嵌入生成式人工智能的數字教育資源精準服務模式構建

[摘" "要] 數字教育資源精準服務是一種以用戶為中心、需求為導向的服務模式。從供需耦合角度分析，當前基礎教育數字資源服務還存在資源供需不適配，更新速度與需求變化不同步，服務差異化、個性化程度不足，需求識別與預測能力不佳，以及智能化服務水平有待提升等問題。生成式人工智能憑借其跨模態(tài)生成、自適應學習、深度理解與智能交互等強大功能，為數字教育資源服務創(chuàng)新提供了有力的技術支持。基于供需適配、使用與滿足和用戶體驗理論，研究構建了嵌入生成式人工智能技術的數字教育資源精準服務模式，闡釋了供需雙側聯動的資源服務機制。在此基礎上，提出增強資源服務與用戶需求“耦合”的路徑：基于數據驅動的用戶需求識別與預測；通過精準推薦增強資源服務與用戶需求的適配度；借助智能交互提升用戶參與感和體驗感；利用反饋信息實現數字資源的持續(xù)進化；以及引入智能評估改進資源服務的質量，以此促進數字教育資源服務向精準化、個性化和智能化方向發(fā)展，更好地滿足基礎教育數字化轉型的實踐訴求。

[關鍵詞] 教育數字化； 生成式人工智能； 數字教育資源； 精準服務； 供需耦合

[中圖分類號] G434" " " " " " [文獻標志碼] A

[作者簡介] 楊文正（1979—），男，云南大理人。副教授，博士，主要從事智能技術教育應用研究。E-mail：yang121@yeah.net。

一、問題的提出

黨的二十大報告提出了“推進教育數字化，建設全民終身學習的學習型社會、學習型大國[1]”的愿景。中共中央、國務院印發(fā)的《數字中國建設整體布局規(guī)劃》強調“大力實施國家教育數字化戰(zhàn)略行動，完善國家智慧教育平臺[2]”。數字教育資源作為教育數字化的核心構成，既是智能時代全民終身學習服務的關鍵支撐，也是國家教育數字化戰(zhàn)略行動縱深推進的基石?！吨袊逃F代化2035》明確指出“創(chuàng)新教育服務業(yè)態(tài)，建立數字教育資源共建共享機制”[3]的發(fā)展路徑。國務院印發(fā)的《“十四五”數字經濟發(fā)展規(guī)劃》也對“持續(xù)提升公共服務數字化水平”[4]提出了明確要求。數字教育資源精準服務已然成為我國基礎教育數字化轉型的迫切需求。

數字教育資源精準服務旨在通過深入把握學習者的認知規(guī)律、需求特點及動態(tài)行為特征，精確識別其個性化學習需求，為其提供定制化資源與支持服務，并對服務過程進行動態(tài)評估以持續(xù)優(yōu)化服務質量。從供需耦合角度分析，當前基礎教育數字資源服務還存在供需不適配、資源更新滯后、需求識別與預測不足、個性化和智能化服務水平有待提升等問題。羅江華等人認為，當前數字教育資源服務缺乏精準反饋資源提供者與使用者之間供需適配關系的機制，資源迭代更新不能及時適應用戶需求的動態(tài)變化[5]。陳明選等人認為，目前數字資源平臺設計與運行中缺乏用戶思維，用戶需求追蹤與反饋服務缺失，導致資源需求方處于被動接收狀態(tài)[6]。顧小清等人和王娟等人通過調研發(fā)現，國家中小學智慧教育平臺個性化資源不夠豐富，缺乏典型應用場景，難以滿足各區(qū)域各類學校的差異化需求，滿足學生個性化訴求的能力有待加強等問題[7-8]。此外，智能技術在用戶個性化學習、資源組織管理等方面的應用潛力還未得到充分發(fā)揮，智能化服務水平不高也是當前數字資源服務面臨的實踐難題[9]。

生成式人工智能（GAI）為數字教育資源服務的轉型升級提供了新的思路和技術支撐。本研究基于供需耦合的相關理論進行分析，借助GAI強大的功能，以“用戶需求、技術賦能、數據驅動、主動服務、持續(xù)改進”的思路構建了嵌入GAI的數字教育資源精準服務模式，對供需雙側聯動的機制進行了闡釋，從數據驅動、精準推薦、智能交互、資源進化和智能評估方面，提出GAI支持下的數字教育資源服務耦合路徑，從而促進數字教育資源服務向精準化、個性化和智能化發(fā)展，為提升基礎教育數字資源服務水平提供借鑒。

