基于生成式人工智能的个性化学习，学习过程中更加凸显个体学习者的“高自主性”，即学习者和内容资源具有“高生成性”的生成式人工智能之间，通过提问与追问等高频互动，形成不同的学习路径，满足个性化需求

在国家持续深入推进教育数字化转型的背景下，生成式人工智能因其自然语言理解、基于人类反馈的强化学习、深度神经网络模型等技术特点，能够动态生成学习内容、优化学习路径，并支持学生的“按需学习”，为大规模个性化学习提供了新的可能性。

当前，一线教学中部分中小学积极主动地将生成式人工智能用于课堂教学，比如今年以来，教育智能体在北京、上海、深圳等地区学校不断涌现，生成式人工智能走进课堂教学的背后，是生成式人工智能技术促使教学系统内部各要素逐渐走向融合，并逐步形成基于生成式人工智能的个性化学习新样态。

推动学生自我引导式学习

基于生成式人工智能的个性化学习，最明显的改变之一就是学生角色的改变。经典的个性化学习依赖教师提供的资源和引导。大数据技术支持的个性化学习强调基于不同学习知识水平等状态，精准推送个性化资源来优化学习。而基于生成式人工智能的个性化学习，则是强调主体性的自我引导式学习。

学习中，生成式人工智能犹如一位耐心的导师，通过自然对话帮助学生厘清思路、通过对学生提问与追问分析，理解学生的深度学习需求。如学生可以随时向AI提问，通过反复交流，把那些“只可意会”的想法或需求渐渐地表达出来，AI会根据学生的不同需求，灵活调整解答方式。

在这个过程中，学生不仅能获得需要的知识，还能学会自主调整学习规划和进度，真正实现自我导向的按需学习。在人机关系的处理上，生成式人工智能可视为人的“外脑”，具有高数据处理能力和智能泛化能力，可以高效完成常见的甚或较为复杂的任务；而人脑作为“内脑”具有创造性思维能力、情感表达能力、人文关怀精神等，可以负责把握方向及工作目标。

生成个性化学习资源

在传统教学中，学习者往往面临着同样的学习内容和学习方面，个性化学习需求很难满足。虽然在大数据技术支持下，通过收集和分析学习者的行为数据、学习习惯与偏好、知识薄弱点等，从而提供精准的学习资源，但从根本上看是基于精准性推送资源的接受式学习。实践中是由教师或平台预设了有限数量和难度层次的学习内容资源，力求满足学生无限多样化的需求。

基于生成式人工智能的个性化学习，可以从学生与生成式人工智能的对话历史中获取学生的个性化信息，记录和理解学生的认知水平现状与知识盲区，分析学生独特的学习习惯和动机，为学生提供学习支架，并动态生成符合学生各自最近发展区的学习内容；实现在交互活动过程中产生真正的个性化学习，充分尊重学习者个体差异特征及其潜在的创新能力，实现适合每个学习者知识与思维水平的启发式学习。

AI助教可以根据当前学习内容，生成相应的测验题来诊断学习起点，这样诊断测试还有一个在大模型训练数据来源范围之内的横向水平比较的参照，进而让诊断有更强的参考价值。AI助教还可以通过自然语言处理技术，运用其实体识别和关系抽取等功能，从学生的学习记录（如笔记、作业、问答等）中自动提取知识点和概念间的关系，构建个人知识图谱，进而发现学生个体现有知识结构和学科知识体系（图谱）之间的映射关系，从而对学生的现有知识水平现状和进一步发展需求进行评估，并通过人机协同支持的智能化教育资源聚合，为学生生成或推送个性化的学习内容与资源。

提供有针对性的学习路径

依托AI技术和聚类算法、智能助教，基于生成式人工智能的个性化学习，除了资源的动态生成外，学习路径的动态生成也是推动个性化学习发展的重要改变之一，呈现出更强的支撑学习的“强生成性”特征。

生成式人工智能通过对学习行为进行持续追踪分析等，掌握学生的学习基础、进度、轨迹、效果等显性特点，挖掘学习偏好、情感和动机等内隐特征，据此可以给学习者提供及时的学习资源与学习干预支持；还可以作为学伴智能体为学习者进行学习规划与时间管理，实现对学习路径、资源和情绪等的针对性调整。

由此可见，基于生成式人工智能的个性化学习，借助于推理模型，可以针对不同学习者给出不同的学习路径，即根据学习者的提问思路，给出多样的问题解决方案、逻辑和分步推理任务，学习者则可以依据方案，继续开展多路径的学习和持续探索。例如，在学习过程中通过大模型与学习者进行交流，记录和存储学习者对话文本、多模态信息，利用大模型数据采集与分析能力，实现生成式人工智能对学生学习能力与认知水平的分析，进而提供个性化的学习资源推荐和路径选择。根据学生的认识水平和理解，生成式人工智能可以动态地调整学习内容难度、速度和呈现方式，推进学生开展基于提问和不断追问的探究学习。

推动大规模个性化学习

经典的个性化学习和基于大数据技术的个性化学习，重在按照教师或大数据的需求分析，预设好各种优质资源，为学习者提供个性化推荐服务，本质上是个体化学习。简单说，以往的一些个性化学习往往注重给学生提供均衡的、有限的、预设的优质资源，而很少关注这些有限预设学习资源或内容是否满足学习者真正的兴趣或需要。

生成式人工智能的数据集，是不同领域专家学者通过提供优质知识库，并以此为基础，不同师生在与智能体互动中生成的各种有价值的交互数据。AI助教接受了这些数据集的训练后，对高质量教学内容及其教学方式储存会越来越丰富，具备了“群体智慧结构”。再借助于逐步“平权化”的生成式人工智能技术，及诸如推理模型支持的“无门槛”的互动提问能力，为每名师生提供了触手可及的群体智慧，可以使每个学习者发自内心的学习兴趣需要等被均等化满足，进而实现按照自己兴趣选择提问、生成内容、推荐资源、规划路径，实现按需学习的机会均等，真正实现大规模个性化学习，而非简单地优质均衡。

（作者：朱永海，系首都师范大学人工智能教育研究院副院长、教授，本文系全国教育科学“十四五”规划2022年度教育部重点课题［课题编号：DCA220455］阶段性研究成果）