ChatGPT：新一代信息技術變革下的開放教育
——機遇與挑戰

林 晟

（永定開放大學，福建 龍巖，364100）

一、引言

開放教育這一理念的核心，在于摒棄傳統教育中常見的地域、資源和資金的限制，為所有的學習者提供公平的教育機會。[1]在政府部門和大環境的推動下，教育行業從傳統體制突破，出現在線教育新模式，不斷促使我國教育信息化邁向新階段。[2]在教育需求千人千面和教師資源相對受限的情況下，如何在實現開放的同時提供定制化教育服務？如何降低教育成本？如何實現高效的知識迭代適配社會生產需要？如何保障遠程教育的教育質量？這些都是開放教育面臨的亟待解決的挑戰。以人工智能為首的新一代信息技術，為應對開放教育挑戰提供了全新的視角。[3]

2022年8月，科技部等六部門聯合印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》鼓勵人工智能應用發展。[4]隨后，以ChatGPT 為代表的生成式AI（人工智能）大模型技術的橫空出世，為開放教育提供了技術驅動下的變革機遇。一方面，ChatGPT 其功能的廣泛性和強大性使其在開放教育領域具備巨大的應用潛力；另一方面，這種新的教育形式也帶來一些潛在風險和挑戰。2023 年4 月，國家網信辦也起草了《生成式人工智能服務管理辦法（征求意見稿）》，以促成生成式人工智能技術健康發展和規范應用。[5]

本文將以ChatGPT 為例，剖析生成式AI大模型（下稱，生成式大模型）的技術特性，探討其在賦能開放教育過程中可能發揮的積極作用，同時審視其可能帶來的挑戰和風險，為開放教育相關機構及從業者提供對策儲備以有效應對新技術帶來的潛在沖擊，給未來開放教育的發展提供理論參考。

二、ChatGPT 及其能力

ChatGPT，由開放人工智能研究中心（OpenAI）于2023 年開發，是一款基于生成式預訓練語言模型的聊天機器人，能夠以自然和對話的方式響應用戶輸入。[6]ChatGPT 擁有1750 億參數，通過在海量數據上進行訓練，能夠在用戶的實時提示下生成答復文本。其運用自然語言處理（NLP）技術分析用戶輸入，從而生成相關的響應。這使用戶可以像與真人一樣，以自然和直觀的方式與ChatGPT 進行交流。此外，ChatGPT 還能提供個性化和互動式的幫助，這是另一項重要特性。通過分析用戶輸入，ChatGPT 可調整其回應并提供專業的建議和幫助。例如，依據用戶的學習目標和偏好，ChatGPT 能夠提供教育產品和網站的定制推薦。

ChatGPT 和當下的搜索引擎又有什么區別呢？首先，在基本功能上，ChatGPT 可以理解和生成自然語言文本，如，在與用戶的對話中能生成自然且有趣的回復。而搜索引擎的主要目標是幫助用戶快速找到他們正在尋找的信息。其次，在應用場景上，ChatGPT 可以非常廣泛，從對話機器人、文本生成，到更復雜的任務如機器翻譯、文本摘要等；而搜索引擎主要用于信息檢索。用戶可以通過輸入關鍵詞或短語在互聯網上找到相關的信息。總的來說，ChatGPT 和搜索引擎都是處理和獲取信息的工具，但其側重點有所不同。ChatGPT 主要用于理解和生成語言，而搜索引擎更側重于找到和返回用戶正在查找的信息。

三、ChatGPT 如何賦能開放教育

ChatGPT 這樣的生成式大模型技術的發展，有潛力徹底顛覆學習者的學習方式和對開放教育領域的理解。其通過提供滿足每個學習者獨特需求和偏好的個性化和互動式幫助，不僅鼓勵學習者的自主性，而且可以提升學習體驗。當前，ChatGPT 已廣泛應用于自我指導的學習者中，為他們提供有力的學習支持。以下是ChatGPT 可能改變開放教育的五種方式：

（一）學習體驗個性化

生成式大模型技術在個性化學習體驗方面有著巨大潛力。傳統課堂或線上課程大多面向同一班級或專業采取通用性教學方式，無法根據每個學生的特點進行定制化教學，教學效果有限。通過在現有教學載體上嵌入大模型技術，對學生的學習歷史、興趣愛好和學習風格進行深入分析，為每位學生提供定制化的學習計劃和課程內容推薦。這將使學生在自己感興趣的領域深入學習，同時填補知識的漏洞。模型還可以識別學生學習過程中的障礙或阻塞點，提供個性化的輔導和解答，以增強學習效果。

