生成式人工智能賦能高校思政課：圖景、風險及進路

中圖分類號：G434 文獻標識碼：A

*本文系國家社會科學基金項目“大數據時代高校學生精準思想政治教育研究”（項目編號：20BKS097）、湖南省社會科學基金項目“生成式人工智能賦能高校思政課有效教學研究”（項目編號：24YBQ012）研究成果。

① 為本文通訊作者。

黨的十八大以來，黨中央始終堅持把學校思政課建設放在教育工作的重要位置，思政課發展環境和整體生態發生全局性、根本性轉變。習近平總書記強調，新時代新征程上，思政課建設面臨新形勢新任務，必須有新氣象新作為。作為新一輪科技革命和產業變革的重要引擎，人工智能深刻改變了人們的生產、生活、學習方式，推動人類社會進人人機協同、跨界融合、共創分享的智能時代[1]，同時也日益成為影響思政課創新發展的重要變量。

2022年11月，美國人工智能研究實驗室OpenAI發布大型語言模型ChatGPT，其具備自然語言理解與生成能力，可實現對話問答、代碼編寫、文本創作、語言翻譯等功能，使人工智能從判斷識別文本向理解生成文字發展。2024年2月，OpenAI又推出文生視頻大模型Sora，其可在抽象文本指令下生成畫面逼真、邏輯連貫、情節具體、視角多元的長時間“真實”視頻，被稱為“世界模擬器”[2]，使人工智能從靜態圖像生成向動態視頻創作推進。同年9月，OpenAI發布推理模型o1，實現復雜推理能力的突破，使人工智能從“模仿智能”向“推理智能”演進。2025年伊始，中國初創公司深度求索發布開源大語言模型DeepSeek-R1，因其高性能、低成本、全開源等優勢在全球范圍內引發巨大轟動。一系列基于大模型的人工智能應用相繼問世，接連震撼全球，標志著以生成式人工智能為代表的新一代智能技術正飛速引領我們進人一個全新的時代，不僅深刻改變了人類的物質生產形態，也悄然改變著人類的思想生產形態，導致思想政治教育外部環境和內部生態發生深刻變革，引發高校思政課內容資源、方法手段、過程環節、場景情境、評價反饋等全要素、全系統的智能化轉型。因而，積極探索生成式人工智能賦能高校思政課的圖景、風險與進路，既是推動思政課內涵式發展、實現思政課數字化轉型的必要之舉，也是掌握智能時代育人主動權、培養擔當民族復興重任時代新人的務實之策。

一、生成式人工智能賦能高校思政課的應用圖景

作為基于人類思維符號表征系統表達的提示工程自動生成內容的人工智能技術[3]，生成式人工智能以海量的數據、先進的算法、強大的算力為支撐，憑借強大的語言處理能力、深度的擬人交互能力和高超的創造生成能力在高校思政課內容資源生成、交往互動創新、場景情境創設、評價反饋優化等方面展現出巨大潛力，開拓了思政課創新發展的嶄新圖景。

（一）基于對話式知識生成的深度學習

生成式人工智能作為一種根據自然語言對話提示自動生成響應內容的人工智能技術，借助人類反饋的強化學習、文圖對比預訓和可擴散模型等機制[4]，有力支持了基于人機間高效交互對話和高質內容輸出的知識生產模式，為大學生投人一場“蘇格拉底式”對話教學提供了技術條件。

通過高密度、連續性、可拓展的人機對話，克服了傳統思政課教學響應不及時、需求不對稱、信息不完整等弊端，引導大學生在不斷追問和思考中加速思想意識的自組織；通過注意力機制，精準捕捉人機對話的內在意涵，錨定大學生的精神需要和情感困惑，將其引向知識的未知“海域”，進而層次化、邏輯化展開思政課具體內容及內在關聯，深化重構知識圖譜；同時，運用思維鏈技術將思政課所涉及的復雜理論與豐富實踐分解為許多小問題，以更加清晰的思維路線展現思想觀念的生成過程[5]，引導大學生在人機問答交互中對特定問題進行深度探究、嚴密推演和系統考證，經由多元分析、交叉參照等調動深層思考與辨別能力，實現靜態知識體系向鮮活思想認知轉變，從而推動高校思政課在對話式知識生成中趨向理論應用和實踐反思的深度學習，使大學生在理性對話中加深對馬克思主義真理力量的感悟與理解；在自覺反思中形成正確的世界觀、人生觀和價值觀。

