生成式人工智能教育应用及其规制

郑永红 王辰飞 张务伟

摘要：生成式人工智能的快速发展为中国教育领域带来了新的机遇和挑战。在信息化时代大背景下，探究生成式人工智能对中国教育的影响与启示成为我国教育改革与发展的重大实践命题。研究梳理了生成式人工智能在中国教育领域的应用场景，探讨了生成式人工智能在促进教育公平、推动教育创新和提升教育质量方面的积极影响，找到了生成式人工智能在教育领域发展的问题和痛點，并在此基础上，总结了生成式人工智能在教育领域的未来发展趋势，指出了未来需要进一步研究和探讨的问题。

关键词：生成式人工智能；教育应用；规制

中图分类号：G434 文献标识码：A

* 本文系全国教育科学规划教育部规划项目“农村义务教育学生营养改善计划的实效性与可持续性研究”（项目编号：FGB180659）研究成果。

① 张务伟为本文通讯作者。

在当前科技日新月异、迅猛发展的时代背景下，科技的进步已经深入渗透到社会的各个角落，其中教育领域亦受到了深刻的影响[1]。生成式人工智能，作为人工智能领域的重要分支，凭借其强大的数据处理和模式生成能力，为教育领域带来了前所未有的变革[2][3]。中国作为全球规模最大的教育市场之一，其教育领域对生成式人工智能的需求及应用前景显得尤为广阔。因此，深入探究生成式人工智能对中国教育的影响与启示，不仅对推动中国教育现代化具有重大意义，同时也为全球教育领域的未来发展提供了宝贵的借鉴和参考。

一、生成式人工智能教育应用

（一）个性化教育

1.学习路径制定

随着生成式人工智能的发展，教育领域正逐步实现个性化教育的目标。通过对学生学习数据的深度挖掘和分析，生成式人工智能能够精准掌握每个学生的学习特点和需求，进而为他们量身定制个性化的学习路径。这种学习路径不仅考虑到学生的学科知识掌握情况，还涵盖了学生的学习兴趣、学习风格等多个维度，从而确保每个学生都能在最适合自己的方式下进行学习，实现真正的因材施教。

通过深度学习和大数据分析，生成式人工智能系统能够精确洞察学生的学习习惯、能力层级及兴趣偏好，并据此精心构建符合个体特色的学习规划[4]，有效提高学生学习效率，同时于潜移默化中培养其自主学习与创意思维能力。通过对学生学习基础、解题速度及错误率等数据的深度分析，生成式人工智能系统能够精准地为学生提供个性化的学习资源和练习题。针对基础薄弱的学生，系统将重点推送基础知识和例题解析，以帮助他们稳固基础；而对于能力较强的学生，系统将推荐更具挑战性的学习内容，以激发他们的潜能。针对体质较弱、营养不良或学习压力较大的学生，生成式人工智能系统将建议调整作息时间和饮食生活方式，以改善学生营养状况和学习情绪，提高学习成效。通过这种方式，每个学生都能在自身能力范围内获得最为适宜的学习体验。

2.学习资源推荐

通过深度学习和智能分析海量教育资源，以ChatGPT为代表的生成式人工智能可以精准地根据学生的学习进度、能力水平以及个人兴趣，为他们推荐最为适宜的学习材料[5]。生成式人工智能可以对学习资源进行解析，让有限的学习资源衍生出无限的资源素材，通过整合、加工和创新，按需生成个性化的学习资源，满足教师和学生在教学和学习过程中的个性化需求，让融合学习更具成就感和效能感[6][7]。这不仅极大节省了学生在筛选资源上的时间，提升了学习效率，更能确保他们所接触到的知识内容既具有挑战性又符合他们的兴趣点，从而充分激发他们的学习热情和积极性。

学习资源推荐还有助于培养学生的自主学习生活能力和自我健康管理能力。生成式人工智能会根据学生的体质健康情况、学习进度和反馈，灵活调整推荐策略，引导他们逐步深入学习。这种个性化的学习路径不仅有助于培养学生的自主学习能力，还能促使他们养成良好的学习生活习惯和自我健康管理能力，为未来的终身学习和健康生活奠定坚实基础。

