國內(nèi)外生成式人工智能教育現(xiàn)狀分析與熱點探究以ChatGPT為代表的生成式人工智能應(yīng)用具有助推教育數(shù)字化轉(zhuǎn)型的強大動能，帶來了人工智能與教育融合的新機遇。該研究以中國知網(wǎng)和科學(xué)網(wǎng)數(shù)據(jù)庫收錄的“生成式人工智能教育”相關(guān)學(xué)術(shù)文獻作為研究樣本，運用可視化知識圖譜軟件CiteSpace，從數(shù)據(jù)來源、關(guān)鍵詞頻次、中心度、關(guān)鍵詞共現(xiàn)、聚類視圖等角度對國內(nèi)外文獻進行計量分析。研究發(fā)現(xiàn)，國內(nèi)外在AIGC教育領(lǐng)域的研究現(xiàn)狀宏觀上呈相似趨勢，但在微觀的學(xué)科應(yīng)用上存在明顯差異。我國的研究熱點主要集中于教育變革、風(fēng)險治理、人機關(guān)系、素養(yǎng)培育等領(lǐng)域，國外的研究則側(cè)重于教育應(yīng)用、學(xué)習(xí)方式、倫理風(fēng)險、素養(yǎng)提升等領(lǐng)域。未來，我國的AIGC教育研究應(yīng)聚焦專用大模型設(shè)計與評測，推動人工智能素養(yǎng)教育落實，注重多元化視角的實踐探究，以實現(xiàn)其在教育中的最佳應(yīng)用效果。關(guān)鍵詞：ChatGPT；生成式人工智能；文獻計量學(xué)；CiteSpace；熱點引言在數(shù)字化浪潮的席卷之下，生成式人工智能（ArtificialIntelligenceGeneratedContent，簡稱AIGC）的崛起成為備受矚目的焦點與議題。在此期間，ChatGPT憑借其強大的自然語言處理能力和獨特的對話生成機制，引發(fā)了教育界對于AIGC未來的教育潛力與影響的廣泛討論。近年來，我國高度重視人工智能的技術(shù)發(fā)展與產(chǎn)業(yè)結(jié)合，自2017年國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》以來，一批相關(guān)政策相繼出臺，人工智能成為提升國家競爭力與維護國家安全的戰(zhàn)略性技術(shù)。黨和國家一貫高度重視高層次人才培養(yǎng)，強調(diào)人才是第一資源，認為只有高質(zhì)量教育才能培育出高素質(zhì)人才。2022年教育部印發(fā)的《人工智能領(lǐng)域研究生指導(dǎo)性培養(yǎng)方案（試行）》，從基礎(chǔ)理論、共性技術(shù)、支撐應(yīng)用與社會治理等維度明確了人工智能領(lǐng)域高層次人才的培養(yǎng)方向，致力于構(gòu)建人工智能復(fù)合型人才培養(yǎng)體系，為人工智能技術(shù)的發(fā)展應(yīng)用提供充足的人才儲備。國際上，美國政府自2016開始，發(fā)布了多份人工智能領(lǐng)域的國家戰(zhàn)略報告，旨在從宏觀層面確立國家人工智能研究戰(zhàn)略方案，以保證美國在全球人工智能領(lǐng)域保持競爭優(yōu)勢[1]。2023年美國教育部教育技術(shù)辦公室發(fā)布的《人工智能與教學(xué)的未來：見解與提議》，從學(xué)習(xí)、教學(xué)、評價和研發(fā)四大層面提出7條政策建議，認為人工智能在改善自適應(yīng)學(xué)習(xí)、教學(xué)流程、教師專業(yè)發(fā)展、形成性評估等方面有巨大潛能[2]。其他國家諸如英國的《國家人工智能戰(zhàn)略》、德國的《人工智能行動計劃》、日本的《人工智能戰(zhàn)略2022》等，都將人工智能視為制定數(shù)字世界標準和規(guī)則的核心技術(shù)。當前，人工智能領(lǐng)域的發(fā)展如火如荼，隨著AIGC的興起，人工智能的第三次浪潮已然到來。