（二）基于多元性主體互嵌的具身互動

建立在算法、規則基礎上的生成式人工智能，具有相較于傳統人工智能更高的“類人性”，以一種“準主體”身份參與到高校思政課中，打破了以往教學的主客體界限，取而代之的是在人機協同背景下，形成的一種交往雙方共生、不同生命互嵌的新型主體間性[6]

在這種新型主體間性下，高校思政課主體可以突破離身壁壘，實現人與機器的具身共融，即人與機器的交互逐漸呈現出“身體維度”的觀照與轉向，從早期人機單向的“界面接口”，發展為人機雙向的“信息交互”，并最終實現人機的具身化和智能化融合[7]，從而賦能高校思政課多元主體間的具身互動。一方面，將人類智慧融入機器，通過物聯感知、神經網絡、邊緣計算等技術采集分析思政課教學過程中的多模態數據，使高校思政課主體實時感知人、物、環境并與之交互，實現高度智能化的多向互動。另一方面，將機器智能嵌入人類，通過腦電交互、腦機互聯完成通信和上網，利用人體表情、姿勢、動作等交流傳遞信息，在身體、心靈、環境的融合互動中完成知識的表征。通過人、機、混合體的多元互嵌和具身互動，促成不同主體間有意義的溝通、認同與反饋，營造開放、生成的意義場域，從而實現高校思政課場域“多對多”的復雜交互，并在互動中加深思想碰撞和情感融通，深化價值認知，凝聚社會共識。

（三）基于擬態化場景創設的沉浸體驗

與以往媒介技術相比，生成式人工智能因其大規模語料與數據、多模態融合與轉換、跨場景生成與應用等特性而具備強大的場景創設能力，其刻畫對象的邏輯合理性、表現對象的感知穩定性、生成對象的環境連續性，使其體現出來的感性直觀性、時空具體性和規律一致性等更加符合對象之真的規定性[8]，為高校思政課提供了高度還原甚至超越現實的教學場景。

借助生成式人工智能的海量信息生產、跨模態信息處理和深度情境模擬，可以構建出全面、豐富的擬態場景；同時，依靠擴展現實技術（VR/AR/MR）、感官交互技術、數字孿生技術等可以突破時空邊界與物理限制，實現超現實的全息沉浸體驗。具體而言，一是生成虛擬逼真的學習場景，將學生的認知、情感、行為等投射到這一場域，沉浸式體驗不同場景與角色。如通過創設“重走長征路”虛擬場景，重現歷史文化情景，將一個個英雄人物、感人故事呈現出來，讓學生跨越時空感受革命歷程，調動感官體驗，引發情感共鳴，增強理論感悟。二是生成虛實融合的問題場景，構建基于現實世界并與之交互的“孿生空間”，以極具真實性與挑戰性的問題呈現，激發學生探尋真理的熱情。如通過仿真貧困地區發展狀況，描繪社情民意圖景，展現社會現實問題，推動學生深度思考、協作探究和問題解決等能力的發展。

（四）基于可視化評價分析的過程敘事

隨著數字時代全面到來，移動終端廣泛普及、傳感設備無處不在、存儲技術跨越發展，每個人的生理信息、興趣偏好、活動軌跡等數據都可以被采集記錄。得益于智慧校園建設的不斷推進以及大數據、大模型、大算力的底層支撐，生成式人工智能可以對跨場域、多平臺的教學場景進行多元數據采集、智能量化分析和可視報告生成，實現可視化過程敘事[9]

通過智能穿戴設備、無線傳感裝置等即時獲取高校思政課教學過程中的語言、表情、動作、腦電等多模態數據，在線測試、慕課觀看、社會實踐等多場景數據和課前、課中、課后等多節點數據；借助生成式人工智能強大的語言理解、情感計算、多模態數據處理能力，對采集數據進行清洗、核驗、轉換和集成，在海量數據結構化分析基礎上進行模式識別、關聯分析和預測建模，對高校思政課教學過程展開多維智能評估，快速生成評價結果。同時，利用生成式人工智能跨模態轉譯功能，將評價結果以表格、圖像、視頻等可視化方式呈現，實現師生與評價結果的動態交互。如通過圖形交互（點擊、縮放等）、自然語言交互（圖表問答、數據播報等）等生成敘述文本以輔助數據解釋與分析，幫助師生更好地理解數據背后的價值與意義，進而科學揭示高校思政課教學的整體趨勢、潛在問題和運行規律，為改進教學效果提供依據。

