生成式人工智能时代高职院校的教学 变革：挑战、框架与路径

摘要： 生成式人工智能正以迅雷不及掩耳之势快速登入职业教育教学领域，通过智能评估、教学辅助“侵入”传统教学实训，推动职业院校教学主体、内容与组织的调整和变革。但是，这种由外部技术强制驱动教学变革的进程会忽视职业技能教学的互动性、职业性、开放性与实践性特征，导致职业教育过程中的主体权利边界模糊、教学评价理念滞后以及伦理隐私风险。面对从计算智能、感知智能再到认知智能的进阶发展，高职院校应该构建起集变革目标、算力平台、协作系统与评价保障为一体的教学变革要素框架，并从AI赋权与赋能两条路径提升教学体系的自我治理能力，拓宽治理边界，整体性建构智能时代高职院校教学生态系统，推动行业企业、政府、社会与职业院校的教学共同体建设。

关键词：生成式人工智能；高职院校；教学变革；ChatGPT；教学生态系统

中图分类号：G710；G640   文献标识码：A 文章编号：1672-0717（2023）06-0112-09

作为自然语言处理模型工具，生成式人工智能凭借强大的深度学习技术与大模型语义建模预测能力，已经成为影响教育变革发展的重要技术元素[1]。2022年新修订的《职业教育法》关于职业教育信息化建设与智能技术融合的全面修订，充分说明职业教育人才培养与教学模式正在受到人工智能技术的牵引甚至重构。譬如，生成式人工智能以多语言训练模型为核心，可对文字、图片、视频等多种知识素材进行同步转化与生成再造，进而辅助职业技能培训或支持学生自主学习，而Open AI发布的大型多模态模型ChatGPT及其优化版GPT-4便是其中的典型范例[2]。目前，它已经从单语言预训练进化为多模态预训练模型，且从感知智能向认知智能快速转型，可以对包括技能教育培训辅助、职业能力评估与个性化学习辅导场景建构在内的整个职业教育教学体系产生影响。尽管生成式人工智能技术在职教领域展现出种种机遇，但不得不承认这种“类人”的智能技术使班级授课制、传统技能实训面临被颠覆的危机。因此，如何建构更加可持续化的教学体系已经成为高职院校回应当前人工智能时代的重要命题。

一、生成式人工智能技术驱动高职院校教育教学变革

生成式人工智能并不是以制度形态进入到职业教育的实践场域，而是从知识学习、教学辅助等方面“入侵”传统课堂教学，在一定程度上引发传统职业教育教学的变革。具体而言，这种教学变革是由智能技术渗透到学校教育内部，并逐步影响教学主体、教学内容、教学组织等多个层面发生变化，进而完成对既有教学体系目标与要素的创新优化。换言之，生成式人工智能驱动教学变革的核心能力在于其能够运用神经网络技术进行深度学习，通过海量的数据训练生成新的数据内容，创造教学过程中所需要的新内容。而ChatGPT作为其典型模型，对高职院校教学变革的影响最为显著。

从教学体系结构而言，高职院校教学体系是教师、学生、行业产业等各主体与外部制度环境、技术革新等共同互动形成的复杂共同体。在教学内部，学生与教师主体之间存在信息输入和输出的功能转换，二者通过教学活动的交流互动，进而达成知识讲解、技能传授和情感交流的教学目标[3]。当人工智能介入职业教育教学时，这种教学体系经过信息选择组合后，通过各类通用大模型生成学习者更为关注的新内容，扩展学习者的既定学习框架与技能边界，进一步强化职业教育的个性化与职业性，使学习者的技能训练更加高效便捷。与此同时，生成式人工智能由于具备了通过语言反馈进行自主改进、分布式计算加速模型训练以及摆脱传统人工智能碎片化局限等特质，因而得以塑造ChatGPT等工具以“机师”身份进入职业教育的日常教学与生产实训环节，加速了传统“师—生”二元结构向现代“师—机—生”三元结构的转型。同样地，传统教学管理体系、教学组织方式与课程实施体系均将面临来自人工智能技术的冲击与重构。这种以通用大模型技术为核心的生成式AI模型不仅扩大了教学主体数量，而且也通过模拟、辅助与再现真实的职业实训场景与工作环境，将复杂的技能学习转变为可拆解的、个性化的学习情境，从而建立起可追踪、可重复与可行动的真实教学条件。

