数智韧性：理解生成式人工智能对青少年的影响*

摘 要：在新质生产力发展的数智化背景下，本研究运用多案例研究法和访谈法，创新性地提出了“数智韧性”概念，探索性构建了教育出版领域生成式人工智能（Artificial Intelligence，AI）对青少年数智韧性影响机制的理论模型。研究发现，数智韧性是生活在数智时代的个体或组织在与外部空间交互的过程中形成的、应对外部环境挑战的可持续发展能力，包括前期消纳、中期适调、后期变革和未来预判4个维度。生成式AI的技术特性通过影响青少年用户的感知有用性和感知易用性，调节青少年与其他主体之间的网众互动生成行为，并在此动态过程中影响其数智韧性发展。

关键词：数智韧性；生成式人工智能；青少年；教育出版；网众互动生成

DOI： 10.3969/j.issn.2097-1869.2024.04.010 文献标识码：A

著录格式：孙那，陶玥竹.数智韧性：理解生成式人工智能对青少年的影响：基于对教育出版领域的考察[J].数字出版研究，2024，3（4）：84-93.

当前，人们正站在一个由数字化和智能化深刻塑造的数智时代的“门槛”上。信息技术的广泛渗透和数据智能的集成应用，不仅改变了人们的生活方式，还重塑了社会的基础结构和运作模式。

2024年，新质生产力首次被写入政府工作报告，并被列为2024年政府十大工作任务之首[1]。在中国未来经济向高质量发展转型的过程中，新质生产力将起到创新推动的主导作用，其具有高科技、高效能、高质量三大特征，是符合新发展理念的先进生产力质态。面对百年未有之大变局和面向2035年更高水平的育人目标，时代亟须中国教育孵化“新质学校”，推动工业文明向智能文明转型，这是从教育大国向教育强国的关键跃升，是基础教育的“必答题”。

在此背景下，以ChatGPT为代表的生成式人工智能（Artificial Intelligence，AI）正逐渐成为推动教育出版领域创新的重要力量，它能够辅助生成教学内容，提升内容的可接入性和多样性，但也给版权保护、数字内容质量控制等方面带来挑战。青少年作为教育出版的主要受众，其在变化的数字环境中适应、应对挑战并保持心理健康的能力正受到生成式AI的显著影响。

本文旨在深入探讨数智时代生成式AI在教育出版领域对青少年“数智韧性”的影响，揭示构成这一创新概念的内在逻辑，为教育出版行业的技术应用提供理论支持和实践参考。

1 文献综述

韧性（Resilience），最初由加拿大生态学家克劳福德·霍林（Crawford Holling）[2]在生态学领域提出，旨在描述复杂生态系统面对外部变化时的稳定性和适应性，此后扩展到了心理学、管理学、社会学等领域，形成了一个多维的、跨学科的研究议题。在此议题下，韧性可以分为个体层面和组织层面，主要指面对各类挑战时保持个体或组织系统稳定运行的抗压能力。

伴随数字技术的普及，数字韧性（Digital Resilience）应运而生，其指生活在数字时代的个体或组织在与外部空间交互作用的过程中[3]逐步形成的应对数字环境挑战的能力，包括消纳、适调和变革能力[4]。国内外对数字韧性的研究可按情境分为两类：数字赋能韧性（Resilience through Digital）和数字冲击韧性（Resilience to Digital）[5]，即“数字”既可以是应对负面影响的手段，也可以是负面影响的来源[6]。前者强调数字技术的赋能作用，如单宇等[7]认为应用数字技术可以促进主体的改革，从而实现能力升级；后者则主要强调数字技术的破坏性作用，如Fleron等[8]将数字技术看作突出的风险来源，Annarelli等[9]认为数字技术已经对个人、企业、国家乃至整体经济都构成了重大威胁。国内对于数字韧性的研究总体较少。在研究方法上，包括理论研究与实证研究，如冯熹宇等[5]回溯梳理了数字韧性的概念内涵、构成要素及影响效应；陈建伟等[10]开发了面向大学生的数字韧性水平量表，并进行信效度检验与实证调查。在研究主体上，包括个体研究与组织研究，主体多分布在教育和经济领域，如薛晓琪等[11]分析了学习主体在应对外部环境变化中的数字韧性，概述其特征并提出培养策略；周晓雪等[12]采用探索性案例研究方法，构建了数字化战略更新驱动企业数字韧性形成的过程模型。

