[摘" "要] 智慧學(xué)習(xí)環(huán)境作為教育數(shù)字化轉(zhuǎn)型的重要支撐，在建設(shè)過程中涌現(xiàn)出數(shù)據(jù)孤島、模型局限、資源定型、工具繁雜、服務(wù)僵硬、場(chǎng)景割裂等問題。生成式人工智能作為人工智能技術(shù)發(fā)展的新形態(tài)，給智慧學(xué)習(xí)環(huán)境的升級(jí)與變革帶了新的機(jī)遇。研究以生成式人工智能為動(dòng)力引擎升級(jí)了三層六要素的智慧學(xué)習(xí)環(huán)境理論模型，認(rèn)為智慧學(xué)習(xí)環(huán)境中的數(shù)據(jù)要素由低質(zhì)化轉(zhuǎn)向高效化、模型要素由判別式轉(zhuǎn)向生成式、資源要素由表象化轉(zhuǎn)向語(yǔ)義化、工具要素由分布式轉(zhuǎn)向集成化、服務(wù)要素由預(yù)定義轉(zhuǎn)向自適應(yīng)、場(chǎng)景要素由邊緣化轉(zhuǎn)向中心化。在此基礎(chǔ)上，研究進(jìn)一步明晰了生成式人工智能可通過重構(gòu)人才培養(yǎng)理念、知識(shí)與課程觀、教學(xué)模式與學(xué)習(xí)方式、教育評(píng)價(jià)體系及教育治理模式變革智慧學(xué)習(xí)環(huán)境生態(tài)。研究深入剖析了智慧學(xué)習(xí)環(huán)境的內(nèi)部要素改進(jìn)與外部生態(tài)重構(gòu)，為塑造智慧學(xué)習(xí)環(huán)境新形態(tài)提供理論研究支撐與實(shí)踐探索方向。

[關(guān)鍵詞] 智慧學(xué)習(xí)環(huán)境； 生成式人工智能； 要素改進(jìn)； 生態(tài)重構(gòu)； 理論模型

[中圖分類號(hào)] G434" " " " " " [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 武法提（1971—），男，山東鄆城人。教授，博士，主要從事智能學(xué)習(xí)系統(tǒng)與智慧學(xué)習(xí)環(huán)境設(shè)計(jì)研究。E-mail：wft@bnu.edu.cn。

一、引" "言

黨的二十大對(duì)推進(jìn)教育數(shù)字化作出專門戰(zhàn)略部署，明確提出：“推進(jìn)教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會(huì)、學(xué)習(xí)型大國(guó)?！盵1]智慧學(xué)習(xí)環(huán)境是夯實(shí)數(shù)字化轉(zhuǎn)型的重要保障，也是推動(dòng)智慧教育高質(zhì)量發(fā)展的重要引擎[2]，探索泛在、靈活、智能的智慧學(xué)習(xí)環(huán)境建設(shè)方案與應(yīng)用模式已成為我國(guó)當(dāng)前教育新發(fā)展和改革的重要舉措[3]。但是，當(dāng)前智慧學(xué)習(xí)環(huán)境在建設(shè)過程中涌現(xiàn)出數(shù)據(jù)孤島、模型局限、資源定型、工具繁雜、服務(wù)僵硬、場(chǎng)景割裂等問題，阻礙了其生態(tài)化建設(shè)與整體效用發(fā)揮。作為人工智能發(fā)展的新階段，以大語(yǔ)言模型為代表的生成式人工智能（Generative Artificial Intelligence ， GAI）為教育領(lǐng)域的創(chuàng)新發(fā)展和變革升級(jí)帶來了新的視角，在大數(shù)據(jù)、高算力和強(qiáng)算法的加持下，具有強(qiáng)大的生成能力、遷移能力與交互能力的GAI有望成為技術(shù)驅(qū)動(dòng)的智慧學(xué)習(xí)環(huán)境智能化升級(jí)的關(guān)鍵動(dòng)力。因此，本研究著重探討生成式人工智能如何重塑智慧學(xué)習(xí)環(huán)境，提出了融合GAI的智慧學(xué)習(xí)環(huán)境理論模型，深入探究GAI如何實(shí)現(xiàn)模型中各要素的改進(jìn)與升級(jí)以及如何實(shí)現(xiàn)智慧學(xué)習(xí)環(huán)境生態(tài)的系統(tǒng)性變革，以期破解當(dāng)前環(huán)境的建設(shè)與應(yīng)用難題，推動(dòng)智慧學(xué)習(xí)環(huán)境邁向高質(zhì)量發(fā)展的新階段。

二、生成式人工智能改進(jìn)智慧學(xué)習(xí)環(huán)境要素

學(xué)習(xí)環(huán)境的建設(shè)是實(shí)現(xiàn)學(xué)與教方式變革的基礎(chǔ)[4]，以數(shù)據(jù)驅(qū)動(dòng)、個(gè)性化、情境化為主要特征的智慧教育[5]需要生態(tài)化智慧學(xué)習(xí)環(huán)境作為支撐。智慧學(xué)習(xí)環(huán)境是指融合物理、信息、社會(huì)和心理四空間，基于場(chǎng)景、數(shù)據(jù)、模型、資源、工具、服務(wù)六要素，自適應(yīng)提供個(gè)性化學(xué)習(xí)支持的體系環(huán)境[6]，即能夠感知學(xué)習(xí)情境、識(shí)別學(xué)習(xí)者特征、提供適切資源和工具以促進(jìn)有效學(xué)習(xí)的發(fā)生[7]。為了深入探究新一代智能技術(shù)對(duì)學(xué)習(xí)環(huán)境的升級(jí)與改變，本研究立足于武法提等人[6]的研究成果，構(gòu)建了融合GAI的智慧學(xué)習(xí)環(huán)境理論框架，如圖 1所示。在該框架中，數(shù)據(jù)模型層為資源工具層提供源動(dòng)力，并為服務(wù)場(chǎng)景層提供底層支持，資源工具層以交互支持的形式為特定教育場(chǎng)景的需求提供服務(wù)，三個(gè)層級(jí)持續(xù)優(yōu)化，形成閉環(huán)。相較原模型，本模型一方面融合了動(dòng)力引擎GAI，另一方面認(rèn)為“服務(wù)”要素由“資源工具強(qiáng)綁定”轉(zhuǎn)向“場(chǎng)景強(qiáng)綁定”，體現(xiàn)出“場(chǎng)景驅(qū)動(dòng)服務(wù)”的頂層設(shè)計(jì)思想。結(jié)合在一線的實(shí)踐考察，本研究將重點(diǎn)闡釋GAI改進(jìn)并升級(jí)智慧學(xué)習(xí)環(huán)境六要素的具體方式，并給出智慧學(xué)習(xí)環(huán)境建設(shè)與應(yīng)用的實(shí)踐路徑。

（一）數(shù)據(jù)模型層

1. 數(shù)據(jù)要素由低質(zhì)化轉(zhuǎn)向高效化

數(shù)據(jù)是智慧學(xué)習(xí)環(huán)境的基石，是發(fā)現(xiàn)問題、解決問題的主要推動(dòng)力。然而在智慧學(xué)習(xí)環(huán)境的建設(shè)中，建設(shè)時(shí)期、使用設(shè)備、技術(shù)發(fā)展階段和開發(fā)部門的差異[8]導(dǎo)致“數(shù)據(jù)煙囪”“數(shù)據(jù)孤島”等現(xiàn)象突出，影響了數(shù)據(jù)的全面性，也增加了學(xué)校教學(xué)教研的負(fù)擔(dān)。同時(shí)，中小學(xué)數(shù)字化教育平臺(tái)重結(jié)果性數(shù)據(jù)、輕過程性數(shù)據(jù)，例如，課堂中很多過程性評(píng)價(jià)數(shù)據(jù)無法實(shí)時(shí)獲得，只能在課后給予總結(jié)性評(píng)價(jià)，忽略了評(píng)價(jià)的細(xì)節(jié)性和完整性，無法洞察真實(shí)教育過程。此外，數(shù)據(jù)準(zhǔn)備工作耗時(shí)較長(zhǎng)，造成工作量的激增和工作流程的拉長(zhǎng)[9]，阻礙了數(shù)據(jù)的高效利用。

而生成式大模型賦予數(shù)據(jù)以新的生命力，大大提高了數(shù)據(jù)的收集、處理和加工能力[10]，充分激活了數(shù)據(jù)要素價(jià)值。在數(shù)據(jù)采集上，GAI已具備成熟的數(shù)據(jù)接口識(shí)別和調(diào)用能力，能全面地獲取網(wǎng)絡(luò)數(shù)據(jù)及信息系統(tǒng)內(nèi)部數(shù)據(jù)，從而形成全息數(shù)據(jù)，有望解決“數(shù)據(jù)孤島”問題。GAI能以自然語(yǔ)言交互的形式支持教學(xué)過程性的多元數(shù)據(jù)采集，例如，ChatExcel等智能工具可通過對(duì)話實(shí)現(xiàn)表格數(shù)據(jù)記錄，極大降低了過程性數(shù)據(jù)的采集門檻。在數(shù)據(jù)加工與處理上，GAI采用人類反饋的強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback， RLHF）強(qiáng)化數(shù)據(jù)判別能力，通過過濾清洗、校驗(yàn)、仿真、交叉印證等方式進(jìn)行數(shù)據(jù)清洗和真?zhèn)巫R(shí)別。更重要的是，GAI可以實(shí)現(xiàn)不同結(jié)構(gòu)和模態(tài)數(shù)據(jù)的關(guān)聯(lián)、映射與融合，進(jìn)而挖掘多模態(tài)數(shù)據(jù)間的深層關(guān)系，發(fā)現(xiàn)更加全面而準(zhǔn)確的知識(shí)，提高數(shù)據(jù)加工效率與質(zhì)量[11]。例如，在基于面部圖像的學(xué)業(yè)情緒識(shí)別模型中，圖像標(biāo)注工作耗時(shí)耗力且質(zhì)量無法保證，視覺大模型Segment Anything [12]能夠自動(dòng)識(shí)別和分割圖像中的目標(biāo)對(duì)象，在圖像數(shù)據(jù)加工方面體現(xiàn)出超強(qiáng)的零樣本泛化能力，大大提高了標(biāo)注的速度與準(zhǔn)確性，“All in One（一體化）”的思想極大提升了數(shù)據(jù)添附價(jià)值。GAI時(shí)代數(shù)據(jù)的原生固有價(jià)值與添附價(jià)值被放大，支持著智慧學(xué)習(xí)環(huán)境向著更加精準(zhǔn)智慧的方向迭代升級(jí)。

