摘要：生成式人工智能為教育創(chuàng)新變革注入了新動能，也為教育信息科學(xué)與技術(shù)研究帶來了新契機。生成式人工智能引發(fā)的研究場域變化、分析手段革新、服務(wù)能力升級、實踐樣態(tài)變革，為教育研究的科學(xué)化發(fā)展帶來了新機遇。在此背景下，教育信息科學(xué)與技術(shù)研究的目標和重點亟需發(fā)生轉(zhuǎn)變，表現(xiàn)為從關(guān)注知識學(xué)習(xí)到重視創(chuàng)新人才培養(yǎng)，從重視規(guī)律挖掘到強調(diào)服務(wù)能力提升，從追求技術(shù)創(chuàng)新到注重解決教育問題，從聚焦通用場景到關(guān)注學(xué)科教育實踐，從研究跟隨實踐到研究引領(lǐng)實踐創(chuàng)新。為了更好地順應(yīng)生成式人工智能背景下教育信息科學(xué)與技術(shù)研究的新發(fā)展趨勢，未來該領(lǐng)域研究應(yīng)重點關(guān)注以下六大核心議題：一是面向創(chuàng)新人才培養(yǎng)的教育規(guī)律挖掘，二是學(xué)科教育人工智能大模型的構(gòu)建與應(yīng)用，三是學(xué)科素養(yǎng)圖譜的智能生成與動態(tài)優(yōu)化，四是素養(yǎng)導(dǎo)向的個性化學(xué)習(xí)服務(wù)關(guān)鍵技術(shù)，五是人機協(xié)同教育的實踐創(chuàng)新和機理探索，六是人機協(xié)同勝任力的智能評測理論與技術(shù)。這些研究議題能為生成式人工智能背景下國家自然科學(xué)基金“教育信息科學(xué)與技術(shù)”資助方向的改革提供理論指引。

關(guān)鍵詞：教育信息科學(xué)與技術(shù)；生成式人工智能；人機協(xié)同教育；學(xué)科素養(yǎng)圖譜；教育大模型

中圖分類號：G434 文獻標識碼：A 文章編號：1009-5195（2024）06-0046-09 doi10.3969/j.issn.1009-5195.2024.06.006

一、引言

2018年國家自然科學(xué)基金委設(shè)立“教育信息科學(xué)與技術(shù)”（申請代碼為F0701），旨在利用教育學(xué)、心理學(xué)、信息科技、系統(tǒng)科學(xué)、神經(jīng)科學(xué)等多個學(xué)科的研究方法，刻畫教育主體、挖掘教育規(guī)律、變革教育服務(wù)、優(yōu)化教育模式，為教育的創(chuàng)新發(fā)展提供理論指引、技術(shù)保障和證據(jù)支持，對于我國教育科學(xué)研究工作的開展具有里程碑式的重要意義（鄭永和等，2023a）。經(jīng)過多年探索，教育信息科學(xué)與技術(shù)研究取得了突破性進展，研究隊伍逐步壯大，研究方向趨于穩(wěn)定，技術(shù)方法和研究范式逐漸成熟，領(lǐng)域發(fā)展圖景初步顯現(xiàn)，能夠為教育改革發(fā)展提供強有力的支持。

隨著2022年底ChatGPT的橫空出世，生成式人工智能儼然成為當(dāng)前教育創(chuàng)新變革的核心驅(qū)動力，引發(fā)知識生產(chǎn)模式（劉三女牙等，2024a）、資源生成范式（萬力勇等，2023）、教育服務(wù)能力（方海光等，2024）、教育實踐樣態(tài)（祝智庭等，2023）的系統(tǒng)變革。教育領(lǐng)域的研究人員也在探索生成式人工智能在教育變革中的前景、趨勢和挑戰(zhàn)，同時嘗試將生成式人工智能作為教育研究的工具，探索其能夠為教育研究帶來哪些利好。從本質(zhì)上講，生成式人工智能能夠推動教育信息科學(xué)與技術(shù)的目標使命、技術(shù)方法和實踐場域的全方位革新，充分釋放教育研究的生產(chǎn)力（劉三女牙等，2024b），為教育研究的科學(xué)化發(fā)展注入新動能。在生成式人工智能的幫助下，教育信息科學(xué)與技術(shù)研究可以更好地聚焦教育規(guī)律挖掘、教育服務(wù)提升、教育模式優(yōu)化等現(xiàn)實問題，回應(yīng)創(chuàng)新人才培養(yǎng)、教育優(yōu)質(zhì)均衡發(fā)展等重大問題，為智能時代教育的創(chuàng)新變革提供有效支撐。本研究通過對生成式人工智能賦能教育信息科學(xué)與技術(shù)研究的新機遇、新趨勢、新議題進行系統(tǒng)分析，旨在為國家自然科學(xué)基金“教育信息科學(xué)與技術(shù)”資助方向的改革提供方向指引，也期待為教育科學(xué)研究的創(chuàng)新發(fā)展提供學(xué)理支撐。

二、生成式人工智能賦能教育信息科學(xué)與技 術(shù)的新機遇

1.研究場域的變化

隨著生成式人工智能的快速發(fā)展和教育數(shù)字化轉(zhuǎn)型的逐步推進，數(shù)字化的教育環(huán)境、資源、工具、平臺已成為一線教學(xué)的重要依托，相應(yīng)地也推動教育環(huán)境、教育主體和教學(xué)組織機制發(fā)生了深刻變革。

其一，教育環(huán)境從傳統(tǒng)場景轉(zhuǎn)向數(shù)字化場景。生成式人工智能大模型能夠與視音頻、三維動畫、虛擬現(xiàn)實、數(shù)字孿生、元宇宙、數(shù)字人等技術(shù)進行深度整合，創(chuàng)設(shè)虛實融合、智能增強、沉浸真實的教育環(huán)境，提高學(xué)習(xí)環(huán)境的真實性和互動性，并依據(jù)教學(xué)內(nèi)容的特征實現(xiàn)教育資源與環(huán)境的智能生成和動態(tài)優(yōu)化（陳聰聰?shù)龋?024），進而為學(xué)生提供身臨其境的學(xué)習(xí)體驗。

其二，教育主體從“師—生”二元主體轉(zhuǎn)向“師—機—生”三元主體。生成式人工智能技術(shù)在顯著提升機器智能的同時，也使其能夠真正扮演數(shù)字教師的角色，全面參與課堂教學(xué)的設(shè)計、分析與決策過程，這不僅改變了傳統(tǒng)課堂教學(xué)的“師—生”二元主體結(jié)構(gòu)，建構(gòu)起“師—機—生”的三元主體結(jié)構(gòu)（蘇旭東，2024），而且也引發(fā)了教育主體角色的變遷、人機關(guān)系的重構(gòu)以及知識傳授方式的變革。

