“助教能力”的模型性能

針對GAI技術在教育領域的效能評估，海外研究顯著傾向于采用案例研究或探索性分析策略，著重對比以ChatGPT、Claude為代表的GAI工具在跨學科、多教育場景下的自動答疑與智能輔導表現[41]。這些研究關注回答的精確性、即時響應能力、個性化水平，還深入探討了它們適應多樣化學習需求的策略[42]，并據此提出了優化提示語設計的建議，相關文獻總量達40篇，占比14.60%，而中國相應產出為2篇，僅占0.80%。

在輔助教學能力的性能檢驗與理解維度，研究側重于評估AI作為助教在教案與任務題目生成和作業批改[43]、科學實驗設計[44]、教學能力診斷[45]等方面的效能，以及其如何助力教師提升工作效率。此領域外文文獻計23篇，占比8.39%，中國僅有1篇，占比0.40%。

至于評價與反饋機制，盡管中外均有涉獵，但整體文獻量偏少，國外發表了10篇（占比3.65%），中國貢獻了2篇（占比0.80%）。這部分研究聚焦于生成式AI在形成性和總結性評價中的應用潛力，旨在探討如何實現即時、精準且個性化的反饋機制[46]，提升評分一致性[47]，以及促進師生有效利用這些反饋的方法與效能[48]。

綜合上述分析，眾多國內外學者致力于研究這些模型在教育問答中的表現特質，可以看出大型語言模型在教育應用中的效果仍待明確，技術成熟度仍待提升。但是當前研究多集中于具體應用實例的探討，暗示著大模型技術需要經歷更廣泛的實際應用或實驗驗證，以便精確界定其效能邊界，同時識別并克服在教育問答應用中可能存在的局限，從而推動該技術更加穩健地服務于教育發展。

5.研發應用：初現“輔助教學”與“課程開發”的應用主線

在研發應用方面，中國與國外展現出基本一致的步伐，這一趨同現象凸顯出教育行業對大模型支持的教學輔助工具的迫切需求，以及科研界對將大模型技術實際融入教育應用場景的深切關注。

大多數研究均集中“方法優化”，其中，國外有10篇論文，中國則有11篇，這些研究致力于探索生成式人工智能技術的創新方法與算法，尤其強調通過精細的提示工程策略來改良既有技術，以期適配教育環境。例如，一項研究通過利用大型語言模型構建自動問題生成系統，并借助提示工程進行效能增強，經過反復迭代驗證，該系統在促進英語教師團隊合作中展現了高效能[49]。也有研究證實熟練掌握提示工程可以提高學生使用ChatGPT獲得的信息質量[50]。

在教學輔助方面，中外均發表4篇研究，通過準實驗和案例研究，重點分析生成式AI如何作為教學輔助工具，支持自適應學習[51]、混合式學習[52]、翻轉課堂[53]等多種教學模式，以及在特殊教育、繼續教育等領域的應用。

在課程開發方面，外國發表6篇研究，中文發表3篇，主要運用案例分析，聚焦于如何利用生成式AI技術創造動態、個性化的學習內容和課程材料，包括自動生成嚴肅游戲開發[54]、教學進度規劃[55]等。值得注意的是，多數研究也指出了在GAI技術應用過程中遇到的挑戰，如數據誤導現象和內容淺表化等問題，這提示未來研究需進一步探索解決方案，以完善技術應用。

6.倫理道德：體現“意識形態”與“應用規范”的研究審思

倫理道德主要涉及技術風險、應用規范和意識形態三個方面。中外在GAI教育應用倫理道德研究中的差異不僅體現在數量上，更深層次地反映中外對于技術發展伴隨的挑戰、規范需求及價值導向的不同關注點和應對策略。

首先，在技術風險的維度，國際研究文獻貢獻6篇文章，與之相比，中國研究界的8篇論文稍顯活躍。這顯示出中國學者對GAI技術在教育實施中可能帶來的技術挑戰，如信息精確性驗證及確保教育公平性的技術普及，持有更為深入的關注。例如吳江河等人詳細刻畫模型能力的涌現性可能導致應用失控、功能的泛化性可能導致人的異化、輸入數據的海量性與無序性可能導致對人的侵犯、內容的生成性可能導致教育失序[56]。GAI賦能高考招生可能帶來的主體異化下的招生偏見、效率邏輯下的評價工具單一、技術依賴下的評價內容泛化和數據共享下的教育數據泄漏[57]。

