所属栏目：计算机应用论文范文发布时间：2026-01-12浏览量:410
ChatGPT等生成式人工智能(GAI)使知识生产与再生产样态转变，带来知识“稀缺性的终结”，促进知识的经验化。基于生成式人工智能系列技术建设教育大模型，将从哲学立场、课程功能和价值取向维度影响课程的内涵。通过语言引导、“投喂”和人类反馈对齐，课程将实现从单维度“知识”到多环节“知识链”甚至课程经验“有机体”的转变，催生课程目标设计的发展性、经验选择的多样性、课程组织的三维化和课程评价的全景化等可能，进而拓展课程的外延。
生成式人工智能背景下，“课程”的图景可刻画为：课程本质从知识本位、能力本位转向重视主体交互性;课程目标从标准化和确定性趋向开放化和灵动性;课程经验从教材、教辅的机械性、有限性走向经验的鲜活性和充分性;课程组织从直线式、单维度走向螺旋式和多维时空;课程评价从唯分数、单向度走向全场景和智能化等。
研究认为，生成式人工智能时代的“课程”应为培养具备“新质生产力”能力的人才提供更大可能。具体定义为：帮助师生将人工智能生成内容与传统课程体系融合，提供现实与虚拟的双重经验，搭建系统的学习支架和知识链，服务学生知识、能力等多维发展，提高学生的核心素养，通过智能导学系统等促进大规模因材施教，帮助学生勇敢应对不确定世界和高效服务社会生产，实现全面发展的理想。
关键词：GAI;ChatGPT;生成式人工智能;课程;课程认识
论文《生成式人工智能时代的“课程”概念重建》发表在《华东师范大学学报(教育科学版)》，版权归《华东师范大学学报(教育科学版)》所有。本文来自网络平台，仅供参考。
引言
马克思主义的技术哲学观指出，技术的发展是一个自我生产和自我完善的过程，技术革命的根本意义在于引起生产方式和生产关系的革命。以ChatGPT、DeepSeek、讯飞星火为代表的AIGC(AI Generated Content，人工智能生成内容;国际上也称AI-Synthetic Media或AI Generated Media)带来生成式人工智能(GAI)的巨大普及。通过提示词即可引导机器生成新的文字、图片、视频，持续“投喂”可使机器反应更专业化、精准化，在强大算力支持下甚至能实现“世界模拟”。
这种变革重构了知识生产与再生产方式，颠覆了既有知识论立场，形成“理性主义”“经验主义”和“智能生成主义”三足鼎立并相互融合的局面。生成式人工智能介入教育生态，改变了课程知识生产与再生产方式，这一生产方式的变革将重塑“生产关系”，学校教育、学校课程也将进入“智能教育”形态，或至少开始重构课程认识和课程实践。
基于此，本研究立足生成式人工智能普及的时代背景，尝试探索生成式人工智能时代“课程”概念重建的现实基础、内外表征和可能图景。
一、生成式人工智能引发“知识”生产逻辑重构
我们正处于与农业社会、工业社会有巨大区别的“智能社会”。尤其是大数据、大算力、深度学习算法和自然语言处理技术(NLP)的突破，使生成式人工智能使用门槛大幅降低，同时带来知识生产方式变化和知识生产逻辑重构。
(一)知识生产主体反转：主体性的新挑战
GAI既是工具又超越工具，是与主体性交织融合的“能动工具”，集伙伴、助手、代理于一身，丰富了历史唯物主义视野的工具观，基本改写了“技术即工具”的命题。
GAI背景下，课程与教学主体面临新反转，动摇了“人”作为课程主体的普遍认知，促使课堂教学“双主体”演变为“三主体”或“二加一”。这背后是GAI与人类交互中呈现的“交互主体性”——主体源自交互过程，不依赖内在属性或现有主体概念，是区别于主体与客体、手段相分离的新状态。
通用语言大模型的迭代面临“通用性”与“专业性”的权衡难题，预训练数据模糊了其个体性边界。从外在主义立场看，生成式人工智能无法区分自身与外部世界，不具备生物系统对环境的进化适应能力;从内在主义立场看，其虽能与人类广泛交互、更接近人类智能，但缺乏传统人工智能明确目标指向的行动能力。因此，生成式人工智能从内在主义立场挑战了传统人工智能的主体性概念，从外在主义立场挑战了生物学视角的主体性概念。
这意味着，我们不仅要确保人工智能与人类价值观对齐、教育大模型建设者价值观与社会价值观对齐，更要重视其持续输出对人性存在的潜在影响。
(二)知识生产客体转变：人工智能生成内容
人工智能经历了从“推理与探索”到“知识工程”，再到“大数据与深度学习模型”的多轮革新，与课程紧密相关的知识及其生产逻辑发生巨大转变，形成三个阶段的演进：
| 知识生产方式 | 知识生产主体 | 课程生产主体 | 代表性产品 | 自主性特点 | 主体性挑战 |
| PGC(专业生产内容) | 专业人生产内容 | 国家、课程专家 | WWW(万维网)、教材 | 人的自主性 | 主体概念统一 |
