萬力勇 杜靜 熊若欣

2022年是AIGC（Artificial Intelligence Generated Content）火爆出圈的一年，其標(biāo)志性事件是OpenAI 發(fā)布大語言模型應(yīng)用ChatGPT（蔡子凡等，2023）。ChatGPT除了具有交互式問答的優(yōu)勢外，還可以實(shí)現(xiàn)代碼生成、論文寫作、詩詞創(chuàng)作、新聞寫作、音樂創(chuàng)作等多場景任務(wù)。全球各大科技企業(yè)都積極擁抱AIGC，不斷推出相關(guān)技術(shù)、平臺和應(yīng)用，如谷歌的Bard、百度的文心一言、阿里的通義千問等。當(dāng)前，AIGC 已率先在傳媒、電商、影視、娛樂等行業(yè)得到創(chuàng)新性應(yīng)用，其在教育領(lǐng)域的應(yīng)用前景也倍受學(xué)界和業(yè)界關(guān)注。教育領(lǐng)域中與AIGC 應(yīng)用最為契合的當(dāng)屬數(shù)字化教育資源建設(shè)與開發(fā)。AIGC 作為人工智能時代內(nèi)容創(chuàng)作的變革性工具之一，為解決數(shù)字化教育資源開發(fā)中的瓶頸問題提供了新的思路和解決方案。在AIGC 場景下，人機(jī)共創(chuàng)將成為數(shù)字化教育資源開發(fā)的新方向。本研究試圖對基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)的可能性和必然性進(jìn)行分析，對基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)范式內(nèi)核、人機(jī)共創(chuàng)框架及流程進(jìn)行闡釋，以期為數(shù)字化教育資源開發(fā)者和相關(guān)研究者提供借鑒和參考。

一、基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)何以可能

1.數(shù)字化教育資源開發(fā)的演進(jìn)歷程與發(fā)展趨勢

我國數(shù)字化教育資源開發(fā)在演進(jìn)歷程上，按開發(fā)主體的不同，可分為政府開發(fā)模式、市場開發(fā)模式、公益開發(fā)模式和自主開發(fā)模式四種。政府開發(fā)模式是指由政府部門主導(dǎo)并推動的開發(fā)，所開發(fā)的資源依托國家級、省級、市縣級等各級資源平臺，形成了較為完整的數(shù)字化教育資源供給網(wǎng)絡(luò)。市場開發(fā)模式是指以市場機(jī)制為推動，依靠企業(yè)、出版社等多方力量開發(fā)數(shù)字化教育資源的方式（柯清超等，2018）。公益開發(fā)模式是由社會性非營利組織或個人開發(fā)資源，旨在擴(kuò)大優(yōu)質(zhì)資源受益面。而自主開發(fā)模式則是指各級各類學(xué)校根據(jù)自身特點(diǎn)自主開發(fā)校本化、地方性教育資源的一種方式。

開發(fā)與共享是資源建設(shè)過程中相輔相成的兩個環(huán)節(jié)，其往往能形成聯(lián)動效應(yīng)。按共享模式的不同，我國數(shù)字化教育資源開發(fā)主要經(jīng)歷了共建共享、公建共享、共創(chuàng)共享三個發(fā)展階段。共建共享是指借助現(xiàn)代信息技術(shù)，在一定范圍內(nèi)共同開發(fā)資源，基于資源共享平臺以免費(fèi)或適當(dāng)收費(fèi)的方式供師生使用（錢冬明等，2013）。公建共享強(qiáng)調(diào)由政府承擔(dān)頂層規(guī)劃、資金投入和統(tǒng)籌協(xié)調(diào)的主體責(zé)任，統(tǒng)整各方數(shù)字資源建設(shè)主體，最終形成集資源生成、管理服務(wù)、推送配置和使用反饋等于一體的數(shù)字化教育資源建設(shè)機(jī)制（趙曉聲，2015）。共創(chuàng)共享則強(qiáng)調(diào)以多方資源開發(fā)主體協(xié)同共創(chuàng)為理念，以滿足師生個性化資源需求為導(dǎo)向，借助數(shù)字化教育資源共創(chuàng)平臺，開展數(shù)字化教育資源的協(xié)作開發(fā)、實(shí)時發(fā)布、迭代優(yōu)化和高效共享（王曉晨等，2016）。

若按資源內(nèi)容生成模式的不同，數(shù)字化教育資源在演進(jìn)上又可分為專業(yè)生成內(nèi)容、用戶生成內(nèi)容、AI輔助生成內(nèi)容和AI生成內(nèi)容四個階段。專業(yè)生成內(nèi)容（Professional Generated Content，PGC）是由專業(yè)個人或團(tuán)隊(duì)有針對性地開發(fā)具有權(quán)威性的、制作精良的教育資源。用戶生成內(nèi)容（User Generated Content，UGC）泛指用戶將自己原創(chuàng)的內(nèi)容通過互聯(lián)網(wǎng)平臺進(jìn)行展示，是Web 2.0環(huán)境下的一種個性化內(nèi)容創(chuàng)作與組織模式（萬力勇等，2014）。AI 輔助生成內(nèi)容是指互聯(lián)網(wǎng)用戶或?qū)I(yè)團(tuán)隊(duì)在AI 的協(xié)助下生成內(nèi)容。AI 生成內(nèi)容亦即AIGC，是AI 輔助生成內(nèi)容在技術(shù)上的進(jìn)一步發(fā)展，其終極目標(biāo)是AI 脫離人的輔助直接自動、自主生成內(nèi)容，從而大幅提升內(nèi)容生成效率。不過，AIGC 在數(shù)字化教育資源開發(fā)領(lǐng)域的應(yīng)用尚處在理論探討層面，目前尚無相關(guān)實(shí)踐案例。

通過對我國數(shù)字化教育資源開發(fā)的演進(jìn)歷程進(jìn)行梳理，可以發(fā)現(xiàn)，我國數(shù)字化教育資源開發(fā)歷經(jīng)多年發(fā)展，在資源開發(fā)模式上已較為成熟，整體呈現(xiàn)出多方開發(fā)主體協(xié)同、多類用戶參與、多種共享模式共存的資源開發(fā)特色。但現(xiàn)有資源開發(fā)模式仍存在一定的瓶頸，首先是資源體量還不夠大，資源類型還不夠豐富，無法完全滿足數(shù)字化時代師生對資源的多樣化和海量化需求。其次是資源開發(fā)效率有待提高，目前的資源開發(fā)主要以人工開發(fā)為主，需要耗費(fèi)大量的人力、物力和時間。再次是資源質(zhì)量難以完全得到保證，尤其是在多用戶共創(chuàng)共享、用戶生成內(nèi)容等資源開發(fā)模式下，更容易出現(xiàn)資源質(zhì)量參差不齊等問題，資源開發(fā)方需投入大量的成本進(jìn)行資源質(zhì)量監(jiān)控和內(nèi)容審核。