二、供需耦合視角下數字教育資源服務的理論分析

（一）供需適配理論

供需適配理論最先由斯蒂芬·德沃魯（Stephen Devereux）和沙琳·庫克（Sarah Cook）在探討“社會政策是否滿足了社會需求”議題中提出。鑒于社會需求和政策供給的差距可能呈現多種形態(tài)，他們提出一個包括相關性、可及性、質量性和相適性的供需適配性評價框架[10]?；A教育數字資源服務屬于社會公共服務的范疇，同樣存在因供給側結構性問題而導致供需不匹配或服務失效的現象，將此框架應用于數字資源供給與需求問題的分析具有一定的適切性：（1）相關性。強調服務需與用戶需求保持平衡，考慮服務是否能深入理解或主動適應用戶需求，以及反饋渠道的暢通性；（2）可及性。關注用戶獲取資源或服務的門檻和條件，分析使用數字資源的限制因素；（3）質量性。評估數字資源是否達標，包括內容和形式的科學性、準確性、規(guī)范性和創(chuàng)新性，以及平臺提供的使用支持和學習分析服務的豐富性和多樣性；（4）相適性。強調服務供給須考慮用戶特點和約束，根據不同需求提供針對性的資源或服務。

（二）使用與滿足理論

使用與滿足理論的核心觀點在于：受眾是積極主動的，根據個人的需求和意愿來選擇和使用媒介；強調受眾在媒介使用過程中的能動性和主導地位；受眾需求及其選擇的能動性對媒介傳播效果具有制約作用；受眾使用媒介的原因是基于某種特定的需求，并使其自身需求能夠得到滿足的過程[11]。這些觀點對于分析用戶使用數字資源過程同樣重要，通過洞察用戶使用數字資源行為背后的需求和動因，供給者可以為其提供更具有針對性和適切性的資源服務。利用使用與滿足理論可以解釋用戶使用數字資源的多種動機，主要包括認知滿足、技術滿足和社會互動滿足。認知滿足指的是用戶在使用資源過程中獲取信息或工具所帶來的價值，是利用資源后所獲得的認知成果；技術滿足主要關注用戶在使用資源或技術服務時所感受到的易用性和可控性，這直接體現了服務的便捷性和可操作性；社會互動滿足則體現在用戶在使用資源時與其他用戶建立并維持交互，這種滿足能夠促使用戶在共同信息需求基礎上形成價值共識，增強用戶對服務平臺的歸屬感。

（三）用戶體驗理論

用戶體驗是一個涵蓋易用性、可靠性、可定制性、可理解性、安全性和效率的多維概念，共同塑造用戶對服務的整體評價，強調用戶體驗的主觀性、動態(tài)性[12]。用戶體驗是一個持續(xù)改進的過程，需要根據用戶反饋或需求變化對其進行優(yōu)化，注重為用戶提供個性化服務，可為改進數字資源服務質量提供新視角[13]。有學者將用戶體驗理論延伸至公共服務領域，提出“公共服務體驗”概念，其具體劃分為感官、效用、關系、情感和認知五個維度，認為公共服務精準化是公共服務供給創(chuàng)新的發(fā)展趨勢[14]?；A教育數字資源服務是我國公共服務的組成部分，需從多方面提升用戶體驗：一是優(yōu)化服務平臺的美學設計，豐富用戶的感官體驗；二是深化評估資源價值與服務滿意度，提升效用體驗；三是強化用戶交互，促進用戶間聯結，以增進關系體驗；四是運用情感識別技術，精準響應用戶需求，提供適時的服務支持；五是關注用戶在使用資源后教學效率的提升和對服務的認知變化，增強認知體驗。

三、嵌入GAI的數字教育資源精準服務模式構建

中共中央、國務院辦公廳聯合印發(fā)的《關于構建優(yōu)質均衡的基本公共教育服務體系的意見》指出“加強國家中小學智慧教育平臺建設，著力提供系列化、精品化的教育教學資源，創(chuàng)新數字資源呈現形式，整體提升公共教育服務的效能”[15]。GAI的融入為解決數字資源服務供需問題提供了新路徑。將GAI嵌入數字資源服務全流程的各個環(huán)節(jié)，對用戶的資源和服務需求進行全面、實時、動態(tài)分析，為其提供更加精準、個性的需求響應，有助于滿足供需雙方的精準匹配。

（一）GAI的主要技術功能

GAI是一種利用復雜的算法、模型和規(guī)則，從大規(guī)模數據集中學習并創(chuàng)造新內容的人工智能技術[16]?；贕ANs、VAEs和Transformer架構等生成模型和深度學習技術，它能夠生成文本、圖片、聲音、視頻等多種類型的內容，其核心優(yōu)勢在于能夠生成與真實數據高度相似的“創(chuàng)造性”內容[17]。得益于億萬級數據訓練和模型支持，GAI具備了強大的跨模態(tài)生成能力、深度理解能力、自適應學習能力和智能交互能力。

1. 跨模態(tài)內容生成

是指生成式模型接受一種模態(tài)信息，產出另一種模態(tài)信息內容，如文生圖、圖生文、文本生成視頻等，還可以結合文本、圖片、語音等輸入，產生組合性輸出。GAI的跨模態(tài)內容生成能力，不僅限于對已有數據的簡單復制或重組，更能“創(chuàng)造”出與原始數據有所不同的全新內容，由此產生數字資源“人機共創(chuàng)”的新方式，這極大豐富了數字教育資源的多樣性。

