摘要：全面建設(shè)學(xué)習(xí)型社會對提高國民素質(zhì)、促進社會創(chuàng)新發(fā)展和推動中國式現(xiàn)代化進程具有重要現(xiàn)實意義。終身學(xué)習(xí)是全面建設(shè)學(xué)習(xí)型社會的核心。研究從社會學(xué)習(xí)理論視角出發(fā)，在分析了數(shù)字化轉(zhuǎn)型背景下信息過載誘發(fā)的學(xué)習(xí)者認(rèn)知策略混亂、自我價值缺失導(dǎo)致的學(xué)習(xí)動機不足、資源分布不均造成的學(xué)習(xí)環(huán)境壁壘三個終身學(xué)習(xí)困境的基礎(chǔ)上構(gòu)建了數(shù)字化終身學(xué)習(xí)模型，探討了在人工智能場域內(nèi)進行終身學(xué)習(xí)的意義，并提出了在人工智能賦能下構(gòu)建智能學(xué)習(xí)組織策略范式、形成智能協(xié)作評價體系、實現(xiàn)學(xué)習(xí)無界融通環(huán)境三條實踐路徑，從而為數(shù)字化轉(zhuǎn)型時代的終身學(xué)習(xí)提供方向，助力學(xué)習(xí)型社會之構(gòu)建。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；社會學(xué)習(xí)理論；終身學(xué)習(xí)；人工智能

中圖分類號：G710" " 文獻標(biāo)識碼：A" " 文章編號：1672-5727（2025）04-0005-07

隨著信息技術(shù)的迭代發(fā)展，世界步入了數(shù)字化轉(zhuǎn)型及“IT3.0”時代，人類社會生產(chǎn)生活的各領(lǐng)域都在經(jīng)歷顛覆性變革。新業(yè)態(tài)與新模式的產(chǎn)業(yè)對人才的技術(shù)技能有了更高要求，這也迫使人們需要通過不斷學(xué)習(xí)提高人力資本，從而實現(xiàn)職業(yè)發(fā)展和自我價值。在個人發(fā)展、經(jīng)濟增長、社會進步的共同需求下，構(gòu)建學(xué)習(xí)型社會成為當(dāng)今時代個人、社會和國家發(fā)展的必由之路。在國家戰(zhàn)略層面上，2019年2月，中共中央、國務(wù)院印發(fā)的《中國教育現(xiàn)代化2035》明確提到“要建立全民終身學(xué)習(xí)的制度環(huán)境”。黨的二十大報告指出，“推進教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會、學(xué)習(xí)型大國”。“終身學(xué)習(xí)”衍生于終身教育理念，隨著社會的發(fā)展，其內(nèi)涵不再拘泥于繼續(xù)教育及成人教育等范疇，而是發(fā)展為貫穿人生始終且持續(xù)的學(xué)習(xí)過程，并成為實現(xiàn)學(xué)習(xí)型社會目標(biāo)的關(guān)鍵實踐行為。

自2022年底GhatGPT問世掀起人工智能（Artificial Intelligence，AI）的新一輪熱潮以來，教育的形態(tài)和范式不斷得到重塑。雖然有學(xué)者提醒教育工作者要謹(jǐn)慎對待新興技術(shù)[1]，但學(xué)界普遍認(rèn)為AI的深度賦能是教育發(fā)展的必然。截至目前，AI賦能教育的經(jīng)驗、成果及政策已初具規(guī)模，相關(guān)研究聚焦于AI技術(shù)的應(yīng)用問題和教學(xué)模式的創(chuàng)新，如孫（Son）基于AI教學(xué)平臺進行了SW教育課程計劃及課程框架的開發(fā)[2]；蘭利（Langley）提出了在人工智能專業(yè)課程中利用AI技術(shù)培養(yǎng)學(xué)生高層次能力所面臨的問題和優(yōu)化策略[3]；沃古（Wogu）等人對AI在實際教學(xué)過程中的表現(xiàn)效果及其與教師之間的關(guān)系進行了歸納總結(jié)[4]。盡管AI在教育領(lǐng)域中的應(yīng)用廣度和深度不斷拓展，但鮮有AI賦能終身學(xué)習(xí)領(lǐng)域的相關(guān)成果形成。因此，本研究以社會學(xué)習(xí)理論中的交互決定論為依據(jù)，基于認(rèn)知、環(huán)境、行為三要素對數(shù)字化轉(zhuǎn)型背景下的終身學(xué)習(xí)困境進行分析，并構(gòu)建數(shù)字化社會終身學(xué)習(xí)三要素模型，結(jié)合AI賦能教育優(yōu)勢，提出終身學(xué)習(xí)策略。

一、數(shù)字化社會終身學(xué)習(xí)的現(xiàn)狀與困境

20世紀(jì)60年代，美國學(xué)者班杜拉（Albert Bandura）提出了社會學(xué)習(xí)理論（Social Learning Theory），其交互決定論觀點認(rèn)為，人的發(fā)展是認(rèn)知、行為、環(huán)境三要素相互作用的結(jié)果。[5]就實踐角度而言，可以從該理論的三個核心要素出發(fā)，對終身學(xué)習(xí)在數(shù)字化轉(zhuǎn)型背景下的現(xiàn)狀及其所處困境進行分析。

