[中圖分類號]G434 [文獻標志碼]A

[作者簡介]李永智（1970—），男，山西盂縣人。研究員，博士，主要從事教育戰(zhàn)略與數(shù)字教育研究。E-mail：liyz@cnaes.edu.cn。

一、引言

隨著人工智能（Artificial Intelligence，AI）實現(xiàn)突破性發(fā)展，人類歷史性地從一個個具體生產活動中退出，人造機器系統(tǒng)能夠獨立完成越來越多的原本人類必須參與的生產活動，人們參與物質生產過程的必要性逐漸消失。人與人造機器的能力邊界重新劃分，社會分工重塑，教育內容因此發(fā)生改變。人類邁人一個由人工智能驅動的變革時代。“培養(yǎng)什么人\"比“怎樣培養(yǎng)人\"尤顯重要，重構課程邏輯成為變革時期教育的首要關注。

工業(yè)時代的課程邏輯以確定性知識為主要內容，以標準化為原則，以分科教學為組織形式，以教師為中心，以語言文字編碼為主要載體，其已不適應人工智能時代人才需求。由此產生的矛盾正成為全球共同議程。聯(lián)合國教科文組織在《共識—人工智能與教育》中呼呼，各成員國應注意到采用人工智能所導致的勞動力市場的系統(tǒng)性和長期性變革，更新并開發(fā)有效機制和工具，以預測并確認當前和未來人工智能發(fā)展所引發(fā)的相關技能需求，以便確保課程與不斷變化的經濟、勞動力市場和社會需求相適應。在我國，中共中央、國務院印發(fā)《教育強國建設規(guī)劃綱要（2024—2035年）》，要求“促進人工智能助力教育變革\"“面向數(shù)字經濟和未來產業(yè)發(fā)展，加強課程體系改革\"。正如歷史學家赫拉利（HarariYN）所主張的，我們無法預測2050年的世界會是什么樣子，教育的核心挑戰(zhàn)在于培養(yǎng)學生應對前所未有的變化和不確定的未來]。

當前引領人工智能技術發(fā)展的大語言模型（LargeLanguageModels，LLMs），是人工智能的一個重要分支和技術路徑，本質是一種基于海量文本數(shù)據(jù)訓練的大數(shù)據(jù)概率擬合推理，其局限在于基于符號化的離散知識，而不是與現(xiàn)實世界互動生成的可理解、可推理、可決策的“世界模型\"（WorldModel）。“世界模型\"是人工智能算法模型的一種新概念，旨在模仿人類和動物通過觀察與交互自然地學習關于世界運作方式的知識。因此，大語言模型難以持續(xù)系統(tǒng)地真正理解世界運作的物理規(guī)律與因果聯(lián)系：一方面，只見樹木、不見森林，缺乏系統(tǒng)思維和邏輯推理預測能力；另一方面，知其然而不知所以然，知行脫節(jié)，就像是一個熟讀所有游泳理論書籍但從未下過水的人。與之類似，工業(yè)時代教育體系在很大程度上也是在培養(yǎng)一種“類大語言模型\"式的人類智能。以知識傳授、分科標準化教學和篩選分層評價為主體的教育范式，高度依賴抽象符號傳遞，在傳遞特定知識點上或許高效，卻忽視了人類智能的真正優(yōu)勢一通過觸摸、觀察、實驗、互動等多模態(tài)、具身化的方式去構建一個整體的\"世界模型”。盡管如此，人工智能仍給教育帶來前所未有的挑戰(zhàn)和機遇。挑戰(zhàn)在于，當機器的知識存儲和檢索能力遠超人類大腦時，以知識傳授為主的教育逐漸失去現(xiàn)實價值；機遇在于，基于大語言模型提供高效知識檢索，學習者可節(jié)省大量知識記憶時間，從而用于發(fā)展高階思維、人文價值、人機協(xié)作、情感智能等能力與素養(yǎng)。

因此，教育亟須范式轉型，實現(xiàn)從“傳授標準知識\"轉向“建構世界模型”。這一轉變引發(fā)一系列對課程論“元問題”的追問。一是目標之問。當知識獲取方式被顛覆、人類不再必要參與生產，教育的核心邏輯便失去原有錨點，此時，教育的本質和終極目標應該是什么？二是內容之問。我們應該“學什么\"與“教什么”，培養(yǎng)什么樣的人才能應對不確定的未來？三是形式之問。我們應該“怎么學\"與“怎么教”，才能在學習者大腦內構建更加強大的“世界模型\"？要回答這些問題，僅對當前課程內容進行“小修小補\"或“新瓶裝舊酒”顯然不夠，我們必須尋求更深層的變革，對課程的核心邏輯進行系統(tǒng)重塑。

二、基于第一性原理的課程邏輯重構

人工智能正以顛覆性力量驅動著教育生態(tài)的范式革命。在此歷史性變革的重要節(jié)點，課程邏輯的重構不應只是應激式的局部或暫時調整，它要求我們回到原點，運用“第一性原理\"開啟一場由外而內、層層遞進的邏輯推演一一從審視人機關系變化的宏觀視域出發(fā)，確立面向未來人才培養(yǎng)的教育目的追求，進而探尋實現(xiàn)教育目的的人腦智能開發(fā)機制，最終為回答\"培養(yǎng)什么人\"這一時代命題提供思路。

