教育大模型的發(fā)展現(xiàn)狀、創(chuàng)新架構(gòu)及應(yīng)用展望

曹培杰 謝陽(yáng)斌 武卉紫 楊媛媛 沈苑 左曉梅 黃寶忠

摘要：從通用大模型到教育大模型，是人工智能大模型技術(shù)深化發(fā)展的重要趨勢(shì)。基于對(duì)教育大模型發(fā)展現(xiàn)狀、典型案例、潛在挑戰(zhàn)的分析，文章認(rèn)為教育大模型是適用于教育場(chǎng)景、具有超大規(guī)模參數(shù)、融合通用知識(shí)和專業(yè)知識(shí)訓(xùn)練形成的人工智能模型，是大模型技術(shù)、知識(shí)庫(kù)技術(shù)及各類智能教育技術(shù)的集成，能夠推動(dòng)人類學(xué)習(xí)和機(jī)器學(xué)習(xí)的雙向建構(gòu)，進(jìn)而提出了應(yīng)用驅(qū)動(dòng)、共建共享的創(chuàng)新架構(gòu)和“以學(xué)習(xí)者為中心”的未來(lái)應(yīng)用場(chǎng)景，旨在建立人工智能大模型與各類數(shù)字化教育應(yīng)用的開(kāi)放接口，持續(xù)訓(xùn)練和完善能夠更好地解決教育專業(yè)問(wèn)題的教育場(chǎng)景模型，形成讓廣大師生常態(tài)化使用的智能教育開(kāi)放模型集群和知識(shí)庫(kù)，在提煉和萃取深度教育知識(shí)的同時(shí)，破解人工智能教育應(yīng)用中的風(fēng)險(xiǎn)和挑戰(zhàn)。

關(guān)鍵詞：教育大模型；生成式人工智能；智能教育；教育大數(shù)據(jù)

【中圖分類號(hào)】G40-057 【文獻(xiàn)標(biāo)識(shí)碼】A 【論文編號(hào)】1009—8097（2024）02—0005—08 【DOI】10.3969/j.issn.1009-8097.2024.02.001

當(dāng)前，以ChatGPT、Gemini、文心一言、訊飛星火為代表的人工智能大模型技術(shù)迅猛發(fā)展，在全球引起了廣泛關(guān)注。憑借強(qiáng)大的自然語(yǔ)言處理能力，大模型能夠完成問(wèn)題解答、內(nèi)容創(chuàng)作、代碼生成等復(fù)雜任務(wù)，呈現(xiàn)出解放社會(huì)生產(chǎn)力的巨大潛能，可能對(duì)人類的信息獲取方式、知識(shí)結(jié)構(gòu)、教育模式等產(chǎn)生深刻影響。但是，這些通用大模型并不擅長(zhǎng)解決專業(yè)性的教育問(wèn)題，從通用大模型到教育領(lǐng)域的專用大模型，是人工智能大模型技術(shù)深化發(fā)展的必然趨勢(shì)。教育大模型不是在通用大模型基礎(chǔ)上的微調(diào)和優(yōu)化，而是以重構(gòu)未來(lái)教育圖景為目標(biāo)、以開(kāi)放算法模型架構(gòu)為基礎(chǔ)、以創(chuàng)新教育應(yīng)用場(chǎng)景為核心的系統(tǒng)性變革。如何厘清教育大模型的理念內(nèi)涵，并立足技術(shù)本質(zhì)設(shè)計(jì)系統(tǒng)架構(gòu)，以進(jìn)一步打造教育應(yīng)用新場(chǎng)景，成為關(guān)乎教育數(shù)字化轉(zhuǎn)型和智能化升級(jí)的時(shí)代課題。

一 教育大模型的發(fā)展現(xiàn)狀

1 相關(guān)核心概念的界定及辨析

大模型作為新興研究領(lǐng)域，在學(xué)界產(chǎn)生了很多相關(guān)概念，如AIGC、生成式人工智能、大模型等。厘清這些概念的內(nèi)涵，對(duì)深化教育大模型認(rèn)識(shí)、構(gòu)建高質(zhì)量的教育大模型具有重要意義。

①AIGC（Artificial Intelligence Generated Content）可直譯為“人工智能生成內(nèi)容”，它是相對(duì)于專業(yè)生成內(nèi)容（Professionally Generated Content，PGC）、用戶生成內(nèi)容（User Generated Content，UGC）而提出的概念。AIGC是基于監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、預(yù)訓(xùn)練模型、自然語(yǔ)言處理等智能技術(shù)，通過(guò)已有數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，自動(dòng)生成各種形式的內(nèi)容，如文本、圖片、音視頻、3D交互內(nèi)容等[1]。

②生成式人工智能（Generative Artificial Intelligence）是一種根據(jù)自然語(yǔ)言對(duì)話提示詞（Prompt）自動(dòng)生成響應(yīng)內(nèi)容的人工智能技術(shù)[2]。生成式人工智能的技術(shù)實(shí)現(xiàn)過(guò)程通常由兩個(gè)步驟組成：首先根據(jù)已有的數(shù)據(jù)進(jìn)行訓(xùn)練或?qū)W習(xí)（預(yù)訓(xùn)練）；之后當(dāng)輸入新的指示或命令時(shí)，根據(jù)學(xué)習(xí)到的意圖自動(dòng)生成新的內(nèi)容。

