生成式人工智能驅動下終身學習模式創新與實證研究

中圖分類號：G434；G720 文獻標識碼：A文章編號：2095-9052（2025）09-0163-03

引言

現階段，生成式人工智能獲得了迅猛發展，在教育領域掀起了改革浪潮，從智能輔導到內容創作，重塑了知識獲取與傳遞的模式，為教育創新性發展提供了廣闊的空間。將生成式人工智能融人終身學習模式，能夠探索出全新的學習路徑、生態及資源體系[1]。本研究采用問卷調查、訪談、測驗等實證方法，綜合評估兩者融合模式的成效，為終身教育事業的現代化發展奠定基礎。

一、生成式人工智能與終身學習的理論基礎

（一）生成式人工智能技術原理與教育應用潛力

智能能精準把握每個學生的興趣偏好、學習進度、知識掌握程度，為其推薦最合適的學習路徑及內容[2]

生成式人工智能是指能夠通過學習已有數據的方式，自主創造視瀕、音頻、圖像、文本等全新內容的人工智能系統，擁有數據驅動創造性，輸出可控性與多樣性、領域通用性及迭代進化功能等特性，可以運用到復雜的學習活動中。以智能輔導系統為例，系統能借助自然語言處理技術與學生進行溝通、交流，理解其存在的問題，給出針對性解答。而內容生成引擎會結合機器學習算法，根據不同的知識點及學習目標，生成案例、習題、文章等學習材料。在個性化學習方面，生成式人工

（二）終身學習理論的內涵

終身學習理論認為人在一生中各個階段都有學習的能力及需求，從基礎教育為個人發展奠定基礎，到職業生涯中的專業技能提升，再到晚年為豐富精神生活而進行的學習等，都體現了人不同階段的學習需求及特點[3]。而在信息化時代，終身學習理論擁有了全新的內涵。數字化素養成為必備能力，人們需要掌握信息技術的使用及知識，以獲取及處理更多數據。由于終身學習的生態環境發生了變化，個體在提高自身數字化素養中，還應提高自主學習能力，通過自主規劃學習路徑、評估學習效果及選擇學習資源，持續調整知識結構，適應新時代挑戰。

（三）技術與學習理論的融合點分析

從學習資源的維度出發，生成式人工智能可以結合終身學習理論中人在不同階段的需求，輸出多樣化、個性化且及時更新的資源。不論是前沿領域動態還是學科知識，都能實現精準推送。從學習互動來看，虛擬學習社區、智能輔導系統等工具實現了學習者之間的實時互動，促進了知識的傳播，契合終身學習對互動學習的要求；而從學習評價層面出發，生成式人工智能可以收集各類學習數據，如討論活躍度、答題準確率及學習時間等，幫助教育者更好地分析學習者的問題、成效及動態。

二、生成式人工智能驅動的終身學習模式創新

（一）基于生成式人工智能的個性化學習路徑規劃

通過收集學習者的作業完成情況、過往課程成績、學習時長、頻繁出錯知識點以及所處學段等歷史學習數據，運用數據分析算法深入發掘其薄弱環節及知識掌握程度。譬如，某學生在數學學科中頻繁在代數方程部分出錯，且花費較長的時間完成相關作業，系統會標記此處為知識短板；同時，結合學習者的興趣及偏好和能力水平測試結果，為其構建精準的學習者畫像[4]。基于此，為個體制定系統學習計劃時，學習自標設定會根據學習者畫像將長期目標細化為階段性目標或短期目標，確保學生能彌補短板，提高學業成績。

（二）基于生成式人工智能的沉浸式學習體驗

借助元宇宙、虛擬現實（VR）、增強現實（AR）等技術，能構建出極具吸引力的沉浸式學習環境，確保學生全面地接觸實際問題，提高終身學習效果。譬如，在借助元宇宙技術重現歷史場景時，生成式人工智能可以整合歷史文獻、考古資料及圖像，構建出栩栩如生的歷史場景，確保學習者能親眼看見歷史的發展進程。從學習理論的維度出發，通過打造沉浸式學習體驗平臺，學生能主動構建知識，深化對知識的記憶及理解；而從認知心理學維度出發，沉浸式學習體驗是學生通過不斷認知、不斷應用的方式，實現對知識的汲取及內化。

（三）智能協作學習平臺的設計與實現

基于生成式人工智能的智能協作學習平臺架構涵蓋多個關鍵組件。智能算法能夠綜合考慮學生的能力水平、學習風格、知識結構等要素，將互補性強的學習者分在一組，從而促進知識共享及交流。譬如，一個小組中既有擅長理論分析的學習者，也有動手能力強的學習者，在面對復雜的學習任務時，小組成員能緊密結合起來。而在學習任務分配上，生成式人工智能會根據任務難度和小組能力，將任務劃分為不同的單元或模塊，并科學分配給各個小組成員。在協作過程中，系統會監督小組交流情況、理解任務完成程度，并及時進行指引和引導。

（四）終身學習評價機制的建構

運用生成式人工智能實現終身學習評價及反饋機制的建構，擁有諸多優勢及價值。在自動批改作業層面，系統能準確、快速地判斷客觀問題的正誤，并提出詳細的錯誤分析及解題步驟；同時，通過智能分析學習行為，如學習資源瀏覽時長、順序、登錄頻率、作業完成情況等，可以幫助教育者了解學習者的興趣偏好、學習習慣及知識掌握程度。當然，生成式人工智能還能幫助學習者進行自我評估，使其把握學習進度、問題及需要改進的方向[5]

