生成式人工智能賦能地理教育： 機遇、挑戰與應對

摘 要：生成式人工智能憑借其技術特性為地理教育帶來范式變革的同時，也引發對教育本質的深度思考。生成式人工智能在地理教育中展現出多方面的積極作用：憑借其強大的迭代能力促進學生對地理學習的理解；通過數據處理與智能推理能力為地理教育的個性化學習構建多維支持體系；構建個性化模擬場景與虛擬環境，助力學生以輕松有趣的方式學習地理現象與理解復雜地理主題。然而，生成式人工智能在實踐中仍面臨多重挑戰：過度依賴技術可能導致學生批判性思維與空間推理能力發展受限；人機交互難以替代師生面對面交流中的情感聯結與即時反饋；技術接入差異或加劇地理學習的公平性問題。對此，本文提出基于新加坡南洋理工大學國立教育學院實踐經驗的應對框架：一方面，確立生成式人工智能賦能地理學習的核心原則，構建包含高階思維評估和真實性任務設計的教育評價維度；另一方面，提出工具整合路徑，實現技術與地理課程的深度融合。本文旨在為地理教育工作者提供理論參照與實踐指引，推動生成式人工智能從技術賦能走向教育賦能。

關鍵詞：生成式人工智能；地理教育；機遇；挑戰；應對

中圖分類號：G633.55" " " "文獻標識碼：A" " " "文章編號：1005-5207（2025）08-0003-06

人工智能的發展歷程可追溯至20 世紀60年代，而教育領域對其影響的關注度自 2022 年底起驟然激增并持續攀升。這主要源于以 GPT-3.5 為代表的大型語言模型（LLM）在該時期的廣泛應用，促使教育界逐步意識到此類模型在教育中的潛在價值。截至本文撰寫時， GPT-4o及其“迷你”模型已實現多場景廣泛應用。隨著教育從業者和研究者作為早期技術采納者的增多，圍繞生成式人工智能在教育領域的應用優勢與潛在風險，學界與教育界展開了廣泛探討。本文聚焦生成式人工智能對地理教育的支持作用，基于典型教育實踐案例，探索并構建地理教育中生成式人工智能的應用框架。

一、生成式人工智能賦能地理教育的機遇

生成式人工智能在地理教育中展現出多方面的積極作用，大型語言模型（LLM）憑借其龐大知識庫與自然語言處理能力，助力學習者以更直觀便捷的方式獲取信息并獲得即時學習反饋。Chang H C等指出，此類技術通過提供情境化信息與交互式學習體驗，為地理與環境教育帶來關鍵機遇［1］。

1.強大的迭代能力促進學生對地理學習的理解

生成式人工智能憑借其快速響應與精準語法輸出能力，為文本創作提供基礎框架，適用于學生學習資料整理與教師教學方案設計優化，同時，生成式人工智能也可通過與人類的持續互動進行訓練并不斷得到優化。Chang H C等通過 ChatGPT 闡釋地理教育對當代環境挑戰的重要性發現，盡管其初期回答“安全”卻限于常規認知，未超越地理教育工作者的既有理解［1］。但隨著技術迭代（從 GPT-3.5 升級至 GPT-4o），2024 年 12 月 4 日的回答顯示，模型通過持續互動訓練實現了優化，具體如下。

GPT-4o：地理教育不僅在促進兒童的認知與情感發展方面發揮著關鍵作用，而且通過培養地理知識和技能，幫助他們更好地理解人與自然的關系，應對全球化帶來的挑戰，并在日常生活中進行定位和導航，提高空間感知能力。地理教育不僅傳授地理知識，還通過觀察、實驗和地圖閱讀等方法，培養學生的批判性思維和空間推理能力，使他們能夠深入分析人類活動與自然系統之間的復雜聯系，學會解讀數據、評估風險，并基于地理探究提出可持續的解決方案。在情感層面，地理教育能夠培養兒童對特定場所的歸屬感及與環境的深厚情感，進而激發他們對全球及本地生態系統保護的同理心與責任感。通過整合知識、技能與價值觀，地理教育讓兒童成為見多識廣、富有同情心且積極主動的地球守護者。