（一）信息過載誘發(fā)的學(xué)習(xí)者認(rèn)知策略混亂

通過獲取、處理、存儲信息來理解環(huán)境是人們做出決策和采取行動的基礎(chǔ)[6]，而學(xué)習(xí)者正是通過該過程來開展學(xué)習(xí)活動。郭（Kwak）等人認(rèn)為，信息量太大是誘發(fā)社交網(wǎng)絡(luò)（Social Network Service，SNS）用戶疲勞的主要因素，以移動SNS為例，其不受時間和空間限制的特性，會導(dǎo)致共享信息超載，增加SNS用戶的壓力和負(fù)擔(dān)。[7]而對于學(xué)習(xí)者群體來說，面對信息洪流，往往被迫在多種信息源之間頻繁切換，無法保持專注力和對特定學(xué)習(xí)任務(wù)的深度思考，學(xué)習(xí)認(rèn)知策略也因此受到干擾。面對大量的學(xué)習(xí)資源信息，人的大腦需要處理的信息量遠(yuǎn)超其自身處理能力，隨著決策負(fù)擔(dān)不斷加重，學(xué)習(xí)者無法確定有效的信息處理策略，從而導(dǎo)致認(rèn)知策略混亂。信息過載帶來的負(fù)面影響不僅體現(xiàn)為學(xué)習(xí)效率的持續(xù)降低，還體現(xiàn)為誘發(fā)學(xué)習(xí)者產(chǎn)生的挫敗感和焦慮等消極情緒。

（二）自我價值缺失導(dǎo)致的學(xué)習(xí)動機不足

隨著數(shù)字化時代的到來，知識逐漸成為最重要的生產(chǎn)要素，同時引發(fā)按傳統(tǒng)生產(chǎn)要素和資源組織起來的工作類型、工作組織、雇傭關(guān)系、工作內(nèi)容發(fā)生變革。[8]這使得數(shù)字素養(yǎng)、終身學(xué)習(xí)習(xí)慣等要素成為學(xué)習(xí)者必備的核心競爭力。在習(xí)得技能類型發(fā)生轉(zhuǎn)變的過程中，重新適應(yīng)新的發(fā)展方向和環(huán)境對于學(xué)習(xí)者來說已是巨大挑戰(zhàn)，而相關(guān)負(fù)面評價和缺乏科學(xué)性的評價體系更會使其自我價值認(rèn)同缺失，致使學(xué)習(xí)動機不足。

雖然許多國內(nèi)學(xué)者借鑒國際盛行的以“協(xié)商”和“構(gòu)建”為主要特征的第四代評估理論，提出了“施行‘以人為本’的多元評價”“重視學(xué)生個體差異”“強調(diào)評價利益相關(guān)主體參與價值共建”等建設(shè)高質(zhì)量評價體系的變革路向[9]，但現(xiàn)行的評價體系依然有不足之處。而就非正式評價來說，數(shù)字化時代網(wǎng)絡(luò)社交的虛擬性使得人們在進行個性化在線學(xué)習(xí)的交流過程中無法完全展示自我，更難以獲得他人的真實反饋和評價，這往往會使學(xué)習(xí)者對自我價值產(chǎn)生懷疑，進而影響其學(xué)習(xí)行為。

（三）技術(shù)及資源問題造成的學(xué)習(xí)環(huán)境壁壘

區(qū)域教育水平的差異，導(dǎo)致不同地區(qū)社會群體的終身學(xué)習(xí)機會不均等。同時，技術(shù)的迭代要求學(xué)習(xí)者不斷適應(yīng)新生工具與方法，但由于年齡、教育背景等因素的影響，往往難以實現(xiàn)。

盡管當(dāng)今時代具有信息過載的特點，但高質(zhì)量、針對性強的學(xué)習(xí)資源卻相對稀缺，各類資源存在重復(fù)、冗余或低質(zhì)的問題，難以滿足學(xué)習(xí)者的個性化需求。而僅有的優(yōu)質(zhì)學(xué)習(xí)資源往往集中在個別知名平臺或機構(gòu)手中，資源分布不均現(xiàn)象明顯，進一步限制了偏遠(yuǎn)地區(qū)或經(jīng)濟欠發(fā)達地區(qū)學(xué)習(xí)者的終身學(xué)習(xí)機會。

二、數(shù)字化社會終身學(xué)習(xí)三要素模型

鑒于終身學(xué)習(xí)的現(xiàn)狀，在社會學(xué)習(xí)理論三元交互作用模型的基礎(chǔ)上，聚焦數(shù)字化時代技術(shù)普及與學(xué)習(xí)方式變革等特點，本研究構(gòu)建了數(shù)字化社會終身學(xué)習(xí)三要素模型，見圖1。該模型闡釋了數(shù)字化時代背景下影響終身學(xué)習(xí)的三個核心要素間的相互關(guān)聯(lián)與作用，為數(shù)字化時代終身學(xué)習(xí)困境之解決提供系統(tǒng)理論支撐。

