群智涌現的知識生產：形態、機理與促進策略

摘要：“互聯網+”時代的知識生產與媒介技術發展密切相關，呈現出從個體生產走向群智共創、人類認知與機器智能相融合的發展趨勢。群智涌現作為一種新興的知識生產模式，強調互聯網環境中多元主體圍繞問題/主題進行交互匯聚，涌現出遠超個體知識的群體智慧。該研究基于網絡媒介發展的知識生產演變歷程，深入剖析了群智涌現的基本形態，包括基于社會交互的人類群智涌現、基于關聯挖掘的機器智能涌現，呈現出人機融合的發展趨勢。在此基礎上，從生成條件、過程機制和演化形態等維度剖析了群智涌現的內外部知識轉化、多主體協同創新、知識網絡動態進化等生成機理；并從問題情境導向、人機協同參與、多樣活動設計、協作機制保障等四個方面提出了教學實踐中群智涌現的促進策略。研究為理解和分析群智涌現知識生產模式提供了理論基礎與思路參考。

關鍵詞：群智涌現；群體智慧；機器智能；知識創造；人機融合

中圖分類號：G434 文獻標識碼：A

* 本文系國家自然科學基金重點項目“‘互聯網+’時代的教育改革與創新管理研究”（項目編號：71834002）、國家自然科學基金青年項目“群體智慧匯聚下網絡化知識演化規律研究”（項目編號：62207005）研究成果。

① 陳麗為本文通訊作者。

一、引言

互聯網創設的信息空間使人們能夠隨時隨地、平等地進行知識生產、共享與連接，知識的生產與傳播方式發生改變，知識回歸為人類全部智慧，表現出綜合化、碎片化、動態性和草根性等特征。此時，知識生產由個體為中心的意義建構走向群體或組織為中心的網絡連接[1]，“網絡化知識”的概念由此產生[2]。它是由群體差異化經驗的交互匯聚、協商共識而生成的事實認識、態度體驗、價值偏好等，是群體成員間自下而上與自上而下耦合交互的“涌現”結果[3-5]。在多元參與主體、群體交互方式以及技術支撐工具等要素影響下，網絡化知識的生產表現出自組織、非線性和不確定性等特征，該知識生產模式也被稱為群智涌現[6]。在此過程中，來自不同背景的參與者基于共同的目標或愿景，自發參與到問題解決和知識創造活動中。他們通過資源共享、觀點交互、差異化協商等多樣化的互動方式，實現了跨學科知識與經驗的深度融合和碰撞交流，進而涌現出遠超個體知識的群體智慧。群智協同，即圍繞共同目標進行的群體智慧的協同互動，成為促進群智涌現的關鍵驅動力。已有研究描述了互聯網環境下群智涌現知識生產的主要表現與核心特征[7]，但其內在機理、表現形態等深層次機制仍有待揭示。本研究基于網絡媒介技術推動的知識生產的演進，分析各類群體協同參與知識生產的基本思路，探究群智涌現的實踐形態與生成機理，并提出面向教育實踐的群智涌現促進策略。

二、基于網絡媒介的知識生產

知識生產與媒介技術密切相關，媒介技術顯著影響人類對認知客體（知識）的表征能力與手段，進而影響著客觀知識世界的內容[8][9]。在互聯網出現前，人類主要依賴語言和文字符號來表征知識，僅有少量的人類智慧能夠記錄和傳播。隨著網絡媒介技術的進步，人類逐步實現了對全部人類智慧的記錄與發展，知識生產方式日益多元化：從個體生產拓展到群體協作，從專業人士延伸至草根大眾，同時也融入了機器智能的貢獻。知識生產主要模式發生改變，經歷了專業生產內容（Professional Generated Content，PGC）、用戶生產內容（User Generated Content，UGC），以及人工智能生產內容（Artificial Intelligence Generated Content，AIGC）三種模式。

PGC模式基于靜態只讀的Web1.0技術，其生產邏輯本質上仍延續著傳統媒體時期“專業至上”“內容為王”的理念[10]。在該模式下，內容的生產與審核把關主要由專業人士或機構承擔，從而保障了內容生產的專業性與高質量。例如，通過四大門戶網站（新浪、搜狐、網易、騰訊）發布權威、專業的新聞報道。相比而言，UGC模式基于動態互動的Web2.0技術，將網絡用戶納為生產主體，強調普通用戶通過共享有用的信息、經驗和技能等，可以自我學習和發展，進而促進知識創造和個人價值提升；它具有公開發布、創造性努力和非專業實踐等特征[11]。UGC主要包含獨立式、累積式、競爭式和協作式四種生成方式[12]，后三種關注群體的交互、合作與協同的模式愈發重要，強調通過網絡媒介匯聚群體智慧、建立知識連接，進而涌現網絡化知識。例如，通過社會化標注、眾包競賽、維基百科等方式，匯聚用戶群體力量協同生產知識。隨著網絡形態的演進和人工智能技術的smht8a9H5bYyFhXTW5Vq+7xpvqqOYCdAo/ZdGSXVFto=突破，出現了AIGC模式，即利用機器學習模型實現文本、圖像、語音等網絡信息內容的自動化合成[13]。在該模式下，智能機器首次以主體身份參與到內容生產過程中，例如，ChatGPT應用已能進行文章寫作、詩歌創作等內容生成與問題求解任務[14]。相較于以往的知識生產模式，AIGC在促進自動化內容生成、提高內容質量及生產效率等方面具備優勢，但目前也存在著“幻覺”、算法偏見、版權等問題[15]。