GPT-4o的回答將地理教育的作用從單一維度拓展至認知發展（地理知識與空間感知）、技能培養（批判性思維與問題解決）、情感價值（生態責任與場所認同）3個層面，系統論證了地理教育在知識傳授、能力訓練及價值觀培育中的復合功能，體現出相關模型隨時間推移漸進優化的特征。此外，改進后的 GenAI 模型因訓練技術提升，生成信息的復雜性增強且 “幻覺”減少，這對教育領域構成挑戰——學生可能被模型輸出的高可信度表象所迷惑，忽視對信息準確性的批判性驗證，進而影響其自主探究能力的發展。

2.幫助學習者實現個性化學習

生成式人工智能憑借其強大的數據處理與智能推理能力，為地理教育領域的個性化學習構建了多維支持體系。

（1）學生自主學習層面

生成式人工智能通過自然語言交互技術實現智能問答、知識點梳理、復習規劃等全流程支持， 如針對地理概念辨析、氣候模型分析、區域發展案例解讀等復雜問題，生成式人工智能可依據學生提問的語義深度與知識儲備，動態調整回答的專業層級，提供適配于初中、高中或大學階段學習者的差異化解析方案；同時，通過智能校對與寫作輔助功能，精準識別學生在地理小論文、調研報告中的邏輯漏洞或數據偏差，并結合可視化圖表生成工具，引導學生構建結構化思維框架。

（2）教學支持層面

生成式人工智能不僅能高效完成地理教學資源的智能化開發，還可通過分析學生的學習日志、作業錯因與測評結果，輔助教師設計分層教學方案。

（3）技術應用層面

生成式人工智能通過突破傳統地理學習的時空界限，構建智能化的學習生態系統。該系統基于學習者的興趣標簽、認知風格及知識掌握圖譜，動態生成適配個體需求的個性化學習路徑。以 “虛擬地理考察”任務為例，針對熱衷地理探險的學生，系統借助自然語言生成技術模擬熱帶雨林生態觀測、火山地貌演化分析等實地調研場景，使學生在虛擬環境中解決實際問題；同時，結合智能反饋系統對學生在場景中運用的問題解決策略進行實時評估與精準指導，構建“學—練—評”一體化的個性化學習模式。

值得關注的是，生成式人工智能已在應用環境中實現圖像生成功能的突破，此多模態交互技術為地理教學創造了更具實用性的學習環境——當解釋火山結構等僅依靠文字難以清晰呈現的抽象概念時，系統生成的可視化圖像能夠以直觀的方式解構復雜地理要素的空間關系與演化機制，可有效提升知識傳遞的效率與準確性。

3.創建個性化的模擬場景和虛擬環境

借助生成式人工智能構建個性化模擬場景與虛擬環境，可助力學生以輕松有趣的方式學習地理現象、理解復雜地理主題。Chang H C等通過具體案例闡明了GPT-4o在數學教案設計中的應用，其在二元一次方程的教學中能提供個性化教學方案，助力學生理解與運用數學概念［1］，這一優勢同樣適用于地理教學領域，可輔助學生更好地掌握地理概念。?

在實際教學中，教師首先需明確大型語言模型（LLM）的功能。以 “地震對人類生活的影響”討論活動為例，教師先引導學生通過GPT-4o獲取 “海嘯” 的標準定義，該模型準確描述了海嘯的形成機制及其對環境的物理影響。為深化教學效果，教師進一步鼓勵學生結合現實情境提問，如 “居住在新加坡的人們是否會受到海嘯的潛在威脅”。GPT-4o針對此問題給出情境化解答，具體如下。

GPT-4o：新加坡雖因地理位置不易發生海嘯，但地勢低洼的地理特征使其仍面臨潛在風險，應保持警惕和提高掌握相關知識的重視程度。

因此，生成式人工智能可針對現實情境提供契合的專業化解答，對知識的快速學習與復習具有積極作用。通過與生成式人工智能協作，學生可在現實場景中深入理解環境挑戰及其與地理要素的關聯，這不僅有助于培養學生的科學決策能力，還能深化其對環境問題的認知層次。?