（一）認(rèn)知要素：數(shù)字化終身學(xué)習(xí)認(rèn)知（DLLC）

數(shù)字化終身學(xué)習(xí)認(rèn)知（Digital Lifelong Learning Cognition，DLLC）源自交互決定論中的認(rèn)知要素，主要涉及數(shù)字化環(huán)境中學(xué)習(xí)者習(xí)得的知識結(jié)構(gòu)、思維模式及信息處理方式，反映了學(xué)習(xí)者的學(xué)習(xí)策略，即如何理解和內(nèi)化知識內(nèi)容。DLLC水平能直接影響學(xué)習(xí)者的學(xué)習(xí)行為和動機，例如學(xué)習(xí)者通過有效的認(rèn)知策略獲得知識或解決問題，自我效能感能得到提升，從而增強學(xué)習(xí)動機。具有積極性的認(rèn)知反饋能使學(xué)習(xí)者在學(xué)習(xí)過程中更為積極，有利于提高學(xué)習(xí)者超越自身水平、攻克高難度內(nèi)容和成果創(chuàng)新之可能。[10]DLLC還會影響學(xué)習(xí)者感知并利用學(xué)習(xí)環(huán)境，為其提供有效篩選和處理信息的策略，使其選擇適合自己學(xué)習(xí)的數(shù)字化工具及資源，而相關(guān)成功經(jīng)驗也將推動他們優(yōu)化和調(diào)整數(shù)字化學(xué)習(xí)環(huán)境，使其進一步支持自己的學(xué)習(xí)活動。

（二）行為要素：數(shù)字化終身學(xué)習(xí)行為（DLLB）

數(shù)字化終身學(xué)習(xí)行為（Digital Lifelong Learning Behavior，DLLB）是交互決定論中的行為要素在數(shù)字化終身學(xué)習(xí)領(lǐng)域的映射，主要涵蓋學(xué)習(xí)者在數(shù)字化環(huán)境中開展學(xué)習(xí)的動機和行為的具體表現(xiàn)，例如數(shù)字化在線學(xué)習(xí)平臺的使用、與大語言模型的交互方式、數(shù)字學(xué)習(xí)內(nèi)容與資源的選擇等，而動機則驅(qū)動了各種具體學(xué)習(xí)行為的過程。DLLB能夠直接影響學(xué)習(xí)者的認(rèn)知過程，高動機水平的學(xué)習(xí)者往往傾向采用如批判性思維、元認(rèn)知監(jiān)控等復(fù)雜的認(rèn)知策略進行數(shù)字化環(huán)境中的深度學(xué)習(xí)，而低動機水平的學(xué)習(xí)者更可能在淺層進行信息處理，使認(rèn)知出現(xiàn)偏差。[11] DLLB還能驅(qū)動學(xué)習(xí)者對環(huán)境進行主動調(diào)整與改變，高動機學(xué)習(xí)者通常會積極尋找個性化學(xué)習(xí)資源，通過優(yōu)化學(xué)習(xí)工具的選擇和使用來創(chuàng)建一個更加有利的學(xué)習(xí)環(huán)境。

（三）環(huán)境要素：數(shù)字化終身學(xué)習(xí)環(huán)境（DLLE）

數(shù)字化終身學(xué)習(xí)環(huán)境（Digital Lifelong Learning Environment，DLLE）同樣衍生于交互決定理論，是三元交互作用模型中環(huán)境要素的升格，包含了數(shù)字化時代社會中所有影響學(xué)習(xí)者學(xué)習(xí)行為和認(rèn)知的外部因素，例如數(shù)字技術(shù)工具、數(shù)字學(xué)習(xí)資源分布、在線學(xué)習(xí)平臺等。支持性強的DLLE能提升場域內(nèi)學(xué)習(xí)者的學(xué)習(xí)動機，并提供豐富的數(shù)字化學(xué)習(xí)資源、精準(zhǔn)的教學(xué)導(dǎo)航及科學(xué)反饋的學(xué)習(xí)平臺，從而激勵學(xué)習(xí)者投入更多時間和精力進行學(xué)習(xí)。而充滿障礙的學(xué)習(xí)環(huán)境則會降低學(xué)習(xí)者的動機，阻遏學(xué)習(xí)行為發(fā)生。[12] DLLE同樣也會影響學(xué)習(xí)者的認(rèn)知過程。一個設(shè)計良好的學(xué)習(xí)平臺可以幫助學(xué)習(xí)者更輕松地獲取并整合信息，促進學(xué)習(xí)活動在深度和廣度上持續(xù)推進，反之則可能會增加學(xué)習(xí)者的認(rèn)知負(fù)荷，阻礙知識的內(nèi)化與意義建構(gòu)。[13]

綜上，數(shù)字化社會終身學(xué)習(xí)的三要素之間呈現(xiàn)一種高度互動且彼此促進的關(guān)系，其流程機理同三元交互作用模型保持相對一致。

三、AI場域內(nèi)終身學(xué)習(xí)的實踐意義

隨著數(shù)字化轉(zhuǎn)型進程的不斷深入，AI逐漸成為驅(qū)動教育領(lǐng)域變革的關(guān)鍵要素。已有研究顯示，AI不僅能通過人機交互提高學(xué)習(xí)者認(rèn)知和理解能力，還能在生成用戶畫像的基礎(chǔ)上提供個性化學(xué)習(xí)方案，從而優(yōu)化學(xué)習(xí)者的行為和動機。此外，AI還可以賦能智能化學(xué)習(xí)環(huán)境的構(gòu)建，為學(xué)習(xí)者提供無障礙學(xué)習(xí)體驗。