隨著AI 在新聞寫作、劇情續(xù)寫、視頻剪輯、語音生成等領(lǐng)域的廣泛應(yīng)用，資源開發(fā)者與AI 進(jìn)行人機(jī)共創(chuàng)，將成為數(shù)字化教育資源開發(fā)領(lǐng)域新的發(fā)展趨勢，有望解決當(dāng)前數(shù)字化教育資源開發(fā)中體量、效率和質(zhì)量等方面存在的問題。在人機(jī)共創(chuàng)模式下，一方面，AI 內(nèi)容生產(chǎn)將推進(jìn)數(shù)字化教育資源的批量化、海量化和高效化開發(fā)；另一方面，資源開發(fā)者可以從傳統(tǒng)資源開發(fā)工作中解放出來，扮演資源質(zhì)量把關(guān)者、資源開發(fā)協(xié)同者、資源內(nèi)容共創(chuàng)者等角色，不斷激發(fā)自身創(chuàng)造力，使資源開發(fā)過程更具科學(xué)性、協(xié)同性和創(chuàng)意性。

2.AIGC在內(nèi)容生成方面具有技術(shù)優(yōu)勢

AIGC 的發(fā)展源于算法、數(shù)據(jù)和算力的綜合提升，相較于PGC與UGC而言，AIGC運(yùn)用大量基礎(chǔ)算法模型，突破內(nèi)容生成類型與效率上的限制，使得內(nèi)容生成走向自動化和智能化。

在算法層面，AIGC 算法模型不斷獲得突破。Transformer 模型、Diffusion模型等基于深度學(xué)習(xí)算法的模型相繼出現(xiàn)，并被運(yùn)用于自然語言處理領(lǐng)域。2023年3月發(fā)布的GPT-4，其模型具備強(qiáng)大的識別能力，允許用戶指定視覺或語言任務(wù)，并具備長內(nèi)容創(chuàng)建、擴(kuò)展會話、文檔搜索和分析等功能。在數(shù)據(jù)層面，當(dāng)下的Web3.0 數(shù)據(jù)資源同時具有海量化、智慧化、多模態(tài)、自組織等多重屬性，為AIGC 的持續(xù)發(fā)展提供了強(qiáng)有力的數(shù)據(jù)“原料”保障。在算力層面，以ChatGPT為例，AI算力是其模型訓(xùn)練與產(chǎn)品運(yùn)營的核心基礎(chǔ)設(shè)施，從GPT 大模型的三次歷史迭代可知，OpenAI 的GPT、GPT-2和GPT-3 的參數(shù)量從1.17 億增加到1750 億，這表明AI 的算力不再是傳統(tǒng)算力，而是“智能算力”，即以多維度的“向量”集合作為算力的基本單位（朱嘉明，2023）。

相較于PGC和UGC而言，AIGC在內(nèi)容生成方面具有天然優(yōu)勢：第一，自動化內(nèi)容創(chuàng)作與生成。預(yù)訓(xùn)練模型技術(shù)大幅提升了AIGC 模型的通用化能力和工業(yè)化水平，同一個AIGC 模型可以高質(zhì)量地完成多樣化的內(nèi)容輸出任務(wù)（胡曉萌，2023），實(shí)現(xiàn)內(nèi)容生產(chǎn)與服務(wù)的自動化。第二，多模態(tài)信息融合與交互。多模態(tài)融合是指將多種感官進(jìn)行融合，而多模態(tài)交互是指人通過多種通道與計算機(jī)進(jìn)行交流（袁鳴等，2023）。隨著算法模型的持續(xù)迭代升級，AIGC 技術(shù)正朝向多模態(tài)信息融合、跨模態(tài)內(nèi)容生成、智能化場景落地快速發(fā)展，多模態(tài)信息融合與交互正成為AIGC區(qū)別于傳統(tǒng)UGC和PGC的顯著技術(shù)特征。第三，具備認(rèn)知交互能力。輸入輸出是人與機(jī)器交互的底層邏輯，傳統(tǒng)技術(shù)環(huán)境下，人與機(jī)器的交互主要通過鍵鼠、觸控等方式來實(shí)現(xiàn)（李白楊等，2023）。而AIGC 的出現(xiàn)則為人與機(jī)器的溝通帶來更為多樣化和便捷化的交互方式，通過文本對話交互、語音交互等方式可模擬人類對話過程，使機(jī)器交互能力上升到類人化層面，從而使其在交互感知和交互手段上更具先進(jìn)性。

3.AIGC與數(shù)字化教育資源人機(jī)共創(chuàng)的契合性

基于AIGC 的內(nèi)容生成特點(diǎn)及技術(shù)優(yōu)勢，其與數(shù)字化教育資源人機(jī)共創(chuàng)具有極高的契合性，具體體現(xiàn)在如下三個方面：

第一，AIGC 已具備與人類進(jìn)行資源共創(chuàng)的潛力。AIGC 發(fā)展到現(xiàn)在已具有極強(qiáng)的內(nèi)容生成能力，這種生成能力使其可以在資源內(nèi)容創(chuàng)作中大展拳腳。AIGC 能夠以優(yōu)于人類的信息生成能力和知識水平承擔(dān)信息挖掘、素材調(diào)用、復(fù)刻編輯等基礎(chǔ)性工作，從技術(shù)層面實(shí)現(xiàn)以低邊際成本、高效率的方式滿足海量數(shù)字化教育資源的生成需求。同時AIGC 能夠創(chuàng)新內(nèi)容生產(chǎn)的流程和范式，推動教育資源開發(fā)向更有創(chuàng)造力的方向發(fā)展。其在內(nèi)容生產(chǎn)領(lǐng)域即將實(shí)現(xiàn)三大技術(shù)突破：一是智能數(shù)字內(nèi)容孿生，即建立現(xiàn)實(shí)世界到數(shù)字世界的映射，在將現(xiàn)實(shí)世界中的物理屬性和社會屬性進(jìn)行數(shù)字化的同時，對現(xiàn)實(shí)世界中的內(nèi)容進(jìn)行智能增強(qiáng)與智能轉(zhuǎn)譯，以實(shí)現(xiàn)現(xiàn)實(shí)世界內(nèi)容到數(shù)字世界內(nèi)容的高質(zhì)量映射。二是智能數(shù)字內(nèi)容編輯，即通過數(shù)字內(nèi)容的語義理解和屬性控制兩類技術(shù)來實(shí)現(xiàn)對內(nèi)容的修改和控制，同時利用數(shù)字世界高效率仿真和低成本試錯的優(yōu)勢，為現(xiàn)實(shí)世界內(nèi)容生成提供快速迭代。三是智能數(shù)字內(nèi)容創(chuàng)作，其主要目標(biāo)是讓人工智能算法具備內(nèi)容創(chuàng)作和自我演化的能力，實(shí)現(xiàn)從基于模仿的內(nèi)容生成向基于概念的內(nèi)容生成轉(zhuǎn)變（中國信息通信研究院，2022）。這三大技術(shù)突破均會對數(shù)字化教育資源內(nèi)容及形式的創(chuàng)新產(chǎn)生顯著推動作用。隨著大模型相關(guān)技術(shù)的發(fā)展，AIGC 在創(chuàng)造性內(nèi)容生成方面已表現(xiàn)出一定的潛力。以ChatGPT為例，它作為“通用語言模型”的表現(xiàn)已經(jīng)超過了專用語言模型，能夠適應(yīng)不同的任務(wù)情境，根據(jù)任務(wù)情境生成個性化內(nèi)容（鄧建國，2023）。此外，ChatGPT 除了能完成傳統(tǒng)的模式化內(nèi)容生成外，還可以模擬人類的創(chuàng)作過程，創(chuàng)造小說、詩歌、戲劇、計算機(jī)代碼，進(jìn)而實(shí)現(xiàn)更加高效的創(chuàng)作方式和更加多樣化的內(nèi)容生成。

