數字化轉型背景下人工智能賦能終身學習的路徑研究

摘要：全面建設學習型社會對提高國民素質、促進社會創新發展和推動中國式現代化進程具有重要現實意義。終身學習是全面建設學習型社會的核心。研究從社會學習理論視角出發，在分析了數字化轉型背景下信息過載誘發的學習者認知策略混亂、自我價值缺失導致的學習動機不足、資源分布不均造成的學習環境壁壘三個終身學習困境的基礎上構建了數字化終身學習模型，探討了在人工智能場域內進行終身學習的意義，并提出了在人工智能賦能下構建智能學習組織策略范式、形成智能協作評價體系、實現學習無界融通環境三條實踐路徑，從而為數字化轉型時代的終身學習提供方向，助力學習型社會之構建。

關鍵詞：數字化轉型；社會學習理論；終身學習；人工智能

中圖分類號：G710" " 文獻標識碼：A" " 文章編號：1672-5727（2025）04-0005-07

隨著信息技術的迭代發展，世界步入了數字化轉型及“IT3.0”時代，人類社會生產生活的各領域都在經歷顛覆性變革。新業態與新模式的產業對人才的技術技能有了更高要求，這也迫使人們需要通過不斷學習提高人力資本，從而實現職業發展和自我價值。在個人發展、經濟增長、社會進步的共同需求下，構建學習型社會成為當今時代個人、社會和國家發展的必由之路。在國家戰略層面上，2019年2月，中共中央、國務院印發的《中國教育現代化2035》明確提到“要建立全民終身學習的制度環境”。黨的二十大報告指出，“推進教育數字化，建設全民終身學習的學習型社會、學習型大國”。“終身學習”衍生于終身教育理念，隨著社會的發展，其內涵不再拘泥于繼續教育及成人教育等范疇，而是發展為貫穿人生始終且持續的學習過程，并成為實現學習型社會目標的關鍵實踐行為。

自2022年底GhatGPT問世掀起人工智能（Artificial Intelligence，AI）的新一輪熱潮以來，教育的形態和范式不斷得到重塑。雖然有學者提醒教育工作者要謹慎對待新興技術[1]，但學界普遍認為AI的深度賦能是教育發展的必然。截至目前，AI賦能教育的經驗、成果及政策已初具規模，相關研究聚焦于AI技術的應用問題和教學模式的創新，如孫（Son）基于AI教學平臺進行了SW教育課程計劃及課程框架的開發[2]；蘭利（Langley）提出了在人工智能專業課程中利用AI技術培養學生高層次能力所面臨的問題和優化策略[3]；沃古（Wogu）等人對AI在實際教學過程中的表現效果及其與教師之間的關系進行了歸納總結[4]。盡管AI在教育領域中的應用廣度和深度不斷拓展，但鮮有AI賦能終身學習領域的相關成果形成。因此，本研究以社會學習理論中的交互決定論為依據，基于認知、環境、行為三要素對數字化轉型背景下的終身學習困境進行分析，并構建數字化社會終身學習三要素模型，結合AI賦能教育優勢，提出終身學習策略。

一、數字化社會終身學習的現狀與困境

20世紀60年代，美國學者班杜拉（Albert Bandura）提出了社會學習理論（Social Learning Theory），其交互決定論觀點認為，人的發展是認知、行為、環境三要素相互作用的結果。[5]就實踐角度而言，可以從該理論的三個核心要素出發，對終身學習在數字化轉型背景下的現狀及其所處困境進行分析。

（一）信息過載誘發的學習者認知策略混亂

通過獲取、處理、存儲信息來理解環境是人們做出決策和采取行動的基礎[6]，而學習者正是通過該過程來開展學習活動。郭（Kwak）等人認為，信息量太大是誘發社交網絡（Social Network Service，SNS）用戶疲勞的主要因素，以移動SNS為例，其不受時間和空間限制的特性，會導致共享信息超載，增加SNS用戶的壓力和負擔。[7]而對于學習者群體來說，面對信息洪流，往往被迫在多種信息源之間頻繁切換，無法保持專注力和對特定學習任務的深度思考，學習認知策略也因此受到干擾。面對大量的學習資源信息，人的大腦需要處理的信息量遠超其自身處理能力，隨著決策負擔不斷加重，學習者無法確定有效的信息處理策略，從而導致認知策略混亂。信息過載帶來的負面影響不僅體現為學習效率的持續降低，還體現為誘發學習者產生的挫敗感和焦慮等消極情緒。

