生成式人工智能增強學科教學適應性的邏輯理路與實踐路徑

[摘 要] 隨著生成式人工智能技術的智能涌現，增強學科教學適應性是學科教學自我發展的內部圈層和外部技術環境相互耦合下以變應變的本質反映。首先，文章對學科教學適應性的本質內涵進行了系統闡述，揭示了學科教學適應性的增強邏輯和階段特征。其次，文章從教學內容、教學主體及教學評價三個方面論述了生成式人工智能賦能學科教學適應性在實踐價值層面的增強效應。增強效應的邏輯機理是以技術適應性提升為基石，圍繞教學情境智能化構建主線，最終導向師生對新技術環境的深度適應與協同發展。最后，為持續推動生成式人工智能增強學科教學適應性，文章從根植學科大模型、豐富教學場域結構、堅守學科育人主旨等方面出發，探討了促進生成式人工智能與學科教學深度耦合的實踐路徑，以期為相關學科教學實踐提供參考和借鑒。

[關鍵詞] 生成式人工智能； 適應性； 學科教學適應性； 人機協同； 有限理性

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 張玉柳（1997—），女，河南駐馬店人。博士研究生，主要從事智慧學習環境與資源研究。E-mail：zyliu97@126.com。羅江華為通信作者，E-mail：swusun@swu.edu.cn。

一、引 言

學科教學是學校育人活動的主要陣地，在整個學校教學體系中占據主導地位。由于學生在成長背景、知識基礎及學習經歷等方面存在多元差異，學科教學領域長期面臨一項核心挑戰，即如何有效應對“教學適應性問題”，涵蓋了教學進度與學生步調的匹配、教學內容對學生個性化需求的契合以及教學策略對學生多樣性的適應等[1]。為應對這一挑戰，深刻剖析并精準回應 “學科教學適應性的本質所在、因何增強以及如何持續增強”等關鍵問題，是引領學科教學有效變革的“牛鼻子”。不僅需要對學科教學適應性的增強邏輯和階段特征進行深層剖析，更需要對時下學科教學內外部耦合結構進行深層調整，以建構促進學科教學適應性生成的良性教學生態。

時下，生成式人工智能（Generative Artificial Intelligence，GAI）如同一股不可阻擋的潮流，涌入教育領域，成為驅動學科教學范式轉型的強大力量。具體來說，其所體現的是一種從“預設”到“生成”的思維方式轉變，能夠推動學科教學逐步邁向由“被動適應”到“主動調適”的躍遷，促進學科教學的自我供給側改革和適應性發展路徑的重塑[2]。本文從GAI的視角出發，探討GAI對學科教學適應性的增強效應，以及如何為持續增強學科教學的適應性提供助力，并提出相應的實踐路徑，以期推動教學改革的長遠發展。

二、學科教學適應性的本質內涵

學科教學，作為兼具靜態與動態特性的雙重主體，其復雜性在于將教學厚植于學科文化的基因中，引導學生在各自學科文化背景中塑造其獨特的學科思維、價值觀并掌握知識技能，此乃學科教學教育性的核心體現[3]。當“教”未能匹配“學”時，“教學適應性”問題便凸顯出來。“適應”概念源自進化論，其原指主體與其所處環境協調而不斷進化所表現出來的特性[4]。適應性教學源遠流長，從先賢孔子的“因材施教”、蘇格拉底的“因勢利導”，再到現代學者如加涅的《教學設計原理》與加里·D.鮑里奇的《有效教學方法》，教育先驅們創造了各種形態的“適應性教學”。學科教學適應性，是結合具體學科的屬性特性和教學范式，對教學進行適應性調適的過程。

（一）學科教學適應性的增強邏輯

學科教學適應性的增強須緊密圍繞其學科育人本質、教學系統內部調適與外部教學條件支持以及學科特性這一內在驅動力展開。從目的來看，學科教學適應性的生成是以育人屬性為特征的適應。依據多元智能理論的觀點，教育應尊重并發展學生獨特的智能組合，實現適性揚才[5]。因此，學科教學適應性的“得法”之道便是要回歸育人，確保學科教學的目標、活動等都基于人、適應人、成長人。