第二，AIGC 本質(zhì)上是人機(jī)互動生成的過程。目前AIGC 尚不具備完全自發(fā)自主生成內(nèi)容的能力，其內(nèi)容生成主要以人類的輸入為前提，根據(jù)人類的輸入請求生成并輸出個性化內(nèi)容。以ChatGPT為例，其通過自然語言理解來與人類用戶對話，通過考慮上下文信息、語義理解來生成人類所需的內(nèi)容。因此，提問措辭要具體精確和具有創(chuàng)造性（鄧建國，2023），避免使用模糊的術(shù)語和含糊的語言，以及避免使用過于主觀、帶有偏見或結(jié)構(gòu)過于復(fù)雜的問題。這表明能否向AI提出一個好的問題，能否與AI進(jìn)行高質(zhì)量的互動，是確保AIGC生成高質(zhì)量資源內(nèi)容的前提所在。這也從一個側(cè)面證實(shí)，AIGC本質(zhì)上是人機(jī)互動生成的過程，人機(jī)共創(chuàng)理念也順應(yīng)了這一內(nèi)容生成機(jī)制的發(fā)展。

第三，AIGC生成高質(zhì)量資源離不開人的審核把關(guān)。盡管AIGC使用了先進(jìn)和高精度的自然語言處理技術(shù)，具備達(dá)到人類創(chuàng)作水平的潛能，但目前在內(nèi)容深度、廣度和整體質(zhì)量方面仍存在不足，甚至還有可能包含語言冗余和事實(shí)方面的錯誤。OpenAI曾公開表示，ChatGPT有時會寫出看似合理但不正確或荒謬的答案，其原因可能是在強(qiáng)化學(xué)習(xí)訓(xùn)練期間，沒有獲得真實(shí)的信息來源；訓(xùn)練模型的謹(jǐn)慎導(dǎo)致它拒絕回答本來可以正確回答的問題；監(jiān)督訓(xùn)練可能會誤導(dǎo)模型，因?yàn)槔硐氲拇鸢溉Q于模型知道什么，而不是人類知道什么等（OpenAI，2022）。因此，AIGC要生成高質(zhì)量的數(shù)字化教育資源，離不開人類對資源內(nèi)容的質(zhì)量審核與把關(guān)。以ChatGPT 為例，人類可以對其生成的內(nèi)容進(jìn)行整合、重組、駁斥、修改和潤色等，最終使這些內(nèi)容達(dá)到高質(zhì)量水平（鄧建國，2023）。相關(guān)報道指出，從試用ChatGPT的結(jié)果來看，它已具備了一定的創(chuàng)作能力，但與專業(yè)人員的寫作水平仍存在一定差距，如果得到人類作者的修改和編輯，將可能達(dá)到專業(yè)化水平。比如，2022年，英矽智能創(chuàng)始人兼首席執(zhí)行官Zhavoronkov博士在學(xué)術(shù)期刊Oncoscience 上發(fā)表了一篇文章，將ChatGPT列為共同作者，原因是該文章中的大部分內(nèi)容由ChatGPT生成，Zhavoronkov重點(diǎn)對ChatGPT生成的觀點(diǎn)進(jìn)行了審核與把關(guān)。

二、基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)范式內(nèi)核

1.人機(jī)共創(chuàng)的理念

人機(jī)共創(chuàng)即人與機(jī)器以協(xié)同合作的方式共同創(chuàng)作內(nèi)容，人機(jī)各自承擔(dān)相應(yīng)的創(chuàng)作任務(wù)。人機(jī)共創(chuàng)的理念基礎(chǔ)是人機(jī)協(xié)同，人機(jī)共創(chuàng)的理想和終極狀態(tài)是人機(jī)共生。

簡言之，人機(jī)協(xié)同就是人與機(jī)器相互協(xié)作，二者取長補(bǔ)短，共同認(rèn)識、共同感知、共同思考、共同決策、共同工作、互相理解、互相制約和監(jiān)護(hù)（毛剛等，2021）。人機(jī)協(xié)同不是人類智能和機(jī)器智能的簡單相加，而是一種人機(jī)融合的智慧，其目的是讓機(jī)器智能成為人類智能的拓展和延伸（高瓊等，2021）。在價值論層面，人機(jī)協(xié)同系統(tǒng)可替代人類的部分工作，將人類解放出來，讓人類有精力投入其他更富有創(chuàng)造性的工作（方海光等，2022）。在倫理層面，人機(jī)協(xié)同是對人與技術(shù)和諧統(tǒng)一和平衡狀態(tài)關(guān)系的表述，體現(xiàn)了工具理性與價值理性的統(tǒng)一（杜娟，2019）。隨著人工智能技術(shù)的發(fā)展，人機(jī)協(xié)同中的“機(jī)”已經(jīng)超越了計算機(jī)等一般機(jī)器的范疇，而且機(jī)器在與人的互動中不斷提升其智能化水平，人機(jī)協(xié)同正在向人機(jī)共生的高級形態(tài)發(fā)展（毛剛等，2021）。

