APP下载

大模型下人工智能生成内容嵌入数字素养教育研究

2023-05-27雷晓燕邵宾

现代情报 2023年6期
关键词:智能算法

雷晓燕 邵宾

关键词: 人工智能生成内容; 数字素养教育; 大模型; 智能算法; 知识传递

DOI:10.3969 / j.issn.1008-0821.2023.06.010

〔中图分类号〕G632.4; G252 〔文献标识码〕A 〔文章编号〕1008-0821 (2023) 06-0099-09

在全球加速步入数智社会的时代背景下, 先进数字技术深度融合实体经济的创新发展格局使得不少国家和地区陆续暴露出数字均等化程度与区域发展水平的正向关联[1] , 亟待大力培养公众的数字化意识、数字技术知识、数字技能和数字化应用能力等。同时, 日益增长的数字内容供给需求与快速突破的深度学习技术共同驱动人工智能生成内容(AI Generated Content, AIGC)广泛融入科学发现、生产制造与知识传递等诸多领域, 逐步形成智能化的数字内容孪生、编辑与创作等多维应用框架, 改善内容生产的流程范式, 支撑数字内容创新发展。鉴于此, 本文在系统梳理数字素养教育的庞大受教群体、复杂教学内容、终身培育需求与参差教学环境的基础上, 积极勾勒在完整的培育周期内充分嵌入人工智能生成内容的数字素养教学情境、教学资源、教学流程和教学反馈的科学框架, 全方位助力培养受教群体的数字创新思维与数智社会责任感。

1数智化转型中的数字素养内涵与嬗变

近年来, 社会生产活动与居民生活中广泛采用数字内容孪生技术、智能数字内容编辑技术和数字内容智能创作技术等实现更为高效、更为智能和更为通用的知识沉淀与决策优化。例如, ChatGPT、Jasper Chat、Chatsonic 等大规模的对话式人工智能生成工具在拓展创作空间、推进知识传递和加快产业数智化转型中发挥了重要作用。数实融合蓬勃发展的全新场域下迫切需要社会大众具备深刻理解和合规运用数据资源、数字工具和数字安全措施的综合能力, 促使数字素养教育呈现出线上与线下、现实与虚拟、人类智慧与人工智能等多态融合的发展态势。

1.1数智化转型中数字素养的内涵转变

“数字素养”(Digital Literacy)最初指代查阅、理解和使用网络存储的文本、图像或视频信息的能力,大多应用于面向公众的多态数字化知识和数字技能的培育场景。例如, 数字素养理论奠基人保罗·吉尔斯特(Paul Gilster)将之界定为“获得和使用联网计算机资源的能力” 并详细阐释“数字素养是理解和使用通过计算机呈现的来源广泛的多态信息的能力”[2] 。

随着全真互联、泛在智能、无限算力等信息科技迅猛发展, 数字产业化和产业数字化转型的范式变迁日新月异, 持续涌现的新业态和新模式不断充实数字素养的丰富内涵, 不仅包括云计算、Web3、深度学习等数字技术知识, 还包括运用高性能计算模块、泛在操作系统、GPT 模型等实现安全无界的知识共创的意识与能力等, 逐渐成为人类化解在生存发展中面临的系列挑战的重要工具。国际图联(International Federation of Library Associations andInstitutions, IFLA)将数字素养描述为一种能够充分发挥数字工具潜力的能力, 即具有数字素养的主体在工作和生活中能够有效、合理且充分地使用数字技术[3] 。美国国际开发署认定数字素养是通过数字设备和网络技术, 安全适当地访问、管理、理解、集成、沟通、评估和创建参与经济、社会和政治生活所需信息的能力[4] 。中共中央网络安全和信息化委员会办公室颁布的《提升全民数字素养与技能行为纲要》中指出, “数字素养与技能是数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合”[5] 。

因之, 数智融合建设背景下的数字素养是在数智环境中收集、理解、整合、使用、创建、传播、评估各种信息资源及运用数字工具或采取数字安全措施的能力, 以及确保数字合规合理使用的积极态度。数字素养作为数字能力的重要组成[6] , 随着新一代数字技术基础设施与数据要素市场高速发展, 关涉领域更加广泛且展示形态更为复杂, 不仅范围上包括信息素养、计算机素养、通信技术素养等[7] , 还在深度上包容了使用ChatGPT、NetObjex、TrustSQL 等信息通信技术浏览、查找、筛选、评估和管理、创建和传播信息, 以及利用认知和技术技能的能力[8] , 重点强调批判性、创造性、开放性、情感性和跨学科的多元思维[9] , 逐渐成为复杂场景下多域协同的知识共创的关键支撑。

