基于工作場景學習：價值意蘊、發展隱憂和未來向度

摘 要 基于工作場景的學習強調以工作情境為中心組織教學活動。這種學習模式不僅具備將學科知識與默會知識相融合的工具箱價值，還充當了現代福特制生產關系中的代理人角色，能夠有效地提高學生的職業技能，并幫助學生快速適應職業角色。但隨著人工智能技術的高度介入和由此帶來的生產關系變化，基于工作場景學習可能存在場景搭建成本高、教師功能弱化、場景知識不確定、學生向上流動受阻等隱憂。針對以上問題，提出構建流動的知識、實現場景的裂變、優化入口知識的選擇、突出人類特定優勢的發展向度，為職業教育高質量發展提供參考。

關鍵詞 基于工作場景學習；知識情境化；人工智能；符碼理論

中圖分類號 G719.2 文獻標識碼 A 文章編號 1008-3219（2025）05-0043-07

基于工作場景學習是指在“實用、夠用、會用”原則指導下，圍繞問題或者圍繞著產生問題的工作場景組織課程內容，為學生提供在就業中所必須具備的知識、技能和思維方式，讓學生以“交付產品”[1]的態度完成學習。它對推動學生快速進入職場角色、開展職業活動具有積極作用。現有基于工作場景學習的研究都停留在內涵、應用和重要性的探討上。隨著AI時代的加速來臨，社會生產關系、職業生產結構和職業教育本身都面臨重大變革。因此，審視基于“工作場景”學習的隱憂，并提前規劃其在AI時代的發展向度，具有重要意義。本文基于伯恩斯坦的知識情境化理論，探討基于工作場景學習的價值、隱憂與未來向度，以期為職業教育的高質量發展提供借鑒。

一、伯恩斯坦與知識情境化

伯恩斯坦（B．Bernstein）是當代新教育社會學中最有影響的學者之一，他提出的符碼理論在國內外學術界產生了廣泛而深遠的影響。伯恩斯坦繼承了涂爾干社會分工理論，又融合了馬克思主義階級論點的沖突社會學立場，通過《階級、符碼與控制》以及《教育、符號控制與認同》一書建構了完備且高度抽象的符碼理論體系。

知識情境化理論出自《階級、符碼與控制》一書的第3卷和第4卷。根據伯恩斯坦分析，知識是由初級情境、再情境化情境和次級情境三個情境構成，分別擔任生產、傳遞與習得的功能[2]。初級情境負責知識的生產。從初級情境到再情境化情境需要經歷去情境化。在這個過程中，知識被選擇、簡化、濃縮和修改，從情境依賴走向去情境，讓知識具備可流動的能力。再情境化情境關注的是知識的移動和再定位。次級情境化意味著新的知識在新的情境中被習得。

伯恩斯坦的知識情境化流程是其符碼理論體系的一個細小分支。知識情境化理論對知識的解釋著重在以下三方面，第一，知識不是以其初始的形式被呈現給學習者，而是作為概念被不斷地加以分離、組合。從初級情境到次級情境，知識經歷了多次改造，從初級情境中產生的知識和學生在次級情境中習得的知識，從本質意義上說，并不是同質的知識。第二，伯恩斯坦認為在數次轉換中，知識從情境中被剝離以及再次與情境的組合都是在特定的社會關系中產生和完成的，而規約這種社會關系的原則就是符碼。“符碼是情境之間的相關關系的規約者，經由那些關系，再成為情境內部關系的規約者”[3]。因此，職業知識如何獲取，向職業教育的學習者提供什么樣的知識，這背后暗含著特定的社會關系。第三，情境依賴的知識并不利于知識的流動，要使知識流動起來，必須打破知識分類的區隔，去掉知識的具有典型的情境依賴的特征，消除知識原有實踐主體之間的特定社會關系的“置位”，讓知識得以在另一情境中容易被理解。

