自2022年底以来，生成式人工智能给很多行业带来了崭新的希望，对于教育领域，生成式人工智能具备三层价值：一是工具价值，促进教学变革。生成式人工智能可以被应用到教与学的各个环节，促进个性化学习，提升教师备课授课与教育管理者决策的质量和效率。二是融合价值，重塑教育体系。生成式人工智能和虚拟现实/增强现实、移动、游戏等技术融合，促进培养模式变革。三是终极价值，助力回归教育本质。让学习者实现自由而全面的发展，享受学习的快乐。

　　然而，在教育教学中应用生成式人工智能，也会碰到许多具体困难和障碍。在工具层面，通用人工智能产品在教育领域的应用，需要有更多适应性教育产品，同时还需要提升师生的数字素养；在融合层面，技术整合与伦理问题可能导致系统变革推进缓慢；在终极层面，即使大规模应用生成式人工智能，教育效果可能也难以显著提升，主要因为传统评估方法可能无法全面反映人工智能带来的积极影响，且当前评价导向可能限制了人工智能的发挥空间。

　　针对这些可能出现的困难和障碍，我们需要从工具层、融合层、终极层提供相应的应用策略，以真正促进生成式人工智能在教育中的广泛应用，从而提升教育教学质量。

　　1 工具层：加强产品技术研发，匹配师生实际需求

　　生成式人工智能在教育领域的应用前景广阔，但是在其与教育教学的适配性方面仍存在诸多问题，如存在与教育场景的适配性不足、对师生易用性不足等。因此，要深入教育应用场景，结合师生的需求开发产品。具体而言，可以采取如下策略：

　　深入教育场景，开发定制产品。生成式人工智能教育产品的设计应根植于真实教学需求，并通过科学规范的测试来验证其教学效果。当前市场上出现的产品为教育领域提供了新的工具，但它们是否真正满足教学需求、能否带来实质性的教学效果，仍需经过严格的评估和验证。同时，针对通用模型所存在的知识拼凑和学科联系薄弱的问题，我们需要构建高水平的教育专用大模型，确保教育产品在传递信息、传授知识和价值观时的正确性和连贯性。因此，要高度重视生成式人工智能技术研发者的伦理水平，以产品传递正确价值观，培养学生自身发展的能动性、责任感、批判性思维和创新思维。

　　建立评价标准，筛选优质产品。在生成式人工智能教育产品投入课堂使用前，必须建立一套全面的评价体系，这不仅包括产品的成本、质量和响应速度，还应涵盖产品与教育场景的匹配度，以及对学生、教师和管理者的易用性和实用性等。这一评价标准的制定，将有助于筛选出真正能够提升教育质量的生成式人工智能产品。

　　创新教学模式，发挥人工智能潜力。生成式人工智能在教育中的应用不应仅限于提升产品本身，更应通过创新的教学模式来实现其最大潜力。例如，可以提出以知识点为核心的教学模式，让生成式人工智能为教师提供组织知识点的建议，生成相关教学资源，设计知识点互动方案，同时为学生推荐学习资源，启发他们深入理解知识点。鉴于不同学科的特点，我们还需要开发和验证多种教学模式，如在注重推理的学科中，可以侧重让生成式人工智能提供推理支持。

　　加强教师培训，提升使用能力。教师是连接技术与学生的关键纽带。未来的教师在生成式人工智能的协助下将成为“超级教师”，更加注重育人，并兼有监督机器教学的职责。可见，教师需要在使用生成式人工智能辅助学生学习的过程中发挥主导作用，确定人机协助模式，并严格监管技术的应用。为此，有必要对教师开展系统的产品使用培训，包括使用方式、注意事项等，以确保教师能够充分发挥其主观能动性，促进生成式人工智能与教育的有效融合。

　　2 融合层：打通技术融合壁垒，重构教育组织结构

　　在教育领域，生成式人工智能技术正与虚拟现实、增强现实、自然语言处理等其他技术融合，共同重塑教育体系。这种融合不仅要求技术层面的深度合作与创新，也对教育组织结构提出了新的挑战。以下是具体策略建议：

