教育通用人工智能大模型標(biāo)準(zhǔn)體系框架研制*

摘要：當(dāng)前，人工智能大模型在各領(lǐng)域迅猛發(fā)展，其中教育領(lǐng)域的人工智能大模型雖然能夠在知識(shí)生產(chǎn)、知識(shí)計(jì)算和知識(shí)服務(wù)方面完成多種智能任務(wù)以提供教學(xué)輔助，但其在功能構(gòu)建、數(shù)據(jù)收集與管理、教學(xué)測(cè)評(píng)和應(yīng)用等方面仍存在局限，同時(shí)缺乏適用于多個(gè)教育場(chǎng)景的通用人工智能大模型。基于此，文章從人工智能的發(fā)展和標(biāo)準(zhǔn)化的現(xiàn)狀出發(fā)，對(duì)教育通用人工智能大模型的概念、原則和屬性做出界定，并提出教育通用人工智能大模型標(biāo)準(zhǔn)體系，包括總體框架、信息模型、數(shù)據(jù)規(guī)范、測(cè)評(píng)規(guī)范和教學(xué)應(yīng)用要求等，以從指導(dǎo)角度對(duì)教育通用人工智能大模型的研發(fā)、應(yīng)用、管理和評(píng)估進(jìn)行規(guī)范。文章通過(guò)研究，旨在規(guī)范通用人工智能大模型在教育領(lǐng)域的應(yīng)用與發(fā)展，賦能、賦智于教育，推動(dòng)教育的高質(zhì)量發(fā)展。

關(guān)鍵詞：人工智能；通用人工智能大模型；教育通用人工智能大模型；標(biāo)準(zhǔn)；標(biāo)準(zhǔn)體系

【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）04—0028—09"【DOI】10.3969/j.issn.1009-8097.2024.04.003

引言

隨著人工智能技術(shù)的發(fā)展，人工智能大模型已成為各領(lǐng)域的研究熱門。為此，2023年4月，中共中央政治局會(huì)議提出“重視通用人工智能發(fā)展，營(yíng)造創(chuàng)新生態(tài)，重視防范風(fēng)險(xiǎn)”^[1]，重視人工智能大模型安全；同月，國(guó)家網(wǎng)信辦等七部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法（征求意見稿）》，確立了人工智能產(chǎn)品的安全評(píng)估規(guī)定及管理辦法，以維護(hù)人工智能大模型的規(guī)范應(yīng)用和健康發(fā)展^[2]；7月，科技部戰(zhàn)略規(guī)劃司表示《人工智能法草案》已被列入國(guó)務(wù)院2023年立法工作計(jì)劃^[3]，保障人工智能大模型的安全發(fā)展；9月，國(guó)家工信安全中心發(fā)布《AI大模型發(fā)展白皮書》，詳細(xì)描述了人工智能大模型的發(fā)展全貌^[4]。可見，我國(guó)高度重視新一代人工智能大模型的發(fā)展，以各項(xiàng)決策部署推動(dòng)人工智能大模型建設(shè)、提升人工智能發(fā)展質(zhì)量和水平，支撐高質(zhì)量發(fā)展。

2022年11月，ChatGPT席卷全球，掀起人工智能大模型的研發(fā)熱潮，為教育的數(shù)字化轉(zhuǎn)型帶來(lái)了顛覆性的變革。人工智能大模型作為結(jié)合了大數(shù)據(jù)、大算力和強(qiáng)算法的自動(dòng)生產(chǎn)內(nèi)容的革命性工具^[5]，在教育領(lǐng)域得到了廣泛應(yīng)用，包括從支持文本、圖像和語(yǔ)音等單一模態(tài)任務(wù)到多模態(tài)任務(wù)，從簡(jiǎn)單的文本問(wèn)答到文本創(chuàng)作再到符號(hào)式語(yǔ)言的邏輯推理，從以單一模態(tài)數(shù)據(jù)為基礎(chǔ)到多模態(tài)相結(jié)合。人工智能大模型的發(fā)展為教育領(lǐng)域帶來(lái)了全新的教學(xué)方式和內(nèi)容，如人工智能大模型與虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、元宇宙相結(jié)合帶來(lái)的個(gè)性化、沉浸式互動(dòng)體驗(yàn)?zāi)軌蚣ぐl(fā)并滿足學(xué)生的好奇心，提高其提問(wèn)技巧^[6]；自動(dòng)化和自適應(yīng)的數(shù)據(jù)收集、分析以及評(píng)估反饋^[7][8]能夠協(xié)助解放教師，呈現(xiàn)多領(lǐng)域高發(fā)展布局。然而，雖然人工智能大模型為教育帶來(lái)了諸多便利，但是除高成本和高落地門檻外，人工智能大模型在教育領(lǐng)域的發(fā)展還面臨過(guò)度依賴、學(xué)術(shù)不端、評(píng)估機(jī)制失衡、版權(quán)和倫理隱私問(wèn)題等挑戰(zhàn)^[9]，目前仍缺乏標(biāo)準(zhǔn)規(guī)范以保障人工智能大模型在教育領(lǐng)域的發(fā)展秩序，如行業(yè)標(biāo)準(zhǔn)未確立、相關(guān)產(chǎn)品缺乏規(guī)范性管理、未有規(guī)范的信任機(jī)制、虛擬成癮性風(fēng)險(xiǎn)等。因此，需要明確人工智能大模型在教育中提供的功能與服務(wù)，以及教育通用人工智能大模型（下文簡(jiǎn)稱“教育大模型”）的概念、范圍和屬性，從指導(dǎo)角度對(duì)教育大模型的研發(fā)、應(yīng)用、管理和評(píng)估進(jìn)行規(guī)范，推動(dòng)教育大模型的健康發(fā)展。基于此，本研究基于人工智能的發(fā)展現(xiàn)狀和現(xiàn)行的教育大模型標(biāo)準(zhǔn)，提出以下問(wèn)題：教育大模型應(yīng)當(dāng)遵循何種原則以及具有哪些屬性？教育大模型標(biāo)準(zhǔn)體系的總體框架為何種樣態(tài)？對(duì)此，本研究通過(guò)探究教育大模型的運(yùn)行機(jī)制和研發(fā)過(guò)程，明確教育大模型的標(biāo)準(zhǔn)體系，以及教育大模型標(biāo)準(zhǔn)體系各部分內(nèi)容的分工。本研究是對(duì)教育大模型標(biāo)準(zhǔn)體系中的第一個(gè)標(biāo)準(zhǔn)——“總體框架”進(jìn)行分析，以指導(dǎo)整個(gè)標(biāo)準(zhǔn)體系的研發(fā)，以盡可能地規(guī)避潛在風(fēng)險(xiǎn)，更好地在教學(xué)中應(yīng)用人工智能大模型，保證人工智能大模型在教育領(lǐng)域中的良性發(fā)展，為教育大模型的標(biāo)準(zhǔn)化提供指導(dǎo)。