2. 深度理解能力

與傳統基于規(guī)則的方法相比，GAI能夠深度理解輸入數據的內容、上下文意圖和結構，并在此基礎上進行邏輯推理，進而生成更為準確、自然的新內容[18]?；谏疃葘W習模型，GAI能夠識別出數據中的復雜模式和規(guī)律，在理解數據的潛在結構后，根據用戶的需求生成相應的信息。自注意力（Self-attention）機制的引用，不僅延長了GAI注意用戶輸入文本的上下文長度，也增強了GAI理解的廣度和深度，使GAI能更加準確地解析用戶需求。

3. 自適應能力

GAI能夠根據新數據和人類反饋行為進行持續(xù)學習和自我優(yōu)化，不斷提升生成內容的準確性和質量[19]。通過增量學習、遷移學習和混合專家模型等架構，GAI具備從大量數據中自我學習的能力，并將在一個任務中學到的知識遷移到其他相關任務中，以提升對不同任務或新環(huán)境下的適應性。這種能力意味著GAI可以根據用戶的學習進度和實時反饋，自動調整服務策略，滿足不斷變化的學習需求。

4. 智能交互能力

GAI不僅能理解和執(zhí)行指令，還可以根據上下文情境、用戶語氣或詞匯選擇等分析用戶情感狀態(tài)，實現更加自然和智能的情感交互[20]，以提升人機交互的層次和深度。此外，GAI還支持語音、手勢、面部表情等多種模態(tài)的交互方式，這種多模態(tài)交互可以為用戶提供直觀和人性化的服務，增強用戶使用數字教育資源服務的體驗性。

（二）模式構建

基于供需耦合的理論及GAI的主要技術功能分析，本研究以“用戶需求、技術賦能、數據驅動、主動服務、持續(xù)改進”的思路構建嵌入GAI的數字教育資源精準服務模式，如圖1所示。

其內涵主要體現為：

1.數字教育資源服務的核心在于精準滿足用戶的多元化需求。用戶不僅期待資源內容和形式呈現多樣性與豐富性，還對資源呈現、交互方式等技術層面有一定的個性化要求。服務提供者應全程關注用戶需求變化，不斷優(yōu)化各環(huán)節(jié)的服務體驗，引導用戶深入利用資源，以最大化實現資源服務的價值。

2. 技術賦能驅動數字教育資源服務持續(xù)創(chuàng)新，積極融入智能技術以提升服務質量和效果。利用自然語言處理（NLP）、語音識別、視頻理解等技術，實現用戶與學習資源的智能交互，提高學習參與度和沉浸感。優(yōu)化智能推薦算法，建立知識圖譜，根據用戶的學習進度和能力水平，為其推薦適合的學習路徑和資源組合。利用GAI可以幫助服務平臺監(jiān)測和優(yōu)化內容，確保資源的時效性和質量，促進資源優(yōu)化，保持資源活力。

3. 釋放數據要素潛能，提升數字教育資源服務決策的精準性。智慧服務平臺為數據的采集、融合、分析及服務提供支撐，利用知識圖譜等技術進行數據深度融合與分析，以挖掘用戶個性化需求。本研究提倡全數據驅動大規(guī)模個性化服務模式，一方面通過全面分析用戶的顯性及隱性需求信息，對用戶使用資源的過程進行實時跟蹤，將用戶反饋作為資源優(yōu)化或服務調整的主要依據。另一方面，利用全數據支持對特定用戶進行全方位描繪，提升用戶畫像的精細程度，對資源進行智能調適，實現在滿足用戶個性化需求的同時提高服務效率。

4. 當前主要采取的“請求—響應”式服務模式，服務主動性和智能性明顯不足。鑒于用戶需求的異質性和復雜性，標準化服務已難以滿足其變化，進而影響用戶體驗和資源利用率。本研究引入需求預測過程，利用智能技術深度挖掘用戶的潛在需求。在面對用戶需求的不確定性和波動性時，主動預測并提供前瞻性和適應性的資源與服務，以創(chuàng)造個性化的“驚喜”體驗，實現人機共情的服務效果。

5. 持續(xù)改進是確保數字教育資源服務質量和滿足用戶需求動態(tài)變化的內在要求。為適應教育政策變化和反映學科領域的最新發(fā)展，資源內容需要不斷更新，以確保時效性和準確性。用戶的需求和偏好會隨著時間的推移而變化，資源服務需持續(xù)收集用戶反饋，調整資源內容和服務方式，以提供更多元化、個性化的服務，并且需要不斷采納新技術，優(yōu)化服務流程，提升服務質量和用戶體驗。

