2022年11月，生成式人工智能的典型代表ChatGPT横空出世，微软创始人比尔·盖茨甚至专门发表博客称赞这是他此生遇到的两项革命性技术之一。ChatGPT在短时间内收获了大量用户，让人们真切感受到生成式人工智能时代的到来。
教育界对生成式人工智能带来的变革展开探讨，形成了三大基本共识：
①生成式人工智能变革教育是必然的趋势，教育将迈入新的时代。
专家学者普遍表示
以ChatGPT为代表的生成式人工智能将给教育带来重大
影响，
积极谨慎地开展变革、拥抱生成式人工智能带来的新时代是上策。
②生成式人工智能引发的教育变革应有所变，有所不变。
变的是教学模式、学习方式、评价方式和教育理念，
将教育引向多元化评价和注重高阶能力的育人理念
；
不变的是坚守教育本质和追求教育公平
，力求为全社会提供优质资源、缩小教育差距。
③生成式人工智能教育应用仍有潜在风险，产品和制度都需要进一步完善。
ChatGPT独特的技术原理决定了产品弊端的存在——并未真正理解文本内容，而是通过概率计算生成最佳的文本答案；大规模训练语料库来自互联网，可能会产生错误信息，应用到教育领域中，生成式人工智能可能会带来学术不诚信、抄袭泛滥、用户过度依赖而思维退化等问题。
本研究根据已有研究总结生成式人工智能的三层教育价值——
工具价值
、
融合价
值
和
终极价值
。三层教育价值层层递进，首先作为工具促进教学变革，然后与其他技术融合重塑教育体系，最终助力回归教育本质。
生成式人工智能作为工具是其最为明显的价值，具体体现在以下三个方面：
①对于学生而言，生成式人工智能技术可以更好地实现“苏格拉底教学法”和同伴学习。
生成式人工智能可以担任教师或同伴，与学生进行问答、讨论，培养学生的批判思维，提升学生在同伴学习中的收获。通过合适的资料库设置，生成式人工智能可以转变身份，以较快的响应速度给予学生必要的反馈和帮助，帮助学生解决问题、补齐短板，进而有效提升学生的学习质量和效率。
②对于教师而言，生成式人工智能技术能够协助提升教师备课授课效率。
在备课过程中，教师可以将生成式人工智能当作脚手架和资源库，通过文本对话的方式，让其协助查找授课资源、生成教案材料、撰写教材内容、准备教学课件等。作为工具的生成式人工智能可以让具有甄别能力的教师提高备课授课效率，为创造性工作的开展节省出大量时间。
③对于教育管理者而言，生成式人工智能技术能够精简人力管理环节并提高决策效率。
生成式人工智能可以帮助管理人员快速起草日常事务文档的模板或者大纲，帮助教育管理人员快速完成大量的事务性工作。在决策过程中，生成式人工智能可以协助决策者收集资料，帮助决策者更全面、准确地了解问题背景和各种因素的影响，从而使其作出较为合理公正的决策。
除了本身的工具价值，生成式人工智能和大数据技术、虚拟现实/增强现实技术、物联网技术等技术相互融合，
引发教育体系的系统性变革才是重中之重
。以大型语言模型为基础的生成式人工智能技术能够回答不同领域的自然语言问题，以其为核心的技术融合有助于将不同的技术整合到统一的框架或应用中，带来新的生产力和职业岗位，进而更新社会结构和人才需求。
在教育领域中，技术带来的社会结构和人才需求的变革将直接导致教育体系的重塑：
先是影响教育体系的培养目标，而后影响教学、学习和教学管理等培养方式。
具体到以生成式人工智能为重要代表的技术融合上，
重复的知识生产工作将被代替，未来人才需要更加突出人类自身的独特之处。
如何调整教育体系以培养未来人类指导机器提炼出高质量的知识、产生人类独有的知识或成为最大挑战。
更进一步，
人之为人的社会情感、创造力、批判性思维、问题解决能力将更加重要。
联合国教科文组织“教育的未来”国际委员会于2021年发布的《一起重新构想我们的未来》中指出，未来教育不仅要让学生具备与他人合作的能力，发展自身的能动性、责任感、同理心、批判性和创造性思维，还要掌握全方位的社交和情感技能。这些“人之为人”的独特性将成为未来的人才需求之一，指引未来的培养目标，成为未来教育体系的工作重点。
以ChatGPT为代表的生成式人工智能技术为教育提供工具价值，在更深层次上能够融合大数据技术、物联网技术等重塑教育体系。
不过重塑教育体系并不是最终目的，其终极价值是回归到人的发展，助力回归教育的本质。
生成式人工智能这类技术手段作用于教育，使教育发生了革命性的变革，但是教育的本质不会改变。
生成式人工智能的终极教育价值是助力回归教育的本质——
以学生的健康成长为中心，让学生通过个性化自适应学习，在快乐的学习过程中充分发掘自己的潜能，实现全面发展与个性化发展。
在传统的课堂教学中，“学生为了考试而学习、而不是为了发展而学习”，教师也很难照顾到所有学生的个性化需求。生成式人工智能和其他技术的加入，能够根据学生的个性化问题进行答疑解惑，并将教师从重复的教学工作解放出来，更多地投入到学生的德育工作中以保证其全面发展。
1、工具层：加强产品技术研发，匹配师生实际需求
作为工具，生成式人工智能面临的最大困难是对于教育场景和当前教师队伍的适用性不足。当然，这也意味着我国生成式人工智能教育应用仍大有可为，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：
① 根植于实际教学需求设计开发生成式人工智能教育产品，测试实际教学效果。