| OGC+UGC(职业+用户生产内容) | 专业人和非专业人生产内容 | 师生、相关专业人士 | RNN(循环/卷积神经网络)、MOOC | 自主性的技术性延伸 | 主体概念出现延伸 |
| AIGC(人工智能生成内容) | 人工智能参与生成内容 | 生成式人工智能 | LLMs(大语言模型)、GPT | 类人的交互能力 | 主体概念面临挑战 |
注：为方便比较，仅列举各阶段核心特点，未呈现交叉与融合特征。
第一轮革新中，AI实现基本逻辑推理功能，AI课程围绕知识练习、模拟测试展开，交互方式较初级;
第二轮革新中，AI实现与外部环境、信号的交互，AI课程开始探索智能导学、个性化学习方案制定;
第三轮革新中，AI“类人”思维和认知能力快速发展，分化出AGI(通用人工智能)和GAI两个方向，ChatGPT-4、Sora等大模型推动“辨别式AI”向“生成式AI”转型，人工智能从单纯知识再生产工具转向兼具知识生产和再生产属性。
人工智能时代，知识生产主体从单一个体走向群智协同，生产过程从基于经验转向数据分析，知识形式从原理形态转向差异(交叠)形态。知识从确定性真理走向不确定性“碎片”，从硬知识走向“软”知识、“灰”知识和“暗”知识，生产模式面临从人类主导到人机群智协同的重大转型。这一系列演变的核心是知识生产方式及其底层设计的变革，智能化、多模态、实时与全时的知识生产范式已确立。
(三)知识生产数量骤增：“稀缺性的终结”
GAI通过巨大算力、大数据和复杂算法生成内容，可轻松扫描、分析各类网络平台优质数据并进行知识深加工，具备超大规模、自动化、通用性、可扩展性等特点。例如，学而思九章大模型(MathGPT)通过千亿级训练、优质教育数据投喂，实现题目计算、讲解、问答等多任务持续训练和有监督微调，借助人类反馈对齐，在解题准确率、稳定性及用户体验上超越GPT-4。
此外，“教育通用大模型”不断成熟，可实现课程知识供给、教学问题识别、思想观点归纳、结构语法修正，以及作文、诗句的仿写与润色(甚至涌现“思维链”)。GAI为各行业提供巨量、智能化、可随时调用的资源，使知识走向“稀缺性的终结”。
杰里米·里夫金在《零边际成本社会》中指出，若生产额外一件商品或服务的成本几乎为零，代表生产力处于最佳水平，他预言协同共享将颠覆主导人类发展的经济模式。教育大模型的成熟，使机动、灵活、科学的课程理想成为现实——整合优质教育资源实现充分知识供给，根据学习者情况进行个性化、定制化课程设计，有助于缩小校际、城乡教育差距，推动教育优质均衡发展。
同时，GAI的海量信息供给和强大数据处理能力，对记忆取向、知识训练取向的传统课程构成巨大挑战。其信息整合能力逐渐接近甚至在部分领域超越人类，这警示当前学校教育应增加跨学科、跨主题、融合式课程，加强学生信息素养和高阶通识能力培养。
(四)知识生产质量跃升：文本转化到“世界模拟”
GAI在一定程度上减少了人类内容创作的工作量，节省课程设计与开发成本，且质量持续提升，潜力巨大。在教育教学中，可通过教育大模型生成课程及配套的图片、视频、乐曲、课件等。例如，“MathGPT”“子曰教育”等教育大模型发布，好未来教育推出《人工智能第一课》，科大讯飞课后服务探索跨学科融合，均将生成式人工智能引入课程，促进课程科学化、智能化、整合化和人性化。
需注意的是，从著作权法角度判断，这些AI生成内容是应用算法、规则和模板的结果，无法体现创作者独特个性，不能被认定为作品。
更值得关注的是，从ChatGPT、Midjourney到Sora，已超越简单文本、图片或视频生成，开辟了模拟物理世界的有效路径，被称为“世界模拟器”。GAI正从物理和精神层面改变人类对世界的认识，例如Sora需学习现实社会(视频)规律并继承语言大模型中的海量常识，在3D一致性、远程相关性、物体持久性与逻辑自洽性等方面日臻完善。
可以断言，GAI逐渐“理解”人类思维后，正开始“理解”物理世界，对世界的模拟与呈现逼近真实，有助于将知识、信息转化为人类经验，推动学校课程资源建设，并在充分、精准的经验交互中，使智能化课程从理想走向现实。
二、生成式人工智能带来“课程”认识立场转变
当前主流的“课程”立场和定义包括“科目说”“计划说”“活动或经验说”“预期结果说”“文化再生产说”等，均受当时生产力、意识形态、文化传统等因素影响。生成式人工智能时代，生产力因素引发的知识生产逻辑重构已在前文阐述，此外，生成式人工智能开发者的哲学立场、价值取向也将影响我们对课程的认识。
(一)GAI重构课程隐喻
中国古代语境中，课程多指功课及其进程;西方经典课程理论认为，课程(Curriculum)源于拉丁语Currere的派生，意为“跑道”“奔跑”。当前课程定义多达数千种，广义上是根据学校教育目标制定的学生各类活动总体计划，狭义上是一门学科各类活动的总体计划。
不同定义背后，课程的共同隐喻是“规定性”“计划性”“导向性”“封闭性”。而GAI时代的课程有别于传统知识论影响下的课程，“灵活性”“灵动性”“精确性”“开放性”等特征更为凸显：
