the Impact of ChatGPT on Education
Published:
Reference: [1] 杨宗凯, 王俊, 吴砥, 等. ChatGPT/生成式人工智能对教育的影响探析及应对策略[J]. 华东师范大学学报（教育科学版）, 2023, 41(7): 26-35.
Authors: Zongkai Yang , Jun Wang, Di Wu
Motivation
技术爆发的冲击： 2022年11月，OpenAI发布ChatGPT，随后GPT-4的问世标志着生成式人工智能在自然语言处理和逻辑推理上取得了里程碑式的突破 。这一技术迅速渗透进教育领域，引发了关于“拥抱”还是“禁止”的激烈争论——有的学校将其纳入必修课，有的学校则严令禁止。
教育转型的迫切需求: 这种技术冲击不仅仅是工具层面的，更深层次地触动了教育的根基。作者撰写此文的动因在于：
- 解决两难困境: 面对技术带来的知识异化、伦理风险（如剽窃）与技术红利（如个性化辅导）并存的现状，教育界需要理性的应对策略 。
- 重塑教育关系: 需要重新审视教育中的变与不变、公平与效率、以及专用技术与通用技术的关系 。
| 类别 | 内容 |
|---|---|
| 变 | 教育场景、教育环境、教学内容、教学模式、学习方式、育人理念等 |
| 不变 | 人的培养目标、立德树人的根本任务、教育的基本理论和教学的原则 |
| 促进公平 | 文字与语音交互方式，为视听障碍学生提供更加便捷的学习体验 |
| 提高效率 | 1、海量数据的运用与分析2、个性化的教学资源3、简化繁琐任务以增加教师在育人方面的投入 |
| 可能问题 | 1、AI的能力被人为分层2、追求教学效率，忽视人文关怀3、学生自身能力的差异性与AI信息的真实性 |
| ChatGPT | 通用技术 |
|---|---|
| 其一 | 训练数据集涵盖范围过大，回答内容质量不高易误导 |
| 其二 | 学生可直接从对话中获取答案，不符合诱导的教学原则 |
| 其三 | 未专业化，难以汇聚数据形成精确分析 |
| 其四 | 存在数据泄露、知识侵权、内容欺诈等风险 |
| 运用场景 | 学习、教学、教研、管理 |
- 国家战略需求: 探讨如何在中国语境下，通过自主研发和政策引导，利用智能技术推动教育数字化转型，避免由于依赖国外模型带来的数据安全和文化偏差风险。
Architecture
在本文中，“Architecture”并非指ChatGPT的Transformer模型架构，而是指作者构建的一套生成式人工智能赋能教育的系统性框架。该框架将影响解构为“教”、“学”、“育”三个维度，并提出了全新的教育结构形态。
Overall
从“二元”到“三元”的结构性跃迁 传统的教学是由“教师-学生”组成的二元结构，文章核心论点是ChatGPT推动教学模式向教师-AI-学生的三元结构转变。 在这种架构下，AI成为连接人类世界与数字世界的中介，承担部分教学参与者的角色，从而解放教师回归育人本位。
“教”的架构重塑 (Teaching)
- 教学模式：教学的中心由教转为学，教师是教学活动的设计者、实施者和评估者；AI处理重复性工作并并为复杂工作提供思路与意见
- 内容生产：从PGC（专业生产）和UGC（用户生产）进化为AIGC（人工智能生成），通过“大语言模型+场景”，实现教育资源的运用模式：汇聚-加工-生成，支持个性化和虚拟仿真教学
- 评价体系:（评价理念，评价标准，评价结果） 从单一的知识评价转向知识+素养的综合评价。利用AI进行过程性、增值性评价，重点考核学生的高阶思维和问题解决能力，而非死记硬背
| 应用方面 | 素材创作 |