（三）模式闡釋

該模式由數字教育資源服務目標、生成式人工智能賦能和供需雙側聯動的資源服務機制三大部分構成。首先，數字教育資源服務的價值訴求體現為數據驅動的精準化、個性化以及智能化服務。GAI在數字資源服務中的應用，為個性化學習體驗提升、動態(tài)內容生成、智能推薦服務、實時反饋與評估以及數據驅動決策等方面提供強大支持。評價數字資源服務質量，需綜合考慮資源質量和服務質量兩大核心維度。資源質量聚焦內容及形式的合規(guī)性，確保內容準確、完整、創(chuàng)新，兼具科學性、教育性和相關性；形式上體現易用性、標準化且具藝術性。服務質量則既強調應用支持系統具備良好的性能，包括可訪問性、響應性、可靠性和互操作性，還體現在用戶與資源之間的雙向互動程度上，即當用戶對資源使用提出建議或需要幫助時，系統能提供及時有效的反饋。同時，系統應提供個性化服務，如資源定制、優(yōu)質資源推薦等，以適應用戶特性、偏好及趨勢，提升用戶使用體驗與滿意度。

其次，GAI融合了深度學習、NLP和多模態(tài)學習等關鍵技術，實現了跨模態(tài)生成、自適應學習、深度理解與智能交互等功能，由此賦能數字教育資源服務。深度學習技術，為GAI提供了強大的數據特征提取與理解能力。注意力機制的引入以及與其他檢測方法的結合，使模型能夠聚焦于關鍵信息，從而生成更精確的輸出內容[21]。這對于資源內容創(chuàng)建和互動式學習體驗尤為關鍵?；谠隽繉W習技術的自適應系統，能夠在接收新數據的同時進行持續(xù)學習，通過用戶反饋機制和高效的模型優(yōu)化算法，自動調整內部參數和結構，優(yōu)化學習策略，以適應新的數據分布和用戶需求[22]。NLP技術不僅能實現文本理解與詞匯聚類分析相結合，還通過深度神經網絡處理序列數據，增強了對復雜語義的理解[23]。結合多模態(tài)數據，GAI能夠構建智能問答系統，準確響應用戶查詢，并通過情感分析技術評估用戶的情感狀態(tài)[24]，從而提供更有針對性的學習支持。此外，GAI實現了語音與文本的無縫轉換，使得系統能夠理解并執(zhí)行用戶的語音指令，并提供語音反饋。這種多模態(tài)交互方式，不僅提升了用戶體驗，也增強了交互效率，尤其在實時學習反饋與評估、智能輔導與答疑等方面顯示出巨大潛力。

最后，供需雙側聯動的資源服務機制，著重強調資源提供者與用戶之間的深度互動，以確保資源內容和服務能夠及時響應并滿足用戶需求的動態(tài)演變，達到資源服務的“供需耦合”狀態(tài)。“耦合”強調供給與需求之間的相互適應和動態(tài)平衡，核心在于實現供給與需求之間的有效匹配和協調。供給方需深入理解并分析需求方的個性化訴求，提供高質量的資源和服務；而需求方則通過有效的反饋機制，向供給方傳達使用體驗和需求變化，促進供給方的持續(xù)改進和創(chuàng)新。在這一過程中，供需調適是指通過智能評估和主動服務來不斷調整資源服務的供需關系；創(chuàng)造需求則是指通過推出具有創(chuàng)新性的資源和服務，來激發(fā)用戶的新需求；服務創(chuàng)新則意味著不斷探索與開發(fā)新資源或服務模式，以適應不斷變化的用戶需求和環(huán)境變化。通過“需求牽引供給、供給創(chuàng)造需求”的循環(huán)機制，可以實現資源供給方與需求方之間更高水平的動態(tài)平衡。供需雙側聯動的服務機制不僅關注供給側的改革，也注重需求側的拉動與反饋，有效推動數字教育資源服務的持續(xù)優(yōu)化和發(fā)展，形成良性循環(huán)。

四、GAI支持的數字教育資源服務供需耦合路徑

（一）數據驅動：精準識別與預測用戶需求

數字教育資源精準服務的前提是對用戶需求有準確、深入的理解。為此，服務提供者需通過分析用戶行為、偏好和反饋信息，洞察其具體需求。鑒于每位資源用戶的背景、偏好各異，同時受到其獨特的學習情境和學習風格等因素的影響，加之用戶需求的時變性，使得全面捕捉并理解用戶的特定需求變得較為困難。有時，用戶可能難以清晰地表達自己的實際需求，或者使用含糊的語言進行描述，這可能導致對需求產生誤解或歧義。更為復雜的是，有些資源或服務的需求是潛在的，用戶自己都有可能沒完全意識到。數據驅動的用戶需求分析，可以減少過多依賴傳統經驗判斷或直覺假設帶來的不確定性，提高用戶需求分析的效率和準確性。

