生成式AI賦能教育：技術框架、應用場域及價值

摘要：生成式AI作為人工智能技術的最新突破以及新質生產力的典型代表，為經濟社會發展注入了強勁動能，也正深刻影響著教育教學領域。生成式AI教育應用目前仍處于起步階段，雖然討論度高、潛力巨大，但實際應用價值尚未充分發揮，亟需厘清技術推廣應用的關鍵問題，積極推進生成式AI在教育教學中的合理運用。基于這一背景，《2024智能教育發展藍皮書》從理論與實踐相結合的視角，對生成式AI教育應用的參考框架、典型場域和實踐價值進行了系統的梳理和研究。2024年9月21日，教育部科學技術與信息化司領導、中國教育技術協會領導、教育部教育數字化轉型咨詢專家等在西北師范大學與科大訊飛聯合舉辦的第六屆智能教育論壇上正式發布了該藍皮書。該研究首先概述了生成式AI的內涵、特點和應用參考框架，分析了其在自然語言理解、內容生成和邏輯推理方面的能力；其次，梳理和闡述了生成式AI在教學、學習、評價、管理和科研等教育場域的應用，并提出了相應的應用策略；最后，討論了生成式AI對教育實踐的價值，包括人才培養、教育環境、教學方式、學習方式、教育評價和教育治理的轉型變革。旨在為教育大模型的研發者、應用者和評估者開展生成式AI教育應用研究與實踐提供借鑒和參考，激發更多關于如何利用生成式AI推動教育創新的思考和討論，以促進生成式AI在教育中的合理應用和創新實踐。

關鍵詞：生成式AI；智能教育；技術框架；應用場域

中圖分類號：G434 文獻標識碼：A

* 本文系全國教育科學規劃2023年國家重大課題“新一代人工智能對教育的影響研究”（項目編號：VGA230012）階段性研究成果。

一、引言

隨著ChatGPT的推出，生成式人工智能（Generative Artificial Intelligence）迅速崛起吸引了全球范圍內的廣泛關注。生成式AI作為人工智能技術的最新突破以及新質生產力的典型代表，不僅是引領新一代產業變革的關鍵力量，也為經濟社會發展注入了強勁動能。生成式AI的自然語言理解、內容生成和邏輯推理等強大能力，可以與相關行業融合，賦能千行百業。2024年3月，政府工作報告明確提出開展“人工智能+”行動，打造具有國際競爭力的數字產業集群。圍繞生成式AI的產業生態正在蓬勃發展。

在教育領域，國家高度重視人工智能對教育的深刻影響，積極推動人工智能和教育的深度融合與創新。2024年1月，懷進鵬部長在2024世界數字教育大會上提出，中國國家教育數字化戰略行動將從“3C”走向“3I”，實施人工智能賦能行動。2024年3月，教育部正式啟動了人工智能賦能教育行動。2024年7月，懷部長再次提出要打造中國版人工智能教育大模型，探索大規模因材施教、創新性與個性化教學。生成式AI的出現將推動人類文明進入人機協同的新范式和新階段，也為教育帶來顛覆性變革[1]。教育界對生成式AI高度關注，展開了熱烈討論，基于重要政策、專家觀點、行業發展數據等多方面信息梳理，研究發現當前生成式AI教育應用關注熱點集中在六個方面：生成式AI對教育教學產生的影響、生成式AI教育應用的有效性和科學性、生成式AI在教育中的產品形態和功能、生成式AI教育應用對師生素養和能力的要求、生成式AI教育應用的倫理風險與應對、教育中的生成式AI未來發展方向。雖然討論度高、潛力巨大，但從當前行業發展及實踐現狀來看，生成式AI教育應用仍處于起步階段，實際應用價值尚未充分發揮。因此，迫切需要厘清技術應用推廣的關鍵問題，提高教育主體對生成式AI的技術認知和應用技能，明確生成式AI教育應用的多元場景，加快推進生成式AI在教育中的合理運用。教育部科技司舒華副司長在《2024智能教育發展藍皮書》（以下簡稱“藍皮書”）發布儀式上指出，人工智能對促進教育高質量發展具有重要的推動作用，要統籌兼顧安全與發展，積極探索創新應用場景，強化師生數字素養培養，推動產學研深度融合，政府、企業、學校、科研機構協同推進人工智能教育應用的技術創新和實踐運用[2]。藍皮書聚焦以上問題，系統論述生成式AI教育應用的原理、場景、典型案例以及發展方向[3]，期望對教育大模型研發者、應用者和評估者的研究與實踐提供借鑒和參考[4]，激發更多關于如何利用生成式AI推動教育創新的思考和討論。

二、生成式AI教育應用面臨的關鍵問題

生成式AI在自然語言理解與內容生成方面展現出高水平的認知智能，其涌現性、通用性等特性也使得應用范圍不斷擴張，得到了國際社會各界的廣泛關注，也為教育變革帶來了新機遇和新挑戰。為了最大限度地發揮生成式AI的教育應用潛能，促進在教育中負責任和合乎倫理地使用生成式AI，推動生成式AI教育應用需要重點關注技術理解、模型優化、場景探索和倫理規范等關鍵問題。

（一）教育主體對生成式AI的技術認知亟待加強

推動生成式AI應用的前提是充分理解技術的效用邊際與價值局限，但目前教育主體對于生成式AI技術的理解和認知仍存在不到位的情況。一方面，存在盲目信任和依賴生成式AI導致的技術萬能論[5]，使得技術在教學過程中脫離實際無限制使用，教學成為“炫技”的場所[6]；另一方面，也不同程度存在對生成式AI技術本能的不信任，使得教師產生抵觸情緒并對自身技術應用能力產生懷疑[7]。在人機融合轉型過程中，為了更好發揮技術潛能，推動技術創新擴散，確保應用合規合理，教育主體認知也應轉型升級[8]，加強生成式AI教育應用培訓[9]，理解生成式AI運作原理和應用局限，掌握正確使用技巧，建立教育主體自信。