其三，教學(xué)組織模式從“預(yù)設(shè)性”轉(zhuǎn)向“生成性”。以往的課堂教學(xué)大多依據(jù)預(yù)設(shè)的目標、內(nèi)容、場景和方案，按部就班地開展教學(xué)活動，而生成式人工智能大模型能夠?qū)崿F(xiàn)教學(xué)方案的科學(xué)設(shè)計、教學(xué)資源的智能生成、教學(xué)活動的精準組織、教育環(huán)境的動態(tài)優(yōu)化、教育評價的實時反饋（楊現(xiàn)民等，2024）。在此背景下，課堂教學(xué)將打破基于人工預(yù)設(shè)的線性結(jié)構(gòu)，而能根據(jù)學(xué)生的學(xué)習(xí)興趣和需求，定制教學(xué)方案、教學(xué)內(nèi)容和教學(xué)活動，以提高課堂教學(xué)的靈活性、適應(yīng)性和創(chuàng)新性，激發(fā)課堂教學(xué)的內(nèi)在活力。從這個意義上說，生成式人工智能與教育教學(xué)的深度融合為教育信息科學(xué)與技術(shù)研究提供了新的研究場域，未來相關(guān)研究的開展需要越發(fā)重視生成式人工智能背景下的教育過程感知、教育主體建模、教育規(guī)律挖掘和教育模式優(yōu)化，進而為教育實踐的創(chuàng)新變革提供方法和證據(jù)支持。

2.分析手段的革新

生成式人工智能有助于推動教育研究手段的轉(zhuǎn)型升級，提高數(shù)據(jù)分析效率，為教育研究的科學(xué)化發(fā)展提供有效支撐。

其一，機器能夠?qū)崿F(xiàn)自動化的數(shù)據(jù)標注。生成式人工智能能夠?qū)⒁酝枰扇斯ね瓿傻臄?shù)據(jù)標注工作交給機器去完成，這將克服基于人工的“眾包”標注模式帶來的效率低、成本高、質(zhì)量低、主觀性強等弊端，在一定程度上提高了標注效率、保證了標注質(zhì)量、降低了標注成本、增強了標注多樣性，并且在機器標注的過程中，模型的泛化能力也將通過持續(xù)學(xué)習(xí)和優(yōu)化而逐步提升。

其二，機器能夠?qū)崿F(xiàn)自動化的數(shù)據(jù)分析。生成式人工智能大模型能夠有效提升數(shù)據(jù)分析的效率，實現(xiàn)自動化的代碼生成，代替人工完成參數(shù)調(diào)優(yōu)、模型訓(xùn)練等工作；充分挖掘數(shù)據(jù)中潛在的模式、關(guān)系和趨勢，強化教育數(shù)據(jù)的價值挖掘；還可利用圖表和文字增強解釋機器智能決策的邏輯、依據(jù)與機制，避免人工智能的黑箱模型對人造成的“信任危機”，不斷提升教育數(shù)據(jù)的使用效能（王一巖等，2023a）。

其三，機器能夠?qū)崿F(xiàn)自動化的結(jié)果反饋。生成式人工智能大模型能夠整合人類智慧和機器智能的核心優(yōu)勢，生成科學(xué)化的評價方案；通過對多模態(tài)數(shù)據(jù)的復(fù)雜建模分析，提供客觀、精準、可解釋的分析結(jié)果，這些方案和分析結(jié)果能夠為教育實踐的優(yōu)化提供方向指引。

總體來看，生成式人工智能所帶來的教育分析手段的革新，能夠提高數(shù)據(jù)分析效率、強化數(shù)據(jù)價值洞察、實現(xiàn)自動化的評價與反饋，其一方面能夠加強對學(xué)生復(fù)雜能力的建模分析，為教育主體建模提供工具支撐，另一方面能夠?qū)崿F(xiàn)對教育規(guī)律的深層次探索，為教育實踐的改進和優(yōu)化提供方向指引。

3.服務(wù)能力的升級

生成式人工智能相較于傳統(tǒng)人工智能技術(shù)的核心優(yōu)勢在于其強大的文本生成、人機對話和邏輯推理能力。具體而言，生成式人工智能能夠脫離人工預(yù)設(shè)規(guī)則的限制，借助自身強大的知識庫，通過自主學(xué)習(xí)發(fā)現(xiàn)新規(guī)律、探索新方法、生成新內(nèi)容，并通過與人類的對話協(xié)商，整合人類智慧和機器智能的優(yōu)勢，提升機器智能決策的適應(yīng)性和可靠性。這在很大程度上推動了教育服務(wù)能力的轉(zhuǎn)型升級，具體體現(xiàn)在三個方面。

其一，教學(xué)輔助的轉(zhuǎn)型升級。在以往研究中，機器大多只能根據(jù)預(yù)設(shè)的計算規(guī)則和算法模型，對課堂教學(xué)的某些方面進行診斷和評價，并將評價結(jié)果反饋給教師，例如幫助教師批改作業(yè)、診斷學(xué)情、評價教學(xué)效果等。而生成式人工智能一方面能夠依托自身強大的算法模型提升傳統(tǒng)教學(xué)輔助的質(zhì)量，另一方面能夠依據(jù)教學(xué)目標和教學(xué)內(nèi)容的特點，為教師設(shè)計個性化的教學(xué)方案、生成定制化的教學(xué)資源、創(chuàng)設(shè)適應(yīng)性的教學(xué)活動、實現(xiàn)過程性的教學(xué)評價。這將為課堂教學(xué)提供多樣化的輔助措施，激發(fā)課堂教學(xué)的內(nèi)在活力，推動課堂教學(xué)的組織機制創(chuàng)新。

其二，學(xué)習(xí)干預(yù)的動態(tài)優(yōu)化。以往的智能化學(xué)習(xí)干預(yù)大多局限于依托學(xué)業(yè)數(shù)據(jù)的學(xué)情診斷、資源推薦、路徑規(guī)劃等方面，而生成式人工智能技術(shù)的應(yīng)用能夠通過人機之間的多輪對話，對學(xué)生的學(xué)業(yè)問題、學(xué)習(xí)意圖、認知水平、學(xué)習(xí)偏好、思維能力等方面進行精準刻畫，利用思維鏈技術(shù)模擬人類的思維過程（戴嶺等，2023），并通過人機多輪對話啟發(fā)學(xué)生思考、激發(fā)學(xué)習(xí)動機，幫助學(xué)生逐層深入地理解學(xué)習(xí)內(nèi)容的本質(zhì)，提高學(xué)習(xí)的自主性和能動性。