（二）學習工具數智化

生成式大模型技術為數智化學習輔助工具的發展提供了堅實基礎。以作文為例，傳統教師需對學生行文做逐字逐句的批注，存在因時間人力有限導致的指導粒度不夠細、教學質量不夠好等問題。基于大模型技術的智能作文批改工具和語法糾錯工具可以自動化校對學生的寫作，詳細指出語法的錯誤點，并提供改進建議，幫助學生理解問題，從而提升學生的寫作能力，大幅提升教學質量。另外，智能問題解答工具可以快速解決學生在學習中遇到的各種問題，豐富學生知識面，開闊學生視野。

（三）知識迭代高效化

生成式大模型技術使得開放大學教育中的知識獲取與共享更加便捷高效。傳統教學模式下教師需耗費大量心力搜集資料以從事教學活動，知識更新迭代緩慢，使得學校的教育內容與社會生產的實際需要逐漸脫節。而通過自動抽取和整理海量開放教育資源，模型可以快速生成易于理解的教材和講義。這些教材和講義可以實時更新，以適應不斷變化的知識領域和工業生產環境。“與時俱進”的現代化教學更加符合社會需要。此外，模型還可以用于構建開放式教育知識圖譜，促進知識的交叉融合與跨領域學習，為學生提供更廣闊的學術視野和綜合素養。

（四）內容創作自動化

生成式大模型技術的自動化內容創作能力為開放大學教育帶來巨大的便利。傳統教學模式下教師需耗費大量心力制作教學講義、課程測驗等教學材料。基于大模型技術，教師可以根據自身需求想法，快速生成各種形式的學習資料，如課件、練習題、測驗等，減輕繁重的教學準備工作。此外，通過模型生成教學案例和場景模擬，學生可以更好地融入學習環境，增強實踐能力。這種自動化內容創作的方式也有利于促進全球開放教育資源的合作與融通。

（五）遠程教育高質化

生成式大模型技術為遠程教育質量提升帶來了新機遇。傳統線上或遠程教育雖在一定程度上打破時空壁壘，卻受限于人力成本，無法為學生提供全天實時的一對一互動教學、答疑等教育服務。基于大模型技術，教育機構可以構建虛擬教學助手或在線學習伙伴，為學生提供全天的即時互動與答疑。虛擬教學助手可以根據學生的學習情況和進度，自動調整教學內容和難度，提供量身定制的學習路徑。同時，模型的智能評估功能可以實時監測學生的學習進展和問題，及時調整教學策略，促進學習效果的最大化。

四、ChatGPT 應用開放教育的風險挑戰與對策

在ChatGPT 出現以前，各種技術都被看作是教育和教師的工具，技術只能在局部要素中介入教育和改變教師，ChatGPT 的出現讓“以機器為師”成為可能現實，也讓教育領域和教師群體感到了前所未有的變革危機和價值 危機。[7]

盡管生成式大模型技術為開放大學教育帶來了許多機遇，但也面臨著諸多挑戰，其中包括生成的質量與可靠性、隱私保護與數據安全、透明性與可解釋性、數據偏見與歧視、資源依賴與教育公平、技術應用與教學價值平衡以及學習者習慣與顧慮等方面。

（一）生成質量與可靠性挑戰

生成式大模型的一大挑戰在于產出信息的精確性與置信度。這些模型可掌握和攝入大量互聯網知識，卻無法保證所有信息均準確無誤。由此，在開發教育資源時，可能導致潛在的錯誤或產生誤導性信息風險，對學生的學習造成影響。

針對該挑戰的應對之策，其一可對大模型的輸出進行實時監控，及時發現并修復可能的誤導性或不準確的回答；其二，可引入專業審核，由教育領域專業人士對大模型生成的內容進行審核，確保回答的準確性和合理性。此外，來自老師和學生的用戶反饋也是一個重要的改進來源，可以幫助大模型學習并不斷提高生成質量。

（二）隱私保護與數據安全挑戰

生成式大模型技術的另一挑戰在于數據隱私和安全性。這種技術需要大量數據進行訓練，可能涵蓋學生的個人信息和學習數據。如何保障這些數據的安全與隱私性是一個亟待解決的重要問題。教育機構需額外采取措施，保護學生的數據隱私安全。

針對該挑戰的應對之策，首先是數據匿名化處理，在使用大模型進行教育應用時，對于涉及學生或用戶個人信息的數據，首先進行匿名化處理，以保護隱私；其次是最小化數據收集，即僅收集必要的數據，避免收集過多的個人信息，以降低潛在隱私風險；最后是定期安全審查，定期對ChatGPT 應用的安全性進行審查，包括漏洞掃描和安全測試，確保系統沒有被潛在的威脅利用。