在探討應用規范構建方面，國外20篇研究（7.30%）與國內24篇論文（9.64%）的分布，揭示雙方均認識到倫理準則、隱私權保障和數據安全在GAI教育應用中的重要性。中國更加重視通過明確的規范框架來引導技術的健康發展，減少法律和倫理的灰色地帶，例如王帥杰等人通過對相關政策文本內容進行分析，探究生成式人工智能在教育應用中的創新方案與促進方法，包括更新教育理念、變革學校教育方式、提升師生能力素養和制定隱私保護的規范措施[58]。苗逢春等人從政策制定和執行的角度提供了見解，倡導“優先管制、確保包容、引導應用”原則的方法論，強調建立全面監管體系、增強法規執行力的重要性[59]。

在意識形態層面，國外3篇論文（1.09%）與國內17篇研究（6.80%）的顯著差異，彰顯了中國學界對生成式人工智能生成內容中潛在意識形態偏向性的深切憂慮。這種差異性凸顯了中國在維護教育內容客觀性[60]、抵制偏見信息傳播[61]，以及積極塑造健康價值觀方面的主動性和警惕性[62]。

三、生成式人工智能賦能教育變革的未來進路

基于對中外核心論文的考察與分析，本研究從本體論構建、認識論強化、方法論創新、價值論指引5條路徑入手，旨在剖析并勾勒生成式人工智能賦能教育的轉型動力與未來愿景。

（一）本體論建構：闡釋教育架構與技術的理論創見，奠定GAI賦能教育的學理基礎

生成式人工智能技術正逐步推動教育本體論的范式轉換，拓展至更包容、互動的“與智存在”框架。這一演變不僅凸顯技術作為認知與社會關系“中介”的新角色，更是對教育主體性的一次深刻革新，標志著教育實踐的主體不再局限于人類個體，而是拓展到包括智能技術在內的更廣泛范圍。教育領域因此轉變為人與智能技術協同共生的動態生態系統，其中技術不僅是輔助工具，而是作為教育進程的積極參與者和塑造者，深度融入學習的各個環節。

但現有研究趨勢顯示，國際上對生成式人工智能在教育領域的探討仍然主要聚焦于文獻綜述與理論思辨，這些研究深入剖析GAI對教育績效、輔助教學和學習成果的潛在影響，揭示技術進步帶來的教育變革潛力及其理論意涵。對比之下，中國學者在構建模型框架方面展現出顯著成就，提出一系列創新的教學模式和標準化體系，這些實踐嘗試增進理論與實踐的融合的同時，為全球教育技術發展提供新思路。盡管中外研究均致力于探討GAI對教育本質的深遠影響，然而多數研究尚未充分將人與技術視為協同主體，忽視了在技術日益智能化背景下，教育主體性應如何重新定義的問題。人本主義思想長久以來強調人的獨特性和主體地位，但在“與智存在”的新框架下，教育需要超越傳統界限，探索如何在維持人文關懷的同時，高效整合技術智能。這意味著，教育實踐應致力于建立一種分布式合作模式，其中人類與技術并肩作為環境中的行動者，共同參與知識的創造與傳播。鑒于此，未來GAI賦能教育的研究需深化“與智存在”哲學的探索，特別是在教育領域，著重于如何在保護人文價值的基礎上，實現技術智能的有機整合。倡導跨學科合作，拓寬研究視野，不僅局限于GAI在現有教育體系的應用分析，還需前瞻性地探索其對教育形態、學習方式乃至知識生產模式的根本性重塑。基于此更全面地理解并指導生成式人工智能賦能教育的長遠發展，促進兼具智慧與和諧的教育生態的構建。

（二）認識論強化：橋接教育生態與技術的雙向互促，深化GAI賦能教育的協同發展

構建并細化“技術-教育共生”新認識論框架的核心在于深入探析生成式人工智能賦能生態的交互作用機理。這一框架需采納雙向透視策略：其一，從技術維度深入，剖析教育實踐者對生成式人工智能賦能教育中的角色認知和技術管理過程；另一方面，從人類主體出發，將GAI視為教育規律探索與創新的共融平臺，強調技術智能與人類智慧的協同作用。

