引言

2022年11月，ChatGPT横空出世，引发全球震动，其强大的自主化、类人化和仿真化等自然语言处理技术优势，极大地变革了人类的知识生产和交互方式，并迅速吸引同类产品纷纷涌入市场，如文言一心、豆包以及deepseek等。生成式人工智能，作为人工智能领域的关键分支，为教育教学提供了巨大的应用潜力和价值，正逐步成为推动教育创新发展的重要力量。

在教育领域，关于生成式人工智能的讨论不断涌现，它已成为推动未来教育改革与发展的重要不确定因素。已有研究讨论了生成式人工智能在教育中的机遇、挑战及应对，为本研究奠定了基础。然而，生成式人工智能在教育领域具体有哪些实践探索呢？发挥着什么样的作用呢？又有哪些风险呢？为回答这些问题，本研究全面收集生成式人工智能与大语言模型在教育应用中的高质量文献，深入挖掘生成式人工智能教育实践与探索的具体内容，帮助教育工作者更深入地理解生成式人工智能的赋能作用，为推动生成式人工智能与教育教学的深度融合、促进教育高质量发展提供参考。

一、生成式人工智能在教育领域应用探索

不论是在理论层面还是在具体实践中，越来越多的学校、机构、管理者、教师、学生尝试生成式人工智能运用到教育教学中，本研究主要讨论生成式人工智能在教学、学习、评价、管理多方面、多场景应用实践，其助力教师改进了教学手段，丰富了师生的学习经历，同时也促进了智能技术在教育评价中的应用，提高了管理效能，在教学中扮演了重要角色（如图1）。

（一）何以教：重塑教师角色，减少工作负荷

1. 智能助教

“因材施教”是一个永恒的话题，但教师常常难以精准地对每个学生问题及时反馈，导致学生效能感低。研究发现，在编程教学中学生通过与生成式人工智能对话，频繁调试代码练习，能够提高大学生的编程成绩。在作文批改中，使用ChatGPT可以针对性改正作文中的词汇、语法等方面的偏误，使语义更通顺，语体也更符合要求。在备课中，生成式人工智能可以被视作一个实用的辅助工具和丰富的资源库。利用生成式人工智能作为辅助工具，能够助力教师提高教学效率，从而为其从事创造性工作节省时间，实现任务负担的有效减轻。

2. 学情诊断

学情分析是实施以学定教、指导教学活动的基础与依据。人工智能具有强大的数据处理能力和高效的多任务处理能力，有助于广泛收集学生的学习情况数据，通过科学方法高效地进行学情分析，并能迅速提供反馈，从而增强数据采集的全面性、分析结果的准确性、反馈的时效性以及应用的实际效果，并提供详细且直观的可视化报告，对学情进行精准“画像”、监测和诊断，帮助教师更好地了解学生的学习情况，调整教学策略。

（二）何以学：智能辅学对话，资源精准赋能

1. 解惑助学

学习者在学习过程中遇到的任何疑问，在与生成式人工智能对话中可以得到“千人千面”的回答。例如在编程学习中，生成式人工智能工具可以通过快速给出基本正确的答案，对遇到的问题给出提供解决方案，并为学生提供支持和指导，通过向生成式人工智能大模型输入关于角色特性和偏好的附加细节，大模型可以创造出更具个性化和吸引力的回复，使得学习体验“量身定制”模式。另外生成式人工智能能够精确地依据学生的学习进度、能力水平及个人兴趣专长，推荐最适宜的学习材料、提供个性化的学习资源，以充分发挥学习者的潜力，节省了学生在筛选资源上的时间，更能确保学生所接触到的知识内容在最近发展区中又符合学生兴趣。

2. 情境对话

情境对话通过创建与现实生活相关的学习情境，将抽象的知识具体化、形象化，使学生在生动、有趣的情境中产生好奇心和求知欲。在学习唐诗时，生成式人工智能可以生成与诗歌语义相似性的图像，能够更好地理解诗歌的内涵及其关键组成部分。同时，生成的唐诗视频可以显著有助于减少学习过程中的认知负荷以增强理解。在英语学习时，生成式人工智能可以成为每位学生的私人语言教练，学生就能够以语音、文本等方式与生成式人工智能进行对话，可以练习不同场景下的语言表达方式。这种聊天机制也降低了学生的焦虑情绪。

