摘要：目的：目前生成式AI在教育領域的應用研究較多，但針對生成式AI對自主學習者的影響的研究較少。文章研究生成式AI對大學生自學能力培養(yǎng)的影響。通過對生成式AI在教育領域的應用現(xiàn)狀進行深入分析，探討生成式AI如何促進自主學習，建構相關培養(yǎng)理論模型，以提升學生的自學能力。方法：結合生成式AI特點和大學生自主學習現(xiàn)狀，基于齊莫曼自主學習理論，從自我評估、學習目標設定、學習資源識別、學習策略選擇、學習結果評估五個方面構建了生成式AI賦能下的自學能力提升模型。此外，本研究還對模型實踐存在的問題進行了闡述，并提出了應對這些挑戰(zhàn)的方法。結果：本研究構建了生成式AI賦能下的自學能力培養(yǎng)理論模型，并基于該模型從技術視角、教育實踐、倫理法規(guī)及資源分配四方面提出挑戰(zhàn)和應對策略。結論：生成式AI的發(fā)展為自主學習理論和實踐帶來了新的可能，借助生成式AI賦能下的自學能力培養(yǎng)理論模型，可以提升學習者的學習效率和自學能力。此外，學習者利用生成式AI自主學習過程中存在的實踐問題及倫理挑戰(zhàn)也應該得到重視。

關鍵詞：生成式AI；自主學習；自學能力；ChatGPT；大學生

中圖分類號：G434；TP18 文獻標識碼：A 文章編號：1004-9436（2024）06-0-03

生成式AI是基于模型、算法和規(guī)則，生成文本、圖片、視頻和代碼等內容的技術。生成式AI的發(fā)展為教育領域帶來了諸多便利，包括促進個性化教學、賦能人機協(xié)同與知識突破、讓智慧輔導成為現(xiàn)實、推進科學研究的深入等［1］，其被認為是開啟“通用人工智能時代”、引起新技術革命的創(chuàng)新性技術。

在當前AI賦能教育的研究中，學者們普遍關注智能導師系統(tǒng)、教育機器人、智慧學習環(huán)境、個性化學習方案設計等方面，以及這些技術應用的潛在風險［2］，關于生成式AI時代大學生自學能力的增強，以及AI賦能下的學生主體性發(fā)展的研究較少。如何利用好生成式AI培養(yǎng)學生的自學能力，是AI時代的重要研究課題，也是推動AI時代教育革新的重要切入點。

1 生成式AI的特征與自主學習研究現(xiàn)狀

1.1 生成式AI的特征

《生成式人工智能：一個創(chuàng)造性的新世界》的發(fā)表，被視為內容生成式人工智能（AI-Generated Content，AIGC）的開端［3］32-33。而由OpenAI發(fā)布的大語言對話模型ChatGPT則被認為是具有代表性的生成式人工智能應用。

在教育領域，生成式AI主要表現(xiàn)出以下四個特征。第一，個性化學習內容生成：根據學生的學習進度和偏好，生成式AI能夠提供個性化的學習材料，促進學生的個性化學習。第二，互動式學習體驗：通過與生成式AI互動，學生可以獲得即時反饋和指導，增強學習的互動性和參與感。第三，支持創(chuàng)造性思維：生成式AI在提供學習內容的同時，能夠激發(fā)學生的創(chuàng)造性思維，通過生成新穎的情景，鼓勵學生探索和創(chuàng)新。第四，靈活的教學輔助評價工具：生成式AI可以作為教學輔助工具，幫助設計課程內容和評估材料，減輕教師課前準備的負擔，甚至可以直接承擔教師的一部分工作，幫助學生進行自我評估。

1.2 生成式AI賦能的自主學習研究現(xiàn)狀

當前，關于生成式AI在促進學生自主學習方面的研究，主要集中在教學模式演進、智能教育助手、個性化學習資源應用等方面。

教學模式演進主要表現(xiàn)為，生成式AI正在推動傳統(tǒng)的教學模式向包含“師—機—生”三元互動結構的新模式轉變［4］。此種演進促使教學內容從人工直接生產轉向機器自動生成，能夠使學生獲得更加豐富多元的學習資源，為學生自主學習提供了更廣闊的空間和更有力的支持。

智能教育助手的應用則表現(xiàn)為學習者學習空間的泛化和學習過程的個性化。生成式AI的學習導向和評估功能重塑了學習者的學習形態(tài)，能讓學生自主掌控和調整學習空間和學習過程，賦予了其更大的選擇權，增強了趣味性。

個性化的學習資源應用主要體現(xiàn)為，生成式AI利用自身快速的反應機制，針對性地解釋和強化每個學生的個性特點，利用個性化學習資源設計能力，為學生提供定制化的學習材料，從而實現(xiàn)因材施教，滿足學生的自主學習需求。

