近两年来，生成式人工智能成为教育技术应用的前沿热点，背后的技术驱动力则是人工智能大模型，其中，大语言模型的发展最为成熟，其教育变革潜力也最为深远。语言是教育内容的载体，也是人际互动的工具，大语言模型所具有的强大语言理解能力和生成能力，正在创造一个智能化的人机对话新时空，推动基于人机对话的学习方式创新发展。
人工智能的基本目标是利用机器来模拟、扩展及增强人类智能，其中一个重要方面是对人类语言的理解、解释和生成，该研究领域被称为“自然语言处理”。语言模型是自然语言处理研究中的核心概念，指的是在统计和计算框架下对语言进行建模，从而让机器能够对自然语言进行理解和预测。近年来，随着计算能力的显著提升（特别是GPU和TPU等专用硬件的进步）、模型架构及算法的革新（尤其是基于Transformer的大型预训练模型的引入）以及数据规模的扩大（得益于互联网提供的海量开放数据集），研究者们开发出了拥有巨大参数规模和数据规模的语言模型，简称为“大语言模型”。大语言模型不仅在文本理解和生成方面实现了质的飞跃，而且具有广泛的知识覆盖和强大的泛化能力（能够对用户提出的各种不同领域、不同类型问题做出回答），并通过持续反馈迭代，不断自我学习。
当前，大语言模型已经成为全球人工智能科技竞争的焦点。自2022年11月，OpenAI发布ChatGPT以来，国内外研发机构陆续推出自主训练的大语言模型，其中包括文心一言大模型、通义千问大模型、星火认知大模型、开源大模型Grok等。2023年11月，OpenAI发布了GPTs，支持用户定制具有特殊功能的GPT，让每个用户都能拥有属于自己的对话机器人。2024年1月，GPT Store上线，实现了全球范围对话机器人的共建共享。与此同时，能够处理文本、语音、图像、视频等多种类型数据的多模态大模型也在快速发展中，典型代表是谷歌研发的原生多模态大模型Gemini和OpenAI研发的文生视频大模型Sora。总而言之，以大语言模型为代表的人工智能大模型正在成为智能化发展的重要基础设施，给各行各业带来新的契机。
基于大语言模型强大的通用知识库及语言理解与生成能力，研究者们进一步将教育专业数据和学科专业知识融入其中，训练能够回答专业学习问题的教育专用模型并投入应用，由此推动具备更高智能水平和更强交互性的人机对话式学习形态不断发展。通过对现有大语言模型教育应用的研究，可以总结出五类常见应用场景：学科知识问答、语言学习、写作助手、编程学习和智能教研。其中，学科知识问答侧重于知识学习，语言学习、编程学习和写作助手则着重于技能学习，而智能教研则专门针对教师学习和发展。
（1）学科知识问答。针对科学、数学等知识结构较为成熟的学科，通过对大语言模型进行微调和学科知识库增强，目前已经产生了一批能够进行基本知识问答的工具。以下简要介绍GPT Store中该类别点击量位于前列的两个工具“CK-12 Flexi”和 “Universal Primer”。“CK-12 Flexi”是基于拥有大量学习内容资源的美国在线教育平台“CK-12”，进一步使用GPTs研发的智能导师工具，主要面向初中和高中数学与科学学习，其底层知识库由5000余个相关学科基本概念及其关系图谱构成，这些概念来自美国课标要求，每个概念都链接了独立的学习单元，包含理论解释、实例演示以及相关的练习和评估。当笔者提出如何用牛顿定律解决问题时，系统采取了案例教学法，按照解读问题、列应用公式、代入已知数值、解方程的步骤对案例进行了细致剖析。“Universal Primer”则使用类比教学法，通过生活事例类比帮助学习者理解抽象概念，例如，当笔者询问高温超导理论中的“库珀对”概念时，系统使用了两位武功高手招数互相搭配形成和谐状态，来比喻超导体中电子配对后的“零电阻状态”。
（2）语言学习。大语言模型可以创造一个永不感到疲惫、永远保持耐心并提供即时反馈的智能语言导师，为学习者创造出可以随时随地进行对话交流的语言学习环境。以GPT Store中该类别点击量位于前列的“Language Teacher”为例，系统根据学习者的目标语言及当前水平针对性地提供一系列话题场景，在对话中及时发现学习者的表达错误和不够地道之处，提供更好的表达方式以供参考。相比人类教师而言，大语言模型除了语言分析和生成本身的优势之外，还有助于许多学习者克服在外语学习中存在的害怕被嘲笑等心理障碍。同时，必须指出的是，由于大语言模型的输出并非百分之百正确，人类教师的介入仍然有其必要性。另外，在一些深层次的语言学习维度，人类教师相比大语言模型仍然具有优势。
（3）写作助手。依托丰富的语料库和对语法规则的精准掌握，大语言模型具备了强大的文本分析和语义理解能力，能够从谋篇布局、逻辑梳理、遣词造句等不同层面提出文章修改意见，并在行文思路枯竭时提供灵感启发。以GPT Store商店中该类别点击量位于前列的“Write For Me”为例，该应用可根据用户的具体需求创建作文大纲、分段完成写作任务及优化写作内容等。笔者将一篇六年级小学生的作文交给“Write For Me”批改，系统对这篇作文的内容与结构、语言与风格、语法与拼写、创意与原创性提出了修改建议并生成了一篇修改后的新文章，笔者对比发现，新文章的措辞更加精炼、生动，语义的流畅性和句式的多样性都有了明显优化。然而，写作助手工具在带来便利的同时，也伴随潜在的挑战和风险。为防止学生使用ChatGPT作弊或进行其他学术不端的操作，一些欧美大学及教育机构已经禁止学生使用ChatGPT完成论文。因此，教师应引导学生正确使用这类工具，使其成为写作的助手而非“枪手”和代写工具。