二、基于工作場景學習的價值意蘊

伯恩斯坦為職業教育實踐提供了一個知識產生與傳遞的理論分析框架。在此框架上理解基于工作場景學習，能夠更好地剖析基于工作場景學習的價值意蘊。

（一）基于工作場景學習的工具箱價值

伯恩斯坦的情境化理論提供了一個理解學生學習的終端窗口，即他們最終直面的應該是情境化的知識。這一點對傳統以學科知識為主的職業教育授課模式是一個巨大的挑戰。直至今日，許多職業院校的課程中學科知識仍然占據著主導地位[4]。大部分人都認為“學術性是現代高等教育的本質屬性和根本特征”[5]，職業教育作為教育的一個類型，也必須遵循這一原則。然而，這種論斷忽視了職業教育的應用場景是某個具體的工作場合。真實的場景中，問題不可能如學科知識所傳授時那樣“在一定的規范指引下，由諸環節和層面構成相對自主的體系”[6]。相反，實踐中的問題往往是混亂的、紛雜的、毫無頭緒的。在這個具體的運用場景中，關于學科存在和運行的獨立理論場域被打破，解決問題不僅需要某個單一的學科或者學科體系知識，而且需要了解相關任務或工作體系的內在邏輯，考慮工作場所產生的技術和組織問題，了解特定工作或特定組織環境的工作細節[7]。將學科知識直接呈現給學生，會導致知識仍然“按照自身的邏輯關系組織在一起”[8]，使學生缺乏對任務與知識的關系的認知。即便加入相對應的情境任務模塊，這種任務也只能被視為鞏固或者檢測前知識的方法，其目的仍然是讓學生掌握相關的學科知識，而非是在學科知識和職業教育之間建立起真正概念性的聯系，將工作場所產生的技術和組織問題進行情境化的反饋。

職業教育領域的知識具有兩面性，它必須重視學科的基本知識結構，以避免削弱職業知識的解釋性，但它還必須直面實踐問題，這是職業知識的社會性。基于工作場景學習恰恰符合這種兩面性，它充當了一個工具箱的功能，從學科知識中獲得“概念性”，從實踐問題中獲得“背景”，從而使學科知識面向實踐環境。在具體操作上，基于工作場景學習一方面需要通過將學科知識打碎，融入各個場景之中，讓實際工作與學科知識產生聯系；另一方面，將受到應用場景之囹的情境知識用各種形式編纂出來，讓它變得跟學科知識一樣，具有一定的普適性、可言傳性。這對職業教育的學生而言，是一個非常實用的解碼器功能。一項關于學生職業知識的感知實驗表明，相比系統的理論知識，學生對基于情境的知識應用更感興趣，也更容易接受和理解[9]。

（二）基于工作場景學習的代理人價值

在情境化理論中，伯恩斯坦提出了“置位”概念。“置位”的過程可以表述為：權力主體通過對符碼進行編碼來形塑客體意識，從而達到權力和意識的控制的目的。而學習者則通過符碼被“置位”[10]。“置位”就是實踐主體之間特定關系的建立過程和主體內部特定關系的創生過程，帶有明顯的權力與控制特點。誰在權力與控制的爭奪中占據優勢，就決定了代表其原則的符碼能夠成為新的關系的規約形式，而作為外顯形式的知識就能成為該權力主體的代言人。

當職業教育改革進入深水區，基于工作場景學習成為熱點話題。基于工作場景學習看似是教育的話題，是職業教育發展進入新階段的產物，但我們如果從伯恩斯坦情境化理論的權力視角重新審視這一現象，就會發現是權力團體的影響與選擇決定了情境知識的主角光環。基于工作場景學習的思想成為主流印證了職業教育發展過程中，行業、企業這一權力主體對職業教育日益強大的話語權。