（二）智能辅助教学

1.智能问答系统

在数字化浪潮中，智能问答系统正逐渐崭露头角，成为教育领域的一股新生力量。“搜索即学习”逐渐成为当前各阶段学生的高效学习方式[8]。生成式人工智能依托自然语言处理技术与庞大的知识库，能实时回应学生在学习生活过程中遇到的各类问题，为他们提供迅速且准确的帮助。此外，系统还能根据学生的提问与回答，分析他们的学习难点与薄弱环节，并为之提供针对性的学习建议，从而有助于学生更加高效地掌握知识，提升学习效率。

智能问答系统的引入，也在一定程度上显著减轻了教师在答疑方面的负担。在传统的教学模式下，教师需要耗费大量时间与精力来回答学生的问题，而智能问答系统则能自动化地完成这一任务。不仅如此，该系统还能同时处理多个学生的问题，确保每个学生都能得到及时的反馈，从而教师得以将更多时间与精力投入到关注学生的学习进展上，为他们提供更加个性化的指导。与此同时，智能问答系统还能为个性化教学提供数据支持。通过深入分析学生的提问与回答，系统能够洞察每个学生的学习特点与需求，为教师提供更加精准的教学建议，制定更具个性化的教学方案，提高教学效果。

2.智能评估与反馈

借助尖端算法与大数据分析，生成式人工智能能够依据学生的学习表现，自动分析其知识掌握、技能应用以及学习态度等维度[9][10]。智能评估系统通过整合学生在学习过程中的多元数据，如作业完成度、课堂互动记录以及在线测试成绩等，运用先进的机器学习算法进行深度数据挖掘与分析，最终生成客观、全面的学习评估报告。此类报告不仅涵盖学生的学习成绩，更包含其在学习过程中的表现、进步与困难等信息，从而为学生和教师提供更为丰富和全面的学习反馈。与此同时，生成式人工智能可以根据学习评估结果，结合学生体质健康状况、学习特点和需求，为其量身定制个性化的学习生活建议与指导，以助力其健康学习且更有效地掌握知识和提高技能。此外，评估与反馈系统还能针对学生的学习生活困难与问题，提供具体的健康学习生活解决方案与指导，协助其及时纠正错误、改善营养状况、优化学习方法，从而实现更高效的学习。

智能评估与反馈的应用不仅提升了学生的学习效率与效果，还为教师提供了更为精准的教学支持[11]。借助智能评估系统提供的学生健康和学习数据，教师能够更全面地了解学生的学习生活状况与需求，从而进行更具针对性的教学设计与调整。此举有助于教师更好地满足学生的学习生活需求，提高教学效果，助力学生成长成才，推动教育公平与质量的持续提升。

（三）教育管理與决策支持

1.教育数据分析

信息技术的迅猛发展，使教育信息化成为教育领域的重要趋势，与此同时，大量的教育数据得以积累，形成庞大的信息库。然而，如何有效利用这些数据，挖掘其潜在价值，成为教育领域面临的关键问题。幸运的是，生成式人工智能的兴起为解决此问题提供了路径。生成式人工智能，依托大数据和深度学习技术，可以对海量教育数据进行深入挖掘与分析，揭示其内在规律和趋势。通过对学生学习数据、教师教学资源、学校管理信息等数据的综合分析，教育管理者得以更精准地把握教育发展的动态[12]。

具体而言，生成式人工智能能够通过对学生体质健康监测数据、学习数据的分析，揭示学生的学习生活习惯、兴趣点以及各学科的薄弱环节，从而有助于教育管理者更准确地识别教育资源需求与配置状况，实现教育资源的优化配置。例如，针对特定学科或领域的不足，教育管理者可以有针对性地增加相关资源的投入，从而提升教育质量和效果。针对农村学生存在的营养不良状况，可以因地制宜实施学生营养改善计划，提高农村学生营养健康水平，从而推动城乡义务教育优质均衡发展。此外，通过综合评估教师的教学数据、学生评价等信息，生成式人工智能可以客观评价教师的教学效果和资源利用效率，为教师的培训和提升提供依据。与此同时，生成式人工智能还可以帮助管理者了解教师的教学风格和特点，为教学团队的组建和协作提供指导。

