生成式人工智能賦能沉浸式學(xué)習(xí)：機(jī)理、模式與應(yīng)用

[摘" "要] 沉浸式學(xué)習(xí)環(huán)境為新質(zhì)人才的培養(yǎng)打造了優(yōu)質(zhì)學(xué)習(xí)空間，但受限于技術(shù)成本高、教育理論缺位、學(xué)習(xí)適用性低等因素，在教育領(lǐng)域的應(yīng)用仍較為有限。生成式人工智能在創(chuàng)造性生成、邏輯性表達(dá)、復(fù)雜交互理解等方面展現(xiàn)出了顯著的賦能潛力。文章首先在梳理沉浸式學(xué)習(xí)環(huán)境內(nèi)涵與構(gòu)成要素的基礎(chǔ)上，構(gòu)建了生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理模型，通過(guò)情境分解、模型提煉和內(nèi)容創(chuàng)生，實(shí)現(xiàn)學(xué)習(xí)路徑規(guī)劃、多模態(tài)資源生成、學(xué)習(xí)情境創(chuàng)設(shè)、個(gè)性化互動(dòng)、學(xué)習(xí)者畫像構(gòu)建等功能。其次，從實(shí)踐角度提出依托沉浸式學(xué)習(xí)環(huán)境的有效學(xué)習(xí)模式，包括錨定目標(biāo)、了解現(xiàn)狀、課程學(xué)習(xí)、情境練習(xí)、動(dòng)態(tài)監(jiān)測(cè)五個(gè)環(huán)節(jié)。最后，結(jié)合“知心慧語(yǔ)”智能陪練系統(tǒng)論證垂直應(yīng)用機(jī)理和學(xué)習(xí)模式的可操作性，旨在為生成式人工智能在教育領(lǐng)域的垂直應(yīng)用提供借鑒。

[關(guān)鍵詞] 生成式人工智能； 沉浸式學(xué)習(xí)； 垂直機(jī)理； 學(xué)習(xí)模式； 應(yīng)用案例

[中圖分類號(hào)] G434" " " " " " [文獻(xiàn)標(biāo)志碼] A

一、引" "言

數(shù)智時(shí)代，為響應(yīng)“加快形成新質(zhì)生產(chǎn)力”的現(xiàn)實(shí)呼喚，教育領(lǐng)域應(yīng)積極創(chuàng)新學(xué)習(xí)模式，培養(yǎng)兼具創(chuàng)新能力與實(shí)踐智慧的拔尖創(chuàng)新人才[1]。學(xué)習(xí)環(huán)境是學(xué)習(xí)發(fā)生的主要場(chǎng)所，沉浸式學(xué)習(xí)環(huán)境以其具身化、可交互、情境化等特點(diǎn)被作為提升學(xué)習(xí)動(dòng)機(jī)[2]、支持知識(shí)主動(dòng)建構(gòu)、促進(jìn)實(shí)踐技能遷移[3]、培養(yǎng)問(wèn)題解決能力[4]、發(fā)展創(chuàng)新思維[5]的有效技術(shù)創(chuàng)新途徑。然而，沉浸式學(xué)習(xí)環(huán)境在教育領(lǐng)域的應(yīng)用仍然存在多方面的局限。例如：在技術(shù)實(shí)現(xiàn)上，當(dāng)前沉浸式學(xué)習(xí)環(huán)境的開發(fā)多借助XR、數(shù)字孿生、情感計(jì)算等技術(shù)，開發(fā)成本高昂，硬件、系統(tǒng)和內(nèi)容之間的兼容性差，阻礙了大范圍普及；在內(nèi)容適配上，當(dāng)前情境和交互設(shè)計(jì)多依賴于預(yù)設(shè)腳本，敘事和即時(shí)反饋的深度明顯不足，為學(xué)習(xí)者帶來(lái)的能力成長(zhǎng)有限[6]；此外，沉浸技術(shù)的教育應(yīng)用開發(fā)通常缺乏學(xué)習(xí)理論的指引，忽視了技術(shù)賦能學(xué)習(xí)的內(nèi)在作用機(jī)制[5]。面對(duì)拓展應(yīng)用規(guī)模、提升學(xué)習(xí)體驗(yàn)、促進(jìn)深度學(xué)習(xí)等方面的升級(jí)需求，亟須創(chuàng)新沉浸式學(xué)習(xí)環(huán)境的開發(fā)路徑，降低技術(shù)成本，增強(qiáng)內(nèi)容適配，促進(jìn)學(xué)習(xí)成效。

近年來(lái)，生成式人工智能產(chǎn)品以其強(qiáng)大的對(duì)話情境理解能力和啟發(fā)性內(nèi)容生成能力，正在全球范圍內(nèi)掀起一場(chǎng)智能化教育的創(chuàng)新浪潮?；谏墒饺斯ぶ悄艿膫€(gè)性化學(xué)習(xí)資源生成與推薦、高頻互動(dòng)與即時(shí)反饋，以及隨之產(chǎn)生的創(chuàng)新學(xué)習(xí)模式，為創(chuàng)設(shè)具有豐富學(xué)習(xí)體驗(yàn)、支持高質(zhì)量交互和自適應(yīng)調(diào)節(jié)的沉浸式學(xué)習(xí)環(huán)境提供了可為空間。因此，本研究旨在理解沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵和構(gòu)成要素的基礎(chǔ)上，探討生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理與實(shí)踐模式，以回應(yīng)“生成式人工智能賦能沉浸式學(xué)習(xí)”的理論與實(shí)踐問(wèn)題。