從過程來看，學科教學適應性是以教學要素與外部環境動態耦合的適應。學科教學體系作為一個復雜適應系統，其本質是教學要素與外部環境之間存在著復雜的強相互關系和強相互作用。學科教學體系須以知識共享為紐帶，敏銳捕捉社會、技術等外部環境的變化，靈活調整教學目標、內容等教學要素，實現教學系統內部調適與外部教學條件支持的高效整合與要素協同， 從而促進學科教學朝著有序、適應的方向發展。

從結果來看，學科教學適應性是以學科類型為底色的學科教學適應體系建構為歸宿。每個學科均有其獨特的研究范式和理論體系，這決定了不同學科教學過程具有獨特的展開邏輯[6]。在此基礎上，其適應性還意味著學科自身也需要建構自我適應，通過專業結構、教學結構等進行自我調整，契合社會人才培養的需求，實現學科教學與社會發展的協同進化。

（二）學科教學適應性的階段特征

從教育生態學的角度來看，學科教學的適應性非靜態亦非線性，伴隨著教學實踐的深入、適應對象的水平以及外部環境的變化，展現出階段性的演進特征。其不同階段的異質特征反映了教育生態系統內部各生態因子之間關系的動態變化[7]。教育生態位原理、教育生態鏈法則以及最適度原則等均表明，學科教學適應性的演進體現出由混沌到有序，從被動到主動，再到和諧共生的發展軌跡。

混沌狀態，即教與學供需薄弱的游離態。教學初期，教學系統內部各要素尚未形成穩固聯結，育人目標與教學實踐之間供需關系模糊，易受外部環境干擾，教學無序且效果難測。教與學呈現出一種混沌狀態，由此開啟教學適應性的演進起點。

被動適應，即需求倒逼及外力牽引下的初調期狀態。隨著教學系統漸趨穩定，教學主體雖對需求變化有所反應，但多受政策、評價體系等外力驅動，呈現被動、滯后等特點。師生在一定程度上成為外部因素的被動接受者，創新空間有限。該狀態以被動適應需求為表征，標志著學科教學正逐步向有序化邁進。

主動適應，即教與學供需動態適配的進階期狀態。隨著教學要素與外部環境良性互動，學科教學適應性將得到明顯增強。教師逐步由規則拒斥轉向嵌入迎合，通過創新教學模式等手段，推動育人成效提升。學生則展現出學習積極性和探究精神，形成正向循環的學習生態。這種主動適應狀態，標志著學科教學適應性的自我優化。

和諧共生，即教學系統內外的高度協同狀態。當教學系統與外部環境形成穩定且高效的協同機制時，學科教學將達到高度適應狀態。此“和諧共生”狀態，不僅是教學適應性的高級形態，也是教育理想追求的現實表征。值得強調的是，前序各階段均潛藏著進步的空間，即存在著帕累托改進的可能，追求達到帕累托最優的和諧共生狀態[8]。

三、價值探析：GAI對學科教學適應性的

增強效應

GAI正逐漸成為繼人類智慧之外的另一種嶄新的、高度理性的存在形式，有望為學科教學形態帶來一場前所未有的革新。其應用既體現出學科教學知識新生產模式的躍遷趨勢，也彰顯了教育高質量發展態勢的現實需要。

（一）教學內容的動態適配與跨模態生成

作為學生的認識對象，教學內容具有客觀性、確定性、外在性，是學生在“獲取”“把握”“占有”的過程中轉化為其個體認識和發展的工具[9]。傳統的學科教學內容設計通常依賴專家預設，對內容的情境變化和學習者的動態需求設計不足，且以文字或圖表等單一形式呈現教學內容，這在一定程度上限制了教學內容的豐富性和生動性。而GAI則能夠突破這一限制，在教育“供給側”和“需求側”植入了生成式的基因，利用圖像、音頻、視頻等多模態信息進行學科知識的跨模態生成，有助于改善教育資源的配置效果[10]。更為重要的是，GAI賦能的生成性教學方式能夠更好地滿足學生的不同需求，促進他們主動學習和知識建構。這與建構主義學習理論的核心觀點相契合，即學習是學生基于自身經驗和認知結構，通過主動建構來形成和發展知識的過程。GAI的應用，正是通過提供個性化、動態化、跨模態學習資源支持，幫助學生更好地完成知識的建構過程。