其三，教育評價的精準調(diào)控。以往的智能教育評價大多由教師和研究人員從自身經(jīng)驗出發(fā)構(gòu)建評價體系，并通過數(shù)據(jù)建模的方式對評價對象的特定方面進行刻畫。而生成式人工智能一方面能夠突破人類主觀經(jīng)驗的限制，整合教師智慧和機器智能生成自動化的評價方案，實現(xiàn)教育評價體系的智能演進；另一方面能夠通過數(shù)據(jù)建模的方式實現(xiàn)形成性評價，并整合過往經(jīng)驗，生成智能化的改進策略，進而為教師改進教學(xué)方案提供有效支撐。

4.實踐樣態(tài)的變革

生成式人工智能能夠助力教育方案設(shè)計、教育資源生成、教育服務(wù)供給、學(xué)習(xí)干預(yù)機制、教育決策模式的系統(tǒng)變革，引發(fā)教育實踐樣態(tài)的轉(zhuǎn)型升級，推動學(xué)習(xí)和教學(xué)逐漸向“人機協(xié)同”的方向發(fā)展。

其一，人機協(xié)同學(xué)習(xí)。生成式人工智能大模型能夠為學(xué)生提供對話式的學(xué)習(xí)輔助，幫助學(xué)生通過與機器的溝通交流、對話協(xié)商加強對所學(xué)內(nèi)容的理解與建構(gòu)，這使人機協(xié)同學(xué)習(xí)成為未來學(xué)習(xí)的新常態(tài)。人機協(xié)同學(xué)習(xí)旨在通過學(xué)生和機器的合理分工和有機協(xié)同來提升學(xué)習(xí)的效率，促進學(xué)生智慧和機器智能的共同增長，以解決超越人類智慧和機器智能的復(fù)雜任務(wù)，尤其是促進學(xué)生的知識建構(gòu)、認知發(fā)展、思維提升和智慧養(yǎng)成（王一巖等，2024a）。人機協(xié)同學(xué)習(xí)的核心在于通過學(xué)生和機器的多輪對話和雙向反饋，促進學(xué)生與機器的思維碰撞，引發(fā)學(xué)生的認知沖突和自主建構(gòu)，逐步達成對所學(xué)內(nèi)容的共同認識。

其二，人機協(xié)同教學(xué)。生成式人工智能的快速發(fā)展使機器的智能化水平顯著提升，能夠深度參與教學(xué)設(shè)計、實施與評價的各個環(huán)節(jié)，推動課堂教學(xué)向人機協(xié)同的方向發(fā)展。人機協(xié)同教學(xué)旨在充分發(fā)揮教師智慧和機器智能的核心優(yōu)勢，通過教師與機器的協(xié)同工作和優(yōu)勢互補，優(yōu)化課堂教學(xué)的中間環(huán)節(jié)，重構(gòu)課堂教學(xué)的組織模式，超越教師智慧和機器智能的局限性，實現(xiàn)人機協(xié)同的教育智慧創(chuàng)生，推動“教師智慧—機器智能—學(xué)生智慧”的協(xié)同增長和共同進化（王一巖等，2024b）。未來隨著生成式人工智能技術(shù)向課堂教學(xué)的逐漸滲透，教學(xué)方案、教學(xué)內(nèi)容、教學(xué)資源、教學(xué)活動、教學(xué)評價都將呈現(xiàn)出較強的生成性和適應(yīng)性的特點，這將推動教學(xué)從“預(yù)設(shè)性”走向“生成性”，更好地激發(fā)課堂教學(xué)的內(nèi)在活力，提高學(xué)生學(xué)習(xí)的自主性和能動性。

三、生成式人工智能賦能教育信息科學(xué)與技 術(shù)的新趨勢

教育信息科學(xué)與技術(shù)研究旨在利用信息科技手段和自然科學(xué)的研究方法，發(fā)現(xiàn)教育規(guī)律、解決教育問題、升級教育服務(wù)、優(yōu)化教育模式，以推動教育研究與實踐的創(chuàng)新發(fā)展。生成式人工智能技術(shù)的快速發(fā)展，不僅推動了研究場域、分析手段、服務(wù)能力、教育模式的轉(zhuǎn)型，也引發(fā)了教育信息科學(xué)與技術(shù)研究目標的變化，使教育科學(xué)研究能夠在更大程度上回應(yīng)教育改革發(fā)展的現(xiàn)實需求，推動教育實踐的轉(zhuǎn)型升級。

1.從關(guān)注知識學(xué)習(xí)到重視創(chuàng)新人才培養(yǎng)

從以往教育信息科學(xué)與技術(shù)研究的愿景目標來看，相關(guān)研究更加關(guān)注“知識學(xué)習(xí)”，注重利用知識圖譜、認知診斷、知識追蹤等技術(shù)實現(xiàn)對學(xué)生知識結(jié)構(gòu)、認知水平、學(xué)科能力的精準測評，以此為學(xué)生提供個性化的學(xué)業(yè)診斷、資源推薦和路徑規(guī)劃服務(wù)（王一巖等，2023b）。隨著新一輪科技革命和產(chǎn)業(yè)變革的逐步深入推進，教育的目標亦發(fā)生了相應(yīng)的變化，更加強調(diào)創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略下的大規(guī)模創(chuàng)新型人才培養(yǎng)，人才培養(yǎng)目標亟須從“知識導(dǎo)向”向“素養(yǎng)導(dǎo)向”轉(zhuǎn)變。在此背景下，教育信息科學(xué)與技術(shù)研究不能僅僅聚焦“知識學(xué)習(xí)”層面，還需要在更大程度上回應(yīng)中國教育改革發(fā)展面臨的重大問題，聚焦科技強國建設(shè)的現(xiàn)實需求，為創(chuàng)新人才培養(yǎng)提供有效支撐。生成式人工智能所引發(fā)的教育分析手段和教育服務(wù)能力的提升，恰能讓教育科學(xué)研究真正回應(yīng)創(chuàng)新人才培養(yǎng)這一重大的時代議題，為教育創(chuàng)新發(fā)展提供有效依托。未來，教育信息科學(xué)與技術(shù)研究需要逐漸超越知識學(xué)習(xí)的邏輯，面向創(chuàng)新人才培養(yǎng)的現(xiàn)實需求，突出素養(yǎng)導(dǎo)向、實踐導(dǎo)向、探究導(dǎo)向，充分發(fā)揮生成式人工智能在核心素養(yǎng)測評、教育內(nèi)容供給、教育規(guī)律挖掘、教育服務(wù)優(yōu)化、教育模式創(chuàng)新等方面的核心效用，為創(chuàng)新人才培養(yǎng)提供可靠支撐。