二、生成式人工智能賦能地理教育的挑戰

盡管生成式人工智能具有諸多優勢，但在地理教育實踐中也面臨著一系列挑戰，給地理教育帶來了風險。

1.對技術的依賴導致學生思維發展受限

正如科學計算器的普及曾引發教師對學生心算能力弱化的擔憂，當下，生成式人工智能語言模型在為地理教育帶來教學資源共享、模式變革、個性教學及素養創新等全面賦能機遇的同時，也衍生出技術依賴導致的深層挑戰。這類挑戰首先表現為對地理教育本質的潛在背離——當技術過度介入教學過程，可能導致地理思維創新培養的式微，具體體現為智能化教學內容的尺度把控難題、教學模式走向的不可預測性及教學評價體系的解讀困境。

更為嚴峻的是技術依賴對學生認知發展的深層影響：生成式人工智能受訓練數據的潛在偏差制約，其生成內容往往停留于知識表層，難以觸及地理學科的核心內涵與復雜關系網絡。若學生習慣被動接受此類信息，會導致其主動探索的學習動力逐漸弱化，且認知惰性的持續累積會直接導致批判性思維培養的缺位。這一作用機制類似于計算器對心算能力的削弱——過度依賴生成式人工智能提供的標準答案，會使學生疏于對地理現象進行深層邏輯推演與多元視角辨析，最終形成思維層面的 “技術依賴癥”。盡管有學者提出，生成式人工智能的有效運作依賴于良好的提示設計，教育可通過夯實學生基礎以培養其編寫優質提示的能力，但關鍵問題在于，學生可能缺乏判斷人工智能生成答案是否足夠深入（或是否存在膚淺化傾向）的能力。因此，當前教育面臨的核心挑戰在于：如何構建使學生既具備辨別生成內容質量的認知能力，又能掌握設計有效提示所需的知識基礎與思維策略的培養體系。

2.生成式人工智能無法替代師生面對面的交流

在地理教育場域中，生成式人工智能技術通過算法驅動的個性化學習系統，能基于學生的認知特征與學習軌跡提供定制化知識推送，可顯著提升教育供給的精準度。然而，這種技術賦能的教育形態在凸顯工具理性價值的同時，也面臨著人文互動維度的深層挑戰。作為教育過程中核心的社交性實踐，師生間基于肢體語言、表情神態的即時情感共鳴，以及學生群體在課堂討論中通過觀點碰撞形成的批判性思維建構，本質上屬于具身認知的交互過程，難以被數據模型完全模擬。生成式人工智能介導的教學環境可能導致課堂互動從 “主體間性”的深度對話退化為“人機界面”的單向信息傳遞，造成互動數量的數字化虛增與質量的實質性衰減。?

具體到教學實踐層面，生成式人工智能模型在地理學科的創新教學法應用中存在顯著局限性。地理實地考察作為培養學生空間思維與實踐能力的重要教學形式，其核心價值在于學生通過實地觀察、樣本采集、團隊協作等具身實踐建立對地理現象的情境化認知。而生成式人工智能模型無法提供真實地理環境中的多感官體驗與突發問題的處理訓練，且難以替代實地考察中教師現場指導、同伴互助所形成的動態學習共同體。此外，在地理信息系統（GIS）等專業工具的教學應用中，雖生成式人工智能可輔助數據處理與可視化呈現，但涉及空間分析模型構建、地理現象機理闡釋等高階思維訓練環節，仍需教師的專業引導與學生間的協同探究。這種技術應用的結構性缺口，使得生成式人工智能難以全面覆蓋地理教育中知識傳授、技能訓練、情感培養等多元化需求。

3.生成式人工智能的使用可能加劇地理學習的不公平性

首先，在教育公平層面，生成式人工智能的應用帶來多重挑戰：①確保不同經濟背景的學生平等享有生成式人工智能教育資源，既是技術倫理規范的基本要求，更是防范教育資源配置兩極分化的必要前提。②在技術賦能教育的過程中堅守教育的本質屬性，建立技術工具理性與地理思維培養的動態平衡機制，警惕技術應用對地理核心素養培育的消解效應，才能實現生成式人工智能與地理教育的深度融合而非單向的技術依賴。

其次，在實踐層面，生成式人工智能技術應用存在三類潛在問題：①資源獲取的階層差異顯著。地區及家庭經濟條件不同的學生在接觸和使用生成式人工智能時存在機會不均等現象。②數據偏差引發的內容效度風險。訓練數據的潛在偏差可能影響學習內容的準確性與客觀性。③測評體系的適應性挑戰。隨著生成式人工智能使用場景的普及，傳統測評模式面臨革新需求，需重新設計測評任務、流程及量規，以確保能精準捕捉并評估學生的地理思維、批判性分析等核心學習要素的發展狀況。

