大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育研究

雷曉燕　邵賓

關(guān)鍵詞： 人工智能生成內(nèi)容； 數(shù)字素養(yǎng)教育； 大模型； 智能算法； 知識傳遞

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０６．０１０

〔中圖分類號〕Ｇ６３２.４； Ｇ２５２ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０６－００９９－０９

在全球加速步入數(shù)智社會的時代背景下， 先進(jìn)數(shù)字技術(shù)深度融合實(shí)體經(jīng)濟(jì)的創(chuàng)新發(fā)展格局使得不少國家和地區(qū)陸續(xù)暴露出數(shù)字均等化程度與區(qū)域發(fā)展水平的正向關(guān)聯(lián)［１］ ， 亟待大力培養(yǎng)公眾的數(shù)字化意識、數(shù)字技術(shù)知識、數(shù)字技能和數(shù)字化應(yīng)用能力等。同時， 日益增長的數(shù)字內(nèi)容供給需求與快速突破的深度學(xué)習(xí)技術(shù)共同驅(qū)動人工智能生成內(nèi)容（ＡＩ Ｇｅｎｅｒａｔｅｄ Ｃｏｎｔｅｎｔ， ＡＩＧＣ）廣泛融入科學(xué)發(fā)現(xiàn)、生產(chǎn)制造與知識傳遞等諸多領(lǐng)域， 逐步形成智能化的數(shù)字內(nèi)容孿生、編輯與創(chuàng)作等多維應(yīng)用框架， 改善內(nèi)容生產(chǎn)的流程范式， 支撐數(shù)字內(nèi)容創(chuàng)新發(fā)展。鑒于此， 本文在系統(tǒng)梳理數(shù)字素養(yǎng)教育的龐大受教群體、復(fù)雜教學(xué)內(nèi)容、終身培育需求與參差教學(xué)環(huán)境的基礎(chǔ)上， 積極勾勒在完整的培育周期內(nèi)充分嵌入人工智能生成內(nèi)容的數(shù)字素養(yǎng)教學(xué)情境、教學(xué)資源、教學(xué)流程和教學(xué)反饋的科學(xué)框架， 全方位助力培養(yǎng)受教群體的數(shù)字創(chuàng)新思維與數(shù)智社會責(zé)任感。

１數(shù)智化轉(zhuǎn)型中的數(shù)字素養(yǎng)內(nèi)涵與嬗變

近年來， 社會生產(chǎn)活動與居民生活中廣泛采用數(shù)字內(nèi)容孿生技術(shù)、智能數(shù)字內(nèi)容編輯技術(shù)和數(shù)字內(nèi)容智能創(chuàng)作技術(shù)等實(shí)現(xiàn)更為高效、更為智能和更為通用的知識沉淀與決策優(yōu)化。例如， ＣｈａｔＧＰＴ、Ｊａｓｐｅｒ Ｃｈａｔ、Ｃｈａｔｓｏｎｉｃ 等大規(guī)模的對話式人工智能生成工具在拓展創(chuàng)作空間、推進(jìn)知識傳遞和加快產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型中發(fā)揮了重要作用。數(shù)實(shí)融合蓬勃發(fā)展的全新場域下迫切需要社會大眾具備深刻理解和合規(guī)運(yùn)用數(shù)據(jù)資源、數(shù)字工具和數(shù)字安全措施的綜合能力， 促使數(shù)字素養(yǎng)教育呈現(xiàn)出線上與線下、現(xiàn)實(shí)與虛擬、人類智慧與人工智能等多態(tài)融合的發(fā)展態(tài)勢。

１.１數(shù)智化轉(zhuǎn)型中數(shù)字素養(yǎng)的內(nèi)涵轉(zhuǎn)變

“數(shù)字素養(yǎng)”（Ｄｉｇｉｔａｌ Ｌｉｔｅｒａｃｙ）最初指代查閱、理解和使用網(wǎng)絡(luò)存儲的文本、圖像或視頻信息的能力，大多應(yīng)用于面向公眾的多態(tài)數(shù)字化知識和數(shù)字技能的培育場景。例如， 數(shù)字素養(yǎng)理論奠基人保羅·吉爾斯特（Ｐａｕｌ Ｇｉｌｓｔｅｒ）將之界定為“獲得和使用聯(lián)網(wǎng)計算機(jī)資源的能力” 并詳細(xì)闡釋“數(shù)字素養(yǎng)是理解和使用通過計算機(jī)呈現(xiàn)的來源廣泛的多態(tài)信息的能力”［２］ 。

隨著全真互聯(lián)、泛在智能、無限算力等信息科技迅猛發(fā)展， 數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的范式變遷日新月異， 持續(xù)涌現(xiàn)的新業(yè)態(tài)和新模式不斷充實(shí)數(shù)字素養(yǎng)的豐富內(nèi)涵， 不僅包括云計算、Ｗｅｂ３、深度學(xué)習(xí)等數(shù)字技術(shù)知識， 還包括運(yùn)用高性能計算模塊、泛在操作系統(tǒng)、ＧＰＴ 模型等實(shí)現(xiàn)安全無界的知識共創(chuàng)的意識與能力等， 逐漸成為人類化解在生存發(fā)展中面臨的系列挑戰(zhàn)的重要工具。國際圖聯(lián)（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｆｅｄｅｒａｔｉｏｎ ｏｆ Ｌｉｂｒａｒｙ Ａｓｓｏｃｉａｔｉｏｎｓ ａｎｄＩｎｓｔｉｔｕｔｉｏｎｓ， ＩＦＬＡ）將數(shù)字素養(yǎng)描述為一種能夠充分發(fā)揮數(shù)字工具潛力的能力， 即具有數(shù)字素養(yǎng)的主體在工作和生活中能夠有效、合理且充分地使用數(shù)字技術(shù)［３］ 。美國國際開發(fā)署認(rèn)定數(shù)字素養(yǎng)是通過數(shù)字設(shè)備和網(wǎng)絡(luò)技術(shù)， 安全適當(dāng)?shù)卦L問、管理、理解、集成、溝通、評估和創(chuàng)建參與經(jīng)濟(jì)、社會和政治生活所需信息的能力［４］ 。中共中央網(wǎng)絡(luò)安全和信息化委員會辦公室頒布的《提升全民數(shù)字素養(yǎng)與技能行為綱要》中指出， “數(shù)字素養(yǎng)與技能是數(shù)字社會公民學(xué)習(xí)工作生活應(yīng)具備的數(shù)字獲取、制作、使用、評價、交互、分享、創(chuàng)新、安全保障、倫理道德等一系列素質(zhì)與能力的集合”［５］ 。

