人工智能赋能高校思政课内涵式发展的机理探析

摘 要：以人工智能赋能高校思政课内涵式发展，本质上是以新的方式反思现实，并通过主动建构塑造新的未来，其基础在于实现赋能的机理。人工智能的赋能是通过场景化的知识“言传”和知识“意会”，进行自适应的知识供给和知识迁移，构建学习者与人工智能协同发展的学习生态、教师与学生共同学习的知识生态，从而推动高校思政课守正创新，实现内涵式发展。

关键词：人工智能；思政课；场景化；自适应；人机协同

科学技术是推动教育变革创新的动力源泉，人类的文明史本身就是科学技术与教育相互激励、相互促进的历史。以科技手段赋能思政课，既是推动教育变革及创新、实现教育现代化的题中应有之义，又是贯彻党的教育方针、更好落实党领导教育工作的重要实践。当前，人工智能推动人文社会科学与信息技术交叉融合，以人工智能赋能高校思政课已属可行；人工智能可助力高校思政课继续发挥传统优势，实现智能化跃迁，以人工智能赋能高校思政课实属必要。

一、人工智能赋能高校思政课内涵式发展的出场

自1946年世界上第一台计算机诞生以来，科学家们一直设想计算机能够拥有更强大的功能。1956年，美国达特茅斯会议提出，要“制造一台机器，该机器可以模拟学习或者智能的所有方面”，进而提出了“人工智能”的概念。关于“人工智能”的概念，一直存在多种定义，目前主要有两种：一是美国科学家马文·李·明斯基（Marvin L.Minsky）提出的“人工智能是一门科学，是使机器做那些人需要通过智能来做的事情”；而人工智能领域开创者之一尼尔斯·约翰·尼尔森（Nils John Nilsson）提出“人工智能是关于知识的科学”，它研究知识的表示、知识的获取和知识的运用。^［1］两者中，前者涉及两个未明确定义的概念，即“人”“智能”；后者只涉及一个，即“知识”。相较于“人”“智能”，“知识”被研究得更加深入，且人、智能与知识紧密相关，知识是智能的基础。因此，本文采用尼尔森的定义，即人工智能是“关于知识的科学”，它研究知识的表征、知识的获取和知识的运用。

在“人工智能”概念提出后的近七十年时间里，人工智能的发展并非一帆风顺。直到进入21世纪，随着算力的提升和大数据的积累，人工智能终于进入快速发展期。近年来，生成式人工智能取得重大突破，人类朝向“通用人工智能”这一目标又迈进一步。生成式人工智能可进行比较连贯、有一定深度的对话，它通过学习和理解数据的分布，生成具有相似性的新数据，进而生成文本、图像、音视频等内容，涌现出推理、思维链等一些体现智能的能力。^［2］但是，目前的生成式人工智能至多是感知意义上而非认知意义上的“通用人工智能”^［3］。人类距离真正的“通用人工智能”还有相当距离。尽管如此，人工智能正在改变人类的感知、知识和思想，并在此过程中引发人类历史进程的变迁。这一趋势不可阻挡。

当前，人工智能已被广泛应用于人类生产生活中，能大大减轻甚至替代部分人类所从事的重复、繁杂、繁重的劳动，成为“赋能者”。人工智能赋能教育，可以帮助教师为学习者提供个性化和符合实际需要的学习内容，为学习者提供更大的学习自主权，帮助学习者更好地挖掘自身潜力，使学习更有效、更吸引人，进而改变教育。人工智能赋能教育，主要体现为使学习资源、内容、途径、方式等更加灵活、开放和共享，学习需求由外驱向内驱回归，学习者由他律向自律转变，学习过程由以“教”为中心向以“学”为中心转变

。“不论教育的形式、内容、方法、手段等如何变化，未来教育的中心依旧是培养人并为促进人的全面发展而服务。”

^［4］高校思政课是一种独特的教育活动，借助人工智能同样可实现上述变革。人工智能赋能高校思政课，旨在系统性推动学习过程的守正创新，实现内涵式发展。近年来，学界探讨了人工智能赋能高校思政课的样态，如精准思政、智能思政、数字思政等，取得了丰厚的研究成果。目前我们尚需探究和厘清人工智能赋能高校思政课的机理，以便深入探讨推动高校思政课内涵式发展何以可能、可行。

二、人工智能赋能高校思政课内涵式发展的机理

人的学习过程可分为知识表征、知识获取、知识运用等三个部分。人工智能是“关于知识的科学”，研究知识表征、知识获取、知识运用，这本身是对人的学习过程的模拟和映射。人工智能具有场景化、自适应、人机协同的功能优势，可赋能高校思政课的学习过程，形成场景化的知识表征、自适应的知识获取、人机协同的知识运用，帮助学生强化对主流意识形态和党的创新理论的学习理解，推动高校思政课守正创新，实现内涵式发展。

（一）场景化的知识表征

人类的知识可被分为显性知识和隐性知识两大类型。适应这两类知识，人工智能所赋能的知识表征，分为场景化的知识“言传”和场景化的知识“意会”。

1. 场景化的知识“言传”