| 立场 | 知识来源 | 课程内容 | 课程形式 | 课程特点 | 时空格局 |
| 要素主义 | 理性 | 学科知识 | 学科课程 | 规定性 | 物理空间 |
| 进步主义 | 实践 | 经验活动 | 活动课程 | 灵活性 | 社会空间 |
| 人本主义 | 交往 | 有意义材料 | 个性课程 | 人本化 | 社会空间 |
| 存在主义 | 互动 | 学生选择内容 | 个性课程 | 自由化 | 社会空间 |
| GAI技术 | 算法 | 知识与经验 | 虚拟课程 | 智能化 | 赛博空间 |
GAI介入课程开发，支持开发者自定步调，具有即时性、多样性，强化了反馈调节和互动交流，对现有课程的创生、改进有巨大帮助，凸显“学习者中心”“自下而上”等元素。与传统课程不同，GAI可为课程开发提供全场景、全过程辅助，重构“国家-地方-学校”课程布局，直接或间接影响课程建设，还能进行高强度知识生产和研究辅助。
GAI支持的课程依赖计算机算法和机器学习算法，通过人工智能技术分析处理海量数据，具有更灵活的课程结构和学习路径，为人工智能教育独立化、体系化提供了新契机。人工智能机器人成为课程环节的“新主体”，使课程主体从“教师”发展到“本地教师+远程教师”，再到“本地教师+远程教师+机师”。
当前，“课程即学科”“课程即教材”“课程即计划”“课程即预期的学习结果”等立场被普遍认可。但生成式人工智能时代，这种传统人造秩序遭到批判——抽象化、条理化、封闭性的知识体系将逐渐被取代。GAI时代的课程将改变知识训练、选拔考试引发的内卷，纯文本知识、信息背后的功利价值将快速消减，“机器与师生的深度对话”“课程即活动(教育性经验)”“课程即社会改造”“课程即复杂的会话”等立场将再次彰显。
同时，我们需警惕人工智能和大数据背后的“算法控制”给课程带上新的“枷锁”，即“算法是人的尺度”“算法是课程的尺度”，这可能导致GAI时代课程隐喻的翻覆和新课程观的涌现。
(二)GAI重构课程空间
当前研究共识是，生成式人工智能技术重构了知识存在及其依赖的空间，形成全新的以智能技术为支撑的课程知识空间——教材知识场、智能知识场与泛在知识场共存，使课程空间系统内外连成一张网，拓宽了课程空间结构。
同时，生成式人工智能构建了人机协同下的课程互动空间，这种“互动场”包含“主导式人机交互场”和“引导式智能体验场”。继而形成兼具新媒体气息和课程文化传统意蕴的“文化场”，在数字教材、智能讲台、智能助手完善后，开始形成新的课程制度文化乃至精神文化，经过文化调适，最终实现文化在物质、行为、制度和精神各层面的全方位变革。
与传统课程文化相比，智能时代的课程文化融入了自由、开放、共享等智能文化核心价值观念，引发深层次的课程精神文化变革。生成式人工智能时代，对课程空间的考察不仅是将技术应用于课程教学，或形式上整合技术文化与课程文化，更是基于新媒体文化环境对课程文化精神的重新构建，是课程空间向开放、互动、多元和个性化方向发展的过程。
从课程空间及其边界来看，课程“知识场”“互动场”和“文化场”不断拓展、重构，形成金字塔状结构;从五育融合角度来看，人工智能时代的课程空间需立足于人的全面发展，避免空间无限蔓延和肆意扩散，在促进人的发展中确定自身新边界。
需谨慎对待的是，生成式人工智能形成的课程是对人类物质空间和精神空间的再生产和再体验，但人工智能生成的课程能否代表人类“现实生活”，是否带有虚构甚至幻想成分，仍需理性审视。
(三)GAI改进课程功能
一旦某个事物被称为“课程”，就容易呈现固化、静态等特点，但生活是动态的，人们对生活的认识也变动不居，原有静态课程难以充分揭示和解释现实生活。多年来，我们一直期待课程的流动性、灵动性和功能性，但事与愿违——课程门数越来越多，我们对世界的认知却未变得更清晰。
为实现课程目标、开展学习活动，我们不得不对流动、变动、多面的世界进行切割、裁剪，以此探明“课程”的真容。但正如张楚廷所言，一千张照片叠加无法得到一个行走、思维、有意志的人，也难以充分显现“行走着、思维着的课程”，甚至可能是对课程的肢解或切割，这种肢解和切割至今仍难以避免。同样，GAI时代也不能将课程设计为一张蓝图、一幅图画、一个流程图或一种生活规划。
从知识论角度出发，GAI产品背后的“智能主义”区别于传统理性主义和经验主义，是实用主义影响下的产物。约翰·杜威曾批判近代哲学对存在、知识、德行、本体世界等“终极问题”的纠缠，认为这类哲学探讨越来越疏离人类生活实践，将相关知识论视为“旁观者的知识论”——真理、确定性要么在共相中寻找，要么在质料中寻找，即理性主义与经验主义之争。杜威等实用主义者认为，哲学应放弃对终极问题的探究，知识即工具，核心作用是解决问题。