在情境知識之前，學科知識被選作職業教育的“代理人”，有其歷史客觀因素。在計劃經濟時代，我國職業教育以行業辦學為主，因此存在大量行業部委創辦的專業學校，這種行業系統內封閉的辦學模式培養的是行業專用的技術人才。改革開放初期，為滿足城市和國家發展需求，國家要求辦一批“花錢少，見效快，可收學費”[11]的專科學校和短期職業大學，行業系統逐漸退出職業教育領域，管轄權逐步劃歸地方政府和教育行政部門。地方政府和教育行政部門成為高等職業教育知識“置位”的權力主體。初期的高等職業教育面臨經費低、師生比低等現實問題，加之我國高等教育的傳統優勢在于系統的學科知識傳授，他們為高等職業教育貢獻了最主要的師資群體，因此學科知識從普通高等教育整體平移至高等職業教育是在成本、教師結構、辦學資源等多重因素制約下的不二之選。

理論上來說，即便起點是學科知識，一旦經歷了去情境化和再情境化的路徑，學科知識將被重新定位、重新聚焦，學科知識的結構將發生改變。因此，這樣的選擇本身并不會導致職業教育的偏移。但在整個情境化路徑中，在這場權力團體的角逐中，始終缺乏關鍵的利益相關者——市場的參與。市場的缺位加上辦學條件的限制導致學科知識的“偽”去情境化和“偽”再情境化：有些僅僅是發生了空間位置的改變，如從教室到工作場所，而并未從學科知識結構轉換到情境知識結構，有時候出于成本的考慮，甚至連空間位置都未曾改變。沒有真正經歷“去情境化”“再情境化”的過程，初級情境中的學科知識沒有經歷任何的轉化就進入了次級情境化的知識終點，就呈現給了職業教育的學生，也導致職業教育受到“重學輕實”的指摘。

當今全球企業通用的生產組織形式是20世紀中期后盛行的福特制。福特制因其生產組裝標準化、生產過程流水線、勞動管理簡單化極大地釋放了市場力量，具有不可比擬的生產優勢。但其對生產各環節的承接性和相對獨立性有著極高要求，牽一發而動全身，某個環節的問題可能導致整個工廠的崩潰[12]。這為基于工作場景學習提供了時代契機：此時已然形成對職業教育有一定話語權力的市場方需要的是能夠滿足標準化生產、可替代的原子式低成本勞動力。基于工作場景學習在事實上充當著福特制生產組織形式的代理人，它將工作場所產生的技術和組織問題嵌入一個個與生產流水線相對應的情境之中，雖然這些情境是零散的，但工作將這些情境知識聯系在一起，掌握這些情境知識，就能勝任福特制生產組織形式。

三、基于工作場景學習的發展隱憂

基于工作場景學習具有工具箱價值，它能夠將“組織和技術問題”和“學科知識”結合起來，產生一個“工具箱”，使學科知識面向實踐環境；同時它還具有代理人價值，為福特制工業生產關系提供原子式的人力資源，符合當下生產條件的要求。然而以發展的眼光審視基于工作場景學習，特別考慮到人工智能對人類生產關系的高度介入，基于工作場景學習可能存在以下隱憂。

（一）情境的價值隔斷隱憂

基于工作場景學習的特點是“交付產品”，注重與工作內容完成直接相關的知識，例如工作任務的操作步驟、方法、工具、材料等，而理論知識容量不大。這種假定情境中的任務和角色可以獨立于職業的理論基礎來定義的知識邏輯，將理論知識從其意義系統中分離出來，使學生只能接觸到理論知識在工作場所的具體應用，而不能接觸到理論知識所嵌入的意義系統。

同時，由于知識建構始終圍繞情境中的問題展開，而不是系統地將學生引入不同的知識體系，因此學生的自主性受到很大的限制，因為他們缺乏理解不同問題或以不同方式思考問題所需要的系統的、專業的學科知識[13]。工作場所產生的技術和組織問題，即使看上去是一個單一問題，實際上也是多個部門的錯綜復雜關系交匯產生的，這種超越特定工作場景或特定組織環境的通用問題的解決需要的是可以突破情境壁壘的流動的知識。基于工作場景學習等于將所有的職業知識放在一個個與特定工作任務密切相關的情境之中，這些情境通常是零散和異質的，工作是這些知識之間的唯一聯系。然而這種聯系也是不穩定的，基于工作場景學習使得學生只獲得了可以應對這一單一情境的程序性知識，一旦情境遷移，學生就會手足無措。