二、文獻(xiàn)綜述

（一）沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵與構(gòu)成要素

1. 沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵

已有研究多從技術(shù)應(yīng)用、心理變化和知識(shí)習(xí)得三個(gè)視角界定沉浸式學(xué)習(xí)環(huán)境。在技術(shù)應(yīng)用視角，沉浸式學(xué)習(xí)環(huán)境強(qiáng)調(diào)利用虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、3D建模等技術(shù)手段[4]，將圖像、聲音或其他刺激物環(huán)繞在學(xué)習(xí)者周圍，創(chuàng)設(shè)接近現(xiàn)實(shí)世界的虛擬環(huán)境[7]。在心理變化視角，立德威爾等人將“沉浸式”解釋為“心流”[8]，即個(gè)體全身心投注到某種活動(dòng)中，忘卻周圍環(huán)境與時(shí)間存在，以達(dá)到忘我的心理狀態(tài)[9]。在此基礎(chǔ)上，沉浸式學(xué)習(xí)環(huán)境不僅是基于技術(shù)融合的物理意義上的沉浸，還意味著融合生理與心理的、帶來(lái)具身體驗(yàn)的深層沉浸[10]。在知識(shí)習(xí)得視角，國(guó)際組織沉浸式學(xué)習(xí)研究網(wǎng)絡(luò)（Immersive Learning Research Network， iLRN）指出，豐富的知識(shí)和以學(xué)習(xí)者為中心的模式是沉浸式學(xué)習(xí)體驗(yàn)的關(guān)鍵要素[11]。綜合上述觀點(diǎn)，可以將沉浸式學(xué)習(xí)環(huán)境定義為一種利用先進(jìn)技術(shù)手段整合文字、圖像、聲音等數(shù)字化學(xué)習(xí)資源，通過(guò)創(chuàng)設(shè)擬真的學(xué)習(xí)環(huán)境，為學(xué)習(xí)者提供深層次的、身臨其境的學(xué)習(xí)體驗(yàn)，進(jìn)而增強(qiáng)學(xué)習(xí)投入、促進(jìn)知識(shí)建構(gòu)的學(xué)習(xí)環(huán)境。

2. 沉浸式學(xué)習(xí)環(huán)境的構(gòu)成要素

認(rèn)知性、關(guān)聯(lián)性和情境性是沉浸式學(xué)習(xí)環(huán)境的三個(gè)典型特征[12]。首先，促進(jìn)認(rèn)知發(fā)展是沉浸式學(xué)習(xí)的終極目標(biāo)，沉浸式學(xué)習(xí)環(huán)境通過(guò)提供模塊化學(xué)習(xí)內(nèi)容、富有表現(xiàn)力的多媒體學(xué)習(xí)資源、復(fù)雜性的學(xué)習(xí)任務(wù)、逐步深入的學(xué)習(xí)活動(dòng)，以及系統(tǒng)科學(xué)的學(xué)習(xí)方法等，促進(jìn)學(xué)習(xí)者的認(rèn)知加工和知識(shí)建構(gòu)。其次，將學(xué)習(xí)行為與系統(tǒng)反饋相關(guān)聯(lián)是沉浸式學(xué)習(xí)發(fā)生的關(guān)鍵渠道[13]。通過(guò)創(chuàng)設(shè)交互體驗(yàn)收集學(xué)習(xí)行為數(shù)據(jù)，并基于分析結(jié)果提供即時(shí)反饋，如目標(biāo)調(diào)整、資源推薦、任務(wù)匹配等，為個(gè)性化、自適應(yīng)沉浸式學(xué)習(xí)環(huán)境的開發(fā)奠定基礎(chǔ)。最后，與學(xué)習(xí)者個(gè)性相匹配的情境是影響沉浸體驗(yàn)的重要因素[14]。通過(guò)提供與實(shí)踐場(chǎng)景相契合的環(huán)境、角色、情節(jié)、任務(wù)等，在帶來(lái)逼真的學(xué)習(xí)體驗(yàn)，激發(fā)共鳴和情感投入的同時(shí)，支持學(xué)習(xí)者將客觀知識(shí)轉(zhuǎn)化并再創(chuàng)造，提升學(xué)習(xí)者實(shí)踐能力和社會(huì)化水平。

為深入理解沉浸式學(xué)習(xí)環(huán)境的運(yùn)作機(jī)理，優(yōu)化設(shè)計(jì)與應(yīng)用，本研究將其分解為認(rèn)知、關(guān)聯(lián)和情境三類構(gòu)成要素。其中，認(rèn)知類要素關(guān)注知識(shí)的習(xí)得，包含學(xué)習(xí)內(nèi)容、資源、活動(dòng)、方法等；關(guān)聯(lián)類要素關(guān)注支持學(xué)習(xí)發(fā)生的技術(shù)手段，包含人機(jī)交互、學(xué)習(xí)行為分析等；情境類要素關(guān)注沉浸式體驗(yàn)的增強(qiáng)，包含環(huán)境背景、角色特征、情節(jié)設(shè)計(jì)、任務(wù)要求等。

（二）生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的創(chuàng)新路徑

生成式人工智能是一種根據(jù)提示詞自動(dòng)生成文本、圖像、視頻、音頻等內(nèi)容的技術(shù)，具備較強(qiáng)的對(duì)話情境理解、啟發(fā)性內(nèi)容生成、序列任務(wù)執(zhí)行、程序語(yǔ)言解析等能力[15]。本研究基于沉浸式學(xué)習(xí)環(huán)境的三類構(gòu)成要素，分解教育領(lǐng)域的技術(shù)應(yīng)用案例，挖掘生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的技術(shù)作用點(diǎn)。

1. 實(shí)現(xiàn)多模態(tài)資源的適性生成與推送

通過(guò)將生成式人工智能接入數(shù)字化學(xué)習(xí)系統(tǒng)，推動(dòng)教育資源應(yīng)用模式從“診斷—定制—分發(fā)”轉(zhuǎn)向“匯聚—加工—生成”，形成個(gè)性化的學(xué)習(xí)資源生產(chǎn)和利用途徑[16]。例如：Wu等開發(fā)了智能教程生成系統(tǒng)Self-GT，通過(guò)捕捉學(xué)習(xí)者的動(dòng)態(tài)變化和行為特征生成個(gè)性化教程[17]；美國(guó)密歇根大學(xué)構(gòu)建了包含授課視頻、演示文稿、電子教材等材料的知識(shí)庫(kù)Learning Clues，為學(xué)習(xí)者提供高質(zhì)量的知識(shí)問(wèn)答和校本資源推薦[18]。

2.支持學(xué)習(xí)過(guò)程全流程優(yōu)化

生成式人工智能通過(guò)在學(xué)習(xí)的各環(huán)節(jié)提供支持，促進(jìn)知識(shí)理解和深度學(xué)習(xí)。例如，可汗學(xué)院的聊天機(jī)器人Khanmigo可以在課前為學(xué)習(xí)者制定個(gè)性化學(xué)習(xí)方案；課中以對(duì)話形式講解復(fù)雜概念、創(chuàng)建任務(wù)、鼓勵(lì)獨(dú)立解決問(wèn)題；課后創(chuàng)建學(xué)習(xí)評(píng)價(jià)量表批改作業(yè)并開展綜合評(píng)估[19]。未來(lái)，基于生成式人工智能的智慧學(xué)伴將在信息檢索、知識(shí)講解、技能訓(xùn)練、成長(zhǎng)陪伴等方面持續(xù)發(fā)揮優(yōu)勢(shì)[20]。