拓寬GAI技術的認知邊界，首當其沖的是擴展其在教育生態系統中的參與主體范圍。當前研究焦點較為狹隘，主要圍繞教師與學生群體對GAI應用的直接反饋，卻忽視了教育管理者、家庭成員、政策制定者等關鍵利益相關者的視角與需求。因此全面納入并平衡各利益主體的關切與期望，有助于推動技術認識的廣域性和深度性。此外，研究方法的綜合運用亦為必要之舉，即在倚重定量數據收集的基礎上，融入定性研究手段。通過定性與定量相結合的方式深度挖掘技術采納背后的動機、情境因素及文化維度，為理論模型的豐富與實踐策略的指引提供更為立體的證據基礎。

深化教育規律的探索，則需直面GAI嵌入教育環境的高度復雜性特征，包括多元性、主體間的動態交互與系統自適應性等。教育科學研究應超越直觀描述，通過實證研究，揭示教育生態內部的動態網絡結構與深層運行規律。具體而言，一方面側重考察GAI如何憑借個性化數據解析，精確定位學習者需求，并探究其對學習者情感反應、認知發展的影響機制，進而革新教學內容與方法。例如運用認知科學原理設計實驗，以科學驗證GAI在激發深度學習、維持學習心流及促進學習策略與元認知技能成熟中的具體貢獻。另一方面，還應聚焦GAI在重塑教育交流模式、引導學習行為范式轉換，以及促進教師角色向學習促進者與策略顧問轉型中的作用，包括但不限于其在跨學科合作、團隊協作能力培養，以及借助智能反饋機制實現教學策略的即時反饋與靈活調整等方面的潛力分析。

（三）方法論創新：厘清教育目標與技術的主客位置，拓寬GAI賦能教育的實踐路徑

生成式人工智能賦能教育的方法論上倡導在認識與改造教育世界的進程中，深度挖掘生成式人工智能的潛力，同時促進理論與實踐的緊密互動，推動教育生態的全面升級。全球視野下，GAI在教育領域的應用研究呈現出對性能分析與研發應用的雙重關注。一方面，學者們通過案例研究，剖析GAI工具在教育問答、輔助教學等方面的效能，探索如何通過優化提示設計、強化反饋機制來提升技術的教育適配性。另一方面，輔助教學與課程開發成為應用研發的兩條主線，無論是教學模式的創新、個性化學習內容的生成，還是教育輔助工具的開發，都體現技術與教育實踐的緊密結合，以及對更高效、更具包容性教育未來的追求。

盡管生成式人工智能賦能教育的探索熱潮持續高漲，生成式人工智能技術在教育領域的應用必須謹慎處理目標設定與技術實施間的邏輯關系。新技術在教育領域的研究與實踐應始終以教育目標為先導，確保技術部署始終服務于既定的教育愿景，避免陷入“技術決定論”的陷阱。只有當教育目標被放置首位時，探尋實現目標的技術才具有合理性與有效性。

在此背景下，學術研究對于指導生成式人工智能教育應用產品的開發至關重要，其角色在于提供堅實的理論支撐，確保技術創新與教育實踐的有機結合。例如，在真實教育環境中，視覺、聽覺及其他非文本信息對于教學決策有顯著的影響，而當前生成式人工智能賦能教育大多停留在文本信息的處理。因此，未來研究可以側重于多模態數據融合技術的突破，旨在通過整合多元數據類型，深化學生學習狀態的全方位理解，提升教學干預的精準性與效果。此外，不同學科、場景的教育目標存在顯著的差異，因此需要研發針對差異化教學場景、不同年齡段學生的多樣態教學方法，研發定制化的生成式人工智能教育產品，滿足教育領域的多樣化需求，精準地服務于教育目標，實現教育領域的創新發展。

（四）價值論指引：把穩教育導向與技術的動態平衡，匯聚GAI賦能教育的理性共識

生成式人工智能賦能教育的價值論不僅在于技術的前沿探索與應用拓展，更在于構建一個科技與人文平衡共生的教育導向。面對教育性價值判斷中的工具理性和價值理性之間的張力，生成式人工智能技術應當成為連接兩者的橋梁，促進科學理性的高效實踐與人文精神的深入探索相輔相成。這要求教育實踐不僅借助GAI提升教學效率與深化教育內容，還應重視激發學生主體意識，培養批判性思維能力，同時促使教師角色向技術智慧引導者轉變，并深入考慮技術應用的倫理維度，確保生成式人工智能成為增強教育深度與溫度的助力，而非單純替代傳統教育元素。技術的演進必須內嵌倫理原則，強化人文關懷，構建一個透明、公平、負責任的技術應用環境，確保所有教育參與者的權益與福祉。