在實(shí)踐層面中，數(shù)據(jù)要素需經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、模態(tài)對(duì)齊與融合三步：即利用GAI全方位收集平臺(tái)數(shù)據(jù)或深層次記錄過程性數(shù)據(jù)；利用其強(qiáng)大的數(shù)據(jù)處理能力對(duì)各種臟數(shù)據(jù)進(jìn)行清洗、集成、變換；利用其跨模態(tài)能力實(shí)現(xiàn)多模態(tài)數(shù)據(jù)的表征、對(duì)齊與融合。GAI助力全過程以形成高質(zhì)量數(shù)據(jù)集合，便于后續(xù)模型的理解、推理及決策。

2. 模型要素由判別式轉(zhuǎn)向生成式

判別式人工智能大多是通過學(xué)習(xí)數(shù)據(jù)的條件概率分布實(shí)現(xiàn)判斷與預(yù)測(cè)，參數(shù)有限、人工標(biāo)注的判別式模型主要用于具象化的任務(wù)場(chǎng)景及特定任務(wù)，具有預(yù)定義的規(guī)則和程序[13]，其性能嚴(yán)格依賴于數(shù)據(jù)規(guī)模與質(zhì)量。在一線教育實(shí)踐應(yīng)用中，判別式模型的泛化能力較差，如部分智能問答模型的訓(xùn)練樣本來自于小學(xué)階段，其應(yīng)用于小學(xué)階段時(shí)表現(xiàn)優(yōu)異，但在中學(xué)階段則經(jīng)常出現(xiàn)答非所問或回答錯(cuò)誤的現(xiàn)象。另外，教育模型在模態(tài)耦合和特征融合層面能力十分受限，面對(duì)教育數(shù)據(jù)異源異構(gòu)的高復(fù)雜性，難以滿足模型決策的科學(xué)性和有效性。

GAI主要通過學(xué)習(xí)數(shù)據(jù)中的聯(lián)合概率分布并歸納總結(jié)，從而生成新的內(nèi)容[14]。區(qū)別于判別式模型只能在限定場(chǎng)景內(nèi)、充分條件下解決特定問題，生成式人工智能模型則能夠在非限定場(chǎng)景、非充分條件下解決非特定問題[15]。在模型任務(wù)上，結(jié)構(gòu)復(fù)雜、參數(shù)眾多的生成式模型對(duì)于數(shù)據(jù)的容納與壓縮能力更強(qiáng)，其基礎(chǔ)結(jié)構(gòu)Transformer具備高效的計(jì)算能力與可擴(kuò)展性的結(jié)構(gòu)。因此生成式模型的理解、表達(dá)與學(xué)習(xí)能力有顯著提高，對(duì)于復(fù)雜任務(wù)的處理更加具有通用性與泛化性[16]。在模型訓(xùn)練上，RLHF機(jī)制利用人類反饋來訓(xùn)練“獎(jiǎng)勵(lì)模型”并通過強(qiáng)化學(xué)習(xí)使得模型能更好地捕獲復(fù)雜的人類偏好和理解，引導(dǎo)模型生成符合上下文語(yǔ)境的內(nèi)容。因此生成式模型在生成結(jié)果的同時(shí)兼具生成過程與解釋，相較于判別式模型更加接近智能化水平[17]。在模型模態(tài)上，“量變引起質(zhì)變”造就了大模型的“涌現(xiàn)能力”，其能夠從原始訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)并發(fā)現(xiàn)新的、更高層次的特征和模式。因此，大模型的跨模態(tài)能力在整合多源異構(gòu)數(shù)據(jù)、深刻理解和挖掘語(yǔ)義教育信息與價(jià)值有著獨(dú)特優(yōu)勢(shì)，實(shí)現(xiàn)教育過程更加準(zhǔn)確的分析、評(píng)估和個(gè)性化的支持[18]。例如，AI心理伙伴“小星”[19]學(xué)習(xí)了近10億條心理類數(shù)據(jù)，40萬(wàn)余篇期刊文獻(xiàn)、550萬(wàn)余個(gè)心理評(píng)估數(shù)據(jù)，能夠綜合視頻、語(yǔ)音語(yǔ)調(diào)、文字等多種模態(tài)信息診斷情緒狀態(tài)，分析成因并給予心理建議。可見，模型之變作為智慧學(xué)習(xí)環(huán)境中的根本之變，為智慧學(xué)習(xí)環(huán)境的升級(jí)帶來了突破性機(jī)遇。

在實(shí)踐層面，由于通用大模型存在“幻覺”現(xiàn)象[20]，生成的內(nèi)容可能會(huì)出現(xiàn)邏輯謬誤、捏造事實(shí)等問題，因此在通用大模型基礎(chǔ)上構(gòu)建教育專有大模型是GAI賦能教育應(yīng)用的必然趨勢(shì)。參數(shù)微調(diào)策略已成為優(yōu)化模型垂直領(lǐng)域、特定任務(wù)適配性的重要手段[21]。遵循大模型中“預(yù)訓(xùn)練+微調(diào)”的訓(xùn)練策略，在通用預(yù)訓(xùn)練大模型的基礎(chǔ)上注入教育領(lǐng)域的專家知識(shí)庫(kù)和教育素材數(shù)據(jù)以構(gòu)建教育領(lǐng)域?qū)Ｓ写竽Ｐ?，?shù)據(jù)層中學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)以及資源層的教育數(shù)字資源等都可以作為大模型微調(diào)階段的數(shù)據(jù)來源。另外，當(dāng)前大模型存在成本高、計(jì)算量大等問題，成本低廉、參數(shù)量小、更加靈活的“小模型”為大模型在教育應(yīng)用中“打通最后一公里”具有不可估量的潛在價(jià)值與意義。因此，大小模型緊密耦合協(xié)同工作的“組合式AI模型”才是GAI時(shí)代的模型樣態(tài)，即采取應(yīng)用驅(qū)動(dòng)、共建共享的方式，通過開放數(shù)據(jù)接口源源不斷地獲得常態(tài)化教育應(yīng)用中的數(shù)據(jù)，實(shí)現(xiàn)“大模型”和“小模型”“大數(shù)據(jù)”和“小數(shù)據(jù)”的有機(jī)結(jié)合[22]。具有代表性的大、小模型協(xié)同模型ModelScope GPT可以通過“中樞大模型”通義千問調(diào)用其他AI小模型以完成復(fù)雜任務(wù)，各種小模型執(zhí)行命令并返回任務(wù)結(jié)果，大模型控制整個(gè)任務(wù)規(guī)劃過程并綜合小模型結(jié)果以生成最終解決方案。

（二）資源工具層

1. 資源要素由表象化轉(zhuǎn)向語(yǔ)義化

傳統(tǒng)的資源具有“表象化”的特征，即資源建設(shè)通常是提前設(shè)計(jì)、固定形態(tài)的，以標(biāo)簽化形式進(jìn)行組織，以資源池和資源平臺(tái)的形式呈現(xiàn)給主體，主體通過檢索匹配的機(jī)制獲取資源。當(dāng)前我國(guó)數(shù)字教育資源發(fā)展的突出問題是資源供求失衡以及整體應(yīng)用水平不高[23]，在建設(shè)與應(yīng)用中強(qiáng)調(diào)資源覆蓋的廣度與數(shù)量，但甚少關(guān)注資源如何貼近教育過程、如何更好地發(fā)揮資源在應(yīng)用端的作用[24]。在學(xué)校中，大多平臺(tái)提供的資源不支持再編輯，也不提供二次開發(fā)接口，導(dǎo)致教師在使用資源時(shí)只能依照提供者的邏輯設(shè)計(jì)，難以落實(shí)個(gè)人教學(xué)設(shè)計(jì)思想，降低了資源應(yīng)用的適切性。

