生成式人工智能如何改變學(xué)習(xí)方式

　　基于生成式人工智能的個(gè)性化學(xué)習(xí)，學(xué)習(xí)過(guò)程中更加凸顯個(gè)體學(xué)習(xí)者的“高自主性”，即學(xué)習(xí)者和內(nèi)容資源具有“高生成性”的生成式人工智能之間，通過(guò)提問(wèn)與追問(wèn)等高頻互動(dòng)，形成不同的學(xué)習(xí)路徑，滿足個(gè)性化需求
　　
　　在國(guó)家持續(xù)深入推進(jìn)教育數(shù)字化轉(zhuǎn)型的背景下，生成式人工智能因其自然語(yǔ)言理解、基于人類反饋的強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)模型等技術(shù)特點(diǎn)，能夠動(dòng)態(tài)生成學(xué)習(xí)內(nèi)容、優(yōu)化學(xué)習(xí)路徑，并支持學(xué)生的“按需學(xué)習(xí)”，為大規(guī)模個(gè)性化學(xué)習(xí)提供了新的可能性。
　　
　　當(dāng)前，一線教學(xué)中部分中小學(xué)積極主動(dòng)地將生成式人工智能用于課堂教學(xué)，比如今年以來(lái)，教育智能體在北京、上海、深圳等地區(qū)學(xué)校不斷涌現(xiàn)，生成式人工智能走進(jìn)課堂教學(xué)的背后，是生成式人工智能技術(shù)促使教學(xué)系統(tǒng)內(nèi)部各要素逐漸走向融合，并逐步形成基于生成式人工智能的個(gè)性化學(xué)習(xí)新樣態(tài)。
　　
　　推動(dòng)學(xué)生自我引導(dǎo)式學(xué)習(xí)
　　
　　基于生成式人工智能的個(gè)性化學(xué)習(xí)，最明顯的改變之一就是學(xué)生角色的改變。經(jīng)典的個(gè)性化學(xué)習(xí)依賴教師提供的資源和引導(dǎo)。大數(shù)據(jù)技術(shù)支持的個(gè)性化學(xué)習(xí)強(qiáng)調(diào)基于不同學(xué)習(xí)知識(shí)水平等狀態(tài)，精準(zhǔn)推送個(gè)性化資源來(lái)優(yōu)化學(xué)習(xí)。而基于生成式人工智能的個(gè)性化學(xué)習(xí)，則是強(qiáng)調(diào)主體性的自我引導(dǎo)式學(xué)習(xí)。
　　
　　學(xué)習(xí)中，生成式人工智能猶如一位耐心的導(dǎo)師，通過(guò)自然對(duì)話幫助學(xué)生厘清思路、通過(guò)對(duì)學(xué)生提問(wèn)與追問(wèn)分析，理解學(xué)生的深度學(xué)習(xí)需求。如學(xué)生可以隨時(shí)向AI提問(wèn)，通過(guò)反復(fù)交流，把那些“只可意會(huì)”的想法或需求漸漸地表達(dá)出來(lái)，AI會(huì)根據(jù)學(xué)生的不同需求，靈活調(diào)整解答方式。
　　
　　在這個(gè)過(guò)程中，學(xué)生不僅能獲得需要的知識(shí)，還能學(xué)會(huì)自主調(diào)整學(xué)習(xí)規(guī)劃和進(jìn)度，真正實(shí)現(xiàn)自我導(dǎo)向的按需學(xué)習(xí)。在人機(jī)關(guān)系的處理上，生成式人工智能可視為人的“外腦”，具有高數(shù)據(jù)處理能力和智能泛化能力，可以高效完成常見(jiàn)的甚或較為復(fù)雜的任務(wù)；而人腦作為“內(nèi)腦”具有創(chuàng)造性思維能力、情感表達(dá)能力、人文關(guān)懷精神等，可以負(fù)責(zé)把握方向及工作目標(biāo)。
　　
　　生成個(gè)性化學(xué)習(xí)資源
　　