一 研究現(xiàn)狀

1"人工智能的發(fā)展現(xiàn)狀

通用人工智能大模型作為人工智能領(lǐng)域的研究熱點(diǎn)，是從限定領(lǐng)域的專家系統(tǒng)到機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，如今邁向通用人工智能路徑的探索。人工智能是機(jī)器對(duì)人的思維或行為過(guò)程的模擬。隨著大數(shù)據(jù)時(shí)代的來(lái)臨，傳統(tǒng)的專家系統(tǒng)與小數(shù)據(jù)上的機(jī)器學(xué)習(xí)算法已不再適用^[10]，大數(shù)據(jù)環(huán)境下的機(jī)器學(xué)習(xí)算法成為熱點(diǎn)^[11]。隨著大量數(shù)據(jù)訓(xùn)練的機(jī)器學(xué)習(xí)技術(shù)發(fā)展^[12]，深度學(xué)習(xí)作為基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法誕生，它可以提升人工智能性能^[13]，處理更加復(fù)雜的數(shù)據(jù)類型^[14][15]。隨著人工智能技術(shù)在各領(lǐng)域的廣泛應(yīng)用，能夠像人類一樣思考、學(xué)習(xí)和解決問(wèn)題的通用人工智能技術(shù)得以發(fā)展。通用人工智能（Artificial General Intelligence，AGI）是指與人類智慧程度相當(dāng)?shù)?，能夠理解、學(xué)習(xí)和執(zhí)行各種智能任務(wù)的強(qiáng)人工智能系統(tǒng)^[16][17]。目前，國(guó)內(nèi)外已經(jīng)出現(xiàn)了多種大模型應(yīng)用于教育領(lǐng)域的智能輔導(dǎo)、智能評(píng)測(cè)、智能推薦等。例如，美國(guó)OpenAI公司的在線教育平臺(tái)OpenAI Codex可以根據(jù)用戶的自然語(yǔ)言輸入生成相應(yīng)的代碼，提供實(shí)時(shí)的反饋和指導(dǎo)；英國(guó)的智能寫作助手Write With Transformer可以根據(jù)寫作目的和風(fēng)格提供合適的文本建議和糾錯(cuò)功能；美國(guó)Duolingo公司的個(gè)性化對(duì)話練習(xí)可以根據(jù)用戶的水平和興趣生成不同主題和難度的對(duì)話，并提供及時(shí)的反饋；百度的ERNIE是一種基于知識(shí)圖譜的預(yù)訓(xùn)練語(yǔ)言模型，可以利用大量結(jié)構(gòu)化和半結(jié)構(gòu)化的知識(shí)數(shù)據(jù)，增強(qiáng)模型的語(yǔ)義理解能力^[18]。此外，有道“子曰”、訊飛“星火”、學(xué)而思“MathGPT”等^[19]，涵蓋了口語(yǔ)、語(yǔ)文、數(shù)學(xué)等多個(gè)學(xué)科和技能，展現(xiàn)了教育領(lǐng)域大模型的多樣性和創(chuàng)新性。

