生成式人工智能时代高职院校的教学 变革：挑战、框架与路径

吴庆华　郭丽君

摘要： 生成式人工智能正以迅雷不及掩耳之势快速登入职业教育教学领域，通过智能评估、教学辅助“侵入”传统教学实训，推动职业院校教学主体、内容与组织的调整和变革。但是，这种由外部技术强制驱动教学变革的进程会忽视职业技能教学的互动性、职业性、开放性与实践性特征，导致职业教育过程中的主体权利边界模糊、教学评价理念滞后以及伦理隐私风险。面对从计算智能、感知智能再到认知智能的进阶发展，高职院校应该构建起集变革目标、算力平台、协作系统与评价保障为一体的教学变革要素框架，并从AI赋权与赋能两条路径提升教学体系的自我治理能力，拓宽治理边界，整体性建构智能时代高职院校教学生态系统，推动行业企业、政府、社会与职业院校的教学共同体建设。

关键词：生成式人工智能；高职院校；教学变革；ChatGPT；教学生态系统

中图分类号：G710；G640   文献标识码：A 文章编号：1672-0717（2023）06-0112-09

作为自然语言处理模型工具，生成式人工智能凭借强大的深度学习技术与大模型语义建模预测能力，已经成为影响教育变革发展的重要技术元素[1]。2022年新修订的《职业教育法》关于职业教育信息化建设与智能技术融合的全面修订，充分说明职业教育人才培养与教学模式正在受到人工智能技术的牵引甚至重构。譬如，生成式人工智能以多语言训练模型为核心，可对文字、图片、视频等多种知识素材进行同步转化与生成再造，进而辅助职业技能培训或支持学生自主学习，而Open AI发布的大型多模态模型ChatGPT及其优化版GPT-4便是其中的典型范例[2]。目前，它已经从单语言预训练进化为多模态预训练模型，且从感知智能向认知智能快速转型，可以对包括技能教育培训辅助、职业能力评估与个性化学习辅导场景建构在内的整个职业教育教学体系产生影响。尽管生成式人工智能技术在职教领域展现出种种机遇，但不得不承认这种“类人”的智能技术使班级授课制、传统技能实训面临被颠覆的危机。因此，如何建构更加可持续化的教学体系已经成为高职院校回应当前人工智能时代的重要命题。

一、生成式人工智能技术驱动高职院校教育教学变革

生成式人工智能并不是以制度形态进入到职业教育的实践场域，而是从知识学习、教学辅助等方面“入侵”传统课堂教学，在一定程度上引发传统职业教育教学的变革。具体而言，这种教学变革是由智能技术渗透到学校教育内部，并逐步影响教学主体、教学内容、教学组织等多个层面发生变化，进而完成对既有教学体系目标与要素的创新优化。换言之，生成式人工智能驱动教学变革的核心能力在于其能夠运用神经网络技术进行深度学习，通过海量的数据训练生成新的数据内容，创造教学过程中所需要的新内容。而ChatGPT作为其典型模型，对高职院校教学变革的影响最为显著。

从教学体系结构而言，高职院校教学体系是教师、学生、行业产业等各主体与外部制度环境、技术革新等共同互动形成的复杂共同体。在教学内部，学生与教师主体之间存在信息输入和输出的功能转换，二者通过教学活动的交流互动，进而达成知识讲解、技能传授和情感交流的教学目标[3]。当人工智能介入职业教育教学时，这种教学体系经过信息选择组合后，通过各类通用大模型生成学习者更为关注的新内容，扩展学习者的既定学习框架与技能边界，进一步强化职业教育的个性化与职业性，使学习者的技能训练更加高效便捷。与此同时，生成式人工智能由于具备了通过语言反馈进行自主改进、分布式计算加速模型训练以及摆脱传统人工智能碎片化局限等特质，因而得以塑造ChatGPT等工具以“机师”身份进入职业教育的日常教学与生产实训环节，加速了传统“师—生”二元结构向现代“师—机—生”三元结构的转型。同样地，传统教学管理体系、教学组织方式与课程实施体系均将面临来自人工智能技术的冲击与重构。这种以通用大模型技术为核心的生成式AI模型不仅扩大了教学主体数量，而且也通过模拟、辅助与再现真实的职业实训场景与工作环境，将复杂的技能学习转变为可拆解的、个性化的学习情境，从而建立起可追踪、可重复与可行动的真实教学条件。