知識生產模式從PGC、UGC到AIGC的演變并非簡單的替代關系，而是一個逐步拓展和融合的發展過程。三種模式共同推動著知識的網絡化生產：PGC為用戶提供權威、專業的知識資源；UGC通過大眾用戶的交互參與，豐富了知識內容的數量、類型與覆蓋范圍；AIGC則利用人工智能技術自動或輔助生成內容，提高知識生產效率。在此過程中，知識對象的類型和數量不斷增長，知識形態由層級化轉變為扁平網絡化，知識生產方式也從依賴人類專家、個體使能轉向人機協同、群智驅動，從而大大提高了知識生產的效率，加速了知識的動態更新過程。專業人士、普通用戶和機器智能體等多元主體相互協作、適應與融合，搭建起群體智慧的知識網絡，進而不斷推動新知涌現。

三、群智涌現的表現形態

互聯網通過匯聚和共享群體智慧、建立網絡連接等方式推動知識不斷生產、傳播和進化，使得群智涌現成為知識生產的重要模式。隨著互聯網技術的發展，不僅人類群體能更高效地進行協作分享和知識創造，機器智能體也在自我學習和智能進化方面不斷提升，逐步參與到知識生產過程中。在此基礎上，筆者提出了兩種群智涌現的實踐形態：一是基于社群中的復雜交互的人類群智涌現，強調社會大眾在特定問題場景和實踐需求下，通過群體協作、靈感互動、頭腦風暴等共享機制所涌現出的新特征；二是基于關聯挖掘的機器智能涌現，表現為計算機程序或機器智能體整合海量數據和知識資源開展任務的協同交互所實現的關聯重組的涌現，可細分為機器自身的“能力”涌現和機器交互的任務涌現兩個層次。

（一）基于社會交互的人類群智涌現

在互聯網環境中，個體受到興趣或任務驅動進入社區開展學習，針對主題或問題發表自身觀點及看法，并在與其他個體差異化觀點的碰撞中涌現出新的認識、規則和文化等，筆者將其稱為基于社會交互的人類群智涌現。在該過程中，知識涌現發生在個體、群體和組織等多個層面，個體知識源自外部環境異質性知識的刺激，群體知識產生于內部個體差異化知識經驗的社會互動，組織知識則是在不同社群間長期的互動和協作中逐漸形成的。前者源于人腦神經網絡的復雜內在知識加工，往往難以直接進行觀察與追蹤；后兩者則是生物與環境相互作用和影響的結果，側重于隱性知識價值呈現[16]，一般可外顯為主體之間交互產生的行為、態度、情感、意識等的變化。在個體層面，個體通過資源共享、觀點互動等方式融入社區、貢獻知識、發展經驗，促進自身知識增長的同時，也為群體知識的生成與進化提供基礎。在群體層面，來自多元個體的豐富知識對象在問題情境驅動下聚合到一起，經過討論、關聯、補充、整合、論證等過程不斷優化與完善對于問題的認識，進而涌現出針對某一問題超越單一個體認知、更為全面系統的認知與解決方案[17]。在組織層面，通過群體較為長期的學習與交互，組織內部可形成較為穩定的文化、規約與價值觀等。個體知識與群體知識的發展是相輔相成、協同進化的過程，組織知識則是個體知識與群體知識共同發展的結果，并反過來影響個體知識與群體知識的生成與發展。

