潜能与风险：ChatGPT赋能学生非正式学习研究

关键词：ChatGPT；非正式学习；潜能；风险

中图分类号：G434 文献标识码：A 文章编号：1674-7615（2025）03-0038－10

DOI：10. 15958/j. cnki. jywhlt. 2025. 03. 004

作为生成式人工智能的代表，ChatGPT一经面世便凭借其便捷的接入和操作方式，迅速融入社会生活。它以深度学习和人类反馈强化学习等为基础，通过大算法模型、大数据和大算力的融合贯通，对海量数据进行预训练，进而根据用户指令，以自然语言文本的形式与用户开展“类人”对话，实现生成式人工智能的去神秘化和去壁垒化。有学者指出：ChatGPT或将利用其强大的自然语言处理能力，成为撬动第四次工业革命的杠杆[1]。技术媒介的更新迭代以及知识规模的高速扩张，使得信息、知识和价值观的源泉呈现多样化趋势，个体学习越来越多地发生在正规教育机构之外。非正式学习是在非正式教育情境中，以非教学的方式进行的一种经验学习。它以学习动机的自发性、学习时空的随意性、学习形式的多样性、学习内容的情境性以及学习效果的自评性等为特征[2「弥补了正式学习的不足并促进学习完整意义的回归。也正是由于非正式学习具备自发性、灵活性和非结构化的特征，决定了其更易受到技术裹挟。科学技术并非价值中立的事物，技术的逻辑被转变成依然处于奴役状态的逻辑[3]。人工智能技术作为人体机能的补充，不仅能够促进学生非正式学习的发展，还会按照自身的智能逻辑和技术逻辑，导致学生非正式学习陷人不确定性和风险之中。尤其是在生成式人工智能模拟甚至比肩人类智能的今天，有必要厘清ChatGPT类产品对学生非正式学习的赋能以及使用过程中潜在的风险，在此基础上明晰学生非正式学习的发展之路。

一、ChatGPT介入学生非正式学习的潜能

“非正式学习不仅意味着一种学习方式、代表着一种学习情境，也体现了一种学习理念。”[4]从认识论视角来看，非正式学习强调知识的变化性和可建构性；从学习论视角来看，非正式学习是一种高度自觉的自适应学习过程；从教学论视角来看，非正式学习强调学习者的主观能动性，凸显了学习者自身对于学习结果的组织管理。以ChatGPT为代表的生成式人工智能，以问题为牵引融合人-机智慧，根据人机多轮对话，自动提供智能推送，有助于扩充学生非正式学习的知识边界，提升非正式学习的自适应性，促进学生对学习结果的组织管理。

（一）人机群智协同扩充学生非正式学习的知识边界

知识的生产与获取是非正式学习中至关重要的一环。从知识社会学视角来看，知识的特征与社会化类型、社会共同体以及社会的形式密不可分[5]。当下以ChatGPT为代表的生成式人工智能加速了群智协同的分布式知识创造进程，引发知识范围、类型与数量的变革，扩充了学生非正式学习的知识边界。

ChatGPT作为新的知识生产主体，扩充了学生非正式学习的知识范围。随着ChatG-PT不断拟合人的基本特征和能力，它不再是对大规模文本数据的机械记忆，而是作为人类的“第二大脑”而存在，表现出强大的语言生成能力、上下文理解能力和世界知识能力[，成为新的知识生产主体。尤其是随着生成式人工智能逐步平民化和“草根化”，进一步加速了知识生产主体从单一个体过渡到人机群智协同。这主要得益于ChatGPT拥有千亿级参数的大规模预训练语言模型以及海量的知识库。在预训练过程中，ChatGPT实现了对互联网多种类文本数据的编码分析。因而，学生非正式学习过程中所获取的知识范围不再被自身所限制，而是以问题为牵引，通过人机协同与世界海量知识库联通，拓宽非正式学习的知识范围。

ChatGPT引发学生非正式学习知识类型变革。学生非正式学习所获得的知识大多为隐性知识，有助于培养学生的认知、情感、信仰、经验和技能。人工智能技术的更新迭代突破了文字抽象化的局限，信息空间记录信息的载体也不再局限于文字，而是囊括了多种模态。这就使得知识类型从刻板抽象的显性知识逐步扩展为生动立体的隐性知识，从传统知识转为流动知识，学生输人问题即可解锁学科知识和生活技能。从这一角度讲，ChatGPT拉近了知识与生活的距离，体现了杜威“科学研究具有教育意义”[7]的理念，为学生的非正式学习赋能。