（一）人機關系重審視：作為“智能體\"的AI與人的角色定位

人工智能是對人腦組織結構與思維運行機制的模仿，是人類智能的物化4。目前，存在\"泛AI\"的理解誤區(qū)，將簡單的搜索技術、數(shù)字技術或是計算技術都籠統(tǒng)地歸為人工智能的范疇，這種泛化理解易造成教育變革僅僅停留在淺表的技術應用層面，而不能達到深層的邏輯重構。人工智能的概念最早由麥卡錫（McCarthyJ）在1956年提出，并將其定義為\"制造智能機器的科學與工程\"。羅素（RussellS）等人將其歸納為“能夠采取行動以獲得最佳預期結果的理性智能體（RationalAgents）”，包括“像人一樣思考\"\"像人一樣行動”“理性地思考”“理性地行動”四個方面的特征。赫拉利更是將其描述為一種能夠自主決策的“智能體”（Agent），甚至是一種\"外星智能\"（AlienIntelligence）[7]。與以往從錘子到原子彈的所有技術都不同，AI擁有獨立決策、創(chuàng)造新想法和自我學習演化的能力。它不再是僅僅執(zhí)行人類指令的工具，而是一個能夠感知環(huán)境、內部推理、自主決策、采取行動并影響外部世界的完整閉環(huán)系統(tǒng)。羅素以“AI為了泡一杯咖啡而掌控全球能源以確?？Х葯C永不斷電”的例子警示我們，AI可能會為了達成目標而演化出人類無法預料的極端行為。當AI以人類無法想象的速度進化，擁有類人乃至超人的智能，我們便進入了一個需要人機協(xié)同的社會[]。世界經濟論壇發(fā)布的《2025年未來就業(yè)報告》也印證了這一趨勢，“到2030年，全球將新產生1.7億個新工作，同時取代9200萬個舊工作，最終實現(xiàn)約7800萬個工作崗位的凈增長，如AI倫理師、AI系統(tǒng)訓練師等需要與AI協(xié)同的新崗位\"。當人類的價值坐標發(fā)生了歷史性的位移，那么旨在塑造人類的教育，其根本目的又該是什么？

（二）教育目的新定位：從“為生產而教\"轉向“為生活而學”

教育目的不是一個脫離社會發(fā)展需求的“真空”概念，而是由所處時代的社會生產力及勞動分工形態(tài)所決定的。工業(yè)革命以來，以標準化、可復制性為特征的機械化大生產體系催生現(xiàn)代學校教育的雛形，其核心任務是將“自然人\"塑造成符合社會生產需要的“人力資本”，人的價值在很大程度上被窄化為社會經濟機器中的工具價值。雖然工業(yè)時代課程邏輯的弊端早已被杜威、皮亞杰等教育家所批判，但因為強大的工業(yè)社會需求與技術限制，這些深刻的批判長期未能動搖“標準化分科邏輯\"的主導地位。人機協(xié)同時代的來臨，正在從根本上解構著傳統(tǒng)的生產邏輯，在提高生產效率、優(yōu)化資源配置、增強創(chuàng)新能力等方面展現(xiàn)出巨大潛力。一方面，當智能體能夠承擔越來越多原本只有人類才能完成的生產活動時，倘若教育依然固守“為生產而教”的老路，人類可能在自己創(chuàng)造的智能機器面前顯得有些“多余”。另一方面，隨著智能體越來越獨立地完成生產活動，生產力水平大幅提升，人類個體乃至群體最初因生存而被動勞作的必要性逐漸消失，客觀上社會福利足以保障每個人的吃穿住行，且保障水平越來越高。人們從“為生存而學習\"逐漸轉變?yōu)椤盀楦玫厣疃鴮W習”。因此，教育目的勢必發(fā)生深刻的價值轉變，從“為生產而教\"轉向“為生活而學”。這一轉向是對馬克思“每個人自由而全面發(fā)展\"理想的時代回響[12]，更是教育回歸“以人為本\"原點的第一性原理。生活是個體生命的一種表現(xiàn)形式，“為生活而學\"需要教育超越功利化的知識技能訓練，本著“完人目標”，通過教化和文化熏陶，彰顯自身“如何做人、如何生活\"的價值意蘊[13]，培養(yǎng)一個具備豐富內心、懂得審美、具有創(chuàng)造能力、擁有幸福感的完整“生活者”。那么要實現(xiàn)這一育人愿景，其底層邏輯是什么，教育究竟如何才能作用于人的心智和潛能的發(fā)展呢？

（三）教育本質再思考：認知科學視角下的大腦智能開發(fā)

教育目的的轉向，促使我們對實現(xiàn)目的的作用機制進行追問。在社會學或人類學的視角下，教育被視為外在知識、社會規(guī)范、文化價值等方面的代際傳遞過程。然而，從認知科學或腦科學的視角來看，所有教育活動的最終作用靶點都指向學習者的大腦。首先，學習的本質是在大腦中進行概念架構，更新大腦的數(shù)據(jù)庫。腦科學技術的應用，使得我們認識到人腦發(fā)育并不是完全由基因控制的預定性過程，大腦在“學習\"中時時發(fā)生著改變[4]。任何有效學習的發(fā)生，本質上都是一個人的大腦不斷被塑造的過程，是一種物理結構的動態(tài)變化。無論是新技能的習得還是新概念的掌握，都會在大腦的白質和灰質中留下可觀測的印記。其次，教育是通過“學習\"這一中介作用于大腦。學習是大腦的核心功能，教育則是引導和促進學習的活動，教育研究必須以學習研究為基礎，教學方法必須遵循學習的基本規(guī)律。有針對性地訓練能優(yōu)化大腦結構和功能，提升學習效率和認知能力[。我們不能將教育本質視為外部信息的單向灌輸，而應是一項開發(fā)人類大腦智能的生物學工程，是對人腦約860億神經元和約100萬億突觸聯(lián)接的生理性系統(tǒng)重塑。教育者所有的活動設計、師生互動以及環(huán)境創(chuàng)設等，本質上都是為了優(yōu)化學習者大腦的智能系統(tǒng)。在“為生活而學\"這一目的的指引下，教育的焦點需要從訓練大腦處理低階認知任務，轉向開發(fā)大腦的高階智能，為個體實現(xiàn)終身發(fā)展與幸福生活奠定堅實基礎。

（四）智能開發(fā)再聚焦：“世界模型\"建構是人類智能的基石

教育的本質在于對大腦的智能開發(fā)，那么智能開發(fā)的產物是什么？認知科學、人工智能等領域的研究共同指向了“世界模型”。早在計算機出現(xiàn)之前，心理學家就提出思維發(fā)展的核心是在內部心智中模擬外部現(xiàn)實的能力，這個內部模型讓人類可以預測行動的后果。比如，1943年，克雷克（CraikK）主張，人類在頭腦中會形成反映現(xiàn)實的“小規(guī)模模型\"（Small-scaleModels），并運用它們來預測事件、進行推理。這一理念在后來的認知心理學中演化為“圖式”（Schema）[17]以及“心智模型\"（MentalModels）[8]等，這些概念在內涵上都指向大腦構建一個關于外部世界如何運作的內在表征。在人工智能領域，“世界模型”的概念可以追溯到明斯基（Minsky M）在20世紀70年代提出的“框架系統(tǒng)”，指人腦在理解新情境和處理視覺信息時，并不是從零開始，而是從記憶中調取一個預設好的結構框架進行分析[19]。2018年，哈（HaD）等人提出了一種基于神經網(wǎng)絡的隱性模型，明確使用并普及推廣了“世界模型\"這一術語[2]。從楊立昆（LeCunY）提出“通往通用人工智能的路徑，關鍵就在于讓機器構建‘世界模型’”的主張[到OpenAI推出的Sora模型[22]，可以看出，無論是理論倡導還是技術實踐，人工智能領域正在借鑒認知科學的理念，試圖建立能夠模擬、預測物理世界并與之互動的\"世界模型”。