（4）编程学习。大语言模型不仅掌握人类自然语言，而且精通程序语言，GPT等主要大语言模型均具有生成多维度代码解释的能力。以GPT Store商店中编程类教育工具点击量排名靠前的“Grimoire”和“Code Tutor”为例，“Grimoire”的核心能力包括处理多种编程语言和框架、将复杂的编程概念转化为易于理解的形式等，即使没有任何编程基础的用户也可以在“Grimoire”中轻松创建网址、代码、项目和游戏。该工具采取故事化编程、游戏化学习等多元教学方法，能有效激发学习者的编程兴趣。例如，教师在系统中输入“设计for循环语句的编程项目”，系统便从项目概述、代码实现、项目特点几个方面给出基于for循环语句的天气统计应用程序。该程序可以通过分析多个城市的历史天气数据，提供如平均温度、最高温度和最低温度等基本的统计信息。“Code Tutor”则是由可汗学院研发的人工智能辅导工具，采用苏格拉底对话法为学习者提供计算机科学和编程领域教学，能够激发学习者主动思考和编程实践，在满足学习者个性化编程学习需求方面取得了进展。
（5）智能教研。这类工具主要以提供教学建议的方式帮助教师减负增效，包括生成教学资源、生成教学设计、智能数据分析等方面。一是生成教学资源。教师可利用大语言模型进行文本、音频、视频等自适应教学资源的创建和优化；二是生成教学设计。基于大语言模型的智能教研工具可依据教师的教学目标、教学场景、教学需求生成创作型教学素材，辅助教师分步骤生成创新性的教学活动和个性化的教学方案。例如，GPT Store里的“教学设计助手”工具能够协助教师从学习者分析、学习内容分析、教学目标分析、教学过程设计、教学评价设计等方面，生成信息技术与其他学科相结合的跨学科主题教学设计。三是智能数据分析。借助大语言模型强大的数据分析和多模态学习能力，教师可以分析学生的反馈和学习数据，从而发现教学问题并做出科学的教学决策，提升教师的教学数据思维与能力。
随着大语言模型自身能力的不断增强及其教育应用融合的不断深化，将有望产生具有专家水平的智能导师，推动人机对话式学习迈向新阶段，其中包含两个方面的关键内容。
（1）大语言模型成为学科专家。大语言模型所拥有的知识主要来源于互联网的开放数据，若以人来类比，则可以认为它是一个具有广博知识的通才，但在特定学科知识的专业度和深度方面则跟专家相比仍有较大差距。这就导致在学科知识问答时，大语言模型所给出的答案经常浮于表面，有时还会出现错误，尤其体现在解答数学、科学等学科的复杂问题时。解决之道在于基于大语言模型训练学科专业模型，使其深度掌握学科概念体系和思维方法，形成专家级别的问题解决能力。在此过程中，除了将大量学科数据提供给机器学习外，还需要人类专家深度参与建立关键数据样例（如学科经典问题解题样例），通过清晰阐述专家解题思路，深度挖掘学科专家头脑里的隐性知识，引导机器更加高效精准地进行学习。
（2）大语言模型成为教学专家（教学名师）。教学专家的典型特征是善于根据学习者的特点提出问题，循循善诱、因材施教，引导学习者步步深入，最终自己找到答案。在这个意义上，大语言模型跟教学专家仍有很大差距，由于并未掌握教学专家所具有的引导策略，故它目前只能采取直接给出答案的灌输式教学。未来的发展趋势是通过“数据+规则”双驱动的智能化教师隐性知识挖掘方式，将一直以来潜藏在教学专家头脑里的引导策略（很多时候被称之为“教学艺术”）挖掘出来。一方面，组织教学名师对高水平教学案例进行数据标注，将名师的教学引导策略显性化，从而让大语言模型能够快速理解和掌握；另一方面，将教学理论知识和一般经验变为机器能够理解的规则，构建大语言模型教学规则框架。与此同时，将学习者的认知特点、学业基础、情感状态等个性化学习特征纳入教学策略参数，为每个学习者设立属于自己的智能导师。
随着人机对话式学习的不断发展，反过来又将推动课堂教学创新。当知识和技能可以通过人机对话学习时，课堂教学的主要场景就从知识讲授转变为个性化指导和研究性活动组织，教师则从教书匠升级转型为导师，其主要任务是通过智能数据分析研究学习者，并在与智能机器的协同中实现高效教学指导。必须指出的是，人机互动不会取代人际互动，师生关系、生生关系反倒会因为学习方式的转变而更加亲密，由此营造出智能时代的新型学习文化和教育人际交往环境，尤其是学习者在研究性学习团队中自主形成的高效合作关系，对于培养领导力、创造力等智能时代的核心能力具有十分重要的意义。
作者 │ 王晓璐 杨云轩 谢阳斌
作者单位 │ 中国海洋大学基础教学中心教育系 中国海洋大学继续教育学院 之江实验室数据枢纽与安全研究中心
内容来源 │《中小学信息技术教育》2024年第5期
