生成式人工智能是指能够基于算法和规则及预训练数据库自主生成内容的人工智能技术，有别于判别式人工智能。在英文中对该技术通常用两种词组表达，“Generative Artificial Intelligence”（简称“GAI”）与“Artificial Intelligence Generative Content”（简称“AIGC”）。二者在英文原意上有所区别，GAI直译为“生成式人工智能”，专指生成式人工智能这种技术；AIGC直译为“人工智能生成内容”，其包含两层含义：一是直译的由生成式人工智能技术所生成的内容，二是指生成式人工智能技术本身。中国信息通信研究院将AIGC定义为既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合（中国信息通信研究院,2022）。在我国教育研究领域，更常见的是采用AIGC的表述，反映出研究者们对其生成内容的应用的关切，而非对技术本身的探讨。

生成式人工智能技术引发了教育领域的系统性变革，应用前景广泛，如个性化导师、自动论文评价、语言翻译、交互式学习、自适应学习等（Baid⁃oo-Anu&Ansah,2023）。祝智庭等（2018）认为，人和技术各有所长，技术擅长处理重复性、程序性和明确定义的任务，例如学生情况分析、资源推荐、自动出题和批改等，而教师则更适合从事情感、创新和启发性工作，例如情感支持、创新教学设计和价值观培养等。具体到教学环节中，有学者（李艳等,2022）提出了人机协同的作文评价，先让机器对学生作文提出错别字、病句等低阶反馈建议，以及意义、结构、思想等高阶反馈建议，再由教师进行补充性反馈以弥补机器评价不全面的问题，实验组学生可通过智能平台多次获得修改反馈，而对照组仅能获得教师反馈。实验结果显示人机协同评价在作文成绩提高上无显著作用，但对提升学生写作积极性、降低教师答疑工作量方面有正向作用。

已有研究大多从单要素角度出发探讨生成式人工智能对教学的可能作用，综合各研究可以看到该技术对教学的影响已渗透入方方面面，本研究旨在从系统观视角出发，讨论AIGC对混合教学系统各要素及要素间关系的影响。

混合教学是一种信息技术支持下的教学形态，其核心在于将传统的面对面教学与线上网络教学有效融合，将部分传统的线下教学活动交由线上平台完成，以此实现课前、课中、课后各环节的线上线下混合。生成式人工智能技术出现后，人机协同教学进入了人智协同教学的新境界，但从底层框架看，基于AIGC的人智协同教学仍然是一种更高阶的混合教学。当下区分教学形态大多依据技术在教学环境中的参与程度而定：无技术参与的称为传统线下面授教学，纯信息技术环境的称为线上教学或网络教学，同时出现传统线下教学环境和信息技术线上环境或工具的称为混合教学。从实践层面看，由于师生主体的不可替代性以及正式教育中学校的权威性，兼因AIGC所具有的被动响应特征，使得该技术无法完全取代教师主动开展教学活动，因此传统线下面授在短期内依然是正式教育中最普遍的教学形态，即使AIGC能够在很大程度上改变师生角色、教学内容呈现方式、教学反馈渠道、教学方法、教学环境等要素特征，但短期内这种新型教学形态依然是一种线上线下的混合形态，是一种由人机协同混合教学进化而成的人智协同的混合教学形态。

（一）传统的混合教学系统七要素模型

在传统混合教学中，人机协同体现在教师和学生利用信息技术优化或完成教学过程中的部分教学任务，信息技术不仅是支撑环境，同时也是教学活动的部分参与者。

韩锡斌等（2016,p.325）基于李秉德教学七要素框架，将线上教学特征与线下面授流程要素相结合，建构了混合教学系统七要素模型，包括教师、学生两个主体要素，教学环境一个环境要素，以及教学目标、教学内容、教学方法和教学反馈四个过程要素（如图1所示）。相较于传统教学要素，混合教学七要素模型充分体现了各要素的新内涵，以及在信息技术的融入下，各要素间关系所呈现出的新联结与新影响。