（二）教學主體的關系轉變與多維交互

隨著GAI在教育領域應用的融入，教學主體關系正由傳統的“師—生”二元模式向“師—生—機”三元協同模式的深入轉變。在此模式下，機器憑借其卓越的數據分析和內容生成能力，扮演著虛擬專家、智能助教等角色，極大地提升了教師的專業素養和教學能力。對于學生而言，GAI則化身為智能導師與學習伙伴，助力他們進行更有效的社會互動和經驗學習。這種人機互動、共生發展的教學主體關系的轉變，更加深化了我們對人類學習本質的理解——一種基于互動、協作和經驗的社會化過程[11]。然而，這一轉變并不意味著機器將完全取代教師的主導地位。相反，它要求師生積極適應并融入這一新的教學形態。教師和學生需深入學習和理解GAI的基本原理和應用方式，掌握其操作技巧，尤其是提示語的有效運用。這不僅是適應新技術的基礎，也是提升教學效果和學習效率的關鍵。質言之，GAI支持的“師—生—機”教學結構無疑為教育形態的系統性轉變帶來了創新機遇。

（三）教學評價的多元協作與伴隨式輔助

在破解當前教育評價中普遍存在的主觀性過強、片面性局限及滯后性難題的過程中，GAI在重塑教學評價理念、教學評價內容、教學評價方式等方面，得以為智能化評價體系提質增效注入新動能[12]。GAI具備上下文語義理解能力，能夠對教學和學習活動的信息流與運行軌跡進行觀測、解釋和反饋，實現精準化學習評價。另外，GAI的發展加速了人機協同評價的進程，結合人的主觀判斷和GAI的數據處理能力，創造出更高效、個性化的人機協同教育評價體系，從而推動教學決策優化。此外，GAI也可自然采集和分析教學過程中的多模態數據，挖掘學習者的內隱認知狀態。這種伴隨式的采集與反饋機制使得教師能夠迅速發現學生的學習問題，從而及時調整教學策略，為學生提供更加精準化的輔導。

四、增強機理：GAI賦能學科教學適應性的

邏輯理路

鑒于信息生態理論中的信息、信息環境、信息人三大構成要素在解釋新型信息技術應用時具有較高的適配性[13]，研究將GAI增強學科教學適應性的核心機理歸結為技術適應奠定邏輯基礎、情境適應貫穿邏輯主線、師生適應作為邏輯終點的三重邏輯理路。

（一）邏輯基礎：技術適應是GAI增強學科教學適應性的共生追求

時下，數字教育正在由“教技結合”的傳統模式逐步邁向“教技共生”的新紀元[14]。在教技共生視角下，GAI與學科教學亦有“融為一體”的期待之勢。GAI賦能學科教學并非簡單的技術植入，而是一種高層次的主動適應與雙向互動，它觸發了教學內容、評價體系及資源建設等多維度的深刻變革。這一過程并非一蹴而成，而是遵循著“結合—整合—融合”的漸進路徑穩步推進。初期，需要關注技術與教學的初步結合，使師生體驗技術的便捷與新穎；中期，將技術深度整合到教學方法與資源中，構建高效、個性化的教學模式；最終，實現技術與教學的無縫融合，逐漸呈現一種能量互換、依存緊密的共生關系。

在GAI增強學科教學適應性的過程中，技術適應主要體現在三個方面：一是營造新型教學環境，為教與學提供更加智能化支持；二是創新生成性教與學方式，強調情境學習與互動探索的融合，促使教學成為充分預設、動態調適的過程；三是重新建構知識結構體系，旨在利用GAI幫助師生建立起跨學科、綜合性的知識網絡，同時培養其信息篩選、整合與創新的能力，以形成與數字時代相適應的知識體系。這三個層面并非孤立存在，新型教學環境的建構為靈活的情境教學提供了物質基礎，教學模式的革新又推動了知識體系的與時俱進。最終，這些變革共同指向了創新人才培養的目標。因此，對于學科教學體系而言，與GAI的融合發展轉變和教學結構動態調整可以被看作是GAI賦能學科教學適應性的邏輯起點，其實質在于通過技術引領教學結構的創新，以適應數字化時代的發展需求。