1.2数智化转型中数字素养教育的结构嬗变

随着信息基础设施广泛覆盖、数智融合全域升级与社会个体数字技能差距日益扩大, 数字经济充分发挥支撑整个社会高质量发展的重要作用。“数字鸿沟问题已从先前的接入机会差距转化为现阶段的使用能力差距”[10] , 亟待发挥数字素养教育推动社会数字包容、提升弱势群体数字能力、促进社会公平的重要价值。我国相继颁布了《提升全民数字技能工作方案》《“技能中国行动” 实施方案》《2022 年提升全民数字素养与技能工作要点》《数字中国建设整体布局规划》等, 拉开构建普遍性覆盖大众的数字素养与技能发展培育体系的序幕。通过构建适应数字化和智能化发展需求的数字素养教育模型, 积极完善组织主体、教育受众、教学资源、施教队伍、教育形式、教学内容和实施方案等, 提高社会公众的数字化生存技能, 弥合多因素引发的数字鸿沟, 充分释放数字社会的普惠效应。

数智化发展环境中的数字素养教育积极采用优于传统素质教育的多元化框架结构, 通过线上与线下相结合、虚拟体验与真实操作相结合、通识教育与嵌入式专题教育相结合的教学方式, 广泛传授数字知識和技能、数字创新能力、数字法律法规与数字伦理标准等。一方面, 日趋数字化的框架结构提高了数字素养教育的运作效率与受众群体。例如,公共图书馆运用远程教学平台开展面向老人儿童、务工人员和其他低收入者等数据弱势群体的基础数字知识和技能培训, 不仅教学双方投入的时间和物资成本远远低于传统的面授模式, 还使得优质教学资源能够持续有序地渗透偏远地区; 另一方面, 日趋智能化的框架结构改善了数字素养教育的教学质量和教学效果。例如, 部分高校图书馆通过知识空间评估和学习平台(Assessment and Learning in Knowl?edge Spaces, ALEKS)等个性化教学软件或自适应学习系统分析评估学生的理解能力、表现数据和参与意愿, 进而调整教学内容和课程节奏, 贯彻执行“因材施教” 的教育理念。但是, 基于传统规模的机器学习算法模型的个性化系统和自适应平台往往难以输出精准的评估结果与最优的培养方案。

2大模型下人工智能生成内容的技术解构与应用价值

计算机程序生成“依利亚克组曲” 到实现人机对话的机器人“伊莉莎”, 再到小说“1 The Road”、诗集“阳光失了玻璃窗”, 以及自动生成图片的StyleGAN 模型和自动生成视频的DVD-GAN 模型,人机协作的生产方式获得长足发展。尤其是OpenAI公司推出的文图生成系统DALL-E-2 和GPT[11] 积极迭代大模型数据处理与跨模态智能算法, 促使人工智能生成内容迅速呈现出多元高效与廉价高质等特征。事实上, 大模型(Foundatino Model)主要指采取自监督学习模式智能化抽取亿级语料或图像而生成海量参数的基石模型。基于深度自注意力变换网络(Transformer) 设计的系列预训练生成模型(Generative Pre-training Transformer, GPT)是通过在超大规模文本语料库进行无监督的预训练来掌握自然语言的语法、语义和模型, 并经人类反馈强化学习(Reinforcement Learning with Human Feedback,RLHF)微调应用到特定任务的自然语言处理模型,具有低耗性、真实性、多样性、组合性和稳定性等显著优势。

2.1大模型下人工智能生成内容的技术解构

最初的人工智能生成内容是依据预先设定的规则模型输出简单的文本、图形或音频数据, 并不具备强大的自主学习能力。小模型下智能算法生成主要是在训练特定领域的有限量级数据的基础上自动输出模态单一、机械刻板且错漏较多的结果内容。直至深度神经网络搭建起超大规模和超多模态的复杂结构, 流模型、强化学习、扩散模型等自主学习范式获得长足发展, 人工智能生成内容才用于指代使用生成式对抗网络和大型预训练模型等理解输入内容的含义与上下文的关联关系, 进而自动生成灵活清晰、语法正确且文本一致的“不仅包括常见的图像、文本、音频等外显性内容, 同样也包括策略、剧情、训练数据等内在逻辑内容” 的创新生成方式[12] 。

