2022年底，横空出世的ChatGPT迅速引爆人工智能进入生成式人工智能（Generative Artificial Intelligence，简称GenAI）新赛道，其在文本问答、代码生成、图像生成、视频生成等方面的能力和出色表现，正在推动教育教学领域的重大变革。2023年9月7日，联合国教科文组织（UNESCO）发布全球首份GenAI相关的指南性文件——《教育和研究中的生成式人工智能指南》 （Guidance for Generative AI in Education and Research），将生成式人工智能定义为一种基于机器学习的人工智能技术，能根据自然语言对话界面中的提示自动生成新的内容。

国内相关公司在2023年推出一系列的生成式人工智能大模型应用平台，如讯飞星火、百度文心一言、商汤商量等。随着国内GenAI模型结构的升级迭代、学习范式的更新，也为GenAI在国内性能跨越式发展奠定基础，在这个人机融合、多模态智能服务的生成式人工智能时代，教育领域将迎来新一轮数字化转型的机遇和挑战。GenAI如何赋能学习和教学，如何建构GenAI时代的教育新生态、新场景，以ChatGPT为代表的GenAI在教育生态中的角色与作用究竟是什么，如何实现生物人和生成式人工智能共生共创的教育新生态，这些都是我们不容回避的重要问题。

一、功能阐释：生成式人工智能的角色和作用

生成式人工智能赋能学习，建立在生成学习理论的基础上，是对人学习生成作用的放大，像杠杆一样发挥作用。GenAI赋能教育瓶颈的突破，要在学习活动的四个方面，即动机、学习过程、生成过程和创造过程中，提升教学效率，而常规的教育教学方式，受视角、力量和方法的限制，当下可进一步挖掘的空间十分有限，进入一个发展的瓶颈期。生成式人工智能的出现，为突破这一瓶颈提供了可能。　　

（一）生成式人工智能的概念和内涵

生成式人工智能是一种特定类型的人工智能，它可以通过人工智能相关技术，自动化生成文本、图像、视频、音频等多模态数据。生成式人工智能已经在许多不同领域产生显著影响，它并不是简单地利用现有内容来管理网页，而是实际生成新内容（内容可以包含所有人类思维符号表示的格式）：用自然语言书写的文本，图像（包括照片、数码绘画和卡通）、视频、音乐和软件代码；从网页、社交媒体对话和其他在线媒体收集数据进行训练，通过统计分析所摄取数据中的单词、像素和其他元素的分布情况，识别和重复常见的模式来生成新内容。文本生成式人工智能、图像生成式人工智能、音频生成式人工智能和视频生成式人工智能，在未来还有无限的可能性。

生成式人工智能的典型代表ChatGPT，就是一个由OpenAI开发的生成式预训练转换器模型，它的问世引发跨领域、跨学科的生成式人工智能热潮。ChatGPT全称“Chat Generative Pre-trained Transformer”，即“基于特征抽取转换模型的预训练语言生成聊天工具”，主要依托机器学习、神经网络、特征抽取语义转换等关键技术，识别和理解指令、注意力机制信息，并加以检索和筛选、总结和归纳、反馈和表达，学习进化贯穿始终。

（二）生成式人工智能在教学中扮演的角色和作用

生成式人工智能在教学中可以扮演多种角色，完成许多简单或技术性的任务，包括创意引擎、辩论对手、协作指导、身边的向导、个人导师、协同设计、探究式学习、学习伙伴、拓展学习、动态评估等，以改善学生学习过程、形成新的教学模式。　　