人機(jī)共生這一理念源于生物學(xué)領(lǐng)域中的共生理論。共生理論認(rèn)為，共生是不同種屬的生物按某種物質(zhì)聯(lián)系共同生活，按其共生行為方式可劃分為偏利共生、偏害共生、互利共生等類型（張學(xué)軍等，2020）。共生現(xiàn)象不只存在于生物界，同樣也存在于社會、經(jīng)濟(jì)、政治、教育等領(lǐng)域。人工智能領(lǐng)域的“人機(jī)共生”是一種對人類和機(jī)器之間合作互動的理想化預(yù)期，即通過人與機(jī)器之間的和平共處和合作耦合，實(shí)現(xiàn)人與機(jī)器的和諧相處、共同進(jìn)化（王一巖等，2022）。人機(jī)共生同樣強(qiáng)調(diào)人機(jī)之間的雙向“互利”，即利用人類智能和機(jī)器智能之間的互補(bǔ)性，將二者結(jié)合起來實(shí)現(xiàn)共創(chuàng)價值最大化（于雪等，2022）。

2.人機(jī)共創(chuàng)的三大原則

原則一：人與機(jī)器互促。在人機(jī)共創(chuàng)過程中，機(jī)器的優(yōu)勢體現(xiàn)在內(nèi)容生成的速度、效率和體量上，能為內(nèi)容創(chuàng)作快速提供適切的內(nèi)容和信息；人的優(yōu)勢體現(xiàn)在創(chuàng)作者能合理把握內(nèi)容創(chuàng)作的方向、構(gòu)思的深度、內(nèi)容的結(jié)構(gòu)與形成過程，并且具有個性化創(chuàng)意能力。人與機(jī)器互促體現(xiàn)為二者充分發(fā)揮各自優(yōu)勢促進(jìn)內(nèi)容的創(chuàng)作與生成。機(jī)器所生成的內(nèi)容可作為內(nèi)容創(chuàng)作者創(chuàng)作時的參考，內(nèi)容創(chuàng)作者充分發(fā)揮運(yùn)籌、構(gòu)思和創(chuàng)意能力，對機(jī)器生成的內(nèi)容進(jìn)行優(yōu)化重組。與此同時，機(jī)器也能以人的創(chuàng)作過程為基礎(chǔ)不斷對其算法模型進(jìn)行訓(xùn)練、迭代和優(yōu)化，不斷向人類學(xué)習(xí)，提升其內(nèi)容創(chuàng)作能力。

原則二：人與機(jī)器互信。信任是人機(jī)合作的前提。在某些規(guī)則清晰、明確且可以良好定義的領(lǐng)域，將工作交給機(jī)器去做可能比交給人類做更放心（何文濤等，2023）。同時，人機(jī)互信是人機(jī)協(xié)同發(fā)展的重要基礎(chǔ)。諸多實(shí)踐已然證明，人類和智能機(jī)器可以共同完成彼此無法獨(dú)自完成的復(fù)雜任務(wù)，智能機(jī)器是人類的學(xué)習(xí)伙伴，而不是工具媒介。因此，實(shí)現(xiàn)人機(jī)共創(chuàng)的前提是人與機(jī)器要加強(qiáng)互動和合作，人機(jī)之間要保持充分的信任關(guān)系，達(dá)到人和機(jī)器各司其職、彼此協(xié)同、深度合作。

原則三：人與機(jī)器互補(bǔ)。在人機(jī)共創(chuàng)過程中，智能機(jī)器和人類要融合各自的長處，彌補(bǔ)彼此的弱點(diǎn)，增強(qiáng)彼此生成內(nèi)容的能力。當(dāng)前，機(jī)器在算法和模型上存在的“天生”弱點(diǎn)導(dǎo)致其在互聯(lián)網(wǎng)上生成信息的質(zhì)量參差不齊（何文濤等，2023），此時便需充分發(fā)揮人的批判性思維和信息鑒別能力，對這些信息進(jìn)行判斷、過濾和篩選，以保證機(jī)器生成內(nèi)容的質(zhì)量。同時，機(jī)器快速處理和生成信息的能力也可以幫助人類提高工作效率。因此，人機(jī)共創(chuàng)必須遵循人與機(jī)器優(yōu)勢互補(bǔ)的原則，揚(yáng)長避短，提升人機(jī)共創(chuàng)內(nèi)容的質(zhì)量和效率。

3.基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)原理

第一，基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)是系統(tǒng)化的人機(jī)協(xié)同過程，其旨在融合人的智慧和機(jī)器的智能以形成超越人機(jī)各自智能的新型資源開發(fā)形式。資源開發(fā)者與AIGC 協(xié)同合作所產(chǎn)生的整體效能由人機(jī)各自發(fā)揮的效能和二者相互作用產(chǎn)生的協(xié)同效能之和組成，產(chǎn)生“1＋1＞2”的效應(yīng)。在此過程中，AIGC 作為技術(shù)人造物，與資源開發(fā)者共同形成了數(shù)字化教育資源建設(shè)中人機(jī)“雙主體”格局（方海光等，2022）：一方面，資源開發(fā)者與AIGC 可以協(xié)同合作的姿態(tài)實(shí)現(xiàn)技術(shù)的具身與應(yīng)用，并以人機(jī)融合的方式開展資源內(nèi)容創(chuàng)作；另一方面，人機(jī)共創(chuàng)可使資源開發(fā)的專業(yè)化與智能化充分融合，進(jìn)而使人機(jī)協(xié)同向智慧化階段躍遷。

第二，基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)是人機(jī)互動生成的過程。在人機(jī)共創(chuàng)過程中，人機(jī)互動是人機(jī)之間開展信息交換和認(rèn)知碰撞的有效途徑，也是人機(jī)共創(chuàng)的基礎(chǔ)和前提。它強(qiáng)調(diào)以用戶需求為牽引，以人機(jī)對話為手段，能有效觸發(fā)資源內(nèi)容的生成、轉(zhuǎn)化、流動和演化。如前文所述，AIGC 本質(zhì)上是AI 與人互動生成的過程。在AIGC場景中，人機(jī)互動形式正在由文本互動向多模態(tài)互動發(fā)展，更有助于提高人機(jī)互動的效率、準(zhǔn)確性和用戶滿意度。在全新的人機(jī)互動模式下，人機(jī)共創(chuàng)的內(nèi)容可在資源開發(fā)者與AIGC之間充分共享，并以內(nèi)化方式納入資源開發(fā)者的原有知識體系，促進(jìn)其知識結(jié)構(gòu)的更新；同時生成的內(nèi)容也會在資源開發(fā)者的審核與修訂過程中不斷得以迭代優(yōu)化，以確保生成資源的質(zhì)量。