鑒于此，本研究運用CiteSpace等文獻可視化工具，基于中國知網(wǎng)（CNKI）和科學(xué)網(wǎng)（WebofScience）的學(xué)術(shù)文獻數(shù)據(jù)，探析國內(nèi)外AIGC教育的研究現(xiàn)狀、熱點議題，以期描繪出AIGC教育的研究輪廓與發(fā)展圖景。一、研究設(shè)計與方法（一）文獻選取本研究的主要數(shù)據(jù)來源為中國知網(wǎng)和科學(xué)網(wǎng)，其中，中文數(shù)據(jù)為中國知網(wǎng)學(xué)術(shù)期刊，以“ChatGPTORAIGCOR生成式人工智能AND教育”為關(guān)鍵詞進行高級檢索，限制文獻來源類別為“北大核心”與“南大核心（CSSCI）”，檢索時間截至2024年2月29日，通過人工排查去除相關(guān)度不高的文獻，共獲得可用中文文獻270篇；英文文獻來自科學(xué)網(wǎng)核心合集，以“ChatGPTORAIGCORGenerativeAIORGenAI”為關(guān)鍵詞進行高級檢索，將文獻類型限制為“論文”“在線發(fā)表”“綜述論文”，語言限定為英語，研究方向調(diào)整為“EducationEducationalResearch”，截止時間為2024年2月29日，共獲得英文文獻433篇。（二）研究方法本研究采用文獻計量與可視化分析軟件CiteSpace作為主要研究工具，同時輔以書目共現(xiàn)分析系統(tǒng)（BICOMB）和Excel完成數(shù)據(jù)的匯總與統(tǒng)計。簡而言之，首先，將中英文文獻樣本分別導(dǎo)入書目共現(xiàn)分析系統(tǒng)軟件，提取作者、作者單位、關(guān)鍵詞、期刊等關(guān)鍵信息，其中關(guān)鍵詞需要進行關(guān)鍵詞字段值修改，實現(xiàn)同義替換后，將其導(dǎo)入Excel進行數(shù)據(jù)匯總。其次，運用CiteSpace繪制出關(guān)鍵信息的共現(xiàn)知識圖譜，并就其中的關(guān)鍵詞進行聚類分析。最后，整合已有的數(shù)據(jù)，綜合分析當前現(xiàn)狀與深度挖潛已有研究熱點。二、研究結(jié)果與分析（一）國內(nèi)外生成式人工智能教育文獻結(jié)構(gòu)分析1.期刊來源與學(xué)科分布分析期刊來源分布分析可以揭示不同學(xué)科領(lǐng)域的期刊數(shù)量和分布情況，了解期刊在學(xué)術(shù)界的影響力和地位。利用書目共現(xiàn)分析系統(tǒng)的中英文期刊數(shù)量統(tǒng)計（見表1），中文文獻AIGC教育研究發(fā)文量排名前5位的分別為：《開放教育研究》《華東師范大學(xué)學(xué)報(教育科學(xué)版)》《現(xiàn)代教育技術(shù)》《中國電化教育》《電化教育研究》，均超過了10篇文章，其中以《華東師范大學(xué)學(xué)報（教育科學(xué)版）》最為特殊，其2023年第7期“ChatGPT/生成式人工智能與教育變革”?？l(fā)表了16篇相關(guān)文章。據(jù)統(tǒng)計分析可知，中文文獻主要分布在教育學(xué)、工學(xué)（計算機類）、管理學(xué)（圖書情報）等學(xué)科。英文期刊發(fā)文量排行前5位的是：《JMIR醫(yī)學(xué)教育》（JMIRMedicalEducation）、《教育科學(xué)》（EducationSciences）、《教育與信息技術(shù)》（EducationandInformationTechnologies）、《化學(xué)教育雜志》（JournalofChemicalEducation）、《技術(shù)趨勢》（TechTrends），其中《JMIR醫(yī)學(xué)教育》的發(fā)文量遠高于其他期刊。從英文期刊學(xué)科分布可以看出，英文文獻主要集中于教育學(xué)、理學(xué)（化學(xué)）、醫(yī)學(xué)、工學(xué)（計算機）等學(xué)科。