數智韌性：理解生成式人工智能對青少年的影響*

摘 要：在新質生產力發展的數智化背景下，本研究運用多案例研究法和訪談法，創新性地提出了“數智韌性”概念，探索性構建了教育出版領域生成式人工智能（Artificial Intelligence，AI）對青少年數智韌性影響機制的理論模型。研究發現，數智韌性是生活在數智時代的個體或組織在與外部空間交互的過程中形成的、應對外部環境挑戰的可持續發展能力，包括前期消納、中期適調、后期變革和未來預判4個維度。生成式AI的技術特性通過影響青少年用戶的感知有用性和感知易用性，調節青少年與其他主體之間的網眾互動生成行為，并在此動態過程中影響其數智韌性發展。

關鍵詞：數智韌性；生成式人工智能；青少年；教育出版；網眾互動生成

DOI： 10.3969/j.issn.2097-1869.2024.04.010 文獻標識碼：A

著錄格式：孫那，陶玥竹.數智韌性：理解生成式人工智能對青少年的影響：基于對教育出版領域的考察[J].數字出版研究，2024，3（4）：84-93.

當前，人們正站在一個由數字化和智能化深刻塑造的數智時代的“門檻”上。信息技術的廣泛滲透和數據智能的集成應用，不僅改變了人們的生活方式，還重塑了社會的基礎結構和運作模式。

2024年，新質生產力首次被寫入政府工作報告，并被列為2024年政府十大工作任務之首[1]。在中國未來經濟向高質量發展轉型的過程中，新質生產力將起到創新推動的主導作用，其具有高科技、高效能、高質量三大特征，是符合新發展理念的先進生產力質態。面對百年未有之大變局和面向2035年更高水平的育人目標，時代亟須中國教育孵化“新質學校”，推動工業文明向智能文明轉型，這是從教育大國向教育強國的關鍵躍升，是基礎教育的“必答題”。

在此背景下，以ChatGPT為代表的生成式人工智能（Artificial Intelligence，AI）正逐漸成為推動教育出版領域創新的重要力量，它能夠輔助生成教學內容，提升內容的可接入性和多樣性，但也給版權保護、數字內容質量控制等方面帶來挑戰。青少年作為教育出版的主要受眾，其在變化的數字環境中適應、應對挑戰并保持心理健康的能力正受到生成式AI的顯著影響。

本文旨在深入探討數智時代生成式AI在教育出版領域對青少年“數智韌性”的影響，揭示構成這一創新概念的內在邏輯，為教育出版行業的技術應用提供理論支持和實踐參考。

1 文獻綜述

韌性（Resilience），最初由加拿大生態學家克勞福德·霍林（Crawford Holling）[2]在生態學領域提出，旨在描述復雜生態系統面對外部變化時的穩定性和適應性，此后擴展到了心理學、管理學、社會學等領域，形成了一個多維的、跨學科的研究議題。在此議題下，韌性可以分為個體層面和組織層面，主要指面對各類挑戰時保持個體或組織系統穩定運行的抗壓能力。

伴隨數字技術的普及，數字韌性（Digital Resilience）應運而生，其指生活在數字時代的個體或組織在與外部空間交互作用的過程中[3]逐步形成的應對數字環境挑戰的能力，包括消納、適調和變革能力[4]。國內外對數字韌性的研究可按情境分為兩類：數字賦能韌性（Resilience through Digital）和數字沖擊韌性（Resilience to Digital）[5]，即“數字”既可以是應對負面影響的手段，也可以是負面影響的來源[6]。前者強調數字技術的賦能作用，如單宇等[7]認為應用數字技術可以促進主體的改革，從而實現能力升級；后者則主要強調數字技術的破壞性作用，如Fleron等[8]將數字技術看作突出的風險來源，Annarelli等[9]認為數字技術已經對個人、企業、國家乃至整體經濟都構成了重大威脅。國內對于數字韌性的研究總體較少。在研究方法上，包括理論研究與實證研究，如馮熹宇等[5]回溯梳理了數字韌性的概念內涵、構成要素及影響效應；陳建偉等[10]開發了面向大學生的數字韌性水平量表，并進行信效度檢驗與實證調查。在研究主體上，包括個體研究與組織研究，主體多分布在教育和經濟領域，如薛曉琪等[11]分析了學習主體在應對外部環境變化中的數字韌性，概述其特征并提出培養策略；周曉雪等[12]采用探索性案例研究方法，構建了數字化戰略更新驅動企業數字韌性形成的過程模型。

