从人工智能大模型看教育的认知鸿沟
人工智能大模型是通过词嵌入、Transformer、Stable Diffusion等技术对大量数据进行预训练学习，从而具备根据用户提示语生成文本、代码、图像甚至视频的能力。截至2023年底，ChatGPT在发布一年后，就获得了约1个亿的周活跃用户，与此同时，百度文心一言的用户量也已突破1亿。人工智能大模型在教育领域也掀起了新一轮的探索与实践，如清华大学从2024年春季开始，有5门课程使用大模型技术的“智能助教”。基础教育领域相关话题同样引人关注，2023年高考后的人工智能挑战高考试题测试中，ChatGPT-3.5模型对新高考英语1卷20题的得分率达到了95%，文心一言对新高考数学1卷10道题的得分率达到了70%。但是，多数尝试和探索还是在保持现有教学体系框架思路不变的条件下进行的，对于学生能否与人工智能合作思考、借助人工智能完成作业甚至将人工智能评测作为学业评价依据等问题的看法，目前尚存在较大的争议。
数字教育从早期的多媒体使用到当下智慧教育的全面覆盖，受益更大的群体是教师，即显著提升了教师的教学生产力。目前，许多学者探讨了人工智能大模型如何提升课堂效率的话题，如AI帮助教师启发教学思路、编写教学大纲、创新教学内容，甚至参与课堂教学。不过，更应看到有了AI的协助，学生的学习生产力得到了质的提升，而由此引发的如何改进当下的教学、考试方式甚至倒逼教学进行全域全过程改革等问题，需要引起广大教育工作者的重视。
被激活的学习生产力及面临的挑战
数字教育在发展过程中经历了多媒体演示、计算机辅助教学、数字化学习和智慧教育等不同的发展阶段。在数字化工具和环境的辅助下，教师的备课、授课劳动强度大幅降低，教学生产力得到了质的提升。从学生群体来看，数字教育虽然改善了他们的学习环境、学习时限、互动方式，丰富了教育资源的供给途径等，但是主要的考试评价方式并没有发生实质性的变化。
而应用生成式人工智能技术的大模型工具则大幅提升了学生的学习生产力，学生主动通过与AI合作打开思路，拓宽认知的边界，甚至用AI代替部分教师指导的工作。
（1）根据学生自身特点生成符合自身发展水平的学习计划，制定切实可行的备考策略。
（2）帮助学生解释晦涩难懂的概念和内容，而不必完全依赖于教师。
（3）根据考试重点难点生成模拟考试试卷，测试学习水平，有针对性地进行训练，提高应试效果。
（4）总结课本知识要点甚至根据教学大纲分析考试重点。
（5）让多数作业更加完善或者更有创意，而不仅仅在作文方面有所提高。
（6）在人工智能大模型的辅助下，消化未掌握好的知识并完成作业。
（7）通过人工智能大模型多维度分析、比较，提高对文献的阅读理解能力。
通过以上使用场景不难发现，人工智能大模型可以辅助学生提高学业质量甚至应试备考效率。如何应对学生和人工智能合作生成内容所出现的新问题，重新组织教学秩序乃至调整考试评价方式，这对学校和教师都是巨大的挑战。
如果允许学生使用人工智能工具参与考试，如何出题才能测试出学生对知识点的掌握水平值得探讨。以下面两道试题为例。
问题1：“使用某某人工智能大模型将朱自清的《背影》改编为300字以内的文言文，要求忠于原文、表达生动，孤僻字词需注解，并将输入给大模型的提示词和生成结果截图提交。”
问题2：“请考生将某道初二水平难度的数学题改编成小学六年级难度的题，要求已知数据条件和结果不变，并分别给出求解过程，可用人工智能协助。”
这类试题不仅要求学生能够活学活用已学的知识点，还需要了解人工智能大模型的基本原理，掌握使用人工智能大模型工具的基本技巧。在这种考试思路下，需要教师具备适应人工智能大模型时代的数字素养，有意识引导学生和人工智能工具进行合作，激活他们的学习生产力，主动对教学思路、教学内容、授课方式等做适应性调整。
人工智能大模型带来的认知鸿沟
认知鸿沟是数字鸿沟发展的新阶段。数字鸿沟最初的定义是由于经济水平差异和地区发展的不均衡所导致的信息技术接入和使用机会的差异，后来心理动机和获取能力的差距也被纳入数字鸿沟的范畴。从数字鸿沟提出至今，大致可以分为四个不同阶段。
第一次数字鸿沟，20世纪90年代末，随着互联网接入技术的兴起，因贫富收入差距导致的PC使用普及率和互联网访问机会的差距。
第二次数字鸿沟，主要为使用互联网信息、驾驭信息技术技能方面的差距。随着智能手机和移动互联网的普及，特别是移动终端访问、处理数字内容的便捷高效性，第二次数字鸿沟逐渐缓解。
第三次数字鸿沟，主要是高效和高质量应用互联网能力的差异。随着个人参与互联网内容创作技术的普及，以及用户画像、大数据分析、精准推荐算法的大量应用，低质量甚至虚假信息也随之而来，加之推荐算法和商业利益的深度捆绑，久而久之给不同人群罩上了信息茧房，识别高质量信息、甄别防范虚假信息的能力出现了明显差异。
