教育大模型的发展现状、创新架构及应用展望

从通用大模型到教育大模型,是人工智能大模型技术深化发展的重要趋势。基于对教育大模型发展现状、典型案例、潜在挑战的分析,文章认为教育大模型是适用于教育场景、具有超大规模参数、融合通用知识和专业知识训练形成的人工智能模型,是大模型技术、知识库技术及各类智能教育技术的集成,能够推动人类学习和机器学习的双向建构,进而提出了应用驱动、共建共享的创新架构和“以学习者为中心”的未来应用场景,旨在建立人工智能大模型与各类数字化教育应用的开放接口,持续训练和完善能够更好地解决教育专业问题的教育场景模型,形成让广大师生常态化使用的智能教育开放模型集群和知识库,在提炼和萃取深度教育知识的同时,破解人工智能教育应用中的风险和挑战。     

智慧教育中智能交互助教学伴体系构建研究

研究基于人工智能交互的助教学伴体系构建,运用人工智能技术中的自然语言处理技术、机器学习以及大数据等技术,构建智慧教育中的助教学伴体系,贯穿教师与学生的教学全过程提供交互性的教学辅助支持,减轻教师对于学生个性化辅导的压力,同时增强学生的自主学习的动力及成效。     

基于大模型增强的通用人工智能教师架构

以ChatGPT为代表的预训练大模型在教育界产生了巨大影响,也为发展通用人工智能教师带来了曙光。预训练大模型应用于教育存在幻觉、深度逻辑缺失、社会情感缺失等局限,如果这些关键问题不解决,大模型不可能在教育中得到真正有价值的应用。本文提出通过增强大模型构建通用人工智能教师架构,其核心思路是精调训练增强场景知识、检索增强认知、外部智能组件编排增强推理、多模态融合增强感知、情感计算增强社会情感,再通过教育知识图谱对大模型输出进行监督。通用人工智能教师主要有六种应用场景：需要渊博知识的场景、洞察创意增强场景、约束与管理场景、社会情感互动场景、个性化指导与反馈场景、多模态内容表现场景。文章最后分析了通用智能时代人类教师面临的机遇与挑战,提出教师需要主动拥抱、使用、驾驭并控制智能技术,解放、增强、进化自我,并跨越陷阱。     

大语言模型“数据为王”:训练数据的价值、迷思与数字传播的未来挑战

伴随着ChatGPT的问世和流行,关于生成式人工智能的意涵和影响迅速成为学界和业界的关注焦点。在这场由大语言模型引领的非监督性深度学习浪潮中,一个核心议题就是训练数据。对训练数据的规模和质量的追求,演绎了“万模大战”形势下的“数据为王”法则。而在训练数据的价值、功能和误读的背后,是对数据概念的改写、对数据可供性的迷信和对数据所有权的争夺。训练数据的具体架构和内部机制引发了智能传播生态的重建和信息生产秩序的重构,在这一变革之中也蕴藏着大语言模型时代的数字危机,其具体体现为蒸馏式传播的偏见再生产、过滤式传播的信息保守化和随机性传播的意义之消散。大语言模型及其训练数据急需破除规模迷思,着重思考如何让数据切实成为社会技术系统的一部分。     

生成式人工智能的教育应用与展望——以ChatGPT系统为例

生成式人工智能（Generative Artificial Intelligence）旨在利用人工智能技术自动化生成文本、图像、视频、音频等多模态数据,受到教育领域的广泛关注。其中,ChatGPT系统因其良好的自然语言理解和生成能力,体现出较高的多领域应用潜力。本研究以ChatGPT作为主要对象,基于其四项核心能力,即启发性内容生成能力、对话情境理解能力、序列任务执行能力和程序语言解析能力,探讨在教师教学、学习过程、教育评价、学业辅导四个方面的潜在教育应用。在此基础上,在真实系统中进行了习题生成、自动解题、辅助批阅等教育应用的初步验证。最后,本文进一步探讨了以ChatGPT为代表的生成式人工智能在教育应用中所面临的局限和对教育的启示。     