第三，基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)是人機(jī)互利共生的過程?；ダ采巧鷳B(tài)系統(tǒng)中最重要的種間關(guān)系，強(qiáng)調(diào)兩個物種間互相依賴、雙方獲利。在數(shù)字化教育資源人機(jī)共創(chuàng)過程中，AIGC擅長極速處理海量數(shù)據(jù)并快速生成滿足用戶需求的內(nèi)容；而資源開發(fā)者擅長靈活地適應(yīng)各種不斷變化的環(huán)境，并具備常識、創(chuàng)造力和共情能力。人與機(jī)器之間的差異性和互補(bǔ)性，為人機(jī)互利共生創(chuàng)造了前提。不同于AIGC出現(xiàn)之前人機(jī)之間松散的“工具型”關(guān)系，互利共生模式下的人機(jī)共創(chuàng)將人類和智能機(jī)器視為共同解決任務(wù)的“伙伴”和“共同體”，通過人和機(jī)器之間對等的智能感知和交互決策，既凸顯出人的能動性，又強(qiáng)調(diào)機(jī)器的智能性和自主性（于雪等，2022）。如此不僅可以提升資源開發(fā)者的專業(yè)能力和創(chuàng)意能力，增強(qiáng)其進(jìn)行實(shí)踐創(chuàng)新的智慧，同時也可以提升AIGC的自主進(jìn)化和演進(jìn)迭代能力，從而達(dá)到二者的互利共生。

4.基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)機(jī)制

（1）互動生成機(jī)制

AIGC 的內(nèi)容生成離不開AI 與人的有效互動，且互動方式正日益多樣化。而且當(dāng)前多數(shù)AIGC已具備連續(xù)多輪互動對話的能力。在該技術(shù)的支持下，AIGC 能夠根據(jù)資源開發(fā)者輸入的問題或關(guān)鍵詞提供更準(zhǔn)確、更貼合語境的資源素材。多輪對話有助于解決傳統(tǒng)智能問答系統(tǒng)只能進(jìn)行僵硬的“一問一答”式對話、無法存留“記憶”等問題（張洪忠等，2023）。在數(shù)字化教育資源生成過程中，多輪對話對提升資源內(nèi)容的準(zhǔn)確性和科學(xué)性具有不言而喻的促進(jìn)作用。資源開發(fā)者可以通過多輪對話，從細(xì)節(jié)完善角度不斷對AI 所生成的資源素材提出修改意見，使其不斷迭代優(yōu)化并最終達(dá)到專業(yè)人員生成資源的質(zhì)量水平。但當(dāng)前AIGC在提供資源內(nèi)容的同時并不能提供信息來源，因而用戶很難對信息進(jìn)行溯源或追問。這無形會阻斷用戶與AI 進(jìn)行更深入互動的可能，尤其在內(nèi)容生成過程中，AI 看似條分縷析的回答可能會限制用戶思維的發(fā)散，壓縮用戶的認(rèn)知空間（張洪忠等，2023）。

因此，要提高人機(jī)共創(chuàng)數(shù)字化教育資源內(nèi)容的質(zhì)量和創(chuàng)新性，需要資源開發(fā)者掌握人機(jī)互動話語的內(nèi)在規(guī)律，提升資源開發(fā)者的問題意識和提問能力。同時，在人機(jī)共創(chuàng)過程中，為了避免資源開發(fā)者對AIGC的過度依賴，還應(yīng)高度重視并充分彰顯資源開發(fā)者的想象力、洞察力、判斷力、思辨能力、共情能力、合作能力、創(chuàng)新能力在人機(jī)共創(chuàng)中的獨(dú)特作用。

（2）深度加工機(jī)制

精細(xì)化和個性化是數(shù)字化教育資源深度加工的兩個重要特征。精細(xì)化包括資源素材的精細(xì)化和資源聚合的精細(xì)化。在資源素材的精細(xì)化方面，AIGC 已具備多模態(tài)生成、情感生成、增量生成、可解釋生成和對抗生成等豐富多樣的素材生成能力，能夠幫助資源開發(fā)者生成精細(xì)化和個性化的數(shù)字化教育資源。在資源聚合的精細(xì)化方面，AIGC能實(shí)現(xiàn)基于多媒體信息的智能組合、同主題信息的自動整合等，從而幫助資源開發(fā)者快速生成聚合化的數(shù)字化教育資源包。

數(shù)字化教育資源內(nèi)容的創(chuàng)作，既需要滿足學(xué)習(xí)者的個性化學(xué)習(xí)需求，也需要體現(xiàn)資源開發(fā)者的創(chuàng)作風(fēng)格。這種獨(dú)具風(fēng)格化與個性化的資源內(nèi)容也是資源開發(fā)者競爭優(yōu)勢的體現(xiàn)（彭蘭，2020）。由于AI創(chuàng)作本質(zhì)上是遵循相對固化和模式化的算法邏輯，在內(nèi)容結(jié)構(gòu)、知識表征、底層邏輯等方面難以做到完全個性化和風(fēng)格化，因此，在人機(jī)共創(chuàng)模式下，要彰顯數(shù)字化教育資源的個性化和風(fēng)格化，可以從如下方面進(jìn)行探索：首先，資源開發(fā)者要堅持專業(yè)視角的判斷與個性化表達(dá)，提高數(shù)字化教育資源的表現(xiàn)水平與知識價值；其次，資源開發(fā)者要與AI進(jìn)行深度互動，對資源屬性和需求進(jìn)行個性化描述，使AI能更好地理解這些個性化的描述，從而生成更具風(fēng)格化的資源；再次，可以探索將AIGC與UGC這兩種內(nèi)容生成模式進(jìn)行有效整合，讓資源使用者也參與到基于AIGC的資源創(chuàng)作中，使資源生成與用戶需求直接對接，進(jìn)而滿足用戶對資源的個性化需求。

（3）協(xié)同互補(bǔ)機(jī)制

協(xié)同互補(bǔ)是基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)的關(guān)鍵機(jī)制，具體體現(xiàn)在以下三個方面：

第一，AI 的客觀呈現(xiàn)與人的主觀描述互補(bǔ)。人類智能形成的學(xué)科知識是有機(jī)的、能動的、自主的，而AI 作為類人主體，是對人類智能的模擬，其最缺乏的是對于現(xiàn)實(shí)物理世界的感知能力，它很難真正意義上學(xué)到人類所感知和理解的知識，知識對于AI 來說只是一堆代碼和符號而已（陳昌鳳等，2023）。AIGC 以互聯(lián)網(wǎng)上的數(shù)據(jù)集為知識來源，其對知識的描述基本是中性的，很少帶有主觀性和傾向性。但人類有能力理解復(fù)雜和抽象的概念，能在看似無關(guān)的語句之間建立聯(lián)系并進(jìn)行自主建構(gòu)和主觀描述。因此，在人機(jī)共創(chuàng)過程中，AI 的特長在于基于海量數(shù)據(jù)對某一知識進(jìn)行相對客觀的呈現(xiàn)，而資源開發(fā)者擅長從知識闡釋視角對其進(jìn)行主觀描述，二者的互補(bǔ)有助于實(shí)現(xiàn)資源外在呈現(xiàn)方式與內(nèi)在屬性描述的統(tǒng)一。