1.针对性知识生成

GenAI能通过与学生互动和学习进化，满足学生的个性化求知需求。例如，在地理学习中，学生向GenAI提问：“你能告诉我关于太阳系的一些基本信息吗？”GenAI首先利用其预训练的能力识别和理解这个请求。它理解“太阳系的一些基本信息”是学生想要知道的内容。于是，它利用自身的注意力机制在大量的预训练知识中寻找与太阳系相关的信息——这个过程中，会筛选出最相关信息，忽略那些不相关信息。接下来生成一个关于太阳系的总结，包括太阳系的组成、行星的排列顺序等基本信息——这个过程涉及信息的归纳和总结。然后，GenAI将这个总结以易于理解的方式呈现给学生。最后，GenAI在与学生的互动中不断学习和进化——如果学生对某个行星的信息更感兴趣，GenAI将更深入地学习和生成关于该行星的信息。总的来说，GenAI通过理解学生的请求，搜索和筛选相关信息、总结和生成响应，并在此过程中不断学习和进化，来和学生进行有效的对话交流。

2.助力差异化教学

GenAI能为个性化教学的实现提供技术支撑，帮助教师有针对性地建构个性化、差异化的教学系统，通过设定教学目标、及时的反馈和学习策略支持，实现同一教学环境中不同个体有针对性的差异化教学。例如，在化学学习中，学生向GenAI提问：“我不理解离子键是什么。”GenAI可以根据其训练中获得的知识，提供简洁且易于理解的解释。学生也可以问GenAI更复杂的问题，例如：“我可以怎样更深入地了解DNA复制的过程？”GenAI给出一系列深化学习的建议，如阅读特定的科学文献、观看某些教育视频，或者进行某些实验活动。此外，GenAI还可以帮助学生制定学习策略和目标。例如，它可以根据学生的需求和进度，提出一些如何管理时间、如何制订有效学习计划的建议，帮助学生更好地达成学习目标。这样一来，GenAI可以为每一个学生建构供个人独立使用的个性化、差异化的教学环境，帮助不同的学生按照其学习需求和速度进行学习，从而实现个性化教学的目标。作为一个教育工具，可以在一定程度上代替教师，提供即时的反馈和帮助，实现个性化辅助的功能。

3.量身定制思维能力培养范式

GenAI的应用也给思维能力培养范式的转变带来机遇，改变教学过程中对不同水平思维能力培养的范式。在教育中，思维能力是至关重要的，涵盖一系列的技能，如批判性思维、创新思维、问题解决和决策制定等。利用GenAI可以更有效地培养和提高学生的这些思维能力。如在地理学习中，有一组学生正在学习地理学科气候变化的影响。传统的教学可能会向他们提供相关的资料和信息，要求记忆并能回答一些基本问题。但是，这种方式并不能有效地培养学生的思维能力。如果教师使用GenAI作为教学工具，可以通过以下方式转变教学范式。

批判性思维：关于气候变化的原因和影响，教师让学生利用GenAI来探索并研究各种不同观点、理论。学生向GenAI提问：“有哪些科学理论支持人类活动是导致气候变化的主要原因？”或者“有哪些反对观点或理论质疑人类活动是气候变化的主要原因？”通过这种方式，基于多元的观点和信息，学生的批判性思维得到培养。

创新思维：教师可以鼓励学生使用GenAI来探索和设计可能的解决方案来应对气候变化问题。学生可以向GenAI提出这样的问题：“有什么创新的方法可以帮助减少二氧化碳的排放？”或者“如何利用新技术来促进可持续发展？”这种活动鼓励学生思考和创新，找出他们自己的解决方案。

问题解决和决策制定：学生可以与GenAI一起进行角色扮演游戏，假设学生是一个政策制定者，需要决定如何分配资源来应对气候变化。学生向GenAI询问不同的策略可能会产生的影响和结果，然后基于这些信息来制定决策。这些案例展示了如何利用GenAI来改变思维能力培养范式，从而帮助学生更好地提升思维能力。

4.多模态数据建构认知空间　

高水平的教学设计，能够为学生的个体经验整合创设尽可能多的机会。GenAI利用多模态数据建构丰富的认知空间，可以帮助学生在真实的世界中建构复杂多元的发展背景。

如一个中学生在历史学习中，对古代历史和建筑学特别感兴趣，希望能深入了解唐代的建筑艺术和它们是如何影响现代建筑的。在这个学习场景中，GenAI通过以下方式来帮助学生建构一个丰富的认知空间，并帮助他在真实的世界中建构复杂多元的发展背景。