（二）“人本主义”取向的人智协同教学系统八要素模型

相较于传统的人工智能，生成式人工智能具有自然语言处理、多模态信息处理、生成性、预训练性、自适应、可扩展性、交互性等特征（Cao et al.,2023）。它的自然语言处理和多模态信息处理能力，加之生成性的特征，赋予了AIGC一种模仿人类行为的拟态能力。它可以理解和处理人类语言、图像及声音信息，并且能够以人类的方式“组织”和“创造”输出信息。尽管AIGC拥有广泛的知识库和强大的信息处理能力，但受大模型训练规则和人工智能技术的局限，所生成的内容还是会表现出一定程度的模板化和幻觉（hallucination）。此外，目前的AIGC只能被动响应人类发出的指令，无法主动输入信息并输出，这些局限都使得它无法完全拟人，从而在虚拟空间中呈现出一种赛博主体形象。这种拟主体性已然支持AIGC作为一种主体要素加入教学系统模型之中，它的加入改变了教学系统的结构和要素间关系，各要素将在AIGC智能体的赋能下更加“人本”与个性化，从而呈现出一种指向“人智协同”教学样态的混合教学八要素系统，由教师、学生、AIGC智能体、教学目标、教学内容、教学活动、教学环境和评价反馈八个要素构成（如图2所示）。

在AIGC的参与下，教师和学生双主体角色更加多元和动态，AIGC能够帮助教师在精准了解学情的基础上，更准确地剖析教学内容，进而设计更符合学情和学生需求的教学活动。同时，学生也可以通过AIGC反馈，获得更准确的自我定位和个性化的辅导。反过来，师生需要依据教学内容和教学活动来选择性地赋予AIGC应有的角色和职能，从而更好地服务于“人智协同”的教学宗旨。

AIGC丰富了学习环境的特征，使其更具有主动性和泛在性，体现出个性化和差异化特征。在反馈要素中，AIGC一方面可以使角色获得更精准的反馈，另一方面可以让学生时时处处获得即时的学习反馈，对提升学生的自我调节能力和学习积极性有直接促进作用。在培养目标上，除了专业知识技能与核心素养的培养，还应关注能够提升人智协同能力的个体内脑与AI外脑融合的“复合脑”的培养，增加对AIGC协同能力的考察与评价。当然，这一切并不会在混合教学八要素系统中自然发生，需要适当的设计和干预，通过师生的共同努力才能达到应然状态。

（一）教学主体：“人在回路”的师—生—AI三元主体异构

AIGC作为新增的教学主体要素之一，与教师、学生形成了三者协同的关系（如图3所示）。它不仅能够作为支持工具来辅助促进师生教学活动，也能直接作为参与者承担部分的教师和学生活动。这种新的三元主体结构，势必会影响师生主体在教学中的角色和职责。然而，三元主体虽然稳固不变，但其组成结构，即三者的权重关系，却会根据AIGC在教学中的参与程度而动态调整。

在与AIGC协同教学的过程中，教师可以根据教学需求和场景，赋予AIGC不同的角色和能力。在课堂教学之外，AIGC可以充当教师的教学指导者、学习分析师以及资源生产者。在课堂教学中，三元主体结构可划分为“人主智辅、人智平行、人辅智主”三种模式，其中“人辅智主”模式还有赖于生成式人工智能技术在教育垂直领域的进一步发展。基于AIGC参与程度，可以分为AIGC简单参与的“AIGC支持的教学”、AIGC深度参与的“师—生—智协同教学”、AIGC赋能的“生—智协同教学”，以及AIGC赋能的“师—智协同教学”。在这些教学结构中，三者均需共同参与，人类主体必须在AI处理任务的“回路”中对AI活动进行及时的监测、调整与决策，三元主体结构的差异仅在于AI参与程度与主体性强弱不同。

在“AIGC支持的教学”中，AIGC常见的角色是AI助教（AI-tutor），它在教师的主动教学中以被动响应的方式出现，教师在与之互动时已有预期的标准答案，AIGC在这种情境下的参与是边缘性的，主要配合教师的教学活动，提供支持性信息，呈现出“师主智辅”的模式。教师可以通过AI助教呈现基础知识点的解释，提供相关案例，或临时生成相关考题等。在这类情境中，AIGC发挥的更多是信息工具的中介作用，作为呈现教学内容的载体中介。