第二，AI的信息加工與人的觀點(diǎn)闡釋互補(bǔ)。在信息處理方面，AI無疑具有顯著優(yōu)勢，無論是信息采集的維度與廣度，還是信息加工的速度與效率，人類都無法企及（彭蘭，2020）。在數(shù)字化教育資源開發(fā)過程中，資源開發(fā)者需要充分挖掘AIGC批量化內(nèi)容生產(chǎn)和信息加工能力。但從學(xué)習(xí)者對數(shù)字化教育資源的需求特點(diǎn)來看，其真正所需要的，除了規(guī)模化的知識內(nèi)容外，對這些知識內(nèi)容的概括、解釋、提煉與分析可能更為重要。雖然AI也具備一定的規(guī)律闡釋和總結(jié)能力，但仍無法與人類相提并論。因此，人類在觀點(diǎn)闡釋和提煉方面較之AI具有優(yōu)勢，這種優(yōu)勢可以與AI 的信息加工優(yōu)勢形成互補(bǔ)，從而實(shí)現(xiàn)資源信息加工與觀點(diǎn)闡釋的統(tǒng)一。

第三，AI的知識生成與人的意義建構(gòu)互補(bǔ)。數(shù)字化教育資源開發(fā)不僅僅是生成知識內(nèi)容，還需要深度挖掘知識的價值和內(nèi)涵。從知識管理的角度來看，知識可分為顯性知識和隱性知識兩類。顯性知識是客觀有形的，能夠以一定的信息化形式進(jìn)行表達(dá)或編碼；隱性知識是一種高度個人化的知識，難以規(guī)范化，包括個體的思維模式、價值觀等。AI所生成的知識以顯性知識為主，隨著AIGC 的發(fā)展，其在某種程度上也可生成部分隱性知識。而人類的學(xué)習(xí)不但能建立起一套隱性知識體系，還能建立起隱性知識之間不確定的秩序或規(guī)則，即進(jìn)行意義建構(gòu)。意義建構(gòu)是基于人的視角及學(xué)習(xí)目標(biāo)對知識的應(yīng)用，是將知識轉(zhuǎn)化為生產(chǎn)力與創(chuàng)造力的過程（彭蘭，2020）。因此，要實(shí)現(xiàn)數(shù)字化教育資源開發(fā)過程中顯性知識與隱性知識的有機(jī)融合，可以將AI的知識生成與資源開發(fā)者的主觀意義建構(gòu)進(jìn)行互補(bǔ)。

（4）質(zhì)量監(jiān)控機(jī)制

AIGC所生成的內(nèi)容存在一定的質(zhì)量風(fēng)險，包括內(nèi)生風(fēng)險和外在風(fēng)險。內(nèi)生風(fēng)險主要是指與算法有關(guān)的風(fēng)險，比如不可解釋風(fēng)險和不可問責(zé)風(fēng)險；外在風(fēng)險主要指與數(shù)據(jù)有關(guān)的風(fēng)險，如個人隱私風(fēng)險或數(shù)據(jù)被誤用與濫用的風(fēng)險等。以ChatGPT 為例，其訓(xùn)練數(shù)據(jù)主要來自互聯(lián)網(wǎng)，而互聯(lián)網(wǎng)上的信息包羅萬象，質(zhì)量參差不齊。ChatGPT所使用的語言模型是在大量文本數(shù)據(jù)上訓(xùn)練獲得的，其很難準(zhǔn)確區(qū)分?jǐn)?shù)據(jù)集中的事實(shí)性信息和虛構(gòu)類信息，生成的部分資源也有可能是以虛假信息為基礎(chǔ)，最終導(dǎo)致資源在科學(xué)性與正確性方面出現(xiàn)偏差。

如前文所述，AIGC 內(nèi)容生成機(jī)制中存在數(shù)據(jù)和算法兩大關(guān)鍵技術(shù)。因此，基于AIGC的數(shù)字化教育資源質(zhì)量監(jiān)控也應(yīng)兼顧這兩大關(guān)鍵技術(shù)。首先在數(shù)據(jù)方面，對海量數(shù)據(jù)的治理是確保資源質(zhì)量的重要前提，加強(qiáng)對數(shù)據(jù)真實(shí)性、標(biāo)準(zhǔn)化、分類與管理等方面的治理（鐘祥銘等，2023）。其次在算法方面，對算法模型的治理是確保資源質(zhì)量的關(guān)鍵因素，要加強(qiáng)對算法的評估、優(yōu)化、安全和可解釋性的治理。

在具體操作方面，應(yīng)采取資源開發(fā)團(tuán)隊(duì)專業(yè)把關(guān)、AI 技術(shù)甄別審核、資源使用者評估反饋相結(jié)合的人機(jī)協(xié)同質(zhì)量監(jiān)控機(jī)制。其中，資源開發(fā)團(tuán)隊(duì)對資源質(zhì)量的審核包括學(xué)科專家審核和技術(shù)人員審核。學(xué)科專家主要對資源內(nèi)容的相關(guān)屬性（如準(zhǔn)確性、完整性等）進(jìn)行審核，技術(shù)人員主要從生成技術(shù)角度對資源進(jìn)行語言流暢度評估、情感傾向分析、對話質(zhì)量評估、主題分類評估、語義相似度評估等。伴隨AI 內(nèi)容檢測工具的不斷涌現(xiàn)（如GPTZero、Sapling等），AI審核已經(jīng)成為AIGC內(nèi)容核查與質(zhì)量監(jiān)控的重要輔助手段，不僅可以審核和識別不當(dāng)、有害或虛假性內(nèi)容，還可以實(shí)現(xiàn)信息來源分析、信息模式識別、生成技術(shù)鑒定、信息演變跟蹤等質(zhì)量監(jiān)控（彭蘭，2020）。同時，資源開發(fā)團(tuán)隊(duì)還可以與AI 協(xié)同開展質(zhì)量監(jiān)控，最典型的監(jiān)控方式是交叉驗(yàn)證，即人與AI 對可能有質(zhì)量問題的某一資源進(jìn)行交叉核實(shí)和驗(yàn)證，最后由資源開發(fā)者結(jié)合交叉驗(yàn)證結(jié)果得出審核結(jié)論。除了資源開發(fā)團(tuán)隊(duì)外，資源使用者在使用過程中也可以對資源質(zhì)量進(jìn)行評估和反饋，其評估和反饋結(jié)果也可作為資源質(zhì)量判定和改進(jìn)的重要參考。