二、生成式人工智能賦能高校思政課的潛在風險

“每一種技術既是包袱又是恩賜，不是非此即彼的結果，而是利弊同在的產物”[10]。生成式人工智能為高校思政課打開諸多可能性的同時，技術應用的張力失度也使其衍生風險大大增加。

（一）內容資源的無序涌現影響高校思政課價值傳遞

生成式人工智能基于人機協作的知識生產打開了內容生產的自動之門，促使高校思政課內容資源巨量涌現。但高效率并不代表高質量，由于數據缺陷、模型瑕疵、碎片傳播等，生成式人工智能可能產生與思政課目標要求不符的內容，影響高校思政課價值傳遞。

一是訓練數據的參差不齊引發虛假信息泛濫和數據偏見。對生成式人工智能而言，訓練數據的多樣性和包容性是生成高質量內容的前提。然而，復雜的數據來源使海量信息無法一一核實，導致生成的思政課內容資源可能因包含錯誤事實或虛假信息而“失態”。同時，由于生成式人工智能具有較強的數據依賴性，如果訓練數據本身存在性別、種族、文化等偏見，生成內容時就會延續和放大這些偏見，進而影響思政課價值傳遞。

二是訓練模型的固有瑕疵導致意識形態風險和機器幻覺。生成式人工智能模型架構的“黑箱效應”，使知識生產的可解釋性和可檢驗性隱匿于一串串代碼后，用戶往往難以理解模型從輸入到輸出的過程。以美國為首的西方國家在大模型研發領域具備先發優勢，極有可能通過數據喂養、刻意訓練等將特定價值觀念隱藏到模型設計中，輸出政治偏見和錯誤言論。同時，生成式人工智能還暗含“取悅人”的算法機制，這種基于主體偏好的內容生成機制難以兼顧公共情懷和共同理想，可能加重思想分化和意見極化[1]。由于生成式人工智能主要根據概率分布、鏈式思維等生成內容，還可能因其不理解語義而生成內容幻象，出現“一本正經胡說八道”的情況，造成同質化、無意義的知識“泛濫”。

此外，生成式人工智能依托龐大數據庫所生成的內容，實質上是各種離散信息的集合，導致結構良好的教學內容被非結構化的教學資源代替，使思政課失去整合認知的有效內容載體。面對人機知識的無序涌現，學生“生理帶寬”無法像機器“通信帶寬”一樣不斷升級，再加上對海量信息缺乏理性甄別與深層辨析，極易造成數據負擔或信息過載，影響其對思政課知識的有效獲取與吸收。

（二）智能工具的類人響應沖擊高校思政課師生地位

辦好思政課要堅持教師主導性與學生主體性相統一。然而，生成式人工智能因聚合多種先進技術而具備超強的“類人”響應能力及多元替換能力，呈現出技術客體主體化趨勢。受到生成式人工智能“類主體”沖擊，高校思政課存在教師主導作用弱化、學生主體地位下降、人機關系異化等風險。

一是教師的主導作用弱化。生成式人工智能強大的數據處理、資源整合和內容生成能力使其得以進行高效知識生產，快速生成教學內容。同時，基于大規模語料的神經網絡，使生成式人工智能獲得一種“類人\"響應能力，能夠進行自主推理、主動交互、態勢感知，從而理解人的意圖，模擬人的情感，參與人的交往，影響人的決策，甚至可以代替教師組織具體的教學活動。因此，當教師過度信任和依賴生成式人工智能時，可能會喪失作為“現實的人”的主動性和創造性，使高校思政課知識生產與價值傳遞的主導權逐漸讓渡給“機器”，導致教師主導作用被消解。

二是學生的主體地位下降。大學生是高校思政課的主體，能否激活主體潛能是影響思政課教學效果的重要因素。生成式人工智能在不斷增強人類的同時，也加深了人類對它的依賴，其強大的自動生成能力使大學生在思政課學習中傾向于借助智能機器尋求標準答案或解決方案，而放棄對知識的自主探索和反思，導致能動性下降、創造力消減，失去學習過程本該有的精神體悟與價值共情，進而深陷工具陷阱，淪為技術附庸，造成主體性遮蔽。