（二）自我價值缺失導致的學習動機不足

隨著數字化時代的到來，知識逐漸成為最重要的生產要素，同時引發按傳統生產要素和資源組織起來的工作類型、工作組織、雇傭關系、工作內容發生變革。[8]這使得數字素養、終身學習習慣等要素成為學習者必備的核心競爭力。在習得技能類型發生轉變的過程中，重新適應新的發展方向和環境對于學習者來說已是巨大挑戰，而相關負面評價和缺乏科學性的評價體系更會使其自我價值認同缺失，致使學習動機不足。

雖然許多國內學者借鑒國際盛行的以“協商”和“構建”為主要特征的第四代評估理論，提出了“施行‘以人為本’的多元評價”“重視學生個體差異”“強調評價利益相關主體參與價值共建”等建設高質量評價體系的變革路向[9]，但現行的評價體系依然有不足之處。而就非正式評價來說，數字化時代網絡社交的虛擬性使得人們在進行個性化在線學習的交流過程中無法完全展示自我，更難以獲得他人的真實反饋和評價，這往往會使學習者對自我價值產生懷疑，進而影響其學習行為。

（三）技術及資源問題造成的學習環境壁壘

區域教育水平的差異，導致不同地區社會群體的終身學習機會不均等。同時，技術的迭代要求學習者不斷適應新生工具與方法，但由于年齡、教育背景等因素的影響，往往難以實現。

盡管當今時代具有信息過載的特點，但高質量、針對性強的學習資源卻相對稀缺，各類資源存在重復、冗余或低質的問題，難以滿足學習者的個性化需求。而僅有的優質學習資源往往集中在個別知名平臺或機構手中，資源分布不均現象明顯，進一步限制了偏遠地區或經濟欠發達地區學習者的終身學習機會。

二、數字化社會終身學習三要素模型

鑒于終身學習的現狀，在社會學習理論三元交互作用模型的基礎上，聚焦數字化時代技術普及與學習方式變革等特點，本研究構建了數字化社會終身學習三要素模型，見圖1。該模型闡釋了數字化時代背景下影響終身學習的三個核心要素間的相互關聯與作用，為數字化時代終身學習困境之解決提供系統理論支撐。

（一）認知要素：數字化終身學習認知（DLLC）

數字化終身學習認知（Digital Lifelong Learning Cognition，DLLC）源自交互決定論中的認知要素，主要涉及數字化環境中學習者習得的知識結構、思維模式及信息處理方式，反映了學習者的學習策略，即如何理解和內化知識內容。DLLC水平能直接影響學習者的學習行為和動機，例如學習者通過有效的認知策略獲得知識或解決問題，自我效能感能得到提升，從而增強學習動機。具有積極性的認知反饋能使學習者在學習過程中更為積極，有利于提高學習者超越自身水平、攻克高難度內容和成果創新之可能。[10]DLLC還會影響學習者感知并利用學習環境，為其提供有效篩選和處理信息的策略，使其選擇適合自己學習的數字化工具及資源，而相關成功經驗也將推動他們優化和調整數字化學習環境，使其進一步支持自己的學習活動。

（二）行為要素：數字化終身學習行為（DLLB）

數字化終身學習行為（Digital Lifelong Learning Behavior，DLLB）是交互決定論中的行為要素在數字化終身學習領域的映射，主要涵蓋學習者在數字化環境中開展學習的動機和行為的具體表現，例如數字化在線學習平臺的使用、與大語言模型的交互方式、數字學習內容與資源的選擇等，而動機則驅動了各種具體學習行為的過程。DLLB能夠直接影響學習者的認知過程，高動機水平的學習者往往傾向采用如批判性思維、元認知監控等復雜的認知策略進行數字化環境中的深度學習，而低動機水平的學習者更可能在淺層進行信息處理，使認知出現偏差。[11] DLLB還能驅動學習者對環境進行主動調整與改變，高動機學習者通常會積極尋找個性化學習資源，通過優化學習工具的選擇和使用來創建一個更加有利的學習環境。