如杜威所批判，在朴素观念中，“知识”需与现实世界或精神世界相关联，否则便是无源之水、舍本逐末。但GAI基于算法“构建”的信息，既有“纯正的知识”作为基础，也有机器计算的逻辑，像是知识生产、再生产之外的“排列组合”。脱离现实生活和实践的知识不科学，基于精神世界构建的知识充满幻象，基于不合法立场与目的构建的知识则虚假、有害。
因此，我们有理由怀疑机器生产的知识是虚幻的，但机器运作基于特定算法规则，所依据的知识纯正、精致，且按科学指令输出信息，属于介于“真知识”“假知识”之间的“类知识”——可能为真，也可能为假。基于实用主义，我们可暂不极端分辨“类知识”的真假，而是充分利用它，提升学生的批判性思维、创造性、沟通(提问)能力、协作能力、审美能力、情商和品格等。
(四)GAI渗入课程价值
GAI参与的课程或专业教育模型不直接输出文本，而是通过生成不同文本的概率分布并抽取样本，从学习到的概率分布中采样生成文本，本质上受人工神经网络和联结主义思想影响。生成式人工智能是无理性的序列预测系统，不具备自主意识或独立决策能力，无法真正“理解”或“认同”价值，其表现出的价值判断等仍是被设计、赋予的——人的主观判断、价值立场会有意或无意渗透其中：
| 主体 | 主体性 | 交往方式与层次 | 外在立场 | 内在立场 | 意义建构 |
| 人 | 主体性 | 人际互动、多维 | 环境适应 | 目标与过程并重 | 主体间双向双维建构 |
| 普通智能设备 | 虚假主体性 | 计算指令、单维 | 无环境适应力 | 目标指向 | 单向单维建构 |
| 生成式人工智能 | 交往主体性 | 人机互动、分布式 | 缺环境适应力 | 过程指向 | 双向单维建构 |
在现实教育环境中，教育主体之间的情感与理性能力密不可分、相互影响，情感能力对理性能力的执行起着关键作用，而人工智能模型目前仍缺失这种情感能力。因此，有学者认为，我们必须设计能够响应人类价值观和需求的智能体。这迫使我们进行深刻哲学反思，重新审视“课程的价值取向问题”——生成式人工智能技术冲破了传统课程的超稳结构，将虚拟空间与社会资源、技术、人力等实际资源结合，也可把社会认可和国家支持转化为文化资本和意识形态。
“计算机科学之父”“人工智能之父”艾伦·麦席森·图灵曾预言：“我相信在(20)世纪之末，语言的使用和教育水平会有极大的改变，人们在谈到‘机器思考’时，会觉得理所当然。”这一预言已充分实现——人工智能正走向自我增强，带来无限可能。近来所谓机器出现“意识觉醒”“自我意识”或“人格”，本质上是在自然语言编程时代，我们的自然语言输入过程中可能已有意或无意间注入了个人的人格、情感、价值观等“病毒”。
毋庸置疑，即便每位科学家或技术人员都坚持客观、公正立场，这种立场依然可能带有区域差异、价值偏见甚至隐性歧视。智能算法底层设计者受信息茧房效应影响，容易产生价值偏见、隐性歧视和不同程度的“文化侵入”，造成巨大的意识形态风险。法国技术哲学家贝尔纳·斯蒂格勒在《技术与时间》中提出，技术是“代具”(此在实际上就是代具化的存在者)，技术的不断进化构成了这种生存方式的基础和本质。
三、生成式人工智能推动“课程”构成要素转型
从课程外延或构成要素看，GAI技术可成为课程开发者、教育者、学习者共同的“外脑”，在语言引导、“投喂”和人类反馈对齐中完善教育大模型，不断深入课程开发与实践，形成“AI+国家课程”“AI+地方课程”“AI+校本课程”的新模式。这有助于缓解当前学科课程结构化、知识化和标准化过程中出现的异化困境，提升学生素质类、情感类能力的转化和内化，促进课程的个性化和人性化。
(一)课程目标设计凸显发展性
随着大模型产品快速发展，我们逐渐改变了通过劳动实践、实验、课程等传统途径获得知识和观念的方式，转而借助AI快速获取。过去“遇事不懂就谷歌、百度”，通过搜索引擎检索信息，结合个人智力加工寻找答案和方案;如今则直接借助人工智能产品生成文稿、论文甚至人生规划。
生成式人工智能倒逼我们克服对传统课程的执念或迷思——传统课程认为，完善的课程设计可以消除无知，为完满生活做准备。但马斯克认为，未来教育最核心的是培养批判性思维：“应该在相对年轻的时候，教给孩子们批判性思维。它就像一堵精神防火墙，当有人告诉你一些事情时，你要真正思考，这些事是否有说服力，是否真实，或者说，它为真的可能性有多大。”
社会依然需要课程和课程设计，但课程应是“活课程”，需避免用静止、僵化的思维“定制”课程，尽量体现创造性、育人性、灵活性与灵动性。基于大模型、大算力，应逐渐实现课程的生活性、情境性，在更全面、生动、整体的维度上开启新的学习旅程，为培养全面发展的人而存在。
需警惕的是，用机器算法代替深度思考可能导致学生滥用此类技术完成课程作业、论文甚至学术论文。更令人担忧的是，人类的惰性可能使其“主动地被机器代替”。美国知名导演Ben Washam执导的经典动画电影《进步与机械化》，就反讽了机器代替人类思考和实践、使人变得机械化的现象——无需思考和操作，必然导致思维固化、行为机械化，人类的思想和精神也将终结在“进步与机械化”中。