信息查询和整合：学生使用GenAI来查询有关唐代建筑的信息，例如，“唐代建筑的哪些建筑艺术元素影响了现代建筑？”或者“哪些唐代建筑仍然存在并被现代社会使用？” GenAI可以提供这些问题的答案，并且能够提供各种来源的信息，如学术文章、新闻报道、博物馆资料等。

多模态数据的使用：GenAI可以帮助学生理解和分析多模态数据，包括图像、视频、音频等。例如，帮助学生分析唐代建筑的图片，了解其建筑风格和技术，或者通过分析视频，帮助他了解唐代建筑的建造过程和使用场景。

实际应用和创新：通过GenAI的帮助，学生可以将学到的知识应用到实际中。例如，他可以在学习任务群的活动中设计一个现代建筑，其中包含唐朝的建筑元素。在这个过程中，GenAI可以提供他所需要的设计建议和反馈。

通过以上方式，GenAI不仅能帮助学生整合个人经验，还能提供一个富有创意和深度的学习环境，使他能够在现实世界中建构一个复杂多元的认知和发展背景。

二、场景升级：生成式人工智能引领教育应用大变革

基于生成式人工智能的教育转型机遇，GenAI有益于推动教育在思想层面走向人机协同、知识突破、向下兼容、向“智”迭代。开启教育数字化转型的新格局、创新多模态学习的新体验、赋能人机协同的学习智慧，为教育领域带来新的发展机遇。必须从工具性思维走向共生性思维，直面教育生态变革，通过重构教师社会身份、重塑教学实践方式、重设教育伦理规范、重建教育理论基础，主动建构“人工智能+教育”的多元图景。以下主要是运用GenAI引领建构教育新生态的四类场景。　　

（一）助手·伙伴·导师：GenAI建构教育与技术之间的创造性伙伴关系

在智能助手、智能伙伴、智能导师的加持下，建构教育与技术间的创造性伙伴关系。如一个学生学习化学，经常觉得难以理解一些复杂的化学概念和反应。在这种情况下，GenAI作为学生学习的智能共生伙伴，可以帮助他更好地理解和掌握这些复杂的概念。

作为智能助手：GenAI帮助他在学习过程中找到资料，例如，学生向GenAI提问：“这个化学反应方程式是怎么来的？”或者“这个化合物的结构是怎样的？”GenAI可以快速找到相关资料，并以易于理解的方式解释这些概念。在这个过程中，教师要帮助学生提高提示词技能，让GenAI生成符合用户预期的内容，这是人G协作互动的基本技能。

作为智能伙伴：GenAI可以陪伴学生一起学习，提供及时的反馈和鼓励。例如，当完成一项任务或者正确解答一个问题时，GenAI可以给予积极的反馈——“很好，你已经掌握了这个概念！”提高学生的学习动力和自信心。

作为智能导师：GenAI可以根据学生的学习进度和理解情况，提供定制化的学习计划和策略。例如，如果在理解某个概念上有困难，GenAI可以提供额外的解释和示例，或者推荐其他学习资源——教程视频或相关学术文章。GenAI可以与学生开展思维链式对话教学，生成新的学习内容，重塑课程资源和教学结构。

作为一个人工智能工具，GenAI并没有取代人的教学，而是成为学生学习的一个伙伴、助手和导师。这体现了人G共生的理念，即建构教育与技术间的创造性伙伴关系。

（二）助力跨学科学习：GenAI帮助学生打破因知识分化而形成的领域壁垒与学科藩篱 

跨学科学习是新时代一个重要的教育主题，GenAI恰当介入教学设计，可以通过对知识的重新获取、鉴别、筛选、储存、整合、推送等方式，从根本上打破因知识分化而形成的领域壁垒与学科藩篱。使用GenAI等人工智能工具，可以进行知识获取和整合，为学生提供跨学科的学习和研究支持。例如，气候变化是一个高度跨学科的主题，涉及地理、化学、生物、物理、政策制定等多个领域，GenAI介入，可以在以下方面重构学习情境。