除此之外，人工智能技术通过涌现性、扩展性与复合性功能加强了高职院校人才培养与社会分工、产业转型、技术变革之间的联系。具体而言，涌现性特征强化了AI自修复的可能，使其具备通过语言反馈实现自我改进的“类人”智慧，适应学习者的意图与偏好，并同时适配教学的专业分工场景；扩展性特征提高AI完成教学辅助与自主学习的效率，帮助学习者克服产业转型过程中教材内容滞后与技能训练脱节等产教融合难题；复合性特征增强了AI的海量数据训练能力，精准支持学习者与教师的个性化、差异化的教与学需求[4]。综合而言，基于通用大模型的自然语言处理技术，通过模拟与辅助教学场景及职业环境，加速了教学资源和信息的传递、循环以及人机协同、智慧辅导与智能评估等教学应用的出现，改变了主流教学样态、教师角色职能与教学资源形式，进而全方位地驱动高职院校教育教学进行变革。

二、生成式人工智能时代高职院校教学变革的目标导向

生成式人工智能技术驱动高职院校教学变革正在朝向通用化与专业化、辅助性与自主性以及平台化与简易化的方向发展，变更了高职院校教学体系既有的目标轨道。当ChatGPT作为教学工具介入高职院校教学体系内部时，前者对后者的赋能与赋权功能成为智能时代高职院校教学变革的主要驱力，其目标在于教学辅助性与自主化并行实现多个教学主体的智慧联动、通用化与职业化并用实现教学内容的融合传播以及平台化与简易化并行实现教学组织的创新优化。

（一）辅助性与自主化并行：教学主体的智慧联动

生成式智能技术赋能高职院校教育教学变革的关键点在于促使“师—机—生”的智慧联动，体现为以ChatGPT为代表的智能助手依照教师指示辅助完成职业技能训练任务，以及学生在AutoGPT等自主工具的支持下独立完成学习与职业训练任务，且共同在大模型的辅助性与自主化共进过程中联结成为“师—机—生”的教学共同体[5]。对于高职院校教师而言，人工智能模型既可以使用变分自编码器（VAEs）、生成对抗网络（GANs）等架构对理论知识与实践训练进行重新组织与联想，形成可视化与系统化的职业教育知识体系，又能快速检索技术/产业革命过程中的新知识点并形成海量的教材、课件与音频图文等教学资源池，还能辅助职业教师与企业教师设计课堂与课程融合互动方案，整体性提高职业院校课堂教学的前沿性、场景化与互动性。对于高职院校学生而言，生成式人工智能的技术机遇主要包括个性化的学习资源输出、基于职业技能训练场景的缄默知识理解与启发式对话、高阶性与批判性思维能力培养以及真实的沉浸式学习场景。概言之，生成式人工智能技术可将行业产业链与工作流水线在教学中实现场景与互动再现，促使教师、学生、企业与人工智能工具实现智慧教学联动。

（二）通用化与个性化并行：教学内容的融合创新

高等职业教育作为一种类型教育具有鲜明的跨界性和整合性，既需要培养社会期待的高质量复合型技能人才，又需要培养紧跟全球产业技术变革、具备创新型思维与高阶技能的通用人才。当生成式人工智能技术与职业教育融合发展时，也意味着通用大模型转向了专用大模型，继而帮助高职院校教育教学与企业实训在通用预训练与专用预训练两个算法领域实现教学与职业场景应用。一方面，教学内容的通用化可以借助大模型工具实现统一架构、统一模态与统一任务的融合设计，继而辅助企业教师与学校教师采用相同的教学模式，打通产教融合/订单式人才培养过程的不同步问题。另一方面，多模态编码与反馈模型算法技术可以将技能与实践性教学知识轻松转变成图文与音频内容，并为学生推荐更符合个性化的学习资源与互动的技能训练场景。譬如，可汗学院在其开发的人工智能工具Khanmigo中引入了GPT-4技术，模拟苏格拉底“产婆术”的教学程式与启发式对话，帮助学生寻找技能学习过程中难以领会的缄默知识，从而激发学生的创新思维与自主能力。因此，人工智能工具可以作为通用化与个性化的教学手段，推动高职院校教学内容向综合化、信息化与数字化方向发展。