Nonaka[18]研究了由個體知識到組織知識的轉化和創造過程，強調個人承諾（意圖）、環境波動、信息冗余、多樣性經驗等條件的重要性，這對于網絡時代由群體聚集交互而促發的知識流動和知識創造具有指導意義。筆者以此為理論基礎，對互聯網環境下以社群交互為主的知識創造與涌現過程進行闡釋，其本質上是社區內部個體與群體之間知識的傳遞、整合和創造的結果，強調顯性知識和隱性知識的交互轉化。如下頁圖1所示，這一過程是技術網絡（各類社交媒體與工具構成的網絡）、社會網絡（人際交互構成的網絡）和知識網絡（群體交互過程中各類知識經驗連接構成的網絡）等多層網絡的螺旋動態發展過程。個體在共同的興趣、話題或問題需求驅動下進入社區開展學習，技術網絡為個體提供交互與協作的空間。在此過程中，個體知識之間的互動與連接是促進社區知識生產的基礎與關鍵，其主要表現為兩種方式：一是個體與個體之間直接的知識交流（多發生在“熟人”圈層）；二是個體通過發表博客、觀點等方式將自身知識“外化”到互聯網空間，他人可通過查閱間接地獲取到這些知識，進而“內化”到自身知識結構中。兩種知識交互方式都以社交媒體構成的技術網絡為中介，從而建立個體知識結構之間的連接。個體交互過程中產生的知識連接內嵌于社區的技術網絡和社會網絡中，形成社區的虛擬知識庫。每當個體點擊查閱時，便可能激活知識連接。在此過程中，隨著多元個體知識經驗的不斷共享、連接與融合，產生的信息冗余有助于觸發群體內部的反思、碰撞與沖突，并將在群體的多輪觀點表達與意見交換過程中促進知識的網絡化涌現。

多元知識經驗驅動下的社會交互是觸發群智涌現的基礎，其始于個體內部思想的語言表達與互動。在互聯網環境中，文字作為語言的主要載體實現了對知識經驗的體外延伸與發展傳承，支撐人類開展網絡連接、協作交互、內容輸出等學習活動，進而促進思維碰撞和知識創造。在此過程中，個體間認識與經驗的交互碰撞不斷豐富社區的知識連接，為知識創造提供動力。社區中不同個體之間緊密關聯，社區成員間的互動往往會促進信息的交匯與重疊，由此激發知識對象的連接和擴展，形成群體知識網絡，這是群體在學習交流過程中思維碰撞的涌現結果。

（二）基于關聯挖掘的機器智能涌現

在人工智能、物聯網等智能技術快速發展的推動下，機器開始表現出自主性、智能性等新特征。機器智能的涌現是指大量計算機程序或智能體協同作用，以產出超出單個程序或智能體能力的復雜行為或結果[19]。一方面，機器智能體通過模仿人類信息處理活動，從海量數據和知識資源中學習并發現知識，逐漸涌現出感知、識別、推理等類人智能；另一方面，基于機器自身涌現出的這些復雜問題求解能力，面向實際應用場景調整優化模型，涌現出針對問題/任務的解決方案。近年來，大語言模型（Large Language Model，LLM）在自然語言的理解和生成等方面取得突破進展，其借助算法揭示數據中的模式和規律，實現了面向多種任務形式的適應性調整與應用，從而展現出機器智能的潛力。研究發現[20]，在一些知識密集型任務中，LLM的任務表現能力會隨數據規模的增加而不斷增長，體現出LLM本身的“涌現”能力，可隨著規模增長不斷“解鎖”新功能。同時，研究發現當處理由多個步驟組成、需要進行復雜邏輯推理的任務時，LLM更易展現出涌現能力[21]，這表明任務類型對涌現能力具有重要影響。因此，筆者提出機器智能涌現的兩個層次：機器自身的能力涌現以及在交互活動中的任務涌現（如圖2所示）。此類涌現是以計算機程序或機器智能體為主體、以發掘知識之間的聯系為核心，筆者將其稱為基于關聯挖掘的機器智能涌現，強調從數據、知識中發現項目或對象集合之間的模式、特征和規律等。

基于LLM的機器智能涌現以大規模數據的并行計算以及算法程序間的相互作用為基礎，通過深度學習神經網絡模型對數據進行處理和訓練，利用Transformer架構中的多頭注意力機制建立不同知識之間的聯系，從而進行模式學習。同時，前饋神經網絡（Feed-Forward Network，FFN）的分層結構有助于知識模式的分層存儲和計算檢測[22]。在此基礎上，隨著數據訓練規模和模型參數的不斷增長，模型能涌現出語言理解、邏輯推理、文本生成等能力。這一過程在某種程度上模仿了人類大腦中神經元相互作用的認知機制，大量神經網絡單元通過復雜的相互作用處理、訓練數據，進行多模式識別與知識學習，從而激發了機器內部的能力涌現。這些能力構成了機器在執行任務過程中的核心基礎，在任務應用場景中，需要結合場景需求對模型進行調整優化。例如，ChatGPT在LLM基礎上融合了對話管理系統、自然語言理解模型等多種智能體技術，協同服務于語言對話任務。此時，機器智能的涌現發生在智能體與任務之間的動態交互和反饋中，智能體基于任務/問題需求調用前期儲存的知識模式，并進一步通過知識融合和推理、上下文管理等過程，涌現的是針對問題/任務的靈活響應結果和解決方案。然而，機器涌現能力及涌現內容的質量受到數據、算力、算法等多要素的共同影響。目前，機器智能研究尚處于初級階段，主要依賴于批量數據預訓練生成大模型，仍然存在數據自動更新、算法局限、模型泛化能力不足等問題和挑戰。