人腦并非一塊白板，數(shù)百萬年的進化塑造了大腦的結構和功能，人類智能相較于人工智能的核心優(yōu)勢在于，人腦不僅可以識別模式，還能舉一反三，理解事物背后的因果關系和物理法則23]。坦嫩鮑姆（Tenenbaum J）的研究表明，人類智能可以“以少知多”，從有限且龐雜的數(shù)據(jù)中構建因果模型，形成抽象能力[24]?？死耍–larkA）的“預測性加工\"理論也強調，大腦不是一臺被動接收外界信息的裝置，而是不斷運作的“預測機器”，它會使用已有模型對外部世界展開預測，再將預測與實際感官輸入的信息進行誤差比較，從而更新和優(yōu)化大腦的內部模型2。預測誤差不僅在大腦的感覺皮層產生，還會在大腦的其他區(qū)域，如高級聯(lián)想?yún)^(qū)和前額葉等進行協(xié)同處理，從而構建大規(guī)模的神經網(wǎng)絡以優(yōu)化感知和學習[2?？梢?，“世界模型\"本質上是一個動態(tài)生成的表征系統(tǒng)，它整合了多通道感官輸人與個體已有的先驗知識，構建并不斷優(yōu)化關于外部世界、自我以及兩者交互關系的內在模擬。這個模擬不僅是對現(xiàn)實世界的簡單復刻，更具備因果推斷、預測執(zhí)行等核心能力，模型的復雜性、準確性和自適應性影響了人類個體智能的廣度與高度。

三、以建構“世界模型\"為核心的課程內容變革

課程內容是學習者建構“世界模型\"的直接“原料”。智能技術變革知識的內涵、類型、載體、生成方式、傳播方式與受眾群體2，迫使我們必須重新審視“學什么\"這一根本問題。人工智能時代“學什么\"比“怎么學\"更重要，“怎么學\"與“學什么\"密切相關，我們需要將課程內容指向建構一體化、個性化、動態(tài)迭代的\"世界模型”

（一）建構一體化\"世界模型\"需從“條塊分割\"轉向“整體關聯(lián)”

真實世界是一個高度整合、萬物互聯(lián)的多層次、多結構的完整系統(tǒng)。辯證唯物主義認識論強調，知識是從人類學習、實踐中獲得并經過系統(tǒng)總結和提煉，以反映客觀事物本質屬性及其內在聯(lián)系的規(guī)律性[28]。從認知科學的視角看，大腦并不是接收孤立的感官數(shù)據(jù)，而是通過多個相互關聯(lián)的認知過程，積極地構建一個整合的內部模型來解釋、預測環(huán)境并與之互動[29]?，F(xiàn)代課程體系面臨一個深刻的悖論，即我們試圖用高度“條塊分割\"的知識體系去幫助學生理解一個本質上“整體關聯(lián)”的世界。這種錯位導致學習者即使掌握了海量事實，也難以形成有效的推理與規(guī)劃能力，這就如同“盲人摸象”，無法拼湊出世界的全貌。

“條塊分割\"的課程邏輯并不是天然如此，而是特定歷史時期的產物。為維系和鞏固社會秩序，中國西周時期形成“禮、樂、射、御、書、數(shù)\"六藝教育體系。始自古希臘，并在中世紀歐洲大學成為核心課程的“七藝”—文法、修辭、辯證法、算數(shù)、幾何、天文、音樂的產生源于對解放思想、鍛煉理性的追求。自17世紀夸美紐斯提出“百科全書式\"的課程主張以來，日漸精細劃分的學科與工業(yè)社會追求生產效率的邏輯牢固綁定，形成以“泰勒制\"為內核的“工廠式教育”。學校被異化成為一條高效的生產線，各個學科成為獨立的工序，分別從不同領域向學習者輸送標準化的“知識零件”。久而久之，學習者的思維模式就會被互不關聯(lián)的離散認知盤根錯節(jié)地固化，不能形成對復雜問題的整體性認知。20世紀初，杜威等進步主義教育家對此提出了激烈的批判。杜威強調教育應源于真實經驗，真實經驗從來都不是分科的，學?？颇肯嗷ヂ?lián)系的真正中心不是科學、文學或地理，而是兒童本身的社會活動[30。皮亞杰的認知發(fā)展理論也主張，個體是通過同化與順應不斷建構和完善內部的認知圖式，當知識以碎片化形式輸入時，學習者難以發(fā)現(xiàn)潛在的關聯(lián)，也就不能將新信息有效同化到現(xiàn)有圖式中，更難以建構起具有高度組織性的復雜圖式，最終儲存的只是一堆零散的事實，而不是一個有機的認知模型。