GAI中向量嵌入表示讓資源超越經(jīng)典的指稱論語(yǔ)義學(xué)走向深度學(xué)習(xí)的自然語(yǔ)言處理遵循的分布式語(yǔ)義學(xué)[25]。語(yǔ)義化是指深入分析資源語(yǔ)義內(nèi)容，實(shí)現(xiàn)細(xì)粒度知識(shí)對(duì)象的組織和揭示，使得資源在生成、組織、整合、挖掘和分析上的效率和質(zhì)量都得以提升，是實(shí)現(xiàn)教育資源“好用”“易用”和“有用”的基礎(chǔ)，也是即想即得、按需生成的重要保障。在資源生成中，GAI基于高級(jí)語(yǔ)義理解能力以“人機(jī)共創(chuàng)”[26]的形式實(shí)現(xiàn)教育資源的動(dòng)態(tài)生成與適應(yīng)性重構(gòu)，以優(yōu)于人類的信息生成能力和知識(shí)水平突破資源生成類型與效率限制，以低邊際成本使得資源開發(fā)走向自動(dòng)化和智能化。在資源組織中，GAI能夠自動(dòng)識(shí)別資源內(nèi)容，標(biāo)識(shí)資源的標(biāo)簽、摘要、綜述等，從而實(shí)現(xiàn)基于內(nèi)容屬性的分類分級(jí)組織與存儲(chǔ)，節(jié)省人力投入，加速資源組織朝著更加專業(yè)化、垂直化的方向發(fā)展。在資源集成上，GAI已具備同時(shí)理解多種模態(tài)資源內(nèi)容的能力，能夠根據(jù)其內(nèi)部特征將其聯(lián)系起來，以實(shí)現(xiàn)內(nèi)容集成和資源整合，滿足學(xué)習(xí)者更高質(zhì)量、強(qiáng)個(gè)性化的資源需求。以藝術(shù)教育為例，GAI將數(shù)字藝術(shù)、音樂、影像等多種媒體元素有機(jī)結(jié)合，打破傳統(tǒng)媒體之間的壁壘限制，為藝術(shù)學(xué)習(xí)者提供了開放獨(dú)特的創(chuàng)作靈感及快速實(shí)驗(yàn)迭代的機(jī)會(huì)[27]。具有生成性、自適應(yīng)性、可進(jìn)化性與開發(fā)性的資源才能更好滿足學(xué)習(xí)者的資源選擇需求[28]。

在實(shí)踐層面中，基于價(jià)值鏈理論中提出的數(shù)字教育資源供給的六個(gè)階段[29]，并結(jié)合GAI的升級(jí)影響，本研究認(rèn)為可通過需求收集、分析評(píng)估、資源生成、語(yǔ)義對(duì)齊、組織優(yōu)化、資源審核、分發(fā)應(yīng)用和反饋優(yōu)化等八個(gè)階段實(shí)現(xiàn)資源的生成和供給。首先確定教育主體所需資源的形式、內(nèi)容、結(jié)構(gòu)、體量等基本信息，分析確定資源建設(shè)的內(nèi)容邏輯、價(jià)值取向以及資源建設(shè)中的人機(jī)分工；將資源需求轉(zhuǎn)化為Prompt以人機(jī)互動(dòng)的方式生成跨模態(tài)資源，不斷迭代直至滿足主體需求，并將不同模態(tài)的資源進(jìn)行內(nèi)容對(duì)齊；按照資源的內(nèi)容邏輯性以及價(jià)值取向進(jìn)行組織優(yōu)化，并進(jìn)行偽劣內(nèi)容剔除、質(zhì)量?jī)?yōu)化、信息安全等校對(duì)審核工作；分發(fā)應(yīng)用階段除了精準(zhǔn)匹配學(xué)習(xí)者資源需求，也涵蓋相關(guān)優(yōu)質(zhì)內(nèi)容發(fā)掘、內(nèi)容孵化、內(nèi)容召回、數(shù)據(jù)監(jiān)測(cè)等與學(xué)習(xí)者發(fā)生連接的環(huán)節(jié)[30]，在反饋階段數(shù)據(jù)回流中形成需求驅(qū)動(dòng)資源建設(shè)與應(yīng)用的閉合回路。

2. 工具要素由分布式轉(zhuǎn)向集成化

智慧學(xué)習(xí)環(huán)境中的工具是指各種軟硬件的終端設(shè)備與系統(tǒng)平臺(tái)。目前人與工具的矛盾是日益增長(zhǎng)的對(duì)教育工具的自然需要同供給方的教育理論水平與教育工具水平低下所導(dǎo)致的技術(shù)支持過?；?yàn)E用工具之間的矛盾[31]。簡(jiǎn)而言之，工具的智能化水平不高、應(yīng)用設(shè)計(jì)差強(qiáng)人意、功能碎片化不互通等問題導(dǎo)致了工具“不好用、不能用”，教師不愛用。學(xué)校配備的各類平臺(tái)與工具繁雜，未實(shí)現(xiàn)智能工具的一體化集成，導(dǎo)致教師需要頻繁調(diào)用或切換不同工具，違背了教育工具的簡(jiǎn)約性原則，增加了教師負(fù)擔(dān)[32]。

而智能通用的GAI使其成為一種全新的勞動(dòng)技能工具，可大幅降低技能的使用門檻與操作難度，在概念上推動(dòng)了勞動(dòng)技能從部分對(duì)象化向整體對(duì)象化的轉(zhuǎn)變[33]。在工具通用性層面，單入口、多功能的GAI是多種教育技術(shù)工具中的“集大成者”，能夠?yàn)槎鄨?chǎng)景、多目標(biāo)的應(yīng)用需求提供一站式解決方案。其強(qiáng)大的跨模態(tài)能力更是打破了工具之間的壁壘，規(guī)避了工具功能碎片化的弊病。在工具整合性層面，GAI工具通常采用模塊化設(shè)計(jì)，能夠輕松靈活嵌入現(xiàn)有應(yīng)用工具中并與之整合，極大豐富了其業(yè)務(wù)功能并拓展了應(yīng)用范圍與邊界，有力彌補(bǔ)了現(xiàn)有工具的“智能缺陷”。GAI創(chuàng)新了現(xiàn)有工具的應(yīng)用模式與場(chǎng)景，為任務(wù)流程自動(dòng)化和智能決策支持提供重要?jiǎng)恿?。在工具?jiǎn)單性層面，個(gè)體無需具備深厚的技術(shù)背景或?qū)I(yè)知識(shí)，以自然語(yǔ)言的交互方式便可解決問題，生成結(jié)果以簡(jiǎn)潔可視化的方式呈現(xiàn)；另外，GAI工具易于配置與部署，跨平臺(tái)能力強(qiáng)且兼容性高。工具簡(jiǎn)單性增強(qiáng)了工具的可用性與易用性，例如，文心一言可以為教師備課、教研、教學(xué)、教管等多方面提供多樣化的內(nèi)容生成與創(chuàng)作服務(wù)，并能夠根據(jù)學(xué)習(xí)者知識(shí)掌握情況、學(xué)習(xí)習(xí)慣、學(xué)習(xí)興趣等個(gè)性化特征為其提供更具針對(duì)性的智慧學(xué)伴服務(wù)?？梢姡珿AI工具在破除工具痼疾上有著無可估量的潛力，作為多工具協(xié)調(diào)和統(tǒng)一的堅(jiān)實(shí)載體，有望真正實(shí)現(xiàn)智慧學(xué)習(xí)環(huán)境的嬗變。

在實(shí)踐層面中，工具要素的建設(shè)有兩條路徑。一方面，技術(shù)本身具備工具屬性，有語(yǔ)義理解、嵌入模型、向量索引與提示增強(qiáng)四個(gè)過程：在構(gòu)建教育專用大模型的基礎(chǔ)之上，經(jīng)檢索、增強(qiáng)與生成以完成人類價(jià)值的嵌入，將學(xué)習(xí)者需求轉(zhuǎn)化為問題向量，并在向量數(shù)據(jù)庫(kù)檢索相關(guān)文本片段，結(jié)合對(duì)應(yīng)的提示詞模板與歷史會(huì)話，合并輸入大模型以返回相應(yīng)結(jié)果。例如，ChatModeler[34]可以在提示詞工程的設(shè)計(jì)下扮演需求收集師、建模師和檢測(cè)員的角色，以人機(jī)協(xié)作迭代的形式完成對(duì)學(xué)習(xí)者需求的獲取與建模。另一方面，GAI也可以鏈接或嵌入外部工具以擴(kuò)充功能邊界，有任務(wù)規(guī)劃、任務(wù)分配、任務(wù)響應(yīng)與任務(wù)生成四個(gè)階段：經(jīng)意圖識(shí)別與Prompt分解后，根據(jù)分解的指令任務(wù)尋找對(duì)應(yīng)的外部工具，并調(diào)用工具執(zhí)行生成結(jié)果，從而匯總結(jié)果并返回。例如：Wolfram插件連接了ChatGPT的自然語(yǔ)言能力和Wolfram強(qiáng)大的計(jì)算引擎，彌補(bǔ)了ChatGPT在復(fù)雜數(shù)學(xué)運(yùn)算與推理、實(shí)時(shí)數(shù)據(jù)獲取、數(shù)據(jù)分析與可視化呈現(xiàn)等缺陷；LangChain[35]中的智能代理Agents能夠根據(jù)指令調(diào)用合適的工具，補(bǔ)足模型的計(jì)算、推理和檢索等能力短板，并可基于該框架開發(fā)各種下游應(yīng)用工具。

（三）服務(wù)場(chǎng)景層

1. 服務(wù)要素由預(yù)定義轉(zhuǎn)向自適應(yīng)