（二）邏輯主線：情境適應是GAI增強學科教學適應性的內生動力

情境是一切認知活動的基礎，是產生有意義學習的先決條件[15]。在教學過程中，知識是情境化的，個體決策亦具有情境依賴特征，這意味著盡管個體行為特征具有異質性，但在特定的教學情境下會被“激發”出相似的認知模式，逐漸形成并強化決策的趨同性[16]。這種趨同性并非簡單的模仿或復制，而是對教學情境的深入適應。

隨著人工智能生成內容的情境化資源生產方式在GAI環境下的出現，教學體驗正在經歷根本性的變革。當師生在GAI的正向激勵下形成適應性模式，往往會以契合教學情境的行為方式去實現教學目標。《基礎科學與技術創新：巴斯德象限》一書強調，真實的教育實踐場域和具體情境是技術融合教學研究的核心基礎[17]。由此可見，合理定位教學空間在“技術與個體”之間的變革張力，從教與學情境動態演化的角度探究學科教學要素和結構組織的適應，是GAI有效增強教學適應性的內生動力。

在GAI的賦能下，教學情境的適應應當聚焦于技術工具性之上手、技術意向性之融合、技術文化性之親熟等三層意涵[18]。如圖1所示，這一過程始于對教學目標的清晰界定，隨后在即時情境的提示語輔助下，師生能夠高效利用GAI技術動態生成并實踐教學內容，實現教學意圖與技術效能的無縫銜接，充分展現技術意向性的深度融合。然后，經由教學效果的實時反饋，教學模式得以靈活調整與優化，這種動態適應機制不僅增強了教學情境對學習者個體差異的包容性，還激發了學習者的自適應能力，為深度學習的發生創造了有利條件。此教學情境適應過程根植于一個人機共存的動態反饋場域，師生由表及里浸潤于技術性文化環境中，不再將GAI視為外在工具，而是將其視為提高教學質量和學習效果的有機組成部分，以支持無時空限制的資源共享、靈活的信息獲取、多元化的交互協作交流。

圖1 教學情境適應

（三）邏輯終點：師生適應是GAI增強學科教學適應性的育人旨歸

赫爾森的適應水平理論認為，個體以主觀經驗衡量事物，是非理性范式下同質性的個體，通過對環境的刺激感知而主動地調整自己的行動以便適應環境[19]。在教與學的復雜情境中，師生的認知活動不可避免地受到其注意廣度和知識范圍等“有限理性”的制約。因而，在教與學需求決策中，最優解往往被更為實際可行的滿意解所取代。根據有限理性決策理論，這種追求滿意的行為機制，既符合人類計算能力有限的現實，也與其生存環境的結構相適應[20]。同時，羅伊的適應模式強調，人也是一個由刺激與適應水平、適應機制、適應方式、適應反應等部分構成的自適應信息處理系統，需要對來自外界的刺激進行輸入、控制、適應、輸出以及反饋[21]。這種基于有限理性同時又處于絕對信息過剩狀態中的行為心理過程，十分契合當下教與學過程中師生應用GAI賦能教與學的行為本質，如圖2所示。首先，師生運用GAI進行智能交互生成內容，基于個體能力和外部環境的有限制約，一旦內容滿足其偏好或期望，就有可能會終止利用GAI，其決策過程和行為模式受到其滿意水平的影響。其次，師生通過思考、實踐等方式對信息生成內容進行加工和認知調節，進而調整教學策略或學習方式來適應GAI帶來的認知變化。最后，基于教學或學習成果來評估其適應性并根據反饋進行交互調整，以便達到學科素養目標。

圖2 師生適應的有限理性

結合西蒙提出的“滿意解”和有限理性決策理論剖析，研究將師生對GAI生成內容響應的動態演化適應活動與過程性行為特征清晰劃分為五個階段：滿意判斷、資源再生成、資源理解、資源內化和資源復用，反映了師生從接受信息到應用知識的動態過程，如圖3所示。

圖3 師生對資源響應的動態演化與過程性行為特征

從上述階段可以看出，師生適應的每個進階都對其知識存量和能力有所要求。經由知識創生理論可知，師生的知識轉化有四種基本模式——潛移默化（社會化）、外部明示（表征化）、匯總組合（聯結化）和內部升華（內隱化）[22]。在面臨復雜的教與學決策時，師生傾向于運用相對簡單的經驗啟發式原則實現知識內容的轉化，以追求“滿意解”。基于此，在探討師生處理由GAI生成的內容時，研究借鑒有限理性的信息處理框架來模擬師生的決策過程和行為模式[23]。