“生—智协同”的教学主要出现在探究性课堂、PBL课堂或小组教学等以学生为中心的教学模式中。在这种模式中，AIGC作为专家角色具有一定的主动性和权威性，学生可以越过教师直接向AI专家（AI-expert）寻求帮助，AIGC发挥答疑、信息拓展等认知工具的作用。AIGC还能支持学生展开非正式学习，为泛在学习提供更多可能性。

在“师—智协同”的教学中，AIGC可以在课外与教师共同备课、设计教学活动、进行学情分析、开展教学设计，AIGC承担教学设计师（Teaching advi⁃sor）、学习分析师（Leaning analyst）或AI专家（AI-expert）的角色职能；在课堂内，AIGC与教师处于相对平行的协同式教学状态，承担相当的教学任务。例如，教师与AI共同对学生的回答或作品提供评价反馈，通过与AI的对话来推进教学活动和教学进度，或在小组教学中分别独立指导不同的小组，或承担不同的小组指导任务，AIGC负责较低阶问题的指导，而人类教师则专注于高阶复杂问题与情感态度价值观的指导。

在AIGC深度参与的“师—生—智协同”教学中，AIGC在上述协同模式中参与程度最高，角色更加多元，与师、生主体的联结和互动频次也相应增加。AIGC可以作为AI学生（AI-student），让人类学生作为教师对其进行教学，指导它完成一些作品或任务；或作为AI学伴（AI-companion），与人类学生共同回答教师的提问，参与小组的讨论；它还可以作为AI知识库（AI-repository），为学生提供所需知识，直接为学生呈现可视化知识图谱来进行延伸性学习；作为AI技能教练（AI skill coach),AIGC能够指导各类技能学习，大到工业设备（如转炉炼钢设备）的操作，小到软件学习（如音视频处理软件），甚至动作类技能（如游泳、乐器、烹饪等），尤其在职业教育的实训课程中，AIGC的参与能够大大减轻教师的指导负担。

然而，我们也需要关注AIGC作为学生“AIGC赋能的辩护者”（AI-empowered defender）角色。AI-empowered defender原本是计算机领域的词汇，通常指利用人工智能技术来加强网络安全和信息安全的实体或系统，简而言之就是利用AI加强系统自身的安全能力和防御能力。迁移到教育教学中，可以理解为学生借助AIGC增强自身在专业知识储备、认知思维、个性化观点等方面与教师或学校权威进行对抗的能力，AIGC能够为学生提供足够的证据支撑他们为自己的想法进行辩护。早有学者（高德胜,2006）关注技术对教师知识权威和学校合法性的消解，电子媒介的特性使得成年人对儿童获取的信息内容不再有绝对的控制权，各类信息的易得性和易理解性大幅提升，学校的信源地位岌岌可危。面对这种危机，教育所能做出的应对是牢牢把握住人的社会性需要，利用学生在AIGC赋能下的社交主动性，开发具有“共同体”性质的教育教学活动，有意识地培养学生的主体意识和批判性思维，引导学生树立正确的“三观”，防止学生从AIGC赋能的“辩护者”步入歧途成为AIGC赋能的“诡辩者”。

（二）教学目标：指向复合脑与问题解决能力的培养

当AIGC已具备相当能力替代部分教学工作时，作为人类教师，更应该对“教什么、怎么教、教如何”有更深入的思考。传统学校教育主要培养与评价学习者的个体内脑能力，拓宽他们内脑的知识储备，训练内脑的思维能力。然而，数字时代的技术已足以为他们搭载一个近乎全知全能的外脑，生成式人工智能的出现，更是将这种外接特性明显的外脑与个体内脑进一步融合，形成了更加深度融合的“复合脑”（沈书生&祝智庭,2023）。人类个体内脑和AI外脑的紧密融合，迫使原有的教学目标甚至培养目标都需要改变，以适应人类全新的复合思维方式。