（三）環境要素：數字化終身學習環境（DLLE）

數字化終身學習環境（Digital Lifelong Learning Environment，DLLE）同樣衍生于交互決定理論，是三元交互作用模型中環境要素的升格，包含了數字化時代社會中所有影響學習者學習行為和認知的外部因素，例如數字技術工具、數字學習資源分布、在線學習平臺等。支持性強的DLLE能提升場域內學習者的學習動機，并提供豐富的數字化學習資源、精準的教學導航及科學反饋的學習平臺，從而激勵學習者投入更多時間和精力進行學習。而充滿障礙的學習環境則會降低學習者的動機，阻遏學習行為發生。[12] DLLE同樣也會影響學習者的認知過程。一個設計良好的學習平臺可以幫助學習者更輕松地獲取并整合信息，促進學習活動在深度和廣度上持續推進，反之則可能會增加學習者的認知負荷，阻礙知識的內化與意義建構。[13]

綜上，數字化社會終身學習的三要素之間呈現一種高度互動且彼此促進的關系，其流程機理同三元交互作用模型保持相對一致。

三、AI場域內終身學習的實踐意義

隨著數字化轉型進程的不斷深入，AI逐漸成為驅動教育領域變革的關鍵要素。已有研究顯示，AI不僅能通過人機交互提高學習者認知和理解能力，還能在生成用戶畫像的基礎上提供個性化學習方案，從而優化學習者的行為和動機。此外，AI還可以賦能智能化學習環境的構建，為學習者提供無障礙學習體驗。

（一）AI賦能認知能力提升

AI能夠對學習者的歷史學習數據、當下狀態及個人學習偏好等信息進行分析，并基于此生成個性化學習路徑和建議。王劍等人在學習者畫像的基礎上設計基于知識單元有向圖的學習路徑及尋優流程，并驗證了其有效性。[14]洪（Hong）等人基于AI技術開發了具有個性化學習機制的電子學習系統，提供自適應的學習路徑以輔助基于網絡的在線學習。[15]黃（Hwang）等人借助上下文感知技術，在泛在學習情境下構建了個性化學習路徑規劃的啟發式算法。[16]各類系統和程序機制能自動調整學習內容的呈現策略，使其更好地匹配學習者現有的認知水平，從而幫助學習者高效地理解復雜抽象概念，通過超越個體的最近發展區來增強認知能力。

除學習資源和路徑的個性化推薦外，基于自然語言處理和深度學習技術的大語言模型能通過對話引導學習者進行深度思考，幫助其建構認知網絡；虛擬助手能通過實時反饋和糾錯來強化學習者認知路徑；AI與AR、VR結合的沉浸式學習環境能在對學習者感官進行刺激的同時進行人機交互，提升學習者認知理解的深度。

（二）AI優化學習行為與提升學習動機

學習者在學習平臺上的學習行為數據能夠被AI追蹤和記錄?；谶@些信息，AI可以識別并提供有針對性的建議和解決策略，幫助學習者及時解決學習過程中遇到的困難，優化其學習行為。魯斯（Rus）等人認為，AI能在分析學習者數據的基礎上激勵學習者，直到學習者找到充分解釋自己觀點的理由。[17]還有研究表明，AI能夠通過對學習者少量的作業和測試進行數據挖掘與分析，來達到預測其未來表現的目的。[18]AI還能識別學習者的面部表情、語音語調、行為表現等，可以對多模態數據進行處理，并結合學習者情感狀態提供反饋，提升其學習動機。例如，巴赫雷尼（Bahreini）等人開發了基于FILTWAM框架的多種情感識別軟件，實現了非侵入性和連續的多模態情感數據收集。[19]

