ChatGPT：新一代信息技术变革下的开放教育——机遇与挑战

林 晟

（永定开放大学，福建 龙岩，364100）

一、引言

开放教育这一理念的核心，在于摒弃传统教育中常见的地域、资源和资金的限制，为所有的学习者提供公平的教育机会。[1]在政府部门和大环境的推动下，教育行业从传统体制突破，出现在线教育新模式，不断促使我国教育信息化迈向新阶段。[2]在教育需求千人千面和教师资源相对受限的情况下，如何在实现开放的同时提供定制化教育服务？如何降低教育成本？如何实现高效的知识迭代适配社会生产需要？如何保障远程教育的教育质量？这些都是开放教育面临的亟待解决的挑战。以人工智能为首的新一代信息技术，为应对开放教育挑战提供了全新的视角。[3]

2022年8月，科技部等六部门联合印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》鼓励人工智能应用发展。[4]随后，以ChatGPT 为代表的生成式AI（人工智能）大模型技术的横空出世，为开放教育提供了技术驱动下的变革机遇。一方面，ChatGPT 其功能的广泛性和强大性使其在开放教育领域具备巨大的应用潜力；另一方面，这种新的教育形式也带来一些潜在风险和挑战。2023 年4 月，国家网信办也起草了《生成式人工智能服务管理办法（征求意见稿）》，以促成生成式人工智能技术健康发展和规范应用。[5]

本文将以ChatGPT 为例，剖析生成式AI大模型（下称，生成式大模型）的技术特性，探讨其在赋能开放教育过程中可能发挥的积极作用，同时审视其可能带来的挑战和风险，为开放教育相关机构及从业者提供对策储备以有效应对新技术带来的潜在冲击，给未来开放教育的发展提供理论参考。

二、ChatGPT 及其能力

ChatGPT，由开放人工智能研究中心（OpenAI）于2023 年开发，是一款基于生成式预训练语言模型的聊天机器人，能够以自然和对话的方式响应用户输入。[6]ChatGPT 拥有1750 亿参数，通过在海量数据上进行训练，能够在用户的实时提示下生成答复文本。其运用自然语言处理（NLP）技术分析用户输入，从而生成相关的响应。这使用户可以像与真人一样，以自然和直观的方式与ChatGPT 进行交流。此外，ChatGPT 还能提供个性化和互动式的帮助，这是另一项重要特性。通过分析用户输入，ChatGPT 可调整其回应并提供专业的建议和帮助。例如，依据用户的学习目标和偏好，ChatGPT 能够提供教育产品和网站的定制推荐。

ChatGPT 和当下的搜索引擎又有什么区别呢？首先，在基本功能上，ChatGPT 可以理解和生成自然语言文本，如，在与用户的对话中能生成自然且有趣的回复。而搜索引擎的主要目标是帮助用户快速找到他们正在寻找的信息。其次，在应用场景上，ChatGPT 可以非常广泛，从对话机器人、文本生成，到更复杂的任务如机器翻译、文本摘要等；而搜索引擎主要用于信息检索。用户可以通过输入关键词或短语在互联网上找到相关的信息。总的来说，ChatGPT 和搜索引擎都是处理和获取信息的工具，但其侧重点有所不同。ChatGPT 主要用于理解和生成语言，而搜索引擎更侧重于找到和返回用户正在查找的信息。

三、ChatGPT 如何赋能开放教育

ChatGPT 这样的生成式大模型技术的发展，有潜力彻底颠覆学习者的学习方式和对开放教育领域的理解。其通过提供满足每个学习者独特需求和偏好的个性化和互动式帮助，不仅鼓励学习者的自主性，而且可以提升学习体验。当前，ChatGPT 已广泛应用于自我指导的学习者中，为他们提供有力的学习支持。以下是ChatGPT 可能改变开放教育的五种方式：

（一）学习体验个性化

生成式大模型技术在个性化学习体验方面有着巨大潜力。传统课堂或线上课程大多面向同一班级或专业采取通用性教学方式，无法根据每个学生的特点进行定制化教学，教学效果有限。通过在现有教学载体上嵌入大模型技术，对学生的学习历史、兴趣爱好和学习风格进行深入分析，为每位学生提供定制化的学习计划和课程内容推荐。这将使学生在自己感兴趣的领域深入学习，同时填补知识的漏洞。模型还可以识别学生学习过程中的障碍或阻塞点，提供个性化的辅导和解答，以增强学习效果。