随着技术的普及，学生将会更习惯性地使用AIGC，为避免学生过于依赖AIGC而被技术“反向驯化”（孙田琳子,2021），就需要通过刻意练习来保持他们的主体意识。虽然AIGC能承担更多的知识储存任务，但学习者的内脑仍需具备基本的知识储备，才有能力将理论知识与实际问题联系起来，从而适应复杂多变的社会。因此，教育教学的关键不在于个体内脑的知识多寡和个体整体表现的分数高低，而在于他离开学校后将如何解决现实生活和工作上的各种具体问题（Problem）。未来的培养目标应该与之对应，倡导问题解决导向和成果导向的教育理念，旨在更好地实现想法，完成任务，塑造健全人格。AIGC与人类的分野不应在于谁掌握知识谁掌握能力，而应在于在解决问题时二者的分工与协同，这就进一步要求学生拥有更高阶的批判性思维、创新思维、情感能力以及坚定的价值理性（李永智,2024）。由此，语言能力、批判性思维能力、问题解决能力、问题提出能力、逻辑推理能力等有助于与外脑融合的关键能力都将提升至与知识传递同等重要的地位。

部分学者认为AIGC的出现将会使得学习者不再需要学习基础知识，这一论点从根本上将“知识”与“能力”做了二元分裂，但其实“知—情—意—行”本是一体（杨九诠,2024）。在中国经典传统文化阳明心学中，王阳明也反复论述了知与行的关系，“知者行之始，行者知之成……知行不可分作两事”，“知是行之主意，行是知之功夫”，虽在他的论述中有“始、终”二字，但知与行在阳明哲学中并没有先后之分，“知行并进，不宜分别前后”，二者互相包含，动态构成人存在于世界的根本。其中“知”表示理论、知识、意识、意念、动机、欲望等，“行”是指行为等内部知能外化的实践活动，譬如学、问、思、辨、笃行等（陈来,2013,pp.86-96）。知、情、意、行也是健全人格、人之为人的底层构成要素，它们相互联系、相互制约、相互渗透也相互转化，缺一不可（朱浩&黄志斌,2003）。因此，AIGC的出现并不意味着人类不再需要掌握基础的知识储备。

回归到课堂教学目标的讨论，正如近年来关联主义的观点所指出的，随着人类知识总量的指数级增长，学习者已不可能掌握所有知识，因此“管道比管道的内容物更重要”，获取所需知识的途径比学习者当前掌握的知识更重要，“知道在哪”比“知道”更重要（西蒙斯,2005）。AIGC的出现相当于将知识世界的“管道”扁平化、集成化，学习者无须再从四通八达的“管道”中搜寻所需知识，信息池以更直观简约的方式呈现在大家眼前。然而，如何与这个具有半主体性的信息池进行交互，更高效、准确地获取信息、解决问题，又成为新的挑战。因此，在教学过程中，教师的教学理念和教学思路应从“教知识”转变为“教学生与AIGC协同以达到学习利益最大化”，这并非功利主义取向，“学习利益”含括了知识获取、能力培养与情感态度价值观塑造。具体到课堂上，就是要使学生掌握如何与AIGC协同，以效果最优地获取信息、开展协作、解决问题、完成教学任务、培养能力等。教学目标除了传统的知识、技能、价值观外，更为重要的是培养学生的AI协同能力及问题解决能力。

（三）教学内容：动态、生成、拓展、创造、定制

人类社会的内容生产方式经历了专业化生产内容（PGC）、用户生产内容（UGC）、AI辅助生产内容（AIUGC）到今天AI自动生成内容（AIGC）四个阶段，生成式人工智能的生成性特征赋予了教学内容更多的可能。AIGC能够根据既定的教学标准，在一定的限制下生成符合标准的教学内容，集成于电子教材上，则可以实现教学内容实时自动生成以满足特定的个性化教育需求，并确保教学内容的质量和相关性。同时，在已有教学内容的情况下，也可以使用AIGC对既定的教学内容进行适当和可控的拓展。例如，与知识图谱技术集成，形成动态的内容资源推荐，或是拓展多文化视角和背景的教学内容，增进学生全球视野与跨文化理解，培养学生的国际竞争力等。此外，AIGC还能赋能师生依据自己的习惯、特征、进度和学习任务来创造新的内容，无论是作为资源、作品或其他形式，AIGC都为师生“想法落地”提供了更多的可能。最后，AIGC可以依需定制，依据教学需求和用户需求定制相应的内容，也可以结合现有的不同教学支持系统的需求来融合定制，如与交互式学习工具、虚拟实验室、在线协作平台等结合，实现多样化的智能教学辅助功能。