（三）何以评：引领智能反馈，革新评价体系

1. 智能反馈

与以往仅对学习者答题结果做出简单对错评判的方式不同，生成式人工智能系统实现了更为全面和深入的学习评估。一些学者也曾尝试利用人工智能技术开展学习评价、学生画像等。生成式人工智能在判断答案正确与否的基础上，对学习者的答题情况进行深度诊断，生成详尽的学习报告，提出针对性建议，根据学习者的具体表现和学习需求，进行个性化的学习资源推荐，旨在协助学习者发现并弥补知识漏洞，加强其薄弱环节，进而全面提升学习效果。生成式人工智能技术能够充分利用学生学业数据，自动化生成述评内容，为教师实施个性化述评提供有力的决策辅助。

2. 智慧测评

在实时对话场景中，虚拟数字人考官运用口语评测技术，根据真实的考试题目灵活设计情境对话，全面模拟考试流程，助力考生预先适应口语评估环节。同时，该虚拟考官还能展现多样化的面部表情、肢体语言及手势动作等非言语元素，进一步提升了与考生之间的交流与互动体验。除此之外，北京大学开发了一套针对大学生体育课程的动作评价系统，该系统能够为每位学生的每一个动作提供详细且直观地评价，包括文字描述与图片展示，帮助学生清晰地认识到自己动作中存在的问题，并据此进行针对性的练习改进，从而逐步提升运动技能。

（四）何以管：优化资源配置，助力校园管理

1. 资源开发

信息技术的迅猛发展的同时，大量教育数据得以汇聚，构建起庞大的信息资源库。生成式人工智能，借助大数据分析和深度学习技术，能够深入挖掘并解析这些庞大的教育数据集。通过面部表情和体态识别等多模态数据，可以探索并揭示这些外在表现背后的内在规律及其未来发展趋势。通过整合学生学习数据、教师教学资源和学校管理信息等多元数据，教育管理者能够更精确地洞悉教育发展的动态。在生成式人工智能支持的人机互补式课程资源开发模式下，管理者能够借助生成式人工智能来综合各类课程资源，并对课程资源进行加工重组，设计出跨学科课程。

2. 智慧校园

生成式人工智能技术能够有效减少人工管理流程，提升决策速度。它能够为学校管理人员迅速生成日常事务性文件的框架或概要，例如，在撰写家校沟通信函时，ChatGPT能够快速提供内容提纲并贴合需求，从而加快教育管理者处理繁重行政事务的步伐。在决策阶段，生成式人工智能能够辅助决策者搜集信息，确保决策者能够全面且精确地掌握问题背景及多种影响因素。以是否开设某门课程为例，通过生成式人工智能的分析，决策者能够做出更为合理且公正的抉择。ChatGPT在建设智慧图书馆的过程中，对信息资源管理、智慧环境布局、智能咨询服务以及图书馆员的服务能力提升等方面均发挥了显著的促进作用。

二、研究讨论与启示

生成式人工智能引发有关技术与人的大讨论，其中裹挟着焦虑、迷茫等情绪。乔布斯曾发出疑问：“为什么IT改变了几乎所有领域，却唯独对教育的影响小得令人吃惊？”无数事实证明，脱离了教育现实的技术，都只是“炫技”与表面“繁华”。教育不仅仅是知识传授的过程，更是一个全面培养学生综合素质、促进其全面发展的过程。诚然，生成式人工智能在教育领域的技术应用确实带来了益处，但我们也必须重视其潜在的风险问题。本文将从教、学、评、管应用风险四方面展开并提出应对措施。

（一）人机协同，双向超越

生成式人工智能正以前所未有的速度构建着一个日益完善的数字世界，教师角色正经历重大变革，然而，部分教师可能因自身数字能力与生成式人工智能应用的差距而感到不安与忧虑。在教学筹备阶段，生成式人工智能可能提供的标准答案模板可能会使教学流程趋于僵化。同时，师生间交流方式趋于符号化和数字化，也在一定程度上削弱了情感的深入交流，导致真实的人际交往面临被“人机”虚拟交往所替代的风险，教育中人的交往的价值和意义被弱化，师生交往被异化，教师在教学中的直接参与度减少，一定程度上消解了教师的知识权威、弱化了教师的教学地位。