隨著人工智能技術的發展，未來很有可能呈現出機器部分接入人體的職業場景。機器部分接入人體，將創造出一種局部增強型的人體軀干。它能夠極大地改變人類軀體的力量、五感、智力和情緒，人類社會的勞動生產率將因此大大增強。這意味著職業教育面臨的未來世界是一個人機合作的世界，幫助人更好地完成工作。通過機器部分介入來改變勞動者的性質，降低對某些技能以及情境限制知識的需求。這種去技能化傾向意味著，對情境知識的要求將會急劇降低，按照過去職業教育追求的“實用、夠用、會用”的原則培養出的簡單技術人員被限定在具體的情境之中，缺乏超越具體情境、具體活動，提煉普適性的規則和流動性知識的能力，顯然無法勝任這一要求。

（二）情境的搭建成本隱憂

伯恩斯坦的知識情境化理論指出，情境是知識解構、傳遞、習得的場域。因此，情境對職業知識情境化起著關鍵作用。但搭建情境無論是現時還是未來都存在諸多障礙。

現時搭建職業知識情境的直接障礙是經費不足。聯合國教科文組織相關機構測算，職業教育辦學成本應該是普通教育辦學成本的2.64倍[14]。然而，高職院校獲得的資源配置卻處于高等教育的最底端。2019年，我國高職院校數量達到1423所，高等本科學校數量為1258所，高職院校數量已超過高等本科院校。當年我國普通高等學校的國家財政性教育經費投入為8427.2億元，其中高職院校僅獲得1592.6億元，高等本科學校獲得6834.7億元，兩者相差近3.3倍[15]。經費不足意味著職業教育很難完成職業情境的搭建工作，因此也無法實現基于工作場景學習的真正落地。

未來，隨著人工智能的日漸融入、工作場景的日益復雜化，大多數職業的知識需求呈指數級增加，更需要職業從業者能夠在不同場景下解決實際問題。相比福特制工業時代，在未來工作將被解構成更加離散的元素，工作任務就像獨立且可互換的組件，人機合作對這些組件進行多元配置，以創造更高效的工作效率，因此，職業知識將有可能變成超級情境化的知識——比現時的情境化知識更加碎片化，人類只需要掌握這少部分的知識就可以勝任一個工作場景，但這種極端碎片化的場景在數量上也呈現出爆發式增長。職業教育提供的有限情境化無法滿足這種數量要求，而場景“盲區”必然導致學生在就業市場的被動。

（三）情境的重構替代隱憂

在學術教育中，一般知識經歷過去情境化和再情境化，即可以進入次級情境化的環節，而職業教育學中，知識從初級情境化場域中被選擇抓取，再到次級情境化場域中，路徑涉及兩個不同的重構過程，即將再情境化的知識納入職業教育，需要進一步進行教育學的重構。因此，職業教育的情境化路徑比普通教育需要多經歷一步轉換，也更復雜。職業教育的意義也在于此，教師、教材、教學共同構建一個職業知識的情境化轉換體系。

現在以ChatGPT為代表的人工智能模型都是基于深度學習和神經網絡算法構建的，算法的復雜性和不透明性讓其目前還難以將其思維過程顯性化，但是未來隨著生成式人工智能的可解釋性加強，其在教育領域將發揮更大的作用[16]，尤其是在涉及多個去情境化和再情境化過程的職業教育中，其知識的情境化流程可能會被極大地簡化，“去情境化”和“再情境化”，甚至“職業教育學重構的再次情境化”這些步驟都可能被省略，因為生成式人工智能可以將知識生成所包含的多個流程融于一身，彼時它可以作為個性化輔導工具，幫助職業教育的學生理解理論性的概念，也可以為學生提供有關特定實踐主題的默會知識的解釋和指導。而如果人工智能能夠完成這種情境化轉化，那么職業知識情境化轉化體系中的共同參與者教師、教材、教學都將面臨被剝奪情境化重構這一功能的風險。