借助GAI，课程目标更容易达成，但其本质是计算，仍缺乏自然语言和人类意识的意义向度。人工智能带来的课程主体机械化、人的主体性丧失问题，比机器的意识问题更值得警惕。因此，课程设计过程中应进行正向引导，通过各类模型、支架凸显课程目标的正面性、发展性。
(二)课程经验选择注重多维性
“现代课程理论之父”博比特在《课程》中批判，旧式教育除了讲授获取知识的工具外，大部分时间致力于用“事实”填充孩子的记忆。而现代教育旨在培养智慧，必须结合真实生活情境进行训练，这与修道院式的机械记忆截然不同——仅仅记住事实是徒劳的。
GAI带来的课程经验从“小模型+判别式”转向“大模型+生成式”，对克服机械记忆、单调训练等传统课程困境有巨大助益。它不仅能精准掌握基本知识和问题，还能从智慧教材、智能助教甚至课程思政方面提供支持，进行“类个性化”输出。
目前，通过调用GPT-4的API，赋予AI摄像机等外部设备访问权限，在教育场景中提出问题后，AI相机可识别问题并运算给出答案和解题过程;人工智能多模态综合技术可为学校AI课程开发、虚拟课程开发提供切实支持，对学生进行精准训练，帮助学生将知识、信息转化为经验。
正如张海洋所言：“ChatGPT提高人类信息搜集和整理的效率，等于让人类的脑力可以解放出来，以一个更宽广的视野，去观察以前可能关注不到的问题。”换言之，GAI在提供问题“答案”的基础上，还能为“疑惑”“困难”提供解决方案和方向，以拟人化表述方式呈现，并不断训练我们提出问题、尝试解决问题的能力。
陈宝生也指出：“提问、不断提问，提问必然会成为人类最基本也是最有价值的行为之一……人类未来的工作重心将会变成提问以及应对不确定性。我们要适应这个需求和重大转变，把培养孩子的提问能力作为未来教育的核心内容，并以此为基点建构教育的内容体系。”
GAI深度参与下，课程从“静态”“单维”走向“动静结合”“动静交互”和“纵横交织”，实现单维度课程“知识”到多环节课程“知识链”甚至课程经验“有机体”的转变。有研究者对生成式人工智能介入前后的课程经验变化进行了初步对比：
| 传统课程教材 | 教育大模型资源 |
| 据国家课程标准，由作者和出版社编制(内容正确) | 大算力、大数据预训练的教育大模型及部分教学内容(不完全正确) |
| 教材和教师提供给学生的学习内容 | 根据用户提示词生成的学习内容 |
| 事先备课准备的有限学习资源 | 即时动态生成的无限学习资源 |
| 无AI参与，教材内容固定 | 人机互动生成，快速迭代、快速增值 |
| 内容正确性由教师和出版社保证 | 培养学习者独立思考、判断内容正确性的能力 |
GAI时代知识充盈、内容丰富，但严谨优美、流畅深刻的文章反而显得格外稀缺。GAI备受诟病的一点是消解课程情感(意向)，因此山姆·奥尔特曼接受采访时强调：“我们必须小心，因为这项技术本身非常强大，可能很危险。”人工智能机器缺乏人的认知能力基础(感性、知性和理性)，其“理解”也缺乏意向性——即缺乏对事件、现象背后意义(meaning)的感知，这与人类活动有本质区别。
技术发展可以改变人类的思想、文化和价值观念，同时也可能导致人类的疏离。GAI促进生产力高度发达的同时，必然造成知识生产过剩、生产力过剩，继而冲击僵化的知识体系，代替人的工具属性或“工具人”。
联合国教科文组织国际教育发展委员会在《学会生存》中忠告：“我们再也不能刻苦地、一劳永逸地获取知识了，而需要终身学习去建立一个不断演进的知识体系——‘学会生存’……我们要学会生活，学会如何去学习……学会在创造过程中并通过创造性工作促进发展……教育必须培养人去适应变化，这是我们时代的显著特征。”30年前的这一忠告，在GAI时代的课程中依旧适用。
(三)课程组织方式呈现三维化
山姆·奥尔特曼认为，随着GAI在教育中的成熟应用，“我们口袋里都可以有一个为我们定制的令人难以置信的教育家，帮助我们学习。该技术将为每个学生提供很好的个人学习，学生将能够拥有一位超越课堂的老师”。
可以预见，随着AI产业链、机器人产业链与MR产业链的成熟、融合，GAI的知识供给功能将逐渐转移、升级到角色扮演、虚拟实验等活动中。GAI为学校课程开发提供模拟化、情境性、互动性的逼真体验，改变传统课程教学的陈旧与单调，呈现更新、更快、更强的知识体系。学校课程也将从单一媒体和多媒体时代过渡到“多模态时代”，课程概念将变得更为宽泛，从学校、教室及其他教育机构的时空格局，转化为“随时随地”的新样态。
区别于传统课程样态，除学校、教室及传统网络课程外，学习情境、学习资源、师生互动的虚拟空间将充分扩展，课程可在更广阔的虚拟环境中实现。师生将从所处的“物理空间”和“人的社会空间”，更快地转向“物理空间”“人的社会空间”与“赛博空间”构成的三维空间。知识不再以线性、平面方式排列，而是以三维立体网状结构呈现。