假設GAI的生成內容集合為Ω，師生在理解其生成內容時，事實上是將內容通過輸入函數 ξ：Ω→？專將內容轉變為自身可理解的信息。即當GAI生成內容為w時，師生接收到的輸入為ξ（w）。進一步地，定義ξ-1（θ）為能夠促使師生形成特定理解θ時的GAI生成內容的集合，以體現師生對生成內容的主觀解讀與客觀狀態之間的映射關系。在接收到GAI的內容之前，師生可能存在某種先驗的信息分布q，這代表了他們對GAI生成內容的初始預期或認知。當他們的理解加深為θ = ξ（w）時，通常會基于q修正對生成內容的認識。修正過程可由信念修正法則β： ？專→Δ來描述，其中，Δ為在 Ω上定義的所有概率分布的集合，β反映了師生對于GAI生成內容的處理能力。信念修正不僅是知識更新的過程，更是師生在信息處理中主觀認知能力的體現。

在信念修正的基礎上，師生會根據自身認知體系做出行為決策，行為效用函數為u： A×Ω→R。效用函數u衡量了不同行為α和GAI生成狀態w組合下師生的主觀期望效用。行為函數α：Δ→A則是一個由信念到行為集合的映射，反映了師生如何將修正后的信念轉化為實際行動的行為規則，師生的行為決策過程可表示為公式（1）：

f：Ω→A，f（w）=α（β（ξ（a））） 式（1）

這一規則體現了師生在理解GAI生成內容后，如何通過信念修正和效用最大化來做出行為決策。師生的適應能力表現在其能夠根據行為效果調整和優化自己的行為規則，這個行為規則應能使師生的主觀期望效用最大化，對于給定的信念δ，師生的最優行為選擇α（δ）可表示為公式（2）：

α（δ）=arg ■ ∑w∈Ωu（a，ω）δ（w） 式（2）

由前述可知，對于w滿足β（ξ（w）） = δ，有f（w）= α（δ）。在這個信息處理過程的一般描述中，對于理性的決策者而言，其信念修正法則應遵循一定的邏輯規律。例如師生可以選擇忽略GAI的生成內容，而一味相信自己的先驗信念q，即對任意的θ，q=δ=β（θ）。或者可能對生成內容具有“完全的理解”并更新自身認識，即如果θ≠θ，則β（θ）≠β（θ'）。這一信息處理框架有助于研究者正視多元復雜個體參與教學的有限理性狀態，以“認知—意愿—行為—效應”的主線，理解師生如何基于GAI的生成內容，進行教與學行為適應。然而，值得強調的是，GAI為人類所創生，其適應性往往會嵌入人類的適應性。師生須認識到GAI的局限性，避免過度依賴技術而忽視師生自身的主體性和創造性。

五、持續增強：GAI增強學科教學適應性的

實踐路徑

任何囿于固定模式、固定形態的教學均難以有效應對學科教學面臨的適應性挑戰，因為學科教學適應性不是“一次適應”就可以一蹴而就地解決，它需要“持續適應”。為了促進GAI在學科教學適應性上的持續增強，研究回溯以上提出的GAI賦能學科教學適應性的邏輯理路，并據此提出切實可行的實踐路徑。首先，技術適應作為基石，需以根植學科大模型為基本動能，形塑動態整合知識要素的生成鏈；其次，情境適應作為主線，強調充分豐富學科教學場域，建構人機和諧共生的情境鏈；最后，師生適應作為最終歸宿，需立足于學科育人主旨，聚焦真實學力提升的認知鏈，從而明確學科教學的可持續發展之路，如圖4所示。

圖4 GAI增強學科教學適應性的實踐路徑

（一）基礎動能：根植學科大模型，形塑動態整合知識要素的生成鏈

在GAI增強學科教學適應性的過程中，建構出一個全面、系統且具備前瞻性的學科大模型，并形塑動態整合知識要素的生成鏈是賦能學科教學的基礎動能。構建學科領域大模型是一個集技術創新、數據驅動、教學融合與持續優化于一體的系統工程。