（二）学习工具数智化

生成式大模型技术为数智化学习辅助工具的发展提供了坚实基础。以作文为例，传统教师需对学生行文做逐字逐句的批注，存在因时间人力有限导致的指导粒度不够细、教学质量不够好等问题。基于大模型技术的智能作文批改工具和语法纠错工具可以自动化校对学生的写作，详细指出语法的错误点，并提供改进建议，帮助学生理解问题，从而提升学生的写作能力，大幅提升教学质量。另外，智能问题解答工具可以快速解决学生在学习中遇到的各种问题，丰富学生知识面，开阔学生视野。

（三）知识迭代高效化

生成式大模型技术使得开放大学教育中的知识获取与共享更加便捷高效。传统教学模式下教师需耗费大量心力搜集资料以从事教学活动，知识更新迭代缓慢，使得学校的教育内容与社会生产的实际需要逐渐脱节。而通过自动抽取和整理海量开放教育资源，模型可以快速生成易于理解的教材和讲义。这些教材和讲义可以实时更新，以适应不断变化的知识领域和工业生产环境。“与时俱进”的现代化教学更加符合社会需要。此外，模型还可以用于构建开放式教育知识图谱，促进知识的交叉融合与跨领域学习，为学生提供更广阔的学术视野和综合素养。

（四）内容创作自动化

生成式大模型技术的自动化内容创作能力为开放大学教育带来巨大的便利。传统教学模式下教师需耗费大量心力制作教学讲义、课程测验等教学材料。基于大模型技术，教师可以根据自身需求想法，快速生成各种形式的学习资料，如课件、练习题、测验等，减轻繁重的教学准备工作。此外，通过模型生成教学案例和场景模拟，学生可以更好地融入学习环境，增强实践能力。这种自动化内容创作的方式也有利于促进全球开放教育资源的合作与融通。

（五）远程教育高质化

生成式大模型技术为远程教育质量提升带来了新机遇。传统线上或远程教育虽在一定程度上打破时空壁垒，却受限于人力成本，无法为学生提供全天实时的一对一互动教学、答疑等教育服务。基于大模型技术，教育机构可以构建虚拟教学助手或在线学习伙伴，为学生提供全天的即时互动与答疑。虚拟教学助手可以根据学生的学习情况和进度，自动调整教学内容和难度，提供量身定制的学习路径。同时，模型的智能评估功能可以实时监测学生的学习进展和问题，及时调整教学策略，促进学习效果的最大化。

四、ChatGPT 应用开放教育的风险挑战与对策

在ChatGPT 出现以前，各种技术都被看作是教育和教师的工具，技术只能在局部要素中介入教育和改变教师，ChatGPT 的出现让“以机器为师”成为可能现实，也让教育领域和教师群体感到了前所未有的变革危机和价值 危机。[7]

尽管生成式大模型技术为开放大学教育带来了许多机遇，但也面临着诸多挑战，其中包括生成的质量与可靠性、隐私保护与数据安全、透明性与可解释性、数据偏见与歧视、资源依赖与教育公平、技术应用与教学价值平衡以及学习者习惯与顾虑等方面。

（一）生成质量与可靠性挑战

生成式大模型的一大挑战在于产出信息的精确性与置信度。这些模型可掌握和摄入大量互联网知识，却无法保证所有信息均准确无误。由此，在开发教育资源时，可能导致潜在的错误或产生误导性信息风险，对学生的学习造成影响。

针对该挑战的应对之策，其一可对大模型的输出进行实时监控，及时发现并修复可能的误导性或不准确的回答；其二，可引入专业审核，由教育领域专业人士对大模型生成的内容进行审核，确保回答的准确性和合理性。此外，来自老师和学生的用户反馈也是一个重要的改进来源，可以帮助大模型学习并不断提高生成质量。

（二）隐私保护与数据安全挑战

生成式大模型技术的另一挑战在于数据隐私和安全性。这种技术需要大量数据进行训练，可能涵盖学生的个人信息和学习数据。如何保障这些数据的安全与隐私性是一个亟待解决的重要问题。教育机构需额外采取措施，保护学生的数据隐私安全。