在具體的生成式AI賦能學生自主學習研究中，基于認知科學、情緒科學等理論視角，劉清堂等人設計了ChatGPT類耦合教學代理，為教學活動時間提供了擬人對話、情緒線索等技術支持，在一定程度上代替了部分教師的功能［5］。王佑鎂則探索了生成式AI在職業(yè)教育中的人機交互與協(xié)作模式，以教學輔導助手、質量評估員等身份賦能職業(yè)教育，推動了職業(yè)教育數字化轉型的有效落地［6］。李海峰對生成式AI時代的學生作業(yè)評價模式提出了新挑戰(zhàn)，構建了生成式AI時代的作業(yè)設計模型［3］34-39。AI給教育帶來的挑戰(zhàn)不局限于學校教育模式的轉變，生成式AI也將在促進學生自主學習方面發(fā)揮重要作用。

2 生成式AI賦能下的自學能力培養(yǎng)理論模型

齊莫曼如此定義自主學習：學生在元認知、動機、行為三個方面都是一個積極的參與者時，其學習就是自主的［7］。在齊莫曼自主學習理論中，自主學習分為三個階段：前瞻階段、表現(xiàn)階段和自我反思階段。自主學習者要能夠自我識別學習需求，設定學習目標，找到學習資源，選擇并實施學習策略，并最終評估學習成果。這一過程體現(xiàn)了自主學習的五個關鍵步驟：自我評估、學習目標設定、學習資源識別、學習策略選擇和學習結果評估。

2.1 自我評估

自我評估指的是學習者利用AI評估工具對自身現(xiàn)有知識體系、技能掌握程度及學習動機進行主觀的認知分析。作為自主學習過程的起始點，利用生成式AI工具進行自我評估，可以準確分析并識別學習者畫像，讓學習者判斷自身元認知水平、學習動機和學習風格，以形成知識圖譜。具體來說，生成式AI可以設計個性化的評估工具，如智能問卷和模擬測試，對學習者進行深入分析，精確識別學習動機和缺失技能，并據此提供個性化反饋。

2.2 學習目標設定

在模型中，學習目標設定占據核心地位，學習目標不僅指導著學習者的行動方向，而且對激發(fā)其內在動機、評估學習成效以及調整學習策略均有重要影響。自主學習目標來源于學習者的自我評估結果，依據生成式AI工具形成的自主學習者畫像確立。學習者需要在AI生成的學習目標中選擇更適合當前學習動機的學習目標，可以多次使用生成式AI細化和量化目標，確保學習目標既具有挑戰(zhàn)性又具備實現(xiàn)的可能性。

2.3 學習資源識別

資源識別主要是依據學習者設定的學習目標，找到并選擇合適的學習資源，以提升學習者的學習效率，是生成式AI賦能自學能力提升的關鍵步驟。學習資源可以分為原學習資源和生成性學習資源，在生成式AI賦能下，可以針對性地生成大量結構化、半結構化和復雜的非結構化學習資源，學習者可以使用生成式AI開展針對性學習，以強化學習效果。

2.4 學習策略選擇

學習者要根據自己的學習風格、學習目標和學習資源，選擇最合適的學習方法和策略。在沒有AI賦能的場景下，學習者需要自行判斷采用不同學習策略的效果，而生成式AI能夠根據大數據分析和學習者的前置學習歷史，為其推薦最合適的學習策略。例如，AI可以根據學習者對視覺材料的偏好推薦圖表和視頻，或者根據學習者的記憶能力推薦間隔重復學習法，從而將學習過程個性化，使之更契合學習者的個人特點，提升學習效率。

2.5 學習結果評估

在生成式AI的自主學習理論模型中，學習結果評估是一個關鍵環(huán)節(jié)，它不僅衡量學習成果，還為學習者提供反饋，能促進學習策略的改進。學習結果評估是學習者對學習過程和學習成果進行評價的過程，是檢測自主學習質量的重要依據。學習結果評價一般分為診斷性評價、形成性評價和總結性評價，在生成式AI賦能下，通過智能評估，可以將三種評價方式相結合，提供定期在線評估和實時反饋，讓學習者及時了解自身學習成效。同時，這能引導AI后續(xù)內容的生成，優(yōu)化自主學習的輔助功能，提高學習者自主學習的效率。

3 生成式AI賦能下自學能力培養(yǎng)的挑戰(zhàn)與應對策略

理論模型的具體實踐，除了面臨技術層面的需求，還面臨倫理法規(guī)等多個方面的挑戰(zhàn)。

3.1 AI技術發(fā)展的不平衡

當前，技術發(fā)展不平衡和教育資源不公平的現(xiàn)象普遍存在。在經濟較為落后的地區(qū)，學習者可能無法獲得必要的技術支持，如穩(wěn)定的互聯(lián)網和現(xiàn)代化的AI設備，從而無法充分利用AI提供的個性化學習機會。