然而，随着数字化向数智化的转变，AI和大数据等智能化技术与数字化过程深度融合，构建了更加复杂和动态的外部环境，也带来了新的机遇和挑战。因此，本文创新性地提出“数智韧性”（Digital and Intelligent Resilience）这一概念，以期更加全面地反映数智时代环境与个体和组织的互动，提炼主体适应当下与引领未来的关键能力。

综上所述，本研究提出以下两个问题：第一，青少年数智韧性的维度有哪些，分别有何内涵？第二，教育出版领域的生成式AI对青少年数智韧性的影响是如何发生的？

2 研究过程

2.1 研究对象

根据世界卫生组织确定的年龄分段，青少年为10～19岁，其处于人生成长与发展的关键阶段，呈现出易被外界环境干扰的年龄特征。但同时，青少年时期也正是接受教育的黄金阶段，能够高效学习并快速应用所学知识和价值观[13]，对新兴技术的使用反应显著。此外，青少年覆盖从小学到高中的大部分年级，是教育出版产品的核心受众，其学习需求和反馈高度影响教育出版领域的未来发展趋势。通过了解生成式AI对青少年的影响，可以更好地优化教育资源和相关策略。

2.2 研究方法

本研究基于数据三角测量方法，通过收集和分析多种数据源，克服依赖单一数据源可能带来的局限性，从而增强研究发现的有效性和可靠性。具体而言，本研究将多案例研究法与访谈法相结合。

案例研究法能够对实践现象进行细腻的描述，揭示其背后的运行模式和逻辑关系，适合解答“怎么样”和“为什么”的问题[14]，适用于本研究范畴，有助于揭示输入和输出主体之间的“黑箱”，探索生成式AI在教育出版领域的特性对青少年用户数智韧性影响的运行机制与内在逻辑。

访谈法能提供用户深入、个性化的见解和体验，再对访谈文本进行扎根分析，通过对收集的资料进行归纳、编码和比较分析来构建理论[15]。扎根理论（Grounded Theory）对于探讨“是什么”和“为什么”等问题具有独特优势。此外，扎根理论致力于发展新理论，强调对现象的新理解和新认知[16]。生成式AI在教育出版领域的应用尚处于起步阶段，因此可以借助扎根理论归纳现有的有限认知，同时其也适用于本研究探索性提出的“数智韧性”这一新概念。

2.3 数据收集

2.3.1 案例样本

笔者采用多案例研究方法，查找在互联网开源渠道公布的信息，获得二手资料，避免受访者出现回溯性偏差[17]。遵循理论抽样原则，并基于复制原则选择典型案例，将案例数量控制在4～10个[18]，通常选取偶数个案例在同一研究标准上进行对比分析。

本研究根据理论饱和度等因素选取了4个具有代表性的生成式AI应用于教育出版领域的案例（见表1），取样原因如下：第一，所有案例应用时间均在ChatGPT等大型语言模型兴起之后出现，确保了研究的时效性和相关性；第二，每个案例都使用了大语言模型等AI技术；第三，所有案例都涉及青少年用户的直接参与和互动，在研究4个案例后，发现已经获得了足够的案例支持和证据，因此停止进一步增加案例。

2.3.2 访谈文本

笔者于2023年12月至2024年3月通过社交平台在线招募20位青少年用户（见表2）进行半结构化访谈，访谈提纲见表3。访谈环节的结束标志为下一位受访者不再有新的信息供笔者提取与编码，此时，基本证明理论饱和，不需要再寻找访谈对象。整理得到29 005字访谈记录材料。

2.4 数据分析

美国学者格拉泽（Glaser）和斯特劳斯（Strauss）提出的扎根理论是一种有利于建立新理论的质性研究方法。本研究利用扎根理论，对访谈收集的文本的原始语句进行一级概念、二级主题和构念的编码。