AI還能引入游戲元素，為學習過程設定富有挑戰性的機制，通過積分及成就解鎖等形式增強學習動機。以ChatGPT為代表的生成式人工智能還能通過精準識別、即時反饋和個性化調整等功能為教育評價的個性化、精準化、智慧化轉變提供現實條件，進一步挖掘學習者的優勢和特點，使其獲得自我效能感。

（三）AI構建多元化學習環境

AI使得傳統的物理教學工具和環境更具智能化。例如， 金（Kim）等人在對多模態感知、情感識別、深度學習、高性能GPU計算和反饋技術集成的基礎上構建了智能教室。[20] AI賦能的學習平臺整合了多種功能，可為學習者提供泛在性的學習支持。如查西諾爾（Chassignol）等學者研究的交互式學習環境（ILEs），可用于管理績效并為師生提供反饋；又如ActiveMath、MATHia、Why2-Atlas、Fetchy及Gradescope等智能輔助系統，均已應用于多種教育系統不同層次的學科教學中，且普遍助力學習效果的評估，以此跟蹤績效和改進現有的教學工具。[21]

AI對解決數字鴻溝和教育公平問題也具有重要作用。AI能打破時空限制，驅動在線教育平臺為教育資源匱乏的偏遠地區的學習者提供低成本的個性化學習材料和服務。有特殊需求及身體殘障的學習群體也能夠在AI的幫助下克服傳統教育模式中的學習障礙，獲取包容性的學習環境。

四、AI場域內終身學習的實踐路徑

基于對數字化時代終身學習現有困境的探討及數字化社會終身學習三要素模型，本研究圍繞數字化終身學習的認知、行為及環境三方面提出AI賦能終身學習的實踐路徑及策略，即通過構建智能學習組織策略范式優化數字化終身學習認知；通過形成智能協作評價模式優化數字化終身學習行為；通過實現數字學習無界融通環境，提升和優化數字化終身學習環境，最終作用于終身學習效果的提升，如圖2所示。

（一）構建智能學習組織策略范式

在教育數字化轉型背景下，終身學習認知過程發生的場域不能僅限于學習者的生物大腦，或者說僅憑生物大腦無法適應信息過載的終身學習環境。因此，要力求在AI的賦能下，擴展出一個外置神經中樞，以腦-機協作的方式幫助學習者個體進行更加高效的信息處理、存儲、檢索及分析[22]，通過對學習組織策略的升級和重構來促成數字化終身學習認知的提升，形成基于AI技術的智能學習組織策略范式。

1.擴展認知場域，促成腦-機協作

由“單腦運轉”到“雙腦協作”，人類認知策略形成的場域范圍若要進行擴展，就必須利用人工智能等數字化技術構建外置于人體的神經中樞，也就是“數字腦”。這首先要建設一個囊括各類學習資源與信息在內的知識圖譜和數據集成系統，通過AI對數據集進行語義分析來形成不斷擴展且有序的知識神經網絡，即“數字腦”。得益于機器學習和自然語言處理等技術，“數字腦”中的資源經過分析能被有針對性地推送至學習者的學習設備，個體的認知效率和認知模式隨著精準推送而得到不斷提高和完善，形成其獨有的認知路徑。而學習者的日常學習軌跡和認知過程則又以數字化設備為中介被清晰地記錄在“數字腦”中，AI通過數據的不斷獲取，逐步完善學習者的個性化畫像，使“數字腦”日趨成熟，腦機之間的鏈接（即腦-機協作模式和流程的熟悉程度）也越來越穩固。

2.優化知識管理，完善共享機制

在腦-機協作的思維模式運轉下，知識的管理與共享機制將成為重中之重，應在學習資源的知識圖譜和數據集成系統基礎上，建構以實際應用為導向，集學習資源庫、開放課程庫等為一體的大規模教育數據資源庫，借助人工智能技術實現數據信息的自動化歸納和分類，使學習者在此數據資源庫中進行信息的獲取與分享。同時，還應在AI的加持下建構個性化的個人學習數據管理與存儲系統，統一數據標準，通過發揮“數字腦”的記錄存儲和個性化推薦功能來解放生物大腦，提高信息處理效率，使學習者專注于學習內容本身。來自不同國家和地區的學習者個體構成了一個個神經單元，通過AI及互聯網技術的耦合，使無數單元個體共同組成共建共享的智能化知識信息生態系統。在該系統中，AI作為生物大腦和“數字腦”之間的橋梁及數據庫的管理者，擔負著促進知識內容在不同類型、不同個體的大腦之間流動和交融的使命，從而完成人類社會整體學習能力和認知策略的升級。