2"國(guó)內(nèi)外教育大模型標(biāo)準(zhǔn)化的現(xiàn)狀

為了解國(guó)內(nèi)外在教育大模型方面的標(biāo)準(zhǔn)化現(xiàn)狀和發(fā)展趨勢(shì)，本研究收集和整理了相關(guān)的國(guó)際標(biāo)準(zhǔn)、國(guó)家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)和企業(yè)標(biāo)準(zhǔn)，涵蓋了數(shù)據(jù)、算法、應(yīng)用、評(píng)估等方面的內(nèi)容。通過(guò)對(duì)比分析，本研究總結(jié)了各類標(biāo)準(zhǔn)的內(nèi)容、特點(diǎn)、不足和適用范圍，為后續(xù)的標(biāo)準(zhǔn)制定提供了參考依據(jù)。

其中，美國(guó)教育部教育技術(shù)辦公室發(fā)布的政策報(bào)告《人工智能與教學(xué)的未來(lái)》（Artificial Intelligence and the Future of Teaching and Learning）描述了使用人工智能從捕捉數(shù)據(jù)、檢測(cè)數(shù)據(jù)到提供教學(xué)資源自動(dòng)化決策指令的過(guò)程，提出迫切需要建立人工智能模型與數(shù)據(jù)化對(duì)教育的影響政策，以改善教育機(jī)會(huì)、識(shí)別出現(xiàn)的挑戰(zhàn)、進(jìn)一步指導(dǎo)政策發(fā)展，但該報(bào)告缺乏硬性指標(biāo)，實(shí)施復(fù)雜性高且難以衡量實(shí)際效果^[20]。電子技術(shù)與信息科學(xué)工程師協(xié)會(huì)發(fā)布的《人工智能模型表示、壓縮、分發(fā)和管理標(biāo)準(zhǔn)》（Standard for AI Model Representation， Compression， Distribution， and Management），定義人工智能開發(fā)接口，并討論了用于高效人工智能模型推理、存儲(chǔ)、分發(fā)和管理的人工智能開發(fā)接口、人工智能模型互操作表示、編碼格式和模型封裝格式，但未包含教育范疇，且標(biāo)準(zhǔn)討論范圍較窄^[21]。國(guó)際標(biāo)準(zhǔn)化組織（International Organization for Standardization，ISO）和國(guó)際電工委員會(huì)（International Electrotechnical Commission，IEC）發(fā)布的《使用機(jī)器學(xué)習(xí)的人工智能系統(tǒng)框架》（Framework for Artificial Intelligence Systems Using Machine Learning），為專家和非從業(yè)人員建立了一個(gè)人工智能和機(jī)器學(xué)習(xí)框架，用于描述使用機(jī)器學(xué)習(xí)技術(shù)和通用人工智能系統(tǒng)，通過(guò)建立一個(gè)共同的術(shù)語(yǔ)和一套共同的概念，為明確解釋這些系統(tǒng)以及適用于其工程的各種考慮因素提供了基礎(chǔ)，但其目的并不是將機(jī)器學(xué)習(xí)通俗化^[22]。而在國(guó)內(nèi)，中國(guó)信通院發(fā)布的《大規(guī)模預(yù)訓(xùn)練模型技術(shù)和應(yīng)用評(píng)估方法》，重點(diǎn)關(guān)注大模型的功能、性能和服務(wù)三項(xiàng)能力，在大模型標(biāo)準(zhǔn)體系建設(shè)方面，結(jié)合大模型工程化重要階段，確立模型開發(fā)、模型能力、模型應(yīng)用和安全可信四個(gè)系列標(biāo)準(zhǔn)，規(guī)范了研究主體開發(fā)大模型全棧技術(shù)能力的關(guān)鍵指標(biāo)和評(píng)估方法^[23]。

雖然各國(guó)與國(guó)際組織通過(guò)制定標(biāo)準(zhǔn)規(guī)范了人工智能大模型的數(shù)據(jù)、算法、應(yīng)用和評(píng)估等方面的內(nèi)容，以保障人工智能大模型在教育領(lǐng)域的服務(wù)質(zhì)量，但教育系統(tǒng)本身的復(fù)雜性與人工智能的不確定性都制約著人工智能大模型在教育領(lǐng)域的發(fā)展。教育大模型作為人工智能發(fā)展到一定階段在教育領(lǐng)域?qū)嵺`探索的產(chǎn)物，是教育未來(lái)發(fā)展的必然趨勢(shì)，其標(biāo)準(zhǔn)的制定長(zhǎng)期影響著大模型的發(fā)展，需要以相關(guān)標(biāo)準(zhǔn)規(guī)范保障通用人工智能大模型在教育領(lǐng)域的發(fā)展秩序。

二 教育大模型的屬性

近年來(lái)，我國(guó)不斷強(qiáng)調(diào)推進(jìn)教育數(shù)字化，而教育通用人工智能作為關(guān)鍵技術(shù)之一，為教育領(lǐng)域帶來(lái)了巨大的潛力和機(jī)遇。黨中央、國(guó)務(wù)院、教育部出臺(tái)了實(shí)施教育數(shù)字化戰(zhàn)略行動(dòng)的政策，鼓勵(lì)國(guó)內(nèi)企業(yè)、高校和研究機(jī)構(gòu)在人工智能大模型的研制方面進(jìn)行探索。在這一背景下，迫切需要構(gòu)建可控、可信、安全、綠色、好用、高效的教育大模型，建立有教育溫度的、育人為本的人工智能及其智能教育環(huán)境，以更好地賦能、賦智于教育，推進(jìn)教育數(shù)字化，探索數(shù)字教育與智能教育的新范式，推動(dòng)教育的創(chuàng)新變革與高質(zhì)量發(fā)展。