显性知识可被理解为能以系统化方法表征、正式且规范的知识。^［5］它通常以语言、文字、图像、声音等为知识载体进行存储、传播和表征，它较容易被记录和论述，是可以确知并被编码输入信息系统的知识。显性知识易于表征，可以“言传”。人类的感知是多模态化的，场景无论是在原初意义上还是在引申意义上也是多模态化的。语言、文字、图像、声音等既是知识的载体，又是各类场景的组成要素。在人工智能大发展之前，语言、文字、图像、声音等作为知识载体进行知识表征，往往只能以单一模态进行。因此，当语言、文字、图像、声音等进行知识表征时，它们不但要从场景中析出，还往往相互区隔，而析出的过程本身意味着并固化着相互区隔，即知识载体从场景中析出，既带来并固化了知识载体与场景的相互区隔，又带来并固化了知识载体之间的相互区隔。以人工智能对语言、文字、图像、声音等知识载体进行多模态化的整合，使它们在进行知识表征时不再需要从场景中析出。这样不但消弭了知识载体与场景的相互区隔，更契合人类社会各类场景的多模态化本质特征；不但使知识载体场景化，而且消弭了知识载体之间的相互区隔，更契合人类的感知偏好，有利于人类学习和理解知识。由此，在高校思政课学习过程中，人工智能整合、构建的强大场景可承载、存储、传播、表征更大容量的显性知识，实现更高质效的知识“言传”。

2. 场景化的知识“意会”

1958年，英国哲学家迈克尔·波兰尼（Michael Polanyi）首先提出“隐性知识”的概念。与显性知识不同，隐性知识通常以经验、印象、感悟、团队默契、组织文化、风俗习惯等形式存在，它可以被理解，但难以模态化地承载、存储、传播、表征。隐性知识只可“意会”，难以“言传”。隐性知识这一概念的提出，正式承认了未经或不能系统化处理的经验类知识，拓宽了人们对知识的认知。显性知识与隐性知识就像大海上的冰山，前者像冰山露出海面的部分，是冰山一角；后者像冰山隐在海面下的部分。正因为隐性知识只能形式化地存在，难以模态化地组织和呈现，才使其藏身海面之下。然而，难以“言传”不代表难以感知。隐性知识以经验、印象、感悟、团队默契、组织文化、风俗习惯等形式分布于场景之中，但又综合作用于人类的感知。所以，隐性知识在存在意义上是相互区隔的，在感知意义上是多模态融合的，即隐性知识之间相互区隔，但隐性知识融于场景之中。人类的感知是多模态化的，场景也是多模态化的。人类容易感知场景，易于接受场景。以人工智能构建并发展虚拟与现实相融合的场景或完全虚拟化的场景（元宇宙），通过这样的场景不断加强隐性知识之间的联系，消弭隐性知识之间的相互区隔，从而构建高校思政课的沉浸式学习场景，使越来越多的隐性知识得到“意会”。

（二）自适应的知识获取

人类获取知识，主要通过知识供给和知识迁移两种方式，即吸纳已有知识和建构新的知识。根据不同的获取方式，人工智能所赋能的知识获取可以分为自适应的知识供给和自适应的知识迁移。

1. 自适应的知识供给

人类知识生产速度愈来愈快、数量愈来愈大的现状及趋势，知识获取的“去中心化”、知识获取方式的多维化和多元化，使高校思政课的学习过程不再像以往那么严格受限于时空环境及条件，发生了开放式、扁平化的结构性改变，教师和学生更加平等，学生的主体性及选择权不断增强。为适应高校思政课开放式、扁平化的结构性改变，人工智能赋能知识供给，需要使学生能够动态、便捷、有效地获取课堂内外已有的和不断生成的知识，满足其个性化学习需求。人工智能通过综合分析文本、自然语音、图形图像、交互式视觉场景等，可即时反馈学生的需求、兴趣、状态等差异化学情。教师可据此实时提供学习指导，及时完善学习形式，适时优化学习内容，然后借助人工智能尽可能精准供给知识。如此循环，科学、柔性地构建学习环境和学习过程，形成“教师＋学生＋人工智能”^［6］的学习共同体，实现自适应的知识供给，为学生提供个性化的学习支持，使学生的学习需求由外驱向内驱回归。但是，自适应的知识供给是相对浅层的知识获取，要实现更深层的知识获取，高校思政课还需要自适应的知识迁移。

2. 自适应的知识迁移

高校思政课的学习不局限于教室，学生将在越来越复杂化的场景中学习。为适应高校思政课教师和学生更加平等、学生主体性及选择权不断增强的趋势，人工智能赋能知识迁移需要从学生主体性出发，更高效地激发学生学习的主动性和创造性。知识迁移是指学习者把在一定场景中获取的知识和技能应用于新场景的建构能力。早期的知识迁移理论强调学习条件及迁移条件之间的相似性，而现代的迁移理论认为概念化学习、深层理解和加工知识、反思和批判性思维、类比和联想等有利于知识迁移。^［7］人工智能赋能高校思政课进行知识迁移，要使学习贯穿课堂内外及前后，完成自适应的知识供给，更要推动学生在自适应的知识供给基础上主动探究或解决不同场景的问题，从而加强概念化学习，深化对知识的理解和加工、反思和批判、类比和联想，进而迁移到更多的场景。如此扩散，使不同的场景联系起来，拓展学生的认知场域，降低认知成本，实现自适应的知识迁移，帮助学生在与外部世界的持续交互中建构意义，进行意义联结，从而更好地认识世界、理解自我。^［8］