（三）群智涌現的人機融合趨勢

人類智能與機器智能各有專長，人類擅長邏輯推理、直覺感知和觸類旁通，在創造力與適應性方面具有優勢；機器則強于搜索和計算等“暴力思維”，在重復工作、處理離散任務等方面具有優勢。“互聯網+”時代數據和信息的爆炸式增長，對人類的信息組織與計算能力提出了巨大挑戰，人類認知系統已難以應對海量信息資源激增帶來的復雜性與不確定性；機器模型雖已初具智能，但在處理問題時存在常識知識缺乏、數據偏差和認知偏見等問題[23]。因此需要將兩者結合起來，充分利用機器優勢，促使人類才智發揮[24]。在基于社會交互的人類群智涌現過程中，技術或工具作為外部環境支撐人類開展更加豐富、便捷的知識生產活動，拓展人類計算能力，輔助發現潛在知識；在基于關聯挖掘的機器智能涌現過程中，關注機器智能作為人類智能的延伸和拓展，在人類知識資源基礎上進行知識服務和知識生成。本質上，所有人為設計的方法均體現了數據和知識協同的理念[25]，未來的知識生產也將越來越多地展現人機融合的作用。通過將機器融合多模態數據與常規知識庫、知識圖譜等人類經驗，促進智能系統或模型的認知能力，進而促進自動化、高質量的知識組織、管理和生產。

已有研究[26]從主體視角將人機協同的工作方式分為人類主導、機器輔助（“Embedding”模式），人機分工合作共進（“Copilot”模式）以及機器基于目標的全權代理、自動化工作（“Agent”模式）三種模式。隨著機器在自主、智能等方面性能的持續提升，后兩種人機融合模式將成為推動群智涌現知識生產的重要方式。其將人類進行問題解決的感知、認知機制以及機器強大的運算和存儲能力相融合，開辟出一條人機共生的知識生產路徑。例如，群體在嵌入智能學習系統的環境中開展在線學習，機器能夠基于社群互動行為自適應推薦知識資源、聯通學習群體、動態引導反饋、拓展知識網絡，從而匯聚群體開展圍繞特定主題的深度交流與研討，碰撞生成創新思路、學習制品等。再如，在基于智能代理的教學情境中，機器智能體能夠承擔一定的計算操作和支持服務，充分發揮其強大的計算能力，幫助學習者進行資源匯聚、組織決策和探索創新。已有研究[27]提出“人在回路”（Human in the Loop）的思想，即通過人類干預和反饋的方式將人類先驗知識融入智能系統的計算回路中，以提高數據分析精度，優化模型參數，進而提高模型的自由度與情境感知性，推動機器“自主”涌現智能。在“人-機”融合作用過程中，人、機器與環境多重要素相互作用，搭建起將“數據-知識-智能”轉化的橋梁，促使知識生態系統與知識技術體系相互融合、共同發展。通過不同路徑生成的知識都將存儲于互聯網環境中，構成豐富的知識學習資源；根據知識之間的相關性、相似性等復雜關系，相互交織形成知識網絡，能夠用于解決更加多樣、復雜的理論與實踐問題。

四、群智涌現的生成機理

群智涌現強調在互聯網空間支撐下，人類、機器智能體等主體基于多樣化知識經驗的交互、連接、轉化與協同創造，從而促進知識的網絡化生產與動態發展。基于上述研究基礎，筆者嘗試從生成條件、過程機制和演化形態三方面揭示群智涌現的生成機理。

（一）生成條件：顯、隱性知識交互轉化

“互聯網+”時代知識的范疇擴大到全部人類智慧，強調對所有人類知識經驗的分享、匯聚、重組和再創造[28]。互聯網信息空間為個體經驗的分享提供了條件，人類能夠借助各類社交媒體和平臺發表關于實踐問題的獨特經驗，并快速尋找到與自己適合的組織和社群。在社群交互過程中，個體和群體的顯性知識、隱性知識相互轉化，構成了群智涌現的基礎。（1）互聯網連接海量信息釋放全部人類知識經驗。在互聯網環境下，不僅專業人士，普通用戶和機器智能體也成為知識生產的重要參與者。相較于基于人類專家抽象描述的系統化科學知識生產，互聯網空間通過共性話題吸引、社群分享匯聚、差異化觀點交互等過程，將各類個性化實踐經驗、公眾輿論、情感偏好等知識內容融入生產過程，實現了知識的全譜系回歸[29]。（2）顯、隱性知識交互轉化促進知識網絡化發展。網絡化知識通常是與人類群體或組織的實踐行動緊密聯系在一起的，在知識生產的同時就可實現傳播與應用[30]。以往的科學知識生產受到人類表征能力的局限，生產和傳播的范疇僅限于部分能被人類語言或文字表征的知識，大量技能、情感、態度等有價值的隱性信息通常難以表征，因此也無法匯入知識生產過程。互聯網空間以其開放共享促進了這些隱性知識的外化與傳播，實現了顯性知識和隱性知識的快速轉化，推動知識動態匯聚、關聯與生產。

