生成式人工智能賦能信息素養個性化教育模式研究

中圖分類號：G434文獻標識碼：A 論文編號：1674—2117（2025）15-0100—05

引言

如今，數字技術正以前所未有的速度改變著社會的生產方式和知識的傳播途徑，人們獲取、處理和應用信息的能力，即信息素養，已逐步成為衡量數字公民在數字社會中生存與發展能力的重要標準。信息素養教育不僅關乎個體對信息的獲取、分析與應用能力，更直接影響其終身學習能力與創新思維培養，是支撐數字社會可持續發展的重要基石。當前，在標準化教學模式下，教學內容同質化、教學資源分配不均、學習反饋滯后等問題日益凸顯，教師難以精準匹配學生差異化需求，優質教育資源受時空與人力約束無法普惠共享，導致“學非所需、教難所及”的困境普遍存在。

生成式人工智能（GAI）的技術突破為破解上述難題提供了全新路徑。因此，探索生成式人工智能賦能信息素養教育的創新模式，既是響應國家教育數字化戰略的必然要求，也是推動教育范式從“規模供給”向“精準服務”轉型的關鍵突破。通過技術賦能，教育者可構建覆蓋資源生成、個性指導、過程評估的全鏈條解決方案，為破解傳統教育模式的深層次矛盾提供理論與實踐支撐，助力實現“人人皆學、處處能學、時時可學”的智慧教育愿景。

理論基礎

信息素養涵蓋信息獲取、處理、應用及倫理決策的復合能力，其評價維度需綜合考察技術工具使用熟練度、批判性思維水平與社會責任意識2；個性化教育則以適應性學習與差異化教學為核心原則，旨在實現“因材施教”的教育理想。研究現狀表明，生成式人工智能在教育領域的應用已形成三大支柱—基于自然語言處理的智能問答系統、多模態學習內容生成技術以及學習行為數據分析工具，但現有信息素養教育仍受困于標準化教學導致的“能力培養同質化”、資源分配不均引發的“學習需求錯配”及反饋機制滯后造成的“知識轉化低效”等瓶頸。5在理論基礎層面，研究以建構主義學習理論為根基，強調學習者在人工智能支持下的知識主動建構過程；依托教育技術學的“學習者中心”框架，聚焦技術賦能的人機協同教育生態[;同時，引人人工智能倫理理論，針對生成式人工智能應用中的數據隱私保護算法偏見消解等議題構建風險防控體系，確保技術應用的公平性與可持續性。[8]

生成式人工智能賦能信息素養教育的技術路徑

生成式人工智能通過其獨特的技術特征與教育場景的深度融合，為信息素養教育提供了全新的技術路徑。9-10這一路徑以自然語言處理（NLP）、知識圖譜、多模態內容生成等核心技術為支撐，結合動態評估與反饋機制，構建起從資源生成到個性化適配的完整技術鏈條。

1.技術特征與教育適配性

（1）自然語言處理與知識圖譜的融合：人機交互的語義化升級

生成式人工智能的核心技術優勢在于自然語言處理（NLP）與知識圖譜的協同應用。通過NLP技術，系統能夠精準解析學生的自然語言提問，并結合知識圖譜中結構化的學科知識體系生成符合邏輯的語義化響應。在信息素養教學中，系統可基于知識圖譜中的學科知識節點動態生成與知識點關聯的檢索案例。此外，知識圖譜的持續擴展能力為生成內容的專業性與時效性提供了保障，確保教學資源始終與學科前沿同步。

（2）多模態內容生成能力：教學資源的場景化重構

生成式人工智能的多模態生成能力突破了傳統教學資源的單一形態限制。在文本生成層面，系統可根據學生能力標簽自動生成分步驟的檢索式優化指南；在圖像生成層面，通過擴散模型將抽象概念轉化為可視化圖表，降低認知負荷；在視頻生成層面，基于學生興趣標簽合成微課程視頻。這種多模態生成能力不僅豐富了教學資源的表現形式，還支持跨場景的知識遷移。