传统课程受限于教师的理念、视野、知识广度与教学能力，所能容纳的信息量有限，所能构成的知识关联较小，在推动学生主动建构知识、迁移知识等方面遇到瓶颈。正如托马斯·库恩在《科学革命的结构》中所言：“教科书是使常规科学得以延续下去的工具，每当常规科学的语言、问题结构或标准改变时，教科书就得全部或部分重写。”
随着GAI技术发展，课程经验的组织形式也将转变——课程经验的供给将建立在对学生个性化需求的精准分析基础上，凸显智能化和个性化。借助GAI技术制作批量、精良的线上开放课程优质资源，极大地丰富了课程经验，并改变课程经验的组织方式：从“纵向组织”“横向组织”的割裂走向“纵横联合”，从“逻辑顺序”与“心理顺序”的博弈走向“二者兼得”，从“直线式”与“螺旋式”的分离走向“贯通融合”，推动课程组织从表浅化转向纵深化。
更重要的是，GAI产品不仅可基于原有模型生成答案，还能通过系列引导和“投喂”在某一领域更为精通，提供的知识、回答的问题更专业，促进学生深度学习的实现。
从社会学角度审视GAI对课程的影响，师生将可能摆脱学校、教室的束缚，产生课程生活的“脱域化”：一是课程时间与课程空间分离，课程组织不再与传统自然时间重合;二是课程空间从与学校、教室等传统物理地点的紧密结合中摆脱出来，形成“虚化空间”，相关课程主体构成的权力、符号与认同机制重组;三是时间与空间分别“脱域”后，形成的虚化时间和虚化空间在全球层面和赛博空间伸展，形成新的、虚拟的时空结构和生活样态。
(四)课程评价方式走向全景化
基于新的课程评价观，生成式人工智能与大数据等技术结合，可对课程内容、教师教学、学生学习、场景等进行“质量结合”“情景体验”“个性学习”“过程意识”等方面的全局化评价。2023年2月世界数字教育大会提出：数字教育能够在个性化地学、差异化地教、科学化地评等各方面发挥独特优势，通过信息跟踪挖掘、数字回溯分析、科学监测评价等，描绘学生成长轨迹，为每个学生提供个性化的教育方案。
今后，借助机器评估和智能反馈技术(如自动化测试和评估技术等)分析学生用户需求，可帮助课程开发者了解学习者的兴趣、需求和学习风格，构建学生学习的“数字画像”。通过充分挖掘学生多来源、多维度、多模态成长数据，开展标签分析，根据不同角色需求呈现学生个人画像及群体画像，能提升学生德、智、体、美、劳综合素质评价的有效性和科学性。
借助人工智能，积极推进教育教学全过程数字化，从基于观察、经验的传统因材施教，到数字画像驱动下的精准教学，最终走向多场景数字画像驱动下精准育人的真正意义上的因材施教，将不再是遥不可及的理想。
GAI技术已具备强化学习算法相关功能，可基于教育目的、培养计划和学生需求，使用强化学习算法设计学习路径、制订学习计划、安排学习进度，从而提高学习者的学习效果。同时，通过智能化的课业辅导、作业批改等，可为学习者提供更个性、及时、精确的学习支持。教师和“机师”协同评价、“外脑”与“大脑”融合评价、结果与过程评价结合，将更容易实现。
四、生成式人工智能时代的“课程”图景
马克思主义认为，技术是历史发展的产物，与社会形态和生产方式密切相关。技术的本质是人的本质或人的本质的表现，技术的不断发展就是人类本质的不断实现。不同社会形态和生产方式的出现、发展，都推动了技术的进步和变革。
基于这一前提和促进人的全面发展的立场，生成式人工智能背景下“课程”的图景可刻画如下：课程本质从知识本位、能力本位转向重视主体交互性;课程目标从标准化和确定性趋向开放化和灵动性;课程经验从教材、教辅的机械性、有限性走向经验的鲜活性和充分性;课程组织从直线式、单维度走向螺旋式和多维时空;课程评价从唯分数、单向度走向全场景和智能化等。
(一)课程的主体交互性
生成式人工智能技术的发展具有双重性：一方面，促发对知识生产、人类主体性等问题的深刻反思——动物主体对生物个体生存的导向、人类主体生物性和文化性需求的导向，以及人工智能主体产生与人类偏好对齐的导向;另一方面，生成式人工智能与人类交互所呈现的主体性，背后恰恰反映的是人的历史建构和社会建构，是人类反思、审视自我的新窗口。
主体之间的交互赋予世界意义，这些主体也蕴含了相应的可能性。生成式人工智能时代的教育新形态，启发我们从重视知识、能力等转向对主体交互的重视，重新引发对主体间性的思考。
(二)课程的开放和灵动性
基于生成式人工智能，通过问题引导、对话交流、虚拟环境等构建符合学生群体差异与个性特征的“导学系统”，摆脱过往笼统的、教师中心的“导演”角色，转变为智能引导、智能助学、智能监控和智能评价的全过程智能导学系统。
为应对“不确定时代”，人工智能发展从封闭条件下目标明确、边界清晰的输出，转向目标离散、边界模糊的交互，实现了“低智能”向“强智能”的进化，也更适应“不确定时代”的课程改革追求。