教育领域的学者一般使用技术接受模型，分析处于在线学习、多媒体学习等与信息技术紧密相关的学习环境中的学习者对某种新信息技术的接受度和相关行为意愿机制。目前，学术界主要使用第3代技术接受模型（Technology Acceptance Model 3，TAM3），将感知有用性和感知易用性作为衡量个体对信息技术接受程度的2个重要核心变量，本研究融入这2个变量作为构念。

活动理论是建立在马克思主义哲学基础上的交叉学科理论，主要研究特定社会文化背景下人的行为活动，其主张人的心理发展与外部实践活动辩证统一[19]。本研究在观察编码的一级概念和二级主题的基础上，基于万力勇提出的活动理论的数字化学习资源网众互动生成模型[20]，结合网众互动生成理论，部分体现了该模型的3个核心要素，即主体（指参与数字化学习资源创作的用户个体）、客体（指用户互动生成的数字化学习资源）、社群（指参与数字化学习资源共同创作与共享的网民群体）与部分中介变量（工具，指平台）的互动过程。

由此共得出5个构念，分别为教育出版领域生成式AI特性、感知有用性、感知易用性、网众互动生成行为和数智韧性。由于扎根理论具有研究方法属性上的限制，理论饱和是主观界定的[21]，研究选用预留的8份访谈资料进行饱和度检验，重复上述三级编码的具体过程，并与现在已有的关系结构进行对比分析，再无提取出新的编码，可认为编码结果基本达到理论饱和。

2.5 模型建构

通过串联上述构念之间的逻辑结构关系，并反复阅读编码原始材料，分析数智时代背景下青少年对生成式AI技术的认知、应用行为及效果，进而建立起一个能够涵括和解释此前所有编码的理论模型（见图1）。

3 研究发现

生成式AI赋能教育出版产品具有智能性、信息性与互动性特点，三者共同塑造了一个动态、自适应的智能学习生态。通过模型建构，可以厘清教育出版领域的生成式AI对青少年数智韧性的作用路径：生成式AI的技术特性影响青少年用户的感知有用性和感知易用性，进而调节了青少年与其他主体之间的网众互动生成行为，并在此动态互动过程中影响青少年的数智韧性发展。

在物理领域中，“韧性”指材料在断裂前吸收能量（消纳能力）或塑性变形（适调能力）的能力。发挥主体主观能动性后，它不仅维持原有功能特性，还能生成新的抗压特性（变革能力）。大数据和AI技术的发展，使人们可以通过分析历史数据预测未来的趋势和变化，从而提前做好准备和布局。在此背景下，本研究对数字韧性原有的三个维度进行了延续与增加，并赋予其新的时代内涵——“预判能力”应运而出，这是数智时代对传统数字韧性维度进阶的鲜明体现。同时，本研究将外部挑战出现的时间发展和韧性的变化强度相结合，总结出“数智韧性”的概念，即：生活在数智时代的个体或组织在与外部空间交互的过程中，形成的应对外部环境挑战的可持续发展能力，包括前期消纳、中期适调、后期变革和未来预判4个维度（见图2）。研究以这4个维度为落脚点，进一步阐述机制中的部分影响过程和各维度的重要内涵。

3.1 前期消纳：心理接受、技术适应与信息辨识

心理接受力和技术适应力分别指青少年对新技术和外部变化环境的心理接受程度和技术适应水平。而感知有用性和感知易用性是衡量和预测用户对信息技术的接受程度和采纳行为的两个重要变量。感知有用性指个体对使用特定系统会提升其成绩或绩效的信任程度[22]。例如，“智海—三乐”AI教育模型基于开源模型“通义千问”，通过高质量教材二次训练，形成了专门的教育领域预训练模型，能够迅速提供有效的学习和解决方案。大部分受访者认为此类生成式AI教育出版产品“生成内容质量高”，能提供有用信息，并通过“定制化的教育内容”带来个性化的功能，能帮助他们“更好地理解和掌握知识”，起到提质增效的作用，因此总体对此类产品持积极态度。感知易用性指个体对使用特定信息系统的容易程度或努力程度的感知[23]。当受访者在“同伴和老师”及“小红书”等社交媒体的推荐下产生从众心理，并发现此类产品使用成本低廉、“产品渠道”易得、产品画面和操作简洁清晰时，他们对使用新技术的心理障碍降低，更可能频繁地使用。以上结果说明感知有用性和感知易用性影响青少年对生成式AI教育出版产品的信任和依赖心理，同时能较好地预测学生参与移动学习行为的意向[24]，是用户参与互动生成的主要动因[20]。青少年进行网众互动生成行为时，通过分享使用心得和学习经验等“学习社交化的方式”及在社群联动中“互帮互助”，增加了“学习的趣味和多样性”，获得同龄人的反馈和支持，让其使用产品的过程“变得不那么孤单”，减轻其对新技术的恐惧心理和使用疑虑，使其在前期消纳阶段更好地接纳和消化新技术、新信息。