為實現用戶需求的精準識別與預測，需借助先進的數據分析技術及算法，其中GAI展現出明顯的優(yōu)勢：（1）GAI能夠處理和融合多模態(tài)數據，如文本、圖像、音頻、視頻等，基于此建立用戶需求特征綜合判別模型，結合用戶畫像技術，科學全面地對用戶需求進行識別與預測[25]；（2）利用GAI高效的數據處理能力，可以構建出更加精細化的用戶畫像，并且這些畫像可以隨著數據的持續(xù)更新而不斷優(yōu)化，從而更加準確地理解用戶需求；（3）采用GANs或VAEs等生成模型，能夠模擬用戶的行為和偏好，生成合成數據，深化對用戶需求的洞察；（4）利用大語言模型（LLM）挖掘和評估用戶情感信息，提取用戶情感傾向，并輔以情感問答互動，能更精準地理解和反映用戶的情感狀態(tài)[26]；（5）通過人類反饋的強化學習（RLHF）機制，GAI在不斷交互中學習最優(yōu)策略，從而持續(xù)優(yōu)化其預測用戶需求的準確性[27]。GAI與用戶進行多輪次交互，實時收集用戶反饋信息，從而快速迭代用戶畫像數據并調整預測結果，以更好地適應用戶需求的動態(tài)演變。

（二）精準推薦：實現資源與用戶需求匹配

推薦系統不僅可以幫助用戶在海量數字資源中快速篩選出最符合自身需求的資源，還可以根據用戶學習進展和表現的變化，動態(tài)調整推薦內容，引導用戶探索新的學習領域，實現適應性學習。然而，現有推薦系統在算法層面仍面臨冷啟動、數據稀疏性等挑戰(zhàn)，在推薦效果上也存在信息繭房、解釋性不足等問題。目前提供推薦服務的資源平臺主要依賴用戶行為數據和注冊信息來分析和判斷用戶的需求或資源偏好，這種方法具有明顯的時間滯后性且數據是靜態(tài)的，難以滿足用戶對資源服務的主動性、交互性、即時響應和按需定制等多元訴求。

在GAI的加持下，數字資源推薦服務展現出強大的潛力和效能。首先，GAI能夠通過生成模型，模擬新用戶的潛在行為和偏好，從而在用戶數據稀缺情況下也能完整構建用戶畫像。GAI可以為新資源生成特征描述，幫助推薦系統理解資源屬性，有效緩解冷啟動問題[28]。通過模擬用戶的行為模式，GAI還能預測用戶評價，有效緩解數據稀疏性問題[29]。其次，在解決“信息繭房”等推薦效果問題上，GAI也具備獨特優(yōu)勢。利用GAI可以構建動態(tài)信息網絡，實時跟蹤用戶偏好和興趣變化，動態(tài)調整推薦內容；GAI能夠推薦與用戶歷史偏好不完全一致的數字資源，如更高質量和更有深度的內容，確保推薦資源的多樣性和新穎性；通過與用戶互動，GAI還能定期收集用戶對推薦內容的反饋，以調整推薦策略。最后，利用GAI還能提供跨模態(tài)和探索性推薦服務。結合多種模態(tài)資源，為用戶提供跨模態(tài)推薦，增加用戶與資源的多維度互動；通過訓練生成式模型來創(chuàng)建不完全基于用戶歷史偏好的資源，引導學習者探索新的領域知識[30]。GAI通過改進算法、增強交互式學習以及深入理解學習意圖等方式，有效克服推薦系統的技術瓶頸，為用戶提供更為個性化、多元化和解釋性強的推薦服務，實現數字資源與用戶需求的精準匹配。

（三）智能交互：增強用戶參與感和體驗感

智能交互是指運用智能技術，特別是基于RLHF、指令微調和思維鏈等技術，賦予計算機系統深度理解人類自然語言的能力，從而增強人機交互[31]。目前多數在線學習平臺以視頻課程為主，向學習者提供服務，這種在線課程設置的交互（如討論區(qū)、留言區(qū)等）多與視頻內容學習模塊相割裂[32]，用戶在學習過程中鮮有與資源內容直接發(fā)生交互。這種以單向信息傳遞為主的服務方式，未能給用戶提供反饋的途徑，使得用戶在利用資源學習過程中缺乏即時指導或與他人交流的機會，這可能會讓學習者產生孤獨或無助感。盡管有些平臺嘗試提供交互支持，但仍然缺乏能夠追蹤用戶學習進程的智能化交互系統，導致學習過程缺乏有效反饋和適應性調整，從而影響用戶的整體滿意度。

GAI憑借其在NLP、圖像識別和視頻理解等方面的功能優(yōu)勢，為增強數字資源服務的交互性提供了更多可能。譬如：OpenAI的GPT-4o顯著優(yōu)化了語音理解的響應速度，平均響應速度為320毫秒，最快可達232毫秒，相比GPT-4的540毫秒的平均延遲，響應速度大幅度縮短[33]，使得人機交互更加流暢，近乎達到人與人“面對面”交流的自然程度；該公司最新推出的ChatGPT Edu專為教育應用開發(fā)，能為學生提供基于試題等資源的解答服務，允許用戶基于上傳的PDF、Word等文檔內容進行深度交互，并能同時在文本、視頻、音頻等多種模態(tài)下提供推理服務[34]。在數字資源服務過程中，通過運用GAI實現智能問答和交互式學習，不僅為用戶提供實時的反饋機制，還能有效促進用戶參與和交流。GAI的多模態(tài)信息理解與生成技術能夠為增強用戶使用資源服務體驗賦能，人機智能交互成為創(chuàng)新數字教育資源服務的源泉。