2.教育政策模拟

生成式人工智能能够高效整合多元数据源，诸如学生成绩、教育资源分配以及教师评价等，从而构建出一个详尽且全面的教育系统模型。借助此模型，决策者可以对各种潜在的教育政策方案进行模拟运行，深入评估其可能的效果与影响，这不仅能够帮助决策者明晰各类方案的优劣势，还能够揭示隐藏的风险和挑战，为制定明智决策提供坚实依据[13]。在模拟不同政策方案时，系统能够全面展示各项政策对学生、教师以及整个教育系统可能产生的长期与短期影响，有助于决策者全面而深入地了解政策的内涵与复杂性，避免决策过程中的短视与片面性。例如，生成工人工智能可以通过学校食堂供餐管理、膳食资金管理、学生体检数据、营养健康教育等方面的数据集成分析，评价农村义务教育学生营养改善计划的政策实施成效和存在问题，提醒教育部门规避可能存在的食品安全、资金安全和粮食浪费等风险。

进一步而言，生成式人工智能可以根据历史数据与趋势预测，对未来教育政策的需求与发展走向进行精准模拟预测[14]。通过对大量数据的深入分析与挖掘，系统能够洞察教育政策变化的内在规律与趋势，为政策制定者提供具有前瞻性的策略建议，使得政策制定者能够提前进行规划，确保教育政策的连续性与稳定性，推动教育系统的持续优化与发展。与此同时，通过公开数据与模拟结果，公众能够更加清晰地了解政策制定的全过程，从而增强教育政策制定的透明度与公正性，增强公众对政策的信任与理解，为教育事业健康发展奠定坚实基础。

二、生成式人工智能教育应用的影响

（一）教育公平的促进

教育公平作为社会公平的重要组成部分，对于推动社会整体进步与发展具有不可或缺的作用。生成式人工智能，凭借其强大的数据处理与分析能力，为推进教育公平提供了新的路径与可能性。

首先，生成式人工智能能够突破地域限制，助力实现教育资源的均衡分配[15]。历史上，由于地域、经济等多重因素的制约，教育资源在不同地区和学校之间存在明显的差异。生成式人工智能通过收集和分析各地教育资源数据，为决策者提供科学依据，有助于决策者制定更加合理的资源分配策略，从而缓解资源不均等问题，让更多学生享受公平且优质的教育。生成式人工智能可以分析城市和农村学生的饮食生活、营养水平和体质健康差异，有助于决策者实行智能化监管，确保食品和资金安全，提高资金使用效益。

其次，生成式人工智能有助于消除个体差异，推动个性化教育的实现。每个学生都是独一无二的，他们的学习需求、兴趣爱好和潜力各不相同。传统的教育方式往往难以满足学生的个性化需求。生成式人工智能通过分析学生的学习生活数据和兴趣爱好，可以为他们提供个性化的学习生活资源和建议，满足其个性化需求，有助于消除个体差异，让每个学生都能得到适合自己的教育资源和支持。例如，提供个性化服务，有效改善农村地区义务教育阶段学生的健康状况。

此外，生成式人工智能还能提高教育评价的公正性和准确性。传统的教育评价方式往往依赖于教师的经验和直觉，容易受到主观性和片面性的影响。生成式人工智能通过收集和分析学生的学习生活数据和行为表现，为他们提供客观、全面的评价结果和建议。这种基于客观数据的评价方式有助于提高评价的公正性和准确性，也能够更好地帮助学生了解自己的学习生活情况和发展方向。

最后，生成式人工智能还有助于推动在线教师专业学习社群的发展，提升教师队伍的整体素质和能力[16]。教师队伍的素质和能力直接关系到教育质量和教育公平。生成式人工智能可以为教师提供个性化的培训和发展建议，帮助其不断提升自己的专业素养和教学能力，从而提升教师队伍的整体素质和能力，为推进教育公平提供坚实的师资保障。

（二）教育创新的推动

生成式人工智能在教育领域的应用，不仅优化了教育资源的配置，提高了教育质量，更成为推动教育创新的重要力量。传统的教育模式受限于固定的框架和模式，难以充分激发学生的创造力和潜能。然而，生成式人工智能通过深度学习和大数据分析，为学生提供了更加丰富和多样化的学习生活体验和方式，有效激发了学生的学习生活兴趣和创新能力。