其一，以現有大模型作為構建基石，綜合考量模型性能、成本效益及技術可接入性，為學科領域的定制化開發奠定堅實基礎。

其二，學科領域大模型的構建離不開高質量的學科領域數據支撐。由于大模型訓練語料中的學科專業知識占比較少，很難在訓練過程中將專業知識識別出來，目前尚難在較低成本的前提下，全面、準確地掌握人類的常識知識和邏輯推理能力。因此，仍需致力于形成“大模型+學科知識圖譜”的智能擴展范式，以促使其學科體系、算法體系與知識體系的深度融合[24]。這一知識庫不僅涉及學科學習目標的層級解構，還涵蓋學科縱向的要素架構、主題橫向的大單元重構以及過程學習的范式建構，通過理解學科屬性、教學對象和教學過程，實現知識要素的動態整合，共同織就學科大模型可靠的學科知識網絡。

其三，定制化訓練是連接通用與專用模型的橋梁。通過微調技術，可針對學科特性調整模型參數，使其更加貼合教學需求。同時，引入知識增強策略，讓模型能夠實時調用外部知識庫，生成更加精準、富含上下文信息的回答，以便于進一步提升模型的學科教學實用性。同時，建立嚴格的評估體系至關重要，這包括從準確性、相關性、安全性等多維度對學科大模型進行全面評估，確保其滿足學科教學的高標準要求。

面對知識的日新月異與教學需求的動態變化，學科大模型持續增強教學的過程須遵循一定的適應性標準，即相互適應、發展適應和持續適應[25]。相互適應要求大模型與教學要素之間相互適配，形成協同效應；發展適應強調“唯變所適”，大模型需隨著學科的發展而適時應變；持續適應則要求對大模型進行迭代優化，這包括引入先進算法優化應用及創新系統提示等，使其持續處于積極的適應狀態，以此確保學科大模型始終走在發展前沿，為學科教學提供持續不斷的動力支持。

（二）持久性能：豐富學科教學場域，建構人機和諧共生的情境鏈

在GAI的加持下，教學場域逐漸超越了傳統的物理空間界限，逐步向分布式、虛實融合、實時交互、個性調控、靈活多變的個性化教學場域演進[26]。為了促使教學場域的智能化與人性化并重，須緊密結合學科特性和教學目標，從“人、境、機、物”四個維度出發，建構適應性教學場域的人機共生四維視圖。具體包括：（1）適應的對象（改變什么）：其核心在于精準地調整與優化教師與學生教與學的體驗。（2）適應的來源（因何改變）：一是學習參數，包括學生的個性化特征與學習成效；二是學習者與GAI系統的交互，涉及學生對生成內容的反饋、與系統的互動調整；三是教師教學變量的靈活調整，如教學目標設定、及GAI教學輔助工具的應用。（3）適應的情境（何時改變）：此維度關注適應性教學的時間或發生境況，及時提供針對性的干預措施，包括靜態與動態的學生建模過程。（4）適應的方法（如何改變）：此維度區分了師生控制的適應以及對GAI系統控制的適應，以及兩者組合的適應。其中，學習者控制的適應模式允許他們通過提示語自由選擇內容，而GAI系統控制的適應則側重于智能分析學習數據進行相應調整。

將GAI融入教學場域的實踐，需遵循“匹配—適配—提升”的適應性階段，從被動接受GAI賦能轉向主動適應并推動教學場景拓展，逐步利用GAI實現對復雜教育情境中的多模態教學行為和多模態數字教育資源進行智能挖掘和耦合計算，實現適用于人機協同環境的適應性資源推薦，以構建人機和諧共生的教學情境鏈[27]。

（三）賡續效能：立足學科育人主旨，聚焦真實學力提升的認知鏈

學科育人是學科本質的應有之義，它源于學科的文化土壤并從中生長，其核心價值在于以人為中心的教學實踐，以及在教學對話過程中的構建和發展。當前GAI憑借其強大的動態生成能力，正逐步滲透數學、物理等多學科的教學實踐，在促進人機協同等教學模式上也表現出色[28]。在此背景下，須聚焦真實學力提升的認知鏈，確保學科知識獲取、能力形成與素養提升三者之間的緊密銜接，共同促成GAI賦能學科教學適應性的賡續發展。