（3）實時反饋與動態評估 機制：教學閉環的智能化迭代

生成式人工智能通過實時反饋與動態評估構建了“學習一分析—優化”的閉環機制。基于機器學習模型，系統可對學生學習行為進行毫秒級分析，即時觸發預警或干預策略。例如，當學生連續三次構建低效檢索式時，系統自動推送“布爾邏輯優化”微課程，并生成針對性練習題；同時，通過自然語言處理技術，智能評分系統可量化評估學生項目報告的創新性與規范性，生成多維度的能力雷達圖。動態評估機制還體現在教學策略的持續優化中：離線分析模塊定期挖掘班級學情規律，驅動教師調整教學重點，形成“個體一群體”聯動的教學優化模式。

2.個性化教育場景設計

（1）學習者畫像構建：從數據采集到認知建模

學習者畫像是支撐個性化教育的關鍵基礎。系統通過整合多維度數據構建精細化用戶畫像，覆蓋知識儲備、學習偏好、興趣特征等多重指標。以信息檢索課程為例，學生的檢索行為記錄可轉化為“檢索策略熟練度”評估標簽，其與智能助教的交互對話則用于識別“信息甄別能力”提升需求。畫像的構建不僅基于結構化數據分析，還借助情感識別技術實時監測學習情緒，從而提供更具人文關懷的學習支持。

（2）自適應學習資源生成：從標準化到場景驅動的資源供給

生成式人工智能通過動態資源生成打破傳統“一刀切”的資源供給模式。系統基于學習者畫像，結合知識圖譜中的學科邏輯，自動生成學科案例庫、分層實訓項目和智能微課程三類核心資源，且資源生成過程強調場景適配性。例如，當系統檢測到學生參與“學術寫作”項目時，自動關聯生成“文獻管理工具使用指南”“引文沖突檢測模板”等配套資源，形成從檢索到寫作的完整支持鏈條。

（3）智能導師系統：從答疑到成長路徑規劃的全程陪伴

智能導師系統通過“24小時/7日”全天候無間歇的問答支持與個性化學習路徑規劃，實現“教一學一練-評”一體化服務。在問答交互中，系統不僅提供答案，更通過蘇格拉底式提問引導學生自主探索；在學習路徑規劃中，系統基于協同過濾算法推薦個性化學習序列。此外，系統通過虛實協同機制實現人機分工，由人工智能處理 80% 的常規問題，教師則專注于高階輔導，形成互補增效的教學生態。

生成式人工智能賦能信息素養教育的技術路徑，本質上是通過“資源生成一數據分析—動態適配”的閉環邏輯重構教育流程。這一技術路徑不僅解決了信息素養教育中資源同質化、反饋滯后、能力轉化低效等痛點，更為教育數字化轉型提供了可復制、可擴展的技術范式，推動教育戰略從“規模供給”向“質量躍升”轉型。

生成式人工智能賦能信息素養個性化教育模式構建

為解決信息素養教育面臨的痛點問題，本研究立足以信息需求為牽引，以建構主義等教育理論為指導，從教學理念和方法、教學模式和手段、館院協同育人的資源共建共享組織方式等方面進行全局設計，構建基于學科融合和人工智能賦能的“以練導學、以學定教、需求導向、實踐驅動”信息素養個性化創新教育模式。

1.模式框架設計

通過設計“問題引導認知解析一檢索支撐實踐操作—需求激發價值轉化”的遞進式培養框架（如圖1），重新架構信息素養教育的能力發展路徑，即以問題探究引導分析思維、以檢索訓練強化實踐能力、以需求導向深化應用水平，形成從認知建構到價值創造的螺旋上升通道，系統性實現學生信息素養教育的進階式發展。在信息素養培養的框架中，由“知識點一知識模塊—知識樹/知識圖譜”構成層級化關聯式知識體系，體現從抽象概念到具體技能的遞進關系。“從知識到能力”的轉化路徑則分為問題驅動分析、檢索驅動實踐和需求驅動應用三階段： ① 通過“問題分解一信息源分析一檢索式設計”這一流程，引導學生將復雜需求拆解為可操作的檢索任務，完成通過問題發展分析的過程； ② 從檢索到實踐階段主要強調“測試—排錯一優化”的迭代過程；③ 將檢索結果與實際問題結合，完成“知識挖掘一融合運用”的需求驅動應用階段。該框架通過結構化知識體系與動態實踐路徑的結合，推動學生從被動接受知識轉向主動建構能力，契合生成式人工智能賦能下的“以練導學、以學定教”個性化教育理念。