除此之外，人工智能技术通过涌现性、扩展性与复合性功能加强了高职院校人才培养与社会分工、产业转型、技术变革之间的联系。具体而言，涌现性特征强化了AI自修复的可能，使其具备通过语言反馈实现自我改进的“类人”智慧，适应学习者的意图与偏好，并同时适配教学的专业分工场景；扩展性特征提高AI完成教学辅助与自主学习的效率，帮助学习者克服产业转型过程中教材内容滞后与技能训练脱节等产教融合难题；复合性特征增强了AI的海量数据训练能力，精准支持学习者与教师的个性化、差异化的教与学需求[4]。综合而言，基于通用大模型的自然语言处理技术，通过模拟与辅助教学场景及职业环境，加速了教学资源和信息的传递、循环以及人机协同、智慧辅导与智能评估等教学应用的出现，改变了主流教学样态、教师角色职能与教学资源形式，进而全方位地驱动高职院校教育教学进行变革。

二、生成式人工智能时代高职院校教学变革的目标导向

生成式人工智能技术驱动高职院校教学变革正在朝向通用化与专业化、辅助性与自主性以及平台化与简易化的方向发展，变更了高职院校教学体系既有的目标轨道。当ChatGPT作为教学工具介入高职院校教学体系内部时，前者对后者的赋能与赋权功能成为智能时代高职院校教学变革的主要驱力，其目标在于教学辅助性与自主化并行实现多个教学主体的智慧联动、通用化与职业化并用实现教学内容的融合传播以及平台化与简易化并行实现教学组织的创新优化。

（一）辅助性与自主化并行：教学主体的智慧联动

生成式智能技术赋能高职院校教育教学变革的关键点在于促使“师—机—生”的智慧联动，体现为以ChatGPT为代表的智能助手依照教师指示辅助完成职业技能训练任务，以及学生在AutoGPT等自主工具的支持下独立完成学习与职业训练任务，且共同在大模型的辅助性与自主化共进过程中联结成为“师—机—生”的教学共同体[5]。对于高职院校教师而言，人工智能模型既可以使用变分自编码器（VAEs）、生成对抗网络（GANs）等架构对理论知识与实践训练进行重新组织与联想，形成可视化与系统化的职业教育知识体系，又能快速检索技术/产业革命过程中的新知识点并形成海量的教材、课件与音频图文等教学资源池，还能辅助职业教师与企业教师设计课堂与课程融合互动方案，整体性提高职业院校课堂教学的前沿性、场景化与互动性。对于高职院校学生而言，生成式人工智能的技术机遇主要包括个性化的学习资源输出、基于职业技能训练场景的缄默知识理解与启发式对话、高阶性与批判性思维能力培养以及真实的沉浸式学习场景。概言之，生成式人工智能技术可将行业产业链与工作流水线在教学中实现场景与互动再现，促使教师、学生、企业与人工智能工具实现智慧教学联动。

（二）通用化与个性化并行：教学内容的融合创新

高等职业教育作为一种类型教育具有鲜明的跨界性和整合性，既需要培养社会期待的高质量复合型技能人才，又需要培养紧跟全球产业技术变革、具备创新型思维与高阶技能的通用人才。当生成式人工智能技术与职业教育融合发展时，也意味着通用大模型转向了专用大模型，继而帮助高职院校教育教学与企业实训在通用预训练与专用预训练两个算法领域实现教学与职业场景应用。一方面，教学内容的通用化可以借助大模型工具实现统一架构、统一模态与统一任务的融合设计，继而辅助企业教师与学校教师采用相同的教学模式，打通产教融合/订单式人才培养过程的不同步问题。另一方面，多模态编码与反馈模型算法技术可以将技能与实践性教学知识轻松转变成图文与音频内容，并为学生推荐更符合个性化的学习资源与互动的技能训练场景。譬如，可汗学院在其开发的人工智能工具Khanmigo中引入了GPT-4技术，模拟苏格拉底“产婆术”的教学程式与启发式对话，帮助学生寻找技能学习过程中难以领会的缄默知识，从而激发学生的创新思维与自主能力。因此，人工智能工具可以作为通用化与个性化的教学手段，推动高职院校教学内容向综合化、信息化与数字化方向发展。