2.從重視規(guī)律挖掘到強調(diào)服務(wù)能力提升

以往研究更多關(guān)注特定教育情境中教育規(guī)律的挖掘與分析，以揭示“人是如何學(xué)習(xí)的”這一根本問題。近年來相關(guān)研究也大多聚焦利用教育學(xué)、心理學(xué)、系統(tǒng)科學(xué)、神經(jīng)科學(xué)、信息科技等學(xué)科的理論、技術(shù)和方法，深層次揭示教育的規(guī)律，實現(xiàn)多學(xué)科研究結(jié)論的科學(xué)互證，以推動教育研究的科學(xué)化發(fā)展。但從教育信息科學(xué)與技術(shù)研究的目標和使命來看，其除了需要表征學(xué)習(xí)過程、挖掘教育規(guī)律之外，還應(yīng)依據(jù)教育改革的現(xiàn)實需求、參照教育規(guī)律、依托數(shù)字技術(shù)，推動教育實踐樣態(tài)的調(diào)整和優(yōu)化，以此為創(chuàng)新人才培養(yǎng)提供有效依托，推動大規(guī)模個性化教育目標的落實。從這個意義上講，教育信息科學(xué)與技術(shù)研究的目標不能僅僅局限在揭示“人是如何學(xué)習(xí)的”，更應(yīng)該關(guān)注“如何設(shè)計更好的學(xué)習(xí)”，聚焦“教育規(guī)律挖掘”和“教育服務(wù)供給”兩大主題，充分發(fā)揮生成式人工智能技術(shù)對于教育的賦能作用，實現(xiàn)對教育實踐的改進和優(yōu)化。未來教育信息科學(xué)與技術(shù)研究需要進一步關(guān)注我國教育改革發(fā)展的重大議題，利用生成式人工智能技術(shù)推動教育服務(wù)能力的大幅提升，不斷革新教育實踐場域、變革教育教學(xué)樣態(tài)、優(yōu)化人才培養(yǎng)模式、完善資源供給機制，進而提高教育質(zhì)量，保障教育公平，為教育高質(zhì)量發(fā)展提供堅實保障。

3.從追求技術(shù)創(chuàng)新到注重解決教育問題

從自身定位來講，教育信息科學(xué)與技術(shù)研究注重利用自然科學(xué)研究的范式探究教育發(fā)展的底層規(guī)律，以推動教育研究的科學(xué)化發(fā)展（鄭永和等，2023a）。其帶來的問題是，研究人員往往過度強調(diào)新技術(shù)、新算法的應(yīng)用，卻忽視了對教育本質(zhì)的追問，這使教育信息科學(xué)與技術(shù)研究在很大程度上淪為了技術(shù)驅(qū)動的算法創(chuàng)新研究（鄭永和等，2023b），而對于教育規(guī)律的挖掘、教育問題的發(fā)現(xiàn)、教育服務(wù)的優(yōu)化卻并沒有實質(zhì)性貢獻。這在很大程度上背離了教育科學(xué)研究的初衷。隨著生成式人工智能技術(shù)的快速發(fā)展，技術(shù)方案的設(shè)計、算法模型的訓(xùn)練變得更加簡單便捷，即便研究人員沒有太多的算法基礎(chǔ)，也可以利用生成式人工智能大模型去獲取先進的技術(shù)方案。在此背景下，以往基于數(shù)據(jù)感知、建模、分析、預(yù)測的研究邏輯將逐漸被大模型所扭轉(zhuǎn)。應(yīng)該說，生成式人工智能大模型為教育科學(xué)研究提供了技術(shù)底座，有助于提升教育研究向教育實踐的轉(zhuǎn)化能力。未來教育信息科學(xué)與技術(shù)研究的開展不宜過度強調(diào)新技術(shù)、新算法的應(yīng)用，而應(yīng)更加注重選定適合技術(shù)應(yīng)用的明確教育問題，構(gòu)建合理完善的解決方案，避免盲目的數(shù)據(jù)化、標簽化和算法化將教育研究引入“技術(shù)決定論”的實踐誤區(qū)。未來研究應(yīng)該更加關(guān)注智能技術(shù)的應(yīng)用揭示了哪些教育問題、挖掘了哪些教育規(guī)律、提升了哪些教育服務(wù)，以此來規(guī)范教育信息科學(xué)與技術(shù)研究的實踐方向，推動教育科學(xué)研究的常態(tài)化發(fā)展。

4.從聚焦通用場景到關(guān)注學(xué)科教育實踐

從近年來教育信息科學(xué)與技術(shù)研究的關(guān)注要點來看，相關(guān)研究大多關(guān)注通用場景中的教育規(guī)律挖掘與分析，如課堂學(xué)習(xí)、在線學(xué)習(xí)、混合學(xué)習(xí)、虛實融合學(xué)習(xí)、人機協(xié)同學(xué)習(xí)等，以挖掘普適性的教育規(guī)律，解決教育研究與實踐中的共性問題（鄭永和等，2021）。應(yīng)該說，對于通用場景中教育規(guī)律的挖掘與分析是數(shù)字技術(shù)與教育教學(xué)深度融合的必經(jīng)階段，也是教育科學(xué)研究的必然趨勢，其能夠促進對經(jīng)典教育模式的改進和優(yōu)化，規(guī)范數(shù)字技術(shù)與教育實踐的融合路徑。但其中的問題在于，此類研究更加關(guān)注特定教育場景或典型教育模式下教育規(guī)律的挖掘與分析，而對學(xué)科、學(xué)段、人群等方面的關(guān)注不足，這導(dǎo)致特定研究情境下獲得的教育規(guī)律的可遷移性偏弱，比如在數(shù)學(xué)學(xué)科發(fā)現(xiàn)的規(guī)律無法應(yīng)用于語文學(xué)科，在初中階段發(fā)現(xiàn)的規(guī)律無法應(yīng)用于小學(xué)階段。從這個意義上來說，對于通用學(xué)科場景中教育規(guī)律的挖掘與分析在教育信息科學(xué)與技術(shù)推進的初期階段具有重要意義，有助于在探索過程中逐漸完善研究范式和明確技術(shù)方案。但從長遠來看，教育科學(xué)研究應(yīng)該扎根于學(xué)科教育實踐，聚焦特定學(xué)科的教育目標、教育內(nèi)容、教育資源、教育模式等，進行體系化的研究布局，針對學(xué)科教育的不同學(xué)段與場域開展深入細致的機理探索，以提升教育規(guī)律的針對性和可遷移性。因此，走向?qū)W科化是教育科學(xué)研究的必然趨勢，隨著生成式人工智能技術(shù)所帶來的教育分析手段和教育服務(wù)能力的提升，教育信息科學(xué)與技術(shù)的相關(guān)研究也應(yīng)該逐漸下沉到語文、數(shù)學(xué)、英語、科學(xué)等學(xué)科，挖掘?qū)W科教育場景中的特異性規(guī)律，為學(xué)科教育實踐創(chuàng)新提供可靠的證據(jù)支持。