教育大模型是利用海量教育數(shù)據(jù)訓(xùn)練得到的，服務(wù)于各種教育任務(wù)的大型人工智能模型。我國(guó)教育大模型的研究由教育部教育信息化技術(shù)標(biāo)準(zhǔn)委員會(huì)與上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合成立的教育大模型標(biāo)準(zhǔn)工作組開展，有來(lái)自近40家高校、研究機(jī)構(gòu)、頭部企業(yè)，近百名專家與學(xué)者集體的智慧貢獻(xiàn)和大力支持。本研究首先依照“需求調(diào)研-功能分析-組織架構(gòu)”的思路，開展了教育大模型標(biāo)準(zhǔn)體系研究，然后深度分析了通用人工智能大模型在教育中的應(yīng)用場(chǎng)景及其用例，并基于此提出構(gòu)建教育大模型標(biāo)準(zhǔn)體系，旨在規(guī)范通用人工智能大模型的平臺(tái)、工具、數(shù)據(jù)、測(cè)評(píng)、接口、應(yīng)用、安全、倫理、隱私等方面的互操作，構(gòu)建可信、安全、好用、高效的教育大模型，更好地賦能、賦智教育，完善數(shù)字教育標(biāo)準(zhǔn)體系，推進(jìn)教育數(shù)字化，促進(jìn)教育創(chuàng)新變革和高質(zhì)量發(fā)展。

經(jīng)教育部教育信息化技術(shù)標(biāo)準(zhǔn)委員會(huì)暨全國(guó)信息技術(shù)標(biāo)準(zhǔn)化委員會(huì)教育技術(shù)分委員會(huì)、上海市人工智能行業(yè)協(xié)會(huì)和教育大模型相關(guān)的頭部企業(yè)代表等聯(lián)合討論后核定，教育大模型應(yīng)當(dāng)在體現(xiàn)其教育屬性的同時(shí)，遵循全球人工智能治理共識(shí)中可控、可信、安全、綠色、好用、高效的原則^[24]。基于此，本研究總結(jié)了教育大模型的屬性，并與標(biāo)準(zhǔn)體系中的各標(biāo)準(zhǔn)相對(duì)應(yīng)，如表1所示。

1 可控、可信原則

①可信性：受技術(shù)和數(shù)據(jù)來(lái)源的局限性影響，大模型的生成內(nèi)容存在知識(shí)錯(cuò)誤和內(nèi)容偽造，這對(duì)大模型的可信性提出了挑戰(zhàn)^[25]。教育大模型需對(duì)系統(tǒng)各個(gè)階段進(jìn)行識(shí)別、度量、監(jiān)控、預(yù)警管理，通過(guò)改善和提高技術(shù)系統(tǒng)使模型可信。

②精準(zhǔn)性：大數(shù)據(jù)背景下要求針對(duì)學(xué)生的個(gè)性化學(xué)習(xí)進(jìn)行“精準(zhǔn)教學(xué)”，依托對(duì)學(xué)情的實(shí)證、數(shù)據(jù)分析，精準(zhǔn)解讀教材、制定精準(zhǔn)教學(xué)、獲取精準(zhǔn)反饋^[26]。教育大模型需通過(guò)篩選、處理缺失值，設(shè)置超參數(shù)對(duì)深度學(xué)習(xí)的人工智能模型進(jìn)行調(diào)整，在精確把握教學(xué)目標(biāo)和學(xué)生實(shí)際發(fā)展的基礎(chǔ)上，設(shè)計(jì)教學(xué)、測(cè)繪學(xué)生表現(xiàn)并精準(zhǔn)使用，提高個(gè)性化教學(xué)的精準(zhǔn)性。

③可追溯性：動(dòng)態(tài)、異構(gòu)和復(fù)雜的教育大數(shù)據(jù)環(huán)境導(dǎo)致數(shù)據(jù)本身具有不確定性，教育大模型在輸出知識(shí)內(nèi)容的過(guò)程中通常融合多種信息卻沒有明確注明來(lái)源，這帶來(lái)了學(xué)術(shù)失范風(fēng)險(xiǎn)^[27]。因此，要求教育大模型的數(shù)據(jù)可溯源，以追蹤數(shù)據(jù)來(lái)源和傳遞過(guò)程。

④可解釋性：由于教育大模型通常基于神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)算法進(jìn)行構(gòu)建，其復(fù)雜性與不透明性導(dǎo)致邏輯計(jì)算過(guò)程難以展示，給教育大模型的應(yīng)用帶來(lái)了一定的難度和不確定性，影響教育大模型的普及^[28]。為了防止AI黑箱式推理，教育大模型需以可解釋、可理解的交互方式與使用者、決策者、受影響者和開發(fā)者進(jìn)行清晰有效的交流，以滿足教學(xué)使用和監(jiān)管要求。

