欢迎访问新加坡聚知刊出版有限公司官方网站
info@juzhikan.asia
生成式人工智能赋能社区教育教学模式变革:作用机制、经验证据与实践路径
  • ISSN:3041-0673(Print)3041-0681(Online)
  • DOI:10.69979/3041-0673.26.08.098
  • 出版频率:月刊
  • 语言:中文
  • 收录数据库:ISSN:https://portal.issn.org/ ;中国知网:https://scholar.cnki.net/journal/search ;RCCSE权威核心学术期刊:http://qk.nseac.com

生成式人工智能赋能社区教育教学模式变革:作用机制、经验证据与实践路径
吴员福

广州工商学院,广东广州,510800;

摘要:生成式人工智能正在改变教育资源生产与学习支持方式,但其在社区教育中的经验研究仍显不足。本文基于31省公开数据,以每千万人口生成式人工智能备案服务数表征技术供给,以国家级社区教育实验区、示范区密度及示范区占比表征发展水平,采用OLS、PPML、负二项回归和Fractional Logit模型检验。结果显示,技术供给强度与社区教育发展水平显著正相关,且主要体现为示范区数量和占比提升,表明其更倾向于推动质量升级而非数量扩张;高老龄化地区效应更明显。广东样本提示,技术优势转化为社区教育质量优势仍需场景、制度与治理能力协同支撑。

关键词:生成式人工智能;社区教育;教学模式变革;终身学习;老龄化

参考文献

[1] 朱永新, 杨帆. ChatGPT/生成式人工智能与教育创新:机遇、挑战以及未来[J]. 华东师范大学学报(教育科学版), 2023, 41(7): 1-14.

[2] 杨宗凯, 王俊, 吴砥, 等. ChatGPT/生成式人工智能对教育的影响探析及应对策略[J]. 华东师范大学学报(教育科学版), 2023, 41(7): 26-35.

[3] 陈凯泉, 胡晓松, 韩小利, 等. 对话式通用人工智能教育应用的机理、场景、挑战与对策[J]. 远程教育杂志, 2023, 41(3): 21-41.

[4] 贾积有, 张誉月. 人工智能与教育:机遇、挑战与对策[J]. 北京大学教育评论, 2023, 21(1): 49-61, 188-189.

[5] 刘三女牙, 郝晓晗. 生成式人工智能助力教育创新的挑战与进路[J]. 清华大学教育研究, 2024, 45(3): 1-12.

[6] 王帅杰, 汤倩雯, 杨启光. 生成式人工智能在教育应用中的国际观察:挑战、应对与镜鉴[J]. 电化教育研究, 2024, 45(5): 106-112, 120.

[7] 徐升, 佟佳睿, 胡祥恩. 下一代个性化学习:生成式人工智能增强智能辅导系统[J]. 开放教育研究, 2024, 30(2): 13-22.

[8] 贾同, 蔡建东. 生成式人工智能对教育生产力的变革[J]. 现代教育技术, 2024, 34(1): 107-116.

[9] 杨欣. 基于生成式人工智能的教育转型图景——ChatGPT究竟对教育意味着什么[J]. 中国电化教育, 2023(5): 1-8, 14.

[10] 兰国帅, 杜水莲, 宋帆, 等. 生成式人工智能教育:关键争议、促进方法与未来议题——UNESCO《生成式人工智能教育和研究应用指南》报告要点与思考[J]. 开放教育研究, 2023, 29(6): 15-26.

[11] 唐开福, 李栋. 构建地方政府与社区居民双向互动的社区教育新模式[J]. 教育发展研究, 2022, 42(11): 51-58.

[12] NOY S, ZHANG W. Experimental evidence on the productivity effects of generative artificial intelligence[J]. Science, 2023, 381(6654): 187-192.

[13] DOSHI A R, HAUSER O P. Generative AI enhances individual creativity but reduces the collective diversity of novel content[J]. Science Advances, 2024, 10(28): eadn5290.

[14] CHIRIKOV I, SMIRNOV I, KIZILCEC R F. Generative AI use and misuse call for assessment reform in higher education[J]. Science, 2026, 392(6800): 818-820.

[15] SHUMAILOV I, SHUMAYLOV Z, ZHAO Y, et al. AI models collapse when trained on recursively generated data[J]. Nature, 2024, 631(8022): 755-759.