（二）過程機制：多要素驅動的協同創新

互聯網信息空間為人類創設了開放、便捷的交互情境，促進了群體的規模化匯聚與持續性交互，由此推動了知識基于群體協同的生產與演化。網絡化知識生產是互聯網環境匯聚群體智慧協同作用進行模式識別的過程，關于問題的復雜知識經驗能夠通過個體交互、數據關聯、人機協作等多種方式實現動態關聯、再創造及進化發展。（1）知識驅動的群聚交互突破個體認知局限。互聯網信息空間為跨越時空、層級的群體匯聚創設了環境基礎，促進了在問題引領下人類知識經驗的交互共享和協作創生。這種模式突破了以往單一個體主導的問題解決方式，通過群體協同延展了人類認知視域。公眾基于各類知識社區與交互平臺，通過發現社群、尋找伙伴、分享資源、信息標注、發表觀點等過程進行模式識別，整合、創造生成新知識，推動知識生產進入群智共創的新時代。例如，“知乎”社區通過開放式的用戶問答與互動，促進了問題的高效解決[31]；“豆瓣”社區通過社會化標注方式，實現了基于大眾點評的知識產品內容審查與推薦[32]。（2）數據驅動的知識發現促使隱性關聯知識顯現。數據驅動的知識發現強調通過對海量數據的匯聚和整合，基于算法/程序進行特征識別、規模訓練等分析處理，從中揭示那些隱藏在數據背后、不易察覺的隱性知識關聯，進而形成對于事物或現象的多模式識別[33]。例如，通過對海量交互數據和知識資源的計算與學習，機器智能體能夠挖掘出隱含在數據關聯中的有價值信息和知識，并結合具體任務對其進行整合、重組，由此產出對于任務的闡釋和趨勢預測等，甚至給出初步的問題解決方案。（3）人機協同促進知識動態生成與持續進化。機器通過對人類既有知識經驗的“學習”，利用語言、文字、符號等人類思維載體延伸和拓展人類認知[34]，正代替人類完成一些程序化的知識工作，如機器翻譯、自動摘要、知識內容的整合編輯等，甚至參與到知識的創造和生產中。在此過程中，人類與機器可以通過基于情境的交互反饋互教互學、協同創新，由此推動知識的快速生成與動態進化。

（三）演化形態：動態進化的知識網絡

傳統基于文字出版流程的科學知識生產遵循固化的標準與流程，從想法的產生到知識的組織生成以及規模化傳播是一個逐級推進、漸進生成的過程，且各個環節間往往需經歷較長的時間周期，具有高成本、低效率的特征[35]。互聯網平等、開放的共享空間滿足了不同群體便捷、無邊界、連續性地知識分享和經驗交互，知識的生產者和消費者互為彼此，在交互中形成協同知識網絡生態。（1）知識生產更具開放共享與系統生態。不同于以往對于生產主體與生產環境的專業性、規范性要求，多元主體參與的知識生產更具開放性和共享性，逐漸形成開放流動、動態更迭的知識生態系統[36]。在該系統中，群體的匯聚和交互不受人為約束，而是一種開放式、自組織的涌現過程。互聯網信息空間聯通物理空間和社會關系空間，使得人們能夠通過在線平臺、社交媒體等途徑平等自由地發表和分享自己的知識成果和觀點認識。這些開放數據和信息又能夠持續地為人類和機器提供原料，以促進其不斷學習、實現自我進化，推動創新和合作不斷發生，由此形成人類、技術、環境協同共生的知識網絡生態。（2）知識生產與傳播同程推動知識快速進化更迭。互聯網環境下群體交互生產知識無時無刻都在發生，其突破了傳統固化出版流程的限制，過程中產生的扁平化知識網絡實現了知識生產與傳播的同步推進[37]。同時，隨著智能技術的快速更迭，機器智能體在知識生產中的作用逐漸從工具輔助轉向自主產出[38]。相較于人類主導的思維性生產，機器智能體通過對互聯網環境下動態發展的關聯數據的挖掘來實現知識的自動化生產，如對在線教學場景中交互數據的分類組織、概念間關聯關系的挖掘等。由此，實現了知識快速、高效地生產、傳播及進化更迭。

五、群智涌現的促進策略

已有研究[39]指出，群體匯聚的模式、結構與機制等是影響群體互動涌現群智的關鍵因素。在以數據和知識為重要驅動力，強調群力共創、人機共生的“互聯網+”時代，以知識創造為核心內容的教育教學亟需轉型應變，發揮群體效能激發涌現力量。筆者結合教學實踐探索，從問題任務、交互節點、群聚結構和協作機制四方面提出網絡學習環境下促進群智涌現的實踐策略，以期為后續相關教育實踐提供方法與策略參考。