信息辨识力指青少年对信息的识别、分析和判断能力，强调其对信息质量和适用性的评估。生成式AI的交互性和智能性会在一定程度上影响内容生成质量，例如，以人机交互强而著称的ChatGPT能在多轮连续对话中不断改进输出文本的质量，却也因此容易在交互中被用户“诱导”或“欺骗”，实现规则“越狱”（Jail Break）；而基于大数据模型语料强依赖特点的“数据投毒攻击”[25]是指攻击者通过向原始数据集中注入脏数据来达到污染数据分布的目的，使数据分布出现偏差或错误。这些行为可能导致生成式AI辅助的教育出版产品作出错误的判断或展现偏差的行为，如一些受访者担忧在产品使用过程中，把“可能出现的错误”当成正确的，认为“信息过时或错误”得不偿失，呼吁道德教育对于价值观的培养，来“指导学生作出正确的决策”。在数据为王的时代，信息辨识力成为青少年必须具备的重要能力。青少年可以在互动中学习和分享如何更有效地识别和评估信息源的可信度，学会通过批判性思维来判断信息背后的意图和偏见。

3.2 中期试调：问题解决与自我调整

问题解决力指青少年识别和解决问题的能力。学生在有安全感和归属感的社会交往情境里，往往会出现更多的内在学习动机与行为[26]。AI不仅处理物与物之间的联结，也能够催化人与人之间的联结[27]，促进人际协作。AI多元交互平台使传统的师生交往关系被突破，打破了教育与社会之间的“围墙”，实现了人与人之间跨越时空与地域的无障碍交流，增强了社会情境对学习的积极影响，实现更广范围的社会性协作学习。例如，AI驱动的少儿阅读微信小程序“21世纪智能阅读”，塑造了虚拟形象“条条熊”来回答阅读中的问题并出题，为中小学生创设社交情境。多数受访者表示，其在此类产品平台上通过与各类主体之间发生互动，包括学生与学生、学生与社群互动等，不仅结识了“志同道合的朋友”，获得了“同道中人的赞赏和建议”，还汲取了“不同的观点和学习方法”，认识到“问题解决的多样性”，并有意识地提醒自己对社交互动“适度控制以保持专注”，从而提高自己的洞察能力、学习能力和抗干扰能力[20]。当互动持续而固定，就可能形成具有在线学习技能与内在动机等特质的小组[28]，如受访者提到与小组成员“分享各自的编程结构和遇到的问题，互相提供解决方案和建议”，可以更好地解决协作问题。

自我调整力指青少年引导学习工具和自我调整的能力。指令工程（Instruction Engineering）通过设计自然语言指令引导模型充分理解意图并生成结果，搭建起自然语言与AI之间有效沟通的桥梁，使不具备AI专业背景的用户也能快速、高效地运用智能技术[29]。受访者认为“通过交互才能让AI更充分地理解自己的需求”，但如果使用单一提示来引导大模型生成答案，很容易出现问题求解能力不足、行业智能挖掘不够、生成内容存在幻觉[30]等问题，因此部分受访者会在互动社交的“外寻”与评估改良的“内寻”作用下调整指令语句。比如“使用更清晰的词汇进行引导纠正”，让其“实时更改”以满足自己的需求，从而加强对生成式AI的驾驭能力，形成自己的立体思考模式和大模型应用范式。但同时，这种交互也更容易造成认知冲突，即个体原有的概念或认知结构与现实情境不符时在心理上产生的矛盾与冲突[31]，很多受访者都曾对自己在人机协同中的位置感到迷茫，但当他们“开始将AI视为一种探索工具而非‘最终裁判者’”，并“先按照AI的建议尝试”，然后根据自己的感觉“进行调整”，就能在获得“技术性的指导”的同时保持自己“创作自由”的主体地位。由此，青少年在处理冲突与矛盾的过程中，逐渐由认知冲突走向新的认知平衡，丰富了青少年的心智运作，促进其韧性建构。