3. 描繪動(dòng)態(tài)精準(zhǔn)的學(xué)習(xí)者畫像

生成式人工智能通過(guò)人機(jī)對(duì)話等交互式學(xué)習(xí)服務(wù)，產(chǎn)生海量實(shí)時(shí)的學(xué)習(xí)行為數(shù)據(jù)，為學(xué)習(xí)者畫像構(gòu)建提供常態(tài)化的數(shù)據(jù)基礎(chǔ)。結(jié)合學(xué)習(xí)成果、評(píng)價(jià)、診斷、偏好等多維度數(shù)據(jù)，可以提升學(xué)習(xí)者畫像的完整性、準(zhǔn)確性和時(shí)效性[21]。在此基礎(chǔ)上，還可以根據(jù)學(xué)習(xí)者畫像智能分析學(xué)習(xí)者的學(xué)習(xí)進(jìn)度、興趣、需求等，為其定制個(gè)性化的發(fā)展路徑[22]。

4. 開展持續(xù)深入的對(duì)話式交互

生成式人工智能具備開展多輪對(duì)話的卓越能力。學(xué)習(xí)者與智慧學(xué)習(xí)系統(tǒng)的交互形式也由傳統(tǒng)的菜單式轉(zhuǎn)向遞進(jìn)式問(wèn)答。例如，蘇格拉底游樂(lè)園通過(guò)高頻次的對(duì)話交互幫助學(xué)習(xí)者理解數(shù)據(jù)分析與處理的相關(guān)知識(shí)[23]。此外，對(duì)話式交互簡(jiǎn)化了交互形式，減少了復(fù)雜操作對(duì)學(xué)習(xí)的不利影響。生成式人工智能正在推動(dòng)著智慧學(xué)習(xí)走向智慧問(wèn)學(xué)的新階段[24]。

5. 創(chuàng)設(shè)擬真多變的學(xué)習(xí)情境

生成式人工智能可以打破傳統(tǒng)預(yù)設(shè)腳本的局限性，創(chuàng)建豐富多樣的學(xué)習(xí)情境，并且實(shí)時(shí)調(diào)整情境內(nèi)容，使學(xué)習(xí)者獲得個(gè)性化的學(xué)習(xí)體驗(yàn)。例如：Shi等人借助生成式人工智能將法律知識(shí)和案例整合在一系列連續(xù)情境中，通過(guò)對(duì)話互動(dòng)開展法律教育[25]；Breen借助ChatGPT創(chuàng)設(shè)中世紀(jì)生活情境，帶領(lǐng)學(xué)生沉浸式學(xué)習(xí)歷史知識(shí)[26]。

綜上所述，生成式人工智能從多模態(tài)學(xué)習(xí)資源的生成與推送、學(xué)習(xí)過(guò)程優(yōu)化、學(xué)習(xí)者畫像構(gòu)建、對(duì)話式問(wèn)答和多樣化學(xué)習(xí)情境創(chuàng)設(shè)等方面，為當(dāng)前沉浸式學(xué)習(xí)環(huán)境克服適需服務(wù)不足、情境設(shè)計(jì)單一、學(xué)習(xí)效果欠佳等局限提供了可行方案，為沉浸學(xué)習(xí)注入了強(qiáng)大的技術(shù)動(dòng)力。

三、生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理

生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的五大創(chuàng)新路徑需要借助具體的技術(shù)實(shí)現(xiàn)機(jī)制落地。首先，情境是沉浸式學(xué)習(xí)環(huán)境的核心特征，也是促進(jìn)學(xué)習(xí)者有意義知識(shí)建構(gòu)的要素[12]。通過(guò)情境分解，將聚焦特定學(xué)習(xí)目標(biāo)和微能力的情境作為最小構(gòu)成單元[27]，增強(qiáng)生成內(nèi)容的針對(duì)性和實(shí)用性。其次，為確保生成式人工智能產(chǎn)品能夠理解并處理特定領(lǐng)域相關(guān)的任務(wù)信息，同時(shí)緩解技術(shù)本身的潛在問(wèn)題。例如，幻覺(jué)問(wèn)題[28]，其在垂直領(lǐng)域應(yīng)用的關(guān)鍵在于：在調(diào)用通用大語(yǔ)言模型的基礎(chǔ)上，由領(lǐng)域?qū)＜覍I(yè)知識(shí)注入提示語(yǔ)中，深化模型對(duì)垂直領(lǐng)域上下文的理解，以生成特定的輸出[29]。沿用該技術(shù)實(shí)現(xiàn)思路，將模型提煉作為質(zhì)量保障機(jī)制，通過(guò)構(gòu)建專家知識(shí)庫(kù)保障其生成內(nèi)容的準(zhǔn)確性和可靠性。最后，以內(nèi)容創(chuàng)生為終極目標(biāo)，通過(guò)多智能體協(xié)作實(shí)現(xiàn)穩(wěn)定、高質(zhì)量的沉浸式學(xué)習(xí)環(huán)境生成[30]。基于上述思路，本研究構(gòu)建了生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理模型，如圖1所示。

（一）情境分解：以結(jié)構(gòu)化的形式組織課程

情境是產(chǎn)生沉浸式體驗(yàn)的最佳載體?；趯I(yè)人才培養(yǎng)要求和學(xué)科發(fā)展目標(biāo)，依照一定邏輯將課程系統(tǒng)化地分解為多個(gè)專注于特定的主題或技能的學(xué)習(xí)模塊，且模塊間具有關(guān)聯(lián)性和遞進(jìn)性。在此基礎(chǔ)上，將模塊進(jìn)一步細(xì)分為若干學(xué)習(xí)情境，每個(gè)情境都有具體的學(xué)習(xí)目標(biāo)、內(nèi)容、方法、任務(wù)和評(píng)價(jià)，確保學(xué)習(xí)的細(xì)節(jié)得以貫徹和落實(shí)。

這種結(jié)構(gòu)化的課程組織方式既能夠有效地傳達(dá)復(fù)雜學(xué)習(xí)內(nèi)容，保障課程目標(biāo)的逐步實(shí)現(xiàn)，為學(xué)習(xí)者提供連貫的學(xué)習(xí)體驗(yàn)，又確保了每個(gè)情境配套學(xué)習(xí)資源的適用性。同時(shí)，也使得根據(jù)學(xué)習(xí)者的需求和水平定制學(xué)習(xí)內(nèi)容、規(guī)劃個(gè)性化學(xué)習(xí)路徑變得可行。

（二）模型提煉：基于垂類數(shù)據(jù)構(gòu)建專家知識(shí)庫(kù)