（一）問題情境導向：創設以任務為導向或基于主題分享創造的情境

研究表明，群體智慧在兩種情境下更易涌現：以簡單任務為導向的情境和以分享創造為導向的情境[40]。互聯網環境促進了人類群體基于簡單行為的匯聚與協作，簡單行為的匯聚也會涌現出超乎想象的結果，如基于網絡的信息集成，每個人只需要提供一點信息，就能拼湊形成一張完整的地圖[41]。以分享和創造為導向的情境本身就蘊含著知識創造的目標，且該情境下的參與者多為一些思想活躍開放、樂于分享，自身具備一定知識經驗的人，這樣的匯聚方式更有利于知識的創造。例如，基于聯通主義的在線開放課程（connectivist Massive Open Online Course，cMOOC）教學中融合了學習任務引導和基于主題的分享創造情境[42]，一方面，課程為學習者提供多個主題和任務選擇，引導學習者聚焦教育場景，有目標的自由發散思考；另一方面，課程搭建了分布式交互環境，促進學習者基于興趣或需求聚合探討、交互碰撞，由此推動社群網絡不斷發展。

（二）人機協同參與：加入融合人類主體與虛擬代理等的多元節點類型

生成式人工智能的發展顛覆了人類對知識生產的認知：機器智能體從輔助知識生產進化為新的“知識生產者”。相比于人類知識生產，機器智能體尤其擅長基于數據的系統化加工與整理。在“互聯網+”時代，信息和知識的急劇增長對人類的學習能力提出更高挑戰，學習不再僅僅是對資源的獲取與理解，而是包含從資源的篩選、整理、理解到應用、創造等的全過程能力發展。在互聯網環境中，學習者不僅可和其他個體交互溝通思想，也可借助機器智能體獲取知識資源、啟發思考。由此，教學活動設計不僅應考慮人與人之間的交互，也可以將機器智能體作為網絡中的交互節點融入活動設計，允許學習者通過與機器智能體的交互獲取相關資源，或尋求技術操作、方法使用等方面的幫助。同時，機器節點的加入也能增強網絡節點的多樣性，豐富學習者的交互體驗，激勵學習者循序漸進地開展學習并形成個性化見解，從而促進知識涌現。例如，cMOOC5.0中引入機器人消息通知和自助答疑，幫助學習者自動獲取課程相關訊息及常見問題引導，促進了學習者參與學習的積極性和持續性[43]。

（三）多樣活動設計：組織多樣主題活動促生多中心、分布式網絡結構

涌現是一種組織效應、結構效應[44]。在群體智慧相關研究中，網絡中心化是支配群體產生群智的關鍵網絡屬性[45]，這一屬性主要體現在網絡拓撲結構的度分布上。在互聯網環境下基于群體匯聚的知識涌現中，主體匯聚連接的模式會影響群體的社會網絡結構，進而影響知識的涌現效果。已有實踐表明，基于共同目標有序流動的開放、分布式網絡社區結構有助于增強社區經驗的多樣性，并減少因長期穩固權力結構產生的群體壓力[46]，進而產生涌現。為此，教學應緊密圍繞相關主題或問題開展，以凝聚具備共同意圖的學習者加入；其次，開放多種交互話題，允許學習者自由選擇并參與創建，激發社區創新活力；同時，嵌入多種學習支架和支持工具引導學習者基于任務復雜性選擇不同的學習方式。cMOOC課程采用開放式、多主題、多樣化活動設計，如資源分享、原創性博客輸出、論壇討論、協作問題解決等，鼓勵學習者通過多種渠道獲取信息、表達觀點、建立廣泛連接[47]，以提高社會網絡的分散性。同時，課程平臺扁平化的設計為每一位學習者提供了平等的表達機會，任何人都有可能成為社群交互的中心[48]，多中心網絡結構也促進并保護了新奇想法和創新方案的產生和發展。

（四）協作機制保障：建立角色分工、激勵報償、評估修正等過程機制

知識涌現的發生依靠群體間協作交互的耦合效應，群體間的有效協作有賴于社區機制的引導[49]，且這種機制不是完全由權威控制，而是結合社區主導者組織引導和協作過程中自然形成的社群規約。例如，Github、知乎等知識社區要求參與者以關鍵詞、領域詞條等對分享內容進行標注，以便對知識庫進行自動化地組織與管理。同時，群體中的角色分工與互動是影響群智發揮效果的關鍵，研究發現，協作社區中的“強互惠者”角色有助于促進協作秩序的產生[50]；群體多種角色的分工及角色作用方式等都對群智協同的效果具有重要影響，如組織者、整合者、輔助者、執行者等角色協作解決問題的互動配合方式會影響小組協作效果[51]。此外，激勵和報償機制也在促進群體主動分享和貢獻方面發揮著關鍵作用，尤其對于社區的持續性發展至關重要。例如，cMOOC通過設置多類型證書、提供社區直播等外部獎勵機制激發學習者的外部學習動機，以及利用社區聲譽、互惠心理等建立交互排名、社區助力、評估修正等任務機制促進主動貢獻，營造互惠共贏的社區文化。