首先，生成式人工智能促进了教学方法的创新。智能化的教学辅助工具和学习平台使得教师可以更加灵活地设计教学方案，采用更具吸引力和趣味性的教学方式，以激发学生的学习生活兴趣和积极性。同时，生成式人工智能还能根据学生的学习生活情况和反馈，及时调整教学策略和方法，确保教学效果的最大化。

其次，生成式人工智能推动了学习生活方式的变革。在传统的学习生活方式中，学生往往处于被动接受知识的状态，缺乏主动性和探索性。然而，生成式人工智能通过智能化的学习平台和资源推荐系统，为学生提供了更加个性化和自主化的学习生活方式。学生可以结合自身体质健康情况、饮食作息习惯、学习成绩、个人喜好等因素，通过生成式人工智能的数据分析，生成符合个性化需求的健康生活方式和学习作息安排等。这种自主式的学习生活方式有助于培养学生的创新思维和解决问题的能力，提升他们的学习效果和综合素质，养成健康的生活方式。

最后，生成式人工智能对于推动教育领域的整体创新具有重要意义。通过深度学习和大数据分析，生成式人工智能能够洞察教育领域的最新动态和发展趋势，为教师和教育机构提供决策支持和建议。同时，生成式人工智能还能与教育创新团队合作，共同研发新的教育技术和产品，推动教育领域的持续创新和发展。这种跨界合作和创新有助于打破传统教育模式的束缚，为教育事业的未来发展注入新的活力和动力。

（三）教育质量的提升

在教育领域中，生成式人工智能的应用已经展现出了显著的影响力和潜力[17]。它有力地推动了教育公平和创新，为提升教育质量注入了新的活力。通过大数据分析，生成式人工智能能够精准识别学生的学习需求和问题，从而为他们提供个性化的学习资源和辅导，进一步提升了学生的学习效果和学习动力。

生成式人工智能的应用有助于实现精准教学。通过分析学生的学习数据和行为表现，生成式人工智能能够精准地诊断学生的学习问题和需求，为他们提供个性化的学习资源和建议。这将有助于解决传统教育中存在的“一刀切”和“填鸭式”教学的问题，让每个学生都能得到适合自己的教育资源和支持，从而提升他们的学习效果和学习动力。此外，通过智能化的教学辅助工具和学习平台，生成式人工智能能够为教育机构和教师提供更加高效和便捷的教学管理和服务方式，推动教育领域的数字化转型和升级。同时，生成式人工智能还能与教育创新团队合作，共同研发新的教育技术和产品，推动教育领域的持续创新和发展，从而提高教育效率和质量，为学生和教师带来更加优质的教育体验和服务。

三、生成式人工智能教育应用的规制

（一）数据安全与隐私保护

随着生成式人工智能在教育领域的广泛应用，我们既看到了其推动教育创新、提升教育质量的巨大潜力，但它也面临着数据安全与隐私保护等严峻挑战[18]。教育数据作为重要的信息资源，其安全性和隐私性对个人和社会具有至关重要的意义。这些数据往往涉及学生的体质健康、个人信息、学习情况、成绩等敏感内容，一旦泄露或被滥用，将严重侵犯学生的个人隐私，甚至可能对学生的身心健康造成不良影响。因此，在应用生成式人工智能处理这些数据时，我们必须严格遵守相关的数据保护和隐私法规，确保数据的合法使用和安全存储[19]。

此外，生成式人工智能还面临着如何避免算法偏见、确保数据公正性等的伦理问题[20][21]。在教育领域，算法偏见可能导致教育资源分配不公，进而影响学生的学习机会和成果。为了避免这一问题，需要加强对算法设计和实施的监管，确保算法在开发过程中遵循公正、公平和透明的原则。同时，还需要关注算法训练数据的来源和质量，确保数据的多样性和公正性，避免算法因为训练数据的偏差而产生偏见。我们必须重视数据使用的合规性，确保教育机构和第三方机构在收集、存储和使用学生数据的过程中严格遵守相关法律法规，尊重学生的知情权和选择权。

（二）技术依赖与自主性的平衡

生成式人工智能在教育领域的应用，虽然为学生带来了诸多便利和优势，但亦存在潜在风险。过度依赖智能系统可能导致学生逐渐丧失自主性和创新性，习惯于依赖技术解决问题和获取知识，而非发挥自身的思考和探索能力[22]。教师也可能因过于依赖生成式人工智能产品而降低教学能动性[23]。因此，在智能教育环境中，培养学生的自主性和创新性显得尤为重要。