从教师的角度出发，面对的替代焦虑与权威消解，我们需要重塑观念，明确教师角色并强化师生情感联结，以实现教育的全面发展。

1. 重塑共生观念

技术每次的迭代与升级，都弥漫着浓重的“替代焦虑”，这需要教师换一个思路：利用生成式人工智能技术，探索并构建人机之间相互促进、彼此超越的全新互动模式。我们要以“共生思维”来看待人与机器的关系，通过互相交流反馈，能让人工智能的“外脑”和人的“内脑”都变得更厉害，更有自己的特点，走向双向超越。

2. 明确人师定位

教师应充分利用人工智能的优势，为学生提供更加丰富、个性化的学习资源，同时注重培养学生的批判性思维、创新思维等关键能力。同时教师应不断学习新的教育理念和教学方法，提高信息技术能力，为教学提供技术支持。教师也应注重与学生的互动，关注学生的情感需求，通过面对面的沟通、心理辅导等方式，建立和谐的师生关系。

（二）打破枷锁，重塑自我

生成式人工智能凭借其强大的自主学习、消化和再输出能力，在信息推送方式上不再仅仅依赖于简单调取预设答案，而是通过知识投喂和使用调教，更注重信息的完整性与逻辑性，但过度依赖可能潜藏着风险，长此以往，可能会抑制个人主动性与创造力的发挥。利用生成式人工智能生成答案，简化了知识获取的过程，削弱了对科学探索的内在兴趣，加剧了学习过程中的惰性。人类的创造力常常是突破传统、超越以往经验的结果，而生成式人工智能为用户提供了便捷的内容像是自动化的“预制菜”，我们也不一定能消化这些知识。

从学生的角度出发，要打破内容预制与认知惰性，探索技术利用的智慧之道，摒弃盲目复制，保持批判思维。

1. 摒弃“拿来主义”

技术本身不具有价值，只有当我们使用它时，它才被赋予价值。在使用技术工具时，要摒弃复制粘贴直接思想，学会筛选和整合信息，形成自己独特的见解和表达，对生成式人工智能工具的输出结果保持批判性态度是有效利用这些工具的关键。我们应该不仅仅满足于获取答案，更要通过问题的引导，不断挖掘知识的深度与广度，抓住问题的本质，实现技术的祛魅和去权。

2. 重审“学霸”标准

生成式人工智能在一定程度上已能实现自我学习，并能将所学应用于不同任务，其进化速度之快，近乎一个不断突破的“学霸”，不可否认的是，“机器”越来越像人了。以前我们如此重视题海战术，事实上，对于学习者而言，理解问题的本质远远比答案的重复堆砌更为重要，注重每个学生成为独一无二的自我，确保人类的价值永远超越机器。

（三）整合数据，优化反馈

生成式人工智能的深度诊断，详尽的学习报告可能引发过度依赖“量化”对象的潜在风险。一旦学校管理层过度依赖数据分析的结论，就可能不自觉地将师生都视作“纯粹的数据点”，在这种情况下，数据偏见有可能导致特定情境下产生不公与歧视的问题。在教师评语中，由于生成式人工智能是基于对提示词及逻辑关系的匹配来生成答案，具有不理解语义和真实世界的技术局限。尽管生成式人工智能能够模拟人类语言，甚至达到以假乱真的程度，但其回复通常是预设程序下的产物，机械且没有温度，尚不能有效地应对人类复杂的情感和意识状态，缺乏真正的理解力和情境感知，导致信息传递失真或误解，难以满足人类对情感交流的深层次需求。

从技术的角度出发，避免量化陷阱与情感缺失，需要推动技术创新与升级。

1. 开发高效算法

不断优化和升级生成式人工智能的方法，提高模型的性能和效率。降低对大量数据的依赖，提高模型的泛化能力。鼓励开源社区的发展，共享优秀的算法和模型资源，促进技术进步和创新。

2. 融合情感识别技术

在评价时通过整合不同来源的数据，提高数据的多样性和准确性。引入情感识别技术，对输入文本进行情感分析，帮助生成式人工智能模型更好地理解人类的情感状态、识别情境，提升模型的理解和感知能力，从而生成更加具有人文色彩的文本。