面對人工智能時代對人才的需求，打破課程的“條塊分割\"已成為共識。這并不意味著要全盤否定分科教學，而是對學科進行縱向深耕的同時，加強橫向的\"融合\"與“均衡”。一方面，要打破學科壁壘，從“知識點拼盤\"轉向“問題式整合”。學習是零存整取、碎片重構的過程3。課程內容與組織方式應真正服務于培養(yǎng)學生的整體思維。德雷克（DrakeSM）等認為，“整合\"課程包括多學科、跨學科和超學科三種整合程序不同的形式[32，建議采用后兩者的形式組織課程。第一層次是“多學科”，它像一個“水果拼盤”，各個學科的知識被并置在一起，學科之間的界限依然分明。比如開展“工業(yè)革命\"相關的主題活動時，歷史老師講授社會變革，物理老師講授蒸汽機原理，學生是從不同學科視角看待同一主題，但各學科知識依然是獨立存在的。第二層次是“跨學科”，它猶如一杯\"混合果汁”，不同學科通過共同主題開始交融。比如歷史老師不僅會教授歷史知識，還會主動引入蒸汽機原理、地理資源分布等，幫助學生在知識的關聯(lián)中感知世界的整體性。最高層次是“超學科”，它從現(xiàn)實世界的復雜問題出發(fā)，將不同學科的知識、方法和工具進行重組再造，形成解決問題的新框架。比如將工業(yè)革命引發(fā)的環(huán)境或社會問題作為起點，引導學生設計一個既能滿足現(xiàn)代經濟發(fā)展需求，又能實現(xiàn)環(huán)境友好和社會公平的未來城市。學生的目標不再是簡單地學習或回答歷史或地理知識，而是將孤立的“知識點\"編織成一張解決真實問題的“認知網(wǎng)”，最終構建出一個能夠應對復雜問題的解決方案。另一方面，要實現(xiàn)認知均衡，從“工具理性\"走向與“價值理性\"的統(tǒng)一。“世界模型”不僅包含理性的邏輯與事實，也需要感性的直覺、審美和情感體驗等。受實用功利主義、應試壓力等方面的影響，我們的課程體系長期存在著重左腦、輕右腦的“偏食\"傾向，如將語、數(shù)、英等劃為主科，音、體、美等劃為副科。諾貝爾獎得主斯佩里（Sperry RW）的裂腦研究早已證明，完整思維活動是左右腦通過胼胝體協(xié)同工作的結果[33]，如果過于偏重一側，不僅會使其負擔過重，還會有損完整思維的發(fā)展。因此，“一體化\"的“世界模型\"必須建立在全腦均衡發(fā)展的基礎之上，藝術、體育等課程不應只是主科學習后的消遣或點綴，而應是開發(fā)完整大腦智能、構建完整“世界模型”的剛性需求。

（二）建構個性化\"世界模型\"需從“外部復制\"轉向\"內部映射”

如果說一體化是“世界模型\"的結構特征，那么個性化就是其本質屬性。在認知心理學的視域中，知識并非一種獨立于認知主體的客觀存在，等待被學習者發(fā)現(xiàn)，而是在認知主體與環(huán)境的交互作用中，通過個體獨特的認知框架主動建構而成的[3，是由學習者主動\"發(fā)明\"而來的。每個個體都有獨一無二的已有經驗、價值信念、文化背景和認知風格等，它們共同構成了無法復制的個人世界。因此，個體用以解釋、預測并駕馭現(xiàn)實的\"世界模型”，本質上并非對外部世界的客觀表征，而是一種高度個人化的主觀映射。教育的核心目標不是將一個標準化的、外在的“正確模型\"移植給學習者，而是要支持每個學習者自主建構“個人模型”

當前主流的課程范式在邏輯上受到客觀主義認識論的深刻影響，主張知識具有確定性和穩(wěn)固性，可以通過教學被完全傳遞。弗萊雷（FreireP）曾批判此模式為“囤積式教育\"（BankingModelofEducation）7]。在這種模式下，教師的作用是將“正確\"答案單向度地傳遞給被視為空容器的學生頭腦中，學生的任務是將標準答案盡可能準確地“復印\"到大腦中，其有效性則體現(xiàn)為通過標準化測驗的方式來評估學生對“囤積\"知識的復現(xiàn)程度。有些教師甚至會將學習者獨特的視角和經驗視為影響教學進度的干擾，人為地切斷了知識與個體生命經驗之間的內在關聯(lián)，容易產生懷特海提出的“惰性知識”，即學生能夠記憶和復述信息，卻無法在新情境中有效地遷移和應用。

要打破“囤積式\"教育的桎梏，課程需要在內容組織與決策兩個層面進行變革。一方面，內容組織應實現(xiàn)從“結論供給\"向“探究導向\"的轉變。課程內容應減少對既定事實或標準答案的直接呈現(xiàn)，提供能激發(fā)深度思考的真實問題或具有爭議性的話題。教師提供可供自主選擇的豐富學習資源，支持學生根據(jù)個人興趣、經驗和認知特點進行個性化的探索表達。同時，學生在社會性協(xié)商的過程中，能夠認識到個人視角的局限性，從而重塑起一個更具包容性的\"世界模型”。另一方面，課程決策從“專家主導”向“多元共建\"轉變。傳統(tǒng)“自上而下\"模式強調由專家或行政人員進行課程設計，師生處于被動接受的地位。個性化“世界模型\"的建構，要求課程決策過程本身具有參與性與民主性。教師作為連接教學模式與學生認知的關鍵行動者，其專業(yè)判斷對于提升課程的適切性與有效性至關重要，教師參與課程決策可以確保課程目標的有效，并制定更適宜的個性化教學策略[38。學生參與課程決策則是一種更深層次的賦權?！堵?lián)合國兒童權利公約》第12條提出，“確保有主見的兒童有權對影響到其本人的一切事項自由發(fā)表自己的意見，對兒童的意見應按照其年齡和成熟程度給予適當?shù)目创齖"[39]，課程活動無疑是“影響到兒童本人\"的關鍵事項，學生有權就課程如何設置、內容是否適切、學習方式是否有效等問題發(fā)表自己的看法。這種參與權的賦予本身就是一種寶貴的元認知活動，對于提升學習動機、與教師積極合作以及學習成果達成都具有積極影響[40]。

（三）構建迭代化“世界模型\"需從“靜態(tài)傳遞\"轉向\"動態(tài)演化”

“世界模型\"是否強大不僅要看當下的理解力和執(zhí)行力，更要看其面對新經驗時不斷進行自我修正的潛力。科學哲學家波普爾（PopperK）提出的批判理性主義，主張科學知識的增長處于一個猜想與反駁的無限循環(huán)中，人類提出理論假設，繼而用經驗證據(jù)去檢驗，一旦發(fā)現(xiàn)矛盾便修正或推翻原有理論，進而提出更具有解釋力的猜想[4]。這一宏觀的知識發(fā)展圖景，在個體的認知層面也遵循同樣的邏輯，即個體大腦中用以理解世界的心智模型不是一旦構建完成就固化不變的靜態(tài)系統(tǒng)，而是一個在與現(xiàn)實的持續(xù)對話中不斷更新、重構的動態(tài)發(fā)展系統(tǒng)。這一動態(tài)機制本質上源于我們大腦所具有的生物學特性。神經發(fā)展心理學家認為，大腦可以被環(huán)境或經驗所修飾，具有在外界環(huán)境和經驗的作用下不斷塑造其結構和功能的能力[42。大腦能適應環(huán)境的不斷變化，倘若沒有可塑性，我們就沒有學習和獲取新知識的能力[43]。