③大模型（Large Models）是指具有數(shù)十億到數(shù)百億甚至更多可訓(xùn)練參數(shù)的人工智能模型，它是深度學(xué)習(xí)、GPU硬件、大規(guī)模數(shù)據(jù)集等多種智能技術(shù)共同發(fā)展的產(chǎn)物。大模型所展現(xiàn)的強(qiáng)大能力實(shí)質(zhì)上是人工智能算法中“量變引起質(zhì)變”的結(jié)果，這一過(guò)程被形象地稱為“智能涌現(xiàn)能力”，即從原始訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)并發(fā)現(xiàn)新的、更高層次的特征和模式的能力[3]。這些能力突出表現(xiàn)為強(qiáng)大而通用的用戶意圖理解能力、上下文連續(xù)對(duì)話能力、智能交互修正能力、新內(nèi)容生成能力等。

總之，AIGC、生成式人工智能、大模型等概念緊密相關(guān)，都強(qiáng)調(diào)新一代人工智能技術(shù)從被動(dòng)設(shè)計(jì)走向主動(dòng)生產(chǎn)的躍遷，代表著新一輪科技革命的演進(jìn)趨勢(shì)。但是，三者在技術(shù)特征上各有側(cè)重，AIGC更強(qiáng)調(diào)生成內(nèi)容的類型多元，生成式人工智能更強(qiáng)調(diào)自主生成性和創(chuàng)造性，大模型更強(qiáng)調(diào)算法模型的參數(shù)特征。

在此基礎(chǔ)上，本研究認(rèn)為教育大模型是適用于教育場(chǎng)景、具有超大規(guī)模參數(shù)、融合通用知識(shí)和專業(yè)知識(shí)訓(xùn)練形成的人工智能模型，是大模型技術(shù)、知識(shí)庫(kù)技術(shù)及各類智能教育技術(shù)的集成，能推動(dòng)人類學(xué)習(xí)和機(jī)器學(xué)習(xí)的雙向建構(gòu)。它不僅包含人類文明傳承所需的教育知識(shí)，還提煉了過(guò)去只存在于教師頭腦中的教育經(jīng)驗(yàn)和教育方法，能在人機(jī)對(duì)話交互中引導(dǎo)學(xué)習(xí)者深入思考，為學(xué)習(xí)者的自主探索提供指導(dǎo)和支持，并在此過(guò)程中不斷更新升級(jí)，達(dá)到更高的專業(yè)水平。

2 教育大模型的研究動(dòng)態(tài)

教育大模型具有巨大的變革潛力，不僅引發(fā)了人們對(duì)教育教學(xué)的新認(rèn)識(shí)和新思考，也深刻改變著教育理念、教育內(nèi)容、教育模式等，甚至?xí)l(fā)學(xué)校教育形態(tài)的重塑[4]。有學(xué)者認(rèn)為，生成式人工智能通過(guò)人機(jī)共教、普惠智能、互動(dòng)評(píng)價(jià)，可促進(jìn)教育高質(zhì)量發(fā)展[5]，催生“更加開(kāi)放包容、交叉學(xué)科融合”的教育教學(xué)理念，形成“以人為主、教育為輔”的多元化AI教學(xué)系統(tǒng)[6]；也有學(xué)者認(rèn)為，教育大模型將重構(gòu)學(xué)校教育結(jié)構(gòu)，使標(biāo)準(zhǔn)化的評(píng)價(jià)手段逐步轉(zhuǎn)向個(gè)性化的評(píng)價(jià)標(biāo)準(zhǔn)，形成終身制的“學(xué)分銀行”[7]。

同時(shí)，教育大模型也可能帶來(lái)知識(shí)產(chǎn)權(quán)糾紛、數(shù)據(jù)使用偏見(jiàn)、算法濫用等潛在風(fēng)險(xiǎn)，生成內(nèi)容的質(zhì)量和安全性仍需提升，普遍存在缺乏連貫性和邏輯性的問(wèn)題，因此并非所有教育場(chǎng)景都適合使用大模型[8]。有學(xué)者指出，教育大模型可能會(huì)引發(fā)人機(jī)關(guān)系的失衡，帶來(lái)技術(shù)依賴、數(shù)據(jù)安全等科技倫理風(fēng)險(xiǎn)[9][10]。

總之，人工智能的快速發(fā)展為教育帶來(lái)了重要機(jī)遇，也存在著一系列未知風(fēng)險(xiǎn)。如何讓教育大模型有效支撐教育改革創(chuàng)新，發(fā)展有溫度的智能教育，已成為全球教育面臨的共同挑戰(zhàn)。