（二）提升生成式AI教育適用性需要專用大模型加持

由于教育的復雜性和特殊性，通用大模型存在難以適應教育場景的情況，需加強教育領域的專用大模型建設。通用大模型由于缺乏專業的數據訓練，教育深度知識不夠，回答準確性不足，在實際應用過程中往往難以靈活處理復雜多變的專業性教育任務，不能較好地滿足嚴肅教育教學場景的需求[10]，極大影響師生應用體驗。當前業界已經開始開發教育行業大模型，需進一步加快關鍵技術的突破創新，充分利用教育領域多模態、長周期的海量數據，構建更具適用性的教育行業大模型[11]。

（三）生成式AI多元教育應用場景及實效有待探索

為了適應更多元的教育情境特征，解決教育細分場景中的復雜綜合性問題和需求[12]，需推進應用場景多元化覆蓋與優質應用典型示范打造，并基于科學實證驗證技術應用實效。當前生成式AI教育應用仍處于起步階段，應用場景較為單一、技術創新應用不充分、應用實踐缺乏典型示范等問題依然嚴重。與此同時，國內研究領域當前更傾向于哲學思辨層面的理論探討，從實踐層面探討生成式AI對教育教學影響效果的實證研究還比較少[13]，對應用過程存在的問題缺少系統性的分析和針對性的改進意見，亟需在應用場景探索的基礎上開展實證調查和案例研究，幫助教師明確生成式AI的應用范圍和能力邊界，有效形成最佳實踐。

（四）保障生成式AI合理應用亟需完善倫理規范

教育領域應高度重視生成式AI教育應用的倫理風險應對，完善生成式AI教育應用的倫理規范，構建風險應對策略，作為推進生成式AI教育應用的重要保障。但當前理論層面存在頂層設計缺乏、監管框架缺位、政策標準缺失等問題，實踐層面缺少科學完善的應用指南、監管認證工具、平臺建設標準、創新實施方法和行動措施，削弱了生成式AI技術全方位賦能教育的能力[14]。因此，教育領域需高度關注生成式AI潛在的安全與倫理風險，針對教育領域的應用場景和教育對象的特殊性，從多維度、多視角制定應對策略，構建多方位、多主體[15]監管模式，推進生成式AI在教育領域的合規合理應用與可持續發展。

三、生成式AI內涵及應用參考框架

生成式AI技術正引領著教育領域的變革創新，為了促進教育主體對生成式AI的技術認知，正確了解和有效利用生成式AI技術，需要準確把握其概念內涵、技術特點，探索生成式AI應用框架和技術方案。

（一）生成式AI的內涵

生成式AI是對解決生成類任務的一類人工智能技術的統稱，與此相對的是解決判別類問題的“判別式人工智能”。判別式人工智能通過從帶有人工標記的數據中學習到識別相關模式、判定不同類別之間邊界的方法，在圖像識別、語音處理、醫療診斷等領域取得了成功。但判別式人工智能只能對既有的數據做辨別判定，而對于處理新數據或未知分布的數據等方面的能力明顯不足。而生成式AI是采用特定算法模型以生成用戶期望數據的一類新型人工智能技術，它可以實現內容創造和新數據生成，有助于聯結既有知識，激發新的想法，增強人類對世界的認知與理解，提高人類的創新力與創造力。

生成式AI作為一個快速發展和演變中的概念，其內涵特性也是在不斷發展和豐富。考慮到抽象的生成式AI概念是從具象的GAN（生成對抗網絡）、VAE（變分自編碼器）、GPT（生成式預訓練模型）等技術應用中總結和歸納形成的，而GPT已成為生成式AI的典型代表和主要形態，由此研究者可以以GPT大語言模型為主要研究對象，以GPT的技術、應用及價值意義為觀察視角，實現對生成式AI重要特性的詮釋。

（1）從技術原理視角來看，生成式AI應具備數據的自監督學習和自動生成的機制。這表明生成式AI允許模型在缺乏外部標注的情況下，通過內部預測機制進行自我學習，使得復雜的神經網絡結構（如Transformer或GAN）能夠捕捉并學習數據的分布。例如，復旦大學肖仰華教授認為，生成式AI應能在處理無標注數據時，采用基于遮蔽內容還原的自監督學習任務來訓練模型，從而引導模型生成與上下文語境相符合的數據內容[16]。

（2）從功能應用視角來看，生成式AI應具備通過人機交互明確任務，并根據任務創造性地生成多樣化內容的能力。例如，聯合國教科文組織專家苗逢春認為，生成式AI是根據人類語言表達的提示詞（Prompts）自動生成內容的人工智能技術，既可以通過文字、語音、圖像、視頻或軟件代碼示例等方式向模型輸入提示詞，同樣地可以通過文字、語音、圖像、視頻或軟件代碼等方式輸出結果[17]。

（3）從價值視角來看，生成式AI應具有強大的創新與創造能力，使其在輔助人類決策、發展人類高階思維等方面發揮重要價值。例如，聯合國教科文組織強調，生成式AI超越了對現有信息整理的范疇，具備了創造性地生成新內容的能力[18]。國際知名咨詢公司德勤指出，生成式AI能夠生成連貫文本和超逼真圖像，使其能夠以以往必須通過人類努力地思考與創造才能實現的方式，生成新的數據[19]。

與生成式AI密切相關的另一個概念是“大模型”。大模型是指擁有超大規模參數、超強計算資源，能夠處理海量數據，完成各種復雜任務的人工智能模型。按照大模型所處理的數據模態來劃分，大模型可分為聚焦于文本數據的大語言模型（Large Language Model，LLM），面向圖像數據的視覺大模型（Large Vision Model，LVM），支持音頻、視頻等數據的多模態大語言模型（Multimodal Large Language Model，MLLM）。大模型與早期的模型相比，在規模上擴展顯著，它們采用了預訓練的策略，這使得它們在生成式AI的實現中扮演了核心角色，所以生成式AI技術正是基于大模型來實現其生成新內容的能力。在實際應用中，如果在不引起混淆的情況下，人們常常直接將大模型與生成式AI技術等同起來。