然而，隨著數字化向數智化的轉變，AI和大數據等智能化技術與數字化過程深度融合，構建了更加復雜和動態的外部環境，也帶來了新的機遇和挑戰。因此，本文創新性地提出“數智韌性”（Digital and Intelligent Resilience）這一概念，以期更加全面地反映數智時代環境與個體和組織的互動，提煉主體適應當下與引領未來的關鍵能力。

綜上所述，本研究提出以下兩個問題：第一，青少年數智韌性的維度有哪些，分別有何內涵？第二，教育出版領域的生成式AI對青少年數智韌性的影響是如何發生的？

2 研究過程

2.1 研究對象

根據世界衛生組織確定的年齡分段，青少年為10～19歲，其處于人生成長與發展的關鍵階段，呈現出易被外界環境干擾的年齡特征。但同時，青少年時期也正是接受教育的黃金階段，能夠高效學習并快速應用所學知識和價值觀[13]，對新興技術的使用反應顯著。此外，青少年覆蓋從小學到高中的大部分年級，是教育出版產品的核心受眾，其學習需求和反饋高度影響教育出版領域的未來發展趨勢。通過了解生成式AI對青少年的影響，可以更好地優化教育資源和相關策略。

2.2 研究方法

本研究基于數據三角測量方法，通過收集和分析多種數據源，克服依賴單一數據源可能帶來的局限性，從而增強研究發現的有效性和可靠性。具體而言，本研究將多案例研究法與訪談法相結合。

案例研究法能夠對實踐現象進行細膩的描述，揭示其背后的運行模式和邏輯關系，適合解答“怎么樣”和“為什么”的問題[14]，適用于本研究范疇，有助于揭示輸入和輸出主體之間的“黑箱”，探索生成式AI在教育出版領域的特性對青少年用戶數智韌性影響的運行機制與內在邏輯。

訪談法能提供用戶深入、個性化的見解和體驗，再對訪談文本進行扎根分析，通過對收集的資料進行歸納、編碼和比較分析來構建理論[15]。扎根理論（Grounded Theory）對于探討“是什么”和“為什么”等問題具有獨特優勢。此外，扎根理論致力于發展新理論，強調對現象的新理解和新認知[16]。生成式AI在教育出版領域的應用尚處于起步階段，因此可以借助扎根理論歸納現有的有限認知，同時其也適用于本研究探索性提出的“數智韌性”這一新概念。

2.3 數據收集

2.3.1 案例樣本

筆者采用多案例研究方法，查找在互聯網開源渠道公布的信息，獲得二手資料，避免受訪者出現回溯性偏差[17]。遵循理論抽樣原則，并基于復制原則選擇典型案例，將案例數量控制在4～10個[18]，通常選取偶數個案例在同一研究標準上進行對比分析。

本研究根據理論飽和度等因素選取了4個具有代表性的生成式AI應用于教育出版領域的案例（見表1），取樣原因如下：第一，所有案例應用時間均在ChatGPT等大型語言模型興起之后出現，確保了研究的時效性和相關性；第二，每個案例都使用了大語言模型等AI技術；第三，所有案例都涉及青少年用戶的直接參與和互動，在研究4個案例后，發現已經獲得了足夠的案例支持和證據，因此停止進一步增加案例。

2.3.2 訪談文本

筆者于2023年12月至2024年3月通過社交平臺在線招募20位青少年用戶（見表2）進行半結構化訪談，訪談提綱見表3。訪談環節的結束標志為下一位受訪者不再有新的信息供筆者提取與編碼，此時，基本證明理論飽和，不需要再尋找訪談對象。整理得到29 005字訪談記錄材料。

2.4 數據分析

美國學者格拉澤（Glaser）和斯特勞斯（Strauss）提出的扎根理論是一種有利于建立新理論的質性研究方法。本研究利用扎根理論，對訪談收集的文本的原始語句進行一級概念、二級主題和構念的編碼。