3 教育大模型的應(yīng)用現(xiàn)狀

目前，全球各國(guó)高度重視教育大模型的應(yīng)用探索。美國(guó)發(fā)布《人工智能與未來(lái)教學(xué)：洞見(jiàn)與建議》，總結(jié)了人工智能在教學(xué)、學(xué)習(xí)、評(píng)估、研究方面的機(jī)遇和風(fēng)險(xiǎn)，并提出了新一代人工智能應(yīng)用于教與學(xué)的七條行動(dòng)建議[11]。英國(guó)發(fā)布《生成式人工智能在教育中的應(yīng)用》，提出教育部門(mén)應(yīng)充分利用各種新技術(shù)，為學(xué)習(xí)者提供優(yōu)質(zhì)的教育，使其具備適應(yīng)社會(huì)發(fā)展的各項(xiàng)能力[12]。同時(shí)，學(xué)校方面也嘗試開(kāi)展了相應(yīng)實(shí)踐探索。2023年9月，中國(guó)香港針對(duì)初中生開(kāi)發(fā)了人工智能課程，要求公立學(xué)校開(kāi)設(shè)10～14小時(shí)的人工智能課程，包括ChatGPT、人工智能倫理和人工智能的社會(huì)影響等主題。2023年10月，日本文部科學(xué)省宣布將53所中小學(xué)作為生成式人工智能試點(diǎn)學(xué)校，通過(guò)使用新技術(shù)來(lái)提高教育活動(dòng)和校務(wù)管理的效率[13]。澳大利亞宣布，從2024年起，包括ChatGPT在內(nèi)的人工智能將被允許在所有學(xué)校使用[14]。這些實(shí)踐探索彰顯了新一代人工智能技術(shù)在教育中的重要作用，凸顯了教育的數(shù)字化轉(zhuǎn)型、智能化升級(jí)趨勢(shì)不可阻擋。

4 教育大模型的典型案例分析

在全球范圍內(nèi)，教育大模型正進(jìn)行著廣泛深入的探索發(fā)展，已經(jīng)在口語(yǔ)練習(xí)、數(shù)學(xué)學(xué)習(xí)、情感分析和個(gè)性化推薦等領(lǐng)域形成了解決方案。本研究梳理了五種典型的教育大模型應(yīng)用案例（如表1所示），對(duì)其應(yīng)用場(chǎng)景、技術(shù)進(jìn)展和現(xiàn)有不足等進(jìn)行了分析。

從應(yīng)用場(chǎng)景來(lái)看，星火語(yǔ)伴主要用于語(yǔ)言學(xué)習(xí)，支持多語(yǔ)言文本、語(yǔ)音和圖片的實(shí)時(shí)翻譯，并能糾正語(yǔ)法錯(cuò)誤、提供口語(yǔ)陪練等。EmoGPT用于提供心理疏導(dǎo)，能識(shí)別和響應(yīng)用戶情緒，提供持續(xù)的心理支持。MathGPT面向全球數(shù)學(xué)愛(ài)好者和科研機(jī)構(gòu)，提供解題和講題算法，支持用戶進(jìn)行數(shù)學(xué)解題和練習(xí)。智海-三樂(lè)用于AI知識(shí)學(xué)習(xí)，提供搜索引擎、計(jì)算引擎和本地知識(shí)庫(kù)等功能，支持智能問(wèn)答和試題生成。Khanmigo通過(guò)對(duì)話式AI聊天機(jī)器人為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)方案，涵蓋數(shù)學(xué)、科學(xué)等多學(xué)科。

從技術(shù)進(jìn)展來(lái)看，教育大模型在模型性能、應(yīng)用場(chǎng)景、技術(shù)特點(diǎn)方面展現(xiàn)出明顯的優(yōu)勢(shì)，其涵蓋了大部分學(xué)科內(nèi)容，主要聚焦于自主學(xué)習(xí)場(chǎng)景，包括知識(shí)問(wèn)答、語(yǔ)言學(xué)習(xí)、學(xué)習(xí)引導(dǎo)和教學(xué)輔助等。在技術(shù)路線方面，“通用+微調(diào)”的路徑已證明其有效性，許多技術(shù)方案以通用大模型為基礎(chǔ)，通過(guò)指令微調(diào)方式實(shí)現(xiàn)針對(duì)特定學(xué)科知識(shí)的有效回答。

從現(xiàn)有不足來(lái)看，現(xiàn)有教育大模型在準(zhǔn)確性、教學(xué)內(nèi)容多樣性、支持核心教育場(chǎng)景、包容學(xué)習(xí)者多樣性方面受到限制，存在錯(cuò)誤率較高、缺乏共情理解能力等問(wèn)題；主要側(cè)重于學(xué)科知識(shí)教學(xué)和應(yīng)試教育情境，在跨學(xué)科學(xué)習(xí)、學(xué)習(xí)者綜合能力與高階思維培養(yǎng)等方面仍有不足；主要聚焦于支持自主學(xué)習(xí)，對(duì)于如何在真實(shí)課堂、同伴協(xié)作、混合教學(xué)等場(chǎng)景下充分發(fā)揮大模型的作用尚未進(jìn)行有效探索。

總之，大模型在教育領(lǐng)域的應(yīng)用取得了明顯進(jìn)展，但仍面臨著現(xiàn)實(shí)問(wèn)題，需要進(jìn)一步提升訓(xùn)練數(shù)據(jù)的質(zhì)量和規(guī)模，尤其是將先進(jìn)教育理念、教育深度知識(shí)和教育核心場(chǎng)景的真實(shí)需求深度嵌入技術(shù)設(shè)計(jì)，結(jié)合用戶反饋進(jìn)行多輪迭代，形成更智能、更靈活的教育大模型。