（四）情境的權力代理隱憂

伯恩斯坦情境化理論的核心是：誰決定了什么樣的知識被選擇，誰就決定什么樣的知識被呈現。審視職業知識背后的權力主體可以發現，政府、企業、院校作為穩定的權力三角，對職業教育的知識生成擁有強大的話語權。政府和院校處于強勢一方時，學科知識成為職業教育的知識邏輯主體，當市場愈發重要，對職業教育的影響力越來越大時，基于工作場景學習被教學實踐所推崇，但是這種權力的介入是穩定且顯性的。對于一般學科知識的來源，學者們普遍認可的觀點是，學科知識來源于研究成果。研究成果或被現有知識同化，或改變現有知識形成新的知識結構，從而產生學科知識[17]，大多數學科知識只需要從研究到應用，從一般到特殊。相對一般學科知識，職業知識的來源更為復雜。由于職業知識即來源研究成果也來自于實踐經驗[18]，因此，這些知識需要經過多次轉化才能成為職業知識。但無論是學科知識還是職業知識，這些都是可以預測的知識發展，這些知識的改造和發展都符合認知心理發展模式。

然而，人工智能很有可能打破了這種權力結構，也帶來知識本身的不可預測性風險。展望未來，當人工智能進化到機器完全介入創造出肉體死亡思維永生的狀態，這是人類徹底放棄了肉體而通過將思維上傳到計算機以實現無身體的人類生命[19]。思考基于工作場景學習在這個階段可能存在的風險，我們必須認識到，由于人類已經事實上放棄了肉體，賦予職業知識符碼的權力主體，是人機合一的新“人”。

這種知識權力主體變化的改變也在提示著基于工作場景學習的風險：知識的不可預測性。無論是學科知識還是職業知識的改造，都符合人類認知心理發展模式，能夠被預測其發展方向，并遵循人類認知心理發展軌跡通過初級情境化、去情境化、再情境化和次級情境化的抓取、轉換完成傳遞過程，但“人機合一”的新人出現，職業知識變得不可預測，這也為基于工作場景學習設置了一個起點性的障礙：當初級情境化場域的知識都無法預測，其余情境化流程勢必無法完成。

四、基于工作場景學習的未來向度

基于工作場景學習讓學生以“實踐社區”的形式在模擬或真實的工作場所學習，創建出一個符合當下生產關系需求的情境豐富的學習環境，是從學科知識到職業知識跨界的重要解碼器。然而無論是當下還是人工智能深度介入的未來，基于工作場景學習都存在一定的發展隱憂，當然這并不意味著基于工作場景學習的道路不可取，相反，這些隱憂恰恰暗示著基于工作場景學習的未來向度。

（一）重視流動知識的建構

基于工作場景學習可能帶來學生發展的價值隔斷，這是因為它根據工作任務對知識進行了片段式切割，形成了一個個情境孤島。伯恩斯坦的情境化理論提供了突破這些情境障礙的思路，即流動的知識。

伯恩斯坦指出，在我們的知識與知識的對象之間總會有一個缺口，這個缺口叫做“潛在的話語差距”[20]。如果學生對知識的認識來源僅困囿于具體的經驗對象，就無法習得獲取新知的能力。因此，要允許這個缺口的存在，讓學生有機會去思索現有知識未及之處，并將知識帶向不同的方向。這個缺口里容納的知識，就是流動的知識。伯恩斯坦解釋這種流動的知識就是理論知識，學生需要獲得理論知識，這樣他們才能在不同的知識領域游刃有余。理論知識代表著強大的知識，“強大的知識提供了更可靠的解釋，以及思考世界和獲取世界的新方法，并且可以為學習者提供參與政治、道德和其他辯論的語言”[21]。

因此，避免價值的隔斷，就是充分意識到，雖然現階段許多工作場所的基礎活動主要涉及情境知識，但學生向高層次發展的過程中，情境知識與理論知識的融合是必需的，在基于工作場景學習過程的開始之前，有必要向學生提供系統的理論知識，防止學生過度專注于程序性知識，避免將學生假想為“被監督的工人，而不是一個行使自主權和判斷力的自由行動者”[22]。