（四）防微杜渐，均衡配置

大模型具有更为庞大的参数量，并在更大规模数据集上进行预训练，这种预训练过程更易造成训练数据中的敏感信息泄露，这种泄露可能包括学生、教师和教育机构的信息，例如个人身份信息和学术成绩等。这背后还潜藏着巨大的道德风险，通过熟练运用生成式人工智能等技术，借助生成式人工智能等工具实现高产出，但是它提供了大量无法确定来源的信息，可能会营造出一种繁荣的数字化知识生产的假象，因此，利用机器产生知识取得“增肥”的效果，那也只是幻觉。此外，生成式人工智能的应用可能在区域和城乡间加剧智能鸿沟，一部分学生可能因过度依赖或不当使用此技术，而错过个人发展的关键阶段，导致其发展趋于平庸；一部分将可能因生成式人工智能的介入更好地实现个性化学习，最终出现平庸与精英的两极分化。

从管理的角度出发，面对数据安全与智能鸿沟问题，需完善法规、伦理准则并优化资源配置，平衡公平效率与个性需求。

1. 制定相关准则

智能技术在教育领域的应用需谨慎对待，完善我国国家法规并明确法律定位和责任认定，以确保技术应用的底线，并引导其正向发展。通过建立严密的监管标准和追溯体系进行记录与标识，避免对学生产生不良影响。完善伦理审查体系，全面评估智能技术对教育环境的多维度影响，特别是潜在的负面效应，确保技术发展与伦理规范并行不悖。

2. 优化资源配置

在资源配置方面，相关政策需着重于公平与效率的均衡考量，以防止资源过度集中于某一领域而导致教育不公平现象，加大对欠发达地区的投资，特别是在教育、科研和基础设施建设方面，以提高这些地区的人工智能技术应用水平。在制定相关政策时，还需妥善平衡普遍需求与个性需求，确保师生的需求得到充分满足。

三、结语

生成式人工智能在教育领域的应用既带来了显著的机遇，也伴随着不容忽视的挑战。它在促进教师向“超级教师”转变的同时面临替代焦虑和权威分解；增强学生的个性化学习体验的同时可能会造成思考停滞；提供多元、及时的反馈的同时可能陷入数据漩涡，缺失过程性和情感；提升管理效率和服务水平的同时面临数据安全和智能鸿沟问题；赋能知识生产与传播的同时涉及知识产权争议。国内外生成式人工智能教育实践正在进行时，但有效路径仍需要深入，亟需一线教师突破传统思维模式，提升教学法与技术整合能力，以推动研究的进一步深入。可以预见生成式人工智能应用边界将持续拓展，不远的未来是人与人工智能携手并进的时代，让机器专注于机器擅长的任务，让人处理人擅长的工作，实现人和机器的高度协同。