綜合國內(nèi)外期刊的學(xué)科分布特點，可以發(fā)現(xiàn)AIGC技術(shù)正與各學(xué)科進行深入的交叉融合，形成了多樣化的研究態(tài)勢，既體現(xiàn)了AIGC技術(shù)的廣泛適用性，也反映了學(xué)術(shù)界對其賦能潛力的認可。2.作者和研究機構(gòu)分布分析如表2所示，中文數(shù)據(jù)庫中的生成式人工智能教育研究主要集中于華東師范大學(xué)、北京師范大學(xué)、華中師范大學(xué)、西南大學(xué)、南京師范大學(xué)等高校，對推動我國AIGC教育研究的發(fā)展起到了關(guān)鍵作用。其中，南京師范大學(xué)教育科學(xué)學(xué)院與北京師范大學(xué)教育學(xué)部、新疆師范大學(xué)教育科學(xué)學(xué)院、華東師范大學(xué)教育學(xué)部及其下屬院系在學(xué)術(shù)研究方面合作密切，整體發(fā)文量占比較大；北京語言大學(xué)、上海外國語大學(xué)與北京師范大學(xué)相關(guān)科研單位構(gòu)成了學(xué)術(shù)研究共同體；同時，仍有大部分院校機構(gòu)以小規(guī)模的學(xué)術(shù)合作為主，表明AIGC教育研究領(lǐng)域具有多樣性和分散性等特征。由此可見，國內(nèi)的AIGC教育研究整體呈現(xiàn)出“中心凝聚、外圍輻射”的結(jié)構(gòu)特點，有利于形成研究合力，促進學(xué)術(shù)創(chuàng)新和交叉融合。在作者方面，華東師范大學(xué)的祝智庭教授發(fā)文量最多，總數(shù)為8篇。以祝智庭教授為核心的學(xué)術(shù)研究團隊[3]探討了ChatGPT等AIGC應(yīng)用在學(xué)習(xí)評價、學(xué)習(xí)范式、學(xué)習(xí)模式、人機協(xié)同、教育大模型等方面的助推作用和潛在隱患，從國家教育數(shù)字化轉(zhuǎn)型的高度提出了四大轉(zhuǎn)型方略。溫州大學(xué)的王佑鎂教授等[4]從AIGC技術(shù)的沖擊與挑戰(zhàn)、倫理風(fēng)險、監(jiān)管治理等視角剖析并制訂了相關(guān)的AIGC教育應(yīng)用治理框架與結(jié)構(gòu)化的監(jiān)管流程，強調(diào)將野蠻生長的AIGC教育應(yīng)用引導(dǎo)至合理有序的監(jiān)督管理體系內(nèi)，為“AIGC+教育”提供有效的法規(guī)保障和明確的道德指引。綜上，從我國的文獻發(fā)表量來看，自2022年12月ChatGPT開放使用以來，AIGC技術(shù)與教育各領(lǐng)域融合已成為熱點話題，當前我國的AIGC教育研究尚處于起步階段，因而有大量的學(xué)者正獨立在該領(lǐng)域進行探索研究。從表2可知，英文數(shù)據(jù)庫中生成式人工智能教育研究發(fā)表文獻較多的有俄亥俄大學(xué)系統(tǒng)、印第安納大學(xué)系統(tǒng)、香港大學(xué)系統(tǒng)、佐治亞大學(xué)系統(tǒng)等院校機構(gòu)。其中，哈佛大學(xué)系統(tǒng)、北京師范大學(xué)系統(tǒng)、俄亥俄州大學(xué)系統(tǒng)、佐治亞大學(xué)系統(tǒng)等高校構(gòu)成了密集的學(xué)術(shù)研究合作網(wǎng)絡(luò)，整體網(wǎng)絡(luò)中心度較高；其余大量的高校機構(gòu)處于獨立研究狀態(tài)且有著零散的文獻發(fā)表。從作者的文獻發(fā)表數(shù)量來看，美國亞利桑那州立大學(xué)的達納·亨里克森（DanahHenriksen）與龐雅·米什拉（PunyaMishra）[5]發(fā)文量最多，共有5篇文獻發(fā)表。亨里克森與米什拉強調(diào)需從短期和長期兩個維度看待AIGC技術(shù)對教師教育的積極作用和教育領(lǐng)域的變革影響，鼓勵教育相關(guān)從業(yè)者秉持開放、理性和積極的態(tài)度，創(chuàng)造性地利用技術(shù)，以期促進AIGC與教育的融合。