傳統(tǒng)課程組織模式主要表現(xiàn)為一種“線性序列”結構，學習內容被切分成獨立的章節(jié)按固定順序依次呈現(xiàn)，學習過程被簡化為一種單向的、累加式的知識傳遞。一旦某個章節(jié)學習和測驗完畢，知識傳送帶便徑直前行，很少有機會讓學習者進行回溯、反思和重構。這種模式背后的認識論假設是，知識可以被一次性地完美接收，這極大地阻礙了學習者對其“世界模型\"進行深度的、循環(huán)式的迭代優(yōu)化。為使課程設計與模型發(fā)展相協(xié)同，布魯納（BrunerJS）提出的螺旋式課程理論為我們提供了一個思考框架，即任何學科的基本思想都可以以某種形式傳授給任何發(fā)展階段的任何人，課程內容應圍繞核心概念和基本結構，在不同學段以不同的深度、廣度、復雜度反復出現(xiàn)[44]

要支持“世界模型\"的迭代，課程內容應不再是一條線，而是一個學生可以反復進人、從不同維度進行探索的立體空間。一方面，建立“縱向螺旋”，促進跨學段的連續(xù)建構與深化。課程體系應具備連貫的頂層設計，如學前階段，重點在于為“世界模型\"奠定直覺感性的基礎。課程內容要最大化地支持以游戲和生活為載體的自然認知過程[45]，如幼兒可以通過搭積木直觀地理解平衡和模式，由此構建起關于重力、穩(wěn)定性和三維空間的“物理模型”。通過角色扮演游戲，在同伴互動、沖突解決的過程中初步構建關于社會規(guī)則或他人想法的\"社會模型”。中小學階段，重點在于整合離散概念，構建核心認知框架。課程應注重整合教學和主體探究，支持學生將不同學科學習到的知識點進行連接重組，形成對世界更為系統(tǒng)化的理解。大學階段，可以通過專業(yè)研究和社會實踐，深人探索特定領域的復雜性，大幅提升“世界模型\"的深度與精度。職業(yè)或終身學習階段，可以基于真實的任務驅動，不斷應用、反思已有模型，在解決實際問題的過程中實現(xiàn)模型的持續(xù)迭代。另一方面，嵌人“橫向循環(huán)”，發(fā)揮實踐與反思的交互作用。僅有縱向的螺旋式內容可能不夠，真正的迭代發(fā)生在每一次學習的內部循環(huán)中。舍恩（SchonD）提出“反思性實踐者\"的理念，強調專業(yè)的成長源于在行動中反思（Reflection-in-action）與對行動的反思（Reflection-on-action）[4]。比如，組織項目活動時，可以引導學生進入一個結構化的反思流程，而不僅僅是展示成果。如引導學生反思“我最初的假設是什么？實際過程與預期有哪些偏差？我是如何調整策略的？我的哪些觀念被挑戰(zhàn)或得到更新\"等問題，將課程從知識的學習場轉化為模型的迭代場，使學生不僅習得知識與技能，更重要的是掌握監(jiān)控、調整和優(yōu)化自身認知結構的元認知能力，而這正是應對不確定未來的核心素養(yǎng)。

四、以回歸“場景學習\"為載體的課程形式變革

課程內容的重構最終必須通過課程形式的轉型來實現(xiàn)。國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》明確指出，要利用智能技術加快推動人才培養(yǎng)模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系[4。人工智能正在給教育帶來多層面、多向度和多樣態(tài)的影響，我們必須立即采取有針對性的策略，加快推進數(shù)字教育研究，建構新的教育形態(tài)[48]。

（一）場景學習是人類構建\"世界模型\"的元方式

探討未來需要回溯源起。人類學習天生具有多模態(tài)、具身化且情境化的特點。遠古的孩童認識果實，不是通過聆聽抽象的口頭語言講解或閱讀書面語言的定義，而是通過視覺、觸覺、嗅覺和味覺等多感官通道整合信息。學習者在真實場景中經過直接感知、實際操作和親身體驗，才能建立起一個穩(wěn)固立體的認知模型。這種對于學習方式的樸素理解，在當代認知科學和社會學中也可以得到理論闡釋

傳統(tǒng)認知科學受笛卡爾心物二元論影響，將心智視為獨立于身體的類似計算機的符號處理系統(tǒng)。以拉科夫（LakoffG）為代表提出的具身認知理論顛覆了這一觀念，強調認知不是大腦中孤立的抽象活動，即使是最抽象的概念，其根源也來自身體經驗。例如，用來描述人際關系親密或者疏遠的術語代表的是身體感知到的物理空間距離[49]。施瓦茨（SchwartzDL）還強調空間表征不同于語言、概念、邏輯等表征形式，基于空間和時間經驗的心像（MentalImagery）是科學思維的核心，而心像的運作方式是基于人類的“知覺一運動”系統(tǒng)[50]

社會文化維度也對傳統(tǒng)教育的“去情境化\"提出質疑。拉夫（LaveJ）與溫格（WengerE）的“情境學習\"理論強調，個體學習本質上是一個從“合法的邊緣性參與”逐漸融入實踐社群的社會化過程，去情境化的知識是脆弱且難以應用的[5。這有力地解釋了古代工匠的師徒傳承和現(xiàn)代醫(yī)科學生的臨床實習等具有不可替代的教育作用，因為學習者通過在真實場景的觀察、實踐和互動，內化了無法言傳的內隱知識。可見，無論從個體認知的發(fā)生學，還是從知識傳承的社會學角度來看，人腦智能的訓練都需要依賴于真實場景中的感知與行動，脫離具體場景建構的“世界模型”無異于無源之水、無本之木。