二 教育大模型面臨的主要挑戰(zhàn)

人工智能技術(shù)的不斷更新升級(jí)，推動(dòng)大模型的規(guī)模化應(yīng)用。部署建立垂直領(lǐng)域大模型，已經(jīng)在智能客服、數(shù)字助理、多模態(tài)檢索等場(chǎng)景大顯身手，未來(lái)還將深度融入經(jīng)濟(jì)社會(huì)發(fā)展的各領(lǐng)域、各環(huán)節(jié)，賦能千行百業(yè)智能升級(jí)，助力社會(huì)生產(chǎn)力躍升。但是，相較于其他領(lǐng)域，在教育中實(shí)現(xiàn)真正的自動(dòng)化和智能化往往面臨著更高的要求，因?yàn)榇蟛糠纸逃蝿?wù)是“非程式化”的，可自動(dòng)化難度更高[15]，在能力、價(jià)值、數(shù)據(jù)、算法等方面還面臨一系列嚴(yán)峻挑戰(zhàn)。

在能力層面，教育大模型具有強(qiáng)大的內(nèi)容生成和創(chuàng)造能力，能夠直接提供問(wèn)題的答案，一旦過(guò)于依賴大模型，將會(huì)導(dǎo)致師生思維惰化，弱化其問(wèn)題解決能力，進(jìn)一步加劇知識(shí)獲取的被動(dòng)化、淺層化、碎片化。長(zhǎng)此以往，將會(huì)造成人類思維能力的退化。實(shí)際上，教育大模型只是對(duì)人類認(rèn)知能力的模擬，并不具備真正的智慧，并不具備“解未知”“創(chuàng)新知”的能力，引導(dǎo)師生具備駕馭教育大模型的能力和素養(yǎng)至關(guān)重要。在價(jià)值層面，教育大模型帶來(lái)的價(jià)值偏差，可能會(huì)導(dǎo)致出現(xiàn)“幻覺(jué)”現(xiàn)象，生成一些錯(cuò)誤或者不存在的內(nèi)容。如果訓(xùn)練用數(shù)據(jù)帶有某種價(jià)值觀，那么該與價(jià)值觀相符的語(yǔ)料便會(huì)被重復(fù)，從而被轉(zhuǎn)換器識(shí)別為關(guān)鍵文本并作為標(biāo)準(zhǔn)答案輸出。一些基于歐美語(yǔ)料庫(kù)的大模型會(huì)借助文本、圖像、視頻等內(nèi)容產(chǎn)品的掩蓋，以難以察覺(jué)且難以抵制的方式集中投射“價(jià)值觀和文化標(biāo)準(zhǔn)答案”，潛移默化地對(duì)青少年進(jìn)行價(jià)值觀滲透，并導(dǎo)致弱勢(shì)群體“數(shù)字殖民”的升級(jí)[16]。因此，必須加強(qiáng)教育目標(biāo)和價(jià)值引導(dǎo)，注重“價(jià)值觀對(duì)齊”，并建立相應(yīng)的風(fēng)險(xiǎn)防范和干預(yù)機(jī)制。在數(shù)據(jù)層面，教育大模型需要海量的訓(xùn)練數(shù)據(jù)，這進(jìn)一步擴(kuò)大了數(shù)據(jù)安全和隱私保護(hù)風(fēng)險(xiǎn)，師生隱私問(wèn)題將會(huì)成為一個(gè)前所未有的重要挑戰(zhàn)。我們既要強(qiáng)化教育數(shù)據(jù)安全保障，在不改變大模型生成內(nèi)容質(zhì)量的情況下對(duì)原始數(shù)據(jù)進(jìn)行加密和解密，防止師生隱私數(shù)據(jù)泄露，同時(shí)也要建立教育數(shù)據(jù)共建共享的有效機(jī)制，擴(kuò)展高質(zhì)量的公共訓(xùn)練數(shù)據(jù)資源，推動(dòng)教育大模型的健康可持續(xù)發(fā)展。在算法層面，以深度學(xué)習(xí)為技術(shù)基礎(chǔ)的教育大模型通常被視為“黑箱”，難以解釋其決策過(guò)程，可能會(huì)出現(xiàn)難以理解和接受的教育行為，甚至?xí)?dòng)搖學(xué)習(xí)者的主體地位。從某種角度來(lái)說(shuō)，個(gè)性化學(xué)習(xí)算法似乎提高了信息推送的精準(zhǔn)度，但也可能使學(xué)習(xí)者陷入“信息繭房”，只能看到與自己已有觀點(diǎn)相符的信息內(nèi)容，導(dǎo)致其視野越來(lái)越狹隘，并進(jìn)一步影響學(xué)習(xí)者的全面發(fā)展。

目前，教育大模型正處在研發(fā)應(yīng)用的關(guān)鍵時(shí)期，需進(jìn)一步提升訓(xùn)練數(shù)據(jù)的質(zhì)量和規(guī)模，尤其是將先進(jìn)教育理念、教育深度知識(shí)和教育核心場(chǎng)景的真實(shí)需求深度嵌入算法模型的底層架構(gòu)，并結(jié)合學(xué)習(xí)者需求進(jìn)行更新迭代，從而實(shí)現(xiàn)教育大模型的實(shí)踐落地。