2"安全、綠色原則

①公平性：教育正義是主體對(duì)復(fù)雜的教育根本價(jià)值合理性的追求^[29]，是教育大模型需要遵守的法則。這要求模型在訓(xùn)練和使用過(guò)程中要考慮到公平性問(wèn)題，尤其是在處理可能涉及人類用戶的個(gè)人特性或背景信息時(shí)避免算法歧視與偏見。

②無(wú)傷害：考慮到教育大模型有生成有害信息的風(fēng)險(xiǎn)，甚至可能會(huì)被不法分子作為犯罪工具加以利用，如為用戶提供犯罪的思路和方法，生成詐騙文本、郵件和相關(guān)素材等，減少犯罪的實(shí)施成本^[30]，因此教育大模型需遵循人工智能的無(wú)傷害原則。

③隱私保護(hù)：數(shù)據(jù)泄露是算法領(lǐng)域一貫以來(lái)都存在的問(wèn)題，在使用和處理數(shù)據(jù)時(shí)，教育大模型需要在不泄露個(gè)人信息的前提下進(jìn)行有效的學(xué)習(xí)和預(yù)測(cè)，尊重并保護(hù)用戶的隱私。

3"好用、高效原則

①魯棒性：由于各區(qū)域的實(shí)際情況不同，在各地的實(shí)際應(yīng)用中可能需要對(duì)教育大模型進(jìn)行微調(diào)，細(xì)分領(lǐng)域劃分后進(jìn)行數(shù)據(jù)篩選、標(biāo)準(zhǔn)，以適應(yīng)不同的復(fù)雜教育場(chǎng)景^[31]，因此教育大模型應(yīng)對(duì)各種噪聲和擾動(dòng)表現(xiàn)出強(qiáng)大的魯棒性。

②泛化性：教育大模型需要適應(yīng)復(fù)雜和不確定的教育情境，以動(dòng)態(tài)化地處理變量^[32]，在不同下游任務(wù)中通過(guò)“大規(guī)模預(yù)訓(xùn)練+微調(diào)”的范式，突破傳統(tǒng)人工智能模型難以泛化到其他任務(wù)上的局限性。

③可拓展性：教育數(shù)智化時(shí)代要求教育大模型在知識(shí)生產(chǎn)方面具有智適應(yīng)的可拓展性^[33]。教育大模型自監(jiān)督的訓(xùn)練模式意味著更易獲得大規(guī)模無(wú)標(biāo)注數(shù)據(jù)，伴隨著訓(xùn)練數(shù)據(jù)的不斷上升，可拓展性要求教育大模型能夠滿足不斷變化的功能需求并提供可靠的解決方案。

④軟硬件兼容性：除了考慮人工智能與教師使用目標(biāo)的匹配^[34]，教育大模型還需提供可兼容的軟硬件配置，以支持應(yīng)用穩(wěn)定運(yùn)行于各操作系統(tǒng)與軟硬件，實(shí)現(xiàn)數(shù)據(jù)的有效交換與訪問(wèn)。

⑤國(guó)產(chǎn)化：教育大模型誘發(fā)的意識(shí)形態(tài)風(fēng)險(xiǎn)、國(guó)家情報(bào)風(fēng)險(xiǎn)、社會(huì)公共安全風(fēng)險(xiǎn)和國(guó)家經(jīng)濟(jì)發(fā)展安全風(fēng)險(xiǎn)不僅涉及隱私倫理問(wèn)題，更與國(guó)家總體安全沖突。因此，教育大模型需在自主研發(fā)的基礎(chǔ)上審查人工智能算法^[35]，支持國(guó)產(chǎn)化軟硬件平臺(tái)和操作系統(tǒng)等。

三 教育大模型標(biāo)準(zhǔn)體系的構(gòu)建

本研究本著“學(xué)生為中心、技術(shù)為支撐、需求為導(dǎo)向、質(zhì)量為根本”的方針，依托教育大模型標(biāo)準(zhǔn)工作組與相關(guān)人工智能協(xié)會(huì)專業(yè)機(jī)構(gòu)和企業(yè)、學(xué)校、管理部門等利益相關(guān)者的協(xié)同合作，通過(guò)預(yù)研、規(guī)劃、制定、驗(yàn)證、培訓(xùn)和推廣等階段的有機(jī)銜接，建立起一套教育大模型標(biāo)準(zhǔn)體系，包括總體框架（指導(dǎo)類）、信息模型、數(shù)據(jù)規(guī)范、接口規(guī)范、教學(xué)應(yīng)用要求、運(yùn)行維護(hù)規(guī)范、測(cè)評(píng)規(guī)范、監(jiān)管規(guī)范和安全倫理與隱私等，如圖1所示。