5.從研究跟隨實踐到研究引領(lǐng)實踐創(chuàng)新

從“研究”與“實踐”的關(guān)系來看，以往研究由于研究理念和技術(shù)手段的限制，大多發(fā)生在特定的實踐場景中，依托一線教師的教育實踐活動進行數(shù)據(jù)采集、分析和決策，并為教育實踐的改進提供相應(yīng)建議。此階段“研究”之于“實踐”更多是一種“跟跑”的關(guān)系，教育科學(xué)研究的開展需要依賴特定的教育實踐。但隨著生成式人工智能技術(shù)的快速發(fā)展，教育服務(wù)能力也顯著得以提升，使教育過程的感知、教育規(guī)律的挖掘、教育問題的診斷、教育環(huán)境的創(chuàng)設(shè)、教育模式的優(yōu)化更加便捷高效。由此也引發(fā)教育科學(xué)研究視角的轉(zhuǎn)變：相關(guān)研究不能僅僅局限于依托現(xiàn)有教育實踐去表征學(xué)習(xí)過程、刻畫教育主體、挖掘教育規(guī)律，更要能夠?qū)ΜF(xiàn)有實踐進行全方位、系統(tǒng)化的精準評價，挖掘現(xiàn)有教育實踐中存在的突出問題，并生成系統(tǒng)化的改進方案以推動教育實踐的創(chuàng)新。例如，生成式人工智能大模型通過對課堂教學(xué)案例的學(xué)習(xí)，一方面能夠為教師提供個性化的教學(xué)改進策略，另一方面能夠生成合理完善的教學(xué)設(shè)計方案，以助力教育實踐的優(yōu)化。從這個意義上來說，未來“研究”與“實踐”的關(guān)系，需要從“跟跑”轉(zhuǎn)變?yōu)椤耙I(lǐng)”和“創(chuàng)新”，即充分發(fā)揮生成式人工智能對于教育實踐的改進和優(yōu)化作用，探究教育研究如何賦能教學(xué)方案的設(shè)計、教學(xué)資源的優(yōu)化、教學(xué)活動的組織、教學(xué)策略的調(diào)整，以此為教育實踐的開展提供更加智能化、精準化、人性化的教育服務(wù)，進而推動“教育研究”和“教育實踐”的雙向賦能和協(xié)同進化。

四、生成式人工智能賦能教育信息科學(xué)與技 術(shù)的新議題

鑒于生成式人工智能為教育信息科學(xué)與技術(shù)研究帶來新的發(fā)展機遇，未來相關(guān)研究需要結(jié)合教育信息科學(xué)與技術(shù)研究的核心要點進行深入探索，其研究的新議題主要包括如下6個方面。

1.面向創(chuàng)新人才培養(yǎng)的教育規(guī)律挖掘

由上文可知，以往的教育研究大多圍繞“知識學(xué)習(xí)”進行探索，以刻畫學(xué)生的知識基礎(chǔ)、學(xué)科能力、認知水平、學(xué)習(xí)態(tài)度，挖掘?qū)W生的認知發(fā)展規(guī)律，并提供適應(yīng)性的學(xué)業(yè)診斷和學(xué)習(xí)干預(yù)，以助力學(xué)生取得學(xué)業(yè)成功。但隨著教育改革發(fā)展的逐步推進，以及生成式人工智能技術(shù)的快速發(fā)展，教育目標亦發(fā)生了重大變化，越發(fā)注重科技強國建設(shè)背景下的創(chuàng)新人才培養(yǎng)，這就要求對學(xué)生知識技能的單一關(guān)注，轉(zhuǎn)向?qū)W(xué)生問題解決能力、批判性思維、創(chuàng)造性思維、系統(tǒng)性思維、跨學(xué)科能力、自主學(xué)習(xí)能力的全方位觀照，即從強調(diào)“知識導(dǎo)向”轉(zhuǎn)向強調(diào)“素養(yǎng)導(dǎo)向”。生成式人工智能技術(shù)在人機對話、知識講解、思維啟發(fā)、能力訓(xùn)練等方面表現(xiàn)出巨大潛力，不僅能夠為學(xué)生定制個性化的學(xué)習(xí)方案，還能幫助學(xué)生實現(xiàn)對話式、啟發(fā)式、探究式的學(xué)習(xí)，真正為創(chuàng)新人才培養(yǎng)賦能。因此，未來教育信息科學(xué)與技術(shù)研究需要以創(chuàng)新人才的培養(yǎng)和評價為目標，推動研究目標和研究手段的系統(tǒng)性重構(gòu)。

其一，在教育主體刻畫方面，需要以創(chuàng)新人才培養(yǎng)為目標，對原有的學(xué)習(xí)者模型進行拓展和延伸，在知識基礎(chǔ)、認知水平、情感態(tài)度的基礎(chǔ)上，加強對學(xué)生問題解決能力、批判性思維能力、跨學(xué)科能力、創(chuàng)造力等關(guān)鍵能力的觀照，構(gòu)建面向創(chuàng)新人才培養(yǎng)的學(xué)習(xí)者模型，并采用數(shù)據(jù)驅(qū)動的研究方法對學(xué)生在多元學(xué)習(xí)場景中的行為表現(xiàn)進行智能化監(jiān)測分析，對創(chuàng)新人才培養(yǎng)相關(guān)的能力和素養(yǎng)進行精準刻畫。

其二，在教育規(guī)律挖掘方面，需要在原有研究的基礎(chǔ)上以創(chuàng)新人才的相關(guān)特質(zhì)為參照，探究相關(guān)教育要素影響創(chuàng)新人才培養(yǎng)的潛在機制。例如，利用視頻分析技術(shù)探究課堂教學(xué)模式對學(xué)生問題解決能力的影響機制，利用文本挖掘技術(shù)揭示課堂對話對學(xué)生批判性思維的影響機制，或者利用腦成像技術(shù)探究基于人機對話的啟發(fā)式教學(xué)對學(xué)生創(chuàng)造力的影響機制等。

其三，在教育服務(wù)供給層面，需要逐漸擺脫面向知識層面的教學(xué)輔助和學(xué)習(xí)干預(yù)，轉(zhuǎn)而利用教學(xué)方案的設(shè)計、教學(xué)內(nèi)容的生成、教學(xué)活動的組織，為學(xué)生打造實踐性、探究性、跨學(xué)科性的學(xué)習(xí)方案，并通過人機對話的方式，逐步啟發(fā)學(xué)生思考，培養(yǎng)學(xué)生的批判精神、探索精神和創(chuàng)新精神，進而引導(dǎo)他們進行自主思考和積極探索。