此外，智能機器的“類人”響應還可能引發人機關系異化。隨著生成式人工智能變得越來越“智能”，為了更好地駕馭智能機器，師生需要理解其底層邏輯。由此可能出現一個頗具反諷性的現象，當機器在模仿和學習人類的思考表達時，人類卻在模仿和學習機器的運行邏輯。這種雙向適應的結果是，機器變得更像人，而人卻變得更像機器[12] 。

（三）擬態環境的過度渲染弱化高校思政課實踐屬性

作為一門兼具理論性與實踐性的課程，高校思政課本身就是一種目標指向性極強的社會實踐活動[13]，與現實社會構成“能量交換”關系。生成式人工智能為高校思政課提供了一種源于現實但又不等同于現實的“擬態環境”，師生長期處在過度渲染的擬態場景中，缺乏現實性生活體驗與社會化身份互動，會弱化高校思政課的實踐屬性

一是擬態景觀的過度渲染遮蔽社會存在本身。生成式人工智能通過模擬對象的存在形態、運動方式和時空特點，并加以圖層渲染、氛圍營造和情境烘托等，將高校思政課內容轉化為引人人勝的擬態景觀。這種基于數據模型而非客觀存在所建構的擬態景觀，給師生帶來深度場景體驗的同時也擠壓了其對現實的認知，且由于景觀并不是事物本身，只是事物“映像”或“影像”，其在規律呈現上仍不完善，感知體驗上尚不充分，意義連接上難以貫通，實質上是一種由表象支撐的幻象，這都導致了思政課堂真實性的喪失。

二是擬態場景的過度沉浸影響現實經驗獲取。在全面、豐富的擬態場景中，師生需要不斷進行場景建構、銜接與轉換，這就容易導致其注意力不聚焦于思政課的具體內容，而轉向媒介場域的淺表凝視。師生長期沉浸在擬態環境所創造的飽和體驗與合理幻象中，脫離具有自然性和人文性的生活世界，無法通過現實生活體驗與社會身份互動獲取各種原始數據與直接經驗，難以生成基于現實情境的知識。然而，高校思政課必須在主體與客體的交融中展開，在理論與現實的互動中檢視，實踐構成其發展的原動力。缺乏與現實社會的交互貫通，不僅會影響師生對現實世界的體驗感知與經驗獲取，還可能導致“數據稀釋\"或“模型自噬”，引發生成式人工智能模型的功能性衰退。

（四）過程評價的符號表征阻礙高校思政課情感連接

生成式人工智能的賦能使高校思政課評價實現了從經驗判斷到數據驅動的轉變，同時也呈現出符號化發展趨勢，即在評價過程中，師生被深深置于數字符號系統中，虛擬化和離身化持續增強，身體痕跡和情感體驗被越來越多地化約與過濾[14]，教學主客體被抽象為“去身體化”的數字畫像，教學過程被拆解為“去情感化”的數字流程，脫離精神成長和交往的人文性，阻礙思政課情感連接。

一是教學主客體被抽象為“去身體化”的數字畫像，影響自我情感連接。生成式人工智能賦能高校思政課評價的過程中，師生的思想、情感、行為等被映射成一系列離散數據。經過篩選和整合，鮮活的人物“血肉”被抽離，只剩下抽象的數據“骨架”，師生被勾勒成一幅幅“去身體化”的數字畫像，并被分門別類打上各種標簽。依據多維數據所繪制的數字畫像，看似是對師生思想、行為的精準剖析，實則遠遠不能體現其復雜性與多樣性，這就使高校思政課評價僅僅停留于數據的符號表征，而無法呈現數據之外主體的發展。這種片面的符號凝視還可能進一步發展為對師生的外在控制，使其自我認知不是源于自身體驗，而是基于數據評估。比如，為追求完美數字畫像，師生可能通過特定“數字表演”向智能機器傳遞錯誤信息，以刻意塑造其符號形象，長此以往可能會導致自我人格割裂，影響自我情感連接。