（二）生成式AI的特點

生成式AI模型規模日益龐大，技術發展持續加速。隨著模型規模突破特定閾值，它展現出顯著的能力“涌現”特點。能力“涌現”如同一把雙刃劍，一方面增強了模型的泛化和遷移能力，另一方面也可能導致其產生認知上的“幻覺”現象。

1.具有能力“涌現”特性。隨著模型規模的增大，生成式AI表現出了能力“涌現”特性，即模型性能在其規模達到某個關鍵閾值之前接近隨機水平，一旦超過該閾值，則提升至遠超隨機水平。例如，當GPT-3預訓練語言模型接收到特定任務的提示（如自然語言指令）時，無需進一步的訓練或參數梯度更新，就能完成新任務的響應，這表明其具有能力“涌現”特性。生成式AI模型的能力“涌現”特性與其規模、技術架構、數據質量和訓練過程等息息相關。例如，在少樣本（Few-shot）學習模式下，當參數規模為130億時，GPT-3 13B版本的兩位數加減法運算準確度低于60%；當參數規模達到1750億時，GPT-3 175B版本的兩位數加減法運算準確度則提高至98%以上[20]。但在另一項研究中，人們在測試GRE閱讀理解、語言學謎題等14個BIG-Bench任務后發現，參數規模較小的PaLM表現出了優于LaMDA和GPT-3的性能水平；研究者推測，PaLM的能力“涌現”可能與訓練數據質量和技術架構有關[21]。

2.具備強大的泛化和遷移能力。生成式AI表現出持續適應新數據、新任務的特性，能夠根據環境反饋不斷地進行自我改進，具備強大的泛化和遷移能力。生成式AI通過上下文學習從提示詞提供的示例中確定待解決任務的自然語言指令（Instruct），在不需要額外訓練的情況下生成符合預期的文本內容[22]；也能將已經學習到的知識和技能遷移到新的任務或領域中，或將從已有樣本數據中學習到的一般性規律泛化到新類型數據的處理任務上面[23]。生成式AI模型卓越的泛化與遷移能力源于深度學習算法的應用、預訓練機制的實施及技術架構的持續改進等多重因素。（1）通過深度學習算法，能夠從大量數據中自動學習和提取特征，使得生成式AI模型在面對新任務時，可以利用已學習的特征進行識別和理解，正確地響應新的任務。（2）通過預訓練和微調，能夠將學習到的知識應用到其他相關但不相同的任務上，實現知識遷移[24]。（3）通過技術架構的改進，如引入自注意力機制，能夠進一步增強其語言理解和知識學習性能，實現泛化和遷移能力的提升[25]。

3.存在認知“幻覺”現象。生成式AI有時會生成虛假信息或對知識盲區進行貌似合理的錯誤回答，特別是當使用者具有一定誤導性的指令來引導其生成內容時，有很大可能會產生認知“幻覺”現象。Guo等[26]通過構建人類專家和ChatGPT的回答對比數據集HC3，發現ChatGPT有時會捏造事實來回答問題。人們將生成式AI在處理輸入任務、維持輸出語境連貫性以及與現實世界事實保持一致性時存在的偏差或錯誤稱之為“幻覺”[27]。生成式AI幻覺主要有3種表現形式：（1）生成內容與用戶輸入的任務不相關；（2）生成內容的邏輯前后矛盾；（3）生成內容與現實世界中的既定事實不一致。

（三）生成式AI應用參考框架

為幫助教育研究者或實踐者更精準地找到生成式AI技術應用的切入點，并能提出創造性與可行性兼備的需求解決方案，需要構建生成式AI技術的應用參考框架。國內外已有學者對此展開研究，如Minaee對生成式AI技術原理進行研究[28]，呈現了大模型構建的基本流程；國內學者趙朝陽等也梳理了基于人類反饋學習的ChatGPT訓練范式[29]等。本研究在此基礎上，參考DIKW模型理論框架，提出了一個從生成式AI技術工作原理到工程應用實踐的參考框架，如圖1所示。

上述生成式AI應用參考框架包括基礎層、技術層、能力層、應用層和行業層，使得研究者或實踐者能夠從不同的技術層次理解生成式AI，并在分析與應用大模型時能夠找準技術脈絡和組成模塊。各層次具體內容如下：

1.基礎層描述了支撐大模型實現的部署與應用環境，包括軟件和硬件兩大類基礎設施。軟件包括支撐大模型的數據存儲、支撐大模型的云計算、基礎模型的選擇與部署等，共同為大模型的實現提供了堅實基礎；硬件包括 GPU（圖形處理單元）、TPU（張量處理單元）、NPU（神經網絡處理單元）和其它AI處理器，可共同組成計算集群，通過并行計算、異構計算、硬件協同工作、傳輸與調度等方面的優化，實現整個集群的性能和能效的提升。

2.技術層闡釋了從數據獲取到信息加工與知識建構、再到智能輸出各階段所涉及的大模型實現所需的各項智能技術。在數據獲取階段，包括數據采集技術、數據預處理技術；在信息加工階段，包括對數據進行詞元化、向量化處理等相關技術；在知識建構階段，包括模型預訓練、對模型進行有監督微調、價值對齊等相關技術；在智能輸出階段，包括模型解碼、模型評估等相關技術。

3.能力層從場景應用的視角，對大模型的智能能力進行了抽象與概括，以訊飛星火認知大模型為例，大模型呈現七大核心能力：（1）文本生成能力，生成符合用戶在主題、風格、長度等多方面要求文本內容的能力；（2）語言理解能力，對人類語言高級處理和理解的能力；（3）知識問答能力，檢索、處理和生成準確答案的能力；（4）邏輯推理能力，運用邏輯規則和原則進行合理推斷和解決問題的能力；（5）數學能力，處理和理解數學概念、符號、公式以及解決數學問題的能力；（6）代碼能力，理解和生成編程語言代碼的能力；（7）多模態交互能力，處理和理解文本、圖像、視頻、音頻等多種類型數據的能力[30]。