智慧學(xué)習(xí)環(huán)境中的服務(wù)是指通過業(yè)務(wù)服務(wù)的形式為教育主體呈現(xiàn)出資源和工具的應(yīng)用功能，并進(jìn)行有效集成、統(tǒng)一維護(hù)和管理。先前智慧學(xué)習(xí)環(huán)境提供的服務(wù)與資源和工具深度耦合，服務(wù)功能局限于已創(chuàng)設(shè)好的內(nèi)在配置和交互機(jī)制，預(yù)定義的邏輯規(guī)則、模型算法、資源工具等阻礙著環(huán)境中教育服務(wù)的自主優(yōu)化，使其失去了生長(zhǎng)性和螺旋升級(jí)的能力。以個(gè)性化作業(yè)推送服務(wù)為例，目前作業(yè)推送往往依循“舉一反三”的邏輯，即當(dāng)學(xué)習(xí)者在某一問題答錯(cuò)之后，系統(tǒng)會(huì)推送更多相同類型或知識(shí)點(diǎn)的題目，這是因?yàn)樵摲?wù)嚴(yán)格依賴預(yù)先定義的算法規(guī)則與習(xí)題資源，并未深入挖掘?qū)嶋H錯(cuò)因，導(dǎo)致治絲益棼，因此其看似“個(gè)性化”，本質(zhì)依然是傳統(tǒng)“題海戰(zhàn)術(shù)”的電子化，只會(huì)導(dǎo)致錯(cuò)題越多的學(xué)習(xí)者獲得的練習(xí)量更大，加劇學(xué)習(xí)壓力，無法高效彌補(bǔ)薄弱環(huán)節(jié)。

GAI時(shí)代智慧學(xué)習(xí)環(huán)境的服務(wù)則與場(chǎng)景緊密綁定，通過便捷的自然語(yǔ)言交互動(dòng)態(tài)感知主體需求，為其實(shí)現(xiàn)多維度、多層次、多模態(tài)、多任務(wù)的個(gè)性化教育服務(wù)。在服務(wù)的交互具身性上，GAI調(diào)動(dòng)了人類多感官的沉浸體驗(yàn)，覆蓋了人類聽說讀寫等核心溝通方式[36]，延伸了人體的感官功能。經(jīng)過多場(chǎng)景的結(jié)合及與人類的密切交互，GAI從“它異關(guān)系”的技術(shù)逐漸轉(zhuǎn)化為“具身關(guān)系”的技術(shù)[37]，具有情感依賴的人機(jī)交互將實(shí)現(xiàn)人工智能與人類智能的緊密耦合。在服務(wù)的動(dòng)態(tài)生長(zhǎng)性上，GAI時(shí)代的服務(wù)不僅涉及指令的傳遞與反饋的獲得，而且涵蓋了共同思考、決策和學(xué)習(xí)的過程[38]。交互是一種包含反饋的循環(huán)過程，GAI的即時(shí)性服務(wù)加速了反饋循環(huán)機(jī)制，其強(qiáng)大的語(yǔ)義理解和自我學(xué)習(xí)能力使得服務(wù)具有動(dòng)態(tài)性和生長(zhǎng)性。在服務(wù)的定制個(gè)性化上，GAI服務(wù)模式由搜索引擎的關(guān)聯(lián)列舉轉(zhuǎn)向“千人千面”的私人定制，針對(duì)教育主體的個(gè)人特征、興趣愛好提供適應(yīng)性、伴隨式和精準(zhǔn)化的服務(wù)。“自下而上”的服務(wù)供給模式賦予教育主體們更多的自主權(quán)與創(chuàng)造力，“雙向去中心化”的內(nèi)容服務(wù)方式可以讓教育主體主動(dòng)選擇內(nèi)容服務(wù)并參與內(nèi)容創(chuàng)作與甄選，擴(kuò)大了自由表達(dá)的邊界。例如，大語(yǔ)言模型支持的教育平臺(tái)可根據(jù)學(xué)習(xí)者的知識(shí)點(diǎn)掌握情況、學(xué)習(xí)偏好、答題速度等生成個(gè)性化的學(xué)習(xí)內(nèi)容與路徑，并進(jìn)行適時(shí)調(diào)整，時(shí)刻提供最精準(zhǔn)的智能輔導(dǎo)及最適切的學(xué)習(xí)資源。適需服務(wù)才是真正智慧學(xué)習(xí)環(huán)境的本質(zhì)特征之一，因此在GAI的“大應(yīng)用時(shí)代”，服務(wù)的升級(jí)意味著與場(chǎng)景的聯(lián)系更加緊密，這也是智慧學(xué)習(xí)環(huán)境中人機(jī)動(dòng)態(tài)進(jìn)化，走向真正具身智能的必經(jīng)之路。

在實(shí)踐層面中，服務(wù)經(jīng)錨定、編排、校準(zhǔn)、生成后，以被動(dòng)響應(yīng)、動(dòng)態(tài)交互和主動(dòng)問詢?nèi)N形式支持各類場(chǎng)景：服務(wù)錨定是指“組合式AI”根據(jù)學(xué)習(xí)者需求進(jìn)行感知、分析和決策后確定支持的資源與工具；服務(wù)編排是指基于學(xué)習(xí)者的個(gè)性化建模，深入分析資源的語(yǔ)義特征、上下文特征與結(jié)構(gòu)特征進(jìn)行服務(wù)的動(dòng)態(tài)編排；服務(wù)校準(zhǔn)是指引入人的智慧進(jìn)行服務(wù)校準(zhǔn)，構(gòu)建人機(jī)協(xié)同的教育服務(wù)自適應(yīng)組織體系；服務(wù)生成是指通過三種不同的交互形態(tài)優(yōu)化智慧學(xué)習(xí)環(huán)境中的學(xué)習(xí)者體驗(yàn)。同時(shí)，教育主體基于自然語(yǔ)言交互能夠?qū)χ腔蹖W(xué)習(xí)環(huán)境中的服務(wù)進(jìn)行評(píng)價(jià)、反饋、迭代，以提高服務(wù)的可用性及易用性[39]。智慧學(xué)習(xí)環(huán)境中服務(wù)的價(jià)值在于有機(jī)整合多元資源和工具，構(gòu)建系統(tǒng)化的學(xué)習(xí)者需求解決方案，以提升智慧學(xué)習(xí)環(huán)境的服務(wù)供給水平。

2. 場(chǎng)景要素由邊緣化轉(zhuǎn)向中心化

場(chǎng)景作為人物、時(shí)間、空間、事件、背景等因素構(gòu)成的統(tǒng)一體，是以“人”為中心、以人的需求為導(dǎo)向、以事件為表現(xiàn)形式的行為序列總和[40]。但先前智慧學(xué)習(xí)環(huán)境的設(shè)計(jì)與建設(shè)以技術(shù)工具為中心，旨在利用數(shù)字技術(shù)提升信息傳遞和跨組織共享效率，優(yōu)化人的決策方案，采取化約邏輯將各種能夠用技術(shù)工具代替的教育組織、結(jié)構(gòu)、環(huán)節(jié)剝離出來予以替代，而將場(chǎng)景置于邊緣化的地位，帶來了“技術(shù)至上”“技術(shù)主導(dǎo)”的工具應(yīng)用迷思。這是因?yàn)榛s邏輯忽略了學(xué)習(xí)環(huán)境系統(tǒng)的整體性與復(fù)雜性，各種教育邏輯和情理無法簡(jiǎn)單粗暴地通過數(shù)字技術(shù)進(jìn)行過濾和精簡(jiǎn)，無法直接為智慧學(xué)習(xí)環(huán)境提供應(yīng)用參考。例如，口語(yǔ)練習(xí)軟件通過提供學(xué)習(xí)資源、練習(xí)模式與評(píng)估功能輔助學(xué)習(xí)者自學(xué)、測(cè)試與評(píng)估，但其設(shè)計(jì)剝離了語(yǔ)言學(xué)習(xí)的完整場(chǎng)景生態(tài)，未體現(xiàn)“場(chǎng)景化服務(wù)”的理念，導(dǎo)致模式設(shè)定死板、互動(dòng)性不足、實(shí)用性不足，嚴(yán)重影響了學(xué)習(xí)體驗(yàn)的沉浸化與個(gè)性化。

在GAI支持的智慧學(xué)習(xí)環(huán)境中，場(chǎng)景的含義不僅僅是技術(shù)工具應(yīng)用的普通場(chǎng)域，而是各要素發(fā)揮聯(lián)動(dòng)作用的重要載體與中心。具有交互迭代性和拓展靈活性的GAI可實(shí)現(xiàn)場(chǎng)景的動(dòng)態(tài)性、延伸性與無縫切換，而場(chǎng)景也支持著技術(shù)應(yīng)用真正發(fā)揮出以人為本的價(jià)值，真正創(chuàng)設(shè)一個(gè)充分開放、包容且個(gè)性化的學(xué)習(xí)環(huán)境。例如，場(chǎng)景驅(qū)動(dòng)的教育垂類大模型“子曰”為口語(yǔ)訓(xùn)練、作文批改等六大場(chǎng)景定制模型；虛擬人口語(yǔ)教練Hi Echo針對(duì)學(xué)習(xí)者缺乏英語(yǔ)語(yǔ)境、“啞巴英語(yǔ)”等痛點(diǎn)，提供可與真人教師媲美的，具有實(shí)時(shí)互動(dòng)性、沉浸體驗(yàn)感、個(gè)性定制化等優(yōu)勢(shì)的服務(wù)?？梢?，“GAI+場(chǎng)景”的數(shù)字化內(nèi)容生產(chǎn)方式提供了智慧學(xué)習(xí)環(huán)境設(shè)計(jì)與建設(shè)的新思路。