（二）形成智能協作評價模式

學習動機是透視終身學習成效的關鍵要素，而構建人-機協同的智能評價模式將有助于學習者擺脫外界干擾，維持高水平的數字化終身學習動機，進而優化學習行為。

1.重新定位智慧與智能的角色與分工

在數字化轉型背景下的教育中，人類和AI各司其職且各有特點，若要提高教育評價的科學性、公平性及效率，就需要在充分發揮人類智慧和機器智能各自優勢的同時尋求二者的平衡點。依據蔡曙山對人類心智的劃分，AI在最高層級的語言文化意識領域內無法達到人類的水平[23]，需要以技術祛魅為前提，明確二者在教育評價中的作用和角色。首先，以人類智慧來主導教育評估標準及其價值導向。人類的經驗、情感理解及專業判斷是其獨有優勢，教育的過程富含人文與感性因素，人類教師能夠準確理解學習者的情感體驗，提供更具有人性化的指導與支持，從而影響學習者的身心發展。其次，要發揮AI特點，使其輔助評估，提升效率和客觀性。AI的優勢在于高效的數據處理和深度分析能力，利用大數據分析與機器學習技術，使AI對學習者的多模態數據進行精準提取和評估輔助，能夠發現潛在學習模式和未來學習趨勢，為教師的評價和指導提供科學性建議。因此，要以人類評價向度為框架，AI為輔助工具，在合理分配二者權限的基礎上促成主體生命與客體技術的互動交流，積極發揮二者的正向作用，以兼顧人文性和客觀性的方式，推動教育評價的科學發展。

2.培養教育評價主體的智能素養

為進一步完善人-機協同的智能評價模式，首先，應從教育評價的主體出發，對各主體在實際教學與學習情境中使用AI技術的能力進行優化和提升。學術界應加速構建涵蓋各主體和子領域的教育評價主體智能素養框架及指標體系，如針對教師和學生的智能素養和人-機協同素養指標體系，設計更加系統化、科學化且針對性更強的素養框架。其次，應系統評估各教育評價主體的智能素養現狀，識別存在的不足，以便制定和實施有效的改進措施。[24]再次，應加強AI教育評價應用的培訓，如編制行動指南、開設論壇講座等，向有關人員普及AI技術及大數據知識，解讀政策性文件，使其了解技術工具的使用。最后，還應大力鼓勵教育從業者在教學活動中使用AI技術，切實獲取經驗，提高智能素養。

（三）實現數字學習無界融通環境

數字學習無界融通環境即一種包含了時空無界、學科無界、資源無界、學習者群體無界及學習評價和認證無界的融通生態。利用AI賦能此環境的構建，有利于提升DLLE的支持性，為數字化終身學習認知和行為的發展提供個性化、開放、多元的場域。

1.構建開放的智能學習平臺

開發由AI驅動的學習管理平臺是實現數字化無界學習的基礎。應用自然語言處理及深度學習等技術，能夠對學習者的學習需求、學習傾向、學習時長等多模態數據進行分析，并將結果用于優化數字終身學習服務。平臺自動監控學習者進度表現，提供及時反饋和自適應測試，通過人工神經網絡識別學習者在學習中的優勢與劣勢，在文字、音視頻、虛擬現實和增強現實資源的提供上突出動態化、個性化、精準化的特點，確保在學習內容的廣度和深度上打破傳統學科的局限。同時，在該平臺的支持下，學習者的學習行為能在不同環境和設備之間進行靈活切換，還能對學習的策略和資源組合進行自由選擇，便于打破傳統意義上學習時間、空間上的局限性，使不同場域中的學習體驗保持高度一致。