三、生成式人工智能賦能地理教育的應對

雖然生成式人工智能可“處理大量數據并從中得出推斷，以便在任何時候針對大量學生進行個性化互動”［2］，但人類能夠產生創意，投入情感與熱情，提供多元視角，思考倫理問題，還具備道德推理能力。因此，重要的是利用大語言模型（LLM）補充而非取代其他教學方式［2］。事實上，正如《國際地理教育憲章》所闡述的：了解哪些教學方法能高效且有效地提高地理教育質量，是地理教育工作者面臨的關鍵問題之一［3］。因此，如何在地理與環境教育中充分發揮生成式人工智能的優勢、規避其局限，并掌握適配的應用方式，使其切實為該領域增添新價值，是當前最值得深入探討的議題。

1.基于新加坡南洋理工大學國立教育學院經驗的賦能方式

（1）生成式人工智能賦能地理學習的原則

新加坡南洋理工大學國立教育學院認為，利用生成式人工智能輔助學習需要遵循以下4項原則：①明確學習目標；②明確學生需要培養的關鍵認知和思維過程；③確定生成式人工智能在教學中的最佳引入時機；④了解人類和人工智能各自的優勢，以便在學習過程中發揮它們的長處。此外，學生還需學會如何向生成式人工智能模型提出恰當的問題，以便獲取相關且富有價值的答案［2］。

依據新加坡南洋理工大學國立教育學院所概述的四項原則，首先，需要考量學習活動的目標。以地震相關課程為例，其學習目標是讓學生理解海嘯的根本成因、物理影響以及對人類的意義，確保他們的理解與更廣泛的課程目標相契合。其次，該活動應進一步探討學生為達成這些學習目標，所需培養的認知能力和思維過程。新加坡南洋理工大學國立教育學院（2023年）主張：“我們必須強調意義學習活動、批判性思維和元認知等認知技能，以及人機協作，以此促進原創性思維［2］?！痹诖税咐?，學生不僅要理解海嘯的成因和影響，還需掌握批判性評估生成式人工智能所提供信息的技能（如新加坡面臨海嘯風險的情況），從而提升其地理推理能力和情境理解能力。生成式人工智能在輔助學習時效果最佳，但不能取代關鍵思維過程。使用生成式人工智能的時機包括：①通過其解釋功能探索基礎知識；②利用定制問題構建探究框架；③借助多元視角促進討論。關鍵在于適時地運用生成式人工智能，激勵學生主動進行批判性思考，避免其僅被動接收信息。最后，需考慮人類與人工智能各自的優勢。例如，在地理教育場景中，人工智能生成的信息常因缺乏真實情境與人文視角，忽視地理議題的敏感性要素。如 AI 討論 “新加坡海嘯風險”時，僅以 “概率較低”“影響有限”等中性表述輸出，卻未顧及真實災難中受災群體的心理感受與文化禁忌。其生成邏輯依賴數據計算，無法理解災難敘事中的生命重量與文化敏感性，缺乏對“痛苦”“記憶” 等倫理范疇的價值判斷。而人類學習者能從倫理視角批判性審視此類信息，意識到機械表達可能忽視受災者情感，引發對知識傳播倫理的反思。因此，地理教育需強化學生的倫理判斷能力，使其運用生成式人工智能技術時能納入 “信息傳播是否尊重人的主體性”“風險評估是否蘊含人文關懷”等倫理維度的考量。

（2）生成式人工智能賦能地理學習評價的維度

前文聚焦生成式人工智能對地理學習的支持作用，而其在輔助地理教師教學工作中同樣具有重要價值。地理教育工作者需明確課程內容的篩選標準［3］，界定與知識相關的技能及素養目標，并通過測評掌握學生的學習成效以改進教學。作為地理課程的核心環節，測評旨在收集學生學習數據并向學生、教師、家長及政策制定者等利益相關者提供反饋［4］。生成式人工智能可通過多維度支持測評過程，如分析學生的寫作邏輯、結合搜索引擎驗證事實準確性、輔助設計評估量規等。鑒于學生可能存在技術濫用問題，需重新審視測評任務、流程及量規設計，以確保精準評估學習核心要素——量規應著重衡量高于簡單描述或解釋的高階認知能力。新加坡南洋理工大學國立教育學院2023年發布的資料中提出生成式人工智能時代良好評估的5條原則：①評估應成為有效教與學的核心；②評估工具應具備效度與信度；③評估標準需清晰透明、易于理解；④評估應促進并提升學生自主導向能力發展；⑤評估設計需關注學生身心健康影響。［2］