（三）透明性與可解釋性挑戰

生成式大模型通常被視為“黑盒子”，其決策過程并不透明。在教育領域，這可能會引發嚴重問題，如在涉及學生的評估和決策的環節，需要模型能提供清晰的決策依據，以提高學生、教師及其他利益相關者對模型的信任和理解。因此，提高算法的透明度和可解讀性，同樣是大模型技術在教育應用中需解決的問題。

針對該挑戰的應對之策，一方面可顯示置信水平，即在回答中包含一個置信水平指標，表明大模型對其回答的信心程度，幫助用戶評估答案的可靠性；另一方面則是增強可解釋性，例如在回答中集成解釋性元素，以簡單明了的語言解釋為何給出特定建議或答案，或是在回答中提供相關上下文信息，幫助用戶理解大模型的推理過程。

（四）數據偏見與歧視挑戰

如果生成式大模型的訓練數據存在偏差，模型生成的內容可能反映出這些偏差，可能導致內容的不公正或歧視。在開放大學教育中，這種偏見可能影響學生的學習體驗和認知。例如，生成的教學內容中存在針對女性或弱勢群體等少數族群的歧視性觀點、言論等。

應對該挑戰，一方面可采用多樣化的數據，確保訓練大模型的數據集包含來自不同文化、背景和地理位置的多元化信息，以減少數據的偏見；另一方面可對大模型的訓練數據進行定期審查，發現并糾正潛在的偏見，特別是與性別、種族、文化等相關的方面。此外，還可引入人工審核，通過專業人員檢查模型生成的回答，糾正可能的歧視性內容。

（五）資源依賴與教育公平挑戰

生成式大模型的訓練需要大量的計算資源和數據，這對資源有限的開放大學可能構成挑戰。若學校沒有足夠的資源訓練和部署這些模型，可能導致對大型機構的過度依賴，從而造成教育資源的不均等分配。例如，在交通、網絡等基礎設施并不完善的中西部地區或偏遠山區，可能進一步加劇教育不公平現象。但另一方面，如何能在有限的資源下有效利用該技術，是政府部門和教育機構需要面臨的挑戰。

針對該挑戰的應對之策，第一是可降低使用門檻。通過提供免費或低成本的訪問方式，確保更多人能夠獲得大模型提供的教育資源，減輕資源依賴的壓力。第二是建立合作關系。促使教育機構、技術公司和政府建立合作關系，共享資源，提供更多免費或優惠的在線教育服務。第三是鼓勵開放共享。鼓勵教育機構和技術提供商開放共享他們的教育資源，促進更廣泛的教育公平。

（六）學習者習慣與顧慮

對部分教師或學習者來說，接受由生成式大模型技術帶來的變化可能存在抵觸情緒。他們可能會擔心數據隱私問題，或者擔心技術會替代人文教學。教育機構需要積極宣傳和解釋技術的益處，幫助學生理解和適應新的教育方式，減輕他們的顧慮和抵觸情緒。如，學生可能采用大模型技術來完成作業或測驗等。

針對該挑戰，包括學校在內的廣大教育機構和相關教育部門應認識到，技術變革并不是洪水猛獸。數次工業革命的歷史證明，人類文明的變革與發展離不開科學技術的快速發展。教育學生學習如何使用新工具和擅于應用新工具，能夠更好服務社會需要，本就是教育教學的重要目標之一。故學校和老師一方面要警惕學生利用新技術來弄虛作假、作弊取巧等干擾教學評估和破壞公平性的行為，加強教育者自身對新技術的了解和學習，采取應對策略或制定合適的制度來保障教學活動正常進行；另一方面，更要鼓勵學生應用新技術，利用新技術來提升教學質量，更好地完成課程目標。

五、結語

總體而言，生成式AI 大模型技術的變革為開放大學教育帶來了巨大的機遇。這些機遇以科技變革為動力，對個性化學習體驗、數智化學習工具、高效的知識迭代、自動化內容創作以及遠程教育的高質化賦予了巨大潛力。然而，當我們歡欣鼓舞地看到這些進步和發展的同時，也必須對相關挑戰和風險保持警惕，以確保技術應用的合理性和教育效果的最大化。隨著生成式AI 大模型技術的蓬勃發展，期待開放式大學教育步入一個更智能、更靈活、更具包容性的新時代。