ChatGPT有利于扩充学生非正式学习的知识数量。非正式学习动机的自发性以及学习形式的多样性决定了学生非正式学习的知识来源是多样化的，且学生对知识的需求量巨大。ChatGPT借助大语言模型、大算力和大数据的优势，“以基于知识库和逻辑规则（算法）的‘计算与表征’系统，进行知识生产、获取、存储、搜集、运算、生成、匹配和推荐等”[8]，在缩短知识生产周期的同时，加速群智云集的分布式知识创造过程，促进知识的汇聚与涌现。这在一定程度上使知识的数量得以增长，有助于满足学生非正式学习的多元化需求。

（二）智能推荐算法提升学生非正式学习的自适应性

学生非正式学习是自我发起、自我监督、自我调控的学习方式，因此在学习动机、学习内容、学习方式以及学习评价等方面都体现出高度的个性化和自适应性。人工智能时代，越来越多的学习行为能够被追踪和记录。以强大算法库为支撑的ChatGPT，可扮演私人学习顾问和私人智能助理的角色，精准刻画学习者的特征模型、提供智能化的学习推荐和动态化的学情监测，有助于提升学生非正式学习的自适应程度。

以智能算法为支撑的ChatGPT有助于精准刻画学习者特征模型。学习者特征模型是个性化自适应学习的核心，其关键技术为知识追踪，即通过对学习者的行为序列进行建模，有效预测学习者对知识的掌握程度。ChatGPT能够以自然语言与学生展开对话，通过采集学生话语以及交互行为等多模态信息，精准刻画学习者特征模型，对学习者的学习风格、认知图谱、认知能力以及情感体验等进行建模分析。大语言模型的技术逻辑又使得ChatGPT能够自动理解用户输入的任务，在与学生进行对话的同时，根据学生的反馈调整自身输出内容的难度，以适应学生的学习习惯和认知水平，这为提升学生非正式学习的自适应程度奠定了基础。

ChatGPT作为智能导师能够为学生提供智能化的学习推荐。学生非正式学习存在学习内容和学习目标模糊等特征，ChatGPT能通过个性化学习资源推送，弥补学生非正式学习的本体性缺陷。ChatGPT通过算法规则对学习者特征模型进行数据分析，进而推送个性化的学习资料，有助于提升学生非正式学习的自适应性。“内容生成式AI产品的核心语言处理算法模型依赖强大的‘算法库’支撑，具体算法的形成与优化又源于对人类行为的持续理解与实现，源于算法思维的结构再造”[10]，这就使得ChatGPT 能够持续关注用户特征，并根据用户偏好以及学习进展进行策略的微调，通过数据维度的增加和算法模型的优化[11]，实现对学生非正式学习需求的智能匹配，进而提升学生非正式学习的自适应程度。

ChatGPT能够实现对学生学习的动态监测和及时陪伴。通过智能算法以及数据跟踪技术，ChatGPT在不同时间、不同地点或不同问题情境中根据学生的认知变化做出即时反应，即时监测学生的学习进度和理解情况[12]，对学生的非正式学习结果进行动态记录、评估和监测。在人类反馈强化学习机制的支持下，ChatGPT能够实现对学生学习评价的再反馈，以此实现对非正式学习的动态监测。此外，ChatGPT作为智能导师，凭借便捷的操作方式，实现了对学生的实时陪伴，学生随时随地都可与其开展互动。这种即时性的对话和反馈，有助于提升学生非正式学习的自适应程度。

（三）深度整合机制促进学生非正式学习的知识重构

学生非正式学习活动具有高度非组织化、非结构化、非制度化和非系统化的特征。这种碎片化的学习方式容易造成知识分散、结构无序和信息失焦等问题。非正式学习的知识重构是指通过抽取知识源、挖掘语义关系以及融合知识等程序，促进碎片化资源形成系统化知识体系的意义建构。ChatGPT整合资源与技术的机制，为深化学生非正式学习的知识重构，提供了可行的路径。