當前，關于生成式人工智能輔助教學與學習的討論，其理論基礎源于斯法德提出的學習二元屬性理論——學習既是知識獲取的過程，亦是個體通過積極參與實現意義建構的社會實踐［5］。圖 1 改編自新加坡南洋理工大學國立教育學院2023年發布的資料，用于總結上述理論維度。

2.生成式人工智能工具在地理教育中的高效整合路徑

為探索生成式人工智能工具在地理教育中的高效整合路徑，需構建理論框架以明確 “優質且有意義” 的教育內涵——即通過技術賦能實現地理教育在知識傳授精準性、能力培養進階性、價值塑造深層性及社會意義聯結性上的協同提升，使教育過程既滿足地理核心素養培育的高質量標準，又達成個體發展與社會議題的意義關聯。

Chang H C等提出，在地理課程中開展氣候變化等主題的學習時，可借鑒聯合國教科文組織倡導的 21 世紀教育四大支柱框架［1］。該框架主張采用綜合性教育方法，其核心包括 “學會求知”“學會做事”“學會做人”“學會共處” 四項基本原則［6］。在教育實踐中，生成式人工智能技術可成為落實這一框架的重要助力，但需超越工具層面的簡單應用，通過系統化設計實現高質量學習活動的建構與實施。具體而言，有以下4點：①“學會求知” 維度。生成式人工智能可為學生提供高效的信息檢索與資源整合服務，突破傳統學習的時空限制。②“學會做事”維度。大型語言模型（LLMs）可通過數據驅動的算法機制，針對學生的興趣特征、能力水平、學習風格及準備程度進行個性化學習活動設計，并借助模擬仿真與虛擬環境創設，為實踐技能的訓練提供安全的試錯空間。③“學會做人”維度。生成式人工智能技術雖在情感理解與價值引導上具有局限性，但通過嵌入反思性任務、共情訓練及自我認知工具的學習活動設計，仍能有效促進學生的人格發展與社會情感能力的提升。④“學會共處”維度。人工智能可搭建跨區域協作平臺，促成不同文化背景下師生的深度互動，使其在全球議題的協同探究中實現多元視角的交流與互鑒。值得強調的是，人工智能在教育中的效能發揮，根本取決于學習活動的頂層設計——需將技術特性與教育目標深度融合，而非停留于平臺操作的表層應用，方能實現從 “技術輔助” 到 “教育賦能” 的范式轉變，最終達成個體全面發展與社會共同進步的雙重目標。

克里斯·戴德作為長期關注新技術教育應用的學者，其觀點為審視生成式人工智能的教育價值提供了審慎視角［7］：盡管以GPT-4o 為代表的生成式人工智能技術引發了關于教育生態變革的擔憂，但其核心價值在于成為人機協作的輔助工具而非傳統教育范式的顛覆者。這一論斷呼應了技術迭代史中“工具賦能而非替代” 的教育規律——正如古登堡印刷術并未消解知識傳播的人文內核，當下教師的核心任務在于通過創新教學方法實現 AI 優勢轉化，而非糾結于技術本身的替代風險。具體而言，戴德強調 AI 在個性化學習體驗創設、互動式知識建構中的工具價值，但同時也指出需通過批判性思維培養與真實人際互動設計規避技術潛在風險。這一平衡理念在西門子等學者提出的“人類與人工智能認知協同策略（HAC）”［8］中得到理論升華：教育主體應聚焦 AI 難以企及的復雜認知領域（如價值判斷、情感共鳴、創造性問題解決），通過明確人機功能邊界，構建 “AI 負責數據處理與基礎能力訓練—人類專注高階思維培育與意義建構”的協同生態。

在此框架下，地理教育的人機協作中，教師作為學習情境的意義賦能者，需在善用 AI 在資源生成、路徑優化等技術優勢的同時堅守教育本質，守護人類認知深度與情感溫度，推動技術與教育價值的統一。AI 的“共情行為”是基于數據模型的符號化模擬，無法觸及人類情感主體性內核，其類人化表達依賴既定規則運算，缺乏直覺判斷、價值反思等人類獨有的能力。因此，教師需建立雙重認知邊界：既釋放 AI 在信息處理等領域的工具效能，又強化對創造力培養、元認知訓練、情感價值觀塑造等教育核心場域的主體性堅守，在技術賦能與價值引領的平衡中構建 “機器執行有邊界，人類育人無上限”的教育生態。