需要注意的是，内容生成（Content Generation）和知识生成（Knowledge Generation）是截然不同的两个概念。内容生成是指创造新的文本、图片、音视频等内容，这些内容通常是基于已有框架进行的再创造。但知识生成却涉及新概念、新理论的产生。《辞海》中对“知识”的定义是：“人类认识的成果或结晶……可分为经验知识和理论知识。经验知识是知识的初级形态，系统的科学理论是知识的高级形态。按具体的来源，知识虽可区分为直接知识和间接知识，但是从总体上说，人的一切知识都是在社会实践中形成的，是对现实的能动反映。”（夏征农&陈至立,2011,p.5756）《当代汉语词典》对“知识”的定义是：“人们在改造世界的实践中所获得的认识和经验的总和。”（莫衡,2001,p.994）从中可以看到，知识是来源于社会经验的，是在社会实践中通过探索研究获得或创造的。究其本质，生成式人工智能只是一个通过字词概率预测的语言模型，以其当前的能力与形态，尚未能直接参与到人类社会的生产实践中，仅凭习得人类已有的“二手经验”又如何能创造出全新的经验或理论？当然，我们不能用今天的方法来解决明天的问题，也不能用今天的水平来预测未来的发展。未来当智能体能够主动参与到人类社会生活中时，我们沿袭千年的对知识的认知可能因此崩塌，新的知识可能在人类的监管与复核下源源不断地被发掘，这对人类发展来说未尝不是一件好事，但作为教育者的我们就更应该思考“培养什么样的人、怎样培养人”的问题了。

（四）教学活动：AIGC作为中介或主体的协同教学活动选择框架

在教学活动的选择上，基于人机协作学习要素框架（如图3所示）及人本主义教学理念，人智协同教学活动的选择应从教学目标出发，结合教学任务特征和学习者特征，选择适合的协同活动。随着信息技术的发展，传播学领域对技术在信息传播中的定位也在不断发生变化。根据技术工具论的观点，人工智能可以作为信息传播中介，这种传播模式称为人工智能中介传播（Artificial Intelli⁃gence-Mediated Communication,AI-MC），在这种信息传播的路径中，主体依然是人类。颠覆了这种工具论和人类中心主义的观点是人机传播论（Human-Ma⁃chine Communication,HMC），人类从“使用（use）机器”转变为“与机器交流（communicate with）”，机器从“互动性”工具转变为“主体性”交流对象。（宋美杰&刘云,2023）这种传播模式的转变在生成式人工智能应用中尤为明显。然而，这种转变是螺旋式渐进的，并非二分取代，在创新技术扩散尤为缓慢的教育领域更是如此。两种传播模式都有各自的优势，不同类型的信息也适合采用不同的传播模式。因此，出于学理考量，可以以AIGC作为中介和作为主体为依据来判断AIGC参与的教学活动选择，以此为划分依据，即使生成式人工智能的能力如何拓展，也总能在该框架中找到定位。

此外，出于实践考量，教育教学的本质在于知识技能的传递，因此教学中的信息类型可以依据信息加工论和认知主义视角下的知识分类理论，按照知识获取的心理加工过程，将知识分为陈述性知识、程序性知识和策略性知识。陈述性知识是关于“是什么”的事实性知识，如概念、公式等；程序性知识是关于“怎么做”的知识，是一系列的操作程序（Anderson,1987）；策略性知识是基于认知主义划分的知识类型，本质上它也是一种程序性知识，但与程序性知识不同的是，程序性知识是面向客观事物的操作程序，而策略性知识是基于学习者的主观认知和客观事实进行的解决系列问题的操作（高民,1999）。依照上述信息传播模式和信息类型分类，考虑到教师对AIGC的应用并不熟练，构建了一个简单的AIGC教学活动选择框架（如图4所示），提供了部分可供具体操作的人智协同教学活动供教师选用。教师在设计人智协同教学活动时，首先判断教学内容的知识属性，然后选择并设计相应的活动即可。若教师在设计活动时较难准确区分三种类型的知识，也可以借助AIGC对所要教授的教学内容或教学目标进行知识分类。