三 教育大模型的創(chuàng)新架構(gòu)

當(dāng)前，教育大模型研發(fā)主要采取兩種技術(shù)路線：一是直接調(diào)用通用大模型，通過(guò)微調(diào)或提示學(xué)習(xí)的方式使之具備一定的專業(yè)能力；二是利用教育領(lǐng)域?qū)I(yè)數(shù)據(jù)，專門(mén)訓(xùn)練用于解決教育任務(wù)的大模型。然而，雖然這兩種技術(shù)路線都取得了一定的進(jìn)展，但實(shí)現(xiàn)效果仍有待提升。其問(wèn)題在于：由于缺乏足夠的專業(yè)數(shù)據(jù)訓(xùn)練，加上教育領(lǐng)域的深度知識(shí)不夠，導(dǎo)致當(dāng)前大模型的智能性不強(qiáng)，難以靈活處理復(fù)雜多變的教育任務(wù)。而如何研發(fā)教育大模型，破解之道在于將兩條技術(shù)路線整合起來(lái)。這并非簡(jiǎn)單相加，而是利用應(yīng)用驅(qū)動(dòng)、共建共享的方式，通過(guò)開(kāi)放數(shù)據(jù)接口源源不斷地獲得來(lái)自常態(tài)化教育應(yīng)用中的數(shù)據(jù)，實(shí)現(xiàn)“大模型”和“小模型”、“大數(shù)據(jù)”和“小數(shù)據(jù)”的有機(jī)結(jié)合，滿足師生日常教學(xué)的實(shí)際需求，打破“數(shù)據(jù)孤島”[17]；同時(shí)，以專家知識(shí)庫(kù)作為大模型的補(bǔ)充[18]，將教育知識(shí)和教學(xué)法有意識(shí)地“教”給大模型，并整合應(yīng)用各類智能教育技術(shù)，形成具有靈活處理各類復(fù)雜教育任務(wù)的專用大模型。

1 底層邏輯

教育大模型的核心競(jìng)爭(zhēng)力既不是技術(shù)，也不是數(shù)據(jù)，而是對(duì)教育的深度理解。要把“學(xué)習(xí)者中心”的理念作為研發(fā)教育大模型的底層邏輯，融入算法模型的架構(gòu)設(shè)計(jì)和原型開(kāi)發(fā)的全過(guò)程。“學(xué)習(xí)者中心”就是以學(xué)習(xí)者主動(dòng)性、創(chuàng)造性發(fā)展為目的，圍繞學(xué)習(xí)者需求、興趣和能力配置教育資源，設(shè)計(jì)學(xué)習(xí)活動(dòng)，規(guī)劃成長(zhǎng)路徑，實(shí)現(xiàn)大規(guī)模因材施教。在這種理念的指導(dǎo)下，教育大模型不再是冷冰冰的機(jī)器或工具，而是促進(jìn)學(xué)、優(yōu)化學(xué)、激發(fā)學(xué)的重要助手和協(xié)同主體，幫助學(xué)習(xí)者從被動(dòng)的知識(shí)接受者變?yōu)橹鲃?dòng)的求知者、探究者和合作者。但是，這種“學(xué)習(xí)者中心”不是“精準(zhǔn)刷題”，更不能陷入“高效應(yīng)試”的窠臼，而是要秉持“每個(gè)學(xué)習(xí)者都是全面發(fā)展的人、綜合立體的人”的理念，利用教育大模型了解學(xué)習(xí)者的成長(zhǎng)狀態(tài)，以提供個(gè)性化、適應(yīng)性、有溫度的學(xué)習(xí)支持和教學(xué)指導(dǎo)服務(wù)，促進(jìn)學(xué)習(xí)者全面而個(gè)性的發(fā)展。

2 開(kāi)放創(chuàng)新架構(gòu)

教育大模型是以通用大模型為基礎(chǔ)，通過(guò)連接各類教育數(shù)字化應(yīng)用，持續(xù)訓(xùn)練教育場(chǎng)景模型，不斷提高解決教育專業(yè)任務(wù)的能力。教育大模型的開(kāi)放創(chuàng)新架構(gòu)分為三層，分別是基礎(chǔ)能力層（L0）、專業(yè)能力層（L1）、應(yīng)用服務(wù)層（L2），具體如圖1所示。

L0：基礎(chǔ)能力層。該層包括大語(yǔ)言模型、視頻分析模型、學(xué)科大模型、情感計(jì)算大模型等。其中，大語(yǔ)言模型負(fù)責(zé)處理文本數(shù)據(jù)；視頻分析模型負(fù)責(zé)處理視頻數(shù)據(jù)，如課堂錄像等；學(xué)科大模型負(fù)責(zé)處理學(xué)科專業(yè)任務(wù)；情感計(jì)算大模型負(fù)責(zé)處理身心相關(guān)指標(biāo)，涉及心理健康、學(xué)習(xí)過(guò)程情緒監(jiān)測(cè)、人際交互情感分析等任務(wù)。在任務(wù)完成過(guò)程中，多個(gè)大模型協(xié)同工作、互相支持，任務(wù)中心對(duì)不同模型輸出的結(jié)果進(jìn)行整合處理。