教育領域的學者一般使用技術接受模型，分析處于在線學習、多媒體學習等與信息技術緊密相關的學習環境中的學習者對某種新信息技術的接受度和相關行為意愿機制。目前，學術界主要使用第3代技術接受模型（Technology Acceptance Model 3，TAM3），將感知有用性和感知易用性作為衡量個體對信息技術接受程度的2個重要核心變量，本研究融入這2個變量作為構念。

活動理論是建立在馬克思主義哲學基礎上的交叉學科理論，主要研究特定社會文化背景下人的行為活動，其主張人的心理發展與外部實踐活動辯證統一[19]。本研究在觀察編碼的一級概念和二級主題的基礎上，基于萬力勇提出的活動理論的數字化學習資源網眾互動生成模型[20]，結合網眾互動生成理論，部分體現了該模型的3個核心要素，即主體（指參與數字化學習資源創作的用戶個體）、客體（指用戶互動生成的數字化學習資源）、社群（指參與數字化學習資源共同創作與共享的網民群體）與部分中介變量（工具，指平臺）的互動過程。

由此共得出5個構念，分別為教育出版領域生成式AI特性、感知有用性、感知易用性、網眾互動生成行為和數智韌性。由于扎根理論具有研究方法屬性上的限制，理論飽和是主觀界定的[21]，研究選用預留的8份訪談資料進行飽和度檢驗，重復上述三級編碼的具體過程，并與現在已有的關系結構進行對比分析，再無提取出新的編碼，可認為編碼結果基本達到理論飽和。

2.5 模型建構

通過串聯上述構念之間的邏輯結構關系，并反復閱讀編碼原始材料，分析數智時代背景下青少年對生成式AI技術的認知、應用行為及效果，進而建立起一個能夠涵括和解釋此前所有編碼的理論模型（見圖1）。

3 研究發現

生成式AI賦能教育出版產品具有智能性、信息性與互動性特點，三者共同塑造了一個動態、自適應的智能學習生態。通過模型建構，可以厘清教育出版領域的生成式AI對青少年數智韌性的作用路徑：生成式AI的技術特性影響青少年用戶的感知有用性和感知易用性，進而調節了青少年與其他主體之間的網眾互動生成行為，并在此動態互動過程中影響青少年的數智韌性發展。

在物理領域中，“韌性”指材料在斷裂前吸收能量（消納能力）或塑性變形（適調能力）的能力。發揮主體主觀能動性后，它不僅維持原有功能特性，還能生成新的抗壓特性（變革能力）。大數據和AI技術的發展，使人們可以通過分析歷史數據預測未來的趨勢和變化，從而提前做好準備和布局。在此背景下，本研究對數字韌性原有的三個維度進行了延續與增加，并賦予其新的時代內涵——“預判能力”應運而出，這是數智時代對傳統數字韌性維度進階的鮮明體現。同時，本研究將外部挑戰出現的時間發展和韌性的變化強度相結合，總結出“數智韌性”的概念，即：生活在數智時代的個體或組織在與外部空間交互的過程中，形成的應對外部環境挑戰的可持續發展能力，包括前期消納、中期適調、后期變革和未來預判4個維度（見圖2）。研究以這4個維度為落腳點，進一步闡述機制中的部分影響過程和各維度的重要內涵。

3.1 前期消納：心理接受、技術適應與信息辨識

心理接受力和技術適應力分別指青少年對新技術和外部變化環境的心理接受程度和技術適應水平。而感知有用性和感知易用性是衡量和預測用戶對信息技術的接受程度和采納行為的兩個重要變量。感知有用性指個體對使用特定系統會提升其成績或績效的信任程度[22]。例如，“智海—三樂”AI教育模型基于開源模型“通義千問”，通過高質量教材二次訓練，形成了專門的教育領域預訓練模型，能夠迅速提供有效的學習和解決方案。大部分受訪者認為此類生成式AI教育出版產品“生成內容質量高”，能提供有用信息，并通過“定制化的教育內容”帶來個性化的功能，能幫助他們“更好地理解和掌握知識”，起到提質增效的作用，因此總體對此類產品持積極態度。感知易用性指個體對使用特定信息系統的容易程度或努力程度的感知[23]。當受訪者在“同伴和老師”及“小紅書”等社交媒體的推薦下產生從眾心理，并發現此類產品使用成本低廉、“產品渠道”易得、產品畫面和操作簡潔清晰時，他們對使用新技術的心理障礙降低，更可能頻繁地使用。以上結果說明感知有用性和感知易用性影響青少年對生成式AI教育出版產品的信任和依賴心理，同時能較好地預測學生參與移動學習行為的意向[24]，是用戶參與互動生成的主要動因[20]。青少年進行網眾互動生成行為時，通過分享使用心得和學習經驗等“學習社交化的方式”及在社群聯動中“互幫互助”，增加了“學習的趣味和多樣性”，獲得同齡人的反饋和支持，讓其使用產品的過程“變得不那么孤單”，減輕其對新技術的恐懼心理和使用疑慮，使其在前期消納階段更好地接納和消化新技術、新信息。