（三）人机协同的知识运用

人机协同之所以成为功能优势，就在于二者有机协同、优势互补，形成“1＋1＞2”的质效。人工智能所赋能的知识运用，不是简单的“运用”，而是在知识运用的过程中构建学习者与人工智能协同发展的闭环和学习生态，构建教师与学生共同学习的闭环和知识生态。

1. 构建学习者与人工智能协同发展的学习生态

人工智能赋能高校思政课所构成的人机协同中，“人”即学习者，由学生和教师共同组成；“机”即人工智能及其硬件载体，“机”作为“学伴”与学习者协同学习。在这一人机协同中，教师与学生平等地不断获取信息、进行交互，运用已有知识及认知框架不断组合新的信息并形成新的知识和正确的观念。这些不断组合的新的信息所形成的知识和观念，又被“投喂”给人工智能，用于人工智能的继续训练和完善，由此形成学习者与人工智能协同发展的闭环和学习生态。已有知识和新的知识被持续运用于这一人机协同发展的闭环中，培育学习生态，驱动学习生态持续良性“成长”，从而推动人机协同重塑高校思政课学习过程的组织模式和服务模式，使以“教”为中心、以知识灌输为本位的教学过程转变为以“学”为中心、以知识运用为本位的学习过程，将过去由教师与学生组成的二元、单向、传递式教学模式转变为由教师、学生、人工智能共同构成的开放、多向、交互式学习模式，进而塑造以教师为主导、学生为主体的智能化学习过程。

2. 构建教师与学生共同学习的知识生态

人工智能赋能高校思政课所构成的人机协同，实际上构建了虚实融合的学习空间，重构了高校思政课的学习场景。知识不但分布存储于这样的学习空间和场景之中，还能以结构化、场景化的方式得以呈现和运用。在这样的学习空间和场景中，人工智能延伸了教师与学生所感知、认知的广度和深度，优化了教师与学生的互动及其体验，增强了教师与学生共同探索、共享知识的意愿和能力。同时，教师与学生共同探索、共享知识的过程又促进学生学会主动建构、迁移、内化知识，主动运用知识进行更多的启发性、创造性学习，进而与教师共同探索和共享新的知识，使知识在螺旋式上升中实现动态的有序化呈现，由此形成教师与学生共同学习的良性知识生态。这不但可以减少或避免简单化、重复性的学习，还可以提高知识传播和运用的质效，实现人机协同的智慧生成^［9］，从而助力学生在知识运用过程中不断提升学习能力和认知能力。

万物得其本者生，百事得其道者成。人工智能赋能高校思政课内涵式发展，首先要准确把握“本”，即高校思政课的政治属性和意识形态属性，舍“本”则不“生”；然后要正确把握“道”，即运用人工智能实现赋能的机理，离“道”则不“成”。人工智能赋能高校思政课内涵式发展，本质上是以新的方式反思现实并通过主动建构塑造新的未来，其基础在于实现赋能的机理。准确把握“本”，正确把握“道”，不断挖掘人工智能的功能优势，持续赋能高校思政课，是推动思政课建设内涵式发展的必答题及应用题。

三、结语

当前，人工智能正驱动着人类经济社会众多领域的演进发展。人工智能赋能高校思政课，既有利于高校思政课继续发挥传统优势，又有利于破解高校思政课中某种程度存在的“内卷”现象。高校思想政治工作本身要求“因事而化、因时而进、因势而新”。人工智能赋能高校思政课，既是因“事”“时”“势”的客观要求，又是实现内涵式发展的题中应有之义。

参考文献

［1］李德毅.人工智能导论［M］.北京：中国科学技术出版社，2018：2.

［2］徐思彦.生成式人工智能：发展演进及产业机遇［J］.人工智能，2023（4）：43-50.

［3］魏屹东.关于通用人工智能的哲学思考［J］.南京社会科学，2024（2）：10-19.

［4］关成华，黄荣怀.面向智能时代：教育、技术与社会发展［M］.北京：教育科学出版社，2021：6.

［5］赵士英，洪晓楠.显性知识与隐性知识的辩证关系［J］.自然辩证法研究，2001（10）：20-23，33.

［6］彭斌.基于人工智能的智慧学习新常态［J］.现代信息科技，2020（21）：185-187.

［7］刘伟，戚万学，宋守君.致力于知识迁移的深度学习探究［J］.现代教育技术，2019（3）：25-31.

［8］郝祥军，顾小清，张天琦，等.人机协同学习：实践模式与发展路向［J］.开放教育研究，2022（4）：31-41.

［9］王一岩，郑永和.智能时代的人机协同学习：价值内涵、表征形态与实践进路［J］.中国电化教育，2022（9）：90-97.