二是教學過程被拆解為“去情感化”的數字流程，阻礙師生情感交互。生成式人工智能依托算法模型對思政課各個要素、環節進行量化分析和可視呈現，生動的教學過程被拆解為“去情感化”的數字流程，并加以賦值計算，高校思政課評價演變為“數據采集一智能分析一結果生成一反饋優化”的固定程序。然而，淺層的數據評估和流程再現只能呈現思政課的數據“量變”，而無法凸顯其價值“質變”，更難以觸及師生之間深層次的情感交流，導致師生將大量精力投入到教學流程優化上，而忽略了以情感交互為核心的深度交流，這在一定程度上吞噬了師生的交往空間、阻礙了師生的情感互動。

三、生成式人工智能賦能高校思政課的優化進路

作為前沿數字技術的集成式躍遷，生成式人工智能為高校思政課創造巨大賦能契機的同時也帶來諸多風險挑戰，這要求我們必須辯證看待生成式人工智能賦能思政課的教育實踐，在其應用過程中有著更深刻長遠的智慧把握和風險應對。

（一）研發思政垂直大模型，促進優質資源的智能涌現

以通用大模型為基座的生成式人工智能，推動了高校思政課內容資源的規模化涌現。然而，更多的算據和算力并不能帶來真正的智能，高校思政課作為一種特殊的精神性教育實踐，有其獨特內容與話語體系，基于通用大模型生成的方金油式的內容，難以體現思政課的專業性，更難以成為思想解惑和價值傳遞的有效資源。因此，要以通用大模型為基礎，積極研發適用思政教學場景，連接各類數字應用，實現訓練數據雙量增長、模型算法適應更新、人機價值有效對齊的思政領域垂直大模型，以內容資源的“智能涌現”推動高校思政課的“價值涌現”。

其一，促進思政大模型的數據雙量增長。數據是生成式人工智能的“燃料”，面向思政領域的特定需求，垂直大模型需要實現訓練數據體量和質量的雙增長。因而，要使用更大規模、更加完備的數據集進行訓練，推動訓練數據巨量化增長。同時，要打破資源領域界限，聚合公私域數據訓練集，提高訓練數據整體質量。一方面，將中國共產黨思想理論資源數據庫、國家智慧教育公共服務平臺等包含海量權威政治理論和優質資訊信息的公域資源鏈接至思政垂直大模型；另一方面，將人機對話中涌現的海量思想觀點和智慧見解等私域資源納入到訓練數據庫中[15]，形成互融共通的數據場域，推動高校思政課內容資源的高質量涌現

其二，推進思政大模型的算法適應更新。模型作為生成式人工智能的“智能中樞”，在高質量內容生成中起著關鍵作用。因而，要加強核心技術攻關，開發設計更適用于思政課的算法模型。同時，保持模型的持續學習和再訓練，促進模型的適應更新與迭代優化，以應對日趨復雜的教學場景和社會環境。一方面，調整算法機制，增強模型價值敏感性設計。將主流價值深嵌于智能系統，并提高其在算法優先級中的賦值比重。另一方面，改進算法方法，加強模型人文復雜性反饋。提升大模型對定性數據的解釋度及對個性需求的適配度，從而生成高度個性化的動態演進的高校思政課內容資源。

其三，增進思政大模型的人機價值對齊。高校思政課鮮明的意識形態屬性對大模型的價值秩序提出了更高要求。因而，必須建立起與思政教育相匹配的機器意識，使大模型的價值邏輯構成和思政課教學目標保持一致。一方面，通過數據識別、溯源、監測等手段有效管控風險，敏銳捕捉群體歧視、刻板印象等不良數據，自動剔除憎恨言論、深偽圖像等錯誤信息，確保數據可靠性與安全性。另一方面，通過技術核查與去偏機制加強對危害性價值觀念的檢測與糾偏，并加以多輪優化，確保主流價值在人機對話中的有效輸入與輸出，使思政垂直大模型始終以主流意識形態的“大價值”為歸依，真正實現人機價值對齊。

（二）提升師生智能素養，推動人機協同的智慧創生

生成式人工智能超強的“類人”響應能力，使其以一種“準主體”的身份參與到高校思政課中，推動了主體間的具身互動，但也影響了師生地位作用的發揮。“技術是時代的座駕，然而能夠駕馭技術從而影響時代進程的，永遠是具有主體意識的人”[16]。因此，必須全面提升師生智能素養，以確保其擁有與智能機器相匹配的駕馭能力，并通過合理劃分人機任務實現協同進化、形成融合智能，推動高校思政課實現人機協同的智慧創生。