（二）語言文字打破時空壁壘但建立新束縛

既然場景學習是認知的元方式，為何課程走向了以文本符號為主要載體的形式？這是因為感性經驗具有瞬時性與個體性，難以直接記錄并跨越時空進行大規(guī)模、低成本的存儲和傳播。為了克服這一障礙，人類發(fā)明了語言與文字，對多模態(tài)的世界信息進行“降維壓縮”，人類文明因此得以積累和傳承。但這種壓縮是一把雙面刃，在打破時空壁壘的同時，無形中也建立了新的認知束縛。比如，當一個色香味形俱全的果實被壓縮為“蘋果”一詞時，傳播效率雖然得到指數(shù)級提升，但犧牲了整體的感官體驗信息，特別是波蘭尼（PolanyiM）所言的植根于個人經驗、難以被言語窮盡的內隱知識的獲得將大打折扣[2]

當學習者面對以語言文字為載體的課程內容時，需要調用內在的“世界模型\"去“解壓\"這些文字，在大腦中重建文字背后所代表的真實場景。如果學習者缺乏相關的先驗知識與經驗，文字在他們眼中就只是一堆孤立、抽象的符號，從而造成“解壓\"困難，甚至產生誤解，這不僅會造成巨大的認知負荷，也會讓學習過程變得無趣[53]。這就解釋了為什么很多學生覺得課本或老師的講授枯燥乏味，因為他們很難將書面語言與生動的真實世界建立連接。

不管學生的思維達到了怎樣的發(fā)展水平，也不管他們研究了哪些復雜的理論問題，他們都不應該脫離具體的事實和形象。正如馬克思強調的，邏輯的發(fā)展完全不必限于純抽象的范圍，相反，它需要歷史的例證，需要與現(xiàn)實不斷接觸[54。金奇（KintschW）的情境模型理論也強調，真正的文本理解分為兩個層次：淺層的文本基礎，即理解字詞和句子的表面意思；深層的情境模型，即讀者調用自身的背景知識，與文本信息相結合，在大腦中構建一個關于文本所描述事件的、生動的多維心智表征[55]。傳統(tǒng)教育模式往往默認學生擁有足夠的背景經驗來獨立完成從文本譯碼到情境建構這一高難度的認知飛躍，當這一默認前提不成立時，知識的傳輸鏈路便會中斷。

（三）數(shù)字技術有效支撐“場景學習\"形式回歸

縱觀教育發(fā)展史，一種深刻的矛盾始終貫穿其中：一方面，教育家們普遍認同源于直接經驗的學習最為深刻有效；另一方面，教育的規(guī)?；瘜嵺`不得不高度依賴去情境化的符號系統(tǒng)。在有限條件下，場景學習的推行面臨著重重困難。要在課堂中真實還原工廠、歷史遺跡等復雜場景，成本高昂并且安全風險難以控制。如果降低成本，簡化的場景模擬又往往無法提供沉浸式的體驗。面對規(guī)?；逃凝嫶笮枨?，依賴文本與講授的符號傳遞系統(tǒng)成為一種歷史性的妥協(xié)?？梢哉f，這是一種“非不為也，是不能也\"的教育困境。

以人工智能、虛擬現(xiàn)實（VR）增強現(xiàn)實（AR）等為核心的數(shù)字科技浪潮，正在為破解這一長達數(shù)世紀的兩難困境提供可能。虛擬現(xiàn)實具有的沉浸感、交互性、構想性和智能化等特征5，有助于開展體驗式和場景式學習，打破傳統(tǒng)課堂中“教師講、學生聽\"慣性思維，延伸實驗教學的時空，增強學生多模態(tài)的學習體驗。比如，學生可以“走進\"熱帶雨林近距離觀察動植物的形態(tài)，可以“進人”一個細胞內部觀察線粒體如何工作，可以“穿越”歷史場景沉浸式理解古詩中的意境，可以安全地進行高危環(huán)境下的模擬實驗。技術的賦能使我們有條件對課程形態(tài)進行重塑，促使我們能夠以低成本、有組織的方式，大規(guī)模地回歸到最本真的場景學習。

我們需要像過去研制教材一樣重新思考和建構未來的課程形態(tài)與載體。一是重塑課程形態(tài)，從“靜態(tài)教材\"向“動態(tài)體驗場\"轉變。課程不再局限于固化的書本，而是可交互、多模態(tài)的學習情境與仕務。這要求教育者從“照本宣科者\"轉變?yōu)椤皩W習體驗設計師”，善用虛擬模擬、擴增實境與互動軟件等工具，將抽象概念轉化為可供探索的場景。比如，一家丹麥公司為全球高中及大學提供超過300種高度擬真的虛擬科學實驗，學生可以透過VR頭盔等工具，在一個安全的環(huán)境中進行學科實驗。實驗結果還表明，與僅僅使用電腦桌面相比，使用VR進行實驗的學生能夠體驗到更高的臨場感，展現(xiàn)出更濃厚的興趣，獲得了更好的學習成果。二是實現(xiàn)個性化支持，從“粗放供給\"向“智能引導\"轉變。僅僅提供豐富的場景可能不足以支持有效學習，反而可能導致學習者注意力分散。人工智能技術可結合大數(shù)據(jù)技術為場景學習裝上“智能大腦”，確保場景發(fā)揮最大效能。如人工智能可以通過分析學生的互動數(shù)據(jù)、探索行為等，即時判斷學生的學習進度和理解程度，動態(tài)調整場景呈現(xiàn)方式，提供個性化的學習反饋，智能推薦相關資源，實現(xiàn)“即需即學”，確保每位學生都能在“最近發(fā)展區(qū)”內獲得適宜的挑戰(zhàn)與支持。三是構建自然認知路徑，從“單向灌輸\"轉向“交互閉環(huán)”。技術支持下的場景學習可以模擬人類從具體到抽象的認知路徑。首先，學生在教師的引導下，通過VR、AR等多模態(tài)體驗在大腦中建立直觀感性的認識、產生困惑和初步假設。其次，教師扮演“引導者\"的角色，組織學生進行小組討論或個人反思，分享各自在場景中的發(fā)現(xiàn)。教師在此階段適時提供“認知支架”，如引導性問題、關鍵概念、相關理論閱讀材料等，幫助學生將零散的感性經驗提煉、總結為結構化的知識和模型。最后，在學生形成初步的理論模型后，教師需要作為“評估者\"和“挑戰(zhàn)者”，提供一個與初始場景相關但更為復雜或全新的問題。學生運用上一階段建構的知識模型來解決新問題，從而檢驗和鞏固所學。通過三階段路徑設計，技術不再是孤立的工具，而是被整合進一個完整的教學閉環(huán)中，在教師和智能技術的雙重支持下，主動地完成從體驗到理解，再到創(chuàng)造性應用的深度學習過程。當然，我們也需要警惕技術帶來的風險，在擁抱技術帶來課程范式轉移機遇的同時，建立與之匹配的倫理規(guī)范與引導策略，確保技術始終是達成教育目標的工具，而非目標本身。