為實現這一愿景，未來研究與實踐可集中于兩個關鍵路徑。首先，構建標準化的生成式人工智能教育應用框架，這需要跨學科合作，確立全面的標準與法規體系，確保技術使用的安全性和公正性。政府、學術界和產業界應聯合行動，從法律框架到行業標準，全面覆蓋生成式人工智能在教育領域的開發、部署和運作，特別重視隱私保護、數據安全及算法的公平性。發展智能監管機制，利用數據驅動的動態監控與自我優化策略，對維護教育系統的健康發展至關重要。通過這些措施，生成式人工智能將在規范框架內高效運行，同時確保所有參與者的權益得到保護。其次，強化人工智能素養與倫理教育，隨著GAI在教育中的滲透，培養學習者的AI倫理意識與價值觀變得尤為重要。教育體系需在教授技術操作的同時，深化AI倫理、法律和社會影響的教學，通過案例學習、小組討論和倫理研討會等方式，讓學生在實踐中學會負責任地使用GAI，警惕技術過度依賴可能引起的創新能力與批判思維衰退，以及潛在的道德風險。GAI賦能教育變革的最終目的是培養能夠批判性評估GAI產出、具有道德判斷力，并能積極參與塑造AI技術發展方向的未來公民。

參考文獻：

[1][16] 吳永和，顏歡等.教育通用人工智能大模型標準體系框架研制[J].現代教育技術，2024，34（4）：28-36.

[2][3] 李艷，金皓月等.基于ChatGPT的研究生人機協同學術寫作實踐研究及啟示[J].遠程教育雜志，2023，41（5）：38-48+75.

[4] 蔡連玉，金明飛等.教育數字化轉型的本質：從技術整合到人機融合[J].華東師范大學學報（教育科學版），2023，41（3）：36-44.

[5] 杜華，顧小清.教育技術學理論五問——兼論教育技術學之于教育學理論建構的貢獻[J].教育研究，2020，41（1）：148-159.

[6] 石中英.教育哲學導論[M].北京：北京師范大學出版社，2006.

[7] Feenberg，A.Transforming technology：a critical theory revisited （2nd ed.） [M]. Oxford：Oxford University Press，2023.

[8] 方文彬，胡景譜.技術哲學經驗轉向視域下人類增強技術的哲學考察[J].湖南科技大學學報（社會科學版），2023，26（5）：176-184.

[9] 劉錚.分析技術哲學的“難問題”及其身體現象學解決進路[J].自然辯證法通訊，2018，40（8）：112-118.

[10] Cooper，G.Examining science education in ChatGPT：An exploratory study of generative artificial intelligence [J].Journal of Science Education and Technology，2023，32（3）：444-452.

[11] 王坤慶.論價值、教育價值與價值教育[J].華中師范大學學報（人文社會科學版），2003，（4）：128-133.

[12] Verbeek P.Materializing Moralty：Design Ethics and Technology Mediation [J]. Science，Technology Human Values.2006，（3）：361-380.

[13] Wong，L.，Park，H.，et al.From hype to insight：Exploring ChatGPT’s early footprint in education via altmetrics and bibliometrics [EB/OL].https：//doi. org/10.1111/jcal.12962，2024-02-23.

[14] Chen，X.，Hu，Z.，et al.Empowering education development through GAI：A systematic literature review [J].Education and Information Technology，2024，29：17485-17537.

[15] 夏琪，程妙婷等.從國際視野透視如何將ChatGPT有效納入教育——基于對72篇文獻的系統綜述[J].現代教育技術，2023，33（6）：26-33.

[17] 余勝泉，熊莎莎.基于大模型增強的通用人工智能教師架構[J].開放教育研究，2024，30（1）：33-43.

[18] 董艷，陳輝.生成式人工智能賦能跨學科創新思維培養：內在機理與模式構建[J].現代教育技術，2024，34（4）：5-15.

[19] 曹培杰，謝陽斌等.教育大模型的發展現狀、創新架構及應用展望[J].現代教育技術，2024，34（2）：5-12.

[20] 顧小清，胡藝齡等.AGI臨近了嗎：ChatGPT熱潮之下再看人工智能與未來教育發展[J].華東師范大學學報（教育科學版），2023，41（7）：117-130.

[21] Lim，W.M.，Gunasekara，A.，et al.Generative AI and the future of education：Ragnar k or reformation A paradoxical perspective from management educators [J].The International Journal of Management Education，2023，21（2）：100790.

[22] Kim，M.，Adlof，L.Adapting to the Future：ChatGPT as a Means for Supporting Constructivist Learning Environments [J].TechTrends，2024，68（1）：37-46.