其一，明確學科育人要義，奠定認知鏈之基。學科育人的要義，首先，是在學科及其教學中強調學生的主體地位；其次，是讓學生在知識中立足、成長；最后，則是增強學生的學科學習能力。因而，其認知鏈的起點，應遵循人的一般認知過程：學科知識接受、強化反省認知及聚焦創新應用。以學生的適應性學習階段為起點，三個階段逐級遞進，構成一條以全面發展為核心、以學科知識學習為基礎、以能力培養為關鍵的認知鏈。學生的學習經驗與認知邏輯，奠定了學科實踐的基礎。

其二，優化教學模式與活動，強化認知鏈之核。學科育人價值的實現，還應包括圍繞著學科進行的教學實踐過程。教育者應當靈活利用GAI探索充分預設、動態調適的智慧教學方式，這包括人機協同下的合作學習和對話教學等多樣化的教學組織形式，目的是激發學生在特定教學情境中的學習感悟。此種個性化的生成性教學模式，能夠有效發揮教學組織形式應有的育人價值，從而強化認知發展鏈中的各個環節。

其三，建構智能評價體系，保障認知鏈之效。評價是檢驗學科教學效果、促進學生發展的重要手段，因而構建多元智能評價體系是保障認知鏈效能的關鍵舉措。這包括充分利用GAI實現對學生學習表現的智能化跟蹤與評價，關注其成長軌跡與變化。同時，引入自我多元主體評價模式，注重技術的應用、評價模式的創新以及反饋機制的建立，為教學調整與學生學習策略優化提供科學依據。

六、結 束 語

在生成式人工智能的發展推動下，本研究從學科教學適應性的本質內涵出發，探索了GAI賦能學科教學適應性的增強效應、因何增強以及如何持續增強的邏輯理路和實踐路徑，旨在為新一代人工智能背景下學科教學適應性的相關研究提供借鑒與啟示。當然，由于教與學不僅是一種狀態，更是一種過程，所以學科教學適應性問題不是“一次適應”就可以妥善解決，它需要循序的“多次適應”與“持續適應”。提升學科教學適應性也是一個動態演進、不斷優化的系統工程，未來需要教育決策者、前沿研究者和一線教師共同努力，通過政策規劃的有力驅動、教育培訓的廣泛普及、實踐探索的進階深化以及成功經驗的有效共享，逐步構建起健全的教學適應性提升服務機制，以推動教育數字化深度轉型的創新發展。

[參考文獻]

[1] 陳振華. 解決教學適應性問題的現代路徑[J]. 高等教育研究，2013，34（6）：55-61.

[2] 李森，鄭嵐. 生成式人工智能對課堂教學的挑戰與應對[J]. 課程·教材·教法，2024，44（1）：39-46.

[3] 李雪慶，成偉. 論學科教學的教育性及其實現[J]. 教育科學，2023，39（4）：27-33.

[4] 魏屹東. 論適應性表征及其方法論意義[J]. 山西大學學報（哲學社會科學版），2022，45（1）：21-31.

[5] GARDNER H. Intelligence reframed： multiple intelligences for the 21st century[M]. New York： Basic Books，1999：204-205

[6] 吳亞萍. 學科教學育人價值的開發與轉化[J]. 人民教育，2016（Z1）：45-50.

[7] 鄧小泉，杜成憲. 教育生態學研究二十年[J]. 教育理論與實踐，2009，29（13）：12-16.

[8] 林林，楊林生，劉春朝. 淺談高等教育中“分層教學”的經濟學原理[J]. 黑龍江高教研究，2017（11）：164-167.

[9] 郭華. 帶領學生進入歷史：“兩次倒轉”教學機制的理論意義[J]. 北京大學教育評論，2016，14（2）：8-26，187-188.

[10] 劉三女牙，郝曉晗. 生成式人工智能助力教育創新的挑戰與進路[J]. 清華大學教育研究，2024，45（3）：1-12.

[11] KOLB D A. Experiential learning： experience as the source of learning and development[M]. New Jersey： Prentice-Hall，1984.

[12] 劉明，郭爍，吳忠明，等. 生成式人工智能重塑高等教育形態：內容、案例與路徑[J]. 電化教育研究，2024，45（6）：57-65.

[13] WANG J， SHAHZAD F， ASHRAF S F. Elements of information ecosystems stimulating the online consumer behavior： a mediating role of cognitive and affective trust[J]. Telematics and informatics， 2023（80）：101970.