五、結束語

目前，人工智能因其非具身的本質特征，在建構“世界模型”上還存在較大挑戰(zhàn)。與此同時，我們現(xiàn)行的課程體系在很大程度上仍沿襲工業(yè)時代的知識傳遞范式，忽視了對人腦—這一最強大的“世界模型”建構引擎一一的系統(tǒng)性支持與開發(fā)。未來教育的核心競爭力在于，正視并發(fā)揮人腦與生俱來的、通過多感官互動建立“世界模型\"的絕對優(yōu)勢。課程需要真正擺脫靜態(tài)知識傳遞局限，轉為一種賦能個體持續(xù)建構“世界模型\"的動態(tài)過程。在建構過程中，人工智能給予了我們一個前所未有的機會，即擺脫對文字媒介的單一依賴，系統(tǒng)性地創(chuàng)造場景化的學習體驗，回歸人類與生俱來的多模態(tài)學習天性。人工智能不應僅僅被視為課程變革的點綴，而是賦能“場景化學習”通往“世界模型\"建構的關鍵路徑。重構以此為核心的課程邏輯和形態(tài)，我們才能真正有效地開發(fā)大腦的智能，讓教育回歸育人本質。當然，變革無法一蹴而就，課程邏輯轉向是一項系統(tǒng)工程，不僅面臨著教師能力重塑的壓力，也考驗著改革現(xiàn)有教育評價體系的決心，更會觸及城鄉(xiāng)、區(qū)域間教育資源不均的深層矛盾，政策的頂層設計、實踐的積極探索與社會的共識需要協(xié)同推進，才能尋找到切實可行的解決方案。

[參考文獻]

[1]UNESCO.sotialIteigdaio].].ps：/do ark：/48223/pf0000368303.

[2]中共中央，國務院.中共中央 國務院印發(fā)《教育強國建設規(guī)劃綱要（2024—2035年）[EB/0L].（（2025-01-19）[2025-07-09].https： //www.gov.cn/zhengce/202501/content_6999913.htm.

[3] HARARI Y N.21 lessons for the 21st Century[M]. London：Penguin Random House，2019：209.

[4]王學男，李永智.人工智能與教育變革[J].電化教育研究，2024，45（8）：13-21.

[5]MCCARTHYJ，MINSKY ML，ROCHESTERN，etal.Aproposal fortheDartmouth summerresearch projectonartificial intelligence[J]. AI magazine，2006，27（4）： 12-14.

[6] RUSSELLS，NORVIGP.Artificial intellgence：a moder approachM]. UpperSaddle River：Prentice HallPress2016：2.

[7]HARARIYN.Nexus：abriefhistoryofinformationnetworksfromthestoneagetoAI[M].NewYork：PenguinRandomHouse， 2024：286.

[8]TeEconomicTesSpiensauthoruvalNoahHarariwasboutthseoftonomousiteligence：Aisnotolitisan agent[EB/O].（2-23）9].htps：/coomictis.indiatimesco/magaies/anachesapisutoruvaloa harari-wasaboutthsof-utonomosnteligenci-isnot-a-tool-itsanagent/articlesho/96458csfrodr.

[9]RUSSELLSnpatialitellgdoolJ]aloedsips， 2）：192-194.

[10]郝祥軍，顧小清.從交互到交往：人機協(xié)同認知的形態(tài)演進與未來審思[J].電化教育研究，2025，46（7）：33-40.

[11WorldEcooicForu.efuureofjobrept225[EB/L].（5-7）9].htps：//ww.weforumo/ubicatio the-future-of-jobs-report-2025/digest/.

[12]李永智，安德烈亞斯·施萊歇爾.人工智能時代的教育圖景與憂思[J].全球教育展望，2024，53（4）：43-52.

[13]顧小清，胡藝齡，郝祥軍.AGI臨近了嗎：ChatGPT熱潮之下再看人工智能與未來教育發(fā)展[J].華東師范大學學報（教育科學 版），2023，41（7）：117-130.

[14]COCHD，btsisucialoigrosceducaJe，47.

[15]ZATORRE RJ，F(xiàn)IELDS RD，JOHANSEN-BERG H.Plastityin grayand white： neuroimaging changes inbrain structureduring learning[J]. Nature neuroscience，2012，15（4）：528-536.

[16] JOLLESDD，CRONEEA.Trainingthedevelopingbrain：aneurocognitiveperspective[J].Frontiersinhumanneuroscience， 2012，6（76）：1-13.

[17] PIAGET J. The child's conception of number[M].London： Routledge amp; Kegan Paul，1952：88.

[18]JOHNSON-LIRDPN.Mentalmodels：towardsacognitivescienceoflanguage，inference，andconsciousness[M].Cambridge： Harvard University Press，1983：10.

[19]MINSK.AfrmeokforeprsenigowdgEO.（1974）9].ps：/spce.dudle689.

[20]HAD，SHBERReurrtorldodelsfcilitateolicyevolutio[J].dvancs iuralinfoatioproessnte 2018（31） ：2450-2462.

[21]LECU.ApathowadsuoousmacheintellgeeB/L.（27）9].hps：//penviewef BZ5a1r-kVsf.

[22]OPENAI.Videogenerationmodelsasworldsimulators[EB/OL].（024-02-15）[05-9].hps：/openaicom/index/video generation-models-as-world-simulators/.

[23]DEHAENS.Howwelearn：whyrainslearbeterthananymacine..frnowM].London：enguinRandomHouse，：2-29.

[24]TENENBAUMJB，KEMPC，GRIFFITHS TL，et al. How to growamind：statistcs，structure，andabstraction[J].Science， 2011，331（6022）：1279-1285.

[25] CLARKA.Surfinguncertainty： prediction，action，andtheembodied mindM].NewYork：OxfordUniversityPress，016：25-28.

[26]CHO Z C，TAKAURA K，WANGL，etal.Large-scalecortical networksforherarchical predictionand predicion error inth primate brain[J]. Neuron， 2018，100（5）：1252-1266.