　　在傳統(tǒng)教學(xué)中，學(xué)習(xí)者往往面臨著同樣的學(xué)習(xí)內(nèi)容和學(xué)習(xí)方面，個(gè)性化學(xué)習(xí)需求很難滿足。雖然在大數(shù)據(jù)技術(shù)支持下，通過(guò)收集和分析學(xué)習(xí)者的行為數(shù)據(jù)、學(xué)習(xí)習(xí)慣與偏好、知識(shí)薄弱點(diǎn)等，從而提供精準(zhǔn)的學(xué)習(xí)資源，但從根本上看是基于精準(zhǔn)性推送資源的接受式學(xué)習(xí)。實(shí)踐中是由教師或平臺(tái)預(yù)設(shè)了有限數(shù)量和難度層次的學(xué)習(xí)內(nèi)容資源，力求滿足學(xué)生無(wú)限多樣化的需求。
　　
　　基于生成式人工智能的個(gè)性化學(xué)習(xí)，可以從學(xué)生與生成式人工智能的對(duì)話歷史中獲取學(xué)生的個(gè)性化信息，記錄和理解學(xué)生的認(rèn)知水平現(xiàn)狀與知識(shí)盲區(qū)，分析學(xué)生獨(dú)特的學(xué)習(xí)習(xí)慣和動(dòng)機(jī)，為學(xué)生提供學(xué)習(xí)支架，并動(dòng)態(tài)生成符合學(xué)生各自最近發(fā)展區(qū)的學(xué)習(xí)內(nèi)容；實(shí)現(xiàn)在交互活動(dòng)過(guò)程中產(chǎn)生真正的個(gè)性化學(xué)習(xí)，充分尊重學(xué)習(xí)者個(gè)體差異特征及其潛在的創(chuàng)新能力，實(shí)現(xiàn)適合每個(gè)學(xué)習(xí)者知識(shí)與思維水平的啟發(fā)式學(xué)習(xí)。
　　
　　AI助教可以根據(jù)當(dāng)前學(xué)習(xí)內(nèi)容，生成相應(yīng)的測(cè)驗(yàn)題來(lái)診斷學(xué)習(xí)起點(diǎn)，這樣診斷測(cè)試還有一個(gè)在大模型訓(xùn)練數(shù)據(jù)來(lái)源范圍之內(nèi)的橫向水平比較的參照，進(jìn)而讓診斷有更強(qiáng)的參考價(jià)值。AI助教還可以通過(guò)自然語(yǔ)言處理技術(shù)，運(yùn)用其實(shí)體識(shí)別和關(guān)系抽取等功能，從學(xué)生的學(xué)習(xí)記錄（如筆記、作業(yè)、問(wèn)答等）中自動(dòng)提取知識(shí)點(diǎn)和概念間的關(guān)系，構(gòu)建個(gè)人知識(shí)圖譜，進(jìn)而發(fā)現(xiàn)學(xué)生個(gè)體現(xiàn)有知識(shí)結(jié)構(gòu)和學(xué)科知識(shí)體系（圖譜）之間的映射關(guān)系，從而對(duì)學(xué)生的現(xiàn)有知識(shí)水平現(xiàn)狀和進(jìn)一步發(fā)展需求進(jìn)行評(píng)估，并通過(guò)人機(jī)協(xié)同支持的智能化教育資源聚合，為學(xué)生生成或推送個(gè)性化的學(xué)習(xí)內(nèi)容與資源。
　　
　　提供有針對(duì)性的學(xué)習(xí)路徑
　　
　　依托AI技術(shù)和聚類算法、智能助教，基于生成式人工智能的個(gè)性化學(xué)習(xí)，除了資源的動(dòng)態(tài)生成外，學(xué)習(xí)路徑的動(dòng)態(tài)生成也是推動(dòng)個(gè)性化學(xué)習(xí)發(fā)展的重要改變之一，呈現(xiàn)出更強(qiáng)的支撐學(xué)習(xí)的“強(qiáng)生成性”特征。
　　
　　生成式人工智能通過(guò)對(duì)學(xué)習(xí)行為進(jìn)行持續(xù)追蹤分析等，掌握學(xué)生的學(xué)習(xí)基礎(chǔ)、進(jìn)度、軌跡、效果等顯性特點(diǎn)，挖掘?qū)W習(xí)偏好、情感和動(dòng)機(jī)等內(nèi)隱特征，據(jù)此可以給學(xué)習(xí)者提供及時(shí)的學(xué)習(xí)資源與學(xué)習(xí)干預(yù)支持；還可以作為學(xué)伴智能體為學(xué)習(xí)者進(jìn)行學(xué)習(xí)規(guī)劃與時(shí)間管理，實(shí)現(xiàn)對(duì)學(xué)習(xí)路徑、資源和情緒等的針對(duì)性調(diào)整。