大模型下跨模态人工智能生成内容的覆盖范围大于生成式人工智能(Generative AI, GAI), “既是从内容生产者视角进行分类的一类内容, 又是一种内容生产方式, 还是用于内容自动化生成的一类技术集合”[13] 。按照生成内容与输入数据的依附关系,可以分为基于线索数据的部分生成、完全自主生成和基于底稿数据的优化生成等。例如, 运用跨模态的智能算法提炼补强零散缺漏的新闻推送或社交媒体数据, 自動生成高质量的新闻标题、摘要和具体表述。按照生成内容与人类活动的交互状况, 可以分为辅助人类的助手式生成、协作人类的共生式生成、独立于人类的原创式生成。例如, 智能投顾和对话式搜索引擎等大规模的跨模态智能算法模型的下游应用场景均是辅助人类生产生活的重要助手。按照生成内容的展示形式, 可以分为文本生成、图像生成、音频生成、视频生成以及跨模态生成。例如, 依据文字信号智能模拟复杂的创作规则, 自动生成图像表达。按照生成内容的应用场景, 可以分为科技生成、教育生成、生产生成、商业生成、生活生成等。又如, 制造行业运用大规模的跨模态智能算法模型生成工业设备和工厂生产线的数字孪生系统, 通过对体现物理世界中自然属性和社会属性的海量输入数据的语义理解与属性控制加速产业数字化进程, 助力现实供给能力快速迭代。

2.2大模型下人工智能生成内容的应用价值

随着深度神经网络加速呈现出多模态与大模型发展态势, 人工智能生成内容不再需要大量预训练数据集且全面提升输出结果的适配度, 不仅能够以超出人类的知识储备与复刻能力自动完成重复耗时的基础性机械劳动, 而且以ChatGPT 为代表的新一代生成式人工智能应用的信息挖掘、数据调用、自主创作等能力迅速提升, 逐步以更具创意的低耗高效方式满足海量参与主体的个性化需求。“未来十年, 人工智能生成内容将颠覆现有内容生产模式, 可以实现以十分之一的成本, 以百倍千倍的生产速度, 去生成人工智能原创内容”[14] 。

数实融合的创新时代中跨模态智能算法模型通过多维融合的内容创建、自然得体的社交互动和精准全面的决策辅助等塑造具有丰富想象力和多样化的内容生成叙事模式, 突破性执行各种复杂任务,促进数字经济发展, 推动海内外科技巨头进一步争相布局人工智能生成内容的应用市场。微软公司紧急将ChatGPT 技术整合到Bing 搜索引擎和Edge 浏览器; 谷歌公司加快推出基于自研的大型语言模型LaMDA 的对话机器人Bard; 百度公司加紧内测基于文心大模型的生成式对话产品“文心一言”。2022年以来, 超大规模的跨模态人工智能生成内容迅速展现出巨大的应用潜力。例如, 基于人工智能生成技术的文本审核校对、编读互动交流和个性化阅读推荐等助力图书出版行业健康有序发展。又如, 智能算法跨模态生成融合图文、音视频、数字人等的虚拟教学场景, 采用仿真的师生数字化身合成生动的课程对话系统, 提供大量具有交互性和适应性的个性化教育资源, 大幅拓展教学资料的辐射边界,充分激发广大受教者的参与热情, “未来的教育将进入教师与人工智能协作共存的时代, 教师与人工智能将发挥各自的优势, 协同实现个性化的教育、包容的教育、公平的教育与终身的教育, 促进人的全面发展”[15] 。

3大模型下人工智能生成内容嵌入数字素养教育的模块组成

随着数智时代中数据总量持续增长与数据内容日益丰富, 数字素养逐渐成为社会大众的基本生存技能, 至少涵盖了数字意识、数字能力、数字技术、数字化应用、数字社会责任等多维因素。全面勾勒和集中实现数字素养的教学目标、教学内容、教学方法和教学评价等, 亟待充分发挥基于GPT 和BERT 等大规模预训练模型的长周期人工智能生成内容在教育数据捕获、识别、判断、评估、反思、组织管理、知识创新中的重要作用, 助力搭建和完善虚实融合的数字素养情境教学模块、智能处理的数字素养教学资源模块、数智协同的数字素养教学流程模块与数据驱动的数字素养教学反馈模块, 持续提升数字素养教育中受教群体的创造力、批判力和生产能力[16] , 逐步构建具有本土特色的全民数字素养终身培育机制。