3.3 后期变革：跨界整合与创新优化

跨界整合力指青少年整合信息与资源的能力。大观念（Big Ideas）是对个别的事实和技能赋予意义和连结的重要概念、主题、问题、观念[32]。一方面，AI的智能性和实时性的技术优势帮助学习者收集前沿信息、聚拢散装信息、挖掘非表层知识及跨学科、跨领域知识间的关联。以大观念为组织线索，使知识之间按逻辑编织成有机的整体，实现学习内容综合化和结构化，有利于学生参与知识的学习与建构。例如“粤教—爱思通”AI围棋课程，整合弈城围棋网的大数据和由围棋世界冠军设计的AI模型，模仿阿尔法元1的学习方式，使学习者通过实战练习快速觉察与把握棋谱脉络，无须死记硬背，可大大提升学习效果。另一方面，当AIGC由于“解释不够深入”“无法涵盖所有细节”等原因无法满足青少年需要时，可以倒逼青少年扩展多元的信息搜集渠道，结合传统书籍、开源文章、新媒体和互动讨论等路径“获得更全面的信息”，这也能避免青少年陷入生成式AI既定模型的“信息茧房”，避免被机械化、同质化的智能体系笼罩[33]，从而促进青少年的独立思考和个性化发展。

创新优化力指青少年不断探索和实施新方法或策略，以提高学习效能的能力。美国教育家约翰·杜威（John Dewey）认为，知识作为工具，可以用来解决问题，提高生活质量，除了有形的工具，技术、思想、理论与概念都是解决问题的工具[34]。华东师范大学教育信息技术学系教授顾小清认为“生成式AI催生新的知识生产方式”[35]。人类与智能机器互联形成超级智能体，不同智能体之间的交流联结不仅增加了知识数量，而且生产出多元化的知识类型，包括“软”知识、“灰”知识、“暗”知识等[36]。受访者表示，通过发挥主观能动性，其在人机协同中进行知识生产，学会了“如何与先进技术合作”来实现创作目标。此外，AI多通道交互技术促进学生们自主参与内容共创，助推了更高质量的集体建构，在团队合作中以共建、共享集体智慧实现对学习内容的理解、建构、探索和创新。如部分受访者提到，其“学会了欣赏不同的观点，并将其融入写作中”，从而培养青少年“集百家之所长，融百家之所思”的创新思维。

3.4 未来预判：终身学习、风险识别与数驱决策

终身学习力指青少年对未来学习和技术变化的持续适应和终身学习的意愿。新质生产力的跃迁让生产力的三大构成要素发生巨变：从普通技术工人到知识型、创新型、自主型的高素质劳动者[37]，从普通的机器设备和电子计算机到高精尖设备和数智化工具[38]，从以物质形态存在的自然物和原材料到伴随科技进步被新发现的自然物、注入更多技术要素的原材料及数据等非物质形态[39]。在新质生产力发展要求更多复合型人才的背景下，青少年应树立终身学习目标，才能在快速更迭的技术与持续变化的环境中勇立潮头。大部分受访者表示通过使用生成式AI赋能的教育出版产品，可以“习惯于数字化学习的方式”并“更加自信地使用各种数字工具进行学习和创作”，并认为这对其未来的学习和工作“非常有好处”，因此对“计算机技能”及相关工具“会保持开放的态度”，并有计划地学习编程及进一步研究“如何使用这些工具”。