2.創建無障礙學習社群綜合系統

以AI為依托，開發面向全球的數字化學習社群系統。通過分析學習者的學習行為及興趣，構建學習者畫像，并推薦學習小組和社群，使其在所選擇的特定社群中開展集體知識建構。在知識數據總庫的資源支持下，使學習者平等獲取優質教育資源成為可能。面對教育數字鴻溝問題，則需要利用AI分析學習者的技術能力和設備條件，自動調整學習資源與內容的呈現方式，向硬件設備較差或網絡信號不穩定的用戶提供低帶寬模式的學習資源，適宜的簡化版文本和音頻文件。此外，為面向不同國家學習者，系統通過自然語言處理技術，將學習內容和平臺界面進行自動翻譯，幫助不具備主流語言能力的學習者獲取學習資源。評價與認證方面，在系統中嵌入AI與區塊鏈（blockchain）技術，構建去中心化的學習認證系統，打破傳統評價與認證模式的壁壘，讓學習者能夠在不同學習平臺或機構進行學分及學業證書的互認。

五、結語

在經歷了從計算智能（如 Transformer）到感知智能（如 CLIP、 SpeechT5）再到認知智能（如ChatGPT、Sora）的發展過程中，人類社會認知智能的大門被打開，AI技術也逐步展現了其在教育領域的巨大潛力[25]，并成為推動終身學習發展的關鍵要素。然而，盡管AI技術在教育領域的應用已取得顯著成果，但將其應用于終身學習領域的研究和實踐仍然面臨不少挑戰。為實現全面建成學習型社會的目標，需在AI的支持下，從數字化終身學習的認知、行為、環境三大要素出發，構建智能學習組織策略范式，形成智能協作評價體系，實現學習無界融通環境，并進一步深化智能學習平臺的建設，推動無障礙學習社群的形成，不斷優化個性化和精細化的學習資源供給。唯有這樣，才能在當今世界數字化與全球化的浪潮中，確保每一位學習者都能夠平等、自由地獲取優質的學習資源，從而實現終身學習的目標。

參考文獻：

[1]王佑鎂，王旦，梁煒怡，等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現代遠程教育研究，2023（2）：48-56.

[2]SON W S. Development of SW Education Class Plan Using Artificial Intelligence Education Platform： Focusing on Upper Grade of Elementary School[J]. Journal of the Korean Association of Information Education， 2020（5）： 453-462.

[3]LANGLEY P. An Integrative Framework for Artificial Intelligence Education[C]//Proceedings of the Thirty-third AAAI Conference on Artificial Intelligence， 2019（1）： 9670-9677.

[4]WOGU I A P， MISRA S， OLU-OWOLABI E F， et al. Artificial Intelligence， Artificial Teachers and the Fate of Learners in the 21st Century Education Sector：" Implications for Theory and Practice[J]. International Journal of Pure and Applied Mathematics， 2018（16）： 2245-2259.

[5]BANDURA A. Social Foundations of Thought and Action： A Social Cognitive Theory[M]. Englewood Cliffs： Prentice Hall， 1986： 23-28.

[6]SCHNEIDER S C. Information Overload： Causes and Consequences[J]. Human Systems Management， 1987（2）： 143-153.

[7]KWAK K T， CHEON Y J， OH S H， et al. Why People Feel Stressful in Using Mobile Social Network：" From Socio-technical Perspective based on KAKAO Talk User Survey Data[J]. Korean Management Review， 2012（6）： 1405-1434.

[8]呂建強.制造業轉型升級背景下高職學生就業能力結構研究[D].天津：天津大學，2021：3-5.

[9]司林波，馬佩璽，喬花云.近三十年國內教育評價研究的發展歷程、熱點領域及變遷特征[J].現代教育管理，2023（11）：63-73.

[10]BANDURA A， WESSELS S. Self-efficacy[M].Cambridge： Cambridge University Press， 1997： 7-9.

[11]SCHUNK D H， PINTRICH P R， MEECE J L.Motivation in Education： Theory， Research， and Applications[M]. London： Routledge， 1995： 27-35.