[27]劉德建，曾海軍.智慧教育：政策·技術·實踐[M].;科學出版社，2023：8.

[28]何克抗.也論“新知識觀\"——到底是否存在\"軟知識\"與\"硬知識\"[J].中國教育科學，2018，1（2）：36-44，137.

[29]MACKENZIEM.Theyogcarathoryoftreenatures：internalstandnon-dualistinterpretations[J].Comparativephilosoph， 2018，9（1）：18-31.

[30]杜威.杜威教育論著選[M].趙詳麟，王承緒，譯.上海：華東師范大學出版社，1981：6.

[31]王竹立.新知識觀;重塑面向智能時代的教與學[J].華東師范大學學報（教育科學版），2019，37（5）：38-55.

[32] DRAKESM，BURNSRC.綜合課程的開發(fā)[M].廖珊，黃晶慧，潘雯，譯.：中國輕工業(yè)出版社，2007：8-18.

[3]SPERRYRW. Hemisphere deconectionandunityinconscious awarenes[J]. American pschologist，1968，23（1）：72-733.

[34]鄭太年.知識觀·學習觀·教學觀——建構主義教育思想的三個層面[J].全球教育展望，2006，35（5）：32-36.

[35]DEVRIESR.Vygotsky，iaget，andeducationarciprocalasiilationof teorsandeducationalpractics[J].Newideasin psychology，2000，18（2-3）：187-213.

[36] 劉儒德.建構主義：知識觀、學習觀、教學觀[J].人民教育，2005（17）：9-11.

[37] FREIRE P. Pedagogy of the oppressed[M]. New York： Continuum，2000： 12.

[38]ALSUBAIE MA.Currculumdevelopment：teacher invlvement incurculumdevelopment[J].Joualofeducationandpractice， 2016，7（9）：106-107.

[39]UNICEF.CoventionthhtsoftecEB/L].（989-1-2）9].htps：//wunef.g/hidghoe

[40] BEKAR E，SKOGHA，BOKRANTZJ. Invovingstudents inengineringcoursedesig：acombined approachbasedoncostructive alignment and multi-criteria decision-making[J]. European joumal of engineering education， 2O23，49（4）：647-666.

[41]POPPER K. Conjectures and refutations：the growth of scientific knowledge[M].London：Routledge，1963：47-48.

[42]楊雄里.腦科學和素質教育芻議[J].教育理論與實踐，2002（2）：1-10.

[43]郭愛克.從研究腦的發(fā)育和可塑性來揭示腦與智力和創(chuàng)造性的關系——“973”基礎前沿項目“腦發(fā)育和可塑性基礎研究” （2000～2005年）[J].生命科學，2006（1）：15-17.

[44] BRUNER JS. The process of education[M]. Cambridge： Harvard University Press，1960：33.

[45] GOPNIKA，OGRADYS，LUCAS CG，etal. Changes incognitive flexibilityand hypothesissearch acrosshuman lifehistoryfrom childhood toadolescence toadulthood[J].Proceedingsofthenationalacademyofsiences，2O17，114（30）：7892-7899.

[46] SCHON D A. The reflective practitioner： how professionals think in action[M].London： Routledge，2017：277.

[47]國務院．關于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]．（2017-07-20）[2025-06-09].htps：//ww.gov.cn/zhengce/content/ 2017-07/20/content_5211996.htm.

[48]李永智.教育如何面對人工智能的挑戰(zhàn)[J].現(xiàn)代教學，2024（10）：1.

[49]LAKOFF G， JOHNSON M. Metaphors we live by[M]. Chicago： University of Chicago Press，1980：18-19.

[50] SCHWARTZ DL，HEISER J，TODEROV B. Spatial representationsand imagery in learing[C]/SAWYER R K.TheCambridge handbook of the learning sciences. Cambridge：Cambridge University Press，2OO6：283-298.

[51]LAVEJ，WNGERE.Siatedleaing：legitiateperiphralparticipatio].CambidgeCambridge UniversityPres，9：9.

[52] POLANYI M. Sense-giving and sense-reading[J]. Philosophy，1967，42（162）：301-325.

[53]SWELLERJ.Cognitiveloadduring problemsolving：efectsonlearing[J].Cognitivescience，988，12（2）：257-285.

[54]馬克思.政治經濟學批判[M].徐堅，譯.：人民出版社，1955：183.

[5]KINTSCHW.Theroleofknowledgeindiscoursecomprehension：aconstruction-ntegrationmodel[J].Psychologicalreview， 1988，95（2）：163-182.

[56]沈陽，逐行，曾海軍.虛擬現(xiàn)實：教育技術發(fā)展的新篇章——訪中國工程院院士趙沁平教授[J].電化教育研究，2020，41（1）：5-9.

[57]MAKRANSKY G，TERKILDSEN TS，MAYERRE.Adding immersive virtualreality toa science lab simulationcausesmore presence，interest，andleaing：arndomizedcotroledexperiment[J].Educational technologyresearchanddevelopment，9，67 （6）：1341-1363.

Curriculum Logic in the Age of Artificial Intelligence： World Models and Scenario-based Learning

LI Yongzhi， SUN Qiangqiang， WANG Yuguo （China National Academy of Educational Sciences，Beijing 1O0088）

[Abstract] Artificial inteligence is profoundly changing the social production，lifestyle and talent demand patterns，posing a fundamental challenge to the traditional curriculum logic centeredon knowledge transmission and discipline -based frameworks.This challenge is driving the purpose of education from \"preparation for production\" toward \"preparation for life\". The essence of education lies in the development of brain intelligence，and the cornerstone of human intellgence is the construction of a \"world model\".The fundamental logic of the curriculum should shift toward supporting learners in building an integrated，personalized and iterative internal \"world model\".To this end，the curiculumcontent needs to achieve a triple transformation from \"fragmentation\" to \"holistic association\"，from \"external replication\" to \"internal mapping\"，and from \"static transmission\" to \"dynamic evolution\".\"Scenario-based learning\" is the best path to construct a \"world model\".In the past， education systems，constrained by the demand for large-scale talent cultivation，over-relied on the language and writing system.The current digital technologies with artificial inteligence as the core provide the possibility of returning to authentic and effective scenario-based learning， and also point the way for future transformations of curriculum forms.

[KeyWords] Artificial Intelligence; World Model; Curriculum Content; Curriculum Form; Scenariobased Learning