（一）AI賦能認(rèn)知能力提升

AI能夠?qū)W(xué)習(xí)者的歷史學(xué)習(xí)數(shù)據(jù)、當(dāng)下狀態(tài)及個人學(xué)習(xí)偏好等信息進行分析，并基于此生成個性化學(xué)習(xí)路徑和建議。王劍等人在學(xué)習(xí)者畫像的基礎(chǔ)上設(shè)計基于知識單元有向圖的學(xué)習(xí)路徑及尋優(yōu)流程，并驗證了其有效性。[14]洪（Hong）等人基于AI技術(shù)開發(fā)了具有個性化學(xué)習(xí)機制的電子學(xué)習(xí)系統(tǒng)，提供自適應(yīng)的學(xué)習(xí)路徑以輔助基于網(wǎng)絡(luò)的在線學(xué)習(xí)。[15]黃（Hwang）等人借助上下文感知技術(shù)，在泛在學(xué)習(xí)情境下構(gòu)建了個性化學(xué)習(xí)路徑規(guī)劃的啟發(fā)式算法。[16]各類系統(tǒng)和程序機制能自動調(diào)整學(xué)習(xí)內(nèi)容的呈現(xiàn)策略，使其更好地匹配學(xué)習(xí)者現(xiàn)有的認(rèn)知水平，從而幫助學(xué)習(xí)者高效地理解復(fù)雜抽象概念，通過超越個體的最近發(fā)展區(qū)來增強認(rèn)知能力。

除學(xué)習(xí)資源和路徑的個性化推薦外，基于自然語言處理和深度學(xué)習(xí)技術(shù)的大語言模型能通過對話引導(dǎo)學(xué)習(xí)者進行深度思考，幫助其建構(gòu)認(rèn)知網(wǎng)絡(luò)；虛擬助手能通過實時反饋和糾錯來強化學(xué)習(xí)者認(rèn)知路徑；AI與AR、VR結(jié)合的沉浸式學(xué)習(xí)環(huán)境能在對學(xué)習(xí)者感官進行刺激的同時進行人機交互，提升學(xué)習(xí)者認(rèn)知理解的深度。

（二）AI優(yōu)化學(xué)習(xí)行為與提升學(xué)習(xí)動機

學(xué)習(xí)者在學(xué)習(xí)平臺上的學(xué)習(xí)行為數(shù)據(jù)能夠被AI追蹤和記錄?；谶@些信息，AI可以識別并提供有針對性的建議和解決策略，幫助學(xué)習(xí)者及時解決學(xué)習(xí)過程中遇到的困難，優(yōu)化其學(xué)習(xí)行為。魯斯（Rus）等人認(rèn)為，AI能在分析學(xué)習(xí)者數(shù)據(jù)的基礎(chǔ)上激勵學(xué)習(xí)者，直到學(xué)習(xí)者找到充分解釋自己觀點的理由。[17]還有研究表明，AI能夠通過對學(xué)習(xí)者少量的作業(yè)和測試進行數(shù)據(jù)挖掘與分析，來達到預(yù)測其未來表現(xiàn)的目的。[18]AI還能識別學(xué)習(xí)者的面部表情、語音語調(diào)、行為表現(xiàn)等，可以對多模態(tài)數(shù)據(jù)進行處理，并結(jié)合學(xué)習(xí)者情感狀態(tài)提供反饋，提升其學(xué)習(xí)動機。例如，巴赫雷尼（Bahreini）等人開發(fā)了基于FILTWAM框架的多種情感識別軟件，實現(xiàn)了非侵入性和連續(xù)的多模態(tài)情感數(shù)據(jù)收集。[19]

AI還能引入游戲元素，為學(xué)習(xí)過程設(shè)定富有挑戰(zhàn)性的機制，通過積分及成就解鎖等形式增強學(xué)習(xí)動機。以ChatGPT為代表的生成式人工智能還能通過精準(zhǔn)識別、即時反饋和個性化調(diào)整等功能為教育評價的個性化、精準(zhǔn)化、智慧化轉(zhuǎn)變提供現(xiàn)實條件，進一步挖掘?qū)W習(xí)者的優(yōu)勢和特點，使其獲得自我效能感。

（三）AI構(gòu)建多元化學(xué)習(xí)環(huán)境

AI使得傳統(tǒng)的物理教學(xué)工具和環(huán)境更具智能化。例如， 金（Kim）等人在對多模態(tài)感知、情感識別、深度學(xué)習(xí)、高性能GPU計算和反饋技術(shù)集成的基礎(chǔ)上構(gòu)建了智能教室。[20] AI賦能的學(xué)習(xí)平臺整合了多種功能，可為學(xué)習(xí)者提供泛在性的學(xué)習(xí)支持。如查西諾爾（Chassignol）等學(xué)者研究的交互式學(xué)習(xí)環(huán)境（ILEs），可用于管理績效并為師生提供反饋；又如ActiveMath、MATHia、Why2-Atlas、Fetchy及Gradescope等智能輔助系統(tǒng)，均已應(yīng)用于多種教育系統(tǒng)不同層次的學(xué)科教學(xué)中，且普遍助力學(xué)習(xí)效果的評估，以此跟蹤績效和改進現(xiàn)有的教學(xué)工具。[21]