其一，全面提升師生的智能素養。面對人機關系顛覆性變革，師生需要培養與之適應的智能素養。一是形成辨證性智能意識，理解智能技術在思政課運用中能與不能的相對轉變、確定和不確定的辯證統一、工具性與社會性的高度融合；二是掌握體系化智能知識，了解智能技術發展歷程、基本原理、應用領域及社會影響等，探索其與思政學科的深層互動；三是具備建構式智能能力，具有利用機器“增強\"效應和對抗機器“異化”風險的雙向能力，通過人類智慧與機器智能的融通共生、協同共進解決思政課存在的問題；四是堅守人本型智能倫理，堅持以人為本原則，樹立人機和諧理念，了解智能技術運用的潛在風險，在人機交流中尊重“機器他者”，并準確認知自我。

其二，合理劃分人機的任務領域。在認知特征與能力邊界上，人機各具特點：人類善于復雜情境理解、倫理價值判斷、結構不良問題解決等；智能機器則在信息檢索、數據分析、模式識別、內容生成等方面表現出色。基于人機不同優勢，可以在高校思政課中合理劃分人機任務領域，將需要海量數據、復雜計算或重復操作的任務交給機器處理，如利用生成式人工智能開展課堂考勤、表現監測、試題生成、試卷評閱等；同時，將高度依賴個體經驗、情感和判斷的任務留給人類執行，如教師主要負責教學計劃的整體設計、教學組織的全局掌控、教學時機的精準把握等。這種分工不僅體現了具體任務的科學分配，更深層次反映了教學權力的內在結構，凸顯出高校思政課的意識形態屬性。同時，還應根據高校思政課目標要求變化，動態調整人機角色與責任，不斷優化人機分工與協作。

其三，推動人機協同的智慧創生。基于人機特點的任務分工不是要強化人機競爭，而是要推動人機協作，實現協同創生，共同賦能高校思政課。通過將內蘊于人腦的智慧與嵌入于機器的智能相結合，改變以往思政課人機各自為政的局面，塑造一種新的由人、機相互作用的協同體系。通過人機間對話溝通和協作學習，在不斷互動與反饋中，構建雙向、動態、和諧的人機關系，實現人機共同進化，形成“ 1+1gt;2^′ 的增強型智能，即融合智能[17]，推動高校思政課基于人機協同的智慧創生。如通過教學智能體、雙師課堂、智能學伴、協作教研等促進高校思政課更高效、連續、穩定的知識生產和創意涌流。

（三）發揮場景情境效應，助力虛實融合的自動生成

生成式人工智能強大的場景創設能力，為高校思政課提供了一種超現實的“擬態環境”，賦能師生沉浸體驗的同時也弱化了思政課的實踐屬性。然而，“空間并不是靜止的、空洞的、沉寂的容器，而是一個物理與社會、現實與虛擬、物質與精神等相互交融的動態場域”[18]。生成式人工智能通過一體化的生成能力，全方位聯通、融通與貫通各類教學場景，形塑虛實共生、無縫銜接的立體化教學情境，有助于推動場景向場能的轉換，發揮教學場景的情境效應。

其一，推動場景的互聯共通，促進虛實融合的自動生成。場景作為一種人為構設以滿足受眾體驗的意義空間，可以實現不同情景下個性、精準的信息與服務適配，但也易帶來整體性割裂、景觀性懸浮等問題。

生成式人工智能創設的高校思政課教學場景多以擬態場景為主，與現實場景的連接性與適應性不夠，且場景之間呈現相互獨立狀態。為此，可通過生成式人工智能多模態關聯、轉譯、融合和生成能力，推動擬態場景間的聯通、擬態場景與現實場景的融通、課堂教學場景與實踐教學場景的貫通，基于大數據整合、大算力運轉和大模型分析實現各類場景的融合性發展與創造性生成。如教師可以根據課程目標要求和學生需求偏好，經由個人提示詞啟動，通過多智能體調用多功能模塊，一鍵生成虛實融合場景，創造無縫銜接的感官體驗，以知識整合的“發現場”、經驗交互的“關系場”、生活體驗的“模擬場”、問題解決的“思維場”等推動高校思政課場景更加豐富生動、智能泛在，助力大學生對思政課道理的深度理解、有效遷移和創造運用[19]