六、結語

群智涌現是數字化轉型時期的新型知識生產模式，深入探究其內在機理與作用機制是理解并有效運用這一模式的關鍵。研究通過梳理網絡媒介發展過程中知識內容生產由PGC到UGC再到AIGC的演變歷程，揭示出知識生產多主體協同、群智匯聚、人機共促等發展趨勢。基于此，深入探究了群智涌現的典型模式，分別為人類群智涌現和機器智能涌現。人類群智涌現強調人與人之間通過社會互動與網絡連接涌現知識網絡，機器智能涌現強調機器智能體通過知識關聯挖掘和任務交互涌現內容生成能力與問題解決方案，揭示出人類和機器協同共創的發展趨勢。同時，進一步剖析了群智涌現源自多樣化顯性知識與隱性知識的交互轉化，過程中多要素驅動協同創新，以及演化生成動態進化的知識網絡的生成機理。由此，立足教學實踐場景，提出通過創設問題或任務情境、融入人類和機器多元節點、組織多樣化主題活動以及建立過程機制保障等策略，能夠有效促進群智涌現的發生。但研究主要是從學理層面系統闡述群智涌現的內在機理，后續仍需進一步結合教育實踐研究，從實證層面挖掘群智涌現在實踐場域的表現特征與發展規律，從而推動以網絡化知識生產為核心的教學實踐的發展與變革。

參考文獻：

[1][28][37] 陳麗，逯行等.“互聯網+教育”的知識觀：知識回歸與知識進化[J].中國遠程教育，2019，（7）：10-18+92.

[2][30] 王懷波，陳麗.網絡化知識的內涵解析與表征模型構建[J].中國遠程教育，2020，（5）：10-17+76.

[3][8][17][29] 陳麗，鄭勤華等.知識的“技術”發展史與知識的“回歸”[J].現代遠程教育研究，2022，34（5）：3-9.

[4] Sardar，Z.The smog of ignorance：knowledge and wisdom in postnormal times [J].Futures，2020，120：1-12.

[5] 安寧，安璐.突發公共衛生事件輿情環境下的群體智慧涌現研究[J].情報學報，2022，41（1）：96-106.

[6][7] 陳麗，郭玉娟等.“互聯網+教育”的世界觀：復雜系統觀[J].中國遠程教育，2023，43（8）：7-12+24.

[9] 郭文革.教育的“技術”發展史[J].北京大學教育評論，2011，9（3）：137-157+192.

[10] 胡泳，劉純懿.UGC未竟，AIGC已來：“內容”的重溯、重思與重構[J].當代傳播，2023，（5）：4-14.

[11] OECD.Participative Web and User-Created Content [EB/OL].http：//www. oecd. org/internet/ieconomy/38393115.pdf，2022-08-24.

[12] 趙宇翔，范哲等.用戶生成內容（UGC）概念解析及研究進展[J].中國圖書館學報，2012，38（5）：68-81.

[13] 李白楊，白云等.人工智能生成內容（AIGC）的技術特征與形態演進[J].圖書情報知識，2023，40（1）：66-74.

[14] 李yp8Sx2dLre3r5We3ysSsnIChaUpAXNZQc61ileCsd0E=德毅.論智能的困擾和釋放 [J].智能系統學報，2024，19（1）：249-257.

[15] 解學芳，祝新樂.“智能+”時代AIGC賦能的數字文化生產模式創新研究[J].福建論壇（人文社會科學版），2023，（8）：16-29.

[16] 金杰，金福.基于組織視角的知識涌現系統受限模型[J].企業改革與管理，2018，（2）：6-7.

[18] Nonaka I.A Dynamic Theory of Organizational Knowledge Creation [J]. Organization Science，1994，5（1）：14-37.

[19] 王亮家.以涌現重審人工智能范式的智能實現[J].科技傳播，2022，14 （2）：113-117.

[20][21] Srivastava，A.，Rastogi，A.，et al.Beyond the imitation game：Quantifying and extrapolating the capabilities of language models [DB/OL].https：//arxiv. org/abs/2206.04615，2024-07-20.

[22] Geva，M.，Schuster，R.，et al.Transformer feed-forward layers are key-value memories [DB/OL].https：//arxiv.org/abs/2012.14913，2024-07-20.

[23] 馮建軍.我們如何看待ChatGPT對教育的挑戰[J].中國電化教育，2023， （7）：1-6+13.

[24][50] 吳飛.走進人工智能[M].北京：高等教育出版社，2022.

[25] 蒲志強，易建強等.知識和數據協同驅動的群體智能決策方法研究綜述[J].自動化學報，2022，48（3）：627-643.