AI對解決數(shù)字鴻溝和教育公平問題也具有重要作用。AI能打破時空限制，驅(qū)動在線教育平臺為教育資源匱乏的偏遠(yuǎn)地區(qū)的學(xué)習(xí)者提供低成本的個性化學(xué)習(xí)材料和服務(wù)。有特殊需求及身體殘障的學(xué)習(xí)群體也能夠在AI的幫助下克服傳統(tǒng)教育模式中的學(xué)習(xí)障礙，獲取包容性的學(xué)習(xí)環(huán)境。

四、AI場域內(nèi)終身學(xué)習(xí)的實踐路徑

基于對數(shù)字化時代終身學(xué)習(xí)現(xiàn)有困境的探討及數(shù)字化社會終身學(xué)習(xí)三要素模型，本研究圍繞數(shù)字化終身學(xué)習(xí)的認(rèn)知、行為及環(huán)境三方面提出AI賦能終身學(xué)習(xí)的實踐路徑及策略，即通過構(gòu)建智能學(xué)習(xí)組織策略范式優(yōu)化數(shù)字化終身學(xué)習(xí)認(rèn)知；通過形成智能協(xié)作評價模式優(yōu)化數(shù)字化終身學(xué)習(xí)行為；通過實現(xiàn)數(shù)字學(xué)習(xí)無界融通環(huán)境，提升和優(yōu)化數(shù)字化終身學(xué)習(xí)環(huán)境，最終作用于終身學(xué)習(xí)效果的提升，如圖2所示。

（一）構(gòu)建智能學(xué)習(xí)組織策略范式

在教育數(shù)字化轉(zhuǎn)型背景下，終身學(xué)習(xí)認(rèn)知過程發(fā)生的場域不能僅限于學(xué)習(xí)者的生物大腦，或者說僅憑生物大腦無法適應(yīng)信息過載的終身學(xué)習(xí)環(huán)境。因此，要力求在AI的賦能下，擴展出一個外置神經(jīng)中樞，以腦-機協(xié)作的方式幫助學(xué)習(xí)者個體進行更加高效的信息處理、存儲、檢索及分析[22]，通過對學(xué)習(xí)組織策略的升級和重構(gòu)來促成數(shù)字化終身學(xué)習(xí)認(rèn)知的提升，形成基于AI技術(shù)的智能學(xué)習(xí)組織策略范式。

1.擴展認(rèn)知場域，促成腦-機協(xié)作

由“單腦運轉(zhuǎn)”到“雙腦協(xié)作”，人類認(rèn)知策略形成的場域范圍若要進行擴展，就必須利用人工智能等數(shù)字化技術(shù)構(gòu)建外置于人體的神經(jīng)中樞，也就是“數(shù)字腦”。這首先要建設(shè)一個囊括各類學(xué)習(xí)資源與信息在內(nèi)的知識圖譜和數(shù)據(jù)集成系統(tǒng)，通過AI對數(shù)據(jù)集進行語義分析來形成不斷擴展且有序的知識神經(jīng)網(wǎng)絡(luò)，即“數(shù)字腦”。得益于機器學(xué)習(xí)和自然語言處理等技術(shù)，“數(shù)字腦”中的資源經(jīng)過分析能被有針對性地推送至學(xué)習(xí)者的學(xué)習(xí)設(shè)備，個體的認(rèn)知效率和認(rèn)知模式隨著精準(zhǔn)推送而得到不斷提高和完善，形成其獨有的認(rèn)知路徑。而學(xué)習(xí)者的日常學(xué)習(xí)軌跡和認(rèn)知過程則又以數(shù)字化設(shè)備為中介被清晰地記錄在“數(shù)字腦”中，AI通過數(shù)據(jù)的不斷獲取，逐步完善學(xué)習(xí)者的個性化畫像，使“數(shù)字腦”日趨成熟，腦機之間的鏈接（即腦-機協(xié)作模式和流程的熟悉程度）也越來越穩(wěn)固。

2.優(yōu)化知識管理，完善共享機制

在腦-機協(xié)作的思維模式運轉(zhuǎn)下，知識的管理與共享機制將成為重中之重，應(yīng)在學(xué)習(xí)資源的知識圖譜和數(shù)據(jù)集成系統(tǒng)基礎(chǔ)上，建構(gòu)以實際應(yīng)用為導(dǎo)向，集學(xué)習(xí)資源庫、開放課程庫等為一體的大規(guī)模教育數(shù)據(jù)資源庫，借助人工智能技術(shù)實現(xiàn)數(shù)據(jù)信息的自動化歸納和分類，使學(xué)習(xí)者在此數(shù)據(jù)資源庫中進行信息的獲取與分享。同時，還應(yīng)在AI的加持下建構(gòu)個性化的個人學(xué)習(xí)數(shù)據(jù)管理與存儲系統(tǒng)，統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，通過發(fā)揮“數(shù)字腦”的記錄存儲和個性化推薦功能來解放生物大腦，提高信息處理效率，使學(xué)習(xí)者專注于學(xué)習(xí)內(nèi)容本身。來自不同國家和地區(qū)的學(xué)習(xí)者個體構(gòu)成了一個個神經(jīng)單元，通過AI及互聯(lián)網(wǎng)技術(shù)的耦合，使無數(shù)單元個體共同組成共建共享的智能化知識信息生態(tài)系統(tǒng)。在該系統(tǒng)中，AI作為生物大腦和“數(shù)字腦”之間的橋梁及數(shù)據(jù)庫的管理者，擔(dān)負(fù)著促進知識內(nèi)容在不同類型、不同個體的大腦之間流動和交融的使命，從而完成人類社會整體學(xué)習(xí)能力和認(rèn)知策略的升級。