L1：專業(yè)能力層。該層包括兩部分：①教育場(chǎng)景模型庫(kù)。教育場(chǎng)景模型庫(kù)主要包括學(xué)習(xí)行為分析模型、課堂互動(dòng)分析模型、能力評(píng)估模型、學(xué)業(yè)預(yù)測(cè)模型、情感計(jì)算模型、決策輔助模型等，該庫(kù)預(yù)先配置一部分常用模型，在應(yīng)用過(guò)程中持續(xù)優(yōu)化、擴(kuò)充。②專家知識(shí)庫(kù)。專家知識(shí)庫(kù)包含兩類知識(shí)，一類是學(xué)科內(nèi)容知識(shí)，另一類是學(xué)科教學(xué)知識(shí)。兩類知識(shí)整合后，以多維動(dòng)態(tài)知識(shí)圖譜的形式進(jìn)行存儲(chǔ)和呈現(xiàn)。隨著教學(xué)過(guò)程不斷發(fā)展，廣大師生既是知識(shí)圖譜的使用者，又是共同編輯者、創(chuàng)作者，最終形成學(xué)習(xí)者個(gè)人知識(shí)圖譜以及班級(jí)、學(xué)校、區(qū)域等不同層次的共享知識(shí)圖譜。

L2：應(yīng)用服務(wù)層。教育大模型最重要的創(chuàng)新理念就是“應(yīng)用驅(qū)動(dòng)”，即將各類教育數(shù)字化應(yīng)用接入大模型，在大模型為應(yīng)用賦能的同時(shí)，將應(yīng)用數(shù)據(jù)源源不斷地傳入大模型，持續(xù)提高大模型的教育專業(yè)能力。這些應(yīng)用涵蓋教、學(xué)、評(píng)、管等各類教育場(chǎng)景，通過(guò)開(kāi)放數(shù)據(jù)接口，形成統(tǒng)一標(biāo)準(zhǔn)的高質(zhì)量訓(xùn)練數(shù)據(jù)。同時(shí)，師生用戶可通過(guò)統(tǒng)一使用門(mén)戶發(fā)出任務(wù)指令，大模型根據(jù)任務(wù)性質(zhì)，自動(dòng)調(diào)用相應(yīng)的功能模塊，形成一種以學(xué)習(xí)者為中心的應(yīng)用模式，達(dá)到即便沒(méi)有任何人工智能知識(shí)仍然可以無(wú)障礙地使用大模型的效果。

3 建設(shè)部署思路

教育大模型并非單一、封閉的模型，而是一個(gè)開(kāi)發(fā)者和用戶共同參與、持續(xù)完善的過(guò)程，由專業(yè)團(tuán)隊(duì)研發(fā)模型基礎(chǔ)架構(gòu)與核心部件，各類用戶在應(yīng)用過(guò)程中共同參與完善優(yōu)化。廣大師生和各類教育數(shù)字化應(yīng)用開(kāi)發(fā)者都是教育大模型的使用者，也是教育大模型的貢獻(xiàn)者、建設(shè)者，由此形成共建共享的智能教育創(chuàng)新生態(tài)，其會(huì)經(jīng)歷基礎(chǔ)建設(shè)和應(yīng)用完善兩個(gè)重要階段：①在基礎(chǔ)建設(shè)階段，依據(jù)“數(shù)據(jù)+知識(shí)”雙輪驅(qū)動(dòng)的人工智能技術(shù)路線，集成多種教育人工智能技術(shù)，建立模型體系、應(yīng)用體系、數(shù)據(jù)體系，形成模型持續(xù)訓(xùn)練機(jī)制。從技術(shù)實(shí)現(xiàn)的角度來(lái)說(shuō)，該階段包括大規(guī)模多元教育數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征工程、模型設(shè)計(jì)、模型預(yù)訓(xùn)練、微調(diào)與遷移學(xué)習(xí)、模型評(píng)估與調(diào)優(yōu)七個(gè)步驟。②在應(yīng)用完善階段，教育大模型不斷進(jìn)行算法和模型創(chuàng)新、數(shù)據(jù)應(yīng)用創(chuàng)新、應(yīng)用開(kāi)發(fā)創(chuàng)新。

四 教育大模型的應(yīng)用展望

教育大模型將從學(xué)習(xí)空間、學(xué)習(xí)資源、教師角色三個(gè)方面推動(dòng)教育數(shù)字化轉(zhuǎn)型和智能化升級(jí)，形成人機(jī)協(xié)同共生的教育新生態(tài)。