4.應用層描述了對大模型能力的四種常用應用方法，它們適用于不同的情景之下。在大模型具備基礎能力時，可通過“提示詞工程”精心設計輸入提示，以進一步引導大模型的輸出；在需要補充更多輸入信息時，可通過“智能體”或“檢索增強生成”技術，優化大模型的輸出；而在大模型面對特定應用場景，需要提升性能和準確性時，可通過“大模型微調”技術提高大模型在該場景下的可用性。

5.行業層描述了大模型在各個行業或領域落地應用過程中，通過應用層提供的四類增強或優化模型的手段，特別是“大模型微調”技術方法，將特定行業數據及行業特征信息融入到大模型之中，以構建出能夠更好地解決本行業特定任務的專業化、定制化大模型。常見的行業大模型包括教育行業大模型、醫療行業大模型、金融行業大模型、法律行業大模型等。其中，教育行業大模型是為了滿足教育領域特定場景任務而構建的教育行業大模型，要求具有更高的知識準確度、更可控的意識形態與安全性和更適切的面向學科學段的使用方式與內容生成。

四、生成式AI賦能教育的典型場域

推動生成式AI在教育中的落地應用，關鍵在于明確教育教學的實際需求和應用場景。教育部部長懷進鵬在2024世界數字教育大會上提出，將實施人工智能賦能教育行動，積極推動以智助學、以智助教、以智助管、以智助研。一些專家學者也開展了生成式AI教育應用的場景探索，如柯清超等提出生成式AI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[31]；李寶敏深入剖析了ChatGPT在“教”“學”“評”“管”“輔”“研”等典型教育場景中的應用方法[32]；楊現民認為生成式AI可以實現教學、學習、資源、科研、管理、服務等教育全場景的智能化改造[33]。可見，生成式AI在教學、學習、評價、管理和科研等多個方面創造了眾多典型的應用場景，不僅輔助教師優化了教學方法，豐富了師生學習體驗，還有效推動智能技術賦能教育評價，提升了教育管理效率，并在科研工作中發揮了重要作用。“場域”一詞從社會學向教育學延伸的過程中，內涵逐漸泛化為基于人的實踐的開放性關系結構或時空構型[34]。基于這一觀點，本研究通過梳理當前各類學校已有的應用實踐，發現生成式AI在學校教育的五大場域、21個方面、56個場景進行了探索應用，形成了典型的實踐案例，其中五大場域和 21個方面基本框架如圖2所示。

（一）教學場域

在教學應用場域中，生成式AI從教學設計、教學資源、課堂互動、科學實驗等方面助力教學活動開展。在教學設計方面，生成式AI能夠根據需求為教師提供量身定制教學方案，可以減輕教師工作負擔同時提升教學質量。在制作教學資源方面，生成式AI則協助教師打造出豐富多樣的教學內容，使教學更加生動有趣。在課堂互動方面，基于生成式AI的人機協同課堂互動實現了多樣化的實時交流，提升了課堂氛圍，幫助學生更加高效地掌握知識技能。在實驗教學方面，生成式AI可以有效助力科學實驗的開展，讓學生在實踐中提高實驗能力，深化對科學知識的理解。

（二）學習場域

在學習應用場域中，生成式AI在答疑輔學、閱讀、口語對話、編程學習、心理疏導等方面為學生學習提供支持。在答疑輔學方面，生成式AI能根據學生答題的實際情況，提供精準而有針對性的解答和解析，不僅有助于提高學生的解題能力，還能培養他們的獨立思考精神。在閱讀方面，生成式AI能夠為學生提供個性化的全過程指導，引導他們深入閱讀文本，從而提高閱讀理解能力。在口語對話中，它能模擬真實語境，讓學生沉浸在口語練習中，進而提升口語表達和跨文化交際能力[35]。在編程學習方面，生成式AI可以幫助排查代碼錯誤，并提供實時的反饋和指導，從而提高學生的編程技能。在心理疏導方面，生成式AI通過對話交流的方式，對學生進行心理疏導，幫助他們排解心理壓力，促進心理健康。

（三）評價場域

在教育評價場域中，生成式AI可以有效賦能試題生成、智能批改、口語能力測評、學生核心素養評價。在試題生成方面，可以基于它的多輪對話、信息處理和內容生成等能力助力教師生成試題素材，也可以基于學科知識庫以及專業試題庫自動生成符合教師需求的試題，有效提高了教師編制試題的效率。在智能批改方面，它可以快速準確地對作業進行評分和反饋，減輕教師作業批改負擔，還可以提供高階維度的個性化反饋，針對性推薦學生相應的學習練習資源。在口語能力測評方面，利用多模態口語對話大模型和虛擬人技術，實現互動性口語評測，并根據評測對話內容輸出模考報告，幫助學生獲得實時反饋與評估報告，有效提高口語能力。在學生核心素養評價方面，生成式AI有效支持核心素養評價方案設計、評價數據采集和評價結果生成，不僅提高了評價方案科學性，還支持伴隨式采集評價數據和包含學生核心素養的評價結果生成，促進核心素養評價有效實施應用。

（四）管理場域

在管理服務應用場域中，生成式AI在管理數字化、智能問答咨詢、行政辦公以及數據分析和決策支持等方面有重要價值。在學校管理數字化方面，基于智能體等自動化工具，管理者可以快速創建智能化的管理應用，實現日常管理業務自動化和流程化；在智能問答咨詢方面，生成式AI可以優化管理服務流程，在處理大量文件、自動提交關鍵信息、智能回答常見問題等方面有較多應用，有效提升管理和服務效率。在行政辦公方面，生成式AI可以輔助開展各類辦公活動，提升公文撰寫、會議管理以及流程自動化等工作的效率。在數據分析和決策支持方面，生成式AI可以對教育教學平臺、管理系統的海量信息進行數據挖掘和分析，為決策者提供深入洞察和可靠的數據支持，從而輔助其制定策略和方案。