因之， 數(shù)智融合建設(shè)背景下的數(shù)字素養(yǎng)是在數(shù)智環(huán)境中收集、理解、整合、使用、創(chuàng)建、傳播、評估各種信息資源及運(yùn)用數(shù)字工具或采取數(shù)字安全措施的能力， 以及確保數(shù)字合規(guī)合理使用的積極態(tài)度。數(shù)字素養(yǎng)作為數(shù)字能力的重要組成［６］ ， 隨著新一代數(shù)字技術(shù)基礎(chǔ)設(shè)施與數(shù)據(jù)要素市場高速發(fā)展， 關(guān)涉領(lǐng)域更加廣泛且展示形態(tài)更為復(fù)雜， 不僅范圍上包括信息素養(yǎng)、計算機(jī)素養(yǎng)、通信技術(shù)素養(yǎng)等［７］ ， 還在深度上包容了使用ＣｈａｔＧＰＴ、ＮｅｔＯｂｊｅｘ、ＴｒｕｓｔＳＱＬ 等信息通信技術(shù)瀏覽、查找、篩選、評估和管理、創(chuàng)建和傳播信息， 以及利用認(rèn)知和技術(shù)技能的能力［８］ ， 重點(diǎn)強(qiáng)調(diào)批判性、創(chuàng)造性、開放性、情感性和跨學(xué)科的多元思維［９］ ， 逐漸成為復(fù)雜場景下多域協(xié)同的知識共創(chuàng)的關(guān)鍵支撐。

１.２數(shù)智化轉(zhuǎn)型中數(shù)字素養(yǎng)教育的結(jié)構(gòu)嬗變

隨著信息基礎(chǔ)設(shè)施廣泛覆蓋、數(shù)智融合全域升級與社會個體數(shù)字技能差距日益擴(kuò)大， 數(shù)字經(jīng)濟(jì)充分發(fā)揮支撐整個社會高質(zhì)量發(fā)展的重要作用?！皵?shù)字鴻溝問題已從先前的接入機(jī)會差距轉(zhuǎn)化為現(xiàn)階段的使用能力差距”［１０］ ， 亟待發(fā)揮數(shù)字素養(yǎng)教育推動社會數(shù)字包容、提升弱勢群體數(shù)字能力、促進(jìn)社會公平的重要價值。我國相繼頒布了《提升全民數(shù)字技能工作方案》《“技能中國行動” 實(shí)施方案》《２０２２ 年提升全民數(shù)字素養(yǎng)與技能工作要點(diǎn)》《數(shù)字中國建設(shè)整體布局規(guī)劃》等， 拉開構(gòu)建普遍性覆蓋大眾的數(shù)字素養(yǎng)與技能發(fā)展培育體系的序幕。通過構(gòu)建適應(yīng)數(shù)字化和智能化發(fā)展需求的數(shù)字素養(yǎng)教育模型， 積極完善組織主體、教育受眾、教學(xué)資源、施教隊(duì)伍、教育形式、教學(xué)內(nèi)容和實(shí)施方案等， 提高社會公眾的數(shù)字化生存技能， 彌合多因素引發(fā)的數(shù)字鴻溝， 充分釋放數(shù)字社會的普惠效應(yīng)。

數(shù)智化發(fā)展環(huán)境中的數(shù)字素養(yǎng)教育積極采用優(yōu)于傳統(tǒng)素質(zhì)教育的多元化框架結(jié)構(gòu)， 通過線上與線下相結(jié)合、虛擬體驗(yàn)與真實(shí)操作相結(jié)合、通識教育與嵌入式專題教育相結(jié)合的教學(xué)方式， 廣泛傳授數(shù)字知識和技能、數(shù)字創(chuàng)新能力、數(shù)字法律法規(guī)與數(shù)字倫理標(biāo)準(zhǔn)等。一方面， 日趨數(shù)字化的框架結(jié)構(gòu)提高了數(shù)字素養(yǎng)教育的運(yùn)作效率與受眾群體。例如，公共圖書館運(yùn)用遠(yuǎn)程教學(xué)平臺開展面向老人兒童、務(wù)工人員和其他低收入者等數(shù)據(jù)弱勢群體的基礎(chǔ)數(shù)字知識和技能培訓(xùn)， 不僅教學(xué)雙方投入的時間和物資成本遠(yuǎn)遠(yuǎn)低于傳統(tǒng)的面授模式， 還使得優(yōu)質(zhì)教學(xué)資源能夠持續(xù)有序地滲透偏遠(yuǎn)地區(qū)； 另一方面， 日趨智能化的框架結(jié)構(gòu)改善了數(shù)字素養(yǎng)教育的教學(xué)質(zhì)量和教學(xué)效果。例如， 部分高校圖書館通過知識空間評估和學(xué)習(xí)平臺（Ａｓｓｅｓｓｍｅｎｔ ａｎｄ Ｌｅａｒｎｉｎｇ ｉｎ Ｋｎｏｗｌ?ｅｄｇｅ Ｓｐａｃｅｓ， ＡＬＥＫＳ）等個性化教學(xué)軟件或自適應(yīng)學(xué)習(xí)系統(tǒng)分析評估學(xué)生的理解能力、表現(xiàn)數(shù)據(jù)和參與意愿， 進(jìn)而調(diào)整教學(xué)內(nèi)容和課程節(jié)奏， 貫徹執(zhí)行“因材施教” 的教育理念。但是， 基于傳統(tǒng)規(guī)模的機(jī)器學(xué)習(xí)算法模型的個性化系統(tǒng)和自適應(yīng)平臺往往難以輸出精準(zhǔn)的評估結(jié)果與最優(yōu)的培養(yǎng)方案。