[12]BIGGS J， TANG C， KENNEDY G. Teaching for Quality Learning at University 5e[M]. UK： McGraw-hill Education， 2022： 3-15.

[13]KIRSCHNER P A， SWELLER J， CLARK R E. Why Minimal Guidance During Instruction Does Not Work： An Analysis of the Failure of Constructivist， Discovery， Problem-based， Experiential， and Inquiry-based Teaching[J]. Educational Psychologist， 2006（2）： 75-86.

[14]王劍，李易清，石琦.融合多維偏好與知識追蹤的個性化學習路徑推薦：以“系統建?！闭n程為例[J].現代教育技術，2023（11）：99-108.

[15]HONG C M， CHEN C M， CHANG M H， et al. Intelligent Web-based Tutoring System with Personalized Learning Path Guidance[C]//Seventh IEEE International Conference on Advanced Learning Technologies （ICALT 2007）. IEEE， 2007： 512-516.

[16]HWANG G J， KUO F R， YIN P Y， et al. A Heuristic Algorithm for Planning Personalized Learning Paths for Context-aware Ubiquitous Learning[J]. Computers amp; Education， 2010（2）： 404-415.

[17]RUS V， D'MELLO S， HU X， et al. Recent Advances in Conversational Intelligent Tutoring Systems[J]. AI Magazine， 2013（3）： 42-54.

[18]Deloitte China， Global Development of AI-based Education [EB/OL].（2019-11-12）[2024-09-06]. https：//www2.deloitte.com/cn/en/pages/technology-media-and-telecommunications/articles/development-of-ai-based-education-in-china.html.

[19]BAHREINI K， NADOLSKI R， WESTERA W. Towards Real-time Speech Emotion Recognition for Affective E-learning[J]. Education and Information Technologies， 2016（21）： 1367-1386.

[20]KIM Y， SOYATA T， BEHNAGH R F. Towards Emotionally Aware AI Amart Classroom： Current Issues and Directions for Engineering and Education[J]. Ieee Access， 2018（6）： 5308-5331.

[21]CHASSIGNOL M， KHOROSHAVIN A， KLIMOVA A， et al. Artificial Intelligence Trends in Education： A Narrative Overview[J]. Procedia Computer Science， 2018（136）： 16-24.

[22]涂子沛.第二大腦[M].北京：中譯出版社，2023：12-39.

[23]蔡曙山.從思維認知看人工智能[J].求索，2021（1）：48-56.

[24]李毅，鄭鵬宇，張婷.ChatGPT賦能教育評價變革的現實前提、作用機理及實踐路徑[J].現代遠距離教育，2024（3）：9-17.

[25]OpenAI LLC. Video Generation Models as World Simulators[EB/OL].（2024-01-15）[2024-04-09]. https：//openai.com/research/video-generation-models-as-world-simulators.

（責任編輯：張宇平）

Research on the Path of Artificial Intelligence Empowering Lifelong Learning in the Context of Digital Transformation： Based on Social Learning Theory

CAI Haoxuan， WANG Jijun

（Tianjin Foreign Studies University， Tianjin 300270， China）

Abstract： Building a learning society in an all-round way is of great practical significance for improving the quality of the citizens， promoting social innovative development and driving the process of Chinese-style modernization. Lifelong learning is the core of building a learning society in an all-round way. From the perspective of social learning theory， this study constructed a digital lifelong learning model based on the analysis of three lifelong learning dilemmas under the background of digital transformation： learners' cognitive strategy confusion induced by information overload， insufficient learning motivation caused by lack of self-value and learning environment barriers due to uneven distribution of resources. The study explores the significance of lifelong learning within the domain of artificial intelligence and proposes three practical paths： constructing a paradigm of intelligent learning organizational strategies under the empowerment of artificial intelligence， forming an intelligent collaborative evaluation system， and realizing a boundaryless and integrated learning environment， so as to provide a direction for lifelong learning in the era of digital transformation and help the construction of a learning society.

Key words： digital transformation; social learning theory; lifelong learning; artificial intelligence