“當前地理與環境教育領域的學術討論，既反映了對長期可持續發展的關注，亦聚焦于 AI 技術等新興技術在教育實踐中的應用。例如，虛擬現實（VR）與增強現實（AR）技術為地理學習帶來沉浸式體驗，智能輔助工具及數據挖掘技術在環境教育中得以應用，此類技術實踐有效激發了學生學習興趣并提升了教育效果［1］?！鄙墒饺斯ぶ悄艿呐d起為此領域創造了新的發展機遇，地理教育工作者可借助該技術構建更具吸引力的個性化學習體驗，助力學生為應對未來環境問題做好準備。同時，在實踐中需全面評估該技術實施可能引發的問題及倫理影響。

四、 結論

生成式人工智能雖可提供及時且語法正確的回復，并作為激發人類創造力的起點，然而，其生成的回復往往局限于表面，難以觸及深層見解，且原創性有待商榷。盡管生成式人工智能擅長信息處理與個性化學習體驗的設計，但人類教師憑借情感投入、多元視角的提供以及對倫理思考的引導，仍占據不可替代的地位。實際上，與生成式人工智能合作，通過提供情境化信息和交互式模擬，能夠加強地理與環境教育，但學生亟須培養批判性思維，審慎評估人工智能生成的內容，并在此基礎上發展自身的獨立思考能力。如大語言模型（LLMs）這樣的生成式人工智能工具，若使用得當，對地理和環境教育具有重要價值，但它應是對人際互動和批判性思維的補充，而非替代。例如，“若培養學生創造新想法的能力是一項重要學習目標，一開始不應使用生成式人工智能，而可在活動推進過程中，利用它幫助學生挖掘尚未浮現的想法［2］”。在人工智能輔助學習與以人為主的教學之間找到平衡，將確保學生發展關鍵技能與知識。

雖然生成式人工智能為地理和環境教育帶來令人興奮的機遇，我們仍需留意諸如確保平等獲取教育機會和解決潛在偏差等挑戰。鑒于生成式人工智能的使用日益普遍，考慮其倫理影響也至關重要。時代無法逆轉，我們亟須探索生成式人工智能在地理教育中的創新應用路徑，確保其既具意義又富成效。正如約翰·杜威所說：“如果我們以昨天的教學方式來教今天的學生，那我們就是在剝奪他們的明天?！?/p>

參考文獻：

［1］ Chang H C ，Kidman G ，Lidstone J ， et al.IRGEE in retrospect – the 30th anniversary serving the international geography and environmental education communities［J］.International Research in Geographical and Environmental Education，2022，31（4）：261-264.

［2］ National Institute of Education. Generative artificial intelligence for teaching and learning： A statement by the National Institute of Education ［EB/OL］. （2024-4-24）［2024-12-17］. https：//www.ntu.edu.sg/docs/nielibraries/in-learning/generative-artificial-intelligence-for-teaching-and-learning.pdf？sfvrsn=780bd10b_3.

［3］ International Geographical Union， Commission on Geographical Education. The International Charter on Geographical Education ［EB/OL］. （2016-8-24） ［2024-12-17］. https：//www.igu-cge.org/charters/.

［4］ Bourke T， Mills R， Lane R， eds. Assessment in Geographical Education： An International Perspective ［M］. Cham： Springer， 2022.

［5］ Sfard A. On two metaphors for learning and the danger of choosing just one［J］. Educational Researcher， 1998， 27（2）： 4-13.

［6］ Delors J. Learning： The Treasure Within ［M］. Paris： UNESCO， 1998.

［7］ Anderson J. Harvard EdCast： Educating in a World of Artificial Intelligence［EB/OL］. （2023-02-14） ［2023-02-14］.https：//www.gse.harvard.edu/news/23/02/harvard-edcast-educating-world-artificial-intelligence.

［8］ Siemens G， Marmolejo-Ramos F， Gabriel F， et al. Human and artificial cognition［J］. Computers and Education： Artificial Intelligence， 2022（3）： 100-107.