２大模型下人工智能生成內(nèi)容的技術(shù)解構(gòu)與應(yīng)用價值

計算機(jī)程序生成“依利亞克組曲” 到實(shí)現(xiàn)人機(jī)對話的機(jī)器人“伊莉莎”， 再到小說“１ Ｔｈｅ Ｒｏａｄ”、詩集“陽光失了玻璃窗”， 以及自動生成圖片的ＳｔｙｌｅＧＡＮ 模型和自動生成視頻的ＤＶＤ－ＧＡＮ 模型，人機(jī)協(xié)作的生產(chǎn)方式獲得長足發(fā)展。尤其是ＯｐｅｎＡＩ公司推出的文圖生成系統(tǒng)ＤＡＬＬ－Ｅ－２ 和ＧＰＴ［１１］ 積極迭代大模型數(shù)據(jù)處理與跨模態(tài)智能算法， 促使人工智能生成內(nèi)容迅速呈現(xiàn)出多元高效與廉價高質(zhì)等特征。事實(shí)上， 大模型（Ｆｏｕｎｄａｔｉｎｏ Ｍｏｄｅｌ）主要指采取自監(jiān)督學(xué)習(xí)模式智能化抽取億級語料或圖像而生成海量參數(shù)的基石模型。基于深度自注意力變換網(wǎng)絡(luò)（Ｔｒａｎｓｆｏｒｍｅｒ） 設(shè)計的系列預(yù)訓(xùn)練生成模型（Ｇｅｎｅｒａｔｉｖｅ Ｐｒｅ－ｔｒａｉｎｉｎｇ Ｔｒａｎｓｆｏｒｍｅｒ， ＧＰＴ）是通過在超大規(guī)模文本語料庫進(jìn)行無監(jiān)督的預(yù)訓(xùn)練來掌握自然語言的語法、語義和模型， 并經(jīng)人類反饋強(qiáng)化學(xué)習(xí)（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ ｗｉｔｈ Ｈｕｍａｎ Ｆｅｅｄｂａｃｋ，ＲＬＨＦ）微調(diào)應(yīng)用到特定任務(wù)的自然語言處理模型，具有低耗性、真實(shí)性、多樣性、組合性和穩(wěn)定性等顯著優(yōu)勢。

２.１大模型下人工智能生成內(nèi)容的技術(shù)解構(gòu)

最初的人工智能生成內(nèi)容是依據(jù)預(yù)先設(shè)定的規(guī)則模型輸出簡單的文本、圖形或音頻數(shù)據(jù)， 并不具備強(qiáng)大的自主學(xué)習(xí)能力。小模型下智能算法生成主要是在訓(xùn)練特定領(lǐng)域的有限量級數(shù)據(jù)的基礎(chǔ)上自動輸出模態(tài)單一、機(jī)械刻板且錯漏較多的結(jié)果內(nèi)容。直至深度神經(jīng)網(wǎng)絡(luò)搭建起超大規(guī)模和超多模態(tài)的復(fù)雜結(jié)構(gòu)， 流模型、強(qiáng)化學(xué)習(xí)、擴(kuò)散模型等自主學(xué)習(xí)范式獲得長足發(fā)展， 人工智能生成內(nèi)容才用于指代使用生成式對抗網(wǎng)絡(luò)和大型預(yù)訓(xùn)練模型等理解輸入內(nèi)容的含義與上下文的關(guān)聯(lián)關(guān)系， 進(jìn)而自動生成靈活清晰、語法正確且文本一致的“不僅包括常見的圖像、文本、音頻等外顯性內(nèi)容， 同樣也包括策略、劇情、訓(xùn)練數(shù)據(jù)等內(nèi)在邏輯內(nèi)容” 的創(chuàng)新生成方式［１２］ 。