信息辨識力指青少年對信息的識別、分析和判斷能力，強調其對信息質量和適用性的評估。生成式AI的交互性和智能性會在一定程度上影響內容生成質量，例如，以人機交互強而著稱的ChatGPT能在多輪連續對話中不斷改進輸出文本的質量，卻也因此容易在交互中被用戶“誘導”或“欺騙”，實現規則“越獄”（Jail Break）；而基于大數據模型語料強依賴特點的“數據投毒攻擊”[25]是指攻擊者通過向原始數據集中注入臟數據來達到污染數據分布的目的，使數據分布出現偏差或錯誤。這些行為可能導致生成式AI輔助的教育出版產品作出錯誤的判斷或展現偏差的行為，如一些受訪者擔憂在產品使用過程中，把“可能出現的錯誤”當成正確的，認為“信息過時或錯誤”得不償失，呼吁道德教育對于價值觀的培養，來“指導學生作出正確的決策”。在數據為王的時代，信息辨識力成為青少年必須具備的重要能力。青少年可以在互動中學習和分享如何更有效地識別和評估信息源的可信度，學會通過批判性思維來判斷信息背后的意圖和偏見。

3.2 中期試調：問題解決與自我調整

問題解決力指青少年識別和解決問題的能力。學生在有安全感和歸屬感的社會交往情境里，往往會出現更多的內在學習動機與行為[26]。AI不僅處理物與物之間的聯結，也能夠催化人與人之間的聯結[27]，促進人際協作。AI多元交互平臺使傳統的師生交往關系被突破，打破了教育與社會之間的“圍墻”，實現了人與人之間跨越時空與地域的無障礙交流，增強了社會情境對學習的積極影響，實現更廣范圍的社會性協作學習。例如，AI驅動的少兒閱讀微信小程序“21世紀智能閱讀”，塑造了虛擬形象“條條熊”來回答閱讀中的問題并出題，為中小學生創設社交情境。多數受訪者表示，其在此類產品平臺上通過與各類主體之間發生互動，包括學生與學生、學生與社群互動等，不僅結識了“志同道合的朋友”，獲得了“同道中人的贊賞和建議”，還汲取了“不同的觀點和學習方法”，認識到“問題解決的多樣性”，并有意識地提醒自己對社交互動“適度控制以保持專注”，從而提高自己的洞察能力、學習能力和抗干擾能力[20]。當互動持續而固定，就可能形成具有在線學習技能與內在動機等特質的小組[28]，如受訪者提到與小組成員“分享各自的編程結構和遇到的問題，互相提供解決方案和建議”，可以更好地解決協作問題。

自我調整力指青少年引導學習工具和自我調整的能力。指令工程（Instruction Engineering）通過設計自然語言指令引導模型充分理解意圖并生成結果，搭建起自然語言與AI之間有效溝通的橋梁，使不具備AI專業背景的用戶也能快速、高效地運用智能技術[29]。受訪者認為“通過交互才能讓AI更充分地理解自己的需求”，但如果使用單一提示來引導大模型生成答案，很容易出現問題求解能力不足、行業智能挖掘不夠、生成內容存在幻覺[30]等問題，因此部分受訪者會在互動社交的“外尋”與評估改良的“內尋”作用下調整指令語句。比如“使用更清晰的詞匯進行引導糾正”，讓其“實時更改”以滿足自己的需求，從而加強對生成式AI的駕馭能力，形成自己的立體思考模式和大模型應用范式。但同時，這種交互也更容易造成認知沖突，即個體原有的概念或認知結構與現實情境不符時在心理上產生的矛盾與沖突[31]，很多受訪者都曾對自己在人機協同中的位置感到迷茫，但當他們“開始將AI視為一種探索工具而非‘最終裁判者’”，并“先按照AI的建議嘗試”，然后根據自己的感覺“進行調整”，就能在獲得“技術性的指導”的同時保持自己“創作自由”的主體地位。由此，青少年在處理沖突與矛盾的過程中，逐漸由認知沖突走向新的認知平衡，豐富了青少年的心智運作，促進其韌性建構。