（二）實現智能場景的裂變

伯恩斯坦情境化理論指出情境對理解知識的重要性。基于工作場景學習，對場景數量和質量的要求非常高。職業教育的工作場景搭建主要涉及空間、實踐和信息三個維度[23]。現實職業教育場景搭建技術主要包括可視化虛擬現實、專業軟件平臺、通用圖形、虛擬現實專用語言等[24]，在這三個維度的建設上由于經費有限，還普遍存在物理場景（空間）數量不足、活動場景（實踐）互動不夠、數據場景（信息）共享不暢等問題。隨著人工智能等技術的滲透，產業智能化升級會帶來產業生產形態的顛覆性躍進，同時也會對職業教育的情境化場景搭建產生重大影響。而且這種技術顛覆性越大，越有可能幫助職業教育“依托技術所帶來的技術之窗”而實現突破性飛躍[25]。

未來職業教育有望通過智能場景裂變解決場景搭建成本問題，借助智能感知、虛擬現實、增強現實、混合現實等技術，模擬真實的環境、條件、內容、流程、方法和結果[26]，實現技術嵌入現實物理空間，以“+智能技術”的方式拓展物理場景；借助日益豐富且經濟的算法加持人工智能，面向真實的工作場景，通過遠程鏈接、工業互聯網技術等直接與真實的工作環境、工作過程互動，解決無法進入工作現場進行實際運行、維護的問題[27]，實現活動場景的高質量互動；通過關鍵業務數據標簽化，共享、對比和耦合關鍵業務的數據節點，對工作場景進行全局性的數據整合，實現數據場景的暢通。

（三）優化入口知識的選擇

即使是在學科知識或實踐中成功占有知識，也并不意味著能成功地將知識轉換。職業知識在從初級情境到次級情境的多重轉換過程中控制脫節會導致轉換的失敗。而轉換失敗的最主要原因就是對默會知識的編碼失敗。與學科知識不同的是，職業知識存在大量默會的知識。這些默會的知識往往無法表達出來，需要教師、教材、教學對其進行編碼。編碼對知識的呈現和明確具有重大意義。“它允許我們談論知識，檢驗知識，分享知識”[28]。因此，從初級情境中獲取經驗和需求，將其編碼，再通過教學應用語言將其轉換為教學內容是職業知識從工作走向學習的必經之路。隨著人工智能技術的飛速發展，人工智能的編碼轉述能力的增強，對教師的知識編碼和情境轉換功能被取而代之的擔憂也隨之而生。

雖然面臨情境解碼和轉換功能可能被人工智能替代的風險，但“自動化最大的悖論在于，使人類免于勞動的愿望總是給人類帶來新的任務”[29]。當人工智能融會貫通工作場景的知識與技能，并將這些知識的轉化、傳遞的情境化流程縮減甚至消除時，作為情境化流程的曾經重要參與者，教師、教材、教學可以嘗試回到原點，即伯恩斯坦的情境化流程中的入口，在初級情境化場域中的知識選擇上，對初級情境化場域的知識進行優化和精選。這是人類與人工智能合作的最佳途徑，當人工智能不需要那么多具體指令來告訴它如何實現目標時，實現目標的起點就變得非常重要。

（四）突出人類特質的優勢

人類歷史上并非沒有技術變革，但是從根本上顛覆社會架構的技術屈指可數。更多時候是現有架構適應和吸收新技術，在可識別的范疇內不斷發展和創新。然而，人工智能有望改變人類理解現實的方式和我們在現實中所扮演的角色，并給人類社會帶來哲學層面的改變。這種改變對基于工作場景學習最大的挑戰是，未來的知識并不再是“人”這一主體對科研成果和實踐經驗的吸收和改造，機器將在事實上參與知識的生成，知識生成的可預測性在減弱。