重新获取知识：学生可以使用GenAI来查询各种气候变化的主题，例如，“温室效应是如何影响地球的？”或者“碳排放是如何影响气候变化的？”GenAI会基于其大量训练数据，提供详细且可理解的答案。

鉴别和筛选知识：学生看到关于气候变化的假新闻或误导性信息，在这种情况下，使用GenAI来验证这些信息。例如，如果看到一个声称“全球变暖是个骗局”的文章，他可以询问GenAI关于此主题的科学共识。

储存和整合知识：GenAI本身并不能储存学生特定的查询或创建个性化的知识库，但它可以帮助学生整合从不同源头所获取的信息，并将复杂的概念简化成易于理解的语言。

打破知识壁垒：气候变化是一个复杂的主题，需要跨学科的理解。借助GenAI，学生可以在物理、化学、政策等领域获取信息，从而打破单一学科的限制，更全面地理解这个主题。

总之，GenAI协助学生处理跨学科主题，从而打破因知识分化而形成的领域壁垒。虽然GenAI无法替代专业的教师或研究者，但可以作为一个工具，帮助学生进行初步的研究和理解复杂的主题。

（三）服务教育公平：GenAI赋能教育薄弱地区激活教育新生态

教育公平是当下的教育难题，GenAI介入教育教学，可以赋能教育基础薄弱的地区、学校和学生，并有针对性地调动教育薄弱地区的已有因素，进而激活教育生态，使之不断迈向更高水平的平衡；使用GenAI来帮助那些在传统教育体系中可能被边缘化的地区或学生，如那些在农村地区或者缺乏良好教育资源地区的学生。一个在偏远农村地区的学校，因为地理位置的限制，学校可能无法聘请一些专业的科学或数学教师，可以通过GenAI技术来提供教育内容。

使用AI教学助手：用GenAI来提供一对一的辅导，向学生解释复杂的科学概念，进行习题辅导，甚至可以根据学生的学习进度和理解程度个性化地调整教学内容。

利用GenAI生成的视频教程：可以由专业教师录制视频教程并通过AI技术进行编辑和优化，然后分发到这些偏远地区的学校。这样，即使学校无法聘请专业教师，学生也可以通过观看这些高质量的视频教程来学习。

通过使用GenAI技术，可以帮助解决教育公平，将先进的AI技术应用到教育资源相对不足的地方，让所有学生都能受到良好教育，实现教育公平。

（四）智能迭代：GenAI灵活解决不断涌现的教育新问题

GenAI介入教育教学，可以推动教育朝着智能、智慧的方向不断迭代，改善教育不断突现、面临的新问题，教学设计中帮助重组教育材料、重设教育环境、重塑教育过程以及重构教育评估，让教育变得更加便捷、精确、灵活与个性化，借助数据驱动、知识交叉、智能互联等新方法新工具，实现具有放大效应、乘数效应、累积效应的智慧跃迁。GenAI技术如果应用恰当，智能迭代，可以解决教育中不断涌现的某些新问题，重塑教育过程，并改善教育评估，为提升教育教学质量提供新路径。

个性化学习路径：学生日常通过在线平台学习，这个平台使用AI技术提供个性化的学习路径。当学生开始使用平台时，AI会评估其初始技能水平和学习风格。然后，根据这些信息，会针对学生的特定需求和优势，为每个学生制定个性化的学习路径。随着学生的学习进度，AI持续追踪进步情况，并相应地调整学习路径。例如，如果AI检测到学生在某个概念上遇到困难，可能会推荐额外的学习资源或者调整学习路径，以便更好地帮助学生掌握这个概念。通过GenAI技术来重塑教育过程，使教育更加个性化。