大模型下跨模態(tài)人工智能生成內(nèi)容的覆蓋范圍大于生成式人工智能（Ｇｅｎｅｒａｔｉｖｅ ＡＩ， ＧＡＩ）， “既是從內(nèi)容生產(chǎn)者視角進(jìn)行分類的一類內(nèi)容， 又是一種內(nèi)容生產(chǎn)方式， 還是用于內(nèi)容自動化生成的一類技術(shù)集合”［１３］ 。按照生成內(nèi)容與輸入數(shù)據(jù)的依附關(guān)系，可以分為基于線索數(shù)據(jù)的部分生成、完全自主生成和基于底稿數(shù)據(jù)的優(yōu)化生成等。例如， 運(yùn)用跨模態(tài)的智能算法提煉補(bǔ)強(qiáng)零散缺漏的新聞推送或社交媒體數(shù)據(jù)， 自動生成高質(zhì)量的新聞標(biāo)題、摘要和具體表述。按照生成內(nèi)容與人類活動的交互狀況， 可以分為輔助人類的助手式生成、協(xié)作人類的共生式生成、獨(dú)立于人類的原創(chuàng)式生成。例如， 智能投顧和對話式搜索引擎等大規(guī)模的跨模態(tài)智能算法模型的下游應(yīng)用場景均是輔助人類生產(chǎn)生活的重要助手。按照生成內(nèi)容的展示形式， 可以分為文本生成、圖像生成、音頻生成、視頻生成以及跨模態(tài)生成。例如， 依據(jù)文字信號智能模擬復(fù)雜的創(chuàng)作規(guī)則， 自動生成圖像表達(dá)。按照生成內(nèi)容的應(yīng)用場景， 可以分為科技生成、教育生成、生產(chǎn)生成、商業(yè)生成、生活生成等。又如， 制造行業(yè)運(yùn)用大規(guī)模的跨模態(tài)智能算法模型生成工業(yè)設(shè)備和工廠生產(chǎn)線的數(shù)字孿生系統(tǒng)， 通過對體現(xiàn)物理世界中自然屬性和社會屬性的海量輸入數(shù)據(jù)的語義理解與屬性控制加速產(chǎn)業(yè)數(shù)字化進(jìn)程， 助力現(xiàn)實(shí)供給能力快速迭代。

２.２大模型下人工智能生成內(nèi)容的應(yīng)用價值

隨著深度神經(jīng)網(wǎng)絡(luò)加速呈現(xiàn)出多模態(tài)與大模型發(fā)展態(tài)勢， 人工智能生成內(nèi)容不再需要大量預(yù)訓(xùn)練數(shù)據(jù)集且全面提升輸出結(jié)果的適配度， 不僅能夠以超出人類的知識儲備與復(fù)刻能力自動完成重復(fù)耗時的基礎(chǔ)性機(jī)械勞動， 而且以ＣｈａｔＧＰＴ 為代表的新一代生成式人工智能應(yīng)用的信息挖掘、數(shù)據(jù)調(diào)用、自主創(chuàng)作等能力迅速提升， 逐步以更具創(chuàng)意的低耗高效方式滿足海量參與主體的個性化需求?！拔磥硎?， 人工智能生成內(nèi)容將顛覆現(xiàn)有內(nèi)容生產(chǎn)模式， 可以實(shí)現(xiàn)以十分之一的成本， 以百倍千倍的生產(chǎn)速度， 去生成人工智能原創(chuàng)內(nèi)容”［１４］ 。

數(shù)實(shí)融合的創(chuàng)新時代中跨模態(tài)智能算法模型通過多維融合的內(nèi)容創(chuàng)建、自然得體的社交互動和精準(zhǔn)全面的決策輔助等塑造具有豐富想象力和多樣化的內(nèi)容生成敘事模式， 突破性執(zhí)行各種復(fù)雜任務(wù)，促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展， 推動海內(nèi)外科技巨頭進(jìn)一步爭相布局人工智能生成內(nèi)容的應(yīng)用市場。微軟公司緊急將ＣｈａｔＧＰＴ 技術(shù)整合到Ｂｉｎｇ 搜索引擎和Ｅｄｇｅ 瀏覽器； 谷歌公司加快推出基于自研的大型語言模型ＬａＭＤＡ 的對話機(jī)器人Ｂａｒｄ； 百度公司加緊內(nèi)測基于文心大模型的生成式對話產(chǎn)品“文心一言”。２０２２年以來， 超大規(guī)模的跨模態(tài)人工智能生成內(nèi)容迅速展現(xiàn)出巨大的應(yīng)用潛力。例如， 基于人工智能生成技術(shù)的文本審核校對、編讀互動交流和個性化閱讀推薦等助力圖書出版行業(yè)健康有序發(fā)展。又如， 智能算法跨模態(tài)生成融合圖文、音視頻、數(shù)字人等的虛擬教學(xué)場景， 采用仿真的師生數(shù)字化身合成生動的課程對話系統(tǒng)， 提供大量具有交互性和適應(yīng)性的個性化教育資源， 大幅拓展教學(xué)資料的輻射邊界，充分激發(fā)廣大受教者的參與熱情， “未來的教育將進(jìn)入教師與人工智能協(xié)作共存的時代， 教師與人工智能將發(fā)揮各自的優(yōu)勢， 協(xié)同實(shí)現(xiàn)個性化的教育、包容的教育、公平的教育與終身的教育， 促進(jìn)人的全面發(fā)展”［１５］ 。

３大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的模塊組成

隨著數(shù)智時代中數(shù)據(jù)總量持續(xù)增長與數(shù)據(jù)內(nèi)容日益豐富， 數(shù)字素養(yǎng)逐漸成為社會大眾的基本生存技能， 至少涵蓋了數(shù)字意識、數(shù)字能力、數(shù)字技術(shù)、數(shù)字化應(yīng)用、數(shù)字社會責(zé)任等多維因素。全面勾勒和集中實(shí)現(xiàn)數(shù)字素養(yǎng)的教學(xué)目標(biāo)、教學(xué)內(nèi)容、教學(xué)方法和教學(xué)評價等， 亟待充分發(fā)揮基于ＧＰＴ 和ＢＥＲＴ 等大規(guī)模預(yù)訓(xùn)練模型的長周期人工智能生成內(nèi)容在教育數(shù)據(jù)捕獲、識別、判斷、評估、反思、組織管理、知識創(chuàng)新中的重要作用， 助力搭建和完善虛實(shí)融合的數(shù)字素養(yǎng)情境教學(xué)模塊、智能處理的數(shù)字素養(yǎng)教學(xué)資源模塊、數(shù)智協(xié)同的數(shù)字素養(yǎng)教學(xué)流程模塊與數(shù)據(jù)驅(qū)動的數(shù)字素養(yǎng)教學(xué)反饋模塊， 持續(xù)提升數(shù)字素養(yǎng)教育中受教群體的創(chuàng)造力、批判力和生產(chǎn)能力［１６］ ， 逐步構(gòu)建具有本土特色的全民數(shù)字素養(yǎng)終身培育機(jī)制。