为应对这一挑战，教师需要精心设计学习任务，以激发学生的批判性思维。例如，通过提出开放性问题，鼓励学生独立思考，自行寻找答案，而非直接依赖系统提供的信息。这种教学方法不仅有助于学生掌握知识，更能提升他们的思考能力和创新精神。同时，引导学生正确看待和使用智能技术也是不可或缺的。学生应该明白智能技术仅是辅助工具，真正的学习和思考仍需依赖自身。如同使用锋利的剑，虽能披荆斩棘，但若不掌握技巧和方法，反可能伤到自己。此外，还需注意的是，随着生成式人工智能的广泛应用，新知识生产模式的出现导致知识体量急剧增长，知识更新迭代速度加快，知识确证性逐渐降低[24]。面对这一新知识世界的挑战，我国教育事业需要付出更多的努力来适应和应对这些变化。

（三）资源差距与技术鸿沟

随着科技的迅猛发展，生成式人工智能已经逐渐成为教育领域的重要支撑力量，为优化教育资源配置和提升教育公平性开辟了新的路径。但在实际应用过程中，我们也必须审慎思考资源分配问题，确保技术的普及和公平利用，避免出现生成式人工智能反噬教育公平[25]。

生成式人工智能的核心在于为每个学生提供个性化的学习生活资源，以满足他们不同的学习生活需求和兴趣。通过精准的数据分析和智能推荐，学生可以获得更符合自身特点和需求的学习生活材料，从而更好地健康生活，不断提高学习成效。然而，这种个性化学习资源的分配也可能带来潜在的不公平问题。首先，不同地区和学校之间的技术条件和经济能力存在差异。一些位于偏远地区或经济较为落后的学校可能缺乏必要的技术设施和专业人员，无法充分享受到生成式人工智能帶来的教育资源。这种技术鸿沟可能导致教育资源的分配不均，加剧教育不公平的现象[26]。其次，即使在具备相同技术条件和经济能力的地区和学校，也可能存在资源分配不均的问题。这主要源于学校在技术应用方面的态度和重视程度不同，比如，一些学校可能更注重技术的引入和应用，而另一些学校则可能由于种种原因而相对滞后。然而这种差异往往可能会导致学生在接受教育资源方面的机会不均等，进而影响他们的学习生活和健康发展。因此，我们需要通过政策引导和资金支持等措施，促进教育资源的公平分配，确保每一个学生都能享受到高质量的教育资源和支持。

（四）沟通障碍与情感缺失

在教育领域应用生成式人工智能时，技术的先进性和精确性固然重要，但人机之间建立有效的沟通机制同样不可或缺。尽管生成式人工智能在自然语言理解和生成方面已取得显著进展，但其能力仍显有限。在面对复杂多变的语言环境时，系统往往难以准确捕捉学生的真实意图和需求，这可能导致教育过程中出现误解和沟通障碍，进而对教育效果产生不良影响。因此，我们有必要进一步深入研究自然语言处理技术，提升系统的理解和回应能力。通过引入更先进的语义分析和情感分析算法，使系统更加准确地理解学生的情感和需求，从而提供更加个性化的教育服务。

此外，生成式人工智能在回应学生时往往缺乏情感色彩[27]。与人类教师相比，机器往往无法给予学生情感上的支持和引导，形成情感共鸣[28]。这可能会使学生在学习生活过程中感到孤独和迷茫，从而降低他们的学习生活积极性和兴趣。为解决这一问题，我们需要将情感计算技术引入教育领域，力求通过分析学生的情感状态和需求，机器便可为学生提供更加温暖和人性化的学习生活环境。

四、启示与展望

（一）启示

首先，我们需要认识到生成式人工智能的双刃剑效应。虽然生成式人工智能具有巨大的潜力，能够促进教育公平、推动教育创新、提升教育质量，但同时也伴随着数据安全、技术依赖、资源差距以及沟通障碍等风险挑战。因此，在应用生成式人工智能时，我们必须保持清醒的头脑，审慎思考其潜在的风险和后果，确保该技术的健康发展。

