基于生成式人工智能的個性化學(xué)習(xí)，學(xué)習(xí)過程中更加凸顯個體學(xué)習(xí)者的“高自主性”，即學(xué)習(xí)者和內(nèi)容資源具有“高生成性”的生成式人工智能之間，通過提問與追問等高頻互動，形成不同的學(xué)習(xí)路徑，滿足個性化需求

　　在國家持續(xù)深入推進教育數(shù)字化轉(zhuǎn)型的背景下，生成式人工智能因其自然語言理解、基于人類反饋的強化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)模型等技術(shù)特點，能夠動態(tài)生成學(xué)習(xí)內(nèi)容、優(yōu)化學(xué)習(xí)路徑，并支持學(xué)生的“按需學(xué)習(xí)”，為大規(guī)模個性化學(xué)習(xí)提供了新的可能性。

　　當(dāng)前，一線教學(xué)中部分中小學(xué)積極主動地將生成式人工智能用于課堂教學(xué)，比如今年以來，教育智能體在北京、上海、深圳等地區(qū)學(xué)校不斷涌現(xiàn)，生成式人工智能走進課堂教學(xué)的背后，是生成式人工智能技術(shù)促使教學(xué)系統(tǒng)內(nèi)部各要素逐漸走向融合，并逐步形成基于生成式人工智能的個性化學(xué)習(xí)新樣態(tài)。

　　推動學(xué)生自我引導(dǎo)式學(xué)習(xí)

　　基于生成式人工智能的個性化學(xué)習(xí)，最明顯的改變之一就是學(xué)生角色的改變。經(jīng)典的個性化學(xué)習(xí)依賴教師提供的資源和引導(dǎo)。大數(shù)據(jù)技術(shù)支持的個性化學(xué)習(xí)強調(diào)基于不同學(xué)習(xí)知識水平等狀態(tài)，精準推送個性化資源來優(yōu)化學(xué)習(xí)。而基于生成式人工智能的個性化學(xué)習(xí)，則是強調(diào)主體性的自我引導(dǎo)式學(xué)習(xí)。

　　學(xué)習(xí)中，生成式人工智能猶如一位耐心的導(dǎo)師，通過自然對話幫助學(xué)生厘清思路、通過對學(xué)生提問與追問分析，理解學(xué)生的深度學(xué)習(xí)需求。如學(xué)生可以隨時向AI提問，通過反復(fù)交流，把那些“只可意會”的想法或需求漸漸地表達出來，AI會根據(jù)學(xué)生的不同需求，靈活調(diào)整解答方式。

　　在這個過程中，學(xué)生不僅能獲得需要的知識，還能學(xué)會自主調(diào)整學(xué)習(xí)規(guī)劃和進度，真正實現(xiàn)自我導(dǎo)向的按需學(xué)習(xí)。在人機關(guān)系的處理上，生成式人工智能可視為人的“外腦”，具有高數(shù)據(jù)處理能力和智能泛化能力，可以高效完成常見的甚或較為復(fù)雜的任務(wù)；而人腦作為“內(nèi)腦”具有創(chuàng)造性思維能力、情感表達能力、人文關(guān)懷精神等，可以負責(zé)把握方向及工作目標(biāo)。

　　生成個性化學(xué)習(xí)資源

　　在傳統(tǒng)教學(xué)中，學(xué)習(xí)者往往面臨著同樣的學(xué)習(xí)內(nèi)容和學(xué)習(xí)方面，個性化學(xué)習(xí)需求很難滿足。雖然在大數(shù)據(jù)技術(shù)支持下，通過收集和分析學(xué)習(xí)者的行為數(shù)據(jù)、學(xué)習(xí)習(xí)慣與偏好、知識薄弱點等，從而提供精準的學(xué)習(xí)資源，但從根本上看是基于精準性推送資源的接受式學(xué)習(xí)。實踐中是由教師或平臺預(yù)設(shè)了有限數(shù)量和難度層次的學(xué)習(xí)內(nèi)容資源，力求滿足學(xué)生無限多樣化的需求。

　　基于生成式人工智能的個性化學(xué)習(xí)，可以從學(xué)生與生成式人工智能的對話歷史中獲取學(xué)生的個性化信息，記錄和理解學(xué)生的認知水平現(xiàn)狀與知識盲區(qū)，分析學(xué)生獨特的學(xué)習(xí)習(xí)慣和動機，為學(xué)生提供學(xué)習(xí)支架，并動態(tài)生成符合學(xué)生各自最近發(fā)展區(qū)的學(xué)習(xí)內(nèi)容；實現(xiàn)在交互活動過程中產(chǎn)生真正的個性化學(xué)習(xí)，充分尊重學(xué)習(xí)者個體差異特征及其潛在的創(chuàng)新能力，實現(xiàn)適合每個學(xué)習(xí)者知識與思維水平的啟發(fā)式學(xué)習(xí)。