（二）形成智能協(xié)作評價模式

學(xué)習(xí)動機是透視終身學(xué)習(xí)成效的關(guān)鍵要素，而構(gòu)建人-機協(xié)同的智能評價模式將有助于學(xué)習(xí)者擺脫外界干擾，維持高水平的數(shù)字化終身學(xué)習(xí)動機，進而優(yōu)化學(xué)習(xí)行為。

1.重新定位智慧與智能的角色與分工

在數(shù)字化轉(zhuǎn)型背景下的教育中，人類和AI各司其職且各有特點，若要提高教育評價的科學(xué)性、公平性及效率，就需要在充分發(fā)揮人類智慧和機器智能各自優(yōu)勢的同時尋求二者的平衡點。依據(jù)蔡曙山對人類心智的劃分，AI在最高層級的語言文化意識領(lǐng)域內(nèi)無法達到人類的水平[23]，需要以技術(shù)祛魅為前提，明確二者在教育評價中的作用和角色。首先，以人類智慧來主導(dǎo)教育評估標(biāo)準(zhǔn)及其價值導(dǎo)向。人類的經(jīng)驗、情感理解及專業(yè)判斷是其獨有優(yōu)勢，教育的過程富含人文與感性因素，人類教師能夠準(zhǔn)確理解學(xué)習(xí)者的情感體驗，提供更具有人性化的指導(dǎo)與支持，從而影響學(xué)習(xí)者的身心發(fā)展。其次，要發(fā)揮AI特點，使其輔助評估，提升效率和客觀性。AI的優(yōu)勢在于高效的數(shù)據(jù)處理和深度分析能力，利用大數(shù)據(jù)分析與機器學(xué)習(xí)技術(shù)，使AI對學(xué)習(xí)者的多模態(tài)數(shù)據(jù)進行精準(zhǔn)提取和評估輔助，能夠發(fā)現(xiàn)潛在學(xué)習(xí)模式和未來學(xué)習(xí)趨勢，為教師的評價和指導(dǎo)提供科學(xué)性建議。因此，要以人類評價向度為框架，AI為輔助工具，在合理分配二者權(quán)限的基礎(chǔ)上促成主體生命與客體技術(shù)的互動交流，積極發(fā)揮二者的正向作用，以兼顧人文性和客觀性的方式，推動教育評價的科學(xué)發(fā)展。

2.培養(yǎng)教育評價主體的智能素養(yǎng)

為進一步完善人-機協(xié)同的智能評價模式，首先，應(yīng)從教育評價的主體出發(fā)，對各主體在實際教學(xué)與學(xué)習(xí)情境中使用AI技術(shù)的能力進行優(yōu)化和提升。學(xué)術(shù)界應(yīng)加速構(gòu)建涵蓋各主體和子領(lǐng)域的教育評價主體智能素養(yǎng)框架及指標(biāo)體系，如針對教師和學(xué)生的智能素養(yǎng)和人-機協(xié)同素養(yǎng)指標(biāo)體系，設(shè)計更加系統(tǒng)化、科學(xué)化且針對性更強的素養(yǎng)框架。其次，應(yīng)系統(tǒng)評估各教育評價主體的智能素養(yǎng)現(xiàn)狀，識別存在的不足，以便制定和實施有效的改進措施。[24]再次，應(yīng)加強AI教育評價應(yīng)用的培訓(xùn)，如編制行動指南、開設(shè)論壇講座等，向有關(guān)人員普及AI技術(shù)及大數(shù)據(jù)知識，解讀政策性文件，使其了解技術(shù)工具的使用。最后，還應(yīng)大力鼓勵教育從業(yè)者在教學(xué)活動中使用AI技術(shù)，切實獲取經(jīng)驗，提高智能素養(yǎng)。

（三）實現(xiàn)數(shù)字學(xué)習(xí)無界融通環(huán)境

數(shù)字學(xué)習(xí)無界融通環(huán)境即一種包含了時空無界、學(xué)科無界、資源無界、學(xué)習(xí)者群體無界及學(xué)習(xí)評價和認(rèn)證無界的融通生態(tài)。利用AI賦能此環(huán)境的構(gòu)建，有利于提升DLLE的支持性，為數(shù)字化終身學(xué)習(xí)認(rèn)知和行為的發(fā)展提供個性化、開放、多元的場域。

1.構(gòu)建開放的智能學(xué)習(xí)平臺

開發(fā)由AI驅(qū)動的學(xué)習(xí)管理平臺是實現(xiàn)數(shù)字化無界學(xué)習(xí)的基礎(chǔ)。應(yīng)用自然語言處理及深度學(xué)習(xí)等技術(shù)，能夠?qū)W(xué)習(xí)者的學(xué)習(xí)需求、學(xué)習(xí)傾向、學(xué)習(xí)時長等多模態(tài)數(shù)據(jù)進行分析，并將結(jié)果用于優(yōu)化數(shù)字終身學(xué)習(xí)服務(wù)。平臺自動監(jiān)控學(xué)習(xí)者進度表現(xiàn)，提供及時反饋和自適應(yīng)測試，通過人工神經(jīng)網(wǎng)絡(luò)識別學(xué)習(xí)者在學(xué)習(xí)中的優(yōu)勢與劣勢，在文字、音視頻、虛擬現(xiàn)實和增強現(xiàn)實資源的提供上突出動態(tài)化、個性化、精準(zhǔn)化的特點，確保在學(xué)習(xí)內(nèi)容的廣度和深度上打破傳統(tǒng)學(xué)科的局限。同時，在該平臺的支持下，學(xué)習(xí)者的學(xué)習(xí)行為能在不同環(huán)境和設(shè)備之間進行靈活切換，還能對學(xué)習(xí)的策略和資源組合進行自由選擇，便于打破傳統(tǒng)意義上學(xué)習(xí)時間、空間上的局限性，使不同場域中的學(xué)習(xí)體驗保持高度一致。