在實(shí)踐層面中，學(xué)習(xí)者需求是基于場(chǎng)景產(chǎn)生的，場(chǎng)景層的核心在于整合各種資源、工具與服務(wù)以解決學(xué)習(xí)者的核心需求，涉及技術(shù)端與需求端適配的過程[41]。智慧學(xué)習(xí)環(huán)境中典型應(yīng)用場(chǎng)景包括精準(zhǔn)教、個(gè)性學(xué)、智能管、綜合評(píng)、動(dòng)態(tài)測(cè)、高效研和優(yōu)質(zhì)服務(wù)等。例如：面向數(shù)學(xué)領(lǐng)域的垂類大模型MathGPT實(shí)現(xiàn)了千人千面的AI教學(xué)和答疑輔導(dǎo)，讓學(xué)習(xí)者“個(gè)性學(xué)”成為廣泛的可能；立足于課堂教學(xué)場(chǎng)景的希沃教學(xué)大模型貫穿課前的教學(xué)設(shè)計(jì)與教師研課、課中的教學(xué)實(shí)施與課后的學(xué)情評(píng)價(jià)，形成基于場(chǎng)景的大模型應(yīng)用閉環(huán)。

三、生成式人工智能重構(gòu)智慧學(xué)習(xí)環(huán)境生態(tài)

GAI不僅為智慧學(xué)習(xí)環(huán)境中各要素的升級(jí)提供新鮮動(dòng)力，更進(jìn)一步地對(duì)人才培養(yǎng)理念、知識(shí)與課程觀、教學(xué)模式與學(xué)習(xí)方式、教學(xué)評(píng)價(jià)體系和教育治理模式等核心方面進(jìn)行著系統(tǒng)化轉(zhuǎn)變與重構(gòu)，深刻影響著智慧學(xué)習(xí)環(huán)境中教育生態(tài)的重塑。

（一）人才培養(yǎng)理念的重構(gòu)

人才是創(chuàng)新的根基，是生產(chǎn)力中最積極、最活躍的要素。當(dāng)前我國(guó)人才呈現(xiàn)出“均值高，方差低”的特點(diǎn)，拔尖創(chuàng)新型人才較少，難以滿足我國(guó)未來高水平社會(huì)發(fā)展中新質(zhì)生產(chǎn)力的需要。新質(zhì)生產(chǎn)力需要新質(zhì)人才作為重要支撐與動(dòng)力源泉，新質(zhì)人才是指具備適應(yīng)科技發(fā)展的技術(shù)思維、跨界融合知識(shí)與技能的復(fù)合思維、突破認(rèn)知邊界的創(chuàng)想和實(shí)踐思維的新型高素質(zhì)人才[42]。新質(zhì)人才重點(diǎn)在“新”，核心在“質(zhì)”，綜合來看，新質(zhì)人才應(yīng)具備高意識(shí)的學(xué)習(xí)成長(zhǎng)能力、高敏銳的創(chuàng)新實(shí)踐能力以及高適應(yīng)的人機(jī)協(xié)同能力。高意識(shí)的學(xué)習(xí)成長(zhǎng)能力是指對(duì)知識(shí)的獲取、篩選、整合、評(píng)估等能力，新質(zhì)人才能夠通過與GAI等智能技術(shù)的交互快速獲取豐富的信息與知識(shí)，在分析、比較和評(píng)估后將有價(jià)值的內(nèi)容納入、整合到自身發(fā)展體系。高敏銳的創(chuàng)新實(shí)踐能力是指創(chuàng)新性、批判性、問題解決等高階思維與能力，新質(zhì)人才能夠熟練利用AI技術(shù)精準(zhǔn)分析問題，有機(jī)整合GAI提供的新素材、新視角、新創(chuàng)意，尋找有效的問題解決方案，并能在GAI提供的快速迭代反饋機(jī)制以及低風(fēng)險(xiǎn)的創(chuàng)新環(huán)境中積極探索與大膽嘗試。高適應(yīng)的人機(jī)協(xié)同能力是指人機(jī)價(jià)值定位、職能分工和流程協(xié)同能力，新質(zhì)人才能夠以人機(jī)協(xié)同為基線思維充分發(fā)揮人類智慧和機(jī)器智能的優(yōu)勢(shì)，正確定位人類和機(jī)器的角色和職責(zé)，合理分配人機(jī)任務(wù)，并不斷改進(jìn)與優(yōu)化人機(jī)協(xié)同的策略與流程。

（二）知識(shí)與課程觀的重構(gòu)

信息爆炸和知識(shí)過載的今天，智能技術(shù)，尤其是GAI，徹底改變了知識(shí)生產(chǎn)周期以及知識(shí)生產(chǎn)方式，對(duì)知識(shí)生產(chǎn)及知識(shí)獲取都帶來了深刻影響[43]，推動(dòng)著知識(shí)生態(tài)的遽變。首先，知識(shí)生產(chǎn)主體由單一人類主體轉(zhuǎn)變?yōu)槿藱C(jī)共同體。知識(shí)的產(chǎn)生通常需要人類的感知、思考、推理、創(chuàng)新以及對(duì)現(xiàn)實(shí)世界的深入理解和體驗(yàn)，然而GAI的強(qiáng)大數(shù)據(jù)處理能力、信息整合組織能力和內(nèi)容生成能力加速了人類認(rèn)知和決策的“外包”過程，使得人類大腦對(duì)于知識(shí)生產(chǎn)的主體性部分讓渡于機(jī)器，形成人機(jī)共同體高效進(jìn)行知識(shí)生產(chǎn)的局面。其次，知識(shí)本質(zhì)特征由權(quán)威真理轉(zhuǎn)變?yōu)閭€(gè)體經(jīng)驗(yàn)。GAI以人機(jī)交互的形式推動(dòng)著人們個(gè)體經(jīng)驗(yàn)構(gòu)建和知識(shí)內(nèi)化，知識(shí)不再是普遍客觀的絕對(duì)權(quán)威事實(shí)與真理本身，而是以個(gè)體化、情境化、實(shí)用性為特點(diǎn)的個(gè)體經(jīng)驗(yàn)，其根植于社會(huì)情境之中，有著其適用的特定時(shí)空?qǐng)鲇蚧驐l件[44]?！爸R(shí)概念從最初‘確證的真信念’‘人類認(rèn)識(shí)的成果結(jié)晶’轉(zhuǎn)變?yōu)椤M織化了的系統(tǒng)經(jīng)驗(yàn)’‘行動(dòng)的工具’?！盵45]第三，知識(shí)形態(tài)結(jié)構(gòu)由靜態(tài)分割轉(zhuǎn)變?yōu)閯?dòng)態(tài)整合。傳統(tǒng)知識(shí)往往被分割在界限分明的不同學(xué)科領(lǐng)域中，知識(shí)呈現(xiàn)出相對(duì)獨(dú)立靜態(tài)的狀態(tài)，一定程度上為問題的解決與創(chuàng)新帶來阻礙與桎梏。GAI能夠打破知識(shí)形態(tài)的學(xué)科界限，融合并關(guān)聯(lián)不同類型、來源、領(lǐng)域的知識(shí)以滿足問題解決的需要。最后，知識(shí)價(jià)值評(píng)價(jià)由知識(shí)認(rèn)知轉(zhuǎn)變?yōu)橹R(shí)運(yùn)用[46]。人是衡量知識(shí)價(jià)值的尺度[47]，知識(shí)發(fā)展的無限性、知識(shí)生產(chǎn)主體的去中心化意味著“知識(shí)怎么用”才是核心價(jià)值所在。GAI提供了海量的知識(shí)儲(chǔ)量與多樣化的知識(shí)形態(tài)，知識(shí)經(jīng)過學(xué)習(xí)主體分辨、反思、加工和重組，在滿足其學(xué)習(xí)需求和問題解決后才可凸顯其真正價(jià)值。知識(shí)運(yùn)用的實(shí)踐價(jià)值指向既是實(shí)現(xiàn)學(xué)習(xí)者“適應(yīng)性能力”發(fā)展[48]的重要保障，也呼應(yīng)了智能時(shí)代對(duì)于創(chuàng)新人才培養(yǎng)的現(xiàn)實(shí)需求。

GAI同樣推動(dòng)著智慧學(xué)習(xí)環(huán)境中課程生態(tài)的變革。一方面，課程形態(tài)由數(shù)字化課程轉(zhuǎn)向智慧課程。數(shù)字化課程在發(fā)展的過程中“技術(shù)愈發(fā)清晰，理念越發(fā)模糊”，根本原因是“人”的主體性因素被忽略[49]以及技術(shù)缺陷[50]，導(dǎo)致數(shù)字化的是技術(shù)而不是完整意義上的課程[51]。GAI等先進(jìn)技術(shù)的深度融入能夠有效支撐課程由數(shù)字化邁向智慧化，實(shí)現(xiàn)課程資源的自動(dòng)化生產(chǎn)和改造，通過可互動(dòng)、可探究、可生成的課程內(nèi)容引導(dǎo)師生共同建構(gòu)課程意義；智慧課程中的沉浸體驗(yàn)式學(xué)習(xí)促進(jìn)學(xué)習(xí)者更深入地達(dá)成學(xué)習(xí)目標(biāo)，個(gè)性化課程方案也可支持學(xué)習(xí)者自我驅(qū)動(dòng)和自我探究完成主動(dòng)學(xué)習(xí)。另一方面，課程內(nèi)容由學(xué)科分立轉(zhuǎn)變?yōu)閷W(xué)科融通。跨學(xué)科課程是發(fā)展學(xué)生實(shí)踐創(chuàng)新能力的重要載體，但在實(shí)踐層面卻面臨著教師跨學(xué)科知識(shí)儲(chǔ)備不足、教學(xué)設(shè)計(jì)不當(dāng)、數(shù)字資源匱乏、教學(xué)過程僵硬以及課程評(píng)價(jià)空心化等諸多困境[52]。GAI能夠關(guān)聯(lián)整合多學(xué)科知識(shí)、生成豐富的案例素材支持跨學(xué)科課程教學(xué)設(shè)計(jì)，以角色模擬輔助教學(xué)、人機(jī)互動(dòng)協(xié)作學(xué)習(xí)等方式支持跨學(xué)科課程教學(xué)實(shí)踐，制定評(píng)價(jià)指標(biāo)、自動(dòng)化分析評(píng)價(jià)作品、提供教學(xué)反饋與意見以支持跨學(xué)科課程評(píng)估。GAI對(duì)解決跨學(xué)科課程與教師時(shí)間、精力和能力不匹配等現(xiàn)實(shí)矛盾有著巨大潛力，為多學(xué)科融通課程體系的建立提供了新的視角和方法。