3.1虚实融合的数字素养情境教学模块

传统的数字素养教育模式长期受到人力、物力、时间和空间等资源限制, 难以建构具有深层认知引导与广义互动叙事能力的情境教学模块。超大规模的人工智能算法模型实时连续生成的虚实融合的多样化教学场景能够打破时空局限, 通过泛在应用的数字孪生技术和深度数据分析系统标注师生群体在模拟现实世界的虚拟环境中细化展现的行为信息与能力、生成式教学工具与教学资源的实时状况等,逐步勾勒并主动执行多样化和个性化的高质量数字素养教学方案。同时, 跨模态的人工智能算法模型生成的数字素养教学案例具有较强的连贯性、一致性、趣味性与交互性, 往往通过积木式素养实践知识模块提升受教者在数字获取、数字交流、数字伦理、数字安全、数字规范等方面的综合实力。例如,积木AIGC 虚拟教学场景生产系统能够基于自适应的实时算法分析结果持续自动生成符合当前数字素养教学具体内容并充分考虑下一阶段教学方案的各种沉浸式教学场景。又如, 基于人工智能生成技术的数字虚拟师生系统自主实时地全面分析对象主体的个性化特征与符合不同数字素养教学内容的形象表达, 持续结合个体行为信息变化随时微调虚拟形象的海量参数, 提升数字素养教学情境的虚实融合程度, 增强师生群体的沉浸体验。

3.2智能处理的数字素养教学资源模块

数字素养教育是面向社会大众的终身培育, 不仅需要耗费巨大的人力和物力建设, 以及维系常态化的全民培训机制, 还长期面临着难以跟上数字技术及其广域应用的迭代速度的重大难题。GPT-4、Megatron-Turing 等生成式人工智能模型有序嵌入数字素养教育领域, 通过汇集使用来源复杂、获取及时、内容丰富的训练数据, 自动生成可量化的数字素养知识标注体系, 进而搭建交互式的个性化数字素养教学资源推荐框架, 优化利用数字素养教育中授课教师资源和教学工具资源, 在一定程度上缓解了数字素养教育中施教主体严重不足的现实困难,避免教学资源紧缺下的考核主观性与随意性, 逐渐形成智能处理的数字素养教学资源模块。例如, 嵌入对话式大规模语言模型ChatGPT 等GPT 架构的下游应用, 通过超大规模的学习模型降低数字素养教学数据训练难度, 更为精准地理解上下文的关联性并总结提炼信息, 加强内容生成算法的可控性,在持续挖掘生成数据与真实数据细微差异的基础上, 反馈提升生成内容的清晰度与真实性, 引领数字素养教学资源相关搜索处理与知识传递的代际变革。

3.3数智协同的数字素养教学流程模块

基于DALL-E-2 等多模态大模型的人工智能算法生成通过抽取数字素养线上教学和线下教学的过程数据以及施教者和受教者的行为数据、认知数据、情感数据等全方位勾勒师生画像, 搭建嵌入ChatGPT、Stable Diffusion 等生成式人工智能插件的兼具数字化和智能化的数字素养教学流程模块,智能化实时进行数据检索、知识库信息传递或代表用户执行各种操作, 自动生成数字素养教学流程设计、教学工具安排以及个性化的问题解答和试题评语, 持续改善数字素养专题教育、通识教育、教学培训、项目实践和教学游戏等的内容、节奏和难度,既充分尊重受教者的选择权, 又通过技术手段引导其按照合理的节奏构筑学习路径, 培养自主学习和解决问题的能力和意识[17] , 还确保受教者能够持续获得具有针对性的数字素养教学指导[18] 。例如,基于GPT-4 模型的Office Copilot 工具[19] 助力自動生成数字素养教学中海量方案文档、统计图表、演示文稿等, 大幅提升数字素养教学流程的效率和质量。