[26] Wilson，H.，Daugherty，P.Collaborative intelligence：Humans and AI are joining forces [J].Harvard Business Review，2018，96（4）：114-123.

[27] Korhonen A.The proceedings of the 57th annual meeting of the association for computational linguistics [A].Kumar V.Why didn’t you listen to me comparing user control of human-in-the-loop topic models [C].Florence：Association for Computational Linguistics，2019.6323-6330.

[31] 儲節旺，李佳軒.知識生態系統中知識演化及智慧創生研究——以知乎社區為例[J].情報理論與實踐， 2022，45（9）：51-58.

[32] 易明，馮翠翠等.基于群體智慧理論的協同標注信息行為機理研究——以豆瓣電影標簽數據為例[J].情報學報，2021，40（1）：101-114.

[33] 邱韻霏，李春旺.智能情報分析模式：數據驅動型與知識驅動型[J].情報理論與實踐，2020，43（2）：28-34.

[34] 李德毅，馬楠.人工智能看教育[J].高等工程教育研究，2023，（3）： 1-7.

[35] 束開榮.知識基礎設施視角下的學術期刊數字出版：網絡化的知識生產及其傳播實踐[J].編輯之友，2022，（3）：40-47.

[36] 顧小清，郝祥軍.從人工智能重塑的知識觀看未來教育[J].教育研究，2022，43（9）：138-149.

[38] 陳曉珊，戚萬學.知識機器生產模式與教育新隱喻[J].教育研究，2023， （10）：33-43.

[39] 蔡萌生，陳紹軍.反思社會學視域下群體智慧影響因素研究[J].學術界，2012，（4）：23-30+271-274.

[40][49] 彭蘭.群氓的智慧還是群體性迷失——互聯網群體互動效果的兩面觀察[J].當代傳播，2014，（2）：4-7.

[41] Wikipedia.DARPA Network Challenge [EB/OL].https：//en.wikipedia.org/ wiki/DARPA_ Network_Challenge，2017-11-10.

[42][43][47] 徐亞倩，陳麗等.聯通主義在線課程設計策略研究——基于五輪cMOOC設計迭代[J].中國遠程教育，2022，（6）：67-75.

[44] 何小賢，朱云龍等.群體智能中的知識涌現與復雜適應性問題綜述研究[J].信息與控制，2005，（5）：50-56.

[45] Newman，M.Networks：An Introduction [M].Oxford：Oxford University Press.2010.

[46] 黃曉斌，周珍妮.Web2.0環境下群體智慧的實現問題[J].圖書情報知識，2011，（6）：113-119.

[48] 郭玉娟，陳麗等.聯通主義學習中學習者社會網絡特征研究[J].中國遠程教育，2020，（2）：32-39+67+76-77.

[51] 王辭曉，張文梅.聯通主義學習中協作問題解決的角色互動研究[J].電化教育研究，2022，43（10）：86-93.

作者簡介：

張文梅：在讀博士，研究方向為“互聯網+教育”、聯通主義學習。

祁彬斌：博士，博士后，研究方向為智慧學習環境、虛擬現實教育應用。

何歆怡：在讀博士，研究方向為“互聯網+教育”、聯通主義學習。

陳麗：教授，博士，博士生導師，研究方向為“互聯網+教育”、終身教育、教育大數據。

Knowledge Production with the Emergence of Collective Intelligence： Morphology， Mechanisms and Facilitation Strategies

Zhang Wenmei1， Qi Binbin2， He Xinyi1， Chen Li1

1.The Research Center of Distance Education， Beijing Normal University， Beijing 100875 2.National Engineering Research Center for Cyberlearning and Intelligent Technology， Beijing Normal University， Beijing 102200

Abstract： Knowledge production in the era of “Internet Plus” is closely linked to the advancement of media technology， indicating a shift from individual production to the collaborative creation of group intelligence， and the integration of human cognition and machine intelligence. The emergence of group intelligence， as an emerging mode of knowledge production， emphasises the interactive convergence of multiple subjects around a problem or topic in the Internet environment， resulting in the emergence of group intelligence that far exceeds individual knowledge. The article examines the evolution of knowledge production in network media and analyzes the emergence of group intelligence. It discusses human group intelligence based on social interaction and machine intelligence based on correlation mining， as well as the trend of humanmachine integration. The study also explores internal and external knowledge transformation， multi-subject collaborative innovation， and the dynamic evolution of knowledge networks related to group intelligence. It proposes strategies for promoting group intelligence in teaching practice， including addressing problematic situations， facilitating human-machine collaboration， designing diverse activities， and ensuring collaborative mechanisms. The research offers a theoretical basis and reference for understanding and analyzing the knowledge production mode of group intelligence emergence.

Keywords： collective intelligence emergence； collective intelligence； machine intelligence； knowledge creation； human-machine integration

收稿日期：2023年12月1日

責任編輯：趙云建