通過構建“訓練導向型學習—學情驅動型教學”的雙向互動機制（如下頁圖2），打造“能力導向、需求牽引、實踐賦能”的信息素養培養范式。在訓練維度層面，依托開放式任務體系（自主選題項目、闖關式實踐模塊等），建立基于個體能力圖譜與興趣熱區的自適應學習路徑，以動態訓練序列驅動認知建構，形成“實踐反哺能力成長”的良性循環。在教學維度層面，采用“基礎能力筑基—專項技能強化—競賽能力拔高—項目實戰轉化”的階梯式課程矩陣，結合“慕課通識覆蓋+小班特色強化+實體分級深研”的混合式教學架構，通過學情診斷實現課堂組別智能分型、學習資源精準匹配、教學進度動態調節，達成學習者畫像與教育供給的深度適配。該模式通過訓學聯動、分層遞進、精準供給的協同作用，構建貫穿“基礎認知—專業應用—創新實踐”全鏈條的信息素養培育生態。

2.核心創新點

在教育教學范式重構層面，系統構建了“精準育人一能力本位”的培養體系。突破傳統的“知識灌輸型”教學模式，轉向“知識內化與能力建構并進”的精準培養范式：通過重構“分層內容供給一動態教學適配一個性訓練強化”的全流程培養鏈，將差異化教學策略（如梯度任務設計、多元督導機制、智能反饋系統）深度融人教學環節，形成“理論認知一實踐轉化—創新應用”的螺旋上升通道。這種以學習者畫像為基礎的精準育人機制，既實現了從標準化培養到個性化發展的范式轉型，又為信息素養培育提供了可遷移的實踐方法論。

圖1信息素養能力培養路線

在技術賦能層面，建立“智能教育生態一數據驅動決策”的雙向賦能架構。深度融合人工智能引擎與教育大數據資源，構建覆蓋“學習行為感知一能力發展評估—教學策略優化”的全周期智能教育矩陣：依托多模態數據采集系統實時捕獲學習軌跡，通過機器學習算法生成包含知識掌握度、學習投入度、能力發展指數的三維學習者畫像，精準識別拖延傾向與突擊式學習模式；集成自然語言處理技術的人工智能助教實現24小時智能答疑，程序語義理解模塊支撐代碼檢索題自動評分，形成“即時反饋一動態預警一精準干預”的智能督導閉環。以中國石油大學 （華東）智能教育平臺為例，其構建的“虛實雙師協同”機制（如圖3），通過教學視頻智能解析生成課堂互動熱力圖與教學有效性評估報告，實現“大規模覆蓋”與“個性化指導”的有機統一，有效破解傳統教育中師生比失衡、個性輔導缺位的結構性難題。該體系通過“數據穿透教學全流程、智能重構教育新形態”的實踐路徑，從根本上推動教學模式從經驗驅動向數據智能驅動變革。

在核心技術應用層面，“內外雙循環”模型通過內外循環的協同作用實現教育范式的根本性變革。內循環提供學習行為數據驅動知識圖譜動態擴展，生成式人工智能據此生產適配資源，資源使用反饋又反哺數據層優化，形成自我增強的教學內容供給體系；外循環則利用人工智能支持虛實融合訓練，進一步促進學生能力提升，能力表現數據通過RLHF機制優化教學策略，策略迭代再作用于新一輪能力培養，構建螺旋上升的能力發展通道。該模型解決了傳統信息素養教育中資源僵化、反饋滯后、人效比低下等核心問題，通過技術賦能與教育邏輯的深度耦合，為因材施教提供了可工程化落地的系統方案，推動教育范式從“經驗驅動”的傳統范式邁向“數據智能驅動”的新范式。