受到數(shù)據(jù)獲取渠道、法律和倫理、資源和成本等因素限制，主流大語(yǔ)言模型的訓(xùn)練集多基于網(wǎng)絡(luò)公開的數(shù)據(jù)，垂直領(lǐng)域?qū)崟r(shí)性的、非公開的或離線的數(shù)據(jù)獲取難度較大，故無(wú)從具備相關(guān)知識(shí)?；诖诡悢?shù)據(jù)，構(gòu)建專家知識(shí)庫(kù)是關(guān)鍵技術(shù)手段，具體包括數(shù)據(jù)收集和知識(shí)構(gòu)建兩個(gè)階段。

數(shù)據(jù)收集階段，參考沉浸式學(xué)習(xí)環(huán)境的三類構(gòu)成要素，專家知識(shí)庫(kù)中應(yīng)包括但不限于：學(xué)科知識(shí)數(shù)據(jù)集、學(xué)習(xí)活動(dòng)數(shù)據(jù)集、方法論數(shù)據(jù)集、學(xué)習(xí)情境數(shù)據(jù)集、學(xué)習(xí)行為數(shù)據(jù)集等。以上數(shù)據(jù)集可以來(lái)源于各類學(xué)習(xí)資源庫(kù)、權(quán)威專家、典型實(shí)踐案例，以及高校、研究機(jī)構(gòu)或國(guó)際組織的相關(guān)研究成果等。通過(guò)多方高質(zhì)量數(shù)據(jù)的融合，豐富大模型的專業(yè)知識(shí)體系。知識(shí)構(gòu)建階段，依托模型將數(shù)據(jù)進(jìn)行合理歸類轉(zhuǎn)化為知識(shí)。例如：構(gòu)建具有層次化和關(guān)聯(lián)性特征的學(xué)科知識(shí)圖譜；基于建構(gòu)主義學(xué)習(xí)理論視角設(shè)計(jì)的“教、學(xué)、練、測(cè)、評(píng)”學(xué)習(xí)活動(dòng)模型；涵蓋專業(yè)方法、教學(xué)方法、學(xué)習(xí)方法、創(chuàng)新方法等在內(nèi)的方法論模型；基于情境學(xué)習(xí)理論提煉的包含環(huán)境背景、關(guān)鍵角色、情節(jié)設(shè)計(jì)、任務(wù)要求等要素在內(nèi)的學(xué)習(xí)情境模型；以及由此延伸的包含身份背景、性格特征、語(yǔ)言風(fēng)格、互動(dòng)模式、行為動(dòng)機(jī)的角色特征模型；包含時(shí)間頻率、學(xué)習(xí)路徑、任務(wù)提交、考試表現(xiàn)、互動(dòng)參與、資源使用等指標(biāo)的學(xué)習(xí)行為模型等。接下來(lái)，采用向量化的方式將知識(shí)整理成結(jié)構(gòu)化的專家知識(shí)庫(kù)，以便智能系統(tǒng)調(diào)用和應(yīng)用。

（三）內(nèi)容創(chuàng)生：整合多智能體執(zhí)行復(fù)雜任務(wù)

沉浸式學(xué)習(xí)環(huán)境是多重屬性疊加的復(fù)雜系統(tǒng)，既有動(dòng)態(tài)的情境交互，也有知識(shí)的有效傳遞，還有個(gè)性化的學(xué)習(xí)需求關(guān)照。因此，僅依靠單一的大模型和簡(jiǎn)短的提示語(yǔ)無(wú)法實(shí)現(xiàn)真正有效的沉浸式學(xué)習(xí)。智能體是一種可自主執(zhí)行特定任務(wù)或作出決策的系統(tǒng)或程序，被譽(yù)為人類生存和文化形態(tài)的里程碑式創(chuàng)造[31]?；谏墒饺斯ぶ悄軜?gòu)建整合多智能體的復(fù)雜系統(tǒng)是實(shí)現(xiàn)沉浸式學(xué)習(xí)環(huán)境自動(dòng)化、智能化生成的可行路徑。

在技術(shù)實(shí)現(xiàn)上，基于大語(yǔ)言模型的檢索增強(qiáng)生成（Retrieval Augmented Generation，RAG）為智能體的構(gòu)建提供了方案。語(yǔ)義檢索和生成輸出是兩個(gè)主要步驟。其中，語(yǔ)義檢索指當(dāng)學(xué)習(xí)者提出具體的任務(wù)指令時(shí)，RAG以此為檢索詞從專家知識(shí)庫(kù)中檢索相關(guān)知識(shí)，并將其作為關(guān)鍵的背景信息與任務(wù)指令一同注入提示語(yǔ)中；生成輸出指RAG應(yīng)用該提示語(yǔ)與大語(yǔ)言模型交互，生成相應(yīng)的內(nèi)容。此外，為優(yōu)化輸出，在提示語(yǔ)中也可以適當(dāng)加入其他指令，如與該智能體職能相關(guān)的任務(wù)描述等。通過(guò)封裝語(yǔ)義檢索和生成輸出的指令，智能體能夠強(qiáng)化人機(jī)交互效果，使輸出內(nèi)容更加精準(zhǔn)。

智能體的運(yùn)行主要遵循觀察、思考、行動(dòng)和記憶四個(gè)環(huán)節(jié)。“觀察”是感知機(jī)制，智能體接收來(lái)自用戶或其他智能體的文本數(shù)據(jù)、視覺(jué)數(shù)據(jù)或音頻數(shù)據(jù)，為后續(xù)行動(dòng)提供基礎(chǔ)?！八伎肌笔欠治觥坝^察”到的結(jié)果的過(guò)程，此時(shí)會(huì)調(diào)用專家知識(shí)庫(kù)和大語(yǔ)言模型驅(qū)動(dòng)決策。除專家知識(shí)庫(kù)外，智能體通常還會(huì)儲(chǔ)備一個(gè)由實(shí)時(shí)性的、易獲取的、非結(jié)構(gòu)化的垂類數(shù)據(jù)集構(gòu)成的專題知識(shí)庫(kù)，如散落在互聯(lián)網(wǎng)的課程資源、專業(yè)書籍、貼吧問(wèn)答等，必要時(shí)與專家知識(shí)庫(kù)一起調(diào)用，以增強(qiáng)“思考”的廣度和深度?！靶袆?dòng)”是對(duì)“觀察”和“思考”的響應(yīng)，表現(xiàn)為生成情境、開展教學(xué)輔導(dǎo)等?！坝洃洝笔谴鎯?chǔ)過(guò)去的“行動(dòng)”經(jīng)驗(yàn)，這些經(jīng)驗(yàn)也是專題知識(shí)庫(kù)的組成部分，有助于智能體在下次“思考”時(shí)參考并調(diào)整行動(dòng)。