Khanmigo、星火语伴、MathGPT等专为教育领域不同方向研发的生成式人工智能教育产品正在不断涌现，但这些产品是否满足实际的教学需求、真实的教学效果又如何，仍需科学规范的测试验证。此外，针对以ChatGPT为代表的通用模型容易存在拼凑错误答案、学科知识联系弱等问题，良好的教育应用产品及教学效果的实现仍需要高水平的教育知识数据库，相关模型和产品必须确保所讲授的学科知识、常识、意识形态的正确性，并且注重学科知识的联系。
② 建立生成式人工智能教育产品的评价标准。
在产品进入课堂之前需要严格把关，不仅要关注产品本身的成本、质量、响应速度，还要测试产品与教育场景的匹配性，以及对于学生、教师、管理者而言的易用性和有用性……因而一套生成式人工智能教育产品的评价标准亟待提出，以筛选出真正优质的生成式人工教育产品。
③ 提出各类生成式人工智能参与的教学模式。
生成式人工智能若要在教育中发挥最大潜力，只有产品是远远不够的，仍需要通过适用的教学模式匹配教学场景。以知识点为核心的教学模式更注重知识的作用，具有较强的通用性。但不同学科具有不同的特点，仍需要各类教学模式的提出和有效性验证，如在学习注重推理的学科时，生成式人工智能参与的教学模式可更加侧重于提供推理脚手架。
④ 培训教师使用生成式人工智能教育产品。
在当前阶段，教师不仅需要承担教书育人的双重职责，还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，确定协助模式，并严格监管生成式人工智能的应用。因而，在设计开发高质量教育产品的基础上，有必要对教师开展关于产品使用方式、注意事项等方面的培训工作，以充分发挥教师的主观能动性，真正促进生成式人工智能与教育的融合。
2、融合层：打通技术融合壁垒，重构周围组织结构
生成式人工智能技术与其他技术的融合，正在不断地重塑教育体系。这种融合不仅需要技术层面的合作与创新，也对教育组织的结构提出了新的要求。
一方面，必须加强教育体系内部技术的整合和协调，确保生成式人工智能与现有的教育技术如虚拟现实/增强现实、自然语言处理、机器学习、数据挖掘和知识图谱等能够无缝衔接
。
例如，生成式人工智能可以与虚拟现实和增强现实技术联动：学生在虚拟环境中沉浸式地进行学习，如参与虚拟实验或角色扮演，从而获得更丰富、生动的学习体验；虚实结合环境中的生成式人工智能可以扮演任意角色或整合在线课程、教材、学术研究等各类学习资源，为学生提供多样化的学习资源和场景，突出虚拟现实/增强现实的沉浸性和交互性。为此，教育机构可以建立一个多学科的技术整合团队，技术专家、教育学家、心理学家和课程设计师共同工作，以确保技术解决方案既满足教学需求，又符合学生的心理和认知特点。此外，还可以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。
另一方面，周围组织结构的重构是实现技术融合价值的关键。
类似于幻灯片和投影仪走进中小学课堂的过程，从软硬件到观念再到组织结构，生成式人工智能技术融合价值的实现同样需要逐层打通。只有通过教师对技术的使用意愿、家长对技术的接受程度以及学校对技术的支撑能力和评价制度的高度协调，技术融合课堂才能常态化开展。
具体而言，可以从转变利益相关者的理念入手，宣传推广技术融合的优秀案例，让教师、家长与教学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；在观念转变的基础上，利用技术改造教师活动、学习方式与管理制度。例如，在将生成式人工智能技术和虚拟现实相结合，打造虚拟教师、学生实行个性化适应学习时，教师可以将更多的工作重心放在育人之上；协作学习、项目式学习能够较好地锻炼学生的沟通能力、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，成为技术融入教育场景的良好选择；除了利用生成式人工智能完成重复的通知工作之外，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，确保技术融合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
生成式人工智能技术的进步为个性化自适应系统智能性的提升带来了契机，有益于开展因材施教。因材施教意味着需要深入了解每位学生的需求、兴趣和学习风格，以便为其提供最佳的个性化学习体验。自1956年达特茅斯会议正式提出人工智能的概念以来，人工智能技术几乎同步作用于教育领域，致力于实现个性化学习，大致可以分为三个阶段：
20世纪50年代兴起的计算机辅助教学、20世纪70年代兴起的智能教学系统（也常称为智能导师系统）以及20世纪90年代以来兴起的个性化自适应学习系统——
使人工智能技术联动学习分析、大数据技术诊断学生的学习状态，为学生提供个性化干预。承接人工智能教育应用的发展脉络，
生成式人工智能需要进一步提升智能性，搭建个性化自适应学习系统，让学生将更多时间投入到自己感兴趣的领域，助力快乐学习。
个性化自适应学习的实现同样需要学习的基础机制研究作为保障。
学习基础机制研究直接指向教育领域的核心问题——人是如何学习的？如何进行有效的学习？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，从而最大程度地提升学习效果。这种基础机制研究有助于开发更有效的生成式人工智能工具、开展更有效的技术融合，使生成式人工智能在教育领域中跳出“非显著性差异”的困境，助力学生自由全面地发展，让学生享受学习的快乐。