3.4数据驱动的数字素养教学反馈模块

传统的数字素养教学评估系统采用具有固定难度系数的反馈测试机制, 难以有效揭示受教者的个人能力、参与意愿与学习风格。跨模态的人工智能生成内容嵌入数字素养教学反馈模块, 能够高效处理海量关联数据, 进而揭示不同施教者在数字素养教学中的个人习惯、教学内容上的细微差别以及差异化教学经验, 从而构筑更为公平的教学成效评估标准与内容反馈机制[20] 。例如, 以安全为中心的ChatGPT 插件系统嵌入数字素养教学反馈模块, 通过持续稳定地连接网络浏览器、代码解释器和Slack、Speak、Wolfram 等第三方应用程序[21] , 迅速挖掘受教者的表现数据、偏好数据、需求数据和能力数据, 基于自动生成的个性化数字素养学习情况分析中反映的异常行为和潜在问题, 从相关的海量题库数据中抽取特定技能标注、知识点标注和学习风格标注, 进而更新数字素养教学反馈模块涉及的人工智能生成算法模型, 改善自适应学习系统,克服传统的训练数据过于陈旧、逻辑计算复杂错漏、数据分析与可视化能力不足、定性与定量数学问题处理困难、对话互动过于单一等缺陷, 成为数据驱动的数字素养教学反馈模块的重要支撑。

4大模型下人工智能生成内容嵌入数字素养教育的具体风险与应对策略

大模型下人工智能生成内容嵌入数字素养教育的创新实践在助力搭建虚实融合的数字素养情境教学模块、智能处理的数字素养教学资源模块、数智协同的数字素养教学流程模块与数据驱动的数字素养教学反馈模块的同时, 亦暴露出一系列具体风险,亟待完善相应的风险纠偏策略体系。

4.1大模型下人工智能生成内容嵌入数字素养教育的具体风险

数智时代中大模型和多模态发展趋势下, 人工智能生成内容嵌入数字素养教育的教学资源模块、教学流程模块、教学反馈模块和情境教学模块的过程中逐渐暴露出复杂生成的错漏风险、技术生成的诚信风险和生成内容的侵权风险等一系列具体的共性风险。

4.1.1复杂生成的错漏风险

数字素养教育的教学资源、教学流程、教学反馈和情境教学等模块在嵌入人工智能生成内容的过程中需要积极处理不同来源、不同任务、不同模态的训练数据, 甚至多角度尝试从海量教学场景和多元教学主体中分析归纳隐含特征与多样规律。内部结构复杂的黑箱式运作机理和因果逻辑导致难以向师生群体提供清晰易懂的运行说明和具体依据。同时, 嵌入Lensa、GPT 等模型的数字素养教学资源模块、教学流程模块和教学反馈模块中复杂算法的运行容易受到数据、模型和训练方法等因素的干扰,即便是少量随机噪声的轻微扰动, 亦有可能导致不符合数字素养教育规律的不可控的安全隐患与随机偏见(如错误评估受教者的学习状态或持续推荐非必要的教学资源), 往往误导施教者或受教者, 严重影响数字素养教育的教学效果和教学效率, 导致教学双方极度不信任、缺乏透明度的生成过程。

4.1.2技术生成的诚信风险

大规模的多模态人工智能生成技术在嵌入数字素养教育的情境教学模块、教学资源模块、教学流程模块和教学反馈模块的过程中难以保证输入的海量训练数据的精准性、及时性和全面性, 在提高内容生产效率的同时存在质量风险。同时, 数字素养教学效果的监测评估中, 格外强调写作能力是评测和展示受教者的知识储备、理解能力和表达技巧的关键环节。近期, ChatGPT、GitHub Copilot、DreamUp 等人工智能内容生成工具被数字素养教育的受教者悄然用于作业辅导、签到仿冒和成果造假。这一技术生成内容严重威胁学术诚信的恶劣现象, 不仅迫使数字素养教育的施教群体重点关注人工智能生成技术尚不具备的创造力、沟通力和批判力, 还反向促进了行业级人工智能生成文本图片或音视频内容的检测工具的迭代更新[22] 。

4.1.3生成内容的侵权风险

人工智能生成技术积极嵌入数字素养教育的教学资源、教学流程、教学反馈和情境教学等模块涉及的算法训练的数据准备, 包括数量众多、来源各异、权属不同的数据类型, 训练过程存在侵害个人信息权、数据隐私权和传统版权等诸多风险。例如, Open AI 公司被弗朗西斯科·马可尼(FrancescoMarconi)等媒体人士强烈谴责未经授权大量使用卫报、路透社、纽约时报等新闻文章训练ChatGPT模型且从未支付任何费用[23] 。同时, 大模型下人工智能生成内容嵌入数字素养教育完整流程的核心环节是自动输出复杂数据, “本质上属于信息, 实为信息权利之对象”[24] , 其权利归属一直是学界争议焦点。从“人工智能的生产商为开发产品投入了资金, 因此人工智能生成内容的著作权应当归属于生产商”[25] 到将文字内容相关权益赋予软件开发者[26] , 存在较大风险。例如, 盖帝图像(Getty Im?ages)已经起诉Stability AI 公司在人工智能图像生成工具Stable Diffusion 的数据训练中非法使用该站點数百万张图片, 严重侵害知识产权和商标权[27] 。