（三）平台化与简易化并行：教学组织的运行优化

生成式人工智能技术能够调动不同信息、应用程序以完成教学者的用户指令，并基于自身强大的逻辑预测能力拆分并执行高度复杂的教学任务[6]。具体而言，循环神经网络（RNNs）、长短时记忆网络（LSTMs）、转换器模型（GPT）等生成式AI模型工具愈加具备了数据增强与筛选、存储优化、自适应分布式训练与容错调整的能力优势，可以帮助高职院校在课堂学习与技能训练两个领域提供场景适配，搭建全能、简易开发的“做中学”教学平台。相较而言，传统的理论知识和实践技能传授一般发生在有限且封闭固定的空间场所，由此造成职业院校的教与学过程很难和技术革命、产业发展的方向与进度并轨同步。但在生成式预训练（Generative Pre-training）与提示学习（Prompting Me-thod）的技术交互下，整个教学体系产生了新的数据存储与内容生成方式，并催动高职院校教学组织走向智能化、信息化与平台化，不断优化教学管理与教学评价程序，进一步推动整个教学过程走向扁平与互动。其中，GPT-4所提供的智能学习问答服务与机器人智慧辅导能够为职业训练过程设置特定的对话语境与实操场景，并要求人工智能助手在智能语音插件的协同作用下扮演实训教师角色，帮助学生获得自海量数据的学习反馈与技能纠偏，从而提高技能教学的针对性与个性化[7]。因此，认知智能推动教学组织朝着智能、智慧与智人的方向发展，增强了学生的实践技能学习体验与获得感。

三、生成式人工智能时代高职院校教学变革面临的挑战

当生成式计算成为新的算力形式时，高职院校推动教学变革仍需谨慎思考智能技术背后暗藏着的诸多难以预估的风险挑战。尤其当技术的逻辑宰制教育的进程时，这种教育变革就会遮盖职业教育的内在本质，进而影响技能教学的互动性、职业性、开放性与实践性特征，从而导致职业教育过程中的主体权利边界不清、人才培养与教学评价理念滞后以及隐私安全与伦理风险等现实挑战。

（一）教学主体重叠引发角色地位争议

毋庸置疑，智能技术介入高职院校教学生态系统，将促使“师—生”二维结构向“师—机—生”三维结构转型。当人工智能驱动的自然语言处理工具愈加“类人”时，人机协同将会成为未来教育场域主流的教学形态，从而在过渡期导致教师的“授课”角色与人机交互工具的智能教学辅助功能高度重叠。那么，“人师”与“机师”的主体地位到底如何区分？这已然成为生成式人工智能在职业教育应用过程中的首要问题。不可否认，当下的职业教育教师工作内容除了包括课程设计、教学管理、专业发展外，还面临来自技能比赛、企业实训与产教融合等方面的压力。由于多模态技术推动人工智能生成内容（AI-Generated Content，简称AIGC）的创造水平，教师不仅可以轻松应对教学备课、作业批改、行政管理等程序性工作，而且可以借助通用大模型对学生学业表现的精准分析，进一步了解教学过程中的不足。但是，在知识技能本位的当下，谁拥有更多的知识存储与技能则代表谁更能主导教学的进程。比起AIGC任务中的智能工具，职业院校教师无论是在知识还是技能方面均无法与大模型算力平台相媲美，这也就造成了智能工具在辅助教学过程中必然消解教师的权威形象与主体地位。

随着智能技术与高职院校教学领域的广泛融合，以机器人教师为代表的智能教学主体所承担的辅助教学任务愈来愈多，而职业教育教师也越来越依赖智能技术完成知识讲授环节，从而导致“人师”主体和“机师”主体的功能重叠[8]。在知识迭代更新的智能时代，由于智能教学主体凭借其技术的高位优势可以快速整合优质教学资源，而教师的知识结构更新相对缓慢，因而教师极有可能无法胜任产业革命对知识储备的角色期待，注重知识存量而非素养经验的教师的主体性地位岌岌可危。因此，生成式人工智能时代的高职院校教学目标应该告别知识与技能本位而走向素养与能力本位，更突出职业教师在教学过程中所提供的情感价值、创造力与批判性思维能力训练，从而发展学生的职业技能素养以及适应技术更新的学习品格与关键能力[9]。

（二）智能评估技术变革教学评价理念

目前，外界对于生成式人工智能特别是ChatGPT或其他未来GPT变体的普遍担忧在于，学生利用这项技术进行学术造假或成果剽窃，从而造成学生学习评价失准问题。但是，人工智能利用通用大模型对学生的知识成果与技能训练进行智能评分，并根据学习者的特点与目标予以反馈，绝非仅仅出于学习诊断与评分的目的，同时也暗含着“为教学的评价”的本质逻辑。一方面，人工智能技术的存在是为了更好地评估教学过程并帮助教师与学生进行智慧辅导，但其挑战在于学校利用智能评估技术既要遵循实训岗位或职业需求的技术性逻辑，以体现教育教学的职业性特征；又要遵循高等职业教育的人文逻辑，凸显教学过程的情感体验与合作交往[10]。二者往往难以在AI智能教学评估中予以同步实现。其中，将人工智能视作评价工具的技术性思维难以测量学生复合能力、创新思维和道德伦理水平，也无法达成职业教育“做中学”从“技能本位”转向“素养本位”的目的。