3.3 后期變革：跨界整合與創新優化

跨界整合力指青少年整合信息與資源的能力。大觀念（Big Ideas）是對個別的事實和技能賦予意義和連結的重要概念、主題、問題、觀念[32]。一方面，AI的智能性和實時性的技術優勢幫助學習者收集前沿信息、聚攏散裝信息、挖掘非表層知識及跨學科、跨領域知識間的關聯。以大觀念為組織線索，使知識之間按邏輯編織成有機的整體，實現學習內容綜合化和結構化，有利于學生參與知識的學習與建構。例如“粵教—愛思通”AI圍棋課程，整合弈城圍棋網的大數據和由圍棋世界冠軍設計的AI模型，模仿阿爾法元1的學習方式，使學習者通過實戰練習快速覺察與把握棋譜脈絡，無須死記硬背，可大大提升學習效果。另一方面，當AIGC由于“解釋不夠深入”“無法涵蓋所有細節”等原因無法滿足青少年需要時，可以倒逼青少年擴展多元的信息搜集渠道，結合傳統書籍、開源文章、新媒體和互動討論等路徑“獲得更全面的信息”，這也能避免青少年陷入生成式AI既定模型的“信息繭房”，避免被機械化、同質化的智能體系籠罩[33]，從而促進青少年的獨立思考和個性化發展。

創新優化力指青少年不斷探索和實施新方法或策略，以提高學習效能的能力。美國教育家約翰·杜威（John Dewey）認為，知識作為工具，可以用來解決問題，提高生活質量，除了有形的工具，技術、思想、理論與概念都是解決問題的工具[34]。華東師范大學教育信息技術學系教授顧小清認為“生成式AI催生新的知識生產方式”[35]。人類與智能機器互聯形成超級智能體，不同智能體之間的交流聯結不僅增加了知識數量，而且生產出多元化的知識類型，包括“軟”知識、“灰”知識、“暗”知識等[36]。受訪者表示，通過發揮主觀能動性，其在人機協同中進行知識生產，學會了“如何與先進技術合作”來實現創作目標。此外，AI多通道交互技術促進學生們自主參與內容共創，助推了更高質量的集體建構，在團隊合作中以共建、共享集體智慧實現對學習內容的理解、建構、探索和創新。如部分受訪者提到，其“學會了欣賞不同的觀點，并將其融入寫作中”，從而培養青少年“集百家之所長，融百家之所思”的創新思維。

3.4 未來預判：終身學習、風險識別與數驅決策

終身學習力指青少年對未來學習和技術變化的持續適應和終身學習的意愿。新質生產力的躍遷讓生產力的三大構成要素發生巨變：從普通技術工人到知識型、創新型、自主型的高素質勞動者[37]，從普通的機器設備和電子計算機到高精尖設備和數智化工具[38]，從以物質形態存在的自然物和原材料到伴隨科技進步被新發現的自然物、注入更多技術要素的原材料及數據等非物質形態[39]。在新質生產力發展要求更多復合型人才的背景下，青少年應樹立終身學習目標，才能在快速更迭的技術與持續變化的環境中勇立潮頭。大部分受訪者表示通過使用生成式AI賦能的教育出版產品，可以“習慣于數字化學習的方式”并“更加自信地使用各種數字工具進行學習和創作”，并認為這對其未來的學習和工作“非常有好處”，因此對“計算機技能”及相關工具“會保持開放的態度”，并有計劃地學習編程及進一步研究“如何使用這些工具”。