３.１虛實(shí)融合的數(shù)字素養(yǎng)情境教學(xué)模塊

傳統(tǒng)的數(shù)字素養(yǎng)教育模式長期受到人力、物力、時間和空間等資源限制， 難以建構(gòu)具有深層認(rèn)知引導(dǎo)與廣義互動敘事能力的情境教學(xué)模塊。超大規(guī)模的人工智能算法模型實(shí)時連續(xù)生成的虛實(shí)融合的多樣化教學(xué)場景能夠打破時空局限， 通過泛在應(yīng)用的數(shù)字孿生技術(shù)和深度數(shù)據(jù)分析系統(tǒng)標(biāo)注師生群體在模擬現(xiàn)實(shí)世界的虛擬環(huán)境中細(xì)化展現(xiàn)的行為信息與能力、生成式教學(xué)工具與教學(xué)資源的實(shí)時狀況等，逐步勾勒并主動執(zhí)行多樣化和個性化的高質(zhì)量數(shù)字素養(yǎng)教學(xué)方案。同時， 跨模態(tài)的人工智能算法模型生成的數(shù)字素養(yǎng)教學(xué)案例具有較強(qiáng)的連貫性、一致性、趣味性與交互性， 往往通過積木式素養(yǎng)實(shí)踐知識模塊提升受教者在數(shù)字獲取、數(shù)字交流、數(shù)字倫理、數(shù)字安全、數(shù)字規(guī)范等方面的綜合實(shí)力。例如，積木ＡＩＧＣ 虛擬教學(xué)場景生產(chǎn)系統(tǒng)能夠基于自適應(yīng)的實(shí)時算法分析結(jié)果持續(xù)自動生成符合當(dāng)前數(shù)字素養(yǎng)教學(xué)具體內(nèi)容并充分考慮下一階段教學(xué)方案的各種沉浸式教學(xué)場景。又如， 基于人工智能生成技術(shù)的數(shù)字虛擬師生系統(tǒng)自主實(shí)時地全面分析對象主體的個性化特征與符合不同數(shù)字素養(yǎng)教學(xué)內(nèi)容的形象表達(dá)， 持續(xù)結(jié)合個體行為信息變化隨時微調(diào)虛擬形象的海量參數(shù)， 提升數(shù)字素養(yǎng)教學(xué)情境的虛實(shí)融合程度， 增強(qiáng)師生群體的沉浸體驗(yàn)。

３.２智能處理的數(shù)字素養(yǎng)教學(xué)資源模塊

數(shù)字素養(yǎng)教育是面向社會大眾的終身培育， 不僅需要耗費(fèi)巨大的人力和物力建設(shè)， 以及維系常態(tài)化的全民培訓(xùn)機(jī)制， 還長期面臨著難以跟上數(shù)字技術(shù)及其廣域應(yīng)用的迭代速度的重大難題。ＧＰＴ－４、Ｍｅｇａｔｒｏｎ－Ｔｕｒｉｎｇ 等生成式人工智能模型有序嵌入數(shù)字素養(yǎng)教育領(lǐng)域， 通過匯集使用來源復(fù)雜、獲取及時、內(nèi)容豐富的訓(xùn)練數(shù)據(jù)， 自動生成可量化的數(shù)字素養(yǎng)知識標(biāo)注體系， 進(jìn)而搭建交互式的個性化數(shù)字素養(yǎng)教學(xué)資源推薦框架， 優(yōu)化利用數(shù)字素養(yǎng)教育中授課教師資源和教學(xué)工具資源， 在一定程度上緩解了數(shù)字素養(yǎng)教育中施教主體嚴(yán)重不足的現(xiàn)實(shí)困難，避免教學(xué)資源緊缺下的考核主觀性與隨意性， 逐漸形成智能處理的數(shù)字素養(yǎng)教學(xué)資源模塊。例如， 嵌入對話式大規(guī)模語言模型ＣｈａｔＧＰＴ 等ＧＰＴ 架構(gòu)的下游應(yīng)用， 通過超大規(guī)模的學(xué)習(xí)模型降低數(shù)字素養(yǎng)教學(xué)數(shù)據(jù)訓(xùn)練難度， 更為精準(zhǔn)地理解上下文的關(guān)聯(lián)性并總結(jié)提煉信息， 加強(qiáng)內(nèi)容生成算法的可控性，在持續(xù)挖掘生成數(shù)據(jù)與真實(shí)數(shù)據(jù)細(xì)微差異的基礎(chǔ)上， 反饋提升生成內(nèi)容的清晰度與真實(shí)性， 引領(lǐng)數(shù)字素養(yǎng)教學(xué)資源相關(guān)搜索處理與知識傳遞的代際變革。