　　AI助教可以根據(jù)當(dāng)前學(xué)習(xí)內(nèi)容，生成相應(yīng)的測驗題來診斷學(xué)習(xí)起點，這樣診斷測試還有一個在大模型訓(xùn)練數(shù)據(jù)來源范圍之內(nèi)的橫向水平比較的參照，進而讓診斷有更強的參考價值。AI助教還可以通過自然語言處理技術(shù)，運用其實體識別和關(guān)系抽取等功能，從學(xué)生的學(xué)習(xí)記錄（如筆記、作業(yè)、問答等）中自動提取知識點和概念間的關(guān)系，構(gòu)建個人知識圖譜，進而發(fā)現(xiàn)學(xué)生個體現(xiàn)有知識結(jié)構(gòu)和學(xué)科知識體系（圖譜）之間的映射關(guān)系，從而對學(xué)生的現(xiàn)有知識水平現(xiàn)狀和進一步發(fā)展需求進行評估，并通過人機協(xié)同支持的智能化教育資源聚合，為學(xué)生生成或推送個性化的學(xué)習(xí)內(nèi)容與資源。

　　提供有針對性的學(xué)習(xí)路徑

　　依托AI技術(shù)和聚類算法、智能助教，基于生成式人工智能的個性化學(xué)習(xí)，除了資源的動態(tài)生成外，學(xué)習(xí)路徑的動態(tài)生成也是推動個性化學(xué)習(xí)發(fā)展的重要改變之一，呈現(xiàn)出更強的支撐學(xué)習(xí)的“強生成性”特征。

　　生成式人工智能通過對學(xué)習(xí)行為進行持續(xù)追蹤分析等，掌握學(xué)生的學(xué)習(xí)基礎(chǔ)、進度、軌跡、效果等顯性特點，挖掘?qū)W習(xí)偏好、情感和動機等內(nèi)隱特征，據(jù)此可以給學(xué)習(xí)者提供及時的學(xué)習(xí)資源與學(xué)習(xí)干預(yù)支持；還可以作為學(xué)伴智能體為學(xué)習(xí)者進行學(xué)習(xí)規(guī)劃與時間管理，實現(xiàn)對學(xué)習(xí)路徑、資源和情緒等的針對性調(diào)整。

　　由此可見，基于生成式人工智能的個性化學(xué)習(xí)，借助于推理模型，可以針對不同學(xué)習(xí)者給出不同的學(xué)習(xí)路徑，即根據(jù)學(xué)習(xí)者的提問思路，給出多樣的問題解決方案、邏輯和分步推理任務(wù)，學(xué)習(xí)者則可以依據(jù)方案，繼續(xù)開展多路徑的學(xué)習(xí)和持續(xù)探索。例如，在學(xué)習(xí)過程中通過大模型與學(xué)習(xí)者進行交流，記錄和存儲學(xué)習(xí)者對話文本、多模態(tài)信息，利用大模型數(shù)據(jù)采集與分析能力，實現(xiàn)生成式人工智能對學(xué)生學(xué)習(xí)能力與認知水平的分析，進而提供個性化的學(xué)習(xí)資源推薦和路徑選擇。根據(jù)學(xué)生的認識水平和理解，生成式人工智能可以動態(tài)地調(diào)整學(xué)習(xí)內(nèi)容難度、速度和呈現(xiàn)方式，推進學(xué)生開展基于提問和不斷追問的探究學(xué)習(xí)。

　　推動大規(guī)模個性化學(xué)習(xí)

　　經(jīng)典的個性化學(xué)習(xí)和基于大數(shù)據(jù)技術(shù)的個性化學(xué)習(xí)，重在按照教師或大數(shù)據(jù)的需求分析，預(yù)設(shè)好各種優(yōu)質(zhì)資源，為學(xué)習(xí)者提供個性化推薦服務(wù)，本質(zhì)上是個體化學(xué)習(xí)。簡單說，以往的一些個性化學(xué)習(xí)往往注重給學(xué)生提供均衡的、有限的、預(yù)設(shè)的優(yōu)質(zhì)資源，而很少關(guān)注這些有限預(yù)設(shè)學(xué)習(xí)資源或內(nèi)容是否滿足學(xué)習(xí)者真正的興趣或需要。

　　生成式人工智能的數(shù)據(jù)集，是不同領(lǐng)域?qū)＜覍W(xué)者通過提供優(yōu)質(zhì)知識庫，并以此為基礎(chǔ)，不同師生在與智能體互動中生成的各種有價值的交互數(shù)據(jù)。AI助教接受了這些數(shù)據(jù)集的訓(xùn)練后，對高質(zhì)量教學(xué)內(nèi)容及其教學(xué)方式儲存會越來越豐富，具備了“群體智慧結(jié)構(gòu)”。再借助于逐步“平權(quán)化”的生成式人工智能技術(shù)，及諸如推理模型支持的“無門檻”的互動提問能力，為每名師生提供了觸手可及的群體智慧，可以使每個學(xué)習(xí)者發(fā)自內(nèi)心的學(xué)習(xí)興趣需要等被均等化滿足，進而實現(xiàn)按照自己興趣選擇提問、生成內(nèi)容、推薦資源、規(guī)劃路徑，實現(xiàn)按需學(xué)習(xí)的機會均等，真正實現(xiàn)大規(guī)模個性化學(xué)習(xí)，而非簡單地優(yōu)質(zhì)均衡。

　?。ㄗ髡呦凳锥紟煼洞髮W(xué)人工智能教育研究院副院長、教授，本文系全國教育科學(xué)“十四五”規(guī)劃2022年度教育部重點課題［課題編號：DCA220455］階段性研究成果）

《中國教育報》2025年05月20日 第04版