風險識別力指青少年在使用智能工具時對潛在風險的判斷和預防能力。一方面，生成式AI的使用往往通過應用程序編程接口（API）進行，人們對其發展的控制力較弱，其自身透明度較低，由此可能引發意識形態風險、版權侵權風險、隱私泄露風險和倫理道德風險等多重難題。例如，部分受訪者提出對自己上傳的作業會“變成別人的素材”感到擔憂，或擔心系統超出教學限度，過度采集學生個人“隱私和數據”。另一方面，智能技術的深度嵌入可能會導致學生元認知能力降低、師生關系疏遠等。元認知的本質是個體以認知活動為對象，進行主動觀察、監測、反思、調節、加工等操作的過程。但智能工具的數據診斷和動態過程監測容易使學生形成依賴，使其缺少自我覺察、自我反省、自我評價與自我調節，進而導致元認知能力退化。同時，技術異化可能導致教學主體間的現實交往減少，技術逐漸占據師生的交流空間并掌握內容資源的控制權，長期發展可能造成師生親密度下降，影響青少年學習效果。但大部分受訪者識別出了該風險，并肯定了教師的不可替代性，認為智能工具“沒有真人老師那樣有血有肉”，尤其在復雜問題上，“老師可能用生動形象的例子或者肢體語言”傳授，而AI仍“缺乏老師的直覺”和“與人交流的經驗和技巧”。

數驅決策力指青少年利用數據分析驅動判斷和決策的能力。美國《福布斯》雜志曾指出，決策智能是一個相對較新的領域，它使用智能技術來支持、促進和自動化業務決策[40]。決策智能通過清楚理解、精心設計、作出決策的方式，以及根據反饋評估、管理和改進結果的方式來改進決策，為學習數據創建更全面、更方便的視圖，助力青少年作出最佳決策。例如，部分受訪者提到考試前會讓智能程序幫助自己分析“每個科目的得分情況”“跟蹤學習進度”和“了解知識點掌握情況”。然而，計算機并不對輸出的結果負責，“人”才是這個場景的最終決策者。青少年的思考和學習方式受到決策智能的影響，從傳統的決策方式轉變成“用數據說話”和“讓數據說話”的決策習慣。通過評估改良環節，青少年分析數據、發現見解、產生預測、支持決策，用數據決策、說服和表達，從而提高其思考和學習能力，讓其“在數字化學習環境中更加得心應手”。

4 結語

教育出版領域已逐漸迎來智能化升級的關鍵時期，如何在這一轉型中有效利用生成式AI技術，緩解青少年用戶在面對多樣信息和復雜技術應用時的適應性挑戰，增強其數智韌性，是教育出版領域值得深入探討的重要議題。

第一，針對現代教育需求開發集智能性、信息性、互動性于一體的教育出版產品。首先，通過采用先進的AI技術來分析學生的學習行為與成效，可為學生提供定制化的學習路徑和智能評估系統，從而實現預測性的教學介入。其次，教育出版產品須包含豐富、精確且持續更新的教育內容，確保學生能夠接觸到前沿知識與學科資源，同時利用大數據技術來優化內容生成與配置，增強學習材料的針對性和吸引力。最后，通過整合多模態交互式工具、構建在線社區及引入游戲化學習策略，提升學生的學習參與度和動機。通過這三個特點的融合，教育出版產品不僅能更全面地滿足青少年的學習需求，也能在教育技術的快速發展中保持領先地位，為學生營造動態適應且富有挑戰的學習環境。

第二，整合教育主體，改良教育策略。通過構建一個包容性的合作框架，集合教師、學生、家長、教育行政部門及私營企業等多方利益相關者的力量，使其共同參與教學內容的開發、評估與改進；實施項目式學習和問題式學習等多互動學習模式，激勵學生主動探究實際問題，動員教師與學生的共同參與，以此增強學習的應用性和深度；利用數字化平臺促進教育領域各參與者之間的互動與反饋，提高教學過程的透明度與多樣性；通過推廣跨學科、跨文化的學習項目，拓寬學生視野，提升其全球競爭力與創新能力。這些策略的實施，不僅可以提升學生的學習成效，還能培養其創新思維與綜合技能，是推動教育現代化與國際化的關鍵步驟。

第三，建立全面的人才培養模式，將培養學生數智韌性的理念貫穿整個教學實踐過程。教育體系應全面整合數字技能與學科教學，系統加強信息素養教育，推動跨學科的課程設計，并重視實踐與創新能力的培養。此外，構建一個鼓勵終身學習的文化環境，對學生適應數字技術快速變a8aa25e6e73417cb7fbc3877eeb2b145abb36b3d24162d234542f982c55560e0化至關重要。實施這些教育策略，不僅有助于提升學生的實踐和創新能力，也能為中國實現教育強國目標、增強國家的科技創新能力和產業競爭力打下堅實的基礎，這是實現教育現代化和提升國家綜合實力的重要途徑，符合我國長遠發展戰略。