2.學(xué)科教育人工智能大模型構(gòu)建與應(yīng)用

要依托生成式人工智能技術(shù)推動教育實踐變革、助力創(chuàng)新人才培養(yǎng)，需要有面向教育領(lǐng)域的垂直大模型作為支撐，以探索大規(guī)模因材施教的方法與路徑，助力創(chuàng)新性與個性化教學(xué)。未來生成式人工智能將成為教育實踐創(chuàng)新的重要驅(qū)動力，因此需要結(jié)合相關(guān)研究的前沿趨勢，突出學(xué)科育人要求，聚焦學(xué)科特異性場景，整合優(yōu)質(zhì)學(xué)科資源，加強學(xué)科教育人工智能大模型研發(fā)，為學(xué)科教育研究和實踐的開展提供有效依托。

其一，加強學(xué)科語料庫和資源庫建設(shè)。整合課標、教材、教案、作業(yè)庫、試題庫、論文、專著、課堂對話等文本資源，建設(shè)學(xué)科教育專有語料庫；匯聚圖片、PPT課件、視音頻、三維動畫、虛擬現(xiàn)實、數(shù)字人等教學(xué)資源，建設(shè)多模態(tài)教育資源庫；在此基礎(chǔ)上，通過確定任務(wù)場景、制定評分標準、建設(shè)SFT（Supervised Fine-Tuning）監(jiān)督學(xué)習(xí)數(shù)據(jù)集等方式，為大模型的訓(xùn)練和優(yōu)化提供基礎(chǔ)語料和資源保障。

其二，訓(xùn)練學(xué)科教育人工智能大模型。在國產(chǎn)大模型底座的基礎(chǔ)上，結(jié)合學(xué)科專有語料庫，研究面向?qū)W科教育場景的模型訓(xùn)練和指令微調(diào)方法，構(gòu)建融合教育領(lǐng)域知識的增強模型，通過高質(zhì)量有監(jiān)督指令任務(wù)的監(jiān)督學(xué)習(xí)、基于人類反饋的強化學(xué)習(xí)來提升大模型的性能。在此基礎(chǔ)上，加強教育提示語工程建設(shè)，引導(dǎo)學(xué)生輸入既符合人類表達習(xí)慣又遵循機器對話規(guī)則的學(xué)習(xí)指令（趙曉偉等，2024），讓機器能夠理解學(xué)生真實的學(xué)習(xí)需求，并及時響應(yīng)。

其三，加強學(xué)科特異性功能開發(fā)。結(jié)合學(xué)科教學(xué)的實踐需求，聚焦跨學(xué)科教案設(shè)計、多模態(tài)資源生成、探究性活動設(shè)計、對話式學(xué)習(xí)干預(yù)、生成性教學(xué)輔助、形成性評價反饋等多元場景，設(shè)計系統(tǒng)化的研究選題，構(gòu)建完善的技術(shù)方案和應(yīng)用場景，以推動學(xué)科教育人工智能大模型的功能開發(fā)，為教育實踐的創(chuàng)新提供可靠的技術(shù)支持。

3.學(xué)科素養(yǎng)圖譜的智能生成與動態(tài)優(yōu)化

知識圖譜旨在以課標、教材為參照，對知識點之間的前后關(guān)系、包含關(guān)系、上下位關(guān)系進行準確表征（周東岱等，2024），以完善學(xué)科知識譜系，并建立教育資源和學(xué)科知識圖譜之間的映射關(guān)系。知識圖譜已成為評判學(xué)生知識結(jié)構(gòu)和學(xué)科能力、實現(xiàn)資源推薦和路徑規(guī)劃的重要參考。隨著人才培養(yǎng)目標的變化，以及義務(wù)教育新課標的發(fā)布，教育研究與實踐需要擺脫“知識導(dǎo)向”的桎梏，逐漸向“素養(yǎng)導(dǎo)向”轉(zhuǎn)變。未來學(xué)科素養(yǎng)圖譜的研究將為創(chuàng)新人才的培養(yǎng)和評價提供有效支撐。

其一，關(guān)注面向?qū)W科教育的“知識—素養(yǎng)”智能標注。即在原有學(xué)科知識圖譜的基礎(chǔ)上，以課標和教材為參考，對各個學(xué)科的知識譜系進行梳理，并將知識點對應(yīng)的關(guān)鍵學(xué)科素養(yǎng)進行標注。在此基礎(chǔ)上，以學(xué)科教育資源和活動為基本學(xué)習(xí)單元，對每個學(xué)習(xí)單元所涉及的關(guān)鍵知識點和學(xué)科素養(yǎng)進行標識，建立“資源/活動—知識—素養(yǎng)”之間的動態(tài)映射關(guān)系，構(gòu)建體系化、結(jié)構(gòu)化的學(xué)科素養(yǎng)圖譜。

其二，重視學(xué)科素養(yǎng)圖譜智能生成與動態(tài)優(yōu)化關(guān)鍵技術(shù)。匯聚多樣化學(xué)科教學(xué)資源，研究基于“知識—素養(yǎng)”的抽取、融合、加工、補全、糾錯、更新等關(guān)鍵技術(shù)（林健等，2022），實現(xiàn)學(xué)科素養(yǎng)圖譜的智能構(gòu)建與動態(tài)優(yōu)化。

其三，關(guān)注學(xué)生學(xué)科素養(yǎng)圖譜智能生成與動態(tài)調(diào)整方法。以學(xué)生利用學(xué)習(xí)資源、完成學(xué)習(xí)活動的真實表現(xiàn)為參考，對學(xué)生的知識掌握程度、學(xué)科素養(yǎng)水平進行全方位綜合化的測評分析，并利用資源之間的關(guān)聯(lián)關(guān)系對學(xué)生的素養(yǎng)水平進行精準診斷和科學(xué)預(yù)測。

4.素養(yǎng)導(dǎo)向的個性化學(xué)習(xí)服務(wù)關(guān)鍵技術(shù)

隨著教育目標從“知識導(dǎo)向”向“素養(yǎng)導(dǎo)向”的轉(zhuǎn)變，個性化學(xué)習(xí)的內(nèi)涵和關(guān)注點也需隨之遷移，即逐漸擺脫對知識圖譜、認知診斷、資源推薦等傳統(tǒng)個性化學(xué)習(xí)技術(shù)的依賴，更加關(guān)注面向?qū)W生素養(yǎng)發(fā)展的個性化學(xué)習(xí)理論和技術(shù)研究。素養(yǎng)導(dǎo)向的個性化學(xué)習(xí)旨在破除對“知識學(xué)習(xí)”的依賴，更加強調(diào)從創(chuàng)新人才培養(yǎng)的核心目標出發(fā)，構(gòu)建面向?qū)W生個體的個性化學(xué)科素養(yǎng)圖譜，對學(xué)生的知識基礎(chǔ)、問題解決能力、批判性思維能力、跨學(xué)科能力、創(chuàng)造力等共性特征，以及特定學(xué)科的核心素養(yǎng)進行實時動態(tài)的精準測評，并為學(xué)生推薦適應(yīng)性的學(xué)習(xí)資源、設(shè)計探究性的學(xué)習(xí)活動、提供對話式的思維引導(dǎo)，以助力學(xué)生學(xué)科素養(yǎng)的有效提升。