基于生成式人工智能創(chuàng)建的沉浸式學(xué)習(xí)環(huán)境由多個(gè)不同職能的智能體構(gòu)成，通過(guò)高效的協(xié)同機(jī)制將沉浸式學(xué)習(xí)環(huán)境的生成過(guò)程進(jìn)行多步拆解、分步執(zhí)行，并基于學(xué)習(xí)者反饋?zhàn)灾鞯?，為循序漸進(jìn)的學(xué)習(xí)路徑、多種模態(tài)的學(xué)習(xí)資源、擬真多變的學(xué)習(xí)情境、持續(xù)深入的個(gè)性化互動(dòng)、動(dòng)態(tài)精準(zhǔn)的學(xué)習(xí)者畫像等功能的實(shí)現(xiàn)提供有力支撐，最終穩(wěn)定生成高質(zhì)量沉浸式學(xué)習(xí)環(huán)境。

四、生成式人工智能賦能的沉浸式學(xué)習(xí)模式

研究發(fā)現(xiàn)，高沉浸式學(xué)習(xí)環(huán)境可能會(huì)分散學(xué)習(xí)者對(duì)核心內(nèi)容的注意力，影響知識(shí)獲取和學(xué)習(xí)效果[32]。研究者呼吁應(yīng)在學(xué)習(xí)理論的指導(dǎo)下設(shè)計(jì)和開發(fā)沉浸式學(xué)習(xí)環(huán)境[5]。布蘭思福特提出了促進(jìn)學(xué)習(xí)發(fā)生的學(xué)習(xí)環(huán)境設(shè)計(jì)與實(shí)施的四個(gè)原則：學(xué)習(xí)者中心、知識(shí)中心、評(píng)價(jià)中心、共同體中心[33]。其中，學(xué)習(xí)者中心指新的學(xué)習(xí)應(yīng)建立在學(xué)習(xí)者的先前知識(shí)、經(jīng)驗(yàn)和信念的基礎(chǔ)上；知識(shí)中心指教學(xué)應(yīng)聚焦領(lǐng)域中的核心概念和結(jié)構(gòu)，并發(fā)展學(xué)習(xí)者對(duì)領(lǐng)域的整體理解；評(píng)價(jià)中心指在整個(gè)學(xué)習(xí)進(jìn)程中給予學(xué)習(xí)者及時(shí)而持續(xù)的反饋；共同體中心指應(yīng)建立相互學(xué)習(xí)、彼此協(xié)作的共同體文化以促進(jìn)個(gè)體和共同體的學(xué)習(xí)與發(fā)展。依據(jù)以上原則，本研究從促進(jìn)學(xué)習(xí)發(fā)生的角度進(jìn)一步探索生成人工智能支持下的沉浸式學(xué)習(xí)模式（如圖2所示），為沉浸式學(xué)習(xí)環(huán)境的應(yīng)用厘清思路。

（一）分解學(xué)習(xí)能力：錨定學(xué)習(xí)目標(biāo)

首先，學(xué)習(xí)者輸入個(gè)人基本信息與學(xué)習(xí)需求，系統(tǒng)利用自然語(yǔ)言處理技術(shù)識(shí)別所指向的學(xué)習(xí)目標(biāo)及課程，調(diào)用學(xué)習(xí)設(shè)計(jì)智能體將目標(biāo)分解成若干子目標(biāo)。其次，與知識(shí)圖譜相匹配鏈接知識(shí)點(diǎn)，并進(jìn)行優(yōu)先級(jí)排序，結(jié)合學(xué)習(xí)者偏好自動(dòng)生成包含學(xué)習(xí)內(nèi)容、活動(dòng)、方式的個(gè)性化學(xué)習(xí)路徑。最后，由專家對(duì)學(xué)習(xí)目標(biāo)的科學(xué)性、準(zhǔn)確性和可行性進(jìn)行研判。

（二）學(xué)習(xí)者中心：了解學(xué)習(xí)現(xiàn)狀

學(xué)習(xí)者依據(jù)學(xué)習(xí)路徑開展學(xué)習(xí)。系統(tǒng)調(diào)用情境創(chuàng)建智能體以初步創(chuàng)設(shè)學(xué)習(xí)情境，角色扮演智能體基于情境和知識(shí)圖譜配置對(duì)話模塊，向?qū)W習(xí)者提出一系列引導(dǎo)性問(wèn)題，學(xué)習(xí)者以對(duì)話形式完成相關(guān)問(wèn)題的回答。隨后由行為分析智能體借助自然語(yǔ)言處理技術(shù)、情感識(shí)別技術(shù)等進(jìn)行學(xué)情診斷，明確當(dāng)前知識(shí)點(diǎn)掌握情況、學(xué)習(xí)態(tài)度、學(xué)習(xí)困難等信息，動(dòng)態(tài)調(diào)整學(xué)習(xí)路徑。

（三）知識(shí)中心：開展課程學(xué)習(xí)

基于學(xué)習(xí)目標(biāo)和基本學(xué)情，系統(tǒng)調(diào)用資源創(chuàng)建智能體以生成多模態(tài)課程學(xué)習(xí)資源。一方面，資源可以包含多種形式，如講解視頻、在線測(cè)驗(yàn)、模擬實(shí)驗(yàn)等；另一方面，可以根據(jù)學(xué)習(xí)者的偏好和認(rèn)知風(fēng)格生成多種模態(tài)資源，如視覺(jué)型以文本、圖片、視頻為主，聽覺(jué)型以音頻為主，動(dòng)態(tài)型以互動(dòng)模擬類為主。此外，根據(jù)學(xué)習(xí)者的進(jìn)展和反饋動(dòng)態(tài)更新資源，確保需求匹配。

（四）共同體中心：體驗(yàn)情境練習(xí)

為加深學(xué)習(xí)者對(duì)知識(shí)的理解和技能掌握，系統(tǒng)再次調(diào)用情境創(chuàng)建智能體以生成擬真實(shí)踐情境，并發(fā)布情境任務(wù)，如完成項(xiàng)目等。學(xué)習(xí)者與教學(xué)輔導(dǎo)智能體組成人—機(jī)共同體，通過(guò)對(duì)話互動(dòng)共同探討解決方案。在此過(guò)程中智能體提供必要的學(xué)習(xí)支持、建議和反饋，并根據(jù)學(xué)習(xí)者的表現(xiàn)和任務(wù)進(jìn)展動(dòng)態(tài)調(diào)整指導(dǎo)策略。