圖2“以練導學、以學定教、需求導向、實踐驅動”的信息素養個性化教育模式

圖3人工智能賦能的信息素養“雙師協同-A輔學一數據循證”的個性化智能教學范式

基于生成式人工智能的個性化教學模式試點效果

筆者所在學校在信息素養教育教學改革實踐中，通過創新模式的應用獲得顯著成效。針對“雙一流”建設背景下的教學試點，選取實驗班與傳統班各150人進行對照研究顯示：實驗組學生在綜合檢索能力測試中的平均成績較對照組提升 38% 0 （plt;0.05 ），且高級檢索運算符應用頻率呈現2.7倍的量化增長，反映出信息處理能力的實質性突破。學習行為數據顯示，實驗班學生日均學習平臺交互時長由基線15分鐘躍升至45分鐘，超過 85% 的參與者反饋“任務闖關式學習設計顯著增強學習獲得感”，印證了教學模式對學習內驅力的激活作用。在教學管理維度方面，智能系統的介入使教師作業批閱負荷降低70% ，人工智能教學助手日均處理逾200次交互請求并保持 92% 的響應準確率，凸顯技術賦能下的教育效率革新。該實踐通過能力梯度培養、資源智能適配與教學過程迭代優化的三重協同機制，不僅驗證了生成式人工智能與教育場景深度融合的可行性，更構建了具有推廣價值的“因材施教一精準支持一持續進化”教育數字化解決方案。

結語

生成式人工智能技術的興起為信息素養教育帶來了前所未有的機遇。針對傳統教學中能力培養路徑模糊、學生差異適配不足、教學反饋滯后等痛點，本研究構建了“問題驅動-檢索實踐—需求應用”的能力培養框架，并通過人工智能賦能的智能化教學平臺，實現了分層內容供給、動態學情診斷與精準教學干預的閉環機制。在技術架構上，依托多模態數據采集、自然語言處理與機器學習算法，形成“雙師協同—AI輔學—數據循證\"

的智能教育生態，顯著提升了學生的信息素養與實踐能力，激發了學生的學習內驅力，同時大幅減輕了教師的教學負擔，推動了教學模式的智能化轉型。

然而，生成式人工智能在教育領域的應用仍處于探索階段，未來還需進一步完善技術與教育的融合機制，優化算法以減少偏見和錯誤信息的傳播，并加強數據隱私保護。

參考文獻：

[1中華人民共和國教育部辦公廳.國家智慧教育平臺數字教育資源入庫出庫管理規范[EB/OL].（2024|05-29[2025-03-101]https.//www.gov.cn/zhengoe/zhengoeku/202407/content_6961951.htm.

[2]閆宇娥.基于學科核心素養的信息技術課程建設研究[J.數字通信世界，2025（01）.244-246.

[3]郭蕾蕾.生成式人工智能驅動教育變革：機制、風險及應對——以DepSeek為例[J/OL].重慶高教研究，1-10[2025-03-13].ttp：//kns.cnki.net/kcms/detail/50.1028.G4.20250310.1548.002.html.

[4]文雯.人工智能賦能高等教育的新思考[J].北京教育：高教，2025（03）.29-33.

[5]文潔.人工智能背景下高校信息素養教育的問題與對策[J].蘭臺內外，2024（25）.63-66.

[]陳曉宇，王贊，王春悅.I-mode理論視角下人工智能驅動的信息資源管理研究[J/OL].情報資料工作，1-1[2025-03-13]http：//kns.cnki.net/kams/detail/11.1448.G3.20250306.0924.002.html

[7]史秋衡.學習范式變革賦能未來教育高質量發展[J].人民論壇·學術前沿，2024（17）：41-47.

[8]周洪宇，李宇陽.貫徹落實《教育強國建設規劃綱要（2024—2035年）》的若干政策建議[J/OL].現代教育管理，1-13[2025-3—13].https：//doi.0rg/10.16697/j.1674—5485.2025.04.001.

[9]陳凱泉，胡曉松，韓小利，等.對話式通用人工智能教育應用的機理、場景、挑戰與對策[J].遠程教育雜志，2023，4103）：21-41

[10]馮冬雪.基于人工智能技術的高校個性化教育研究[J].太原城市職業技術學院學報，2025（01）：73-76.

作者簡介：孫曉瑜（1981—），女，碩士，副研究館員，研究方向為信息素養教育及信息知識服務；孟文杰（1982—），女，碩士，館員，研究方向為信息技術、信息系統管理及設計；張雪松（1982—），男，碩士，副研究館員，研究方向為信息資源建設及服務；盧虎勝（1970—），男，博士，副研究員，圖書館副館長，研究方向為信息素養及學科知識服務。

基金項目：2024年中國石油大學（華東）本科教學改革項目“生成式人工智能賦能個性化教學模式研究——以《信息檢索與利用》課程為例”（項目編號：CM2024055）；2024年中國石油大學（華東）研究生教育教學改革項目“A賦能教育背景下研究生《文獻檢索與利用》課程改革探索”（項目編號：YJG2024044）。