（五）研究場域

在教育研究場域中，生成式AI在專業知識問答、文獻研讀和寫作輔助方面提供了有效支持。在專業知識問答方面，經過專業知識庫二次訓練和監督精調的學科領域大模型能夠精準地回答研究者提出的學科專業問題，并推薦相關的文本、圖像、視頻等多模態資源。在文獻研讀方面，利用其長文本處理能力，生成式AI能夠批量處理大量文獻，輸出結構化的解讀文檔并提供相關引文鏈接，同時還可以針對具體文獻內容進行問答。在寫作輔助方面，生成式AI基于其語言理解和文本生成能力，能夠幫助研究者拓展研究思路，完成學術文章的潤色、改寫、翻譯和校對等，提升研究者的寫作效率和文章質量。

五、生成式AI賦能教育的實踐價值

生成式AI在技術邏輯、技術成果、技術意義等多方面取得的重大技術突破和技術變革，為教育數字化轉型帶來了新機遇和新驅力[36]。在學校、研究機構、企業等自主探索生成式AI教育應用的同時，政府也開始有組織推進生成式AI教育應用示范行動，推動大模型從課堂走向應用[37]。隨著生成式AI與教育教學的深度融合，其影響將日益廣泛和深入，催生出更多樣、更豐富的教育應用新樣態。

（一）人才目標轉向更加重視創新能力培養

高階思維能力成為未來創新型人才培養的重要內容。生成式AI能夠高效匯聚多領域多學科知識并結合不同場景合理提取和使用知識，橫向突破人類的知識壁壘[38]，勢必引發未來社會生產生活方式和職業崗位的變革，依靠獲取和存儲知識的低階思維腦力工作終將被智能機器所替代，能夠批判性分析、理解和評價知識，并能創造性運用多領域多學科知識解決問題的創新型人才是未來社會發展的需要。因此，培養學生高階思維能力將成為重要教學內容和人才培養目標。在機器智能化背景下，教學內容的重點不再是知識的記憶，而是轉向學生批判性思維等高階思維能力的培養。“凡是人工智能擅長的知識和能力，可以少教甚至不教，凡是人工智能不擅長或者無能為力的知識和能力，需要多教或重點教”[39]。

人機協作能力成為未來人才的必備關鍵能力。AI技術將通過硬件、軟件等多種形式充斥未來的工作、生活和學習，人機互動將成為人們常態化活動方式，機器的角色將從工具變成伙伴，人機協作能力將成為未來人才的關鍵能力之一，能夠靈活運用智能技術、通過人機協同解決問題的創新應用能力將變得至關重要，不能利用生成式AI技術有效賦能工作的人將逐漸落伍直至被淘汰。同時，智能機器將從工具轉變為重要教學主體，教學活動將由人機協作共同實施，多元化和多樣化的人機交互將成為教與學基本活動方式，教師與機器通過自然語言交互共同承擔教學任務，學生在智能學習助手和工具的陪伴支持下實現學習和成長，在此過程中，學生的人機協作能力將得到不斷培養和提升，人機關系也將實現更高層次的交互、協作與共生[40]。

（二）教育環境轉向智能升級和虛實融合

大模型賦能軟硬件升級，創設一體化智能化教學環境。第一，大模型賦能教學軟硬件實現智能化升級。基于大模型研發出的各類應用以獨立軟件系統或功能模塊等方式加載到智能黑板、學習機等硬件以及教學平臺、管理系統等軟件平臺中，形成具有知識問答、教學設計、教與學評價、資源搜索、語言學習、編程練習等各類生成式AI助手，有效提升教學硬件和系統平臺的智能化水平和服務能力。第二，大模型助力數據聯通促進教學環境一體化。各類AI助手既是相響應戶需求的輸出端，也是動態采集教育教學數據的輸入口，通過以大模型為基礎的各類助手工具可以實現相關軟硬件、系統平臺之間數據的互聯互通，有效解決不同類型、品牌軟硬件的數據聯通和能力兼容等問題。

生成式AI賦能多模態內容生成，打造虛實融合學習空間。第一，大模型生成多模態內容為虛擬學習空間構建與應用提供強大支持。生成式AI可以通過多模態能力，智能生成高度擬真的虛擬場景、建筑、景觀、人物角色和物品等，以及生成豐富多樣的意義情境、故事情節，智能推薦個性化的內容和活動，更好地滿足虛擬空間里師生對內容差異化和定制化的需求，提供更為精準和個性化的服務，為學生創設良好的探索與創造的空間。第二，大模型提升智能化交互體驗促進虛實學習空間更自然融合。利用生成式AI制作更加形象真實的虛擬數字人，模擬和再現真實世界中的各種人物、活動、行為甚至情感表達，使其以人性化的自然交流方式進行回應，滿足學習者社會聯系的需要[41]，創造個性化和引人入勝的體驗。同時，高擬真虛擬數字人將打破虛擬空間和現實空間的邊界，促進虛實空間更自然融合。

（三）教學方式轉向人機協同教學

人機協同推進教學效果提升。第一，在大模型賦能下，“機器教師”能夠拓展和增強人類教師能力，助力實施規模化因材施教。如基于生成式AI的教學助手具備完成知識問答、內容與活動規劃、策略與路徑推薦等任務的能力，能夠隨時隨地陪伴在每一個學生身邊，幫助教師完成資源收集整理、活動策劃、作業批閱、學習輔導、學習資源和路徑推薦等任務，教師能夠在教學助手的幫助下及時了解到每個學生的學習狀態，并針對每一個學生設計針對性的教學內容和活動，從而實現傳統教學中所難以實現的個性化教學。第二，“機器教師”能夠在教學中不斷提高和師生的契合度，助力實現更好的教學效果。基于生成式AI的智能教學助手具備強大的自主學習和成長能力，在人機交互過程中，能夠根據師生的選擇不斷調整反饋的內容，構建符合師生特征的反饋模式，從而有效提高交互效率，減少溝通成本，及時為師生提供所需要的教學服務，提高教學質量和效果。

人機協同推進教學創新發展。第一，教學形式將更為多樣。“機器教師”可以獨立完成絕大部分課堂練習批改、輔導答疑等簡單重復性工作，人類教師將有更多時間和精力用于學生核心素養、道德情感等方面的培育及相關課堂活動組織[42]。同時，在“機器教師”的幫助下，可以生成虛擬仿真實驗、元宇宙、VR/AR等新型教學資源，從而有效支撐更為多樣的教學形式的實現。第二，教學策略和活動將更為合理。“機器教師”能夠獨立完成多模態學習數據采集和處理分析、開展學生課堂學習評估與反饋等等工作量巨大的復雜工作。人類教師基于這些數據準確識辨學生學習水平和存在的問題、及時調整教學策略和教學活動[43]，不斷推動教學方法、策略和模式等方面的改革創新。