（五）評(píng)估中心：實(shí)施動(dòng)態(tài)監(jiān)測(cè)

動(dòng)態(tài)監(jiān)測(cè)貫穿沉浸式學(xué)習(xí)全過(guò)程。系統(tǒng)調(diào)用行為分析智能體，持續(xù)跟蹤學(xué)習(xí)行為，如活動(dòng)參與度、任務(wù)完成率、與智能體的互動(dòng)頻率和質(zhì)量等，并將結(jié)果實(shí)時(shí)傳遞給其他智能體。同時(shí)，智能體還會(huì)在課程和任務(wù)結(jié)束后進(jìn)行綜合評(píng)估，為未來(lái)學(xué)習(xí)計(jì)劃的改進(jìn)提供依據(jù)。此外，過(guò)程中產(chǎn)生的大量數(shù)據(jù)也將補(bǔ)充到學(xué)習(xí)者基本信息中，支持沉浸式學(xué)習(xí)環(huán)境的實(shí)時(shí)優(yōu)化。

五、生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的應(yīng)用案例

為驗(yàn)證本研究提出的相關(guān)理論模型在實(shí)際教育場(chǎng)景中的可行性，以華東師范大學(xué)發(fā)布的“知心慧語(yǔ)”智能陪練系統(tǒng)（https：//ecnufe.com/）為案例，深入分析論證其設(shè)計(jì)和實(shí)施過(guò)程。

（一）案例介紹

“知心慧語(yǔ)”是以支持場(chǎng)景實(shí)訓(xùn)為特色的智能陪練系統(tǒng)，如圖3所示。該系統(tǒng)聚焦家庭教育的關(guān)鍵問(wèn)題與特殊規(guī)律，旨在通過(guò)打造生成式人工智能支持的沉浸式學(xué)習(xí)環(huán)境，為家長(zhǎng)提供高質(zhì)量、定制化、全周期的家庭教育服務(wù)，推進(jìn)家庭教育科學(xué)化和專業(yè)化發(fā)展[34]。

（二）案例分析

1. 系統(tǒng)設(shè)計(jì)機(jī)理

系統(tǒng)的開發(fā)框架主要通過(guò)“情境分解—模型提煉—內(nèi)容創(chuàng)生”三個(gè)關(guān)鍵步驟實(shí)現(xiàn)。

情境分解：構(gòu)建親子能力圖譜。以家長(zhǎng)教育素養(yǎng)提升為目標(biāo)，挖掘常見(jiàn)的家庭教育問(wèn)題，提煉核心技能，如設(shè)置合理的教育期望、培養(yǎng)孩子的自我認(rèn)知與自尊等。這些核心技能可以進(jìn)一步細(xì)分為若干微能力點(diǎn)，并與具體情境相匹配。例如，設(shè)置合理的教育期望可以分為：正確認(rèn)識(shí)孩子能力、設(shè)置合理的目標(biāo)、動(dòng)態(tài)調(diào)整教育期望等，進(jìn)而構(gòu)建出親子能力圖譜，為學(xué)習(xí)路徑的規(guī)劃和學(xué)習(xí)資源的開發(fā)提供支持。

模型提煉：構(gòu)建家庭教育專家知識(shí)庫(kù)。引入大量理論模型充盈專家知識(shí)庫(kù)，包括由情緒調(diào)節(jié)過(guò)程模型、多元智能理論、自我決定理論等構(gòu)成的各種微能力模型，以蘇格拉底式教學(xué)法為核心教學(xué)方法的提問(wèn)模型，以五大人格理論為主的角色特征模型等，以便系統(tǒng)按需調(diào)用。

內(nèi)容創(chuàng)生：支持家庭教育場(chǎng)景實(shí)訓(xùn)。創(chuàng)建多個(gè)智能體，并基于工作流實(shí)現(xiàn)高效協(xié)作，情境創(chuàng)建智能體基于家長(zhǎng)畫像創(chuàng)設(shè)學(xué)習(xí)情境；角色扮演智能體扮演孩子并基于情境配置對(duì)話模塊；行為分析智能體收集家長(zhǎng)對(duì)話行為并分析學(xué)習(xí)行為，將結(jié)果傳遞給角色扮演智能體，同時(shí)補(bǔ)充更新家長(zhǎng)畫像，確保生成的家庭教育學(xué)習(xí)情境的有效性和適應(yīng)性。

2. 系統(tǒng)應(yīng)用模式

系統(tǒng)構(gòu)建了包含“情境診斷—課程學(xué)習(xí)—認(rèn)知評(píng)估—智能陪練”四個(gè)環(huán)節(jié)的沉浸式學(xué)習(xí)模式。

情境診斷：基于家長(zhǎng)能力現(xiàn)狀規(guī)劃學(xué)習(xí)路徑。家長(zhǎng)自行選擇微能力點(diǎn)，系統(tǒng)結(jié)合親子檔案生成擬真情境，并扮演孩子與家長(zhǎng)對(duì)話。家長(zhǎng)提交診斷后對(duì)其行為進(jìn)行提取與分析，呈現(xiàn)其能力表現(xiàn)水平。通過(guò)提供精準(zhǔn)化、個(gè)性化的學(xué)情診斷，確保學(xué)習(xí)內(nèi)容和訓(xùn)練情境能夠高度適配每位家長(zhǎng)的實(shí)際需求。

課程學(xué)習(xí)：以高質(zhì)量數(shù)字化課程支持理論學(xué)習(xí)。結(jié)合情境診斷結(jié)果，基于學(xué)校開發(fā)的“學(xué)校家庭社會(huì)協(xié)同育人主題的數(shù)字化課程群”，為家長(zhǎng)推薦與關(guān)鍵技能和核心知識(shí)相匹配的課程，并輔以具有操作性和借鑒性的學(xué)習(xí)資源，如行為指南、典型案例等，支持家長(zhǎng)對(duì)理論知識(shí)的理解與內(nèi)化。

認(rèn)知評(píng)估：為家長(zhǎng)提供專業(yè)化反饋。參考學(xué)習(xí)目標(biāo)和課程內(nèi)容，選用恰當(dāng)?shù)牧勘砭珳?zhǔn)評(píng)估課程學(xué)習(xí)成效，為家長(zhǎng)提供個(gè)性化、專業(yè)化的學(xué)習(xí)反饋與建議，并動(dòng)態(tài)調(diào)整學(xué)習(xí)路徑。