（四）資源進化：持續(xù)優(yōu)化或生成優(yōu)質資源

數字教育資源進化是資源為滿足用戶動態(tài)、個性化學習需求而持續(xù)自我優(yōu)化與更新的過程，包含內容更新與關聯性拓展兩方面。前者實現信息的持續(xù)完善，表現為版本升級；后者則注重資源間的關聯整合，以更好地融入學習資源生態(tài)。從資源進化的視角審視，當前數字資源服務平臺存在的主要問題是：資源靜態(tài)化、內容更新滯后，交互性欠缺，限制了用戶主動探索和實踐空間；資源呈現方式單一，缺乏多元化的形態(tài)，多模態(tài)數據的深度融合不足等[35]；資源顆粒劃分不科學，資源提供者需在信息豐富度與技術效率之間尋求平衡，根據實際需求和技術條件來選擇和設計數字資源的顆粒度。

GAI為數字教育資源的持續(xù)進化提供了有力支持。首先，GAI能夠持續(xù)跟蹤學習資源的使用狀況以及用戶的實時反饋，同時監(jiān)測知識領域的最新發(fā)展動態(tài)。這種動態(tài)更新機制不僅有助于保持數字資源的多樣性和新穎性，還能顯著提高用戶的學習興趣和動力。其次，充分利用GAI的跨模態(tài)數據融合能力，能夠有效整合視頻、音頻、動畫、圖表、虛擬實驗等形式，從而讓數字資源變得更加生動和吸引人。通過與虛擬現實（VR）、增強現實（AR）等技術的結合，GAI還能創(chuàng)造出模擬或虛擬的學習環(huán)境，為用戶提供沉浸式的學習體驗[36]。最后，GAI通過深度學習大量現有學習資源的數據分布來生成全新的學習資源。這些新生成的學習資源可以根據用戶的個性化需求進行定制，涵蓋難度級別、知識點覆蓋以及學習風格等多個維度，從而確保資源的適用性和針對性。經過GAI進化后的數字資源能夠融入更多的互動元素，如模擬實驗、在線討論、交互式測試以及視頻內容交互等，極大地增強了用戶的參與感和專注度。

（五）智能評估：形成完善的資源服務閉環(huán)

在數字教育資源服務生命周期中，評估貫穿于資源服務的各環(huán)節(jié)。智能評估，即運用智能技術對特定對象進行深度評估、精準分析和科學決策。數字資源服務的智能化評估面臨諸多挑戰(zhàn)。首先，數據收集與整合的難題。由于數據來源于不同平臺，其形態(tài)、結構、標準和格式各異，增加了數據采集與整合的難度。其次，構建智能評估模型具有挑戰(zhàn)性。理想的智能化評估模型應能精確反應用戶的資源使用情況和認知能力發(fā)展變化，適應不同的教育場景和需求，并須具備較強的可解釋性，這在算法設計和實現上頗具難度。最后，實時動態(tài)反饋和調整是技術難點。對資源服務進行實時動態(tài)評估需要高質量、完整的數據輸入，并保證數據的持續(xù)、準確的流入。有效的數據清洗、校驗以及實時處理要求具備強大的算力和優(yōu)化的數據處理流程。

通過引入GAI，數字教育資源服務評估的自動化、個性化和精準性可以得到顯著提升。首先，GAI能夠自動地從海量數據中抓取、篩選和整理用戶使用數據，并進行清洗、標準化、歸一化、特征提取和降維等預處理，確保輸入數據的質量和有效性。其次，GAI能基于歷史數據與專家知識，自動構建評估模型，這些模型可用于預測用戶滿意度、評估資源服務質量等方面。GAI還能利用其強大的生成能力為評估模型提供大量模擬數據，以便對模型進行訓練和優(yōu)化[37]。最后，GAI通過實時監(jiān)測用戶與資源交互的過程，能夠及時發(fā)現并識別出資源使用過程中存在的潛在問題。此外，GAI還能基于當前用戶關注的資源特征，在樣本量小的情況下，預測未來服務趨勢和需求，為資源服務的持續(xù)改進提供有力支持[38]。智能評估與精準服務相結合，能夠形成一個完善的數字教育資源服務閉環(huán)，實現數字資源服務生態(tài)化。

五、結 束 語

滿足師生教與學需求是數字教育資源服務的核心價值所在，也是推動數字教育資源由被動供給向主動服務轉變的關鍵。而精準服務則是這一轉型的重要體現，嵌入GAI的數字教育資源精準服務模式旨在通過技術賦能，實現資源與用戶需求之間的高效對接，提升數字教育資源服務的質量。GAI所具備的強大功能，可以增強資源提供方和需求方之間的耦合關聯，從而提高數字教育資源服務的精準化、個性化和智能化水平。誠然，智能技術的快速發(fā)展，為數字教育資源服務的轉型升級提供了強大動力，但當前的GAI的“生成”還具有明顯的不可解釋性、內容“幻象”、預設性等不足，這與人類“生成”的可解釋性、確定性和創(chuàng)造性有著明顯區(qū)別[39]。隨著技術的持續(xù)演進和服務理念的不斷更新，GAI無疑將為數字教育資源服務創(chuàng)新帶來無限的可能性，然而新技術的引入也伴隨著不確定性風險，包括數據安全與隱私泄露、算法偏見、知識產權問題，以及用戶對人機協同服務的接受度和信任度等挑戰(zhàn)。因此在未來，如何使GAI與人類價值觀保持一致，遵循人的意圖（即實現雙向人機價值對齊[40]），如何確保GAI在教育領域使用的合規(guī)性，以及挖掘GAI的新功能，拓展數字教育資源服務創(chuàng)新的邊界，如提供知識化、場景化服務等，都需要研究者開展持續(xù)性的探究。