其次，我们需要關注教育的本质和目标。教育的核心在于培养学生的综合素质和能力，而不仅仅是传授知识。生成式人工智能的应用应当服务于这一核心目标，为学生提供更加个性化、高效的学习生活体验，促进他们的健康成长和全面发展。同时，我们也要注意避免技术主义倾向，不能将教育过度依赖于技术手段，而忽视了教育的本质和人文关怀。

第三，“数字+教育”是数字新时代教育现代化变革的关键。只有教师具备良好的数字素养，才能保障教育数字化转型的要求转化落地，才能更好地实现教学活动的提质增效[29]。因此，我们要有针对性地制定数字素养提升政策，进而助推教师队伍的数字化转型进程，更好地把握生成式人工智能带来的机遇。

最后，我们需要加强合作与共享。生成式人工智能的发展需要政府、学校、企业和社会各方的共同努力和合作。通过政策引导、资金支持、技术研发和推广等手段，促进资源的公平分配和技术的广泛应用，共同推动教育领域的发展和进步。

（二）展望

随着科技的快速发展，教育领域正迎来前所未有的变革。特别是在生成式人工智能的助力下，教育领域将迈向一个充满创新与机遇的新纪元。未来的教育将更加注重个性化学习、跨界融合以及人文关怀，力求为学生打造更为全面、多元和深入的学习生活体验。

首先，未来的教育将倾向于个性化学习。借助生成式人工智能的强大功能，每个学生都将获得量身定制的学习生活资源和路径。这些资源将根据学生的健康、兴趣、能力、进度等因素进行个性化设计，以满足学生的个性化需求，使每个学生都能在最适合自己的环境中学习生活，从而提高学习效率和成果。

其次，未来的教育将更加注重跨界融合。传统的学科界限将被打破，跨学科学习将成为主流。生成式人工智能将助力实现这种跨界融合，为学生提供更广阔的知识领域，帮助学生在知识海洋中自由探索，培养学生跨学科的综合素质和能力，使其能够更好地适应未来社会的多元化需求，培养其成为具有全面素养和创新能力的新时代人才。

最后，未来的教育将更加注重人文关怀。在追求技术创新的同时，我们不能忽视教育的本质和目标。未来的教育应更加关注学生的全面发展和人文关怀，提高学生健康水平，培养学生的道德情感和社会责任感。生成式人工智能应成为实现这一目标的辅助工具，而非替代教育的本质。通过融入人文关怀，教育将不仅是知识的传授，更是对学生心灵的滋养和成长的支持。

参考文献：

[1] 刘冬予，骆方.人工智能赋能教育和心理学研究中的数据处理[J].中国考试，2024，（3）：18-27.

[2] 张静蓓，虞晨琳，蔡迎春.人工智能素养教育：全球进展与展望[EB/OL].http：// kns.cnki.net/kcms/detail/42.1085.g2.20240312.1734.006.html，2024-03-15.

[3] 周洪宇，余江涛.2023中国教育治理研究热点与未来前瞻[J].现代教育技术，2024，34（3）：5-16.

[4][10] 王磊，徐子竞等.生成式人工智能赋能网络安全人才培养的探索研究[J].中国电化教育，2023，（9）：101-108+116.

[5] 郑燕林，贾保龙.AI时代英国推进教育均衡发展的路径与举措[J].现代远程教育研究，2023，35（5）：48-56.

[6] 李晓芳，雷江华.人工智能赋能融合教育高质量发展的路径探析[J].残疾人研究，2023，（3）：58-65.

[7] 万力勇，杜静，熊若欣.人机共创：基于AIGC的数字化教育资源开发新范式[J].现代远程教育研究，2023，35（5）：14-18.

[8] 赵一鸣，余馨婕，陈忆金.真实工作场景下“搜索即学习”任务集的构建与分析[J].图书与情报，2024，（1）：121-133.

[9] Annus N.Chatbots in Education：The impact of Artificial Intelligence based Chat GPT on Teachers and Students [J].International Journal of Advanced Natural Sciences and Engineering Researches，2023，7（4）：366-370.

[11] 李英哲，刘剑玲.新课标背景下Chat GPT在初中数学备课中的创新功能与价值定位[J].中国电化教育，2024，（3）：109-114.