塔斯馬尼亞大學(xué)的約瑟夫·克勞福德（JosephCrawford）等[6]闡述了ChatGPT在高校中的應(yīng)用風(fēng)險與挑戰(zhàn)，認為AIGC作為一項顛覆性技術(shù)，只有在教育理論和教學(xué)實踐的合理指導(dǎo)下，才有可能產(chǎn)生積極影響。（二）國內(nèi)外生成式人工智能教育詞頻共現(xiàn)分析文獻詞頻共現(xiàn)可以分析某一領(lǐng)域文獻中特定詞匯或短語出現(xiàn)的頻率，從而揭示出該領(lǐng)域的核心主題、關(guān)鍵觀點、研究熱點等重要信息，對于初步探討研究現(xiàn)狀有著重要意義。利用書目共現(xiàn)分析系統(tǒng)的關(guān)鍵詞匯總及同義替換功能，對國內(nèi)外文獻中的關(guān)鍵詞進行詞頻共現(xiàn)統(tǒng)計，其中，中文文獻關(guān)鍵詞為1203個，英文文獻關(guān)鍵詞為2553個，將相同關(guān)鍵詞諸如“人工智能生成內(nèi)容”“AIGC”等合并為“生成式人工智能”后，獲得國內(nèi)、國外AIGC教育前10位的高頻關(guān)鍵詞，如表3所示。由此可見，國內(nèi)外對于AIGC教育的關(guān)注點不盡相同。其中，ChatGPT、人工智能、生成式人工智能、高等教育、大語言模型等詞語均有提及且整體出現(xiàn)頻次相對較高，這充分反映出國內(nèi)外對于人工智能與教育融合這一議題已經(jīng)有了長期的探討與研究，尤其是新一代人工智能技術(shù)——生成式人工智能在教育領(lǐng)域所展現(xiàn)出的巨大潛力，為人工智能教育研究注入了新的活力。此外，值得注意的是，新一代人工智能ChatGPT在2022年首次亮相后，便迅速在高校中傳播開來，從最初的野蠻發(fā)展到隨后的嚴令禁止，再到如今的理性認識，這一系列的連鎖反應(yīng)使AIGC已成為了各界關(guān)注的焦點。有鑒于此，國內(nèi)外文獻高頻詞中的技術(shù)詞語占比相對較高，這也進一步證明了人工智能及其相關(guān)技術(shù)在教育領(lǐng)域中的創(chuàng)造性運用正日益引發(fā)廣泛關(guān)注與學(xué)者的理性思辨。最后，從現(xiàn)有的學(xué)科應(yīng)用研究領(lǐng)域來看，國內(nèi)研究注重AIGC與思想政治教育融合，國外研究則以AIGC賦能醫(yī)學(xué)教育居多，這折射出國內(nèi)外教育理念、技術(shù)應(yīng)用和文化背景上的差異。（三）國內(nèi)外生成式人工智能教育研究熱點分析關(guān)鍵詞聚類是一種典型的文本挖掘技術(shù)，常被用于文獻計量研究，通過分析文本中關(guān)鍵詞的共現(xiàn)關(guān)系，將相關(guān)的關(guān)鍵詞聚集在一起，形成關(guān)鍵詞群組或類別，可以幫助研究者識別研究主題、業(yè)內(nèi)趨勢和學(xué)科融合交叉點。在CiteSpace軟件中選擇“聚類（Clusters）”視圖，利用對數(shù)似然率算法（Log-likelihoodRatio，簡稱LLR）對國內(nèi)外文獻進行聚類分析，描摹出AIGC教育領(lǐng)域的關(guān)鍵詞聚類圖譜，匯總后如表4所示。其中，中文文獻聚類為：#0人工智能、#1復(fù)合腦、#2高等教育、#3人機協(xié)同、#4倫理風(fēng)險、#5教育、#6數(shù)字素養(yǎng)；英文文獻聚類為：#0生成式人工智能（GenerativeArtificialIntelligence）、#1技術(shù)接受模型（TechnologyAcceptanceModel）、#2醫(yī)學(xué)教育（MedicalEducation）、#3學(xué)術(shù)誠信（AcademicIntegrity）、#4寫作（Writing）、#5個性化學(xué)習(xí)（Personalizedlearning）、#6批判性思維（CriticalThinking）。