[23] 陳向東，趙麗娟等.拓展學科的疆域：大模型的涌現能力對學習科學的影響[J].現代教育技術，2024，34（1）：44-54.

[24] 杜華，孫艷超.生成式人工智能浪潮下知識觀的再審視——兼論兩個經典知識之問的當代回應[J].現代教育技術，2024，34（1）：96-106.

[25] 王佑鎂，王海潔等.ChatGPT賦能職業教育數字化轉型的多重角色與實踐路徑[J].電化教育研究，2024，45（1）：76-83.

[26] Soumya D.，Madhusudan J.V.Perceptions of Higher Education Students towards ChatGPT Usage [J].International Journal of Technology in Education，2024，7：86-106.

[27] 吳蔚然，宋國語等.教師如何感知生成式人工智能——基于行動者網絡理論的質性研究[J].湖南師范大學教育科學學報，2023，22（5）：35-44.

[28] Tu，Y.F.，Hwang，G.J.University students’ conceptions of ChatGPTsupported learning：a drawing and epistemic network analysis [EB/OL]. https：//doi.org/10.1080/10494820.2023.2286370，2023-06-13.

[29] 趙靜，倪明揚等.GAI重構研究生學術實踐：持續使用意愿影響因素研究[J].現代情報，2024，44（7）：34-46.

[30] Mutammimah，H.，Rejeki，S.，et al.Understanding Teachers’ Perspective toward ChatGPT Acceptance in English Language Teaching [J]. International Journal of Technology in Education，2024，7：290-307.

[31] 鄭蘭琴，高蕾等.基于生成式人工智能技術的對話機器人能促進在線協作學習績效嗎 [J].電化教育研究，2024，45（3）：70-76+84.

[32] 王卓，馬洋珍等.ChatGPT類閱讀平臺對研究生學術閱讀能力的影響[J].開放教育研究，2023，29（6）：60-68.

[33] Nugroho，A.，Putro，N.H.，et al.The Potentials of ChatGPT for Language Learning：Unpacking its Benefits and Limitations [J].Register Journal，16（2）：224-247.

[34] 邢瑤，王帆等.GAI環境下研究生復雜認知的生成演變——基于ChatGPT的“證據推理”[J].現代教育技術，2024，34（4）：47-59.

[35] 李艷，金皓月等.基于ChatGPT的研究生人機協同學術寫作實踐研究及啟示[J].遠程教育雜志，2023，41（5）：38-48+75.

[36] Liu，J.，Li，S.，et al.Collaboration with Generative Artificial Intelligence：An Exploratory Study Based on Learning Analytics [EB/OL].https：//doi. org/10.1177/07356331241242441，2024-04-01.

[37] 孫丹，朱城聰等.基于生成式人工智能的大學生編程學習行為分析研究[J].電化教育研究，2024，45（3）：113-120.

[38] Ghafouri，Mohammad.ChatGPT：The catalyst for teacher-student rapport and grit development in L2 class [J].System，2024，120：130249.

[39] Jeon，J.，Lee，S.Large language models in education：A focus on the complementary relationship between human teachers and ChatGPT [J]. Education and Information Technologies，2023，28：15873-15892.

[40] Shi，S.J.，Li，J.W.，et al.A study on the impact of Generative Artificial Intelligence supported Situational Interactive Teaching on students’ ‘flow’ experience and learning effectiveness-a case study of legal education in China [J].Asia Pacific Journal of Education，2024，44（1）：112-138.

[41] Yan，D.Impact of ChatGPT on learners in a L2 writing practicum：An exploratory investigation [J].Education and Information Technologies，2023，28：13943-13967.

[42] Cooper，G.Examining science education in ChatGPT：An exploratory study of generative artificial intelligence [J].Journal of Science Education and Technology，2023，32（3）：444-452.

[43] Urhan，S.，Gen aslan，O.，et al.An argumentation experience regarding concepts of calculus with ChatGPT [EB/OL].https：//doi. org/10.1080/10494820.2024.2308093，2024-01-31.

[44] Araújo，José，Saúde，Isabel.Can ChatGPT Enhance Chemistry Laboratory Teaching Using Prompt Engineering to Enable AI in Generating Laboratory Activities [J].Journal of Chemical Education，2024，101：1858-1064.

[45] 賀樑，應振宇等.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），2023，41（7）：162-176.