為了對抗這種不可預測性，需要職業教育尋求穩定的、可預測的部分。即便是人機時代的真正來臨，這些部分都是“人”才能擁有的特質，也是千百年來人類對其已有的深刻認識，即可預測的部分。例如，在未來，人工智能可能不需要那么多具體指令，人類只需要提出一個模糊的目標即可，但提出模糊的目標這一步本身就是人獨有的創造性思維能力。再比如人工智能可以得出結論、進行預測，甚至制定決策，但是它沒有意圖、動機、道德和情感。因此，雖然人機時代到來可能帶來知識生成的不可預測性，但用人的特質去引導機器，讓知識朝著相對自主、內在的實在性邏輯生成、發展是對抗未來基于工作場景學習中不確定性的發展方向。

五、結語

基于工作場景的學習在現實中具有重要價值，但放眼未來，隨著人機時代的加速到來，基于工作場景的學習也面臨諸多挑戰。挑戰并不意味著應擯棄這種模式，相反，智能時代為基于工作場景學習創造了更多的想象空間。正如泰格馬克在其《生命3.0——人工智能時代人類的進化與重生》一書中提到的，“不斷進步的計算機性能就好像水平面，正在逐步上升，淹沒整個陸地。半個世紀以前，它開始淹沒低地，將人類計算員和檔案員逐出了歷史舞臺。不過，大部分地方還是‘干燥如初’。現在，這場洪水開始淹沒丘陵，我們的前線正在逐步向后撤退。雖然我們在山頂上感到很安全，但以目前的速度來看，再過半個世紀，山頂也會被淹沒。”[30]人機時代的到來不可避免，基于工作場景的學習只有做出更多的調整才能適應新時代的到來。

參 考 文 獻

[1]BERTVAN OERS JANTERWEL MARTIJNVAN SCHAIK.Learning in the school workplace：knowledge acquisition and modelling in preparatory vocational secondary education[J].Journal of Vocational Education amp; Training，2010（62）：163-181.

[2]巴索·伯恩斯坦.階級、符碼與控制（第三卷）：教育傳遞理論之建構[M].王瑞賢，譯.臺北：聯經出版事業股份有限公司，2007：13.

[3]巴索·伯恩斯坦.階級、符碼與控制（第四卷）：教育論述之結構化[M].王瑞賢，譯.臺北：巨流圖書有限公司，2006：13.

[4]徐國慶.基于知識論的職業教育實踐課程觀[J].全球教育展望，2002（12）：67-72.

[5]李勝，徐國慶.職業本科教育技術學科：學術意蘊、內涵要素與建設路徑[J].高等工程教育研究，2022（6）：146-152.

[6]賀來.哲學社會科學研究中的“基礎理論”[N].中國社會科學報.2021-10-12（1）.

[7]徐宏偉，龐學光.技術認識論視閾下的職業教育發展[J].教育發展研究，2014（17）：1-5+32.

[8]徐國慶.新職業主義時代職業知識的存在范式[J].職教論壇，2013（21）：4-11.

[9]LIESBETH K.J.BAARTMAN ELLYDE BRUIJN WENJA T.HEUSDENS.Knowing everything from soup to dessert：an exploratory study to describe what characterises students’vocational knowledge[J].Journal of Vocational Education amp; Training，2018：1-20.

[10]周旻.伯恩斯坦學校教育置位理論的內涵與運行機制[J].教育研究，2017（3）：122-129.

[11]潘懋元，朱樂平.高等職業教育政策變遷邏輯：歷史制度主義視角[J].教育研究，2019（3）：117-125.

[12]唐培杰.資本積累新樣態與資本主義時間景觀[J].學術探索，2023（6）：59-66.

[13]WHITCOMBE，STEVEN W.Developing skills of problem-based learning：what about specialist knowledge[J].International Journal of Continuing Education and Lifelong Learning，2013（2）：41-56.

[14]祁占勇，王志遠.經濟發展與職業教育的耦合關系及其協同路徑[J].教育研究，2020（3）：106-115.

[15]教育部財務司，國家統計局社會科技和文化產業統計司.中國教育經費統計年鑒2020[M].北京：中國統計出版社，2021：6-11.

[16]張熙，楊小汕，徐常勝.ChatGPT及生成式人工智能現狀及未來發展方向[J].中國科學基金，2023（5）：743-750.