（三）教學(xué)模式與學(xué)習(xí)方式的重構(gòu)

智慧學(xué)習(xí)環(huán)境下的教學(xué)模式由教師主導(dǎo)轉(zhuǎn)向師機(jī)協(xié)同。教師和機(jī)器各有優(yōu)勢(shì)和不足，人的“缺陷存在”與機(jī)的“代具補(bǔ)償”構(gòu)建起人機(jī)協(xié)同關(guān)系，教師與人工智能“共教共學(xué)”是深化教育變革、提升教育質(zhì)量效率的必然途徑?；赗LHF機(jī)制的GAI強(qiáng)化了“機(jī)器”面對(duì)復(fù)雜教育情境的判斷與決策能力，能夠大大提升人工智能在課程準(zhǔn)備、課堂助教、教學(xué)評(píng)估等教學(xué)場(chǎng)景中的應(yīng)用適應(yīng)性，并降低教師的技術(shù)勝任難度，從而積極影響在教學(xué)中整合技術(shù)的持續(xù)行為[53]。教師可以充分利用GAI為教學(xué)中機(jī)械性、重復(fù)性或程序化的工作減負(fù)增效，從而將時(shí)間與精力放在學(xué)習(xí)者價(jià)值觀引導(dǎo)、思維提升、情感交流與意志品質(zhì)培養(yǎng)等技術(shù)無法替代的工作上。因此，人機(jī)協(xié)同教學(xué)實(shí)踐的核心是需要明確人和機(jī)可以完成或執(zhí)行哪些角色和任務(wù)[54]，從而實(shí)現(xiàn)人機(jī)能力的相互補(bǔ)位。但無論在何種場(chǎng)景中，人工智能都應(yīng)只是促進(jìn)人發(fā)展的增值手段，人類自身才是自主自決的核心主體。考慮到GAI所生成的內(nèi)容易出現(xiàn)錯(cuò)誤或不合理，教師在設(shè)計(jì)教學(xué)活動(dòng)時(shí)應(yīng)有意識(shí)地加入促進(jìn)學(xué)生辨別反思和深度探索的活動(dòng)，而不是全盤接受或忽視[55]。

智慧學(xué)習(xí)環(huán)境下的學(xué)習(xí)方式由固定預(yù)設(shè)轉(zhuǎn)向生成探究。傳統(tǒng)學(xué)習(xí)方式遵循著“行為—認(rèn)知主義”的學(xué)習(xí)理念，學(xué)習(xí)內(nèi)容、學(xué)習(xí)步驟等都來自教師的選擇與安排。預(yù)設(shè)式的學(xué)習(xí)方式忽視了學(xué)習(xí)者個(gè)體差異，壓抑了其學(xué)習(xí)動(dòng)機(jī)和思維參與，偏離了育人為本的理念。GAI促進(jìn)了生成探究式學(xué)習(xí)的廣泛應(yīng)用，即引導(dǎo)學(xué)習(xí)者從個(gè)體需求出發(fā)，通過生機(jī)、生師、生生等主體之間的互動(dòng)對(duì)話與合作交流解決問題并積累經(jīng)驗(yàn)，從而更好地發(fā)展自主探究能力與創(chuàng)新思維。在此過程中，GAI通過強(qiáng)大的環(huán)境理解能力實(shí)時(shí)生成出色的內(nèi)容與人性化的反饋，并基于學(xué)習(xí)者的學(xué)習(xí)特點(diǎn)提供兼具互動(dòng)性、情境性、動(dòng)態(tài)化和生成性的學(xué)習(xí)條件以支持學(xué)習(xí)者的知識(shí)和經(jīng)驗(yàn)建構(gòu)。學(xué)習(xí)者個(gè)體經(jīng)過“選擇—組織—整合”三階段去主動(dòng)探索高質(zhì)量和創(chuàng)新性的問題解決方案，完成自我驅(qū)動(dòng)的生成式學(xué)習(xí)[56]。以人機(jī)對(duì)話為特點(diǎn)的生成探究式學(xué)習(xí)更加強(qiáng)調(diào)教育主體的自我導(dǎo)向與自我調(diào)節(jié)，學(xué)習(xí)者被賦予更多的主動(dòng)權(quán)和選擇權(quán)，充分體現(xiàn)了智能時(shí)代中學(xué)習(xí)的動(dòng)態(tài)性與體驗(yàn)的個(gè)性化，這種主動(dòng)的、建構(gòu)的、真實(shí)的、協(xié)作的、反思的和聯(lián)通的學(xué)習(xí)過程將導(dǎo)向深度學(xué)習(xí)的發(fā)生。

（四）教育評(píng)價(jià)體系的重構(gòu)

首先，評(píng)價(jià)理念由知識(shí)本位轉(zhuǎn)向核心素養(yǎng)。GAI強(qiáng)大的內(nèi)容整合與生成能力加速了知識(shí)的獲取和傳授，提高了內(nèi)容加工的自動(dòng)化程度和防偽難度，降低了低階內(nèi)容作為核心學(xué)習(xí)結(jié)果的必要價(jià)值[57]。教師對(duì)于學(xué)業(yè)誠(chéng)信問題的擔(dān)憂恰好反映了當(dāng)前知識(shí)本位的評(píng)價(jià)體系亟待轉(zhuǎn)變。思維方式的多元性決定人類智慧的多樣性[58]，核心素養(yǎng)的評(píng)價(jià)理念指向培養(yǎng)和創(chuàng)造更多樣的思維，以適應(yīng)終身學(xué)習(xí)和社會(huì)發(fā)展需要。

其次，評(píng)價(jià)主體由教師主導(dǎo)轉(zhuǎn)向三元協(xié)同。教師權(quán)威身份使得學(xué)生淪為評(píng)價(jià)的被動(dòng)接受者，學(xué)生自身的評(píng)價(jià)主體價(jià)值得不到發(fā)揮，且教師評(píng)價(jià)的理念、方法、決策等素養(yǎng)亟待提升[59]。人機(jī)交互中學(xué)生可提升自我反思與自我調(diào)節(jié)能力，教師也可優(yōu)化評(píng)價(jià)方案、豐富評(píng)價(jià)方法、加強(qiáng)結(jié)果解釋，即師、生、機(jī)三元主體的協(xié)同評(píng)價(jià)能夠培養(yǎng)主體整合、比較、分析“他人”評(píng)價(jià)意見的能力，形成更全面的評(píng)價(jià)信息[60]。

再次，評(píng)價(jià)方式由學(xué)評(píng)分離轉(zhuǎn)向?qū)W評(píng)融合。學(xué)評(píng)分離導(dǎo)致學(xué)習(xí)反饋滯后和缺乏過程性指導(dǎo)，且大多數(shù)教師不具備將評(píng)價(jià)用于學(xué)習(xí)和作為學(xué)習(xí)的技能[57]。GAI的即時(shí)反饋機(jī)制使得“學(xué)習(xí)即評(píng)價(jià)、評(píng)價(jià)即學(xué)習(xí)”成為現(xiàn)實(shí)，實(shí)現(xiàn)學(xué)習(xí)與評(píng)價(jià)的有機(jī)融合，鼓勵(lì)學(xué)習(xí)者隨時(shí)審查反思并結(jié)合評(píng)價(jià)結(jié)果加以驗(yàn)證、調(diào)整和優(yōu)化[61]，從而提高自主學(xué)習(xí)能力與元認(rèn)知能力[62]。

最后，評(píng)價(jià)內(nèi)容由封閉知識(shí)轉(zhuǎn)為開放問題。GAI能夠回答的陳述性知識(shí)不應(yīng)是評(píng)價(jià)重點(diǎn)，真正有效的評(píng)價(jià)內(nèi)容應(yīng)具備高階性、開放性與情境性，并注重考察學(xué)生的高階能力與核心素養(yǎng)[63]。GAI通過動(dòng)態(tài)模擬或構(gòu)建適切且真實(shí)的開放問題場(chǎng)景，在人機(jī)交互中分析學(xué)習(xí)者的思考蹤跡和問題解決過程與結(jié)果，實(shí)現(xiàn)學(xué)習(xí)者批判性思維、問題解決等核心素養(yǎng)的評(píng)價(jià)。GAI使得人工智能應(yīng)用從過去的封閉性、任務(wù)性場(chǎng)景擴(kuò)展到開放式、互動(dòng)式、創(chuàng)造性的場(chǎng)景中[64]，評(píng)價(jià)內(nèi)容表現(xiàn)為以傳統(tǒng)試卷為主的結(jié)果評(píng)價(jià)變成情境化、問題式的綜合性評(píng)價(jià)[65]。

（五）教育治理模式的重構(gòu)