针对该挑战的应对之策，首先是数据匿名化处理，在使用大模型进行教育应用时，对于涉及学生或用户个人信息的数据，首先进行匿名化处理，以保护隐私；其次是最小化数据收集，即仅收集必要的数据，避免收集过多的个人信息，以降低潜在隐私风险；最后是定期安全审查，定期对ChatGPT 应用的安全性进行审查，包括漏洞扫描和安全测试，确保系统没有被潜在的威胁利用。

（三）透明性与可解释性挑战

生成式大模型通常被视为“黑盒子”，其决策过程并不透明。在教育领域，这可能会引发严重问题，如在涉及学生的评估和决策的环节，需要模型能提供清晰的决策依据，以提高学生、教师及其他利益相关者对模型的信任和理解。因此，提高算法的透明度和可解读性，同样是大模型技术在教育应用中需解决的问题。

针对该挑战的应对之策，一方面可显示置信水平，即在回答中包含一个置信水平指标，表明大模型对其回答的信心程度，帮助用户评估答案的可靠性；另一方面则是增强可解释性，例如在回答中集成解释性元素，以简单明了的语言解释为何给出特定建议或答案，或是在回答中提供相关上下文信息，帮助用户理解大模型的推理过程。

（四）数据偏见与歧视挑战

如果生成式大模型的训练数据存在偏差，模型生成的内容可能反映出这些偏差，可能导致内容的不公正或歧视。在开放大学教育中，这种偏见可能影响学生的学习体验和认知。例如，生成的教学内容中存在针对女性或弱势群体等少数族群的歧视性观点、言论等。

应对该挑战，一方面可采用多样化的数据，确保训练大模型的数据集包含来自不同文化、背景和地理位置的多元化信息，以减少数据的偏见；另一方面可对大模型的训练数据进行定期审查，发现并纠正潜在的偏见，特别是与性别、种族、文化等相关的方面。此外，还可引入人工审核，通过专业人员检查模型生成的回答，纠正可能的歧视性内容。

（五）资源依赖与教育公平挑战

生成式大模型的训练需要大量的计算资源和数据，这对资源有限的开放大学可能构成挑战。若学校没有足够的资源训练和部署这些模型，可能导致对大型机构的过度依赖，从而造成教育资源的不均等分配。例如，在交通、网络等基础设施并不完善的中西部地区或偏远山区，可能进一步加剧教育不公平现象。但另一方面，如何能在有限的资源下有效利用该技术，是政府部门和教育机构需要面临的挑战。

针对该挑战的应对之策，第一是可降低使用门槛。通过提供免费或低成本的访问方式，确保更多人能够获得大模型提供的教育资源，减轻资源依赖的压力。第二是建立合作关系。促使教育机构、技术公司和政府建立合作关系，共享资源，提供更多免费或优惠的在线教育服务。第三是鼓励开放共享。鼓励教育机构和技术提供商开放共享他们的教育资源，促进更广泛的教育公平。

（六）学习者习惯与顾虑

对部分教师或学习者来说，接受由生成式大模型技术带来的变化可能存在抵触情绪。他们可能会担心数据隐私问题，或者担心技术会替代人文教学。教育机构需要积极宣传和解释技术的益处，帮助学生理解和适应新的教育方式，减轻他们的顾虑和抵触情绪。如，学生可能采用大模型技术来完成作业或测验等。

针对该挑战，包括学校在内的广大教育机构和相关教育部门应认识到，技术变革并不是洪水猛兽。数次工业革命的历史证明，人类文明的变革与发展离不开科学技术的快速发展。教育学生学习如何使用新工具和擅于应用新工具，能够更好服务社会需要，本就是教育教学的重要目标之一。故学校和老师一方面要警惕学生利用新技术来弄虚作假、作弊取巧等干扰教学评估和破坏公平性的行为，加强教育者自身对新技术的了解和学习，采取应对策略或制定合适的制度来保障教学活动正常进行；另一方面，更要鼓励学生应用新技术，利用新技术来提升教学质量，更好地完成课程目标。

五、结语

总体而言，生成式AI 大模型技术的变革为开放大学教育带来了巨大的机遇。这些机遇以科技变革为动力，对个性化学习体验、数智化学习工具、高效的知识迭代、自动化内容创作以及远程教育的高质化赋予了巨大潜力。然而，当我们欢欣鼓舞地看到这些进步和发展的同时，也必须对相关挑战和风险保持警惕，以确保技术应用的合理性和教育效果的最大化。随着生成式AI 大模型技术的蓬勃发展，期待开放式大学教育步入一个更智能、更灵活、更具包容性的新时代。