1 學(xué)習(xí)空間互動(dòng)生成

在教育大模型支持下，學(xué)習(xí)者通過(guò)人機(jī)互動(dòng)獲得學(xué)習(xí)支持、創(chuàng)生學(xué)習(xí)成果，建構(gòu)個(gè)人學(xué)習(xí)空間和集體學(xué)習(xí)空間，形成物理空間與網(wǎng)絡(luò)空間相互融通的學(xué)習(xí)場(chǎng)景，讓所有學(xué)習(xí)者都可以在任何地方、任何時(shí)刻獲取所需的任何信息[19]。一方面，學(xué)習(xí)者利用知識(shí)圖譜、數(shù)字教材等工具，整理創(chuàng)作學(xué)習(xí)成果集、建立個(gè)人和團(tuán)隊(duì)知識(shí)庫(kù)、協(xié)作編寫(xiě)“數(shù)字學(xué)案”，形成基于學(xué)習(xí)資源常態(tài)化共建共享的學(xué)習(xí)共同體，并在此過(guò)程中發(fā)展出學(xué)習(xí)資源的用戶評(píng)價(jià)和標(biāo)識(shí)機(jī)制，由知識(shí)消費(fèi)式學(xué)習(xí)轉(zhuǎn)變?yōu)橹R(shí)創(chuàng)生性學(xué)習(xí)。另一方面，學(xué)習(xí)者的學(xué)習(xí)經(jīng)驗(yàn)被智能算法從學(xué)習(xí)行為數(shù)據(jù)中提煉出來(lái)，總結(jié)成為新的學(xué)習(xí)法，不斷優(yōu)化完善教育教學(xué)策略模型和知識(shí)庫(kù)，實(shí)現(xiàn)人類學(xué)習(xí)和機(jī)器學(xué)習(xí)的雙向賦能。

2 學(xué)習(xí)資源按需供給

借助教育大模型的學(xué)習(xí)分析能力，縮小教育資源需求側(cè)與供給側(cè)的鴻溝，為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)資源，破解優(yōu)質(zhì)教育資源供給與學(xué)習(xí)需求匹配的問(wèn)題。一方面，建立資源應(yīng)用過(guò)程中的學(xué)習(xí)需求分類體系。在已知的資源分類基礎(chǔ)上，由學(xué)習(xí)者對(duì)資源類型進(jìn)行標(biāo)識(shí)，不斷擴(kuò)展豐富資源分類框架，讓資源標(biāo)識(shí)更加接近真實(shí)的學(xué)習(xí)需求。從技術(shù)角度來(lái)看，這個(gè)過(guò)程其實(shí)是教育大模型與人類價(jià)值取向的“對(duì)齊”，使大模型遵從人類的價(jià)值、偏好和倫理原則，確保為學(xué)習(xí)者提供海量、適切的學(xué)習(xí)資源支持。另一方面，建立以用戶為中心的教育資源評(píng)價(jià)機(jī)制，根據(jù)師生應(yīng)用反饋，促進(jìn)教育資源的優(yōu)勝劣汰，激發(fā)廣大師生應(yīng)用資源的積極性，并從中發(fā)現(xiàn)、培養(yǎng)一批優(yōu)質(zhì)教育資源建設(shè)者，推動(dòng)“教育專用資源”邁向“教育大資源”。

3 教師角色轉(zhuǎn)型升級(jí)

教育大模型將逐步取代重復(fù)低效的教育勞動(dòng)，提升教育教學(xué)工作的科學(xué)性和創(chuàng)造性，推動(dòng)教師從“教的專家”轉(zhuǎn)向“學(xué)的專家”[20]，通過(guò)創(chuàng)造性的教學(xué)設(shè)計(jì)，為每個(gè)學(xué)習(xí)者提供個(gè)性化支持。一方面，依托智能知識(shí)庫(kù)和應(yīng)用集，開(kāi)展大規(guī)模、精準(zhǔn)化的知識(shí)傳遞，解放教師的時(shí)間、精力和創(chuàng)造力，讓教師專注于學(xué)習(xí)組織和指導(dǎo)活動(dòng)，催生深層次師生對(duì)話。另一方面，教師逐漸成為學(xué)習(xí)指導(dǎo)者和教學(xué)研究者，有望通過(guò)人機(jī)協(xié)同的學(xué)習(xí)數(shù)據(jù)分析和診斷來(lái)了解學(xué)習(xí)者在學(xué)習(xí)中的思維過(guò)程，并基于學(xué)習(xí)者的真實(shí)學(xué)習(xí)狀態(tài)進(jìn)行有針對(duì)性的教學(xué)活動(dòng)設(shè)計(jì)，推動(dòng)經(jīng)驗(yàn)性教學(xué)逐漸走向循證式的教育專業(yè)實(shí)踐活動(dòng)。未來(lái)教師既是富有經(jīng)驗(yàn)和智慧的實(shí)踐者，又是善用大數(shù)據(jù)分析和智能教研工具的研究者，通過(guò)進(jìn)一步探究人工智能條件下的教育新規(guī)律和教學(xué)新方法，最終形成智能教育的新知識(shí)體系。

五 結(jié)語(yǔ)