风险识别力指青少年在使用智能工具时对潜在风险的判断和预防能力。一方面，生成式AI的使用往往通过应用程序编程接口（API）进行，人们对其发展的控制力较弱，其自身透明度较低，由此可能引发意识形态风险、版权侵权风险、隐私泄露风险和伦理道德风险等多重难题。例如，部分受访者提出对自己上传的作业会“变成别人的素材”感到担忧，或担心系统超出教学限度，过度采集学生个人“隐私和数据”。另一方面，智能技术的深度嵌入可能会导致学生元认知能力降低、师生关系疏远等。元认知的本质是个体以认知活动为对象，进行主动观察、监测、反思、调节、加工等操作的过程。但智能工具的数据诊断和动态过程监测容易使学生形成依赖，使其缺少自我觉察、自我反省、自我评价与自我调节，进而导致元认知能力退化。同时，技术异化可能导致教学主体间的现实交往减少，技术逐渐占据师生的交流空间并掌握内容资源的控制权，长期发展可能造成师生亲密度下降，影响青少年学习效果。但大部分受访者识别出了该风险，并肯定了教师的不可替代性，认为智能工具“没有真人老师那样有血有肉”，尤其在复杂问题上，“老师可能用生动形象的例子或者肢体语言”传授，而AI仍“缺乏老师的直觉”和“与人交流的经验和技巧”。

数驱决策力指青少年利用数据分析驱动判断和决策的能力。美国《福布斯》杂志曾指出，决策智能是一个相对较新的领域，它使用智能技术来支持、促进和自动化业务决策[40]。决策智能通过清楚理解、精心设计、作出决策的方式，以及根据反馈评估、管理和改进结果的方式来改进决策，为学习数据创建更全面、更方便的视图，助力青少年作出最佳决策。例如，部分受访者提到考试前会让智能程序帮助自己分析“每个科目的得分情况”“跟踪学习进度”和“了解知识点掌握情况”。然而，计算机并不对输出的结果负责，“人”才是这个场景的最终决策者。青少年的思考和学习方式受到决策智能的影响，从传统的决策方式转变成“用数据说话”和“让数据说话”的决策习惯。通过评估改良环节，青少年分析数据、发现见解、产生预测、支持决策，用数据决策、说服和表达，从而提高其思考和学习能力，让其“在数字化学习环境中更加得心应手”。

4 结语

教育出版领域已逐渐迎来智能化升级的关键时期，如何在这一转型中有效利用生成式AI技术，缓解青少年用户在面对多样信息和复杂技术应用时的适应性挑战，增强其数智韧性，是教育出版领域值得深入探讨的重要议题。

第一，针对现代教育需求开发集智能性、信息性、互动性于一体的教育出版产品。首先，通过采用先进的AI技术来分析学生的学习行为与成效，可为学生提供定制化的学习路径和智能评估系统，从而实现预测性的教学介入。其次，教育出版产品须包含丰富、精确且持续更新的教育内容，确保学生能够接触到前沿知识与学科资源，同时利用大数据技术来优化内容生成与配置，增强学习材料的针对性和吸引力。最后，通过整合多模态交互式工具、构建在线社区及引入游戏化学习策略，提升学生的学习参与度和动机。通过这三个特点的融合，教育出版产品不仅能更全面地满足青少年的学习需求，也能在教育技术的快速发展中保持领先地位，为学生营造动态适应且富有挑战的学习环境。

第二，整合教育主体，改良教育策略。通过构建一个包容性的合作框架，集合教师、学生、家长、教育行政部门及私营企业等多方利益相关者的力量，使其共同参与教学内容的开发、评估与改进；实施项目式学习和问题式学习等多互动学习模式，激励学生主动探究实际问题，动员教师与学生的共同参与，以此增强学习的应用性和深度；利用数字化平台促进教育领域各参与者之间的互动与反馈，提高教学过程的透明度与多样性；通过推广跨学科、跨文化的学习项目，拓宽学生视野，提升其全球竞争力与创新能力。这些策略的实施，不仅可以提升学生的学习成效，还能培养其创新思维与综合技能，是推动教育现代化与国际化的关键步骤。

第三，建立全面的人才培养模式，将培养学生数智韧性的理念贯穿整个教学实践过程。教育体系应全面整合数字技能与学科教学，系统加强信息素养教育，推动跨学科的课程设计，并重视实践与创新能力的培养。此外，构建一个鼓励终身学习的文化环境，对学生适应数字技术快速变a8aa25e6e73417cb7fbc3877eeb2b145abb36b3d24162d234542f982c55560e0化至关重要。实施这些教育策略，不仅有助于提升学生的实践和创新能力，也能为中国实现教育强国目标、增强国家的科技创新能力和产业竞争力打下坚实的基础，这是实现教育现代化和提升国家综合实力的重要途径，符合我国长远发展战略。