該體系凸顯了教育的系統(tǒng)性、適應(yīng)性和實(shí)用性，各標(biāo)準(zhǔn)規(guī)范彼此關(guān)聯(lián)、相互支撐。其中，教育大模型總體框架和教育大模型安全、倫理與隱私指導(dǎo)其他標(biāo)準(zhǔn)，教育大模型測(cè)評(píng)規(guī)范從測(cè)評(píng)層面與其他標(biāo)準(zhǔn)相關(guān)聯(lián)，而教育大模型監(jiān)管規(guī)范從監(jiān)管層面與其他標(biāo)準(zhǔn)相關(guān)聯(lián)。在復(fù)雜的教育系統(tǒng)中，教育大模型標(biāo)準(zhǔn)體系能更好地協(xié)調(diào)配置教育資源、提高教學(xué)效率，推動(dòng)教育大模型高質(zhì)量體系建立，具體內(nèi)容如表2所示。

①教育大模型總體框架是教育大模型的總體性、框架性、基礎(chǔ)性標(biāo)準(zhǔn)規(guī)范，包括教育大模型體系中通用術(shù)語(yǔ)統(tǒng)一的定義、框架模型和標(biāo)準(zhǔn)間引用關(guān)系的說(shuō)明，旨在為教育大模型標(biāo)準(zhǔn)體系的應(yīng)用提供整體性指導(dǎo)，是教育大模型標(biāo)準(zhǔn)體系的綱領(lǐng)性標(biāo)準(zhǔn)，指導(dǎo)其他標(biāo)準(zhǔn)的設(shè)計(jì)與制定。

②教育大模型信息模型是教育大模型的信息傳遞與功能呈現(xiàn)，主要包括教育大模型的基本功能框架組成、功能設(shè)計(jì)等內(nèi)容，以規(guī)范教育大模型的設(shè)計(jì)與實(shí)現(xiàn)。

③教育大模型數(shù)據(jù)規(guī)范規(guī)定了教育大模型的構(gòu)建原則、分類框架和基本結(jié)構(gòu)，適用于數(shù)據(jù)集的構(gòu)建與管理，以便數(shù)據(jù)的收集、整合和使用都能遵循相同的標(biāo)準(zhǔn)。

④教育大模型接口規(guī)范規(guī)定了接口的數(shù)據(jù)交換服務(wù)與綁定、調(diào)用規(guī)范等，主要包括大模型的技術(shù)、功能和應(yīng)用示范指南，保障了各個(gè)環(huán)節(jié)之間以及整個(gè)教育系統(tǒng)數(shù)據(jù)的融通和共享。

⑤教育大模型教學(xué)應(yīng)用要求是教育大模型在教學(xué)應(yīng)用過(guò)程中的規(guī)范，規(guī)定了在教與學(xué)活動(dòng)中應(yīng)用的基本原則和要求，適用于教育大模型平臺(tái)與工具的教學(xué)應(yīng)用和治理。

⑥教育大模型運(yùn)行維護(hù)規(guī)范貫穿于整個(gè)應(yīng)用、測(cè)評(píng)和監(jiān)管流程，是教育大模型在應(yīng)用、測(cè)評(píng)和監(jiān)管過(guò)程中為用戶提供聯(lián)系、解答問(wèn)題與需求的途徑，以更好地為用戶提供服務(wù)的規(guī)范。

⑦教育大模型測(cè)評(píng)規(guī)范對(duì)教育大模型整體進(jìn)行服務(wù)質(zhì)量和管理測(cè)評(píng)，規(guī)定了教育大模型的測(cè)評(píng)框架、測(cè)評(píng)指標(biāo)、測(cè)評(píng)維度和測(cè)評(píng)方法，適用于基礎(chǔ)能力和教學(xué)功能的測(cè)評(píng)。

⑧教育大模型監(jiān)管規(guī)范是教育大模型在教育管理特別是課堂教學(xué)管理過(guò)程中的規(guī)范，應(yīng)統(tǒng)一制定發(fā)布大數(shù)據(jù)的監(jiān)督管理規(guī)范，建立完善的權(quán)限管理機(jī)制，確保只有經(jīng)過(guò)授權(quán)的人員才能訪問(wèn)和使用教育數(shù)據(jù)。

⑨教育大模型安全、倫理與隱私要求在采集、加工和處理師生的生理、位置、行為等多模態(tài)隱私數(shù)據(jù)的過(guò)程中，能夠確保數(shù)據(jù)的安全性和保密性，并在面對(duì)諸多潛在威脅時(shí)，能夠保障師生權(quán)利。