３.３數(shù)智協(xié)同的數(shù)字素養(yǎng)教學(xué)流程模塊

基于ＤＡＬＬ－Ｅ－２ 等多模態(tài)大模型的人工智能算法生成通過抽取數(shù)字素養(yǎng)線上教學(xué)和線下教學(xué)的過程數(shù)據(jù)以及施教者和受教者的行為數(shù)據(jù)、認(rèn)知數(shù)據(jù)、情感數(shù)據(jù)等全方位勾勒師生畫像， 搭建嵌入ＣｈａｔＧＰＴ、Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 等生成式人工智能插件的兼具數(shù)字化和智能化的數(shù)字素養(yǎng)教學(xué)流程模塊，智能化實(shí)時進(jìn)行數(shù)據(jù)檢索、知識庫信息傳遞或代表用戶執(zhí)行各種操作， 自動生成數(shù)字素養(yǎng)教學(xué)流程設(shè)計、教學(xué)工具安排以及個性化的問題解答和試題評語， 持續(xù)改善數(shù)字素養(yǎng)專題教育、通識教育、教學(xué)培訓(xùn)、項(xiàng)目實(shí)踐和教學(xué)游戲等的內(nèi)容、節(jié)奏和難度，既充分尊重受教者的選擇權(quán)， 又通過技術(shù)手段引導(dǎo)其按照合理的節(jié)奏構(gòu)筑學(xué)習(xí)路徑， 培養(yǎng)自主學(xué)習(xí)和解決問題的能力和意識［１７］ ， 還確保受教者能夠持續(xù)獲得具有針對性的數(shù)字素養(yǎng)教學(xué)指導(dǎo)［１８］ 。例如，基于ＧＰＴ－４ 模型的Ｏｆｆｉｃｅ Ｃｏｐｉｌｏｔ 工具［１９］ 助力自動生成數(shù)字素養(yǎng)教學(xué)中海量方案文檔、統(tǒng)計圖表、演示文稿等， 大幅提升數(shù)字素養(yǎng)教學(xué)流程的效率和質(zhì)量。

３.４數(shù)據(jù)驅(qū)動的數(shù)字素養(yǎng)教學(xué)反饋模塊

傳統(tǒng)的數(shù)字素養(yǎng)教學(xué)評估系統(tǒng)采用具有固定難度系數(shù)的反饋測試機(jī)制， 難以有效揭示受教者的個人能力、參與意愿與學(xué)習(xí)風(fēng)格。跨模態(tài)的人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教學(xué)反饋模塊， 能夠高效處理海量關(guān)聯(lián)數(shù)據(jù)， 進(jìn)而揭示不同施教者在數(shù)字素養(yǎng)教學(xué)中的個人習(xí)慣、教學(xué)內(nèi)容上的細(xì)微差別以及差異化教學(xué)經(jīng)驗(yàn)， 從而構(gòu)筑更為公平的教學(xué)成效評估標(biāo)準(zhǔn)與內(nèi)容反饋機(jī)制［２０］ 。例如， 以安全為中心的ＣｈａｔＧＰＴ 插件系統(tǒng)嵌入數(shù)字素養(yǎng)教學(xué)反饋模塊， 通過持續(xù)穩(wěn)定地連接網(wǎng)絡(luò)瀏覽器、代碼解釋器和Ｓｌａｃｋ、Ｓｐｅａｋ、Ｗｏｌｆｒａｍ 等第三方應(yīng)用程序［２１］ ， 迅速挖掘受教者的表現(xiàn)數(shù)據(jù)、偏好數(shù)據(jù)、需求數(shù)據(jù)和能力數(shù)據(jù)， 基于自動生成的個性化數(shù)字素養(yǎng)學(xué)習(xí)情況分析中反映的異常行為和潛在問題， 從相關(guān)的海量題庫數(shù)據(jù)中抽取特定技能標(biāo)注、知識點(diǎn)標(biāo)注和學(xué)習(xí)風(fēng)格標(biāo)注， 進(jìn)而更新數(shù)字素養(yǎng)教學(xué)反饋模塊涉及的人工智能生成算法模型， 改善自適應(yīng)學(xué)習(xí)系統(tǒng)，克服傳統(tǒng)的訓(xùn)練數(shù)據(jù)過于陳舊、邏輯計算復(fù)雜錯漏、數(shù)據(jù)分析與可視化能力不足、定性與定量數(shù)學(xué)問題處理困難、對話互動過于單一等缺陷， 成為數(shù)據(jù)驅(qū)動的數(shù)字素養(yǎng)教學(xué)反饋模塊的重要支撐。

４大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的具體風(fēng)險與應(yīng)對策略

大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的創(chuàng)新實(shí)踐在助力搭建虛實(shí)融合的數(shù)字素養(yǎng)情境教學(xué)模塊、智能處理的數(shù)字素養(yǎng)教學(xué)資源模塊、數(shù)智協(xié)同的數(shù)字素養(yǎng)教學(xué)流程模塊與數(shù)據(jù)驅(qū)動的數(shù)字素養(yǎng)教學(xué)反饋模塊的同時， 亦暴露出一系列具體風(fēng)險，亟待完善相應(yīng)的風(fēng)險糾偏策略體系。

４.１大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的具體風(fēng)險

數(shù)智時代中大模型和多模態(tài)發(fā)展趨勢下， 人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的教學(xué)資源模塊、教學(xué)流程模塊、教學(xué)反饋模塊和情境教學(xué)模塊的過程中逐漸暴露出復(fù)雜生成的錯漏風(fēng)險、技術(shù)生成的誠信風(fēng)險和生成內(nèi)容的侵權(quán)風(fēng)險等一系列具體的共性風(fēng)險。