(三)课程的充分和多维性
通用语言大模型基本具备启发性内容生成能力、对话情境理解能力、序列任务执行能力和程序语言解析能力。以通用大模型为范式的教育大模型与教育智能体，在集合多模态感知能力、推理与规划能力、学习决策能力、角色交互能力的基础上，结合当前项目式学习、跨学科整合等理念构建教育微场景。
借助教育大模型，可在保证课程专业性的同时更凸显其融合性，帮助课程整合、跨学科主题教学等顺利实现。有研究者认为，生成式人工智能必然超越班级、学科、校园的固有边界，引起课程组织方式变革，“培育跨班级、跨学科、跨学校、跨时空的学习共同体，形成全新的教育组织方式”。
(四)课程的整体和支架性
生成式人工智能将在知识价值论、资源形态、学习模型、评价手段等领域深刻改变教育。基于该技术的课程同时具有人类经验的再生产、再体验属性，是学生成长的脚手架，也是其生命的一部分，能够有效改变过去“把支架当成课程的目的、把训练当成教育的全部、把必要条件当成充要条件”的情况。
如今，借助生成式人工智能的课程更要善于搭设脚手架、重视过程并谨慎辨别这一必要条件，引导学生逐渐建构和自我建构。生成式人工智能帮助构建课程的“知识链”甚至课程经验的“有机体”，有助于先进教育理念的实现，推动课程从“信号-命令-演绎-输出”走向“信息-识别-归纳-知识-推理-创新”的更人性化、长链条输出，促进课程从教得多到教得好，学生从记得多到学得好。
(五)课程的类确定性和不确定性
基于成分视角，GAI助力课程知识的交叉、融合，扭转了传统学科、课程日益细化、窄化的困境。在存在方式上，有计划的显性课程及其强势地位在降低，隐性课程、边缘课程与学生的交融、渗透在强化。
从课程制订权、选择权角度来看，课程制订权下放、选择权增加，丰富了课程体系。从关联视角出发，GAI课程可以克服线性思维、对立思维，在课程结构清晰的情况下仍能体现整合性、统一性和生活性。
从体量角度出发，大课程、中课程、小课程、微课程在不同历史阶段发挥着不同作用，随着碎片化生活的增多，GAI小、微课程将变得更为可能和必要。从理想层面，GAI课程将淡化课程知识、内容的属性，更加注重主体体验、实践、方法训练和思维训练。信息、知识、经验甚至一些技能的重要性降低，培养学生前瞻性思维、批判性思维、创造性思维以及与人合作、沟通的习惯更为值得期待——即从获得确定性，到用“类确定性”帮助教师、学生主动建构、生成，主动应对世界的“不确定性”。
总结与展望
概言之，学校课程的重心和重点将从知识、技能和职业准备，转向人工智能时代的适应性学习、创造性学习。学校需要引导学生学会学习、学会合作，尤其是高效的数字化学习，为培养具备“新质生产-力”能力的人才提供更大可能。
本研究试图克服武断与短视，对GAI时代的课程进行定义：帮助师生将人工智能生成内容与传统课程体系融合，提供现实与虚拟的双重经验，搭建系统的学习支架和知识链，服务学生知识、能力等多维发展，提高学生的核心素养，通过智能导学系统等促进大规模因材施教，帮助学生勇敢应对不确定世界和高效服务社会生产，实现全面发展的理想。
同时，我们也需理性看待GAI的局限性：生成式人工智能可实现有限理解和较专业沟通，对结构良好的问题(Question)进行有效应答，但受算法限制及训练数据、训练强度差异影响，可能因算法不当对原有知识进行“合乎规律的”混合、编造，导致生成的信息出现偏差和错误——即生产“类知识”，造成课程的创造力、灵活性和深刻性不足。
因此，开发更为专业的教育大模型，提高师生交互的专业性和深刻性，甚至凸显机器的“质疑”能力，协助学生对疑难问题(Problem)的认知、解决甚至提出新问题，是生成式人工智能课程建设的重要方向。
此外，人工智能背后开发者、设计者的价值观和伦理标准将更为“隐秘”且影响深刻。目前，通过计算模拟“无法获得那种传统认识论意义上的透明性，面对巨量数据也无法审查全部的计算过程，这就造成了人类在认识上存在着不透明性的盲区”。GAI通常缺乏严格的监督和管理机制，可能导致知识体系不系统，以及虚假信息、广告信息、非法信息的嵌入。
利用该技术的优点并避免技术背后的异化与技术控制，显得尤为迫切。马斯克等人曾指出，若人工智能出现问题，监管反应可能太慢。因此，学校课程建设与教材开发过程中，使用人工智能程序生成的知识必须进行核实和校对;对于难以校对或没有参照资料的生成性知识要进行注释，必要时需标注相关智能机器人为生产者。下一步，还需完善立法，建立健全监管机制，加强“生产者-使用者”及全链条的监管。
参考文献
[1] 埃隆·马斯克. (2023). 应该在相对年轻的时候教给孩子们批判性思维[EB/OL]. https://finance.sina.com.cn/wm/2023-02-21/docimyhmhnx8278297.shtml.