四 總結(jié)與展望

本研究針對(duì)教育大模型標(biāo)準(zhǔn)體系的總體框架進(jìn)行介紹，這是標(biāo)準(zhǔn)體系的第一個(gè)標(biāo)準(zhǔn)，支撐并指導(dǎo)教育大模型標(biāo)準(zhǔn)體系的設(shè)計(jì)與演化。人工智能時(shí)代，教育大模型的發(fā)展是必然趨勢(shì)，其標(biāo)準(zhǔn)體系的建設(shè)對(duì)教育大模型的研發(fā)、應(yīng)用、管理和評(píng)估具有指導(dǎo)作用。教育大模型標(biāo)準(zhǔn)體系通過(guò)總體框架鋪設(shè)理論基礎(chǔ)，對(duì)教育大模型的概念和屬性做出界定，對(duì)教育大模型標(biāo)準(zhǔn)體系的標(biāo)準(zhǔn)內(nèi)容做出規(guī)范，旨在推動(dòng)通用人工智能大模型在教育領(lǐng)域的規(guī)范性應(yīng)用與發(fā)展，指導(dǎo)教育大模型的設(shè)計(jì)與研發(fā)，保障教育大模型的可信度、可用性和可持續(xù)發(fā)展，推動(dòng)行業(yè)向更高標(biāo)準(zhǔn)看齊，促進(jìn)大模型在教育領(lǐng)域的健康發(fā)展，指導(dǎo)教師精準(zhǔn)并正確運(yùn)用和管理教育大模型，賦能、賦智于教育，推動(dòng)教育的高質(zhì)量發(fā)展，助力學(xué)生在教育大模型的幫助下自主、全面地發(fā)展。

教育大模型標(biāo)準(zhǔn)研究將為教育數(shù)字化和教育通用人工智能的深度發(fā)展打下堅(jiān)實(shí)的基石，有助于形成政府引導(dǎo)、產(chǎn)業(yè)驅(qū)動(dòng)和社會(huì)參與的標(biāo)準(zhǔn)化格局，對(duì)教育制度的完善、創(chuàng)新成果的應(yīng)用和發(fā)展具有重要作用。通過(guò)跨界合作和專業(yè)研究，教育大模型將進(jìn)一步賦能、賦智教育領(lǐng)域，為教師和學(xué)生帶來(lái)更具個(gè)性化、高效和智能化的學(xué)習(xí)體驗(yàn)，對(duì)推進(jìn)教育數(shù)字化、探索數(shù)字教育新范式、推動(dòng)教育的創(chuàng)新變革與高質(zhì)量發(fā)展具有重要的戰(zhàn)略意義。未來(lái)，教育數(shù)字化將成為教育的新常態(tài)，而教育大模型將成為教育創(chuàng)新的重要驅(qū)動(dòng)力之一，兩者的融合將共同促進(jìn)教育的創(chuàng)新變革與高質(zhì)量發(fā)展！

參考文獻(xiàn)

[1]柯文.兩個(gè)“重視”指引通用人工智能發(fā)展[N].上?？萍紙?bào)，2023-5-10（1）.

[2]國(guó)家互聯(lián)網(wǎng)信息辦公室.生成式人工智能服務(wù)管理辦法（征求意見稿）[J].中國(guó)信息化，2023，（5）：18-19.

[3]國(guó)務(wù)院辦公廳.國(guó)務(wù)院辦公廳關(guān)于印發(fā)國(guó)務(wù)院2023年度立法工作計(jì)劃的通知[J].中華人民共和國(guó)國(guó)務(wù)院公報(bào)，2023，（17）：7-12.

[4]國(guó)家工業(yè)信息安全發(fā)展研究中心.AI大模型發(fā)展白皮書[OL].

lt;https：//www.cics-cert.org.cn/web_root/webpage/articlecontent_101002_1702207455057940482.htmlgt;

[5]焦建利.ChatGPT：學(xué)校教育的朋友？還是敵人？[J].現(xiàn)代教育技術(shù)，2023，（4）：5-16.

[6]Abdelghani R， Wang Y"H， Yuan X"D， et al. GPT-3-driven pedagogical agents for training children’s curious question-asking skills[OL]. lt;https：//arxiv.org/pdf/2211.14228.pdfgt;

[7]Zhu M"X， Liu O"L， Lee"H"S. The effect of automated feedback on revision behavior and learning gains in formative assessment of scientific argument writing[J]. Computers amp; Education， 2020，143：1-43.

[8]Sarsa S， Denny P， Hellas A， et al. Automatic generation of programming exercises and code explanations using large language models[A]. Proceedings of the 2022 ACM Conference on International Computing Education Research[C]. New York， NY， USA， 2022：27-43.

[9]汪靖，米爾外提·卡馬勒江，楊玉芹.人機(jī)共生的復(fù)合腦：基于生成式人工智能輔助寫作教學(xué)的應(yīng)用發(fā)展及模式創(chuàng)新[J].遠(yuǎn)程教育雜志，2023，（4）：37-44.

[10]Hayes-Roth F， Waterman D"A， Lenat D"B. Building expert systems[M]. New Jersey："Addison-Wesley Publishing， 1983：19-23.

[11]何清，李寧，羅文娟，等.大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J].模式識(shí)別與人工智能，2014，（4）：327-336.

[12]Rumelhart D， Hinton G， Williams R. Learning representations by back-propagating errors[J]. Nature，"1986，（6088）：533-536.

[13]Markoff J. Scientists see promise in deep-learning programs[N]. The New York Times，"2012-11-23.

[14]孫志軍，薛磊，許陽(yáng)明，等.深度學(xué)習(xí)研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2012，（8）：2806-2810.

[15]余凱，賈磊，陳雨強(qiáng)，等.深度學(xué)習(xí)的昨天、今天和明天[J].計(jì)算機(jī)研究與發(fā)展，2013，（9）：1799-1804.