三、基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)框架與流程

1.基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)框架

本研究以人機(jī)協(xié)同和人機(jī)共生理念為基礎(chǔ)，遵循人機(jī)互促、人機(jī)互信、人機(jī)互補(bǔ)三原則，將基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)物理空間、信息空間與社交空間相融合，進(jìn)而構(gòu)建起人機(jī)共創(chuàng)三元空間（方海光等，2022）：在物理空間，資源開發(fā)者與AIGC 發(fā)揮各自優(yōu)勢，協(xié)同完成資源開發(fā)目標(biāo)；在信息空間，AIGC 所具有的智能與資源開發(fā)者的智慧和創(chuàng)意彼此互補(bǔ)，有助于人們通過算法程序?qū)⑵湔J(rèn)知進(jìn)行外顯表征；在社交空間，資源開發(fā)者與AIGC 之間進(jìn)行廣泛互動，觸發(fā)內(nèi)容創(chuàng)生。在人機(jī)共創(chuàng)三元空間中，通過嵌入前文所述的互動生成、深度加工、協(xié)同互補(bǔ)、質(zhì)量監(jiān)控四種共創(chuàng)機(jī)制，即可形成基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)框架（如圖1所示）。在該框架中，互動生成機(jī)制與社交空間形成對應(yīng)關(guān)系；深度加工機(jī)制與信息空間形成對應(yīng)關(guān)系；質(zhì)量監(jiān)控機(jī)制與物理空間形成對應(yīng)關(guān)系；協(xié)同互補(bǔ)機(jī)制同時對應(yīng)物理空間和信息空間。四種人機(jī)共創(chuàng)機(jī)制均能清晰劃分出資源開發(fā)者與AIGC 的創(chuàng)作職責(zé)范圍，比如在深度加工機(jī)制中，資源開發(fā)者的職責(zé)是實(shí)現(xiàn)資源的個性化，而AIGC的職責(zé)是實(shí)現(xiàn)資源的精細(xì)化；又如在協(xié)同互補(bǔ)機(jī)制中，資源開發(fā)者主要負(fù)責(zé)對知識的主觀描述、觀點(diǎn)闡釋和意義建構(gòu)，而AIGC則主要負(fù)責(zé)對知識的客觀呈現(xiàn)、信息加工和知識生成。

圖1 基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)框架

2.基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)流程

基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)在流程上由確定需求、素材生成、素材審核、重組聚合、分發(fā)應(yīng)用、反饋優(yōu)化6個環(huán)節(jié)構(gòu)成（如圖2所示）。

圖2 基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)流程

確定需求是數(shù)字化教育資源開發(fā)的起始環(huán)節(jié)，資源開發(fā)者在充分調(diào)研的基礎(chǔ)上，精準(zhǔn)確定師生對資源內(nèi)容、類型、表征形式、結(jié)構(gòu)、體量、質(zhì)量、服務(wù)平臺的相關(guān)需求。

素材生成是指以師生需求為導(dǎo)向，資源開發(fā)者將資源需求轉(zhuǎn)化為精確的互動話語，與AI 通過互動輸入的方式生成多模態(tài)的數(shù)字化教育資源素材，包括文本、圖像、音頻、視頻、動畫、虛擬人等，生成方式有文本生成、音頻生成、圖像生成、視頻生成、跨模態(tài)生成、虛擬人生成等。其中，文本生成可提供結(jié)構(gòu)化文本、非結(jié)構(gòu)化文本以及交互式文本的生成。音頻生成包括語音克隆、由文本生成播報語音、自動生成背景音樂等。圖像生成可提供自動圖像生成、個性化畫作生成等。視頻生成可提供視頻屬性編輯、自動視頻剪輯合成等?？缒B(tài)生成是指基于模態(tài)之間的語義一致性，實(shí)現(xiàn)不同模態(tài)內(nèi)容在表現(xiàn)形式上的相互轉(zhuǎn)換，包括文字生成圖片、文字生成視頻、圖像生成視頻、圖像生成文字、視頻生成文字等。虛擬人生成主要是指生成虛擬教師形象或虛擬學(xué)伴形象。整體上，資源素材的生成是一個迭代式互動生成的過程，即通過互動話語的不斷迭代，由AI生成符合要求的資源素材。

素材審核是指資源開發(fā)者與AI 通過人機(jī)協(xié)同方式對生成的資源素材進(jìn)行形式和內(nèi)容方面的監(jiān)測與評價，目的是通過二者的協(xié)同篩查，剔除部分不符合質(zhì)量要求的資源素材。素材審核的重點(diǎn)包括內(nèi)容安全審核、內(nèi)容校對/勘誤、低質(zhì)量識別、虛假信息檢測、交叉驗(yàn)證、演變跟蹤等。資源開發(fā)者審核的重點(diǎn)包括資源內(nèi)容的準(zhǔn)確性、完整性、教育性、知識性和相關(guān)性等。其中，準(zhǔn)確性是指素材客觀反映知識內(nèi)容的屬性，完整性是指素材內(nèi)容的廣度和深度，教育性是指素材內(nèi)容是否與特定的教學(xué)目標(biāo)一致，知識性是指素材內(nèi)容是否包含學(xué)科知識，相關(guān)性是指素材內(nèi)容與學(xué)習(xí)者需求的匹配程度（萬力勇，2013）。AI 審核的重點(diǎn)包括素材來源的真實(shí)性、可靠性、互操作性和規(guī)范性等。其中，真實(shí)性是指素材來源真實(shí)可信，可靠性是指素材本身的穩(wěn)定性和安全性，互操作性是指素材能夠在多個系統(tǒng)或平臺中運(yùn)行或互訪，規(guī)范性是指素材符合數(shù)字化教育資源的開發(fā)標(biāo)準(zhǔn)。

重組聚合是指資源開發(fā)者和AI 共同完成資源素材的重組與聚合，將已有的人工生成素材和人機(jī)共創(chuàng)素材匯集在一起，實(shí)現(xiàn)對資源素材的集成和包裝，使其形成一個功能齊全、結(jié)構(gòu)完整的有機(jī)整體。重組聚合具體包括素材編目、素材標(biāo)簽提取、素材重組、創(chuàng)意聚合、生成知識圖譜等。在此過程中，AI 主要負(fù)責(zé)固定范式的資源素材合成與生產(chǎn)，比如將文本和圖像按知識層級結(jié)構(gòu)合成為圖文并茂的PPT 課件；而資源開發(fā)者負(fù)責(zé)從創(chuàng)新資源表征形式、呈現(xiàn)手段、呈現(xiàn)時序等方面完成對資源的創(chuàng)意化合成與生產(chǎn)，比如將虛擬教師嵌入教學(xué)視頻中，形成聲畫同步的虛擬教師講授視頻等。聚合完成的數(shù)字化教育資源包括音視頻學(xué)習(xí)資源、數(shù)字化教育資源包、全媒體數(shù)字教材、在線課程等多種形式。

