。生成式人依据生成式人工智能的工智个性化学习 ，学习过程中愈加凸显个别学习者的动学“高自主性” ，即学习者和内容资源具有“高生成性”的习方生成式人工智能之间 ，经过发问与诘问等高频互动 ，生成式人构成不同的工智学习途径 ，满意个性化需求 。动学
在国家继续深化推进教育数字化转型的习方布景下 ，生成式人工智能因其天然语言了解 、生成式人依据人类反应的工智强化学习、深度神经网络模型等技能特色，动学能够动态生成学习内容 、习方优化学习途径 ，生成式人并支撑学生的工智“按需学习” ，为大规模个性化学习供给了新的动学可能性 。
当时 ，一线教育中部分中小学积极主动地将生成式人工智能用于课堂教育，比方今年以来，教育智能体在北京 、上海 、深圳等区域校园不断涌现 ，生成式人工智能走进课堂教育的背面 ，是生成式人工智能技能促进教育系统内部各要素逐渐走向交融 ，并逐渐构成依据生成式人工智能的个性化学习新样态 。
。推进学生自我引导式学习 。
依据生成式人工智能的个性化学习 ，最显着的改动之一便是学生人物的改动 。经典的个性化学习依靠教师供给的资源和引导 。大数据技能支撑的个性化学习着重依据不同学习常识水相等状况 ，精准推送个性化资源来优化学习 。而依据生成式人工智能的个性化学习，则是着重主体性的自我引导式学习 。
学习中，生成式人工智能犹如一位耐性的导师 ，经过天然对话协助学生厘清思路、经过对学生发问与诘问剖析 ，了解学生的深度学习需求 。如学生能够随时向AI发问 ，经过重复沟通 ，把那些“只可意会”的主意或需求渐渐地表达出来 ，AI会依据学生的不同需求 ，灵敏调整回答方法 。
在这个过程中 ，学生不仅能取得需求的常识 ，还能学会自主调整学习规划和进展 ，真实完结自我导向的按需学习 。在人机联系的处理上 ，生成式人工智能可视为人的“外脑” ，具有高数据处理才能和智能泛化才能 ，能够高效完结常见的甚或较为杂乱的使命；而人脑作为“内脑”具有创造性思想才能 、情感表达才能、人文关心精力等 ，能够担任把握方向及作业方针 。
。生成个性化学习资源 。
在传统教育中 ，学习者往往面临着相同的学习内容和学习方面 ，个性化学习需求很难满意 。虽然在大数据技能支撑下 ，经过搜集和剖析学习者的行为数据 、学习习气与偏好 、常识薄缺点等，然后供给精准的学习资源 ，但从根本上看是依据精准性推送资源的承受式学习。实践中是由教师或渠道预设了有限数量和难度层次的学习内容资源 ，力求满意学生无限多样化的需求。
依据生成式人工智能的个性化学习 ，能够从学生与生成式人工智能的对话前史中获取学生的个性化信息 ，记载和了解学生的认知水平现状与常识盲区，剖析学生共同的学习习气和动机 ，为学生供给学习支架，并动态生成契合学生各自最近展开区的学习内容；完结在交互活动过程中发生真实的个性化学习，充沛尊重学习者个别差异特征及其潜在的立异才能 ，完结合适每个学习者常识与思想水平的启发式学习 。
AI助教能够依据当时学习内容，生成相应的测验题来确诊学习起点，这样确诊测验还有一个在大模型练习数据来历规模之内的横向水平比较的参照 ，从而让确诊有更强的参考价值 。AI助教还能够经过天然语言处理技能，运用其实体辨认和联系抽取等功能 ，从学生的学习记载（如笔记、作业、问答等）中主动提取常识点和概念间的联系，构建个人常识图谱 ，从而发现学生个别现有常识结构和学科常识系统（图谱）之间的映射联系，然后对学生的现有常识水平现状和进一步展开需求进行评价，并经过人机协同支撑的智能化教育资源聚合，为学生生成或推送个性化的学习内容与资源 。
。供给有针对性的学习途径 。
依托AI技能和聚类算法 、智能助教 ，依据生成式人工智能的个性化学习 ，除了资源的动态生成外，学习途径的动态生成也是推进个性化学习展开的重要改动之一 ，出现出更强的支撑学习的“强生成性”特征 。
生成式人工智能经过对学习行为进行继续追寻剖析等 ，把握学生的学习根底 、进展、轨道 、作用等显性特色 ，发掘学习偏好 、情感和动机等内隐特征 ，据此能够给学习者供给及时的学习资源与学习干涉支撑；还能够作为学伴智能体为学习者进行学习规划与时间管理 ，完结对学习途径 、资源和心情等的针对性调整。
由此可见 ，依据生成式人工智能的个性化学习 ，借助于推理模型 ，能够针对不同学习者给出不同的学习途径，即依据学习者的发问思路，给出多样的问题解决计划 、逻辑和分步推理使命 ，学习者则能够依据计划 ，继续展开多途径的学习和继续探求 。例如 ，在学习过程中经过大模型与学习者进行沟通 ，记载和存储学习者对话文本 、多模态信息 ，使用大模型数据收集与剖析才能 ，完结生成式人工智能对学生学习才能与认知水平的剖析 ，从而供给个性化的学习资源引荐和途径挑选 。依据学生的认识水平和了解 ，生成式人工智能能够动态地调整学习内容难度 、速度和出现方法 ，推进学生展开依据发问和不断诘问的探求学习 。
。推进大规模个性化学习 。
经典的个性化学习和依据大数据技能的个性化学习 ，重在依照教师或大数据的需求剖析，预设好各种优质资源 ，为学习者供给个性化引荐服务 ，本质上是个别化学习 。简略说 ，以往的一些个性化学习往往重视给学生供给均衡的 、有限的 、预设的优质资源，而很少重视这些有限预设学习资源或内容是否满意学习者真实的爱好或需求。
生成式人工智能的数据集，是不同范畴专家学者经过供给优质常识库 ，并以此为根底 ，不同师生在与智能体互动中生成的各种有价值的交互数据 。AI助教承受了这些数据集的练习后，对高质量教育内容及其教育方法贮存会越来越丰厚 ，具有了“集体才智结构” 。再借助于逐渐“平权化”的生成式人工智能技能 ，及比如推理模型支撑的“无门槛”的互动发问才能 ，为每名师生供给了触手可及的集体才智 ，能够使每个学习者发自内心的学习爱好需求等被均等化满意 ，从而完结依照自己爱好挑选发问 、生成内容 、引荐资源 、规划途径 ，完结按需学习的机会均等 ，真实完结大规模个性化学习，而非简略地优质均衡 。
（作者 ：朱永海 ，系首都师范大学人工智能教育研究院副院长、教授，本文系全国教育科学“十四五”规划2022年度教育部要点课题［课题编号 ：DCA220455］阶段性研究成果） 。