　　设计整合方案，构建系统架构。生成式人工智能需要与现有教育技术无缝衔接，为学习者提供更加丰富的学习体验。如通过虚拟现实和增强现实技术，学生可以在沉浸式环境中进行学习，参与虚拟实验或角色扮演；生成式人工智能与之融合，可以整合各类学习资源，为学生提供个性化、多样化的学习资料，强化沉浸性和交互性，从而让学习者获得更丰富、生动的学习体验。为此，教育机构应建立跨学科的技术整合团队，包括技术专家、教育学家、心理学家和课程设计师，确保技术整合方案既满足教学需求，又符合学生的心理和认知特点。在此基础上，开发统一的技术框架与接口标准，促进不同技术之间的数据共享和功能互补，真正实现技术整合。

　　重构组织结构，共建融合生态。将生成式人工智能与其他技术工具进行有效的整合可能面临技术上的困难和伦理上的挑战。当前，有一些优秀产品未能成功普及，原因就是支持系统没有跟上。正如幻灯片的普及过程，生成式人工智能技术的融合同样需要从观念、技术、再到组织结构的逐层打通。再比如，将生成式人工智能与数字人结合起来辅助实现个性化学习，如创造虚拟教师过程中，可能存在侵犯人物形象、人机关系取代人际关系等问题。

　　组织结构的重构是实现技术融合价值的关键。因此，首先要转变利益相关者的理念，通过宣传推广技术融合的优秀案例，让教师、家长和教育管理者充分认识到生成式人工智能技术的重要价值和潜在风险，如过度依赖技术、盲目信任机器、缺乏深度思考等。其次要利用技术改造教师活动、学习方式与管理制度，实现系统性变革。如在人工智能教育环境中，教师可将更多的工作重心放在育人上，通过协作学习、项目式学习等提升学生问题解决能力，避免“生成式人工智能完全代替学生脑力劳动”情形的出现。除此以外，教育管理者还应建立技术融合的监管与服务机制，有效保护学生的隐私和数据安全，确保技术起到正向促进教育的作用。

　　3 终极层：加强基础机制研究，科学推进因材施教

　　因材施教、个性化学习是教育领域一直以来的追求，但是依靠传统教学实现起来难度确实很大，而生成式人工智能在个性化自适应学习方面展现出巨大潜力，借助人工智能和大数据等技术，可以深入了解每名学生的独特需求、兴趣和学习风格，从而提供量身定制的学习体验。具体有如下应用策略：

　　打造智能系统，促进个性化学习。随着人工智能技术的不断进步，生成式人工智能在教育领域的应用需要进一步提升其智能性，构建更加精准的个性化自适应学习系统，从而更好地实现个性化学习。

　　重视学习科学，加强基础研究。在教育技术领域，一直存在“非显著性差异”现象，就是在一些大型的调查或测验中，结果显示应用技术和不应用技术在学习成效方面似乎不存在显著差异。要想真正解决该问题，就需要注重开展学习的基础研究，深入研究“人是如何学习的？如何促进有效的学习”。通过学习科学领域的教育学家、心理学家和数据科学家紧密合作，深入研究大脑的认知与学习规律，可以更好地了解协作学习、在线学习、虚拟情境中的学习等各教育领域的学生特征和学习规律。在掌握规律的基础上，通过实证研究探明有效的学习策略，如游戏化学习策略、在线学习策略、复习策略等，从而最大限度地提升学习效果，也可以使得生成式人工智能在教育领域中实现从“非显著性差异”到显著提升的转变，让每个人学习得更加科学、快乐、有效。

　　生成式人工智能在教育领域的应用是一个多维度、跨学科的复杂过程。通过加强产品技术研发、打通技术融合壁垒、加强基础机制研究等方式，我们可以期待这一技术在教育中发挥更大的作用，不仅可以提升教育教学质量，还可以促进教育的深层变革，为培养拔尖创新人才、打造高质量教育体系奠定坚实基础。

　　（作者尚俊杰系北京大学教育学院学习科学实验室执行主任，张鹏系北京大学教育学院博士研究生，汪旸系中国中医科学院发展规划处处长）