智能陪練：以人機(jī)共同體的形態(tài)強(qiáng)化實(shí)踐應(yīng)用。家長(zhǎng)與系統(tǒng)形成學(xué)習(xí)共同體。系統(tǒng)在思考模型的支撐下，模擬不同情境中孩子真實(shí)的情感反應(yīng)和行為模式，給予家長(zhǎng)實(shí)時(shí)的非線性反饋。支持家長(zhǎng)能夠在多輪次對(duì)話交互中反復(fù)練習(xí)并積累經(jīng)驗(yàn)，有效提升其親子技能水平。

可以發(fā)現(xiàn)，“知心慧語(yǔ)”智能陪練系統(tǒng)的設(shè)計(jì)機(jī)理和應(yīng)用模式與本研究所提出的生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理以及沉浸式學(xué)習(xí)模式基本契合。在提供充分佐證的同時(shí)，系統(tǒng)在自適應(yīng)學(xué)習(xí)路徑設(shè)計(jì)、多模態(tài)學(xué)習(xí)資源生成等方面，還有優(yōu)化迭代的空間。

六、結(jié) 束 語(yǔ)

隨著生成式人工智能的發(fā)展，沉浸式學(xué)習(xí)環(huán)境以嵌入需求驅(qū)動(dòng)的對(duì)話式交互模式、構(gòu)建擬真多變的學(xué)習(xí)情境、創(chuàng)建個(gè)性化的多模態(tài)學(xué)習(xí)資源、實(shí)現(xiàn)穩(wěn)定靈活的知識(shí)輸出等方面的表現(xiàn)，迎來(lái)了新的發(fā)展機(jī)遇，并催生出以精熟學(xué)習(xí)為指向的未來(lái)沉浸式學(xué)習(xí)新樣態(tài)。新技術(shù)的應(yīng)用需要以新的底層架構(gòu)作支撐。本研究提出的生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理與學(xué)習(xí)模式，正是在實(shí)踐呼喚下的思考。通過(guò)細(xì)分學(xué)習(xí)情境、構(gòu)建專家知識(shí)庫(kù)、創(chuàng)建多智能體等方式，盡量規(guī)避“幻覺(jué)”帶來(lái)的負(fù)面影響，提高生成內(nèi)容的質(zhì)量，并結(jié)合循序漸進(jìn)的學(xué)習(xí)環(huán)節(jié)促進(jìn)知識(shí)的高質(zhì)量傳授。盡管本研究通過(guò)“知心慧語(yǔ)”智能陪練系統(tǒng)展示了機(jī)理與模式的可操作性，但其應(yīng)用效果還有待深入驗(yàn)證。此外，教育不僅是知識(shí)的傳授，更是靈魂的塑造。關(guān)注生成式人工智能在提升學(xué)習(xí)者情感方面的應(yīng)用潛力和可為空間，是推動(dòng)沉浸式學(xué)習(xí)走向更深層次、更高品質(zhì)的必然路徑，也將是未來(lái)持續(xù)探索的課題。

[參考文獻(xiàn)]

[1] 祝智庭，戴嶺，趙曉偉，等． 新質(zhì)人才培養(yǎng)：數(shù)智時(shí)代教育的新使命[J]． 電化教育研究，2024，45（1）：52-60．

[2] SOLANES J E， MONTAVA-JORD S， GOLF-LAVILLE E， et al． Enhancing STEM education through interactive metaverses：a case study and methodological framework[J]． Applied sciences，2023，13（19）：10785．

[3] VATS S， JOSHI R. The impact of virtual reality in education： a comprehensive research study [C]// Transfer， Diffusion and Adoption of Next-Generation Digital Technologies. TDIT 2023. IFIP Advances in Information and Communication Technology. Cham： Springer， 2023： 126-136.

[4] 龔鑫，許潔，喬愛(ài)玲． 基于沉浸式學(xué)習(xí)環(huán)境的隱形性評(píng)估：機(jī)理、框架與應(yīng)用[J]． 電化教育研究，2023，44（12）：64-72．

[5] RADIANTI J， MAJCHRZAK T A， FROMM J， et al. A systematic review of immersive virtual reality applications for higher education： design elements， lessons learned， and research agenda[J]. Computers amp; education， 2020，147：103778.

[6] MEYER O A， OMDAHL M K， MAKRANSKY G． Investigating the effect of pre-training when learning through immersive virtual reality and video： a media and methods experiment[J]． Computers amp; education，2019，140：103603．

[7] 柳瑞雪，萬(wàn)昆，王美. 面向空間推理技能發(fā)展的沉浸式學(xué)習(xí)環(huán)境設(shè)計(jì)及實(shí)證研究[J]. 中國(guó)電化教育，2021（12）：40-47.

[8] 立德威爾，霍頓，巴特勒. 設(shè)計(jì)的法則[M]. 李嬋，譯. 沈陽(yáng)：遼寧科學(xué)技術(shù)出版社，2010.

[9] 徐銣憶，陳衛(wèi)東，鄭思思，等． 境身合一：沉浸式體驗(yàn)的內(nèi)涵建構(gòu)、實(shí)現(xiàn)機(jī)制與教育應(yīng)用——兼論AI+沉浸式學(xué)習(xí)的新場(chǎng)域[J]． 遠(yuǎn)程教育雜志，2021，39（1）：28-40．

[10] 覃芹，邵筆柳． 融合傳播中的沉浸式閱讀：概念、價(jià)值和路徑[J]． 南昌大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2021，52（1）：92-98．

[11] 陳凱泉，吳志超，劉宏，等． 擴(kuò)展現(xiàn)實(shí)（XR）支撐沉浸式學(xué)習(xí)的技術(shù)路徑與應(yīng)用模式——沉浸式學(xué)習(xí)研究網(wǎng)絡(luò)國(guó)際會(huì)議（iLRN 2020）探析[J]． 遠(yuǎn)程教育雜志，2020，38（5）：3-13．

[12] DE FREITAS S， NEUMANN T． The use of 'exploratory learning' for supporting immersive learning in virtual environments[J]．Computers amp; education，2009，52（2）：343-352．

[13] 王子，楊冬，周筠，等． 桌面式VR教育應(yīng)用中基于數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)者交互行為分析——以初中物理課程“電與磁” 的教學(xué)為例[J]． 現(xiàn)代教育技術(shù)，2020，30（12）：98-104．

[14] SORRENTINO R M， WALKER A M， HODSON G， et al. Trends and prospects in motivation research [M]. Hingham， MA： Kluwer Academic Publishers， 2001.