其一，完善學(xué)科素養(yǎng)的智能測評機制。以學(xué)科素養(yǎng)圖譜為參照，構(gòu)建系統(tǒng)化的學(xué)科素養(yǎng)測評模型，完善學(xué)科素養(yǎng)智能測評方法體系，根據(jù)學(xué)生在特定學(xué)習(xí)活動中的表現(xiàn)，利用多模態(tài)數(shù)據(jù)對學(xué)生的學(xué)科素養(yǎng)水平進行動態(tài)全面的精準測評。在此基礎(chǔ)上，系統(tǒng)分析學(xué)生個體和群體的學(xué)科素養(yǎng)發(fā)展水平，挖掘?qū)W科素養(yǎng)的薄弱項，為素養(yǎng)導(dǎo)向的個性化學(xué)習(xí)服務(wù)供給提供標準參照和方向指引。

其二，構(gòu)建學(xué)科素養(yǎng)的精準干預(yù)策略。根據(jù)學(xué)生學(xué)科素養(yǎng)的發(fā)展水平，利用生成式人工智能大模型生成創(chuàng)意性的學(xué)習(xí)材料、創(chuàng)設(shè)探究性的學(xué)習(xí)活動、提供對話式的學(xué)習(xí)引導(dǎo)、設(shè)計啟發(fā)式的教學(xué)輔助，以幫助學(xué)生在機器的引導(dǎo)和啟發(fā)下加強對所學(xué)內(nèi)容本質(zhì)的理解，在參與探究實踐的過程中實現(xiàn)跨學(xué)科的知識整合和應(yīng)用，發(fā)揮自身的自主性和創(chuàng)造性，助力學(xué)生高階思維能力與關(guān)鍵學(xué)科素養(yǎng)的有效提升。

5.人機協(xié)同教育的實踐創(chuàng)新和機理探索

生成式人工智能技術(shù)的快速發(fā)展使機器的智能化水平顯著提升，越發(fā)深入地參與到學(xué)習(xí)、教學(xué)、評價的各個方面，并通過人和機器的深度協(xié)同，提高教育實踐的靈活性、適應(yīng)性和創(chuàng)新性，這也使對話式人機協(xié)同學(xué)習(xí)、生成性人機協(xié)同教學(xué)、形成性人機協(xié)同評價成為可能。在此背景下，需要進一步加強人機協(xié)同教育的實踐創(chuàng)新和機理探索，為生成式人工智能背景下教育研究與實踐的創(chuàng)新提供方向指引。

其一，人機協(xié)同教育的典型模式探索。未來人機協(xié)同教育實踐的開展，需要推動生成式人工智能技術(shù)與教學(xué)、學(xué)習(xí)、評價的深度融合，通過人和機器的合理分工，整合人類智慧和機器智能的核心優(yōu)勢（王一巖等，2024a），聚焦人機協(xié)同的對話式學(xué)習(xí)、生成性教學(xué)、形成性評價等典型場景，探索人機協(xié)同教育的典型模式，以助力人機協(xié)同教育實踐的創(chuàng)新發(fā)展。

其二，人機協(xié)同教育的實踐成效驗證。目前智能技術(shù)賦能教育創(chuàng)新僅存在于“應(yīng)然”的理念探索層面，尚未有“實然”的實證證據(jù)支撐（UNESCO，2023）。因此，人機協(xié)同教育實踐的開展需要加強對其實踐成效的檢驗，以此為教育實踐樣態(tài)的革新提供方向指引。此類研究需要著重關(guān)注以下問題：對話式人機協(xié)同學(xué)習(xí)促進學(xué)生知識掌握、認知提升、思維發(fā)展的成效驗證；生成性人機協(xié)同教學(xué)提升學(xué)生參與度、學(xué)習(xí)動機、自主學(xué)習(xí)能力的成效驗證；形成性評價反饋賦能課堂教學(xué)策略優(yōu)化與質(zhì)量提升的成效驗證等。

其三，人機協(xié)同教育的潛在規(guī)律挖掘。在模式探索和成效驗證的基礎(chǔ)上，研究者需要加強對人機協(xié)同教育潛在規(guī)律的探索，明確人機協(xié)同的教育模式對學(xué)生學(xué)習(xí)、教師教學(xué)的影響機制，以此為教育實踐的改進提供證據(jù)支持。其核心議題主要包括：人機協(xié)同學(xué)習(xí)的對話序列挖掘和典型模式提煉，人機對話促進學(xué)生元認知發(fā)展的機理探索，生成性教學(xué)促進學(xué)生創(chuàng)造力發(fā)展的機制研究，以及形成性評價促進教師勝任力提升的機理探索等。

6.人機協(xié)同勝任力智能評測理論與技術(shù)

隨著生成式人工智能對教育教學(xué)的逐漸滲透，教學(xué)和學(xué)習(xí)的發(fā)生越發(fā)依賴人和機器的深度協(xié)同，也使人機協(xié)同教育成為未來教育發(fā)展的主流趨勢。在此背景下，學(xué)生和教師能否合理利用生成式人工智能大模型開展合乎倫理的學(xué)習(xí)和教學(xué)實踐，促進學(xué)習(xí)效率和教學(xué)質(zhì)量的顯著提升，成為生成式人工智能教育應(yīng)用需要解決的關(guān)鍵問題。因此，未來教育信息科學(xué)與技術(shù)研究需要進一步加強對師生人機協(xié)同勝任力的關(guān)注，為人機協(xié)同教育實踐的開展提供證據(jù)支撐。

其一，構(gòu)建師生人機協(xié)同勝任力的評價體系。從生成式人工智能背景下人機協(xié)同學(xué)習(xí)和人機協(xié)同教學(xué)的前沿趨勢出發(fā)，聚焦意愿態(tài)度、技能水平、創(chuàng)新應(yīng)用、倫理道德等方面，構(gòu)建系統(tǒng)化、層次化的師生人機協(xié)同勝任力評價體系（范建麗等，2022），為人機協(xié)同勝任力測評實踐的開展提供標準參照。

其二，開展師生人機協(xié)同勝任力的測評實踐。利用話語分析技術(shù)對學(xué)生對話式人機協(xié)同學(xué)習(xí)的文本數(shù)據(jù)進行深入分析，挖掘其中潛在的文本序列，并與學(xué)生特定維度的能力水平進行匹配，以此對學(xué)生的人機協(xié)同學(xué)習(xí)勝任力進行綜合評價；或者依據(jù)教師利用生成式人工智能設(shè)計、實施、評價、改進教學(xué)的過程性數(shù)據(jù)，運用多模態(tài)學(xué)習(xí)分析方法對教師的意愿態(tài)度、知識技能、思維方法、倫理意識進行綜合評價，以此對教師的人機協(xié)同教學(xué)勝任力進行智能分析。