[12] 张文超.教育数字化转型背景下人工智能教育应用的态势——基于文本数据挖掘的分析[J].中国教育科学（中英文），2023，6（3）：52-60.

[13] 崔金贵，马莹莹.我国人工智能教育研究进展与展望[J].高校教育管理，2023，17（6）：31-39.

[14] 孙立会，周亮.面向中小学的生成式人工智能教育政策制定路向——基于日本《中小学生成式人工智能教育应用指南》的分析[J].中国电化教育，2023，（11）：53-61.

[15] 于秋月，刘坚.“人工智能+教育”的伦理分析及主体重塑[J].学术探索，2024，（1）：148-156.

[16] 尹弘飚，秦晗.教师专业学习社群研究：范式、旨趣与论述[J].华东师范大学学报（教育科学版），2024，42（3）：61-77.

[17] 燕连福，秦浦峰.生成式人工智能赋能思想政治教育的价值、问题与对策[J].广西社会科学，2023，（9）：201-206.

[18] 蔡翠红，李煜华.全球数字治理赤字：表现、成因与中国的应对[J].国际展望，2024，16（2）：65-84+163.

[19] 林北征.没有删除，只能遗忘：AI大模型个人信息删除义务的解释与重构[EB/OL].http：//kns.cnki.net/kcms/detail/61.1329.C.20240304.1650.002. html，2024-03-15.

[20] 程威.数字平台加重义务的理论阐释与规范形塑[J].学习与探索，2024，（2）：62-72.

[21] 馮琳，倪国良.基于生成式人工智能的思想政治教育数字化转型[J].思想教育研究，2024，（2）：46-53.

[22] 李海峰，王炜.人机争论探究法：一种争论式智能会话机器人支持的学生高阶思维能力培养模式探索[J].电化教育研究，2024，45（3）：106-112+128.

[23] 赵磊磊，闫志明.生成式人工智能教育应用的生态伦理与风险纾解[J].贵州师范大学学报（社会科学版），2023，（5）：151-160.

[24] 鲁子箫.智能时代知识变迁中的教学知识变革[J].教育研究，2024，45（2）： 55-66.

[25] 张新民，张稷锋.论教育技术向善：基于技术反噬公平的视角[J].四川师范大学学报（社会科学版），2023，50（3）：107-116.

[26] 李玉顺，安欣等.数字教育促进教育公平实践的反思[J].开放教育研究，2023，29（3）：69-78.

[27] 胡翼青.我们该如何理解“数字共通”：基于媒介哲学的批判[J].现代出版，2024，（2）：35-44.

[28] 刘力铭.人机共生中的拟人化：概念溯源、谱系重建与议题拓展[J].新闻与传播评论，2024，77（2）：82-92.

[29] 宋灵青.我国中小学教师数字素养的实然状态与突破路径——基于全国9405名中小学教师的测评[J].中国电化教育，2023，（12）：113-120.

作者简介：

郑永红：副研究员，在读博士，研究方向为教育人工智能与农业经济。

王辰飞：在读硕士，研究方向为人工智能与农业经济。

张务伟：教授，博士生导师，研究方向为人工智能与农业经济。

Application and Regulation of Generative Artificial Intelligence in Education

Zheng Yonghong1，2， Wang Chenfei1， Zhang Wuwei1

1.School of Economics and Management， Shandong Agricultural University， Taian 271018， Shandong 2.Fujian Provincial Student Assistance Management Center， Fuzhou 350001， Fujian

Abstract： The rapid development of Generative AI has brought new development environments and opportunities and challenges to the field of education in China. In the context of the information age， exploring the impact and inspiration of generative artificial intelligence on Chinese education has become a major practical proposition in Chinas education reform and development. This study summarizes the application scenarios of generative artificial intelligence in the field of education in China， explores the positive impact of generative artificial intelligence in promoting educational equity， promoting educational innovation， and improving educational quality， identifies the problems and pain points of the development of generative artificial intelligence in the field of education， and based on this， summarizes the future development trends of generative artificial intelligence in the field of education， pointing out the issues that need further research and exploration in the future.

Keywords： generative artificial intelligence； educational applications； regulation

收稿日期：2024年3月11日

责任编辑：李雅瑄