分發(fā)應(yīng)用是指將生成的數(shù)字化教育資源根據(jù)師生的個性化需求進(jìn)行分發(fā)使用。此階段的操作包括對師生用戶進(jìn)行畫像，對資源進(jìn)行智能檢索、智能推薦和按需定制，最終實(shí)現(xiàn)對資源的精準(zhǔn)分發(fā)。

反饋優(yōu)化是人機(jī)共創(chuàng)資源的最后一個環(huán)節(jié)。在該階段，通過對師生資源使用行為數(shù)據(jù)進(jìn)行分析，再結(jié)合師生使用數(shù)字教育資源后的評論反饋及使用效果，進(jìn)一步挖掘出數(shù)字化教育資源存在的問題及不足并反饋給資源開發(fā)者，使其再次確認(rèn)資源需求并對資源開發(fā)的相關(guān)環(huán)節(jié)進(jìn)行優(yōu)化和完善，進(jìn)而形成人機(jī)共創(chuàng)資源迭代優(yōu)化的閉環(huán)結(jié)構(gòu)，促進(jìn)資源開發(fā)效率和質(zhì)量的不斷提升。

四、基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)風(fēng)險與挑戰(zhàn)

AIGC作為AI在內(nèi)容生成領(lǐng)域的最新技術(shù)，在教育教學(xué)中的應(yīng)用已初見端倪。在教育領(lǐng)域中，基于AIGC的數(shù)字化教育資源人機(jī)共創(chuàng)有望成為數(shù)字化教育資源開發(fā)的新范式，并將大大提升數(shù)字化教育資源開發(fā)的效率、體量和質(zhì)量。但任何新興技術(shù)都是一把雙刃劍，AIGC也不例外。AIGC在數(shù)字化教育資源人機(jī)共創(chuàng)中的應(yīng)用可能會引發(fā)諸如內(nèi)容版權(quán)、倫理與安全、算法歧視與偏見等風(fēng)險。

在內(nèi)容版權(quán)方面，AIGC 本質(zhì)上屬于機(jī)器學(xué)習(xí)的應(yīng)用，在模型的學(xué)習(xí)和訓(xùn)練過程中不可避免會使用大量的數(shù)據(jù)集，目前行業(yè)內(nèi)部對于訓(xùn)練后生成內(nèi)容的版權(quán)歸屬問題存在很大爭議。一種觀點(diǎn)認(rèn)為產(chǎn)出的內(nèi)容由素材庫訓(xùn)練生成，其本質(zhì)上來自素材庫，因而需要向相關(guān)素材作者支付版權(quán)費(fèi)；另一種觀點(diǎn)則認(rèn)為AIGC生成內(nèi)容的過程是一個完全隨機(jī)的過程，不涉及版權(quán)問題（杜雨等，2023）。到底哪種觀點(diǎn)更合理目前尚無定論。尤其是在數(shù)字化教育資源人機(jī)共創(chuàng)過程中，資源創(chuàng)作的主體既包括資源開發(fā)者又包括AI，共創(chuàng)生成資源的版權(quán)到底應(yīng)該歸屬于資源開發(fā)者還是AIGC平臺，還是由二者共同擁有版權(quán)？誰以及如何對共創(chuàng)生成資源的版權(quán)進(jìn)行保護(hù)？這些都是需要我們進(jìn)一步思考的問題。

在倫理與安全方面，隨著AIGC 的不斷成熟，AI 已經(jīng)能夠通過分析事先收集的大量訓(xùn)練數(shù)據(jù)，制造出以假亂真的音視頻。這項(xiàng)技術(shù)不僅可以用于篡改視頻，還可以用于制造完全虛構(gòu)的視頻內(nèi)容（杜雨等，2023）。由于契合人們“眼見為實(shí)”的認(rèn)知共性，這項(xiàng)技術(shù)的濫用將使資源開發(fā)者和學(xué)習(xí)者難以甄別真實(shí)和虛假信息。雖然AI 內(nèi)容檢測工具可以檢測出部分虛假內(nèi)容，但伴隨相關(guān)算法模型的不斷升級，AIGC 生成的內(nèi)容逃避檢測的能力也將越來越強(qiáng)。與一般的數(shù)字化資源不同的是，數(shù)字化教育資源必須嚴(yán)格具備科學(xué)性、準(zhǔn)確性、真實(shí)性、權(quán)威性、規(guī)范性等屬性，虛假信息、偽造信息的摻入將使共創(chuàng)生成的數(shù)字化教育資源面臨不可預(yù)知的質(zhì)量風(fēng)險和誤用風(fēng)險。

在算法歧視與偏見方面，由于AIGC 所依賴的訓(xùn)練數(shù)據(jù)主要來自從互聯(lián)網(wǎng)上抓取的各種信息，而這些信息往往魚龍混雜且質(zhì)量參差不齊，因而難以保證數(shù)據(jù)集的多樣性、代表性、公正性，亦容易導(dǎo)致偏見、“觀點(diǎn)霸權(quán)”、刻板印象、文化片面性等問題。此外，數(shù)據(jù)集的類型區(qū)分不清，還會導(dǎo)致事實(shí)與想象不分，進(jìn)而加劇錯誤信息的擴(kuò)散和傳播（陳昌鳳等，2023）。如果這些帶有偏見和片面性的信息內(nèi)容不慎進(jìn)入到數(shù)字化教育資源中，將會對學(xué)習(xí)者的思維方式和價值觀念產(chǎn)生誤導(dǎo)，久而久之容易讓學(xué)習(xí)者形成認(rèn)知偏見，造成不良后果。

綜上所述，開展基于AIGC 的數(shù)字化教育資源人機(jī)共創(chuàng)機(jī)遇與挑戰(zhàn)并存，AIGC 應(yīng)用所帶來的內(nèi)容版權(quán)、倫理與安全等風(fēng)險，需要各方共同努力來積極應(yīng)對。未來需要針對數(shù)字化教育資源開發(fā)的具體應(yīng)用場景，進(jìn)一步優(yōu)化AIGC 相關(guān)技術(shù)和功能，推進(jìn)制定相關(guān)法律法規(guī)，加強(qiáng)師生倫理教育與指導(dǎo)，促進(jìn)AIGC 的良性發(fā)展，形成AIGC 與數(shù)字化教育資源開發(fā)雙螺旋式的互促共進(jìn)（盧宇等，2023）。