（四）學習方式轉向生成式個性化學習

大模型根據學生特征智能生成適應性學習內容和數字化學習資源。第一，基于生成式AI的智能學習助手針對學生實際情況生成與之匹配的學習內容。智能學習助手能夠通過系統平臺采集、物聯設備感知等方式，獲得學生各方面學習行為與表現評價數據，準確識別教學全過程中學生個體的學習狀態、表現和水平，為學生匹配最優學習內容。而且還可以根據學生的即時性學習表現進行智能糾偏以及調整學習路徑和學習內容，動態適應學生的學習實際，從而有效提高學習效果和學習效率。第二，智能學習助手可以智能生成數字化學習資源。智能學習助手具備多模態能力，可以根據學生的需求，智能生成圖片、視頻、課件、試題、聽力、數字人教師、虛擬仿真實驗等數字化學習資源，并可以通過和學生的互動來進行資源的優化，將優化后的資源納入數據庫，與其他學生共享[44]。

學生在人機對話活動中實現個性化探究學習。第一，智能學習助手內隱的思維鏈特征和復雜推理能力支持學生在人機對話中開展知識探究學習。通過思維鏈方法，大模型將復雜的大任務拆解為若干可由簡單指令引導的小任務，從而提高復雜邏輯推理能力。智能學習助手可以引導學生開展思維鏈式的對話，通過一系列由表及里、由淺入深的連續提問和迭代追問，幫助學生在持續探索中了解知識內容、解除問題疑惑、加深知識理解和掌握。第二，學生在人機對話中開展對弈式訓練培養高階思維能力。大模型生成的內容并不都是確定科學和準確的，需要使用者批判性分析和選擇性吸納。學生與智能學習助手對話的過程也將是一個認知博弈的過程，學生在應對生成內容不確定性的過程中逐步實現獨立思考能力、批判性思維和人-機協作思維能力、“多算勝少算”的深度學習思維、“下棋如人生”的哲理思維等方面的培養和提升[45]。

（五）教育評價轉向數據驅動的發展性評價

教育評價從經驗驅動轉向數據驅動。一是大模型可以實現全過程伴隨式數據采集促進數據實證。大模型支持下的智能學習助手貫穿學生學習過程的始終，可以在持續的人機交互對話中收集學生學習過程的表現數據、互動信息、場景數據等細顆粒度信息，通過信息跟蹤挖掘、數字回溯分析、科學監測評價等方式，完整記錄學生的學習過程和成長軌跡，從而綜合分析學生的知識學習情況和表現，推動教學評價從依靠教師或專家經驗走向追求數據實證。二是大模型可以實現多模態數據診斷分析促進綜合素養評價。依托數據挖掘、內容分析、預測性分析、系統建模等功能，大模型能夠對采集的人臉、語音、表情、體態、腦電波、眼動軌跡、心理健康狀態等多模態數據進行融合分析，挖掘其內在元素的相關性和因果性，并對學生學科能力、情感態度、思維品質等進行綜合分析，全方位刻畫學生的問題解決能力、批判性思維能力、跨學科能力、創造力等高階思維能力[46]。

教育評價從重視學習結果診斷轉向重視過程反饋。一是大模型可以為個人構建學習畫像，為準確了解學生學習情況提供支持。基于大模型對過程性學習數據的記錄、分析、挖掘和呈現，能夠為學習者輸出其個人的學習數字畫像，從而全面、形象地展示學習者的學習狀態和學習偏好，為學習者的學習路徑規劃、學習方式選擇等提供實時的數據支撐和建議，助力因材施教。二是大模型可以實現實時反饋和調控，促進學生學習和成長。基于大模型的邊緣計算能力，大模型能夠對學生的學習行為進行實時的監控和評價，并在學習者出現走神、理解偏差等問題時及時給予反饋和調控，實現對每一個學習者學習狀態的關注和及時指導，保障每一個學習者的學習體驗和學習效果。

（六）教育治理轉向全球化智能化治理

技術潛在風險推動教育治理走向全球化合作。當前，以大模型為代表的人工智能技術日新月異，在助力教育治理效能提升的同時，也帶來了潛在的風險挑戰，考驗著教育治理的能力，如群體性數據隱私泄露問題、全球數字鴻溝進一步擴大、算法歧視日益加劇等。如何讓智能技術充分賦能教育，讓技術發展的成果惠及全球，成為所有學習者、教師和管理人員的最大利益服務的工具，是當今時代的一個重大實踐課題，需要全世界共同努力[47]。2024年7月，2024世界人工智能大會暨人工智能全球治理高級別會議在上海召開，發布《人工智能全球治理上海宣言》，倡導建立全球范圍內的人工智能治理機制，指出只有在全球范圍內的合作與努力下，才能充分發揮人工智能的潛力，為人類帶來更大的福祉。

教育治理方式從信息化管理走向智能化支持與服務。第一，教育大模型助力教育治理決策科學化。大模型依托其海量教育數據、語言模型、深度學習算法、高度計算力等智能化技術與算法，可以幫助決策者在教育治理過程進行數據收集、信息整理與知識處理，強化數據要素價值挖掘、分析、應用與管理，從而高效率進行結果判斷，實時為決策提供關鍵信息或優化建議，形成融合算法與人類判斷的決策輸出，幫助教育管理者預測與感知教育治理風險，并為精準解決教育治理難題提供具體方案，促進教育治理效能提升[48]。第二，教育大模型助力教育服務個性化。在大模型的語言理解、邏輯推理、代碼開發等能力的幫助下，一線教師也可以參與到應用開發工作中，高效產出個性化的低代碼應用，形成多樣化、可共享的教育應用集群，滿足各級各類教育工作者應用需求。同時，大模型可以嵌入教育管理與服務平臺中，作為申請受理的窗口和業務處理助手，有助于疏通部門內部業務流程阻礙，打破部門間信息壁壘，提高業務辦理效率和質量[49]。