但同时，本研究也具有一定局限性，主要体现在以下三个方面：首先，目前模型主要是质性构建的，缺少量化数据来验证模型；其次，没有充分考虑不同文化、社会背景和年龄分层等变量影响下的青少年的特定需求和响应，对青少年群体缺少广泛适用性和完整性；最后，生成式AI技术发展迅速，模型可能需要不断更新以适应新的技术特性和应用场景。

在未来研究中，可通过量化研究方法来测试模型的有效性，包括采集数据、使用统计分析等来证明各要素之间的关系；根据实证研究的结果调整和优化模型，确保其在不同教育环境和技术应用中的适用性；展开纵向研究，考察生成式AI对青少年数智韧性的长期影响；随着新技术的出现，更新研究中的技术描述，并通过案例研究来展现前沿应用。

作者简介

孙那，女，博士，西安交通大学法学院副教授、博士生导师。研究方向：知识产权法、科技法、娱乐法。

陶玥竹，女，西安交通大学法学院硕士研究生。研究方向：数字出版、知识产权法。

参考文献

新华社.政府工作报告：2024年3月5日在第十四届全国人民代表大会第二次会议上[EB/OL].（2024-03-12）[2024-08-13]. https：//www.gov.cn/gongbao/2024/issue_11246/202403/content_6941846.html.

HOLLING C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics， 1973（4）： 1-23.

沈书生.面向幸福成长：设计支持数字韧性构建的学习空间[J].现代远程教育研究，2021，33（3）：18-24.

祝智庭，彭红超.技术赋能的韧性教育系统：后疫情教育数字化转型的新路向[J].开放教育研究，2020，26（5）：40-50.

冯熹宇，王菌丽，赵耀，等.数字韧性研究回顾与展望[J].科学决策，2023（12）：185-200.

JEAN-JULIEN D， PASCAL A， GODÉ C. A systematic literature review on digital resilience in organizations： Towards a conceptualization[EB/OL].[2024-08-13].https：//ideas.repec.org/p/hal/wpaper/halshs-03959505.html.

单宇，许晖，周连喜，等.数智赋能：危机情境下组织韧性如何形成？基于林清轩转危为机的探索性案例研究[J].管理世界，2021，37（3）：7，84-104.

FLERON B， PRIES-HEJE J， BASKERVILLE R. Digital organizational resilience： A history of Denmark as a most digitalized country[C]. Hawaii International Conference on System Sciences， 2021.

ANNARELLI A， NONINO F， PALOMBI G. Understanding the management of cyber resilient systems[J]. Computers and Industrial Engineering， 2020， 149（11）： 106829.

陈建伟，席梦如，傅骞.大学生数字韧性测评框架及影响因素研究[J].中国电化教育，2023（6）：68-74.

薛晓琪，赵晓伟，沈书生，等.在线学习中的数字韧性：关键维度、现状描摹与提升策略：基于江苏省初中生调研数据的分析[J].电化教育研究，2023，44（4）：72-78，85.

周晓雪，崔淼.应对外部环境挑战的企业数字韧性塑造机理研究：基于数字化战略更新的视角[J].南开管理评论，2024，27（2）：4-17.

DOSTÁL J， WANG X， STEINGARTNER W， et al. Digital intelligence： New concept in context of future school of education[EB/OL].[2024-08-14]. http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=3255366.

YIN R K. Case study research and applications： Design and methods[M].California： Sage Publications， 2017：11.

凯西·卡麦兹. 建构扎根理论：质性研究实践指南[M]. 边国英，译.重庆：重庆大学出版社， 2009：21.

吴刚. 工作场所中基于项目行动学习的理论模型研究[D].上海：华东师范大学，2013.

EISENHARDT K M， GRAEBNER M E. Theory building from cases： Opportunities and challenges[J]. The Academy of Management Journal， 2007， 50（1）：25-32.

EISENHARDT K M. Building theories from case study research[J]. The Academy of Management Review，1989，14（4）： 532-550.