智能教育评估：在传统的教育评估中，教师通常需要花费大量时间和精力来评估学生的作业和考试。但是，通过使用GenAI技术，这个过程可以得到显著改善。具体来说，可以使用AI技术来自动批改学生的作业和考试。AI不仅可以快速、准确地评估学生的答案，还可以提供有用的反馈，帮助学生理解所犯的错误，并提出如何改正的建议。此外，AI也可以用来监控学生的学习进度，并及时向教师提供反馈。这样，教师就可以更好地了解每个学生的学习状态、更有效地提供帮助。

使用GenAI技术的智能迭代，使教育变得更加智能，解决教育中的一些突出问题，并实现教育的便捷、精确、灵活和个性化。

三、人G共生：智能化创生教育新生态

（一）“人G共生”的概念和内涵

人机协同是一个通用概念。这个概念中的“机”，具体内涵不明确，既可以指计算机硬件，也可以指计算机软件，指代不明，名不符实。在当下生成式人工智能改变传统教育生态的新时代，再用人机协同的概念，已经难以准确呈现人工智能对教育的助力作用。

鉴于此，提出“人G共生”的概念，来表示生物意义上的人（教育者+被教育者），和生成式人工智能的G（GenAI）相互协作，共创新的意义世界。“人G共生”这一概念，凸显生物意义上的人类与生成式人工智能之间的紧密协作关系，提出一种对人类与AI关系的全新理解，不再以人类对AI的主导和控制为基础，而是强调人类与AI间的平等、协作和共享。

具体来说，“人G共生”的内涵包括以下方面。相互补充：人类和生成式AI在认知、能力上存在本质的互补性。人类具有丰富的直觉、情感和创新思维，而AI则能够处理大量数据，进行复杂的计算，提供精准的预测。通过人G共生，可以使两者的优点相互叠加，共同完成更高效和更高质量的任务。参与决策：在人G共生的环境中，人类和生成式AI不再是简单的指令与执行关系，而是GenAI充分享有决策参与的权利，通过学习和模仿人类的行为和思维方式，提供一些虽然“脑洞大开”但人类可接受、可理解的建议和解决方案。共创新意：人类和生成式AI共同创造新的知识、新的解决方案和新的艺术形式，打破人类单独创新的局限，带来更多元的视角和更广阔的创新空间。

总的来说，“人G共生”代表一种新的人类与AI关系的范式，它强调人类与AI的平等、协作和共享，推动人类和AI共同创造更加丰富和多元的世界。

1.相互补充：人G协作，共同开展学习诊断和支持

“人G共生”的情境中，相互补充，是教育领域中最基本的应用场景。一个生成式人工智能系统，可以被训练用于辅助教育工作者进行学生学习的诊断和支持。在这个过程中，教师和AI系统的角色是相互补充的。

生成式AI系统可以处理大量学生数据，包括成绩、参与活动、在线学习行为等，并通过模式识别和深度学习技术，快速准确地预测学生的学习进步和可能存在的困难。这在教师面对多个学生时，能够大大减轻负担，并提高教学的效率和精确性。

然而，AI的预测并不总是完全准确，它可能无法理解某些复杂的学习机制，或处理某些模糊、非结构化的数据，如学生的情绪、学习动机等。此时，教师的专业知识和教学经验就显得尤为重要。他们可以对AI的预测进行人工复核，考虑更多的教育因素，甚至与学生面对面交流，从而进行更全面、更准确的教学决策。

此外，教师能给予学生必要的心理支持和关怀，这是目前的AI系统无法做到的。这使教师和生成式AI在教育诊断中形成相互补充关系——AI提供大数据处理和精准预测的能力，而教师提供专业知识、教学经验和人文关怀。通过这种合作，可以更有效地提高教学质量和效率，同时更好地支持每一个学生的学习成长。