其三，完善師生人機協(xié)同勝任力的干預(yù)機制。利用生成式人工智能大模型對教師和學(xué)生的潛在問題及其成因進行系統(tǒng)分析，并設(shè)計智能化的干預(yù)策略，助力師生人機協(xié)同勝任力的顯著提升。例如，為教師推薦適應(yīng)性的學(xué)習(xí)資源，幫助教師了解人機協(xié)同教學(xué)的核心價值，提高人機協(xié)同教學(xué)的意愿；為學(xué)生設(shè)計針對性的學(xué)習(xí)任務(wù)，幫助學(xué)生在與機器合作解決問題的過程中，提升人機協(xié)同學(xué)習(xí)的意識和能力。

參考文獻：

[1]陳聰聰，李晨，王亞飛（2024）.文生視頻模型Sora之于教育教學(xué)：機遇與挑戰(zhàn)[J].現(xiàn)代教育技術(shù)，34（5）：27-34.

[2]戴嶺，趙曉偉，祝智庭（2023）.智慧問學(xué)：基于ChatGPT的對話式學(xué)習(xí)新模式[J].開放教育研究，29（6）：42-51，111.

[3]范建麗，張新平（2022）.大數(shù)據(jù)＋智能時代的教師數(shù)智勝任力模型研究[J].遠程教育雜志，40（4）：65-74.

[4]方海光，舒麗麗，王顯闖等（2024）.生成式人工智能時代教育數(shù)字化轉(zhuǎn)型的可能與可為——基于對Sora的思考[J].國家教育行政學(xué)院學(xué)報，（4）：69-75.

[5]林健，柯清超，黃正華等（2022）.學(xué)科知識圖譜的動態(tài)生成及其在資源智能組織中的應(yīng)用[J].遠程教育雜志，40（4）：23-34.

[6]劉三女牙，郝曉晗（2024a）.生成式人工智能助力教育創(chuàng)新的挑戰(zhàn)與進路[J].清華大學(xué)教育研究，45（3）：1-12.

[7]劉三女牙，郝曉晗，李卿（2024b）.教育科研新范式：人工智能驅(qū)動的教育科學(xué)研究[J].教育研究，45（3）：147-159.

[8]蘇旭東（2024）.數(shù)智時代的“人師”與“機師”協(xié)同教學(xué)[J].開放教育研究，30（4）：46-52.

[9]萬力勇，杜靜，熊若欣（2023）.人機共創(chuàng)：基于AIGC的數(shù)字化教育資源開發(fā)新范式[J].現(xiàn)代遠程教育研究，35（5）：12-21.

[10]王一巖，鄭永和（2023a）.可解釋學(xué)習(xí)者建模：價值意蘊與應(yīng)用圖景[J].現(xiàn)代遠程教育研究，35（5）：96-103.

[11]王一巖，鄭永和（2023b）.智能時代個性化學(xué)習(xí)的現(xiàn)實困境、意蘊重構(gòu)與模型構(gòu)建[J].電化教育研究，44（3）：28-35.

[12]王一巖，劉淇，鄭永和（2024a）.人機協(xié)同學(xué)習(xí)：實踐邏輯與典型模式[J].開放教育研究，30（1）：65-72.

[13]王一巖，朱陶，楊淑豪等（2024b）.人機協(xié)同教學(xué)：動因、本質(zhì)與挑戰(zhàn)[J].電化教育研究，45（8）：51-57.

[14]楊現(xiàn)民，丁杰（2024）.生成式人工智能如何與教學(xué)深度融合[N].中國教育報，2024-06-15（004）.

[15]趙曉偉，戴嶺，沈書生等（2024）.促進高意識學(xué)習(xí)的教育提示語設(shè)計[J].開放教育研究，30（1）：44-54.

[16]鄭永和，王一巖（2021）.教育與信息科技交叉研究：現(xiàn)狀、問題與趨勢[J].中國電化教育，（7）：97-106.

[17]鄭永和，王一巖（2023a）.智能時代教育信息科學(xué)與技術(shù)的戰(zhàn)略定位與發(fā)展方向[J].遠程教育雜志，41（3）：12-20.

[18]鄭永和，王一巖，吳國政等（2023b）.教育信息科學(xué)與技術(shù)研究的現(xiàn)實圖景與發(fā)展路向——2018—2022年F0701資助情況分析[J].現(xiàn)代遠程教育研究，35（1）：10-19.

[19]周東岱，董曉曉，顧恒年（2024）.教育領(lǐng)域知識圖譜研究新趨向：學(xué)科教學(xué)圖譜[J].電化教育研究，45（2）：91-97，120.

[20]祝智庭，戴嶺，趙曉偉（2023）.“近未來”人機協(xié)同教育發(fā)展新思路[J].開放教育研究，29（5）Pr2JbV5dn53o3i1tymN7DKuumRboF7HqXyrrSKfs57c=：4-13.

[21]UNESCO （2023）. Technology in Education： A Tool on Whose Terms？[R]. Paris： UNESCO.

Generative Artificial Intelligence Empowers Educational Information Science and

Technology Research： New Opportunities， New Trends and New Issues

Abstract： Generative artificial intelligence injects new momentum into educational innovation and reform and brings new opportunities for research in educational information science and technology. The change in research fields， the innovation of analytical methods， the upgrading of service capabilities， and the transformation of practical pattern triggered by generative artificial intelligence have brought new opportunities for the scientific development of educational research. In this context， the goals and priorities of educational information science and technology research urgently need to be transformed， manifested as a shift from focusing on knowledge learning to emphasizing the cultivation of innovative talents， from emphasizing law mining to emphasizing the improvement of service capabilities， from pursuing technological innovation to focusing on solving educational problems， from focusing on general scenarios to focusing on disciplinary educational practice， and from research following practice to research leading practical innovation. In order to adapt to the new trend of educational information science and technology research under the background of generative artificial intelligence， future related research should focus on the following topics： first， exploring educational laws for the cultivation of innovative talent; second， constructing and applying artificial intelligence models for disciplinary education; third， intelligent generation and dynamic optimization of disciplinary literacy maps; fourth， key technologies for personalized learning services guided by literacy; fifth， practical innovation and mechanism exploration of human-machine collaborative education; sixth， intelligent evaluation theory and technology for human-machine collaborative competence. This study aims to provide theoretical guidance for the reform funded by “Educational Information Science and Technology” of the National Natural Science Foundation of China in the context of generative artificial intelligence.

Keywords： Educational Information Science and Technology; Generative Artificial Intelligence; Human-Machine Collaborative Education; Disciplinary Literacy Map; Education Model