其二，發揮場景的情境效應，實現場景向場能的轉化。教學情境是知識得以存在、應用的環境或背景，相比教學場景有著更宏闊的文化語境，具有強化、導向、感染等功能，能夠引發學生積極的情感反應。通過生成式人工智能一體化的生成能力，重構碎片化教學場景，打造全方位、無縫式的場景互聯體系，可以更好地將空間意義展現出來，為高校思政課知識傳授與價值傳遞提供整體情境支撐，形成寓情于景、情景交融的良好氛圍。如講授“建黨精神”時，可以通過生成式人工智能整合紅船建黨的虛擬現實場景、南湖革命紀念館的數字孿生場景與大學生實地探訪老黨員的實踐場景，創設多元融合、多維協同和多方聯動的整體教學情境，形成全方位育人的“聚合效應”，讓學生在多場域體驗、多感官參與、多層次探究中更好地實現個體與外界的能量交互，創造屬于自我的意義空間，實現場景向場能的轉化，煥活高校思政課以文化人、以理服人和以德育人的內在魅力。

（四）開展智能循證實踐，實現多元評價的互促共進生成式人工智能高超的數據處理、精準的邏輯判斷、創新的輸出生成推動了高校思政課評價的可視化過程敘事，但也存在符號化發展傾向。為此，可以借鑒循證理念和方法，開展基于鏈條循證的師生畫像智能繪制和基于可視循證的教學過程智能問診，構建校內校外聯動、線上線下協同、過程結果互促的多元評價模式，實現思政課評價從“數據作業”到“思想作業”的轉變。

循證理念起源于醫學領域，是一種面向證據的醫療決策理念，后被引入到教學領域，逐步衍生出基于證據的評價思想一循證評價，其旨在通過證據的多源點采集、多要素關聯、多視角融合以實現全方位、多角度、立體化的科學評價。基于生成式人工智能的強大數據庫和強勁計算力，可以對多維數據進行動態采集與轉化，對評價證據進行自動關聯與組織，對教學過程進行智能監測與分析，從而形成多維證據支撐、智能分析預測、敏捷遞歸迭代的智能循證評價形態，實現橫向要素全覆蓋、縱向過程全跟蹤，全面把握師生發展情況與思政課現實狀況。

其一，基于鏈條循證的師生畫像智能繪制。通過對生物傳感數據、動態交互信息、在線學習記錄等進行采集，全面獲取師生基本信息、習慣偏好、認知風格、思想水平、活動軌跡等量化數據與質性材料，利用大模型將記錄客觀事實的原始數據材料轉換為多層復雜的評價分析證據，并加以智能比較、篩選與分類，建立師生畫像“證據池”；同時，借助機器學習、聚類分析、鏈式推理等對證據進行范疇擴展、內容進化和關系建構，深入挖掘其隱含規律與趨勢，促使多元證據由碎片化集聚轉為關聯化重構，通過證據自身、證據鏈內、證據鏈間的交叉印證與迭代循環，組成面向事實、不斷演進的有效證據鏈條[20]，以支撐證據驅動的師生智能畫像描摹，從而科學研判師生思想行為特點、個性發展需要及未來演變趨向，實現人與人、人與內容、人與服務的精準匹配。

其二，基于可視循證的教學過程智能問診。運用無痕埋點、智能監測、邊緣計算等技術對整個教學周期產生的過程性、場景化數據進行無感知伴隨式采集和超時空跨平臺匯聚，通過從大量數據材料中提取有效信息，獲取全樣本、全過程、全場景教學證據。基于智能算法對教學證據進行深度挖掘、智能分析與透視提煉，以教學行為時序圖、注意力曲線圖、參與雷達圖、氣氛熱度圖等形式實時直觀地展現思政課教學全貌；基于全時、全量、全域教學證據的建模分析和復雜模擬，精準定位薄弱環節，智能分析問題成因，找到思政課的痛點、堵點和盲點。通過動態生成性評價，實現對高校思政課教學過程的量化追蹤與質性反思，形成基于多維證據的綜合評價結果，并以持續、動態的方式加以反饋，引導師生及時調整教學狀態，閉環改進、循環優化思政課教學過程。

總而言之，生成式人工智能賦能高校思政課是一場具有深遠意義的教育變革，為新時代高校思政課的創新發展開辟了新的路徑，但技術賦能并非萬能良藥，其在實際應用中也伴隨著諸多風險與挑戰，唯有在理論與實踐的深度融合中，科學把握技術賦能的向度與限度，才能真正實現智能技術與思政教育的良性互動，為培養擔當民族復興大任的時代新人注入強勁動力。

參考文獻：

[1]習近平向國際人工智能與教育大會致賀信[N].人民日報，2019-05-17（01）.