三、實證研究設計與結果分析

（一）研究對象與樣本選取

本研究選取了100名年齡在25～50周歲的在職人員作為研究對象，并確保其職業范圍涵蓋信息技術、金融、教育、工程及藝術等領域。樣本選取采用隨機抽樣與分層抽樣相結合的方式，首先根據職業類別進行分層，隨后在各層中隨機抽取一定數量的個體，并保障樣本涵蓋不同學習需求、教育程度、職業背景的人群，從而滿足多樣化終身學習情境對生成式人工智能應用效果的考察需求。

（二）實驗設計與變量控制

本研究將樣本分為實驗組與對照組兩個類別。實驗組50人，使用基于生成式人工智能的終身學習平臺；對照組50人，依舊采用傳統學習方式。自變量為生成式人工智能的使用與否。實驗組又細分為三個不同使用方式的小組，即A組使用個性化學習路徑規劃功能，B組側重于沉浸式體驗功能，C組側重于智能協作學習平臺功能，以對比不同學習功能對學習者學習效果帶來的影響。而因變量包括學習滿意度、動機、成績、技能掌握度等內容，分別以學習動機量表、知識測試成績、問卷調查結果、技能實操考核成績來評定。為了更好地提升實驗結果的效度，我們需控制學習時間、內容、材料及環境等變量，避免外部環境的影響。

（三）數據收集及分析方法

首先，數據收集。在實驗前、中、后三個階段，研究人員分別發放問卷，共收集有效問卷270份，包括前測90份、中測80份、后測100份。問卷內容涵蓋學習習慣、學習滿意度、學習動機等。同時整合并收集了學習平臺中實驗組的學習行為數據，如作業提交時間、參與討論頻率、資源瀏覽量等，以及對照組作業完成情況、課堂出勤情況等信息。試驗后，對所有參與者進行技能實操考核及專業知識測試，以獲取知識技能掌握程度等方面的數據。其次，數據分析。本研究運用

SPSS25.0統計軟件，對定量數據進行統計分析，計算各指標的標準差、均值，明確數據分布特征；通過相關性分析明確變量之間的關聯程度，如學習成績與學習動機，確保數據分析的全面性及嚴謹性。

（四）實證結果與討論

1．實證結果

根據詳盡的實驗調查結果，實驗組與對照組在成績、動機、滿意度及知識技能具體對比數據如表1所示。實驗組在學習成績、學習動機、學習滿意度及知識技能四個核心維度上的表現均顯著優于對照組，且數據標準差更小，說明生成式人工智能的融入不僅大幅提升了整體學習效果，還有效縮減了個體之間的差異（ plt;0 001）。且兩組數據均擁有較高的穩定性，實驗組標準差為（ ）小于對照組（ SD=5， 5-8. 5），說明了干預措施能縮減個體之間的差異。

表1實驗組與對照組總體數據對比

根據實驗調查顯示，實驗組A、B、C各小組分別采用不同教學模式后，其學習成績、動機、滿意度及知識技能的提升情況，詳見表2。實驗組內不同小組的數據對比顯示，A組在學習動機與學習滿意度上顯著高于B組和C組，說明個性化學習路徑規劃在激發學生內在動力及提升滿意度上具備獨特優勢。

2.討論

從實驗結果能發現，生成式人工智能在終身學習模式中的應用擁有顯著的實效性、有效性。其中，在知識技能掌握、學習成績提升程度上，無論采用哪種學習方式，實驗組都明顯優于對照組，說明生成式人工智能所提供的協作學習環境、沉浸式學習平臺、個性化學習路徑以及豐富的學習素材，既有利于學習者掌握技能及知識，以及學習滿意度和動機的提升，又能激發學習者的積極性及興趣，讓學習過程更加有效、快速。然而，通過實證研究發現，實驗組雖然在主要因變量上沒有呈現出明顯差異，但從學習動機來看，個性化學習路徑功能的數值較高。這說明當前智能協作學習及沉浸式學習還難以全面激發學習者的學習動機，需要繼續進行優化及改進，確保沉浸式體驗能營造出更加逼真和穩定的學習環境。而在技術應用層面，生成式人工智能可以為學生提供自主學習資源，但如何引導學習者高效使用人工智能技術還是一個問題。譬如，通過問卷調查發現，A組學生存在技術應用及需求滿足等方面的問題。

結語

生成式人工智能與終身學習的深度融合具有一定的理論和實踐價值，可以促進我國終身教育事業的現代化發展及變革、強化終身學習的實效性，為學生動態把握及調整學習內容、學習方法、滿足學習需求、提高學習效能，提供強大保障。未來，生成式人工智能將更加深入地融入終身學習領域，以強大的人機交互功能、自然語言處理功能及數據分析整合功能，滿足學生個性化學習訴求。

表2實驗組內不同模式效果對比

參考文獻：

[1］袁翠松.職繼融合創新人才培養模式的探索——以江西工程職業學院為例［J].華章，2023，（10）：57-59.

[2]田園，沈旺.生成式人工智能視域下的個性化教育［J].現代交際，2025，（01）： 104-112+124 元

[3］李靜.終身教育理念下成人高校繼續教育助學模式的創新思路［J].產業與科技論壇，2021，20（11）：151-152.

[4］賀春蘭，朱英杰.人工智能技術如何賦能教育變革［N]．人民政協報，2025-01-21 （010）.

[5]盧宇.可信人工智能與未來教育［J]．中國教育網絡，2024，（06）：77-78.

（責任編輯：陳顯波）