4.2大模型下人工智能生成内容嵌入数字素养教育的风险对策

面对数智时代中大模型与多模态发展趋势下,具有跨时代意义的人工智能生成内容嵌入数字素养教育的教学资源、教学流程、教学反馈和情境教学等模块的过程中反映出的一系列具体的共性风险,亟待通过采用可解释的偏离模型、强化生成风险的流程治理以及构建以人为本的人机协同等细化措施, 大力推动数字素养教育的蓬勃发展。

4.2.1采用可解释的偏离模型

充分发挥人工智能生成内容在数字素养教学资源、教学流程、教学反馈和情境教学等模块中的重要作用, 亟待优化和完善模型标注逻辑, 尤其是主动偏离训练数据。适度偏离的模型架构能够确保输出内容与训练数据具有明显的偏差值, 避免生成结果侵害输入原始资料的版权。同时, 亟待依据数字素养教育的复杂特征, 加强Stable Diffusion、Chat?GPT 等生成式智能工具在嵌入方式、嵌入流程与嵌入结果等方面的可解释性。

4.2.2强化生成风险的流程治理

全面推进数字素养教育的情境教学、资源获取、流程优化和有序反馈的过程中, 为了避免人工智能生成错漏内容或侵害合法权益, 有必要建立人机双审的内容审核机制, 落实内容治理主体责任。通过完善人工智能算法的运作管理, 切实防范数字素养教育的教学资源、教学流程、教学反馈和情境教学等主要模块中嵌入人工智能生成内容带来的人身侵害和财产损失, 提高风险预测预警和应急处置能力。例如, 公共图书馆在应用数智化的文图生成系统的过程中, 应当及时通过线上平台和线下渠道发布海量训练数据的收集和存储信息, 并为输入资料的版权人提供便捷的作品检索与退出机制, 切实保障权利人的知情权与选择权。又如, 基于GPT-4的Bing Chat 工具内嵌了保证信息来源可靠真实的基本原则和采用安全模式的基础要求, 广泛应用于数字素养教学流程管理将更有效地防范生成风险[28] 。

4.2.3构建以人为本的人机协同

人工智能生成内容嵌入数字素养教学资源、教学流程、教学反馈和情境教学等主要模块的良性发展需要积极秉持以人为本的人机协同理念。通过明确的战略政策引领, 积极构建对标国际又具备中国特色的数字素养核心框架, 充分运用人工智能生成内容完善问题导向型的教育规划和实施逻辑, 通过大规模的多模态人工智能算法模型生成丰富的数字素养教育的交互任务、交互环境与交互体验, 提高施教者的工作能力, 改善受教者的学习状况, 逐步构建以人为本的人机协同数字素养教育生态系统。

5结语

在全球数字生态建设迅速渗透人类社会每一个角落的时代背景下, 数字素养已经成为提振国家核心竞争力的重要因素与个人生存发展的基本能力要求。面对数字科技加速迭代与推进全民数字素养教育缺乏师资和物资支撑的艰难局面, 亟待充分挖掘大模型下人工智能生成内容嵌入数字素养教育的情境教学模块、教学资源模块、教学流程模块和教学反馈模块等的助推意义与具体路径, 积极抽取训练情境描述数据、策略规则数据、学习风格表征数据、知识结构描述数据、认知能力表征数据等, 聚合构建数据驱动、智能处理、虚实融合的数字素养教育的内容生成规则库和情境知识库, 持续提升受教群体的创造力、批判力和生产能力[29] , 亦时刻警惕、积极避免并全力救济人工智能生成技术嵌入数字素养教育的情境教学模块、教学资源模块、教学流程模块和教学反馈模块等过程中复杂生成导致的错漏风险、技术生成引发的诚信风险以及生成内容侵害他人权益的风险, 逐步构建全民获益的智能化数字素养终身培育体系, 推动数字社会健康有序发展。

猜你喜欢

智能算法
神经网络智能算法在发电机主绝缘状态评估领域的应用
基于超像素的图像智能算法在矿物颗粒分割中的应用
从鸡群算法看群体智能算法的发展趋势
蚁群算法在路径优化问题的应用研究