2.創(chuàng)建無障礙學(xué)習(xí)社群綜合系統(tǒng)

以AI為依托，開發(fā)面向全球的數(shù)字化學(xué)習(xí)社群系統(tǒng)。通過分析學(xué)習(xí)者的學(xué)習(xí)行為及興趣，構(gòu)建學(xué)習(xí)者畫像，并推薦學(xué)習(xí)小組和社群，使其在所選擇的特定社群中開展集體知識建構(gòu)。在知識數(shù)據(jù)總庫的資源支持下，使學(xué)習(xí)者平等獲取優(yōu)質(zhì)教育資源成為可能。面對教育數(shù)字鴻溝問題，則需要利用AI分析學(xué)習(xí)者的技術(shù)能力和設(shè)備條件，自動調(diào)整學(xué)習(xí)資源與內(nèi)容的呈現(xiàn)方式，向硬件設(shè)備較差或網(wǎng)絡(luò)信號不穩(wěn)定的用戶提供低帶寬模式的學(xué)習(xí)資源，適宜的簡化版文本和音頻文件。此外，為面向不同國家學(xué)習(xí)者，系統(tǒng)通過自然語言處理技術(shù)，將學(xué)習(xí)內(nèi)容和平臺界面進行自動翻譯，幫助不具備主流語言能力的學(xué)習(xí)者獲取學(xué)習(xí)資源。評價與認(rèn)證方面，在系統(tǒng)中嵌入AI與區(qū)塊鏈（blockchain）技術(shù)，構(gòu)建去中心化的學(xué)習(xí)認(rèn)證系統(tǒng)，打破傳統(tǒng)評價與認(rèn)證模式的壁壘，讓學(xué)習(xí)者能夠在不同學(xué)習(xí)平臺或機構(gòu)進行學(xué)分及學(xué)業(yè)證書的互認(rèn)。

五、結(jié)語

在經(jīng)歷了從計算智能（如 Transformer）到感知智能（如 CLIP、 SpeechT5）再到認(rèn)知智能（如ChatGPT、Sora）的發(fā)展過程中，人類社會認(rèn)知智能的大門被打開，AI技術(shù)也逐步展現(xiàn)了其在教育領(lǐng)域的巨大潛力[25]，并成為推動終身學(xué)習(xí)發(fā)展的關(guān)鍵要素。然而，盡管AI技術(shù)在教育領(lǐng)域的應(yīng)用已取得顯著成果，但將其應(yīng)用于終身學(xué)習(xí)領(lǐng)域的研究和實踐仍然面臨不少挑戰(zhàn)。為實現(xiàn)全面建成學(xué)習(xí)型社會的目標(biāo)，需在AI的支持下，從數(shù)字化終身學(xué)習(xí)的認(rèn)知、行為、環(huán)境三大要素出發(fā)，構(gòu)建智能學(xué)習(xí)組織策略范式，形成智能協(xié)作評價體系，實現(xiàn)學(xué)習(xí)無界融通環(huán)境，并進一步深化智能學(xué)習(xí)平臺的建設(shè)，推動無障礙學(xué)習(xí)社群的形成，不斷優(yōu)化個性化和精細(xì)化的學(xué)習(xí)資源供給。唯有這樣，才能在當(dāng)今世界數(shù)字化與全球化的浪潮中，確保每一位學(xué)習(xí)者都能夠平等、自由地獲取優(yōu)質(zhì)的學(xué)習(xí)資源，從而實現(xiàn)終身學(xué)習(xí)的目標(biāo)。

參考文獻：

[1]王佑鎂，王旦，梁煒怡，等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應(yīng)用的潛能與風(fēng)險[J].現(xiàn)代遠(yuǎn)程教育研究，2023（2）：48-56.

[2]SON W S. Development of SW Education Class Plan Using Artificial Intelligence Education Platform： Focusing on Upper Grade of Elementary School[J]. Journal of the Korean Association of Information Education， 2020（5）： 453-462.

[3]LANGLEY P. An Integrative Framework for Artificial Intelligence Education[C]//Proceedings of the Thirty-third AAAI Conference on Artificial Intelligence， 2019（1）： 9670-9677.

[4]WOGU I A P， MISRA S， OLU-OWOLABI E F， et al. Artificial Intelligence， Artificial Teachers and the Fate of Learners in the 21st Century Education Sector：" Implications for Theory and Practice[J]. International Journal of Pure and Applied Mathematics， 2018（16）： 2245-2259.

[5]BANDURA A. Social Foundations of Thought and Action： A Social Cognitive Theory[M]. Englewood Cliffs： Prentice Hall， 1986： 23-28.