　　
　　由此可見(jiàn)，基于生成式人工智能的個(gè)性化學(xué)習(xí)，借助于推理模型，可以針對(duì)不同學(xué)習(xí)者給出不同的學(xué)習(xí)路徑，即根據(jù)學(xué)習(xí)者的提問(wèn)思路，給出多樣的問(wèn)題解決方案、邏輯和分步推理任務(wù)，學(xué)習(xí)者則可以依據(jù)方案，繼續(xù)開(kāi)展多路徑的學(xué)習(xí)和持續(xù)探索。例如，在學(xué)習(xí)過(guò)程中通過(guò)大模型與學(xué)習(xí)者進(jìn)行交流，記錄和存儲(chǔ)學(xué)習(xí)者對(duì)話文本、多模態(tài)信息，利用大模型數(shù)據(jù)采集與分析能力，實(shí)現(xiàn)生成式人工智能對(duì)學(xué)生學(xué)習(xí)能力與認(rèn)知水平的分析，進(jìn)而提供個(gè)性化的學(xué)習(xí)資源推薦和路徑選擇。根據(jù)學(xué)生的認(rèn)識(shí)水平和理解，生成式人工智能可以動(dòng)態(tài)地調(diào)整學(xué)習(xí)內(nèi)容難度、速度和呈現(xiàn)方式，推進(jìn)學(xué)生開(kāi)展基于提問(wèn)和不斷追問(wèn)的探究學(xué)習(xí)。
　　
　　推動(dòng)大規(guī)模個(gè)性化學(xué)習(xí)
　　
　　經(jīng)典的個(gè)性化學(xué)習(xí)和基于大數(shù)據(jù)技術(shù)的個(gè)性化學(xué)習(xí)，重在按照教師或大數(shù)據(jù)的需求分析，預(yù)設(shè)好各種優(yōu)質(zhì)資源，為學(xué)習(xí)者提供個(gè)性化推薦服務(wù)，本質(zhì)上是個(gè)體化學(xué)習(xí)。簡(jiǎn)單說(shuō)，以往的一些個(gè)性化學(xué)習(xí)往往注重給學(xué)生提供均衡的、有限的、預(yù)設(shè)的優(yōu)質(zhì)資源，而很少關(guān)注這些有限預(yù)設(shè)學(xué)習(xí)資源或內(nèi)容是否滿足學(xué)習(xí)者真正的興趣或需要。
　　
　　生成式人工智能的數(shù)據(jù)集，是不同領(lǐng)域?qū)＜覍W(xué)者通過(guò)提供優(yōu)質(zhì)知識(shí)庫(kù)，并以此為基礎(chǔ)，不同師生在與智能體互動(dòng)中生成的各種有價(jià)值的交互數(shù)據(jù)。AI助教接受了這些數(shù)據(jù)集的訓(xùn)練后，對(duì)高質(zhì)量教學(xué)內(nèi)容及其教學(xué)方式儲(chǔ)存會(huì)越來(lái)越豐富，具備了“群體智慧結(jié)構(gòu)”。再借助于逐步“平權(quán)化”的生成式人工智能技術(shù)，及諸如推理模型支持的“無(wú)門檻”的互動(dòng)提問(wèn)能力，為每名師生提供了觸手可及的群體智慧，可以使每個(gè)學(xué)習(xí)者發(fā)自內(nèi)心的學(xué)習(xí)興趣需要等被均等化滿足，進(jìn)而實(shí)現(xiàn)按照自己興趣選擇提問(wèn)、生成內(nèi)容、推薦資源、規(guī)劃路徑，實(shí)現(xiàn)按需學(xué)習(xí)的機(jī)會(huì)均等，真正實(shí)現(xiàn)大規(guī)模個(gè)性化學(xué)習(xí)，而非簡(jiǎn)單地優(yōu)質(zhì)均衡。
　　
　　（作者系首都師范大學(xué)人工智能教育研究院副院長(zhǎng)、教授，本文系全國(guó)教育科學(xué)“十四五”規(guī)劃2022年度教育部重點(diǎn)課題［課題編號(hào)：DCA220455］階段性研究成果）