人工智能语言大模型赋能教学测评方法的改进研究

基于人工智能语言大模型的教学测评方法,其便捷性、实用性、丰富性满足了教师开展多样教学测评的需求和学生自主探究学习的需要。基于文心一言和讯飞星火等语言大模型,构建“1+(1+X+Y)”教学测评模式。通过对四种类型测评题目的比较分析,对信息化教学测评流程优化设计,为传统教学测评方法改革提供了一种新的尝试。可以预见,随着教师数字素养的不断提升,人工智能的不断发展,基于语言大模型的教学测评方法将在教学改革中发挥越来越大的作用。     

生成式人工智能赋能教育研究范式变革：机理、风险与对策

在《科学革命的结构》一书中,库恩认为科学革命的本质是范式转换而非知识堆栈。作为新一轮AI革命“皇冠上的明珠”,生成式人工智能(AIGC)凭借其高智能交互、创造性生成、复杂数据处理等能力,拓展出教育研究范式变革的新路径。该研究以AIGC的功能机理与助研情境为基点,从知识论、本体论、方法论与价值论四个维度阐述了该工具对于教育研究范式变革的赋能逻辑。然而,作为一项颠覆性技术,AIGC的助研应用仍面临着知识生成的真实性与合法性质疑、服务客体的局限性、数据安全与伦理的危险性以及信息承载意识形态的侵犯性等问题,应从四个层面制定技术赋能策略：在工具层面,以技术降槛推进教育人工智能知识权力公平;在基建层面,扩大教育研究数字化空间普及;在安全层面,创建科研领域的轻量化专用型语料库;在话语建设层面,支持本土AIGC平台的功能迭代与国际传播。     

面向大语言模型的青少年人工智能教育

大语言模型(LLM)作为一种先进的AI技术,正对人类生活产生深远影响。与传统AI技术相比,LLM能够处理大量的文本数据,并在自然语言处理等领域发挥着巨大作用。LLM的快速发展与应用推进已经对AI教育的课程内容、教学模式与学习平台产生了显著的影响,这些影响也迫切要求青少年AI教育课程与时俱进的变革。为应对这种变革,该研究从课程内容框架、基于LLM的教学模式以及LLM辅助学习平台三个维度设计了一个面向LLM的青少年AI课程架构,并以教学活动设计为切入点,深入探讨了如何使该课程架构与学科核心素养紧密契合。基于此架构,设计并开发了一门高中LLM示范课程,重点展示了如何利用自主开发平台(LLM 4 Kids)进行人机协同教学。选取了示范课程中《面向LLM的提示与评估》的单元内容,解释了如何在教学过程中有效的应用和整合LLM技术。通过提供面向LLM的青少年AI课程架构以及解释案例,为AI教育实践者提供面向LLM的框架体系与课程参考,推动最新的人工智能前沿知识进入中小学课堂,从而有助于青少年适应AI快速发展的时代。     

挑战与应对：大型语言模型（ChatGPT）的多样态安全风险归因及协同治理研究

ChatGPT带来大型语言模型的时代变革。ChatGPT的诞生是人工智能机器人取得的一个阶段性进步,其作为科技与日常生活融合背景下的突破性成就,对其引发的安全风险必须引起社会各界的足够重视。文本梳理了ChatGPT带来的安全风险,在人工智能治理基本框架的基础上,展开基于风险议题、治理主体和治理手段的三维分析,提出应对大型语言模型安全风险的治理原则和思路,并建议从法律规范、协同治理、部门监管、技术攻关和伦理约束五个维度,推进以ChatGPT为代表的人工智能安全风险治理。     

大数据算法歧视的决策危机与风险防控

大数据算法具有两面性：一方面,大数据技术的快速发展渗透到社会的各个领域,惠泽各方;另一方面,算法黑箱的不透明性、复杂性和隐蔽性给个人大数据、社会大数据和政府大数据也带来诸如算法杀熟、信息同质、交易不公等风险。立足国情,完善算法公正规范体系,健全算法风险法律防控,从而平衡科技创新与价值权益,使算法能客观公正地支撑大数据技术服务体系。     