４.１.１復(fù)雜生成的錯漏風(fēng)險

數(shù)字素養(yǎng)教育的教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等模塊在嵌入人工智能生成內(nèi)容的過程中需要積極處理不同來源、不同任務(wù)、不同模態(tài)的訓(xùn)練數(shù)據(jù)， 甚至多角度嘗試從海量教學(xué)場景和多元教學(xué)主體中分析歸納隱含特征與多樣規(guī)律。內(nèi)部結(jié)構(gòu)復(fù)雜的黑箱式運(yùn)作機(jī)理和因果邏輯導(dǎo)致難以向師生群體提供清晰易懂的運(yùn)行說明和具體依據(jù)。同時， 嵌入Ｌｅｎｓａ、ＧＰＴ 等模型的數(shù)字素養(yǎng)教學(xué)資源模塊、教學(xué)流程模塊和教學(xué)反饋模塊中復(fù)雜算法的運(yùn)行容易受到數(shù)據(jù)、模型和訓(xùn)練方法等因素的干擾，即便是少量隨機(jī)噪聲的輕微擾動， 亦有可能導(dǎo)致不符合數(shù)字素養(yǎng)教育規(guī)律的不可控的安全隱患與隨機(jī)偏見（如錯誤評估受教者的學(xué)習(xí)狀態(tài)或持續(xù)推薦非必要的教學(xué)資源）， 往往誤導(dǎo)施教者或受教者， 嚴(yán)重影響數(shù)字素養(yǎng)教育的教學(xué)效果和教學(xué)效率， 導(dǎo)致教學(xué)雙方極度不信任、缺乏透明度的生成過程。

４.１.２技術(shù)生成的誠信風(fēng)險

大規(guī)模的多模態(tài)人工智能生成技術(shù)在嵌入數(shù)字素養(yǎng)教育的情境教學(xué)模塊、教學(xué)資源模塊、教學(xué)流程模塊和教學(xué)反饋模塊的過程中難以保證輸入的海量訓(xùn)練數(shù)據(jù)的精準(zhǔn)性、及時性和全面性， 在提高內(nèi)容生產(chǎn)效率的同時存在質(zhì)量風(fēng)險。同時， 數(shù)字素養(yǎng)教學(xué)效果的監(jiān)測評估中， 格外強(qiáng)調(diào)寫作能力是評測和展示受教者的知識儲備、理解能力和表達(dá)技巧的關(guān)鍵環(huán)節(jié)。近期， ＣｈａｔＧＰＴ、ＧｉｔＨｕｂ Ｃｏｐｉｌｏｔ、ＤｒｅａｍＵｐ 等人工智能內(nèi)容生成工具被數(shù)字素養(yǎng)教育的受教者悄然用于作業(yè)輔導(dǎo)、簽到仿冒和成果造假。這一技術(shù)生成內(nèi)容嚴(yán)重威脅學(xué)術(shù)誠信的惡劣現(xiàn)象， 不僅迫使數(shù)字素養(yǎng)教育的施教群體重點(diǎn)關(guān)注人工智能生成技術(shù)尚不具備的創(chuàng)造力、溝通力和批判力， 還反向促進(jìn)了行業(yè)級人工智能生成文本圖片或音視頻內(nèi)容的檢測工具的迭代更新［２２］ 。

４.１.３生成內(nèi)容的侵權(quán)風(fēng)險

人工智能生成技術(shù)積極嵌入數(shù)字素養(yǎng)教育的教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等模塊涉及的算法訓(xùn)練的數(shù)據(jù)準(zhǔn)備， 包括數(shù)量眾多、來源各異、權(quán)屬不同的數(shù)據(jù)類型， 訓(xùn)練過程存在侵害個人信息權(quán)、數(shù)據(jù)隱私權(quán)和傳統(tǒng)版權(quán)等諸多風(fēng)險。例如， Ｏｐｅｎ ＡＩ 公司被弗朗西斯科·馬可尼（ＦｒａｎｃｅｓｃｏＭａｒｃｏｎｉ）等媒體人士強(qiáng)烈譴責(zé)未經(jīng)授權(quán)大量使用衛(wèi)報、路透社、紐約時報等新聞文章訓(xùn)練ＣｈａｔＧＰＴ模型且從未支付任何費(fèi)用［２３］ 。同時， 大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育完整流程的核心環(huán)節(jié)是自動輸出復(fù)雜數(shù)據(jù)， “本質(zhì)上屬于信息， 實(shí)為信息權(quán)利之對象”［２４］ ， 其權(quán)利歸屬一直是學(xué)界爭議焦點(diǎn)。從“人工智能的生產(chǎn)商為開發(fā)產(chǎn)品投入了資金， 因此人工智能生成內(nèi)容的著作權(quán)應(yīng)當(dāng)歸屬于生產(chǎn)商”［２５］ 到將文字內(nèi)容相關(guān)權(quán)益賦予軟件開發(fā)者［２６］ ， 存在較大風(fēng)險。例如， 蓋帝圖像（Ｇｅｔｔｙ Ｉｍ?ａｇｅｓ）已經(jīng)起訴Ｓｔａｂｉｌｉｔｙ ＡＩ 公司在人工智能圖像生成工具Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 的數(shù)據(jù)訓(xùn)練中非法使用該站點(diǎn)數(shù)百萬張圖片， 嚴(yán)重侵害知識產(chǎn)權(quán)和商標(biāo)權(quán)［２７］ 。

４.２大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的風(fēng)險對策

面對數(shù)智時代中大模型與多模態(tài)發(fā)展趨勢下，具有跨時代意義的人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等模塊的過程中反映出的一系列具體的共性風(fēng)險，亟待通過采用可解釋的偏離模型、強(qiáng)化生成風(fēng)險的流程治理以及構(gòu)建以人為本的人機(jī)協(xié)同等細(xì)化措施， 大力推動數(shù)字素養(yǎng)教育的蓬勃發(fā)展。