2.共享决策：人G共享，共同参与教学决策

教师使用生成式AI工具，如一款智能教学辅助系统，来帮助决策课程内容的设计和教学策略的选择。在这种情况下，人（教师）和G（智能教学辅助系统）将共享决策权。

首先，智能教学辅助系统将通过处理大量的学生数据，包括学习成绩、行为表现、参与度等信息，来了解每个学生的学习需求和能力水平。基于这些数据，该系统会利用先进的机器学习算法预测出可能有效的教学策略——哪些学生应该使用哪种教学方法、哪些内容需要重点解释、哪些学生需要额外的辅导等。

其次，这些预测结果和建议将以可理解的形式呈现给教师。教师可以参考这些信息，根据专业知识和对学生的理解，确定是否接受这些建议，或者需要如何调整这些建议以适应实际教学环境。

最后，教师的决策将反馈给智能教学辅助系统。系统将学习这些反馈信息，并据此改进其预测模型和建议算法，使其更好地适应教师的需求和学生的实际情况。

在这个过程中，人和生成式AI共享决策权，共同参与教学决策的制定和执行。这样既能充分利用生成式AI的数据处理能力和预测能力，也能保证教师的专业判断和人文关怀在教学决策中的重要作用。这是一种真正的人G共生，是教育科技未来的发展方向。

3.共创新意：人G合作，共同创作新的艺术作品

DeepArt和DeepDream等生成式AI工具，能够基于人类的输入（包括草图、概念或主题等）生成具有特定风格的艺术作品。这些工具使用深度学习算法学习不同的艺术风格，并将这些风格应用于新的作品创作。在这个过程中，学习艺术的学生和生成式AI共享创新的权利和责任。

具体来说，学习者（教师或学生）可能提供一个基本的设计或构想，然后AI工具会根据其训练的风格和模式生成一系列的创意设计。接着，学习者可以从这些设计中选择他们认为最有潜力或最吸引人的方案，并在此基础上进一步创作。

在这个过程中，生成式AI并非简单地执行学习者的命令，而是积极参与到创新过程中，提供新的视角和可能性。而学习者，既可以利用AI的能力来拓展创作范围，也可以根据自己的审美观念和创作目标，引导AI的生成过程。这是一种真正的人G共生关系，人和生成式AI共同创新、共同创造新的艺术形式。

（二）“人G共生”范式中的关键原则

“人G共生”代表一种新的人类与生成式AI关系的范式。在这个范式中，人类与AI不再是简单的“用户—工具”关系，而是一种更为紧密、复杂和富有创新性的伙伴关系。在“人G共生”范式中，以下几点原则至关重要。

平等：这里的平等并非指人类和AI在能力或地位上的平等，而是指在决策和创新过程中的平等参与。人类和AI都有权对任务的执行、问题的解决、创新的过程提供意见和建议。　　协作：在这个范式中，人类和AI需要密切协作，共同完成任务和解决问题。人类可以利用AI的数据处理能力和模式识别能力，而AI则可以从人类的经验、直觉和创新思维中获益。　　共享：人类、AI共享责任和成果，共享创新的过程和结果。这种共享不仅有助于提高效率和质量，也有助于创造更为多元和丰富的解决方案和创新成果。

例如，在设计新的教案或服务时，教师可以负责定义学生需求和设计目标，而生成式AI可以提供基于大数据的学情分析和设计方案。在这个过程中，教师和AI共享决策权、共同完成设计任务。教师可以根据AI的建议调整设计方案，而AI也可以根据学情的反馈优化其分析和建议。这就是一种典型的“人G共生”关系。

总的来说，“人G共生”代表一种更为开放、协作、创新的人类与AI关系范式。这种范式有助于人类更好地利用AI的能力，同时也有助于AI更好地理解和满足人类的需求。通过“人G共生”，人类和AI可以共同创造一个更加丰富、多元和智能的教育世界。（文章摘自中国教育信息化）