第四次数字鸿沟，即认知鸿沟，主要是对人工智能在数字世界中的角色定位所产生的认知差异，由此导致应用人工智能创作和生成内容的能力差距。随着大模型技术的日趋成熟，人工智能将大量参与人类的脑力活动，人机合作将更加普遍。认知鸿沟不仅体现在能否接纳和使用人工智能大模型方面，更体现在与人工智能合作的技能差异、使用人工智能的伦理道德水平等方面。
在人工智能大模型技术尚不成熟阶段，认知鸿沟在教育中的主要表现为：由于对技术的不了解或者规避技术风险等原因，教师对人工智能大模型的接纳态度、使用与教学活动相匹配的大模型工具的主观能动性，以及是否使用大模型所产生的教学实效差异。但是，随着技术的不断成熟完善和法律法规的健全，多数人对人工智能大模型的接受态度也会逐渐转向包容。
在大模型大量普及应用后，不少教师还会有延续已有教育教学模式的惯性，教育认知鸿沟会逐渐转变为：主观认知水平和执行力差异，带来教学活动中使用人工智能的手段策略差别，并最终导致教学实效出现巨大差异或波动。
人工智能大模型技术所带来的教育认知鸿沟，会直接影响教师能否积极应用人工智能，发挥人和机器各自的强项就教学内容和教学策略做出调整，还会影响能否有效组织学生与人工智能进行合作学习，努力缓和学生之间的认知鸿沟，确保考试、升学、择业的公平竞争。
缩小教育认知鸿沟的策略建议
1.培养教师适应大模型时代的数字素养
尽管人工智能大模型技术出现的时间并不长，但是从大模型完成通用任务的表现以及在教育中的应用情况来看，该技术对所有学科以及主流的教学、考试模式都会带来不小的冲击，表1给出了人工智能大模型可以参与的部分典型教学活动，对比了目前尚存在的认知差异。一方面，各级教育主管部门和各类教育机构应重视全体师生对人工智能大模型的基本认知培训，培养教师要掌握常用人工智能大模型工具特别是提示词设计、与大模型进行互动交流的技巧等。另一方面，应正视人工智能大模型技术大幅提升学生学习生产力的实际，倒逼学校和教师进行教学改革，直至改进对学生的考评选拔方式。
2.具备与人工智能合作优先的意识
培养和发展人的智能是教育的重要使命，这与发展人工智能技术提升机器智能有很多相似之处。随着人工智能大模型技术的日益成熟，训练属于每个人专属的人工智能助手将成为可能，即人工智能可以基于特定学生群体的特点甚至学生个体的数据进行学习训练，给每个学生生成更有个性特点的内容结果。人机协作还将向人机融合阶段发展，人和机器以共同完成人类的特定任务为目标，二者相互学习促进。
要把培养人和人工智能进行合作的意识和水平作为未来教育探索的一部分，甚至把如何科学训练和评价人机融合智能作为教学评价的一部分，全面提升师生人工智能素养。当然，在人机合作过程中，需要确保人的独立主导地位，了解最新的技术进展、掌握新的合作技能、调整合作策略等，从而更好地适应人机合作中的挑战和变化。
3.掌握人工智能大模型的典型教育教学场景
教师拥有教学关系的支配权和主导权，也是缩小认知鸿沟的执行主体。教师应结合自身经验，根据学科特点和教学需要，准确把握大模型技术对典型教学场景的适用性和局限性。
人工智能大模型技术可以助力的典型教育教学场景，包括对备课内容进行规范化处理；教师可启发大模型生成多样化的教学思路；利用教育大模型评估教学内容难点重点；总结学生差异性特点，根据不同学生的能力水平和规律生成差异性的试题；对教学内容进行完整性补全；在人工智能的启发下开展跨学科的教学设计；人工智能参与教案和课堂反馈评价等。
4.坚守人工智能大模型使用中的道德伦理底线
虽然已有不少利用人工智能撰写的学术论文被曝光的案例，但目前尚缺乏对人工智能生成结果进行有效识别的手段。教育工作者应该树立人机合作中的道德伦理观念，在使用人工智能生成的结果时应加以说明，可按照学术成果的引用规范加以明示。
国家及教育主管部门应该提前预判人工智能在不同教育环节中的角色及演变趋势，制定在教育教学中使用人工智能大模型生成结果的引用规范，加强对师生使用人工智能大模型工具以及合规使用其生成结果的道德伦理规则培训。当然，目前人工智能大模型技术在常识理解、因果逻辑性和道德价值观判断方面还存在较大局限，应避免对人工智能工具的过度依赖。
缩小教育认知鸿沟不仅关乎教育的高质量发展，更关乎社会的公平与正义。只有通过不断强化教师应对人工智能时代的数字素养，重视对学生应用人工智能大模型后的高阶思维能力培养，敬畏道德伦理底线，才能更好地防范人工智能大模型对教育带来的挑战和威胁。
作者单位 │ 北京建筑大学
内容来源 │《中小学信息技术教育》2024年第5期