４.２.１采用可解釋的偏離模型

充分發(fā)揮人工智能生成內(nèi)容在數(shù)字素養(yǎng)教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等模塊中的重要作用， 亟待優(yōu)化和完善模型標(biāo)注邏輯， 尤其是主動偏離訓(xùn)練數(shù)據(jù)。適度偏離的模型架構(gòu)能夠確保輸出內(nèi)容與訓(xùn)練數(shù)據(jù)具有明顯的偏差值， 避免生成結(jié)果侵害輸入原始資料的版權(quán)。同時， 亟待依據(jù)數(shù)字素養(yǎng)教育的復(fù)雜特征， 加強(qiáng)Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ、Ｃｈａｔ?ＧＰＴ 等生成式智能工具在嵌入方式、嵌入流程與嵌入結(jié)果等方面的可解釋性。

４.２.２強(qiáng)化生成風(fēng)險的流程治理

全面推進(jìn)數(shù)字素養(yǎng)教育的情境教學(xué)、資源獲取、流程優(yōu)化和有序反饋的過程中， 為了避免人工智能生成錯漏內(nèi)容或侵害合法權(quán)益， 有必要建立人機(jī)雙審的內(nèi)容審核機(jī)制， 落實(shí)內(nèi)容治理主體責(zé)任。通過完善人工智能算法的運(yùn)作管理， 切實(shí)防范數(shù)字素養(yǎng)教育的教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等主要模塊中嵌入人工智能生成內(nèi)容帶來的人身侵害和財產(chǎn)損失， 提高風(fēng)險預(yù)測預(yù)警和應(yīng)急處置能力。例如， 公共圖書館在應(yīng)用數(shù)智化的文圖生成系統(tǒng)的過程中， 應(yīng)當(dāng)及時通過線上平臺和線下渠道發(fā)布海量訓(xùn)練數(shù)據(jù)的收集和存儲信息， 并為輸入資料的版權(quán)人提供便捷的作品檢索與退出機(jī)制， 切實(shí)保障權(quán)利人的知情權(quán)與選擇權(quán)。又如， 基于ＧＰＴ－４的Ｂｉｎｇ Ｃｈａｔ 工具內(nèi)嵌了保證信息來源可靠真實(shí)的基本原則和采用安全模式的基礎(chǔ)要求， 廣泛應(yīng)用于數(shù)字素養(yǎng)教學(xué)流程管理將更有效地防范生成風(fēng)險［２８］ 。

４.２.３構(gòu)建以人為本的人機(jī)協(xié)同

人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教學(xué)資源、教學(xué)流程、教學(xué)反饋和情境教學(xué)等主要模塊的良性發(fā)展需要積極秉持以人為本的人機(jī)協(xié)同理念。通過明確的戰(zhàn)略政策引領(lǐng)， 積極構(gòu)建對標(biāo)國際又具備中國特色的數(shù)字素養(yǎng)核心框架， 充分運(yùn)用人工智能生成內(nèi)容完善問題導(dǎo)向型的教育規(guī)劃和實(shí)施邏輯， 通過大規(guī)模的多模態(tài)人工智能算法模型生成豐富的數(shù)字素養(yǎng)教育的交互任務(wù)、交互環(huán)境與交互體驗(yàn)， 提高施教者的工作能力， 改善受教者的學(xué)習(xí)狀況， 逐步構(gòu)建以人為本的人機(jī)協(xié)同數(shù)字素養(yǎng)教育生態(tài)系統(tǒng)。

５結(jié)語

在全球數(shù)字生態(tài)建設(shè)迅速滲透人類社會每一個角落的時代背景下， 數(shù)字素養(yǎng)已經(jīng)成為提振國家核心競爭力的重要因素與個人生存發(fā)展的基本能力要求。面對數(shù)字科技加速迭代與推進(jìn)全民數(shù)字素養(yǎng)教育缺乏師資和物資支撐的艱難局面， 亟待充分挖掘大模型下人工智能生成內(nèi)容嵌入數(shù)字素養(yǎng)教育的情境教學(xué)模塊、教學(xué)資源模塊、教學(xué)流程模塊和教學(xué)反饋模塊等的助推意義與具體路徑， 積極抽取訓(xùn)練情境描述數(shù)據(jù)、策略規(guī)則數(shù)據(jù)、學(xué)習(xí)風(fēng)格表征數(shù)據(jù)、知識結(jié)構(gòu)描述數(shù)據(jù)、認(rèn)知能力表征數(shù)據(jù)等， 聚合構(gòu)建數(shù)據(jù)驅(qū)動、智能處理、虛實(shí)融合的數(shù)字素養(yǎng)教育的內(nèi)容生成規(guī)則庫和情境知識庫， 持續(xù)提升受教群體的創(chuàng)造力、批判力和生產(chǎn)能力［２９］ ， 亦時刻警惕、積極避免并全力救濟(jì)人工智能生成技術(shù)嵌入數(shù)字素養(yǎng)教育的情境教學(xué)模塊、教學(xué)資源模塊、教學(xué)流程模塊和教學(xué)反饋模塊等過程中復(fù)雜生成導(dǎo)致的錯漏風(fēng)險、技術(shù)生成引發(fā)的誠信風(fēng)險以及生成內(nèi)容侵害他人權(quán)益的風(fēng)險， 逐步構(gòu)建全民獲益的智能化數(shù)字素養(yǎng)終身培育體系， 推動數(shù)字社會健康有序發(fā)展。