智慧學(xué)習(xí)環(huán)境中的教育治理模式由分散疏離轉(zhuǎn)向互聯(lián)互通?？v向來看，教育管理層級(jí)關(guān)系逐漸扁平化：GAI強(qiáng)大的信息檢索與收集能力使其具有打破不同教育管理層級(jí)間的信息壁壘、突破信息收集的視野局限的可能性，即不再需要復(fù)雜的管理層級(jí)逐級(jí)傳遞指令，管理服務(wù)從各自為政走向集成化[66]。橫向來看，教育管理網(wǎng)絡(luò)關(guān)系延展化：一方面，GAI的語(yǔ)言理解與處理能力能夠促進(jìn)內(nèi)部協(xié)調(diào)溝通，數(shù)據(jù)聯(lián)結(jié)能力打破數(shù)據(jù)共享圍墻，能有效解決部門間的“數(shù)據(jù)孤島”問題；另一方面，GAI可以將優(yōu)質(zhì)資源整合和分類，促進(jìn)不同學(xué)校、不同地區(qū)之間的教育資源共享和交流，優(yōu)化資源配置網(wǎng)絡(luò)結(jié)構(gòu)。

四、結(jié) 束 語(yǔ)

GAI是助力智慧學(xué)習(xí)環(huán)境要素升級(jí)和生態(tài)重構(gòu)的關(guān)鍵性力量，擘畫智慧學(xué)習(xí)環(huán)境從理念到實(shí)踐的轉(zhuǎn)型圖景。探賾索隱，鉤深致遠(yuǎn)，我們需要超越GAI作為一種新工具的淺層思維，深入思考技術(shù)升級(jí)與教育變革相互融合時(shí)所帶來的全要素、全流程、全生態(tài)的更新迭代與升維創(chuàng)新，從而推進(jìn)數(shù)智時(shí)代教育的可持續(xù)發(fā)展。在充分認(rèn)識(shí)GAI重塑智慧學(xué)習(xí)環(huán)境的教育價(jià)值與優(yōu)勢(shì)后，也要意識(shí)到GAI背后的風(fēng)險(xiǎn)與挑戰(zhàn)，精準(zhǔn)把握教育變革中的變與不變，堅(jiān)守育人本質(zhì)，構(gòu)建高質(zhì)量、有人文關(guān)懷的智慧學(xué)習(xí)環(huán)境，共同創(chuàng)設(shè)數(shù)智時(shí)代教育新生態(tài)。

[參考文獻(xiàn)]

[1] 新華社. 習(xí)近平：高舉中國(guó)特色社會(huì)主義偉大旗幟 為全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家而團(tuán)結(jié)奮斗——在中國(guó)共產(chǎn)黨第二十次全國(guó)代表大會(huì)上的報(bào)告[EB/OL]. （2022-10-25）[2024-04-09]. https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

[2] 光明日?qǐng)?bào)網(wǎng). 數(shù)字化教材、大數(shù)據(jù)測(cè)評(píng)、智能學(xué)習(xí)空間——未來學(xué)習(xí)，要構(gòu)建智慧教育新生態(tài)[EB/OL]. （2022-04-05）[2024-04-09]. https：//epaper.gmw.cn/gmrb/html/2022-04/05/nw.D110000gmrb_20220405_1-06.htm.

[3] 中華人民共和國(guó)教育部. 教育部關(guān)于印發(fā)《教育信息化2.0行動(dòng)計(jì)劃》的通知[EB/OL]. （2018-04-18）[2024-04-09]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[4] 人民網(wǎng). “未來教室”如何優(yōu)化環(huán)境促進(jìn)變革[EB/OL]. （2015-06-30）[2024-04-09]. http：//edu.people.com.cn/n/2015/0630/c1053-27229791.html.

[5] 黃榮懷，周偉，杜靜，等． 面向智能教育的三個(gè)基本計(jì)算問題[J]． 開放教育研究，2019，25（5）：11-22．

[6] 武法提，楊重陽(yáng)，李坦． 智慧學(xué)習(xí)環(huán)境中的人機(jī)協(xié)同設(shè)計(jì)[J]． 電化教育研究，2024，45（2）：84-90．

[7] 周偉，杜靜，汪燕，等． 面向智慧教育的學(xué)習(xí)環(huán)境計(jì)算框架[J]． 現(xiàn)代遠(yuǎn)程教育研究，2022，34（5）：91-100．

[8] 光明網(wǎng). 教育數(shù)據(jù)共享價(jià)值如何實(shí)現(xiàn)？[EB/OL]. （2015-06-30）[2024-04-09]. https：//theory.gmw.cn/2022-06/29/content_35845388.htm.

[9] 程巧，鄭可，郭德強(qiáng)． 高等教育大數(shù)據(jù)與高校質(zhì)量保障研究[J]． 網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023，42（S1）：46-50．

[10] WU J Y， GAN W S， CHEN Z F， et al． AI-generated content （AIGC）： a survey[EB/OL]． （2023-03-26）[2024-09-19]. https：//arxiv．org/abs/2304.06632v1.

[11] 劉逸倫，黃微，張曉君，等． AIGC賦能的科技情報(bào)智能服務(wù)：特征、場(chǎng)景與框架[J]． 現(xiàn)代情報(bào)，2023，43（12）：88-99．

[12] KIRILLOV A， MINTUN E， RAVI N， et al． Segment anything[C]//2023 IEEE/CVF International Conference on Computer Vision （ICCV）． Paris，F(xiàn)rance： IEEE，2023：3992-4003．

[13] 王竹立，吳彥茹，王云． ChatGPT與教育變革——智能時(shí)代教育應(yīng)如何轉(zhuǎn)型[J]． 遠(yuǎn)程教育雜志，2023，41（4）：27-36．

[14] 丁磊． 生成式人工智能：AIGC的邏輯與應(yīng)用[M]． 北京：中信出版社，2023.

[15] 俞鼎，李正風(fēng)． 生成式人工智能社會(huì)實(shí)驗(yàn)的倫理問題及治理[J]． 科學(xué)學(xué)研究，2024，42（1）：3-9．

[16] 盧宇，余京蕾，陳鵬鶴，等． 多模態(tài)大模型的教育應(yīng)用研究與展望[J]． 電化教育研究，2023，44（6）：38-44．

[17] 肖仰華． 生成式語(yǔ)言模型與通用人工智能：內(nèi)涵、路徑與啟示[J]． 人民論壇·學(xué)術(shù)前沿，2023（14）：49-57．

[18] 葉新東，劉澤民． 基于多模態(tài)大模型的精準(zhǔn)教學(xué)支持體系構(gòu)建研究[J]． 遠(yuǎn)程教育雜志，2024，42（1）：84-93．

[19] 科大訊飛. AI心理伙伴，青少年的私人心理咨詢師[EB/OL]. （2023-11-03）[2024-04-17]. https：//edu.iflytek.com/about-us/news/company-news/535.

[20] HUANG L， YU W J， MA W T， et al． A survey on hallucination in large language models： principles， taxonomy， challenges， and open questions[EB/OL]． （2023-11-09）[2024-09-20]． https：//arxiv．org/abs/2311.05232v1.

[21] 文森，錢力，胡懋地，等． 基于大語(yǔ)言模型的問答技術(shù)研究進(jìn)展綜述[J]． 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2024，8（6）：16-29．

[22] 曹培杰，謝陽(yáng)斌，武卉紫，等． 教育大模型的發(fā)展現(xiàn)狀、創(chuàng)新架構(gòu)及應(yīng)用展望[J]． 現(xiàn)代教育技術(shù)，2024，34（2）：5-12．

[23] 人民網(wǎng). 教育信息化2.0的數(shù)字資源觀與發(fā)展對(duì)策[EB/OL]. （2018-09-01）[2024-04-19]. http：//edu.people.com.cn/n1/2018/0901/c1006-30265766.html.

[24] 中華人民共和國(guó)教育部. 推進(jìn)線上教育教學(xué)資源建設(shè)與應(yīng)用打造數(shù)字教育公共服務(wù)新生態(tài)[EB/OL]. （2021-02-08）[2024-04-19]. http：//www.moe.gov.cn/jyb_xwfb/moe_2082/2021/2021_zl10/202102/t20210208_512969.html.