這些聚類大致勾勒出了國內(nèi)外AIGC教育學(xué)術(shù)研究圖景，且兩者的平均輪廓值（Silhouette）均大于0.7，這意味著聚類結(jié)果令人信服。1.國內(nèi)熱點分析為梳理出國內(nèi)AIGC教育的研究熱點，對上述中文文獻的七大聚類進行概括與歸納后，可將其歸結(jié)為兩大研究主題：一是生成式人工智能驅(qū)動教育變革與風(fēng)險治理研究，主要包含人工智能、高等教育、教育、倫理風(fēng)險四大聚類；二是生成式人工智能時代人機關(guān)系與素養(yǎng)培育研究，該領(lǐng)域覆蓋了復(fù)合腦、人機協(xié)同、數(shù)字素養(yǎng)三大聚類標簽（見表5）。人工智能驅(qū)動的教育變革與風(fēng)險治理研究，基于宏觀視角討論了人工智能對教育整體的變革影響，從印刷技術(shù)、廣播電視、計算機網(wǎng)絡(luò)等方面論證了技術(shù)在教育的歷史進程中發(fā)揮著引領(lǐng)作用，既促進了已有機制的內(nèi)在變革，又反映了外界發(fā)展的迫切需求，而以往的技術(shù)從未像人工智能這般迅速且全面地改變教育生態(tài)。曹培杰[7]認為人工智能教育變革的三大核心議題分別是教學(xué)、管理與評價，人工智能以其獨特的優(yōu)勢推動著“工業(yè)化教育”向“智能型教育”轉(zhuǎn)變，成為教與學(xué)全流程的內(nèi)生變量。生成式人工智能在教育中掀起的海嘯，讓本體危害、技術(shù)濫用、教育異化、生態(tài)失衡等倫理風(fēng)險頻發(fā)，因此眾多學(xué)者對該主題進行了相關(guān)梳理與探究。如王佑鎂等[8]從算法、數(shù)據(jù)、技術(shù)和應(yīng)用四大維度分析了AIGC教育應(yīng)用的倫理風(fēng)險，提出了風(fēng)險性監(jiān)管的三層七步治理框架，力圖在AIGC教育應(yīng)用大規(guī)模普及的過程中進行科學(xué)有效的監(jiān)管，實現(xiàn)事故風(fēng)險的最小化。綜上，基于現(xiàn)有研究成果觀察，AIGC的教育變革和風(fēng)險治理仍是國內(nèi)研究的熱門方向。人工智能時代下人機關(guān)系與素養(yǎng)培育研究聚焦于AIGC背景下人的認知結(jié)構(gòu)變化、人機關(guān)系的重新定位、人工智能時代的素養(yǎng)塑造等話題。首先是個體認知結(jié)構(gòu)形式的改變。沈書生等[9]認為，個體的大腦是一個復(fù)合腦，內(nèi)腦決定個體的存在與能力層次，外腦決定個體的真實世界感知能力與程度，內(nèi)外腦的相互作用共同構(gòu)成了復(fù)合腦。在人工智能時代，個體內(nèi)腦通過與智能外腦有機結(jié)合來實現(xiàn)整體能力的提升，形成了人機共生的復(fù)合腦。這驅(qū)使著人們不斷思考個體與知識的關(guān)系，如重構(gòu)主義知識觀、回歸論知識觀和數(shù)據(jù)驅(qū)動知識觀等都在向傳統(tǒng)的知識觀、學(xué)習(xí)觀發(fā)起挑戰(zhàn)。其次是人機關(guān)系的重新定位。傳統(tǒng)的認知理論在解釋個體內(nèi)部的信息加工過程方面有著深厚的積淀，但隨著人機協(xié)同的興起，人與智能工具之間的互動和協(xié)作逐漸形成了所謂的分布式認知方式，即“認知外包”。這一轉(zhuǎn)變不僅擴展了認知的邊界，也深刻影響了人機關(guān)系的定位和人工智能技術(shù)的進一步發(fā)展，為避免技術(shù)異化，實現(xiàn)雙方的優(yōu)勢互補直至共同進化，必須將以人為本的發(fā)展理念一以貫之。此外，AIGC的教育應(yīng)用場景必須由教育的參與者們共同拓展。再次是人的智能素養(yǎng)塑造問題。要規(guī)避人工智能的被動異化，提升個體在人工智能時代的社會競爭力，以使其適應(yīng)未來復(fù)雜多變的工作和學(xué)習(xí)環(huán)境，關(guān)鍵在于積極主動地培育師生的智能素養(yǎng)。