但同時，本研究也具有一定局限性，主要體現在以下三個方面：首先，目前模型主要是質性構建的，缺少量化數據來驗證模型；其次，沒有充分考慮不同文化、社會背景和年齡分層等變量影響下的青少年的特定需求和響應，對青少年群體缺少廣泛適用性和完整性；最后，生成式AI技術發展迅速，模型可能需要不斷更新以適應新的技術特性和應用場景。

在未來研究中，可通過量化研究方法來測試模型的有效性，包括采集數據、使用統計分析等來證明各要素之間的關系；根據實證研究的結果調整和優化模型，確保其在不同教育環境和技術應用中的適用性；展開縱向研究，考察生成式AI對青少年數智韌性的長期影響；隨著新技術的出現，更新研究中的技術描述，并通過案例研究來展現前沿應用。

作者簡介

孫那，女，博士，西安交通大學法學院副教授、博士生導師。研究方向：知識產權法、科技法、娛樂法。

陶玥竹，女，西安交通大學法學院碩士研究生。研究方向：數字出版、知識產權法。

參考文獻

新華社.政府工作報告：2024年3月5日在第十四屆全國人民代表大會第二次會議上[EB/OL].（2024-03-12）[2024-08-13]. https：//www.gov.cn/gongbao/2024/issue_11246/202403/content_6941846.html.

HOLLING C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics， 1973（4）： 1-23.

沈書生.面向幸福成長：設計支持數字韌性構建的學習空間[J].現代遠程教育研究，2021，33（3）：18-24.

祝智庭，彭紅超.技術賦能的韌性教育系統：后疫情教育數字化轉型的新路向[J].開放教育研究，2020，26（5）：40-50.

馮熹宇，王菌麗，趙耀，等.數字韌性研究回顧與展望[J].科學決策，2023（12）：185-200.

JEAN-JULIEN D， PASCAL A， GODé C. A systematic literature review on digital resilience in organizations： Towards a conceptualization[EB/OL].[2024-08-13].https：//ideas.repec.org/p/hal/wpaper/halshs-03959505.html.

單宇，許暉，周連喜，等.數智賦能：危機情境下組織韌性如何形成？基于林清軒轉危為機的探索性案例研究[J].管理世界，2021，37（3）：7，84-104.

FLERON B， PRIES-HEJE J， BASKERVILLE R. Digital organizational resilience： A history of Denmark as a most digitalized country[C]. Hawaii International Conference on System Sciences， 2021.

ANNARELLI A， NONINO F， PALOMBI G. Understanding the management of cyber resilient systems[J]. Computers and Industrial Engineering， 2020， 149（11）： 106829.

陳建偉，席夢如，傅騫.大學生數字韌性測評框架及影響因素研究[J].中國電化教育，2023（6）：68-74.

薛曉琪，趙曉偉，沈書生，等.在線學習中的數字韌性：關鍵維度、現狀描摹與提升策略：基于江蘇省初中生調研數據的分析[J].電化教育研究，2023，44（4）：72-78，85.

周曉雪，崔淼.應對外部環境挑戰的企業數字韌性塑造機理研究：基于數字化戰略更新的視角[J].南開管理評論，2024，27（2）：4-17.

DOSTáL J， WANG X， STEINGARTNER W， et al. Digital intelligence： New concept in context of future school of education[EB/OL].[2024-08-14]. http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=3255366.

YIN R K. Case study research and applications： Design and methods[M].California： Sage Publications， 2017：11.

凱西·卡麥茲. 建構扎根理論：質性研究實踐指南[M]. 邊國英，譯.重慶：重慶大學出版社， 2009：21.

吳剛. 工作場所中基于項目行動學習的理論模型研究[D].上海：華東師范大學，2013.

EISENHARDT K M， GRAEBNER M E. Theory building from cases： Opportunities and challenges[J]. The Academy of Management Journal， 2007， 50（1）：25-32.

EISENHARDT K M. Building theories from case study research[J]. The Academy of Management Review，1989，14（4）： 532-550.