[2] 贝尔纳·斯蒂格勒. (2012). 技术与时间：爱比米修斯的过失[M]. 裴程译. 南京：译林出版社，215-216.
[3] 董春雨. (2023). 从机器认识的不透明性看人工智能的本质及其限度[J]. 中国社会科学，(05)：148-166.
[4] 陈宝生. (2023). ChatGPT：教育的未来和未来的教育[J]. 人民教育，(16).
[5] 陈嘉明. (2022). 知识论语境中的理解[J]. 中国社会科学，(10).
[6] 杜华，顾小清. (2022). 人工智能时代的知识观审思[J]. 中国远程教育，(10)：1-9+76.
[7] 韩博. (2023). ChatGPT引发的人工智能内容生产传播风险[N]. 中国社会科学报，2023-02-16(003).
[8] 黄荣怀，刘德建，阿罕默德·提利利，等. (2023). 人机协同教学：基于虚拟化身、数字孪生和教育机器人场景的路径设计[J]. 开放教育研究，(06)：4-14.
[9] 杰里米·里夫金. (2014). 零边际成本社会[M]. 赛迪研究院专家组译. 北京：中信出版社，09-16.
[10] 靖东阁. (2022). 人工智能时代教育学知识生产的转型、危机与重构[J]. 教育研究与实验，(02)：33-39.
[11] 焦建利. (2023). ChatGPT助推学校教育数字化转型——人工智能时代学什么与怎么教[J]. 中国远程教育，43(04)：16-23.
[12] 雷·库兹韦尔. (2016). 人工智能的未来[M]. 盛杨燕译. 杭州：浙江人民出版社，119.
[13] 黎加厚. (2024). 生成式人工智能对课程教材教法的影响[J]. 课程·教材·教法，(02)：14-21.
[14] 联合国教科文组织国际教育发展委员会. (1996). 学会生存[M]. 华东师范大学比较教育研究所译. 北京：教育科学出版社，总序2、137、98.
[15] 邱相彬，李艺，沈书生. (2017). 信息技术作用下的课程文化变革思维[J]. 教育研究，(09)：92-98.
[16] 托马斯·库恩. (2012). 科学革命的结构[M]. 北京：北京大学出版社，115.
[17] 王峰. (2023). 好未来发布AIGC课程 中小学人工智能教育需提质增效[N]. 21世纪经济报道，2023-07-07(006).
[18] 王迁. (2017). 论人工智能生成的内容在著作权法中的定性[J]. 法律科学(西北政法大学学报)，(05)：148-155.
[19] 王竹立，吴彦茹，王云. (2023). ChatGPT与教育变革——智能时代教育应如何转型[J]. 远程教育杂志，(04)：27-36.
[20] 吴胜锋. (2019). 马克思主义意识理论视域下的人工智能技术批判[J]. 哲学动态，(04)：26-33.
[21] 肖峰. (2024). 大模型与智能社会：基于历史唯物主义的探索[J]. 中国社会科学，(7)：71-89.
[22] 徐继存. (2022). 不确定世界的教学及其应对[J]. 教育研究，(12)：71-76.
[23] 殷杰. (2024). 生成式人工智能的主体性问题[J]. 中国社会科学，(8)：124-145.
[24] 约翰·杜威. (1989). 哲学的改造[M]. 许崇清译. 北京：商务印书馆，53-54.
[25] 张楚廷. (2003). 课程与教学哲学[M]. 北京：人民教育出版社，84-98.
[26] 张海洋. (2023). 人工智能转型时代的知识生产[J]. 中国社会科学评价，(02)：4-8.
[27] 张绒. (2023). 生成式人工智能技术对教育领域的影响——关于ChatGPT的专访[J]. 电化教育研究，(02)：5-14.
[28] 张治. (2023). ChatGPT/生成式人工智能重塑教育的底层逻辑和可能路径[J]. 华东师范大学学报(教育科学版)，(07)：131-142.
[29] Sam Altman. (2023). 教育不得不改变, ChatGPT可以提供个性化学习[EB/OL]. https://roll.sohu.com/a/657975754_112831.
[30] Russell S. Artificial Intelligence and the Problem of Control[J]. Perspectives on Digital Humanism, 2022, 19.