六、結語

《2024智能教育藍皮書》對當前生成式AI在教育領域的應用和發展進行了詳細的梳理和分析，深度與廣度并重、理論與實踐結合，是反映我國生成式AI教育應用發展現狀和當前發展水平的重要報告[50]。一方面從技術視角回顧了生成式AI的興起與影響，剖析了生成式AI的內涵及技術框架；另一方面從教育視角深入探討了其在教育中的應用場景及價值，并提供了豐富的應用案例，不僅為教育工作者和政策制定者提供了寶貴的參考，對促進行業發展以及教育工作者開展GenAl的示范應用也有非常重要的推動作用。下一階段，研究團隊將持續追蹤生成式AI技術發展與教育應用的趨勢，推廣技術應用，驗證應用實效，培育一線優質應用案例，共同迎接“人工智能+教育”的新時代。《2024智能教育藍皮書》的研究與正式發布是在科大訊飛智能教育專家委員會和訊飛內部技術專家指導下完成的，離不開訊飛教育技術研究院編撰團隊的共同努力，本文撰寫得到了團隊成員的支持。

參考文獻：

[1] 陳麗.人工智能對于教育，不是賦能，而是顛覆[EB/OL].https：//mp.weixin. qq.com/s/kYISfhdRX84KHH0bmCKcrA，2024-07-03.

[2] 電化教育研究.第六屆智能教育論壇暨第二屆全國教育技術學科青年學者論壇在西北師范大學召開[EB/OL].https：//mp.weixin.qq.com/s/lIjP C8DuW5ONeRb9BS0QqA，2024-09-24.

[3][50] 陳麗.人工智能促使教學向數字時代的人機協同方式轉型，人類文明將進入人機協同新范式的發展階段[EB/OL].https：//mp.weixin. qq.com/s/sevncCSQKuaSsY-5p-FsoQ，2024-09-29.

[4] 賈積有.大語言模型在教育評測與輔導中的應用及高校人工智能素養培養[EB/OL].https：//mp.weixin.qq.com/s/h2YpnipZNRcuT8RhmZ5A 9A，2024-10-21.

[5] 鄭智勇，范卿澤，賈偉.人工智能技術賦能教師發展的三重幻象及破解之道[J].中國電化教育，2024，（7）：28-34+73.

[6] 崔曉慧，朱軒.轉智成慧：智慧教育時代高職院校智慧教學的困局與突破[J].職業技術，2024，23（6）：55-63.

[7] 魏仙.公立小學教師的數字化技術壓力及其管理對策研究[D].上海：華東師范大學，2023.

[8] 蔡連玉，金明飛，周躍良.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.

[9] 褚樂陽，王浩，陳向東.面向大語言模型的青少年人工智能教育[J].中國電化教育，2024，（4）：32-44.

[10] 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.

[11] 中國教育科學研究院數字教育研究所之江實驗室智能教育研究中心.重構教育圖景：教育大模型研究報告（簡版）[EB/OL].https：// mp.weixin.qq.com/s/kJy-8JcA9Q9cRRTkCAOq7g，2023-12-08.

[12] 尹西明，陳勁，王冠.場景驅動：面向新質生產力的數據要素市場化配置新機制[EB/OL].http：//kns.cnki.net/kcms/detail/21.1012.C.20240419.1539.006. html，2024-04-25.

[13] 秦渝超，劉革平，許穎.生成式人工智能如何重塑教學活動——基于活動理論的模型構建與應用[J].中國遠程教育，2023，43（12）：34-45.

[14] 蘭國帥，杜水蓮等.生成式人工智能教育：關鍵爭議、促進方法與未來議題——UNESCO《生成式人工智能教育和研究應用指南》報告要點與思考[J].開放教育研究，2023，29（6）：15-26.

[15] 方海光，舒麗麗，王顯闖.人工智能教育應用倫理的核心議題與應對之策[J].中小學數字化教學，2023（7）：30-33.

[16] 肖仰華.生成式語言模型與通用人工智能：內涵、路徑與啟示[J].人民論壇·學術前沿，2023，（14）：49-57.

[17] 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，2023，33（11）：5-18.

[18] Holmes W，Miao F.Guidance for generative AI in education and research [M].Paris：UNESCO Publishing，2023.

[19] 德勤.亞太地區生成式人工智能應用與監管[EB/OL].https：//www2. deloitte.com/content/dam/Deloitte/cn/Documents/financial-services/ deloitte-cn-fsi-acrs-gai-application-and-regulation-in-apaczh-240131.pdf.，2024-04-05.

[20] Brown T B，Mann B，et al.Language Models are Few-Shot Learners [DB/OL]. https：//arxiv.org/abs/2005.14165，2024-08-30.

[21] Wei J，Tay Y，et al.Emergent abilities of large language models [DB/OL]. https：//arxiv.org/abs/2206.07682，2024-08-30.

[22] 桑基韜，于劍.從ChatGPT看AI未來趨勢和挑戰[J].計算機研究與發展，2023，60（6）：1191-1201.

[23] 張民，李俊濤.生成式預訓練模型[J].中國科學基金，2021，35（3）：403-406.

[24] 羅錦釗，孫玉龍等.人工智能大模型綜述及展望[J].無線電工程，2023， 53（11）：2461-2472.

[25] 張華平，李林翰，李春錦.ChatGPT中文性能測評與風險應對[J].數據分析與知識發現，2023，7（3）：16-25.

[26] Guo B，Zhang X，et al.How close is chatgpt to human experts comparison corpus，evaluation，and detection [DB/OL].https：//arxiv.org/abs/2301.07597，2024-08-30.

[27] 趙月，何錦雯等.大語言模型安全現狀與挑戰[J].計算機科學，2024，51（1）： 68-71.

[28] Minaee S，Mikolov T，et al.Large language models：A survey [DB/OL].https：// arxiv.org/abs/2402.06196，2024-08-30.