因此，深入探究人機關(guān)系與智能素養(yǎng)培育之間的關(guān)系，成為國內(nèi)AIGC教育領(lǐng)域的重要議題。2.國外熱點分析國外文獻聚類與我國現(xiàn)有的研究整體差異不大，大致可以歸納為：生成式人工智能教育應(yīng)用與學(xué)習(xí)方式研究、生成式人工智能倫理風(fēng)險與素養(yǎng)提升研究兩個維度（見表6）。首先是生成式人工智能教育應(yīng)用與學(xué)習(xí)方式研究，其主要的標簽構(gòu)成有生成式人工智能、技術(shù)接受模型、醫(yī)學(xué)教育、寫作、個性化學(xué)習(xí)5個類別。國外對于ChatGPT在教育領(lǐng)域中的應(yīng)用研究大體可分為快速傳播、理性審視和深度融合3個階段。第一階段，ChatGPT的快速傳播成為媒體關(guān)注的焦點，但對于其在教育中的價值與效果評價可謂毀譽參半。學(xué)者們多從技術(shù)接受模型的視角出發(fā)，審視ChatGPT在高校中的興起。高校學(xué)生所面臨的往往是大量的劣構(gòu)問題，需要充分調(diào)動學(xué)習(xí)者多種知識技能和花費大量時間精力，而AIGC應(yīng)用得益于低廉的學(xué)習(xí)成本與廣泛適用性為其積累了龐大的用戶群體。第二階段，研究者從教育功利性角度出發(fā)，全面分析了ChatGPT所產(chǎn)生的一系列學(xué)術(shù)道德難題和自身存在的“多重悖論”，理性判斷其在經(jīng)濟學(xué)、計算機科學(xué)、數(shù)學(xué)等學(xué)科領(lǐng)域的應(yīng)用價值，思考如何給予該技術(shù)合理的角色定位，以應(yīng)對日趨復(fù)雜的教學(xué)環(huán)境[10]。在第三階段，愈來愈多的AIGC應(yīng)用+學(xué)科教育融合成為研究重點，其中以技術(shù)賦能生物醫(yī)學(xué)教育的論述尤甚，共有60篇相關(guān)文獻，占比高達13.85%。醫(yī)學(xué)教育界普遍認為大語言模型技術(shù)具有提供真實情境、數(shù)字化患者、醫(yī)學(xué)寫作輔助、個性化反饋、評估方法及消除語言障礙等顯著優(yōu)勢，但因醫(yī)學(xué)教育的特殊性，同時也存在生成信息不一致、患者數(shù)據(jù)隱私安全、病癥偏見等困擾[11]。隨著GPT-4以及視頻生成模型SORA的發(fā)布，如醫(yī)學(xué)圖像診斷等新的賦能場景更加廣泛，AIGC技術(shù)在醫(yī)學(xué)教育中的應(yīng)用研究與學(xué)習(xí)方式變革依然是國外的研究熱點。其次是生成式人工智能倫理風(fēng)險與素養(yǎng)提升研究，它涵蓋了學(xué)術(shù)誠信、批判性思維兩個聚類標簽，主要探討了ChatGPT引發(fā)的學(xué)術(shù)倫理、批判性思維及相關(guān)素養(yǎng)提升。生成式人工智能的技術(shù)特性引發(fā)了教育界的諸多議論，為規(guī)范新興技術(shù)的應(yīng)用，大量教育工作者呼吁正確引導(dǎo)與技術(shù)限制齊頭并進。一方面，加強學(xué)生的學(xué)術(shù)道德教育，塑造學(xué)習(xí)者的批判性思維，緩解技術(shù)依賴癥狀；另一方面，加快AI檢測研究與應(yīng)用開發(fā)，推出原創(chuàng)性檢測工具，及時糾正學(xué)術(shù)不端行為?？傊?，隨著AIGC技術(shù)的常態(tài)化使用，我們不能因其爭議而忽視技術(shù)的教育價值，而是要強化學(xué)習(xí)者合理、規(guī)范使用AIGC技術(shù)的意識和能力，以促進學(xué)習(xí)績效提升。這是AIGC與教育深度融合的前提條件。因此，倫理風(fēng)險與素養(yǎng)研究必將是AIGC教育研究長期探討的一個重要議題與研究領(lǐng)域。