[6]SCHNEIDER S C. Information Overload： Causes and Consequences[J]. Human Systems Management， 1987（2）： 143-153.

[7]KWAK K T， CHEON Y J， OH S H， et al. Why People Feel Stressful in Using Mobile Social Network：" From Socio-technical Perspective based on KAKAO Talk User Survey Data[J]. Korean Management Review， 2012（6）： 1405-1434.

[8]呂建強.制造業(yè)轉(zhuǎn)型升級背景下高職學(xué)生就業(yè)能力結(jié)構(gòu)研究[D].天津：天津大學(xué)，2021：3-5.

[9]司林波，馬佩璽，喬花云.近三十年國內(nèi)教育評價研究的發(fā)展歷程、熱點領(lǐng)域及變遷特征[J].現(xiàn)代教育管理，2023（11）：63-73.

[10]BANDURA A， WESSELS S. Self-efficacy[M].Cambridge： Cambridge University Press， 1997： 7-9.

[11]SCHUNK D H， PINTRICH P R， MEECE J L.Motivation in Education： Theory， Research， and Applications[M]. London： Routledge， 1995： 27-35.

[12]BIGGS J， TANG C， KENNEDY G. Teaching for Quality Learning at University 5e[M]. UK： McGraw-hill Education， 2022： 3-15.

[13]KIRSCHNER P A， SWELLER J， CLARK R E. Why Minimal Guidance During Instruction Does Not Work： An Analysis of the Failure of Constructivist， Discovery， Problem-based， Experiential， and Inquiry-based Teaching[J]. Educational Psychologist， 2006（2）： 75-86.

[14]王劍，李易清，石琦.融合多維偏好與知識追蹤的個性化學(xué)習(xí)路徑推薦：以“系統(tǒng)建?！闭n程為例[J].現(xiàn)代教育技術(shù)，2023（11）：99-108.

[15]HONG C M， CHEN C M， CHANG M H， et al. Intelligent Web-based Tutoring System with Personalized Learning Path Guidance[C]//Seventh IEEE International Conference on Advanced Learning Technologies （ICALT 2007）. IEEE， 2007： 512-516.

[16]HWANG G J， KUO F R， YIN P Y， et al. A Heuristic Algorithm for Planning Personalized Learning Paths for Context-aware Ubiquitous Learning[J]. Computers amp; Education， 2010（2）： 404-415.

[17]RUS V， D'MELLO S， HU X， et al. Recent Advances in Conversational Intelligent Tutoring Systems[J]. AI Magazine， 2013（3）： 42-54.

[18]Deloitte China， Global Development of AI-based Education [EB/OL].（2019-11-12）[2024-09-06]. https：//www2.deloitte.com/cn/en/pages/technology-media-and-telecommunications/articles/development-of-ai-based-education-in-china.html.

[19]BAHREINI K， NADOLSKI R， WESTERA W. Towards Real-time Speech Emotion Recognition for Affective E-learning[J]. Education and Information Technologies， 2016（21）： 1367-1386.

[20]KIM Y， SOYATA T， BEHNAGH R F. Towards Emotionally Aware AI Amart Classroom： Current Issues and Directions for Engineering and Education[J]. Ieee Access， 2018（6）： 5308-5331.

[21]CHASSIGNOL M， KHOROSHAVIN A， KLIMOVA A， et al. Artificial Intelligence Trends in Education： A Narrative Overview[J]. Procedia Computer Science， 2018（136）： 16-24.

[22]涂子沛.第二大腦[M].北京：中譯出版社，2023：12-39.

[23]蔡曙山.從思維認(rèn)知看人工智能[J].求索，2021（1）：48-56.

[24]李毅，鄭鵬宇，張婷.ChatGPT賦能教育評價變革的現(xiàn)實前提、作用機理及實踐路徑[J].現(xiàn)代遠(yuǎn)距離教育，2024（3）：9-17.

[25]OpenAI LLC. Video Generation Models as World Simulators[EB/OL].（2024-01-15）[2024-04-09]. https：//openai.com/research/video-generation-models-as-world-simulators.

（責(zé)任編輯：張宇平）

Research on the Path of Artificial Intelligence Empowering Lifelong Learning in the Context of Digital Transformation： Based on Social Learning Theory

CAI Haoxuan， WANG Jijun

（Tianjin Foreign Studies University， Tianjin 300270， China）

Abstract： Building a learning society in an all-round way is of great practical significance for improving the quality of the citizens， promoting social innovative development and driving the process of Chinese-style modernization. Lifelong learning is the core of building a learning society in an all-round way. From the perspective of social learning theory， this study constructed a digital lifelong learning model based on the analysis of three lifelong learning dilemmas under the background of digital transformation： learners' cognitive strategy confusion induced by information overload， insufficient learning motivation caused by lack of self-value and learning environment barriers due to uneven distribution of resources. The study explores the significance of lifelong learning within the domain of artificial intelligence and proposes three practical paths： constructing a paradigm of intelligent learning organizational strategies under the empowerment of artificial intelligence， forming an intelligent collaborative evaluation system， and realizing a boundaryless and integrated learning environment， so as to provide a direction for lifelong learning in the era of digital transformation and help the construction of a learning society.

Key words： digital transformation; social learning theory; lifelong learning; artificial intelligence