[17]YOUNG M，J.GAMBLE.Conceptualising vocational knowledge：Some theoretical considerations[M].Knowledge，curriculum and qualifications for south African further education.Human Sciences Research Council，2006：109.

[18]GAVIN MOODIE.Sources of vocational knowledge[J].Journal of Vocational Education amp; Training，2020（74）：50-67.

[19]閆金敏，戴雪紅.階級構造、身體形塑與生命生成——后人類時代的賽博格無產階級研究[J].福建師范大學學報（哲學社會科學版），2023（6）：28-38+170.

[20]B BERNSTEIN.Pedagogy，symbolic control，and identity：theory，research，critique[M].Lanham：Rowman amp; Littlefield，2000：30.

[21]LEESA WHEELAHAN.How competency-based training locks the working class out of powerful knowledge：a modified Bernsteinian analysis[J].British Journal of Sociology of Education，2007（28）：637-651.

[22]WINCH C.Education and broad concepts of agency[J].Educational philosophy and theory，2014（6）：569-583.

[23]鄧小華，連智平.數字技術重構職業教育場景：理論基礎、表征樣態與行動路徑[J].重慶高教研究，2024（1）：63-73.

[24]李艷，陳琳，朱福根.國內虛擬仿真實訓：現狀、研究及啟示[J].現代遠距離教育，2023（6）：12-24.

[25]唐玉溪，何偉光.后發跨越式趕超：智能時代中國高職教育變革路向研究[J].中國遠程教育，2023（12）：68-75.

[26]林健，楊冬.工程教育智能化：系統設計與整體實現[J].高等工程教育研究，2024（2）：1-11+96.

[27]楊冬.脫嵌與內嵌：智慧工程教學的現實困境與推進策略——基于技術嵌入理論[J].高校教育管理，2024（1）：33-46+69.

[28]STEVENSON，JOHN.Vocational knowledge and its specification[J].Journal of Vocational Education and Training，2001（4）：647-662.

[29]瑪麗·L.格雷，西達爾特·蘇里.銷聲匿跡：數字化工作的真正未來[M].上海：上海人民出版社，2020：35.

[30]邁克斯·泰格馬克.生命3.0——人工智能時代人類的進化與重生[M].杭州：浙江教育出版社，2018：3.

Learning in Work-based Scenarios： Value Implications， Development Concerns and Future Directions

Pan Jing， Yi Hongjun

Abstract" Learning in work-based scenarios emphasizes organizing teaching activities centered around work contexts. This learning mode not only possesses the toolbox value of integrating disciplinary knowledge with tacit knowledge but also acts as an agent in modern Fordist production relations， effectively enhancing students’vocational skills and helping them quickly adapt to professional roles. However， with the deep involvement of artificial intelligence technology and the subsequent changes in production relations， learning in work-based scenarios may face development concerns such as high costs for scenario construction， weakened teacher functions， uncertain scenario knowledge， and impeded upward mobility for students. In response to these issues， this paper proposes developing mobile knowledge， achieving scenario fission， optimizing the selection of entry knowledge， and highlighting the development dimensions of human-specific advantages to provide references for the high-quality development of vocational education.

Key words" learning in work-based scenarios; contextualization of knowledge; artificial intelligence; code theory

Author" Pan Jing， PhD candidate of Hunan Normal University， associate professor of the Foreign Language College of Changsha Social Work College （Changsha 4100081）;" Yi Hongjun， professor of Hunan Normal University

作者簡介

潘靜（1982- ），女，湖南師范大學教育科學學院博士研究生，長沙民政職業技術學院外語學院副教授，研究方向：職業教育（長沙，4100081）；易紅郡（1970- ），男，湖南師范大學教育科學學院教授，博士生導師，研究方向：英國教育史，比較教育

基金項目

湖南省社會科學成果評審委員會一般資助項目“基于服務‘三高四新’戰略的湖南省高職院校核心競爭力提升研究”（XSP2023JYZ057），主持人：潘靜