針對技術發(fā)展不平衡的情況，一方面，政府需要加大政策支持和資金投入力度，加強基礎設施建設，保證基礎性技術的普及；另一方面，企業(yè)和學校需要開發(fā)輕量級的學習應用，降低學習者的技術門檻和對環(huán)境的要求。

3.2 個性化學習路徑的構建問題

盡管AI能夠提供高度個性化的學習體驗，但從技術上全面理解每個學習者的需求，進而構建符合其特點的個性化學習路徑，仍是一項極具挑戰(zhàn)性的任務。這不僅要求AI技術具有處理復雜數據的強大能力，還需要研究者對教育心理學和學習理論有深入的理解。

建構個性化學習路徑需要加強跨學科研究，結合教育心理學、認知科學和人工智能等領域的最新研究成果，開發(fā)更為精準和靈活的個性化學習算法。同時，在使用過程中不斷收集和分析學習者的反饋，持續(xù)優(yōu)化個性化學習路徑，不僅能推動技術的迭代，還能深化理論研究。

3.3 數據隱私與安全的倫理挑戰(zhàn)

利用生成式AI賦能自主學習，需要使用AI收集和分析大量學習者的數據，這引發(fā)了關于數據隱私和安全的重大倫理問題。如何在保護隱私的同時，有效利用數據提供個性化學習支持，是當前面臨的關鍵問題。

當前針對AI教育倫理的研究總體是建立在嚴格的數據保護機制和倫理準則之上的，以確保學習者數據收集、處理和使用過程的透明度和安全性。除了數據層面的保護和限制之外，提高學習者對數據隱私權的認識，賦予其更大的控制權，也是保障數據隱私，實現(xiàn)生成式AI環(huán)境下數據安全的重要基礎。

3.4 教育公平與資源分配問題

教師與生成式AI賦能是以人為本、以育人為中心的協(xié)同共生。教育的本質遠超知識的傳遞，包括批判性思維、社會情感技能的培養(yǎng)以及價值觀的塑造等，這些方面是當前AI難以實現(xiàn)的。此外，AI生成的學習資源雖然豐富，但教育的全面性要求還包括對實驗室資源、體育設施、藝術材料等非數字化資源的使用和學習，非數字化資源的分配依舊是一個亟待探究的問題。

在推廣生成式AI賦能自主學習的過程中，首先必須認知到教師的不可替代性。要提高師資力量，提升教師的技術應用能力。其次，針對非數字化資源分配的問題，需要采取更全面和系統(tǒng)的協(xié)調手段，確保所有學習者不僅能夠接觸到高質量的數字化學習資源，而且能平等地享有實體教育資源。

4 結語

生成式AI的普及為自學能力的培養(yǎng)提供了有效的技術支撐和實踐路徑，讓學習者能夠依托生成式AI實現(xiàn)自主學習、自我評估。面對全新的生成式AI技術，學習者不僅要對技術本身進行探究和應用，更要提升自身信息素養(yǎng)，更好地接受和利用生成式AI，提升學習自主性，推動教育技術持續(xù)發(fā)展。

參考文獻：

［1］ 李海峰，王煒.人機協(xié)同深度探究性教學模式：以基于ChatGPT和QQ開發(fā)的人機協(xié)同探究性學習系統(tǒng)為例［J］.開放教育研究，2023，29（6）：69-81.

［2］ 張坤穎，張家年.人工智能教育應用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)［J］.遠程教育雜志，2017，35（5）：54-63.

［3］ 李海峰，王煒.生成式人工智能時代的學生作業(yè)設計與評價［J］.開放教育研究，2023，29（3）：32-39.

［4］ 楊宗凱，王俊，吳砥，等. ChatGPT/生成式人工智能對教育的影響探析及應對策略［J］.華東師范大學學報（教育科學版），2023，41（7）：26-35.

［5］ 劉清堂，曹天生，吳林靜，等. ChatGPT類耦合教學代理：需求分析與教學應用［J］.現(xiàn)代遠距離教育，2024，1（1）：1-16.

［6］ 王佑鎂，王海潔，王旦，等. ChatGPT賦能職業(yè)教育數字化轉型的多重角色與實踐路徑［J］.電化教育研究，2024，45（1）：76-83.

［7］ 孫佳林，鄭長龍.自主學習能力評價的國際研究：現(xiàn)狀、趨勢與啟示［J］.比較教育學報，2021（1）：67-84.

作者簡介：王?。?998—），男，浙江寧波人，碩士在讀，研究方向：智慧教育。