[25] 袁毓林． 如何測(cè)試ChatGPT的語(yǔ)義理解與常識(shí)推理水平？——兼談大語(yǔ)言模型時(shí)代語(yǔ)言學(xué)的挑戰(zhàn)與機(jī)會(huì)[J]． 語(yǔ)言戰(zhàn)略研究，2024，9（1）：49-63．

[26] 萬(wàn)力勇，杜靜，熊若欣． 人機(jī)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(yuǎn)程教育研究，2023，35（5）：12-21．

[27] 張牧，顧群業(yè)，田金良． AIGC為新媒體藝術(shù)教育帶來的機(jī)遇與挑戰(zhàn)[J]． 青年記者，2024（3）：109-112．

[28] 何文濤． 智慧學(xué)習(xí)環(huán)境下基于知識(shí)建模圖的在線教育資源眾籌及其應(yīng)用研究[J]． 電化教育研究，2019，40（4）：59-67．

[29] 陳明選，馮雪晴． 我國(guó)數(shù)字教育資源供給現(xiàn)狀與優(yōu)化策略[J]． 電化教育研究，2020，41（6）：46-52．

[30] 仲建琴． 人機(jī)協(xié)同的內(nèi)容生產(chǎn)模式[J]． 青年記者，2020（36）：44-45．

[31] 李芒，石君齊． 靠不住的諾言：技術(shù)之于學(xué)習(xí)的神話[J]． 開放教育研究，2020，26（1）：14-20．

[32] 李芒，張曉慶． 新時(shí)代教師真實(shí)的教育技術(shù)需要[J]． 現(xiàn)代遠(yuǎn)距離教育，2023（1）：3-9．

[33] 齊志遠(yuǎn)，高劍平，郝亞楠． 生產(chǎn)工具演變與勞動(dòng)分工體系變革——從機(jī)器、專用人工智能到通用人工智能雛形ChatGPT[J]． 自然辯證法通訊，2024，46（2）：1-10．

[34] 靳東明，金芝，陳小紅，等． ChatModeler：基于大語(yǔ)言模型的人機(jī)協(xié)作迭代式需求獲取和建模方法[J]． 計(jì)算機(jī)研究與發(fā)展，2024，61（2）：338-350．

[35] 李特麗，康軼文． LangChain入門指南：構(gòu)建高可復(fù)用、可擴(kuò)展的LLM應(yīng)用程序[M]． 北京：電子工業(yè)出版社，2024．

[36] 張輝，劉鵬，姜鈞譯，等． ChatGPT：從技術(shù)創(chuàng)新到范式革命[J]． 科學(xué)學(xué)研究，2023，41（12）：2113-2121．

[37] 張愛軍，楊程曦． 智能交往與微粒社會(huì)：人與ChatGPT交互的政治情感連接以及政治情感風(fēng)險(xiǎn)與調(diào)試[J]． 行政論壇，2023，29（6）：32-42．

[38] 米加寧，董昌其． 大模型時(shí)代：知識(shí)的生成式“涌現(xiàn)”[J]． 學(xué)海，2024（1）：81-96，214-215．

[39] 羅仕鑒，郭和睿，沈誠(chéng)儀，等． 智能產(chǎn)品用戶體驗(yàn)設(shè)計(jì)評(píng)價(jià)研究現(xiàn)狀與進(jìn)展[J]． 計(jì)算機(jī)集成制造系統(tǒng)，2024，30（6）：1919-1935．

[40] 武法提，黃石華，殷寶媛． 場(chǎng)景化：學(xué)習(xí)服務(wù)設(shè)計(jì)的新思路[J]． 電化教育研究，2018，39（12）：63-69．

[41] 許暉，周琪． 場(chǎng)景式解決方案開發(fā)路徑研究——基于場(chǎng)景驅(qū)動(dòng)視角的多案例分析[J]． 科技進(jìn)步與對(duì)策，2023，40（23）：1-10．

[42] 祝智庭，趙曉偉，沈書生． 融創(chuàng)教育：數(shù)智技術(shù)賦能新質(zhì)人才培養(yǎng)的實(shí)踐路徑[J]． 中國(guó)遠(yuǎn)程教育，2024（5）：3-14．

[43] 顧小清． ChatGPT對(duì)教育生態(tài)的影響[J]． 探索與爭(zhēng)鳴，2023（3）：30-32．

[44] 杜華，孫艷超． 生成式人工智能浪潮下知識(shí)觀的再審視——兼論兩個(gè)經(jīng)典知識(shí)之問的當(dāng)代回應(yīng)[J]． 現(xiàn)代教育技術(shù)，2024，34（1）：96-106．

[45] 魯子簫． 智能時(shí)代知識(shí)變遷中的教學(xué)知識(shí)變革[J]． 教育研究，2024，45（2）：55-66．

[46] 張良，易伶俐. 試論未來學(xué)校背景下教學(xué)范式的轉(zhuǎn)型——基于知識(shí)觀重建的視角[J]. 中國(guó)電化教育，2020（4）：87-92，117.

[47] 黃忠敬． 誰(shuí)的知識(shí)最有價(jià)值？——論衡量課程知識(shí)價(jià)值的“人的尺度”[J]． 課程·教材·教法，2019，39（1）：4-10．

[48] 楊剛，徐曉東，劉秋艷，等． 學(xué)習(xí)本質(zhì)研究的歷史脈絡(luò)、多元進(jìn)展與未來展望[J]． 現(xiàn)代遠(yuǎn)程教育研究，2019，31（3）：28-39．

[49] 周序，黃路遙． 數(shù)字化課程40年發(fā)展評(píng)析[J]． 課程·教材·教法，2018，38（10）：51-58．

[50] 周序． 如何認(rèn)識(shí)數(shù)字化課程[J]． 課程·教材·教法，2018，38（5）：44-48，110．

[51] 王卉． 爭(zhēng)議頗多的數(shù)字化課程：現(xiàn)狀與未來[J]． 四川師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，47（1）：102-107．

[52] 袁磊，王陽(yáng)． 數(shù)字教育背景下中小學(xué)跨學(xué)科教學(xué)的困境與應(yīng)對(duì)[J]． 電化教育研究，2023，44（12）：87-94．

[53] 楊曉娟. 網(wǎng)絡(luò)教學(xué)中教師整合技術(shù)的學(xué)科教學(xué)知識(shí)建構(gòu)之作用機(jī)理研究[J]. 山東師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，68（4）：90-99.

[54] 黃榮懷，劉德建，阿罕默德·提利利，等． 人機(jī)協(xié)同教學(xué)：基于虛擬化身、數(shù)字孿生和教育機(jī)器人場(chǎng)景的路徑設(shè)計(jì)[J]． 開放教育研究，2023，29（6）：4-14.

[55] 宋萑，林敏． ChatGPT/生成式人工智能時(shí)代下教師的工作變革：機(jī)遇、挑戰(zhàn)與應(yīng)對(duì)[J]． 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：78-90．

[56] 祝智庭，戴嶺，胡姣． 高意識(shí)生成式學(xué)習(xí)：AIGC技術(shù)賦能的學(xué)習(xí)范式創(chuàng)新[J]． 電化教育研究，2023，44（6）：5-14．

[57] 苗逢春． 生成式人工智能及其教育應(yīng)用的基本爭(zhēng)議和對(duì)策[J]． 開放教育研究，2024，30（1）：4-15．

[58] 張治． ChatGPT/生成式人工智能重塑教育的底層邏輯和可能路徑[J]． 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：131-142．

[59] 張進(jìn)良，楊苗，談桂芬． 智能技術(shù)賦能基礎(chǔ)教育評(píng)價(jià)改革的實(shí)然困境與路徑選擇[J]． 中國(guó)遠(yuǎn)程教育，2023（2）：18-27．

[60] 李毅，鄭鵬宇，張婷． ChatGPT賦能教育評(píng)價(jià)變革的現(xiàn)實(shí)前提、作用機(jī)理及實(shí)踐路徑[J]． 現(xiàn)代遠(yuǎn)距離教育，2024（3）：9-17．

[61] 白雪梅，郭日發(fā)． 生成式人工智能何以賦能學(xué)習(xí)、能力與評(píng)價(jià)？[J]． 現(xiàn)代教育技術(shù)，2024，34（1）：55-63．

[62] 吳砥，郭慶，吳龍凱，等． 智能技術(shù)賦能教育評(píng)價(jià)改革[J]． 開放教育研究，2023，29（4）：4-10．

[63] 鄭燕林，任維武． 實(shí)踐觀視域下ChatGPT教學(xué)應(yīng)用的路徑選擇[J]． 現(xiàn)代遠(yuǎn)距離教育，2023（2）：3-10．

[64] 張絨． 生成式人工智能技術(shù)對(duì)教育領(lǐng)域的影響——關(guān)于ChatGPT的專訪[J]． 電化教育研究，2023，44（2）：5-14．

[65] 劉邦奇，聶小林，王士進(jìn)，等． 生成式人工智能與未來教育形態(tài)重塑：技術(shù)框架、能力特征及應(yīng)用趨勢(shì)[J]． 電化教育研究，2024，45（1）：13-20．

[66] 劉邦奇，朱廣袤． 智能時(shí)代的教育信息化治理：理論框架與典型應(yīng)用實(shí)踐[J]． 電化教育研究，2024，45（9）：5-13．

Reshaping Smart Learning Environments with Generative Artificial Intelligence：

From Element Improvement to Ecosystem Reconstruction

WU Fati，" XIA Zhiwen，" GAO Shurui

（School of Educational Technology， Beijing Normal University， Beijing 100875）

[Abstract] As a crucial pillar of educational digital transformation， smart learning environments have encountered issues such as data silos， model limitations， resource rigidity， tool complexity， inflexible services， and fragmented scenarios during their development. Generative artificial intelligence （GAI）， as an emerging form in AI technology， presents new opportunities for the upgrading and transformation of smart learning environments. The study upgrades the three-layer and six-factor theoretical model of smart learning environment with generative AI as the power engine." It is argued that within this framework， the data element has shifted from low quality to high efficiency， the model element from the discriminative to the generative， the resource element from the superficial to the semantic， the tool element" from the distributed to the integrated， the service element from the predefined to the adaptive， and the scenario element has moved from the marginalized to the centralized. On this basis， the study further clarifies that GAI can restructure the ecosystem of smart learning environments by transforming the ideas of talent cultivation， the concepts of knowledge and curricula， teaching modes and learning styles， educational evaluation systems， and educational governance models. The study analyzes the improvement of internal elements and the reconstruction of the external ecosystem" of smart learning environments， providing theoretical research support and practical exploration direction for shaping new forms of smart learning environments.

[Keywords] Smart Learning Environments; Generative Artificial Intelligence; Element Improvement; Ecosystem Reconstruction; Theoretical Model