ChatGPT的资源整合机制为学生非正式学习提供了相对系统化的知识源供给。ChatGPT的“无所不能”源于其拥有超大数据量的模型训练，不仅整合了百度百科与维基百科等知识图谱，谷歌与必应等搜索引擎以及人工智能网络的数据资源，还不断吸纳时代变革过程中产生的新数据，进行知识库的更新和迭代。因而，ChatGPT区别于单一的搜索引擎，凭借强大的整合机制实现了资源的整合和重组，因此超越了单一搜索引擎的知识界限，为学生提供相对系统化的知识源供给。

ChatGPT的技术整合机制，为挖掘学生非正式学习所获知识源之间的语义关联提供了技术支撑。ChatGPT的算法整合机制主要源于自然语言处理技术和多种深度学习技术。一方面，语言交互层采用先进的预训练语言模型，初步具备读懂知识源的能力，使得AI助手能够从大量文本数据中学习语言规则，进而为探究知识源语义关联提供了必要前提。另一方面，技术整合层采用卷积神经网络和循环神经网络等多种深度学习技术，挖掘语义关系的能力得以提升，这有助于ChatGPT更好地控制输出序列，因而也构成了挖掘学生非正式学习所获知识之间源语义关联的技术逻辑。

ChatGPT资源整合机制与技术整合机制相融合，促进学生非正式学习过程中碎片化知识的融合。学生在非正式学习过程中，通过ChatGPT的资源整合机制完成数据收集，经过多重技术对数据进行清理和预处理之后，集中存储至统一系统中，经由ChatGPT的半监督学习技术，提取对其有用的知识，生成相应的知识图谱。学生以问题为牵引，获取答案并将其应用至实际生活中。正如焦耳当所说：新知识只有在证明了自身之后才会被真正接受[13]。知识一旦可以被用于解决真正的问题，即表明知识体系的完善和形成。

由此可见，资源整合机制和技术整合机制的融合，促进了学生非正式学习过程中碎片化知识的融合。

二、ChatGPT介入学生非正式学习的风险

虽然ChatGPT凭借其超强的信息检索能力、文本生成能力以及自然语言处理能力为学生非正式学习赋能，但科技进步也带来了新的不确定性。浅层次的技术应用以及感官愉悦掩盖了学生对非正式学习更深层次的意义追寻，学生的情感和体验被技术奇观操控，智能系统代替了人际交往，技术背后隐含的伦理风险也进一步弱化了非正式学习的教育意义。

（一）算法黑箱会遮蔽学生非正式学习的知识建构过程

非正式学习作为一种非线性和生成性的活动，将过程、历史、情境、实践等引人话语之中，强调存在及其关系的生成性[14]。然而在技术理性的规训下，日益精进的算法取代了学生的思考过程，导致学生主体地位与批判精神的极度缺失。

算法黑箱使知识建构的主体从学习者转变为代具性智能工具，取代了学生的主体地位。非正式学习是以学习者为中心的学习方式，在开展非正式学习的过程中，学生本应主动地参与交互学习，但在利用ChatGPT开展非正式学习的过程中，只需输入问题即可获得由智能机器自动生成的答案。这就使得ChatGPT取代了学习者，成为知识建构的主体。ChatGPT单向的知识灌输和投喂，使得学生不再需要对知识进行选择和排列，导致“机器的人化”和“人的机器化”。而学习过程中最为核心的知识建构过程被代具性的智能工具所代理，这意味着技术理性已经侵蚀了学习的价值内核，学习者的主体地位面临崩塌。

算法黑箱掩盖了知识建构的过程，导致学生非正式学习的浅表化和浅层化。界面、数据和模型构成了智能算法黑箱的三大要素，其中算法作为交互界面内部数据的运作逻辑，是不公开、不透明的，这就导致学生在利用ChatGPT进行非正式学习的过程中，只能获取ChatGPT处理后的成品，无法了解知识建构和推演逻辑。然而技术的高效性和便捷性，常常使学习者沉浸其中，正如有学者指出：“在未来很可能产生一种‘通用大模型效应，使人们生成一种异化的新型认知模式”[15]。学习者在非正式学习的过程中很可能沉迷于ChatGPT的生成式答案，不再进行深层次思考，最终导致“到处都是信息，唯独没有思考的头脑”[16]以及批判精神和反思精神的缺失。