馬文娜.從活動理論看信息技術與課程整合的優化[EB/OL].（2009-11-30）[2024-08-14]. https：//www.paper.edu.cn/releasepaper/content/200911-800.

萬力勇，趙呈領，戴敏利.數字化學習資源的網眾互動生成機制解析[J].現代教育技術，2014，24（9）：22-29.

郭安元.基于扎根理論的心理契約違背的影響因素及其作用機制研究[D].武漢：武漢大學，2015.

VENKATESH V，DAVIS F D. A theoretical extension of the technology acceptance model： Four longitudinal field studies[J].Management Science，2000，46（2）：186-204.

DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS Quarterly，1989，13（3）：319-340.

張哲，王以寧，陳曉惠，等.MOOC持續學習意向影響因素的實證研究：基于改進的期望確認模型[J].電化教育研究，2016，37（5）：30-36.

GUPTA P， YADAV K， GUPTA B B， et al. A novel data poisoning attack in federated learning based on inverted loss function[J]. Computers and Security， 2023（130）： 1-8.

劉海燕，閆榮雙，郭德俊.認知動機理論的新近展：自我決定論[J].心理科學，2003，26（6）：1115-1116.

于澤元，尹合棟.人工智能所帶來的課程新視野與新挑戰[J].課程·教材·教法，2019，39（2）：27-36.

張文梅，王辭曉.聯通主義學習情境下何以實現高質量的協作問題解決：基于定性比較分析的cMOOC案例研究[J].現代遠程教育研究，2024，36（2）：93-103.

陸偉，汪磊，程齊凱，等.數智賦能信息資源管理新路徑：指令工程的概念、內涵和發展[J].圖書情報知識，2024，41（1）：6-11.

ZHANG Y， LI Y， CUI L， et al. Siren’s song in the AI ocean： A Survey on hallucination in large language models[EB/OL]. （2023-09-03）[2023-10-13].http：//arxiv.org/abs/2309.01219.

林崇德，胡衛平.思維型課堂教學的理論與實踐[J].北京師范大學學報（社會科學版），2010（1）：29-36.

呂立杰.大概念課程設計的內涵與實施[J].教育研究，2020，41（10）：53-61.

王嘉毅，魯子簫.規避倫理風險：智能時代教育回歸原點的中國智慧[J].教育研究，2020，41（2）：47-60.

約翰·杜威.我們如何思維[M].伍中友，譯.北京：新華出版社，2010：10.

顧小清.人工智能何以促進未來教育發展[N].光明日報，2022-07-27（11）.

杜華，顧小清.人工智能時代的知識觀審思[J].中國遠程教育，2022（10）：1-9，76.

蒲清平，黃媛媛.習近平總書記關于新質生產力重要論述的生成邏輯、理論創新與時代價值[J].西南大學學報（社會科學版），2023，49（6）：1-11.

石建勛，徐玲.加快形成新質生產力的重大戰略意義及實現路徑研究[J].財經問題研究，2024（1）：3-12.

周文，許凌云.論新質生產力：內涵特征與重要著力點[J].改革，2023（10）：1-13.

劉霞.利用人工智能獲取最佳方案：“決策智能”成數字化轉型新趨勢[N].科技日報，2022-09-30（4）.

Digital and Intelligent Resilience： Understanding Impact of Generative AI on Adolescents—An Examination in the Field of Educational Publishing

SUN Na， TAO Yuezhu

School of Law， Xi’an Jiaotong University， 710000， Xi’an， China

Abstract： In the context of the digital and intelligent transformation of new quality productive forces， this study employed a multi-case study method and interviews to innovatively propose the concept of “digital and intelligent resilience”， and constructed a theoretical model of the impact mechanism of generative AI on the digital and intelligent resilience of adolescents in the field of educational publishing. It was found that digital and intelligent resilience was the sustainable development capability of individuals or organizations to cope with challenges in the process of interacting with external space. It encompassed four dimensions： pre-absorption， mid-adjustment， post-transformation， and future-prediction. Technical characteristics of generative AI affected adolescents’ perceived usefulness and perceived ease of use， thereby modulated their user interactive generation behaviors with other entities， and influenced the development of their digital and intelligent resilience.

Keywords： Digital and intelligent resilience; Generative AI; Adolescents; Educational publishing; User interactive generation