北京大学2025生成式人工智能与高等教育变革价值影响及未来发展报告180页_15mb

生成式人工智能与高等教育变革：价值、影响及未来发展

一、人工智能的概念和历史发展

人工智能（AI）旨在构建能够模拟或超越人类智能的系统，包括弱AI（专用人工智能）、强AI（通用人工智能）和超AI（超越人类智能）。其核心技术包括机器学习、深度学习和大型语言模型（LLM）。生成式人工智能（AIGC）通过学习数据生成多种内容，如文本、图像、音乐等。代表技术包括GPT-4、Sora和GPT-4o。

二、人工智能对教育领域的影响

生成式AI对教育的影响可分为表层和深层两部分：学生使用AI完成作业（表层），以及教育范式、人才需求、研究方式的根本变革（深层）。教育将从“师-生”结构转向“师-生-机”结构，评价体系从知识测评转向素养测评。

三、人工智能在教育领域的价值

人工智能推动教学个性化和智能化：

• 个性化学习：利用AI技术实现大规模自适应学习，如自适应学习平台、VR/AR教学设计。
• 教学智能化：辅助教师备课、授课和评价。
• 评价多元化：AI支持过程性、即时性评价，促进学习改进。
• 管理科学化：提升决策效率，实现资源公平分配。

四、人工智能赋能科学研究

AI在科研中的应用分为基础、进阶和高级三个层次：

• 基础应用：辅助文献检索、写作、数据分析。
• 进阶应用：辅助实验设计、心理研究、模拟互动。
• 高级应用：社会模拟器、力学代理、交互式戏剧创作。

五、人工智能面临的困难与障碍

AI教育应用面临技术瓶颈（如语音识别精度）、伦理问题（如隐私与学习者状态分析）和系统挑战（教育结构的转型）。杨浩等人提出“非显著性差异现象”，警示技术对教育效果的提升需谨慎评估。

六、未来发展方向

教育需进行结构性变革：

• 育人理念：从“学知识”转向“强能力”。
• 教学模式：从“师生交互”转向“深层交互”。
• 政策导向：实施国家教育数字化战略，扩大优质资源覆盖。
• 人机协同：培养教师使用AI的能力，打造“超级教师”。

七、学习科学赋能人工智能教育

学习科学关注“人如何学习”，与AI结合推动教育深层变革。研究方向包括学习基础机制、学习环境设计和学习分析技术。应依靠数据而非经验驱动教育，实现个性化、快乐化学习目标。