生成式人工智能驱动的自适应学习模式研究.docx

生成式人工智能驱动的自适应学习模式研究

随着《中国教育现代化2035》及教育部等六部门印发的《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》的发布，基于生成式人工智能的智能助教、智能学伴等教学工具不断涌现。“人机共教、人机共育”正在助推教育教学质量的提升。2023年，教育部办公厅印发《基础教育课程教学改革深化行动方案》进一步明确，应借助数字化赋能提升教学质量，构建数字化背景下的新型教学模式，助力教学效率和质量的提高。基于生成式人工智能实施差异化教学，建立个性化学习辅助、实时化评价反馈等机制，有望解决传统教学中教学进度统一、学生缺乏个性指导、评价无法实现即时反馈等问题，进而构建自适应学习模式。近年来，国内外推出了各类生成式人工智能，如ChatGPT、Gemini、文心一言、通义千问、Kimi等。然而，目前对生成式人工智能在教育领域的应用主要集中在机制、场景、伦理、风险等方面，缺乏教学实践层面的深入探索。Kimi等生成式人工智能具备图片识别、图文转换、在线搜索、文件学习及总结等功能，彰显其在教学应用中的价值。研究Kimi等生成式人工智能在教育领域的应用，对于辅助教学设计、支持学生学习、改进评价质量，进一步构建新型的教学模式具有重要的现实意义。

一、生成式人工智能的教育应用场景

（一）辅助教学设计

《普通高中课程方案（2017年版2020年修订）》（以下简称“课程方案”）提倡“教—学—评”三者的一致性，要求教师基于课程标准设计教学方案，关注学生的学习，重视对评价量规的设计。教师应在课程方案的指导下，深度解读教材做好教学设计，拟定教学目标，设计教学任务，评价学生的学习表现，提升教学设计的有效性。生成式人工智能在辅助教师开展教学设计、提升教学设计效率与质量方面具有潜力。首先，它可以辅助拟定学习目标。教师上传学科课程标准、教材中相应单元的教学内容之后，让生成式人工智能辅助设计教学目标。教师在生成式人工智能输出信息的基础上进行迭代优化。其次，它可以辅助设计学习任务。教师基于最近发展区等理论设计学习任务，并借助生成式人工智能逐步验证，对学习任务进行不断优化与迭代，使之梯度合理且富有挑战性[1]。最后，它可以辅助评价学生的学习表现。教师在设计表现性评价方案时，可借助生成式人工智能在设定引用专业量规的基础上生成评价量表。对于开放性作业的设计，教师在生成式人工智能辅助下设定需要设计的作业目标、题型及数量即可生成作业。

（二）支持学生学习

在教学过程中，由于学生的知识基础存在差异，同样的教学内容，部分学生在接受知识方面会存在障碍，需要外界支持。生成式人工智能在收到学生输入的提示语[2][3]，会输出相应的信息，为学生的学习提供支持。学习支持是多维度的，如个性化学习、自适应学习等。从生成式人工智能输出的文件类型来看，学习支持可分为文本类、图片类、视频类三种。首先，提供文本类支持。当学生对概念及知识点有疑问时，生成式人工智能以文本的形式提供学习支持，包括自动生成练习题、测试题及反馈报告等。其次，提供图片类支持。生成式人工智能生成图片有助于学生更加形象地理解复杂概念，例如以思维导图的形式对知识进行结构化呈现。图片类支持还包括对图片的识别并生成反馈，如开放题与手画作品的评价，进行评分并形成合理的反馈意见。最后，提供视频类支持。视频类支持包括动画或仿真辅助学习，教师借助Sora或Runway形成虚拟的教学场景，或利用第三方解决方案形成视频。

（三）提升评价质量

准确而及时反馈的多元评价有助于促进学生学习。受学生人数、量规设计等多种因素的影响，教师设计评价量规、作业批改需耗费大量时间精力，但评价维度单一且反馈不及时。生成式人工智能在量规设计、作业设计、作业批改等方面具有明显优势，能快速设计出量规及作业，并结合评价结果给出后续的实时反馈建议与改进意见，支持学生的学习。其一，生成式人工智能支持个性化评价。教师利用生成式人工智能跟踪学生的学习进度，针对薄弱之处生成个性化的评价报告；或结合学生的学业进度与学业表现，提供个性化的建议与策略，指导学生学习。其二，实现自动化评价。教师利用生成式人工智能可对学生的作业、试卷等进行快速而准确的评分，并及时提供详细的反馈信息和改进建议，帮助学生理解与纠错。其三，综合评价。生成式人工智能读取历史交互信息，不仅可以分析学生在各个科目中的综合学习表现，生成全面的分析报告，而且可以预测学生未来的学习表现和潜在的挑战，从而提前采取干预措施，帮助教师优化教学策略，提高教学质量。

二、构建自适应学习的教学模式

《普通高中通用技术课程标准（2017年版2020年修订）》等学科课程标准均关注学生的学习自主性，倡导从“教”为中心转向以“学”为中心。受师资配备、技术支撑、教学组织等因素影响，教师在教学中很难悉心关注学生个体，做到以“学”为