[14] 孫雪熒. 數字化轉型何以重構智慧教育新空間[J]. 教育研究，2024，45（4）：146-159.

[15] 高文. 情境學習與情境認知[J]. 教育發展研究，2001（8）：30-35.

[16] 曲慧，喻國明. 傳播行為經濟研究何以可能？——理論溯源、概念工具與研究范式[J]. 新聞與傳播研究，2023，30（11）：77-90，127-128.

[17] D.E.司托克斯. 基礎科學與技術創新：巴斯德象限[M]. 周春彥，谷春立，譯. 北京：科學出版社，1999.

[18] 敖峰. 論教師的技術具身：意涵、隱憂與超越[J]. 電化教育研究，2022，43（2）：109-114.

[19] HELSON H． Adaptation-level as frame of reference for prediction of psychophysical data[J]． The American journal of psychology，1947，60（1）：1-29．

[20] 赫伯特·西蒙. 管理行為[M]. 詹正茂，譯. 北京：機械工業出版社，2004：107.

[21] ROY C， ANDREWS H. The Roy adaptation model[M]. 2nd ed. Nor-walke CT： Appleton and Lange， 1999：15.

[22] NONAKA I，TOYAMA R，KONNO N. SECI， Ba and leadership： a unified model of dynamic knowledge creation[J]. Long range planning， 2000（1）：5-34.

[23] 蔣煒，程少川，席酉民，等. 有限理性與信息處理模型研究綜述[J]. 控制與決策，1998，13（3）：8-13.

[24] 羅江華，張玉柳. 多模態大模型驅動的學科知識圖譜進化及教育應用[J]. 現代教育技術，2023，33（12）：76-88.

[25] 伊恩·倫諾克斯·麥克哈格. 設計結合自然[M]. 芮經緯，譯. 天津：天津大學出版社，2006：149-151.

[26] 馬飛. 從實體到關系：重申教學空間的內涵、特征與發展進路——面向數智時代的思考[J]. 電化教育研究，2024，45（7）：64-72.

[27] 羅江華，張玉柳. 基于跨模態理解與重構的適應性數字教育資源：模型構建與實踐框架[J]. 現代遠程教育研究，2023，35（6）：91-101.

[28] 單俊豪，劉永貴. 生成式人工智能賦能學習設計研究[J]. 電化教育研究，2024，45（7）：73-80.

Logical Rational and Practical Paths for Generative Artificial Intelligence in Enhancing Subject Teaching Adaptability

ZHANG Yuliu， LUO Jianghua

（Center for Studies of Education and Psychology of Ethnic Minorities in Southwest China， Southwestz12YE2wuRkpcWAkucNMYLQ== University， Chongqing 400715）

[Abstract] With the intelligent emergence of generative artificial intelligence technology， enhancing the adaptability of subject tlxnSYZdLCVzC9Oomf6lLFg==eaching is an essential reflection of the interplay between the internal layer of subject teaching self-development and the external technological environment. First of all， this paper systematically elaborates on the essential connotation of subject teaching adaptability， revealing the logic of enhancement and stage characteristics of subject teaching adaptability. Secondly， the paper discusses the enhancement effect of generative artificial intelligence in empowering subject teaching adaptability in terms of practical value from three aspects of teaching content， teaching subject and teaching evaluation. The logical mechanism of the enhancement effect is based on the improvement of technological adaptability， centered around the construction of intelligent teaching situation， and ultimately oriented to the deep adaptation and collaborative development of teachers and students in the new technological environment. Finally， in order to continuously promote the enhancement of subject teaching adaptability through generative artificial intelligence， this paper， starting from the aspects such as being rooted in the large model of the subject ， enriching the structure of the teaching field， and adhering to the main theme of subject education，discusses the practical path to promote the deep coupling of generative artificial intelligence and subject teaching so as to provide reference and insights for the teaching practice of related subjects.

[Keywords] Generative Artificial Intelligence; Adaptability; Subject Teaching Adaptability; Human-Machine Collaboration; Bounded Rationality

DOI：10.13811/j.cnki.eer.2024.11.014

基金項目：國家社會科學基金2021年度教育學重點課題“以教育新基建支撐高質量教育體系建設研究”（課題編號：ACA210010）