马文娜.从活动理论看信息技术与课程整合的优化[EB/OL].（2009-11-30）[2024-08-14]. https：//www.paper.edu.cn/releasepaper/content/200911-800.

万力勇，赵呈领，戴敏利.数字化学习资源的网众互动生成机制解析[J].现代教育技术，2014，24（9）：22-29.

郭安元.基于扎根理论的心理契约违背的影响因素及其作用机制研究[D].武汉：武汉大学，2015.

VENKATESH V，DAVIS F D. A theoretical extension of the technology acceptance model： Four longitudinal field studies[J].Management Science，2000，46（2）：186-204.

DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS Quarterly，1989，13（3）：319-340.

张哲，王以宁，陈晓惠，等.MOOC持续学习意向影响因素的实证研究：基于改进的期望确认模型[J].电化教育研究，2016，37（5）：30-36.

GUPTA P， YADAV K， GUPTA B B， et al. A novel data poisoning attack in federated learning based on inverted loss function[J]. Computers and Security， 2023（130）： 1-8.

刘海燕，闫荣双，郭德俊.认知动机理论的新近展：自我决定论[J].心理科学，2003，26（6）：1115-1116.

于泽元，尹合栋.人工智能所带来的课程新视野与新挑战[J].课程·教材·教法，2019，39（2）：27-36.

张文梅，王辞晓.联通主义学习情境下何以实现高质量的协作问题解决：基于定性比较分析的cMOOC案例研究[J].现代远程教育研究，2024，36（2）：93-103.

陆伟，汪磊，程齐凯，等.数智赋能信息资源管理新路径：指令工程的概念、内涵和发展[J].图书情报知识，2024，41（1）：6-11.

ZHANG Y， LI Y， CUI L， et al. Siren’s song in the AI ocean： A Survey on hallucination in large language models[EB/OL]. （2023-09-03）[2023-10-13].http：//arxiv.org/abs/2309.01219.

林崇德，胡卫平.思维型课堂教学的理论与实践[J].北京师范大学学报（社会科学版），2010（1）：29-36.

吕立杰.大概念课程设计的内涵与实施[J].教育研究，2020，41（10）：53-61.

王嘉毅，鲁子箫.规避伦理风险：智能时代教育回归原点的中国智慧[J].教育研究，2020，41（2）：47-60.

约翰·杜威.我们如何思维[M].伍中友，译.北京：新华出版社，2010：10.

顾小清.人工智能何以促进未来教育发展[N].光明日报，2022-07-27（11）.

杜华，顾小清.人工智能时代的知识观审思[J].中国远程教育，2022（10）：1-9，76.

蒲清平，黄媛媛.习近平总书记关于新质生产力重要论述的生成逻辑、理论创新与时代价值[J].西南大学学报（社会科学版），2023，49（6）：1-11.

石建勋，徐玲.加快形成新质生产力的重大战略意义及实现路径研究[J].财经问题研究，2024（1）：3-12.

周文，许凌云.论新质生产力：内涵特征与重要着力点[J].改革，2023（10）：1-13.

刘霞.利用人工智能获取最佳方案：“决策智能”成数字化转型新趋势[N].科技日报，2022-09-30（4）.

Digital and Intelligent Resilience： Understanding Impact of Generative AI on Adolescents—An Examination in the Field of Educational Publishing

SUN Na， TAO Yuezhu

School of Law， Xi’an Jiaotong University， 710000， Xi’an， China

Abstract： In the context of the digital and intelligent transformation of new quality productive forces， this study employed a multi-case study method and interviews to innovatively propose the concept of “digital and intelligent resilience”， and constructed a theoretical model of the impact mechanism of generative AI on the digital and intelligent resilience of adolescents in the field of educational publishing. It was found that digital and intelligent resilience was the sustainable development capability of individuals or organizations to cope with challenges in the process of interacting with external space. It encompassed four dimensions： pre-absorption， mid-adjustment， post-transformation， and future-prediction. Technical characteristics of generative AI affected adolescents’ perceived usefulness and perceived ease of use， thereby modulated their user interactive generation behaviors with other entities， and influenced the development of their digital and intelligent resilience.

Keywords： Digital and intelligent resilience; Generative AI; Adolescents; Educational publishing; User interactive generation