[15] 盧宇，余京蕾，陳鵬鶴，等． 生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例[J]． 中國(guó)遠(yuǎn)程教育，2023（4）：24-31，51．

[16] 吳砥，李環(huán)，陳旭． 人工智能通用大模型教育應(yīng)用影響探析[J]． 開放教育研究，2023，29（2）：19-25，45．

[17] WU X， WANG H H， ZHANG Y T， et al． A tutorial-generating method for autonomous online learning[J]． IEEE transactions on learning technologies，2024，17：1558-1567．

[18] Learning Clues. Create AI-powered virtual teaching assistants[EB/OL]. [2023-04-22]. https：//learningclues.com/.

[19] KHAN S. Hamnessing GPT-4 so that all students benefit. A nonprofit approach for equal access [EB/OL]. （2023-03-13） [2024-05-15]. https：/blog.khanacademy.org/harnessing-ai-so-that-all-students-benefit-a-nonprofit-approach-for-equal-access/.

[20] 楊宗凱，王俊，吳砥，等． ChatGPT/生成式人工智能對(duì)教育的影響探析及應(yīng)對(duì)策略[J]． 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：26-35．

[21] 齊元沂，王臘梅． 生成式人工智能應(yīng)用于開放教育：機(jī)遇、挑戰(zhàn)和應(yīng)用場(chǎng)景[J]． 成人教育，2024，44（6）：56-61．

[22] 孫立會(huì)，周亮． 生成式人工智能融入國(guó)家中小學(xué)智慧教育平臺(tái)的實(shí)踐邏輯[J]． 中國(guó)電化教育，2024（8）：71-79．

[23] Socratic PlayGround For Learning. Socratic playground for learning[EB/OL]. [2024-05-15]. https：//chat2023.skoonline.org/wizard/index.html.

[24] 戴嶺，趙曉偉，祝智庭． 智慧問(wèn)學(xué)：基于ChatGPT的對(duì)話式學(xué)習(xí)新模式[J]． 開放教育研究，2023，29（6）：42-51，111．

[25] SHI S J， LI J W， ZHANG R． A study on the impact of generative artificial intelligence supported situational interactive teaching on students' 'flow' experience and learning effectiveness—a case study of legal education in China[J]． Asia Pacific journal of education，2024，44（1）：112-138．

[26] BREEN B. Simulating Ancient Ur with ChatGPT[EB/OL]. （2023-10-18）[2024-04-22]. https：//resobscura.substack.com/p/simulating-ur-with-chatgpt.

[27] 魏非，祝智庭． 面向教育數(shù)字化轉(zhuǎn)型的教師信息化能力建設(shè)方略[J]． 中國(guó)教育學(xué)刊，2022（9）：13-20．

[28] 劉三女牙，郝曉晗． 生成式人工智能助力教育創(chuàng)新的挑戰(zhàn)與進(jìn)路[J]． 清華大學(xué)教育研究，2024，45（3）：1-12．

[29] NORI H， LEE Y T， ZHANG S， et al. Can generalist foundation models outcompete special-purpose tuning？ Case study in medicine [EB/OL]. （2023-11-28）[2024-09-19]. https：//arxiv.org/abs/2311.16452.

[30] 吳永和，姜元昊，陳圓圓，等． 大語(yǔ)言模型支持的多智能體：技術(shù)路徑、教育應(yīng)用與未來(lái)展望[J]． 開放教育研究，2024，30（5）：63-75．

[31] 陳昌鳳． 智能平臺(tái)興起與智能體涌現(xiàn)：大模型將變革社會(huì)與文明[J]． 新聞界，2024（2）：15-24，48．

[32] RICHARDS D， TAYLOR M． A comparison of learning gains when using a 2D simulation tool versus a 3D virtual world： an experiment to find the right representation involving the marginal value theorem[J]． Computers amp; education，2015，86：157-171．

[33] 約翰·布蘭思福特， 安·L.布朗，羅德尼·R.科金，等. 人是如何學(xué)習(xí)的： 大腦、心理、經(jīng)驗(yàn)及學(xué)校[M]. 程可拉，等譯. 上海：華東師范大學(xué)出版社， 2013.

[34] 華東師范大學(xué). 華東師范大學(xué)成立家庭教育研究院， 智能陪練系統(tǒng)發(fā)布[EB/OL]. （2024-05-16）[2024-09-19]. https：//www.ecnu.edu.cn/info/1426/66381.htm.

Generative Artificial Intelligence Empowering Immersive Learning："Mechanism， Model and Application

YAN Hanbing1，" YANG Shuting2，" YU Shuzhen2，" CHEN Yi2

（1.School of Open learning and Education， East China Normal University， Shanghai 200062;

2.Department of Education Information Technology， East China Normal University， Shanghai 200062）

[Abstract] Immersive learning environments have created a high-quality learning space for cultivating new quality talents， but their applications in the education field remains limited due to the factors such as high technological costs， lack of educational theories， and low" applicability of learning. Generative artificial intelligence demonstrates significant potential in creative generation， logical expression， and complex interaction understanding.This paper， based on the review of the connotation and components of immersive learning environments， constructs a vertical application mechanism model of generative artificial intelligence in immersive learning environments.Through scenario decomposition， model refinement and content creation， this model achieves the functions such as learning path planning， multimodal resource generation， learning context creation， personalized interaction， and learner profiling. Subsequently， from the practical perspective， this paper proposes an effective learning model based on immersive learning environment， which includes five stages： anchoring objectives， understanding the current situation， course learning， scenario practice， and dynamic monitoring. Finally， the operability of the vertical application mechanism and learning model is demonstrated by the \"Zhi Xin Hui Yu\" intelligent coaching system， aiming to provide a reference for" the vertical application of generative artificial intelligence in the field of education.

[Keywords] Generative Artificial Intelligence; Immersive Learning; Vertical Mechanism; Learning Model; Application Case

基金項(xiàng)目：2023年度國(guó)家社會(huì)科學(xué)基金教育學(xué)重點(diǎn)項(xiàng)目“數(shù)字教育背景下教學(xué)范式創(chuàng)新與實(shí)踐探索研究”（項(xiàng)目編號(hào)：ACA230019）

[作者簡(jiǎn)介] 閆寒冰（1971—），女，黑龍江阿城人。教授，博士，主要從事數(shù)智環(huán)境下的教學(xué)設(shè)計(jì)、教師培訓(xùn)設(shè)計(jì)與管理、教育數(shù)字化治理研究。E-mail：hbyan@dec.ecnu.edu.cn。