大语言模型的教育应用：原理、现状与挑战——从轻量级BERT到对话式ChatGPT

大语言模型（Large Language Model）是用于描述海量文本的向量表示和生成概率的自然语言处理技术,随着近来其代表性产品ChatGPT因良好的生成、理解、逻辑推理与对话等能力而受到教育领域的广泛关注,大语言模型的教育应用研究也进入了大众视野,但针对如何合理利用不同技术路线的大语言模型开展教学的研究比较缺乏。基于此,文章以大语言模型的三大技术路线BERT、T5和GPT系列为主要研究对象,首先总结其技术原理、优劣势与应用场景,然后梳理其赋能高阶思维培养、加强阅读理解能力以及提升写作与数学解题水平等教学应用场景,最后进一步探讨了当前大语言模型教育应用的现实挑战与未来发展建议,以期为智能化教学与教育数字化转型提供新思路、新方法与可持续发展路径。     

大模型支持的会话辅导系统开发：范式转换、架构设计与能力训练

会话辅导系统是智能辅导系统的一种特殊形态或拓展形式,主要通过模仿人类导师进行个别化、适应性的教学对话,实现个性化教学功能。受制于技术发展水平,传统会话辅导系统存在一些根本性缺陷,如缺乏通用性与灵活性、开发成本高昂、推广困难、准确性不足等。大模型为会话辅导系统的升级带来了巨大机遇,将引发会话辅导系统的开发范式转换：开发目标由原先的“排演对话教学片断”升级为“自主开展完整对话教学”,开发逻辑由以“预设”与“匹配”为核心转换为以“微调”与“链接”为核心。为此,会话辅导系统由原来的内外双循环架构,拓展为外循环—中循环—内循环的三重嵌套循环架构模式,以实现学习者对话片段、学习任务完成过程,以及课程学习历程的完美融合。而针对系统架构中关键且存在技术瓶颈的教学设计能力、对话设计与生成能力,可以通过学习任务分析路由链、教学设计顺序链、教学对话路由链等复杂的提示语工程,以及使用优质的元认知标注数据、对话教学案例标注数据以及历史数据+RLHF技术微调大模型等办法加以训练,以此提高会话辅导系统开展对话教学的质量和效果。     

大数据应用中的风险防控与国家治理效能的提升

随着大数据在国家治理过程中应用越来越广泛,其对国家治理效能的提升效应也越来越明显。但在这个过程中,大数据分别在挖掘与采集、存储与管理、开发与应用三大方面产生了相应的风险,进而影响国家治理效能的提升。要对大数据应用过程中的风险进行防控,就需要结合具体的风险要素来展开。具体来看,从源头防控大数据挖掘与采集风险,从管理与技术层面防控大数据的存储与管理风险,从数据共享层面防控大数据开发与应用风险,以此共同提升国家治理的效能。     

人工智能需要“灵魂”吗——由大语言模型引发的可能性及质疑

ChatGPT、GPT4等大语言模型表现出来的超强对话能力和智能表征再次引发了人们对人工智能的热议,大语言模型不具有自我意识或灵魂的痕迹。在有机体这里,思考与灵魂是一致的,而在人工智能这里,思考与灵魂是分离的。人们能够说人工智能思考,但不能说人工智能具有灵魂,哪怕一点儿痕迹。灵魂灌注论明显犯了混淆有机体与人工智能根本界限的错误,人工智能自意识之类的观念本质上是概念误用。清除这一概念误用有利于将大语言模型等人工智能摆在一个恰当的社会位置上。     

教育大数据促进精准教学与实践研究--以“智慧学伴”为例

教育大数据正成为推动教育系统创新与变革的颠覆性力量。文章围绕教育大数据促进精准教学以提升教学效果为目标,从常态教学的挑战与问题出发,阐释大数据技术改进教学之道:大数据何以解决常态教学问题、何以改进教学效果、何以促进个性化自适应学习。以此为理论基础,文章以"智慧学伴"为例,探究了基于"智慧学伴"开展精准教学的应用与实践,并形成了基于数据分析的精准教学模式,文章的研究结果可为应用大数据改进教学提供借鉴。     