（五）教学环境：给养理论视角下的多模态、泛在与个性化

在传统的混合教学中，知识的传递主要依赖于文本和语言表达，信息技术在混合教学中的作用是更高效、便捷地将纸质文本或图像呈现在电子屏幕上，知识传递仍需人类主动调用。然而AIGC在与现有的技术或平台资源（如物联网、AR/VR、多模态感知、情感预测等）整合后，营造出一个主动融合听觉、视觉且具有主动交互性的知识传递环境，为学生带来更加多模态的感官学习体验。此外，AIGC还为师生提供了一个知识共创共享的平台，在共创共享的过程中实现知识的流动与传递，使程式化的知识传输过程更具有动态性和灵活性。

同时，随着国产大模型的崛起，具备自然语言对话能力的AIGC传播度日益提升，其易得性也不断增强，人人拥有AI助手的愿景不再遥远。AIGC的普及使得学习者可以在任何学习情境中随时获得AIGC的学习支持和辅导，教与学的场景愈加泛化，学习内容的领域边界日益拓宽，为建设“人人、事事、时时、处处能学”的学习型社会提供了强大动力。AIGC的预训练特性使得AI助手将愈发个性化和精准化，AIGC能够记录和分析学习者的学习历史和行为模式，随时评估和调整输出内容与学习者的适配性，根据学习者的需求、个体认知水平及学习风格，提供个性化、定制化和精准化的学习材料和学习支持。

但是，对于包括生成式人工智能在内的各种应用于教育教学的技术，都应在给养理论的视角下辩证看待。给养理论（the Theory of Affordances）由美国生态心理学家吉布森（Gibson,J.J.）提出，现中文有时也译为“可供性”。该理论核心观点有二：其一，任何环境都能给生物提供给养；其二，同一环境所提供的给养是因观察者（observer）而异的，可能是正面的，也可能是负面的，可能是这样的，也可能是那样的（Gibson,1977）。例如一部智能手机，对熟练使用智能设备的人而言，是能够提高工作效率和生活趣味的必需品；对不了解数字技术的人来说，却可能成为生活的负担；对于自控力较弱的人来说，又可能带来成瘾风险。教育中的技术亦是如此。但是教育中的观察者并不仅仅是师生等生物角色，还包括教学内容、教学目标、教学活动等。在应用AIGC技术的同时，应充分考虑学习者个体能力的差异、学习内容特征的差异、教学目标的差异等，通过人为的个性化控制，实现面向每个学生的精准个性化教学。

（六）教学反馈：高精度反馈、即时反馈与深度反馈

无论是在传统教学时代还是在当前的混合教学时代，对学生的学习评价始终未能突破“效率至上”和“质量优先”的窠臼（曹培杰,2018）。或许是知识留存率最易观察与测评，“效率”总是与既定时间内学生获取的知识总量画等号。虽然近年来全球教育都开始关注个体能力与核心素养，也在尽力将能力转化为可观察的外显表现，重视形成性评价和多元的总结性评价（刘新阳&裴新宁,2014），但由于我国人口基数大，教育体系层级丰富，评价改革在实施过程中难免出现问题。例如“标准化”和“一刀切”、综合素质评价只重材料不重过程，用量化数据将学生标注、预测、预定、区隔，而忽略了人之为人的内在价值，等等，都能在一定程度上反映我国评价理论和评价技术的局限（石中英,2020）。评价技术包括评价方法和数字化技术，数字化技术又是能否充分执行评价方法的重要载体。在混合教学时代，形成性评价的问题得到进一步解决，电子档案袋、成长仪表盘、行为数据等无疑为评价学生的学习提供了更完整和科学的依据，但仅凭当前的技术和教师个体的能力，仍难以解决评价不够深入、不够个性化的问题。