[16]Nilsson N J. The quest for artificial intelligence： A history of ideas and achievements[M]. Cambridge： Cambridge University Press， 2010：58-63.

[17]Russell S J， Norvig P. Artificial intelligence： A modern approach[M]. New Jersey："Prentice Hall，"2010：11-36.

[18]Sun Y， Wang S， Li Y， et al. Ernie： Enhanced representation through knowledge integration[OL]. lt;https：//arxiv.org/pdf/1904.09223.pdfgt;

[19]藍(lán)鯨edu.有道“子曰”、訊飛“星火”、學(xué)而思“MathGPT”，教育要蝶變？[OL].

lt;https：//baijiahao.baidu.com/s？id=1765380773931521943amp;wfr=spideramp;for=pcgt;

[20]Office of Educational Technology. Artificial intelligence and the future of teaching and learning insights and recommendations[R]. Washington， DC： Department of Education， 2023：1-6.

[21]IEEE Standards Association. IEEE standard for AI model representation， compression， distribution， and management[OL].lt;https：//www.en-standard.eu/ieee-2941-2021-ieee-standard-for-artificial-intelligence-ai-model-

representation-compression-distribution-and-management/gt;

[22]ISO/IEC. JTC 1/SC 42 Framework for artificial intelligence （AI） systems using machine learning （ML）[S]. Geneva： ISO/IEC，"2022：1-4.

[23]中國(guó)信通院.大規(guī)模預(yù)訓(xùn)練模型技術(shù)和應(yīng)用評(píng)估方法[OL]."lt;https：//pg.aiiaorg.cn/？news_46/546.htmlgt;

[24]教育通用人工智能大模型標(biāo)準(zhǔn)研究成果在2023世界人工智能大會(huì)智能教育主題論壇上重磅發(fā)布！[J].現(xiàn)代教育技術(shù)，2023，（7）：126.

[25][31]陶建華，聶帥，車飛虎.語(yǔ)言大模型的演進(jìn)與啟示[J].中國(guó)科學(xué)基金，2023，（5）：767-775.

[26]符雪姣，曾明星，張友福.人機(jī)協(xié)同精準(zhǔn)教學(xué)整體框架與關(guān)鍵環(huán)節(jié)設(shè)計(jì)[J].開放教育研究，2023，（2）：91-102.

[27]何偉光，李均.ChatGPT何以變革教育研究范式[J].深圳大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2023，（5）：15-25.

[28]張熙，楊小汕，徐常勝.ChatGPT及生成式人工智能現(xiàn)狀及未來(lái)發(fā)展方向[J].中國(guó)科學(xué)基金，2023，（5）：743-750.

[29]郝文武.教育的公平正義與超公平正義[J].教育研究，2019，（12）：45-50.

[30]陳銳，江奕輝.生成式AI的治理研究：以ChatGPT為例[J].科學(xué)學(xué)研究，2024，（1）：21-30.

[32]劉靜，郭龍騰.GPT-4對(duì)多模態(tài)大模型在多模態(tài)理解、生成、交互上的啟發(fā)[J].中國(guó)科學(xué)基金，2023，（5）：793-802.

[33]王志軍，吳芝健.人工智能時(shí)代在線學(xué)習(xí)新形態(tài)——算法支持的智適應(yīng)社群化學(xué)習(xí)[J].遠(yuǎn)程教育雜志，2023，（5）：49-55.

[34]張樂(lè)樂(lè)，顧小清.人工智能在教育領(lǐng)域創(chuàng)新擴(kuò)散的影響因素研究——基于TOE理論框架[J].中國(guó)遠(yuǎn)程教育，2023，（2）：54-63、82.

[35]鄒開亮，劉祖兵.論類ChatGPT通用人工智能治理——基于算法安全審查視角[J].河海大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2023，（6）：46-59.

Development of Standard System Framework for General Artificial"Intelligence Large Model"in"Education

WU Yong-He¹""""YAN Huan¹""""MA Xiao-Ling²

（1. Department of Education Information Technology， East China Normal University， Shanghai， China 200062;

2. School of Business Administration， East China Normal University， Shanghai， China 200062）

Abstract："At present， emerging technologies of"artificial intelligence （AI） large models are developing rapidly"in various fields. Although"AI large models in education could"complete various intelligent tasks in knowledge production， computation， and services to provide teaching assistance， it still has limitations in function construction， data collection and management， teaching evaluation and application， etc. At the same time， there is a lack of general"AI models applicable to multiple educational scenarios. Based on this， starting"from the development and standardization of AI and focusing on the"general AI large models， this paper defined the concept， principles， and attributes of educational general AI large models. The standardized system for educational general"AI large models"was proposed， which included"the overall framework， information model， data specification， evaluation specification"and teaching application"requirements， to to standardize development， application， management， and evaluation of educational general"AI large models from the"perspective"of guidance. Through research， the paper was"aimed"to standardize the application and development of general AI lerge models in the field of education， energize and empower education with intelligence， and promote high-quality development.

Keywords："artificial intelligence; general artificial general intelligence large model; educational general artificial general intelligence large model; standards; standard system