目前，我國(guó)的教育大模型技術(shù)與國(guó)際領(lǐng)先水平之間還存在差距，但發(fā)展勢(shì)頭良好，積累了一定的科技實(shí)力，在海量數(shù)據(jù)方面具有明顯優(yōu)勢(shì)，能夠依托教育領(lǐng)域大規(guī)模、多模態(tài)、長(zhǎng)周期的教育數(shù)據(jù)，對(duì)學(xué)習(xí)過(guò)程進(jìn)行準(zhǔn)確捕捉與深度理解，以進(jìn)一步明晰教與學(xué)的底層機(jī)制，推動(dòng)教育算法的快速迭代，建立更具針對(duì)性、專業(yè)性、準(zhǔn)確性的大語(yǔ)言模型，實(shí)現(xiàn)彎道超車(chē)。同時(shí)，教育大模型將會(huì)帶來(lái)一系列全新挑戰(zhàn)和未知風(fēng)險(xiǎn)，應(yīng)盡快明確其開(kāi)發(fā)原則和使用范圍，加強(qiáng)倫理風(fēng)險(xiǎn)評(píng)估審核，制定有針對(duì)性的師生使用指引，確保在教育大模型開(kāi)發(fā)應(yīng)用生命全周期中彰顯教育公平、包容、可持續(xù)發(fā)展的底色。

參考文獻(xiàn)

[1]姜莎，趙明峰，張高毅.生成式人工智能（AIGC）應(yīng)用進(jìn)展淺析[J].移動(dòng)通信，2023，（12）：71-78.

[2]Miao F C， Holmes W. Guidance for generative AI in education and research[OL].

[3]Wei J， Tay Y， Bommasani R， et al. Emergent abilities of large language models[OL].

[4]李永智.以數(shù)字化開(kāi)辟教育發(fā)展新賽道[N].人民日?qǐng)?bào)，2023-10-13（9）.

[5]李艷燕，鄭婭峰.生成式人工智能的教育應(yīng)用[J].人民論壇，2023，（23）：69-72.

[6]陳曉紅，楊檸屹，周艷菊，等.數(shù)字經(jīng)濟(jì)時(shí)代AIGC技術(shù)影響教育與就業(yè)市場(chǎng)的研究綜述——以ChatGPT為例[J].系統(tǒng)工程理論與實(shí)踐，2024，（1）：1-13.

[7]朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機(jī)遇、挑戰(zhàn)以及未來(lái)[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，（7）：1-14.

[8]盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例[J].中國(guó)遠(yuǎn)程教育，2023，（4）：24-31.

[9]楊俊鋒，沈中奇，陳睿寧.生成式人工智能的教育應(yīng)用及倫理風(fēng)險(xiǎn)探析[J].湖州師范學(xué)院學(xué)報(bào)，2024，（1）：1-8.

[10]陳倩倩，張立新.教育人工智能的倫理審思：現(xiàn)象剖析與愿景構(gòu)建——基于“人機(jī)協(xié)同”的分析視角[J].遠(yuǎn)程教育雜志，2023，（3）：104-112.

[11]US Department of Education. Artificial intelligence and the future of teaching and learning： Insights and recommendations[OL].

[12]UK Government. Generative artificial intelligence （AI） in education[OL].

[13]賈赟.日本設(shè)立生成式人工智能試點(diǎn)學(xué)校[J].教育國(guó)際交流，2023，（6）：78-79.

[14]Australian Government Department of Education. Australian framework for generative artificial intelligence （AI） in schools[OL].

[15]Autor D H， Levy F， Murnane R J. The skill content of recent technological change： An empirical exploration[J]. The Quarterly Journal of Economics， 2023，（4）：1279-1333.

[16]苗逢春.生成式人工智能技術(shù)原理及其教育適用性考證[J].現(xiàn)代教育技術(shù)，2023，（11）：5-18.

[17]桑新民，謝陽(yáng)斌，余中，等.教育數(shù)字化轉(zhuǎn)型系統(tǒng)工程筆談[J].現(xiàn)代教育技術(shù)，2023，（1）：5-16.

[18]魏斌.符號(hào)主義與聯(lián)結(jié)主義人工智能的融合路徑分析[J].自然辯證法研究，2022，（2）：23-29.

[19]曹培杰.智慧教育：人工智能時(shí)代的教育變革[J].教育研究，2018，（8）：121-128.

[20]曹培杰.人工智能教育變革的三重境界[J].教育研究，2020，（2）：143-150.

The Development Status， Innovation Architecture and Application Prospects of Educational Big Models

Abstract： The transition from general big models to educational big models represents an important trend of the deepening development of artificial intelligence big model technology. Based on the analyses of the development status， typical cases， and potential challenges of educational big models， it was believed in this paper that the educational big model was an artificial intelligence model that was suitable for educational scenarios， had ultra large scale parameters， integrated general knowledge and professional knowledge training. Meanwhile， the educational big model was an integration of big model technology， knowledge base technology， and various kinds of intelligent education technologies， and can promote the bidirectional construction of human learning and machine learning. Furthermore， it proposed an application-driven， co-construction and sharing innovative architecture and a “l(fā)earner-centered” future application scenarios， aiming to establish an open interface between artificial intelligence big models and various kinds of digital educational applications， continuously train and refine educational scenario models tailored to better address education professional issues， and form a cluster of intelligent education open models and knowledge bases for regular use by teachers and students. While refining and extracting deep educational knowledge， the risks and challenges in the application of artificial intelligence in education could be cracked.

Keywords： educational big models; generative artificial intelligence; intelligent education; educational big data