生成式人工智能的大批量文本理解能力和图片理解能力正是解决评价问题的突破口。经过预训练的AIGC能为每个学习者提供个性化的精准反馈，随着AIGC技术的进一步市场化，它能提供的评价颗粒度将越来越细致，在知识学习方面，甚至可以精确到每个步骤所涉及的每个知识点。结合知识图谱技术，还能够提供精准的相关资源推荐。AIGC还可以赋能评价权限下放，教师可以将评价权部分交由学生自己，学生随时主动通过AIGC对自己的进展或学习成果做出评价，充分做到评价的进度差异化、建议差异化、资源差异化，从而实现高精度反馈与即时反馈。学生可以根据AIGC的建议更新优化接下来的学习方法、学习内容或学习进度，过程性评价对于师生而言更为可感知和具象化。AIGC还能降低对量化评价的依赖度，通过预训练将一些学习行为文本化，再由AIGC进行质性评价与反馈，为教师评价提供参考，从而弥补当前定性评价的不足。

每当有新技术出现都会给教育研究带来不小的震动，而乔布斯之问“为什么计算机改变了几乎所有领域，却唯独对学校教育的影响小得令人吃惊”也至今悬而未决。AIGC在我国教育数字化转型的关键节点上迅速传播、迅猛普及，以其强大的能力和易操作性已然变革了诸多领域的工作过程和工作内容。业界已经发出“All in AI”“AI in All”的口号，生成式人工智能对教育的全面变革也终将来临，甚至人才培养目标的变革已然来临，“培养什么样的人、怎样培养人、为谁培养人”已是教育工作者迫在眉睫不得不思考与着手去变革的现实问题。

AIGC促使教育教学要素发生了全方位的变革，既包括教学主体角色的转换和重塑、教学目标的调整，以及教学内容生成方式的多元化，还涉及教学过程与评价机制的重塑。首先，教师角色由传统的知识传授者转向引导者和协调者，这一角色转变的背后是需要对“人智共教”中教师的自我意识与价值实现进行深入思考的。AIGC生成的教学资源对传统教学中的知识选择与设计提出了新的认识论挑战：如何在AIGC内容和传统内容之间找到平衡，以确保所生成的内容具有教育价值；如何论证、界定AIGC生成的是“内容”还是“知识”，以牢牢把住人类对知识发展的控制权。其次，AIGC改变了师生交互的方式，“人—技术—世界”的技术观更加具象化，教与学自动化程度的提升将会使得师生互动在技术主导下发生质变，个性化资源可获得性提升使学生容易对技术产生依赖，削弱其主体性和批判性思维能力。在这种教师的脑力劳动与体力劳动都在一定程度上被技术替代的背景下，必须重新审视教师的情感素养与情感劳动，重视情感在教学中的作用及其与认知的关系，确保教学过程在数字化转型中依然保留人文关怀，促进学生知识与情感、态度和价值观的有机融合，培养学生的高阶思维能力。最后，在教学评价方面，AIGC在提升评价数据化、精准化程度的同时，也在推动我们反思教育教学评价的标准与价值，AIGC的评价方式更加强调客观数据的运用，这一变化促使我们思考如何在知识的量化评价与情感、创造力等隐性能力培养之间取得平衡，如何改革作业与评价设计，真正实现“五育并举”，凸显教育评价的多维度价值。

总体而言，AIGC引领的教育变革不仅是技术层面的革新，更是教育理念和价值观的深度转型。“人智协同”的教学新形态也是渐进转变的，最终指向的理想状态是“人智共育”与“人智共学”。只有在实践中持续关注教育的本质和价值，通过技术与教育的融合发展，才能在数字化转型中真正实现“以人为本”的教育，充分发挥AIGC的独特价值。

来源 | 《中国远程教育》 2025年第4期

作者 | 易凯谕（中国教育科