[參考文獻]

[1] 習近平． 高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告[M]． 北京：人民出版社，2022：34．

[2] 新華網. 中共中央 國務院印發(fā)《數字中國建設整體布局規(guī)劃》[EB/OL]. （2023-02-27） [2024-10-18]. http：//www.xinhuanet.com/politics/2023-02/27/c_1129401407.htm.

[3] 中華人民共和國中央人民政府. 中共中央、國務院印發(fā)《中國教育現代化2035》[EB/OL]. （2019-02-23） [2024-10-18]. https：//www.gov.cn/zhengce/2019-02/23/content_5367987.htm.

[4] 國務院. 國務院關于印發(fā)“十四五”數字經濟發(fā)展規(guī)劃的通知[EB/OL].（2022-01-12） [2024-10-18]. https：//www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[5] 羅江華，張玉柳． 基于跨模態(tài)理解與重構的適應性數字教育資源：模型構建與實踐框架[J]． 現代遠程教育研究，2023，35（6）：91-101．

[6] 陳明選，來智玲，蔡慧英． 我國基礎教育數字資源及服務：現狀、問題與對策[J]． 中國遠程教育，2022（6）：11-20，76．

[7] 顧小清，王欣苗，李世瑾． 數字教育資源發(fā)展水平如何？——基于國家中小學智慧教育平臺資源的證據回應[J]． 遠程教育雜志，2024，42（1）：61-73．

[8] 王娟，張雅君，王沖，等． 國家中小學智慧教育平臺應用現狀調研與路徑優(yōu)化——基于全國30，605名中小學生的樣本數據[J]． 電化教育研究，2024，45（6）：50-56，65．

[9] 柯清超，林健，馬秀芳，等． 教育新基建時代數字教育資源的建設方向與發(fā)展路徑[J]． 電化教育研究，2021，42（11）：48-54．

[10] 沙琳． 需要和權利資格：轉型期中國社會政策研究的新視角[M]． 北京：中國勞動社會保障出版社，2007.

[11] 劉懿． 使用與滿足理論視角下的移動圖書館用戶參與影響機理研究[J]． 情報科學，2022，40（4）：56-63．

[12] 鄭楊碩，朱奕雯，王昊宸． 用戶體驗研究的發(fā)展現狀、研究模型與評價方法[J]． 包裝工程，2020，41（6）：43-49．

[13] 趙慧臣，李琳． 智能時代數字化學習資源質量評估研究——基于用戶體驗的視角[J]． 現代教育技術，2022，32（1）：75-84．

[14] 徐增陽，曾禎． 公共服務體驗：我國公共服務高質量發(fā)展的新趨勢[J]． 行政論壇，2024，30（2）：78-89．

[15]新華社.中共中央辦公廳 國務院辦公廳印發(fā)《關于構建優(yōu)質均衡的基本公共教育服務體系的意見》[EB/OL]. （2023-06-13） [2024-10-18]. https：//www.gov.cn/gongbao/2023/issue_10546/202306/content_6888957.html.

[16] 劉明，郭爍，吳忠明，等． 生成式人工智能重塑高等教育形態(tài)：內容、案例與路徑[J]． 電化教育研究，2024，45（6）：57-65．

[17] 徐國慶，蔡金芳，姜蓓佳，等． ChatGPT/生成式人工智能與未來職業(yè)教育[J]． 華東師范大學學報（教育科學版），2023，41（7）：64-77．

[18] 劉邦奇，聶小林，王士進，等． 生成式人工智能與未來教育形態(tài)重塑：技術框架、能力特征及應用趨勢[J]． 電化教育研究，2024，45（1）：13-20．

[19] 黎加厚． 生成式人工智能對課程教材教法的影響[J]． 課程·教材·教法，2024，44（2）：14-21．

[20] 張絨． 生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J]． 電化教育研究，2023，44（2）：5-14．

[21] GUPTA G， RAJA K， GUPTA M， et al． A comprehensive review of DeepFake detection using advanced machine learning and fusion methods[J]． Electronics，2023，13（1）：95．

[22] 劉強，張穎，周衛(wèi)祥，等． 自適應類增量學習的物聯網入侵檢測系統[J]． 計算機工程，2023，49（2）：169-174．

[23] CAI Z Q， HU X G， ANDRASIK F， et al． Integrating deep learning to improve text understanding in conversation-based ITS[J]．International journal of smart technology and learning，2021，2（4）：304．

[24] RUDOLPH J， TAN S， TAN S. ChatGPT： bullshit spewer or the end of traditional assessments in higher education？[J]. Journal of applied learning and teaching， 2023，6（1）：342-363.