[29] 趙朝陽，朱貴波，王金橋.ChatGPT給語言大模型帶來的啟示和多模態大模型新的發展思路[J].數據分析與知識發現，2023，7（3）：26-35.

[30] 劉邦奇，聶小林等.生成式人工智能與未來教育形態重塑：技術框架、能力特征及應用趨勢[J].電化教育研究，2024，45（1）：13-20.

[31] 柯清超，米橋偉，鮑婷婷.生成式人工智能在基礎教育領域的應用：機遇、風險與對策[J].現代教育技術，2024，34（9）：5-13.

[32] 李寶敏.人機協同ChatGPT與智能時代教師發展[M].上海：上海教育出版社，2023.10+61-63.

[33] 楊現民，鄭旭東.生成式人工智能重塑教育及教師應對之道[J].中小學信息技術教育，2023，（5）：8-10.

[34] 劉遠杰.場域概念的教育學建構[J].教育學報，2018，14（6）：21-33.

[35] 吳堅豪，周婉婷，曹超.生成式人工智能技術賦能口語教學的實證研究[J].中國電化教育，2024，（4）：105-111.

[36] 郭小東.生成式人工智能的風險及其包容性法律治理[J].北京理工大學學報（社會科學版），2023，25（6）：93-105+117.

[37] 教育部.教育部發布4項行動助推人工智能賦能教育[EB/OL].http：// www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2024/2024_zt05/mtbd/202403/ t20240329_1123025.html，2023-03-29.

[38] 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.

[39] 李政濤.ChatGPT/生成式人工智能對基礎教育之“基礎”的顛覆與重置[J].華東師范大學學報（教育科學版），2023，（7）：47-55.

[40] 汪靖，陳恬妮，楊玉芹.思維與調節的融合共創：生成式人工智能支持的人智交互過程與模式研究[J].中國電化教育，2024，（8）：45-55.

[41] Baumeister， R F，Leary， M R.The need to belong： Desire for inter personal attachments as a fundamental human motivation [J].Psychological Bulletin，1995，117（3）：497-529.

[42] 方海光，孔新梅等.基于共生理論的人機協同教育主體合作博弈及其優化策略研究[J].電化教育研究，2024，45（1）：21-27.

[43] 宛平，顧小清.生成式人工智能支持的人機協同評價：實踐模式與解釋案例[J].現代遠距離教育，2024，（2）：33-41.

[44] 黎加厚，邢星.數字化教育資源如何適應人工智能時代——再談如何用好數字化教育資源[J].人民教育，2024，（6）：42-45.

[45] 黎加厚.生成式人工智能對課程教材教法的影響[J].課程·教材·教法，2024，44（2）：14-21.

[46] 鄭永和，王一巖，楊淑豪.人工智能賦能教育評價：價值、挑戰與路徑[J].開放教育研究，2024，30（4）：4-10.

[47] 中國教育報.數字變革助推教育“數治”升級——教育治理數字化與數字教育治理平行會議觀察[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/ xw_zt/moe_357/2024/2024_zt02/pxhy/pxhy_szzl/pxhy_szzl_mtbd/202402/ t20240201_1113754.html，2024-02-01.

[48] 周洪宇，李宇陽.生成式人工智能技術ChatGPT與教育治理現代化——兼論數字化時代的教育治理轉型[J].華東師范大學學報（教育科學版），2023，（7）：36-46.

[49] 聶小林，張金霞等.智能技術賦能教育數字化治理：內涵、框架及路徑[J].中國教育信息化，2024，30（4）：21-31.

作者簡介：

劉邦奇：教授，院長，博士生導師，研究方向為人工智能教育應用、數字化學習、教育信息化治理。

聶小林：高級工程師，碩士，研究方向為人工智能教育應用、教育信息化。

王亞飛：副教授，副院長，研究方向為人工智能教育應用。

袁婷婷：研究員，在讀博士，研究方向為教育政策行業研究。

趙子琪：研究員，研究方向為人工智能教育應用。

張國強：副教授，研究方向為智能教育理論與實踐。

Generative AI Empowering Education： Technical Framework， Application Field and Value

—2024 Intelligent Education Development Research Report

Liu Bangqi1，2， Nie Xiaolin1， Wang Yafei1， Yuan Tingting1，2， Zhao Ziqi1， Zhang Guoqiang1

1.iFLYTEK Educational Technology Institute， Hefei 230088， Anhui 2.School of Educational Technology， Northwest Normal University， Lanzhou 730070， Gansu

Abstract： Generative AI， as the latest breakthrough in artificial intelligence technology and a typical representative of new quality productive forces， injects strong momentum into economic and social development， which is profoundly affecting the field of education and teaching. At present， the educational application of generative AI is still in its infancy. Although the discussion degree is high and the potential is huge， the actual application value has not yet been fully exerted. It is urgent to clarify the key problems of technology application and actively promote the rational application of generative AI in education and teaching. Based on this background， the 2024 Blue Book of Intelligent Education Development systematically combs and studies the referential framework， typical fields and practical values of generative AI in education from the perspective of combining theory with practice. On September 21，2024， leaders of of the Department of Science， Technology and Informatization at the Ministry of Education， leaders of China Association for Educational Technology， consulting experts of educational digital transformation at the Ministry of Education， etc.， officially released the Blue Book at the 6th Intelligent Education Forum jointly held by Northwest Normal University and iFLYTEK. Firstly， this study outlines the connotation， characteristics and application referential framework of generative AI， and analyzes its capabilities in natural language understanding， content generation and logical reasoning. Secondly， the application of generative AI in teaching， learning， evaluation， management and scientific research is described in detail， and the corresponding application strategies are put forward. Finally， the value of generative AI to educational practice is discussed， including the transformation of talent cultivation， educational environment， teaching methods， learning methods， educational evaluation and educational governance. The aim is to provide reference for the developers， applicators and evaluators of the education model to carry out the research and practice of generative AI in education， stimulate more thinking and discussion on how to use generative AI to promote rational application and innovative practice in education.

Keywords： generative AI； intelligent education； technical framework； application field

收稿日期：2024年10月25日

責任編輯：宋靈青