参考文献：

1. [1] 肖君, 白庆春, 陈沫, 等. 生成式人工智能赋能在线学习场景与实施路径[J]. 电化教育研究, 2023, 44(09):57-63+99.
2. [2] 刘邦奇, 聂小林, 王士进, 等. 生成式人工智能与未来教育形态重塑：技术框架、能力特征及应用趋势[J]. 电化教育研究, 2024, 45(01):13-20.
3. [3] 杨宗凯, 王俊, 吴砥, 等. ChatGPT/生成式人工智能对教育的影响探析及应对策略[J]. 华东师范大学学报（教育科学版）, 2023, 41(07):26-35.
4. [4] Sun D, Boudouaia A, Zhu C, et al. Would ChatGPT-facilitated programming mode impact college students’ programming behaviors, performances, and perceptions? An empirical study[J]. International journal of educational technology in higher education, 2024, 21(01):14.
5. [5] 毛文伟, 谢冬, 郎寒晓. ChatGPT赋能新时代日语教学：场景、问题与对策[J]. 外语学刊, 2023(06):25-33.
6. [6] 宋萑, 林敏. ChatGPT/生成式人工智能时代下教师的工作变革：机遇、挑战与应对[J]. 华东师范大学学报（教育科学版）, 2023, 41(07):78-90.
7. [7] 郑世林, 姚守宇, 王春峰. ChatGPT新一代人工智能技术发展的经济和社会影响[J]. 产业经济评论, 2023(03):5-21.
8. [8] 蒲清平, 王雪婷. 人工智能助力学情分析的理论框架与实践路径[J]. 大学教育科学, 2024(03):31-38.
9. [9] 卢宇, 余京蕾, 陈鹏鹤, 等. 生成式人工智能的教育应用与展望——以ChatGPT系统为例[J]. 中国远程教育, 2023, 43(04):24-31+51.
10. [10] 白雪梅, 郭日发. 生成式人工智能何以赋能学习、能力与评价？[J]. 现代教育技术, 2024, 34(01):55-63.
11. [11] 王磊, 徐子竞, 朱戈, 等. 生成式人工智能赋能网络安全人才培养的探索研究[J]. 中国电化教育, 2023(09):101-108+116.
12. [12] Xu X, Wang X, Zhang Y, et al. Applying ChatGPT to tackle the side effects of personal learning environments from learner and learning perspective: An interview of experts in higher education[J]. Plos one, 2024, 19(01):e0295646.
13. [13] Chen X, Wu D. Automatic generation of multimedia teaching materials Based on generative AI: Taking tang poetry as an example[J]. IEEE transactions on learning technologies, 2024, 17:1353-1366.
14. [14] 张家华, 胡惠芝, 黄昌勤. 多模态学习分析技术支持的学习评价研究[J]. 现代教育技术, 2022, 32(09):38-45.
15. [15] 张紫徽, 林子涵, 廖会心, 等. 面向学习成功的非认知能力学生画像可视化[J]. 现代教育技术, 2021, 31(12):94-102.
16. [16] 熊余, 王盈, 蔡婷, 等. 学生学业述评智能生成模型的构建与实证研究[J]. 现代远距离教育, 2023(01):32-39.
17. [17] 张文超. 教育数字化转型背景下人工智能教育应用的态势——基于文本数据挖掘的分析[J]. 中国教育科学（中英文）, 2023, 6(03):52-60.
18. [18] 苗逢春. 生成式人工智能技术原理及其教育适用性考证[J]. 现代教育技术, 2023, 33(11):5-18.
19. [19] 黄蓓蓓, 宋子昀, 钱小龙. 生成式人工智能融入高等教育生态系统的风险表征、预警及化解[J]. 现代教育技术, 2024, 34(05):16-26.
20. [20] 贺樑, 应振宇, 王英英, 等. 教育中的ChatGPT：教学能力诊断研究[J]. 华东师范大学学报（教育科学版）, 2023, 41(07):162-176.
21. [21] 张鹏, 汪旸, 尚俊杰. 生成式人工智能与教育变革：价值、困难与策略[J]. 现代教育技术, 2024, 34(06):14-24.
22. [22] 张强, 高颖, 赵逸淳, 等. Chat GPT在智慧图书馆建设中的机遇与挑战[J]. 图书馆理论与实践, 2023(06):116-122.
23. [23] 周洪宇, 李宇阳. ChatGPT对教育生态的冲击及应对策略[J]. 新疆师范大学学报（哲学社会科学版）, 2023, 44(04):102-112.
24. [24] 柯清超, 米桥伟, 鲍婷婷. 生成式人工智能在基础教育领域的应用：机遇、风险与对策[J]. 现代教育技术, 2024, 34(09):5-13.
25. [25] 汪靖, 米尔外提·卡马勒江, 杨玉芹. 人机共生的复合脑：基于生成式人工智能辅助写作教学的应用发展及模式创新[J]. 远程教育杂志, 2023, 41(04):37-44.
26. [26] 李海峰, 王炜. 人机争论探究法：一种争论式智能会话机器人支持的学生高阶思维能力培养模式探索[J]. 电化教育研究, 2024, 45(03):106-112+128.
27. [27] Baidoo-Anu D, Ansah L O. Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning[J]. Journal of AI, 2023, 7(01):52-62.
28. [28] 罗恒, 廖小芳, 茹琦琦, 等. 生成式人工智能支持的教师评语研究：基于初中数学课堂的实践探索[J]. 电化教育研究, 2024, 45(05):58-66.
29. [29] 文秋芳, 梁茂成. 人机互动协商能力：ChatGPT与外语教育[J]. 外语教学与研究, 2024, 56(02):286-296+321.
30. [30] 禇乐阳, 潘香霖, 陈向东. AI大模型在教育应用中的伦理风险与应对[J]. 苏州大学学报（教育科学版）, 2024, 12(01):87-96.
31. [31] 张海波, 杨兆山. ChatGPT的教育挑战与应答[J]. 四川师范大学学报（社会科学版）, 2023, 50(04):107-114.