三、研究建議聚焦專用大模型設(shè)計與評測從技術(shù)層面審視，在ChatGPT等通用大語言模型與行業(yè)的逐步融合過程中，準確性、針對性不足等問題日益凸顯，普適性的產(chǎn)品設(shè)計理念意味著其缺少對某些垂直領(lǐng)域內(nèi)容的學(xué)習(xí)，這無形中增加了訓(xùn)練成本。為此，依托海量的教育資源與行為數(shù)據(jù)，設(shè)計教育專用大模型已成為行業(yè)共識，是人工智能大模型技術(shù)深化發(fā)展的必然趨勢。但是，人們必須認識到通用大語言模型與教育專用大模型并非互斥關(guān)系，通用大語言模型為教育專用大模型提供了基礎(chǔ)的技術(shù)支持和框架，教育專用大模型則是對通用大語言模型在教育領(lǐng)域的進一步拓展和優(yōu)化，兩者相輔相成、各司其職，正朝著融合發(fā)展的方向演化。除此之外，為確保內(nèi)容生成的準確性且符合倫理規(guī)范，如何綜合、全面地評估大語言模型或?qū)⒊蔀锳IGC教育應(yīng)用平穩(wěn)落地的關(guān)鍵。推動人工智能素養(yǎng)教育落實人工智能素養(yǎng)培育自計算機融入教育領(lǐng)域肇始便議論不斷，其間不乏出現(xiàn)諸如信息素養(yǎng)、數(shù)據(jù)素養(yǎng)、數(shù)字素養(yǎng)、人工智能素養(yǎng)等表述，概念繁多，不一而足?，F(xiàn)今恰是教育數(shù)字化轉(zhuǎn)型的關(guān)鍵時刻，雖不時有關(guān)于人工智能素養(yǎng)培育的論述，但數(shù)字素養(yǎng)仍被學(xué)者們沿用，在多數(shù)情況下，人工智能素養(yǎng)被納入概念內(nèi)涵更廣泛的數(shù)字素養(yǎng)。盡管傳統(tǒng)的數(shù)字素養(yǎng)培育框架中嵌入了人工智能技術(shù)要素，但技術(shù)發(fā)展日新月異，人工智能的內(nèi)涵與定義仍在不斷革新。綜觀國內(nèi)外中小學(xué)的人工智能課程內(nèi)容可知，我國人工智能素養(yǎng)教育必須緊緊圍繞人工智能態(tài)度和意識、人工智能知識和技能、人工智能的社會倫理等要素，完善并構(gòu)建的中小學(xué)人工智能素養(yǎng)培養(yǎng)框架和課程體系，將人工智能素養(yǎng)內(nèi)涵積極融入各學(xué)段和學(xué)科中，助力學(xué)生掌握人工智能時代的基本技能與應(yīng)用思維[12]。注重多元化視角的實踐探究深入探究我國的AIGC教育研究現(xiàn)狀，不難發(fā)現(xiàn)學(xué)界目前更多地聚焦于宏觀與中觀層面的學(xué)理性剖析。然而，任何技術(shù)融合都離不開實踐應(yīng)用的檢驗與推動。從實踐的角度來看，不同受眾群體的知識經(jīng)驗、教學(xué)需求及內(nèi)容評估標準的差異，都直接影響著生成式人工智能技術(shù)的落地速度。學(xué)習(xí)者的知識經(jīng)驗越豐富，教學(xué)內(nèi)容的評估標準就越明確和統(tǒng)一。比如，成人教育是AIGC技術(shù)落地最快的陣地，緊隨其后的是高等教育、中等教育，小學(xué)教育與幼兒教育則相對滯后，這反映出不同教育階段對于新技術(shù)的接受程度和應(yīng)用需求的差異[13]。因此，對于當前的AIGC教育研究，應(yīng)注重多元化視角的實踐探究，了解不同教育階段與受眾群體的真實需求，探索AIGC技術(shù)在不同場景下的應(yīng)用可能性，為技術(shù)的落地與應(yīng)用提供更為有力的支撐。

四、研究結(jié)論首先，國內(nèi)外AIGC教育研究期刊來源眾多，中文文獻主要集中于教育技術(shù)學(xué)領(lǐng)域的期刊，如《開放教育研究》《現(xiàn)代教育技術(shù)》等期刊的文獻發(fā)表量大致相當，都有相關(guān)研究專題。英文文獻期刊來源則較為分散，除了常規(guī)的教育技術(shù)領(lǐng)域的期刊，如《JMIR醫(yī)學(xué)教育》《化學(xué)教育雜志》等