|---|---|
| 对话交流 | 与用户多轮对话交互，深入理解用户意图，提过可用信息 |
| 学习激励 | 针对具体问题，提供更加具体答案并激励学生学习兴趣 |
| 学习辅导 | 针对具体问题，引导学生深度思考，真正理解其概念与意义 |
| 教学反馈 | 帮助教师快速分析学生的作业质量，提供针对性意见 |
“学”的形态重构 (Learning)
- 泛在化空间：
- 打破时空限制，利用智能设备在任何地点获取资源，实现碎片化、非正式学习与课堂学习的融合 。
- 泛在学习空间体现以人为本的教育理念，超远学习环境与书本知识的约束;扩大学习的可选择性;营造自由、开放的学习氛围;培养自主探究和综合抉择的勇气与担当。
- 个性化过程：
- 建立准备-学习-评价-反馈的高效循环。AI根据学生认知特征生成定制化学习路径和支架（如工具Khanmigo），实现规模化前提下的因材施教 。 (内容生成、学习互动、学习评价、能力升级)
- 学习过程的个性化体现在以下几个方面
- 协作化方式：
形成人机协作共同体,人主导价值判断和创意，AI负责计算和数据分析。学生通过与AI的对话交互（提问、质疑、纠错）来深化学习
| 方面 | 体现 |
|---|---|
| 学习主题 | 深入分析学习目标，并且因材施教，选择合适的学习主题 |
| 学习材料 | 通过多轮对话，发掘学习情境与任务要求，形成多形态学习材料 |
| 学习支架 | 基于学生的基本特征，推荐合适学习路径与任务并定制学习支架 |
| 学习体验 | 持续跟踪分析学生学习中的实际表现，并提出建议帮助学生调整 |
| 学习反馈 | 基于对话与学习的数据，刻画学生基本信息，形成结果、过程与综合性评价 |
“育”的内涵升级 (Educating)
- 变革育人理念：
由于AI擅长回答事实性问题，“刷题教育”失去竞争力。育人理念发生转变，由知识传授转向高阶能力培养与综合素养培育
- 创新育人模式：
更加强调德育、情感沟通和价值观塑造，这是AI无法替代的人类教师的核心优势，要形成以学生发展为中心的课程架构，减少简单、重复的学习内容，给学生更充足的自主学习时间，去发散思维、自由探索，激发他们探究问题的内在动力和兴趣，锻炼独立思考问题和解决新问题的能力
Conclusion
面对ChatGPT带来的机遇与挑战，文章提出了明确的应对策略和结论：
态度层面： 既要充分重视，又要冷静思考。简单的禁止只是权宜之计，必须通过制定伦理规范和监管政策来规避风险（如隐私泄露、内容欺诈）
技术层面（自主可控）： 必须加快研发具有中国特色的本土化高水准竞品（中国版GPT）。因为国外模型存在政治、文化偏差和数据安全隐患，教育基座不能受制于人 。
应用层面（专用工具）： 研发教育专用的类ChatGPT系统。通用大模型在教育场景由于准确性和适切性问题存在局限，需要基于专业知识图谱构建教育专用大模型，确保内容可信 。
学科层面： 加快建设智能教育学。研究人机协同的教育规律，推动信息科学与教育学的交叉融合 。
Comment
读完文章，我对文章作者关于AI引入教育的见解略同，因为AI引入必然可以带来教学效率的提高，但是想要将一个通用型技术应用到具体的领域，就需要做一些必要性的限制，即把AI装进制度的笼子，那么问题也就与之而来。
- 笼子谁来制定 政府部门与行业组织：制定顶层规则之笼这是最宏观的限制，主要解决法律、伦理和国家安全问题
- 笼子做成什么样 教育技术研发者，打造技术专用之笼这是技术层面的限制，旨在将“通用技术”改造为“教育专用技术”，过滤掉不适合教育的内容。
- 笼子得做多大 教育管理者与研究者：设定应用之笼这是场景层面的限制，规定在学校里“什么能做，什么不能做”。