生成式人工智能赋能学习型社会建设之图景：维度、风险与路径——基于UNESCO《生成式人工智能教育和研究指南》解读

随着数字化技术的不断发展,生成式人工智能在教育数字化中的应用越来越广泛,并为学习型社会建设与终身教育带来更多的可能性和机遇。本研究梳理了生成式人工智能赋能学习型社会建设的内容框架、功能结构和逻辑关系,结合UNESCO《生成式人工智能教育和研究指南》和我国终身教育实践,剖析生成式人工智能赋能学习型社会建设的潜在风险,提出统一原则、政策治理和创造应用三大基本路径,以期促进学习型社会的高倍速建设与全面发展。     

智能技术赋能体育教育教学效果评价：模型建构与实证检验

智能技术正在引发教育领域的深刻变革,在推进学校体育教育数字化转型中,智能技术将产生怎样的影响引发各界关注。为了科学评价智能技术赋能体育教育教学的效果,通过相关理论及文献分析建构包含以智能技术应用为核心的技术层,以融合智能技术的教学设计为重点的功能层,综合运用问卷、访谈、体质测试等为测量方法的效果层的多维评价模型。进一步选用光电球和心率手环在上海两所小学体育兴趣化试点学校开展干预实验对所提出的模型进行检验。结果显示：主要运用大数据技术的光电球和电子手环在功能层,能够助力创新教学模式、实现因材施教、优化教学评价及拓展教育功能;在效果层,能够实现对小学生体育学习兴趣和体质健康水平的积极影响。还从智能技术应用与体育教育教学之间的主辅关系,加强人机磨合,以及技术应用所引发的伦理问题等方面提出了反思与警示。     

“智能+教育”：应用场景、风险挑战与治理对策

在人工智能技术赋能教育已经成为共识的大背景下,人工智能并未如预期的那样完美地促进教育高质量发展。本文从研究“智能+教育”的典型应用场景出发,分析“智能+教育”广泛应用面临的数据基础、制度规范、道德与伦理约束、社会关系异化等带来的风险挑战,然后,基于在教育领域广泛应用人工智能助推教育高质量发展的需求,探讨通过重视顶层设计、加强数据治理、提升技术能力、强化法理研究、加强智能素养培养等治理策略,发挥智能融合教育的积极作用,构筑我国“智能+教育”发展的先发优势。     

窥探机器之窍：机器心理学视角下的大模型教育应用

大模型所呈现的“类人”行为以及潜在风险引发了研究者广泛的兴趣,越来越多的心理学家开始深入探索其背后的原因,以更清楚地划定大模型的能力边界,而机器心理学则成为了理解大模型行为背后机制的重要工具。从探索大模型的智能特征和推动教育研究的发展两方面分析机器心理学对于大模型教育应用的重要性,从智力测试、人格特征、心理理论的适用性和心理学实验的复现等角度分析机器心理学的研究视角,在此基础上,以思维链为例,通过对比人类的思考方式与不同思维链的形成,从机器心理学视角分析思维链的产生与发展过程,探索大模型性能优化的途径。最后,基于此探讨了机器心理学实验的争议以及未来新的发展。现有研究表明,通过深入挖掘模型的认知机制,机器心理学既有助于更准确地判断大模型在教育领域的适用性及潜在风险,也有助于更好地理解和模拟人类心理过程,为大模型教育领域的应用提供新的可能性。     

构建GPT大模型的经济循环体系：理论框架与发展路径

数字技术的爆发式增长及其与实体经济的深度融合,为推动中国经济高质量发展提供了强大动能,成为促进生产方式变革和经济结构变迁的主要力量。GPT大模型作为新一代人工智能技术,具有强大的自然语言处理能力,将持续对经济增长、生产效率、要素分配等各方面产生深刻影响。文本试图通过构建GPT大模型的经济循环体系、GPT大模型在国内外经济循环中发挥作用的理论框架以及GPT大模型的经济循环体系的发展路径,揭示GPT大模型经济循环体系的作用机制,为实体产业应用GPT大模型实现提质增效、助力经济高质量发展提供现实启示和参考依据。