[25] 張濤，張思． 教育大數據挖掘的學習者模型設計與計算研究[J]． 電化教育研究，2020，41（9）：61-67．

[26] 陳佳雯，褚樂陽，潘香霖，等． 共享調節(jié)中的群體情感感知工具開發(fā)與應用——基于大語言模型技術框架[J]． 遠程教育雜志，2024，42（3）：79-92．

[27] 劉清堂，曹天生，吳林靜，等． ChatGPT類耦合教學代理：需求分析與教學應用[J]． 現代遠距離教育，2023（6）：3-11．

[28] 郝樂． AI人機交互用戶個性化推薦中隱私信息披露影響因素研究[J]． 情報理論與實踐，2024，47（7）：69-80．

[29] 胡斌皓，張建朋，陳鴻昶． 基于生成式對抗網絡和正類無標簽學習的知識圖譜補全算法[J]． 計算機科學，2024，51（1）：310-315．

[30] 李保玉，何麗梅． ChatGPT熱潮下大學生學習方式的轉變及引導[J]． 現代教育科學，2024（2）：105-112．

[31] 盧宇，余京蕾，陳鵬鶴，等． 生成式人工智能的教育應用與展望——以ChatGPT系統為例[J]． 中國遠程教育，2023（4）：24-31，51．

[32] 李彤彤，周彥麗，邊雨迎，等． 面向有效交互的在線教育視頻課程彈幕智能實時管理機制設計[J]． 電化教育研究，2023，44（1）：61-69．

[33] 郭全中，蘇劉潤薇． 作為新基礎設施的AGI：以GPT-4o等新一代生成式人工智能為例[J]． 新聞愛好者，2024（7）：16-21．

[34] OpenAI. Introducing chatGPT edu[EB/OL]. （2024-05-30） [2024-10-18]. https：//openai.com/index/introducing-chatgpt-edu/.

[35] 趙宏，蔣菲． “互聯網+” 時代教育資源建設新模式探析[J]． 電化教育研究，2020，41（7）：48-54．

[36] 馮永剛，張琳． 生成式人工智能時代道德教育的空間向度[J]． 中國電化教育，2024（5）：45-52．

[37] LIN A Q， ZHU L X， MOU W M， et al． Advancing generative AI in medicine：recommendations for standardized evaluation[J]．International journal of surgery，2024（10）：1097．

[38] 呂天根，洪日昌，何軍，等． 多模態(tài)引導的局部特征選擇小樣本學習方法[J]． 軟件學報，2023，34（5）：2068-2082．

[39] 苗逢春． 生成式人工智能及其教育應用的基本爭議和對策[J]． 開放教育研究，2024，30（1）：4-15．

[40] 武法提，楊重陽，李坦． 智慧學習環(huán)境中的人機協同設計[J]． 電化教育研究，2024，45（2）：84-90．

Construction of Precision Service Mode of Digital Educational Resources

Embedded with Generative Artificial Intelligence： Analytical Perspective Based on Supply-Demand Coupling

YANG Wenzheng1，" LI Xiaoyu1，" CHEN Xuanchao1，" YANG Junfeng2

（1.School of Information Science and Technology， Yunnan Normal University， Kunming Yunnan 650500；

2.Jing Hengyi School of Education， Hangzhou Normal University， Hangzhou Zhejiang 311121）

[Abstract] Digital educational resource precision service is a user-centered and demand-oriented service model. From the perspective of supply-demand coupling， there are still some problems in current" digital resource services in basic education， such as mismatch between resource supply and demand， unsynchronized updating speed and demand changes， insufficient degree of service differentiation and personalisation， poor ability to identify and predict needs， and the need for improvement in the level of intelligent services. Generative artificial intelligence， with its powerful functions such as cross-modal generation， adaptive learning， deep understanding， and intelligent interaction， provides strong technical support for the innovation of digital educational resource services. Based on supply and demand adaptation theory， use and satisfaction theory and user experience theory， this paper constructs a precision service model of digital educational resources embedded in generative artificial intelligence， and explains the resource service mechanism of bilateral linkage between supply and demand." Finally， this paper proposes specific paths to enhance the \"coupling\" between resource services and user demand， including data-driven user demand identification and prediction， enhancing the adaptability of resource services and user demand through accurate recommendation， improving the sense of user participation and experience through intelligent interaction，" realizing the continuous evolution of digital resources by means of feedback information， and introducing intelligent evaluation to improve the quality of resource services. In this way， we can promote the development of digital educational resource services in the direction of precision， personalization and intelligence， so as to better meet the practical demands of the digital transformation of basic education.

[Keywords] Educational Digitalization; Generative Artificial Intelligence; Digital Education Resources; Precision Service; Supply-Demand Coupling