[46] Jukiewicz，M.The future of grading programming assignments in education：The role of ChatGPT in automating the assessment and feedback process [J].Thinking Skills and Creativity，2024，52：101522.

[47] Theelen，H.，Vreuls，J..Doing Research with Help from ChatGPT：Promising Examples for Coding and Inter-Rater Reliability [J].International Journal of Technology in Education，2023，7：1-18.

[48] 魏爽，李璐遙.人工智能輔助二語寫作反饋研究——以ChatGPT為例[J].中國外語，2023，20（3）：33-40.

[49] Lee，U.，Jung， H.，et al.Few-shot is enough：exploring ChatGPT prompt engineering method for automatic question generation in english education [J].Education and Information Technologies，2023，29：11483-11515.

[50] Wang，M.，Wang，M.，et al.Unleashing ChatGPT’s Power：A Case Study on Optimizing Information Retrieval in Flipped Classrooms via Prompt Engineering [J].IEEE Transactions on Learning Technologies，2024，29：11483-11515.

[51] 徐升，佟佳睿等.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，2024，30（2）：13-22.

[52] Wu，T.，Lee，H.，et al.Promoting Self-Regulation Progress and Knowledge Construction in Blended Learning via ChatGPT-Based Learning Aid [J]. Journal of Educational Computing Research，2024，61（8）：3-31.

[53] Pavlova，N.H.Flipped dialogic learning method with ChatGPT：A case study [J].International Electronic Journal of Mathematics Education，2024，19（1）：em0764.

[54] Gatti Jr，Wilian，Marasco，Emily，et al.How ChatGPT can inspire and improve serious board game design [J].International Journal of Serious Games，2023，10：33-54.

[55] Okulu，H.Z.，Muslu，N.Designing a course for pre-service science teachers using ChatGPT：what ChatGPT brings to the table [EB/OL].https：//doi. org/10.1080/10494820.2024.2322462，2024-10-01.

[56] 吳河江，吳砥.教育領域通用大模型應用倫理風險的表征、成因與治理[J].清華大學教育研究，2024，45（2）：33-41.

[57] 王正青，田霄.生成式人工智能賦能高校招生模式創新：價值邏輯、實現路徑與潛在風險[J].現代遠距離教育，2024，（2）：13-22.

[58] 王帥杰，湯倩雯等.生成式人工智能在教育應用中的國際觀察：挑戰、應對與鏡鑒[J].電化教育研究，2024，45（5）：106-112+120.

[59] 苗逢春.生成式人工智能及其教育應用的基本爭議和對策[J].開放教育研究，2024，30（1）：4-15.

[60] 楊九詮.想象的困境：生成式人工智能世代的價值教育[J].中國遠程教育，2024，44（2）：12-23.

[61] 沈苑，汪瓊.生成式人工智能支持教學決策的實踐困境與關鍵進路[J].電化教育研究，2024，45（11）：92-99.

[62] 邱燕.生成式人工智能背景下高校意識形態風險及其防范[J].學校黨建與思想教育，2024，（5）：82-84.

作者簡介：

王晶瑩：教授，博士生導師，研究方向為技術支持的教與學。

杜蕾：在讀博士，研究方向為技術支持的教與學。

張登博：在讀博士，研究方向為智能教育。

GAI Empowering Educational Transformation： Philosophical Examination， International Comparison， and Future Pathways

Wang Jingying， Du Lei， Zhang Dengbo

Faculty of Education， Beijing Normal University， Beijing 100875

Abstract： The empowerment of education through generative artificial intelligence holds revolutionary value. This study analyzes its philosophical implications from the perspectives of ontology， epistemology， methodology， and axiology. Building on this foundation， a content analysis of 274 international and 250 domestic studies reveals that Chinese research emphasizes speculative analysis and theoretical frameworks， as well as ideological and ethical considerations regarding application norms. Different research patterns emerge in areas such as technical efficacy， pattern discovery， performance analysis， and development and application. Given these findings， future pathways for AIGC in education should include elucidating theoretical insights into the integration of educational structures and technology； establishing a robust theoretical foundation； fostering a bidirectional synergy between educational ecosystems and technological advancements to deepen coordinated development； clarifying the primary and secondary roles of educational objectives and technology to broaden practical pathways； and maintaining a dynamic balance between educational guidance and technological deployment to achieve a rational consensus.

Keywords： generative artificial intelligence； education； human-technology co-subjectivity； international comparison； future pathways

收稿日期：2024年10月18日

責任編輯：宋靈青