[2]

[8]涂良川.Sora“抽象—具象\"生成邏輯的真理觀敘事[J].思想理論教育，2024，（5）：19-26.

[3] UNESCO.Guidance for generative AI in education and research[EB/OL].https：//www.unesco.org/en/articles/guidance-generative-ai-education-and-research，2023-09-07.

[4］溫旭.新質態與新境遇：生成式人工智能賦能思想政治理論課內涵式發展論析[J].思想教育研究，2025，（2）：94-101.

[5]

[11]

[15]馮琳，倪國良.基于生成式人工智能的思想政治教育數字化轉型[J].思想教育研究，2024，（2）：46-53.

[6]杜駿飛.論AI交往的三個基本理論問題[J].新聞大學，2024，（3）：33-46+118.

[7]郭子淳.具身交互敘事：智能時代敘事形態的一種體驗性闡釋[J].新聞與傳播評論，2022，75（2）：23-34.

[9]陳隆升.數智化時代分布式動態學情測評范式轉型與路徑建構[J].開放教育研究，2025，（1）：110-118.

[10][美]尼爾·波斯曼.何道寬譯.技術壟斷：文化向技術投降[M].北京：中信出版社，2019.3.

[12]劉海龍.生成式人工智能與知識生產[J].編輯之友，2024，（3）：5-13.

[13］王天澤，馬濤.思想政治理論課建設堅持理論性與實踐性相統一論析[J].思想教育研究，2020，（7）：94-98.

[14]鄧建國.“延展的心靈”和“心靈的延展”：人機傳播研究的具身AI轉向[J].新聞大學，2024，（3）：77-90+119-120.

[16][德]馬丁·海德格爾.孫周興譯.海德格爾選集（下卷）[M].上海：上海三聯書店，1996.937.

［17］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.

[18]盧嵐.思想政治教育空間轉向的緣起、動力機制與價值勘定[J].中國礦業大學學報（社會科學版），2021，（4）：107.

［19]潘莉，任鳳梅.數字智能技術賦能高校思政課深度學習研究[J].思想理論教育導刊，2023，（9）：143-151.

[20]牟智佳，馮西雅，蘇福根.從感知到證據：循證教學評價的結構體系與實踐進路[J].電化教育研究，2024，（1）：68-75.

作者簡介：

于祥成：研究員，博士生導師，研究方向為高校思想政治教育。楊莉：在讀博士，研究方向為高校思想政治教育數字化。

Generative Artificial Intelligence Empowering Ideological and Political Courses in Colleges and Universities： Scenarios， Risks and Pathways

Yu Xiangcheng12， Yang Lil

1.Schoolof Marxism，Hunan University，Changsha 41oo82，Hunan

2.School of Marxism，Hefei University of Technology，Hefei 23ooo9，Anhui

Abstract：Geeatiataliteleeprdodeesptartosf langageproablalectbldetieablps embodiednteactiomesipdpssaioofloicaditialsesd conversationalkowdgegeneratio，ulti-ubjectutuabedg，meticseeatioadvisalevauatioalysisichpgte applicationseriofototieevelotoflogicaldlialouseoeeteietiieo generatierletldsoaldl whichismnfstedsdlgeoftetiarmin-leooelt threateningthatuofsddtstceaatatioftsedoiotakegactiltrbtde symbolicrepresetationofprocsevaluatiodrigotioalcoetiofore，wecaactivelyxploeectiepacfor generativrietpodloideeoi largeodelaoticts scenes，and conducting intelligent evidence-based evaluation.

Keywords：ideologicalandpolitical coursesincollegesanduniversities;generativeartificialintellgence;empowerment

收稿日期：2025年3月31日責任編輯：邢西深