（三）平台化与简易化并行：教学组织的运行优化

生成式人工智能技术能够调动不同信息、应用程序以完成教学者的用户指令，并基于自身强大的逻辑预测能力拆分并执行高度复杂的教学任务[6]。具体而言，循环神经网络（RNNs）、长短时记忆网络（LSTMs）、转换器模型（GPT）等生成式AI模型工具愈加具备了数据增强与筛选、存储优化、自适应分布式训练与容错调整的能力优势，可以帮助高职院校在课堂学习与技能训练两个领域提供场景适配，搭建全能、简易开发的“做中学”教学平台。相较而言，传统的理论知识和实践技能传授一般发生在有限且封闭固定的空间场所，由此造成职业院校的教与学过程很难和技术革命、产业发展的方向与进度并轨同步。但在生成式预训练（Generative Pre-training）与提示学习（Prompting Me-thod）的技术交互下，整个教学体系产生了新的数据存储与内容生成方式，并催动高职院校教学组织走向智能化、信息化与平台化，不断优化教学管理与教学评价程序，进一步推动整个教学过程走向扁平与互动。其中，GPT-4所提供的智能学习问答服务与机器人智慧辅导能够为职业训练过程设置特定的对话语境与实操场景，并要求人工智能助手在智能语音插件的协同作用下扮演实训教师角色，帮助学生获得自海量数据的学习反馈与技能纠偏，从而提高技能教学的针对性与个性化[7]。因此，认知智能推动教学组织朝着智能、智慧与智人的方向发展，增强了学生的实践技能学习体验与获得感。

三、生成式人工智能时代高职院校教学变革面临的挑战

当生成式计算成为新的算力形式时，高职院校推动教学变革仍需谨慎思考智能技术背后暗藏着的诸多难以预估的风险挑战。尤其当技术的逻辑宰制教育的进程时，这种教育变革就会遮盖职业教育的内在本质，进而影响技能教学的互动性、职业性、开放性与实践性特征，从而导致职业教育过程中的主体权利边界不清、人才培养与教学评价理念滞后以及隐私安全与伦理风险等现实挑战。

（一）教学主体重叠引发角色地位争议

毋庸置疑，智能技术介入高职院校教学生态系统，将促使“师—生”二维结构向“师—机—生”三维结构转型。当人工智能驱动的自然语言处理工具愈加“类人”时，人机协同将会成为未来教育场域主流的教学形态，从而在过渡期导致教师的“授课”角色与人机交互工具的智能教学辅助功能高度重叠。那么，“人师”与“机师”的主体地位到底如何区分？这已然成为生成式人工智能在职业教育应用过程中的首要问题。不可否认，当下的职业教育教师工作内容除了包括课程设计、教学管理、专业发展外，还面临来自技能比赛、企业实训与产教融合等方面的压力。由于多模态技术推动人工智能生成内容（AI-Generated Content，简称AIGC）的创造水平，教师不仅可以轻松应对教学备课、作业批改、行政管理等程序性工作，而且可以借助通用大模型对学生学业表现的精准分析，进一步了解教学过程中的不足。但是，在知识技能本位的当下，谁拥有更多的知识存储与技能则代表谁更能主导教学的进程。比起AIGC任务中的智能工具，职业院校教师无论是在知识还是技能方面均无法与大模型算力平台相媲美，这也就造成了智能工具在辅助教学过程中必然消解教师的权威形象与主体地位。

随着智能技术与高职院校教学领域的广泛融合，以机器人教师为代表的智能教学主体所承担的辅助教学任务愈来愈多，而职业教育教师也越来越依赖智能技术完成知识讲授环节，从而导致“人師”主体和“机师”主体的功能重叠[8]。在知识迭代更新的智能时代，由于智能教学主体凭借其技术的高位优势可以快速整合优质教学资源，而教师的知识结构更新相对缓慢，因而教师极有可能无法胜任产业革命对知识储备的角色期待，注重知识存量而非素养经验的教师的主体性地位岌岌可危。因此，生成式人工智能时代的高职院校教学目标应该告别知识与技能本位而走向素养与能力本位，更突出职业教师在教学过程中所提供的情感价值、创造力与批判性思维能力训练，从而发展学生的职业技能素养以及适应技术更新的学习品格与关键能力[9]。

（二）智能评估技术变革教学评价理念

目前，外界对于生成式人工智能特别是ChatGPT或其他未来GPT变体的普遍担忧在于，学生利用这项技术进行学术造假或成果剽窃，从而造成学生学习评价失准问题。但是，人工智能利用通用大模型对学生的知识成果与技能训练进行智能评分，并根据学习者的特点与目标予以反馈，绝非仅仅出于学习诊断与评分的目的，同时也暗含着“为教学的评价”的本质逻辑。一方面，人工智能技术的存在是为了更好地评估教学过程并帮助教师与学生进行智慧辅导，但其挑战在于学校利用智能评估技术既要遵循实训岗位或职业需求的技术性逻辑，以体现教育教学的职业性特征；又要遵循高等职业教育的人文逻辑，凸显教学过程的情感体验与合作交往[10]。二者往往难以在AI智能教学评估中予以同步实现。其中，将人工智能视作评价工具的技术性思维难以测量学生复合能力、创新思维和道德伦理水平，也无法达成职业教育“做中学”从“技能本位”转向“素养本位”的目的。

另一方面，尽管未来的机器学习范式着眼于基于大规模语言模型实施精准任务，并针对不同的技能训练场景开展学习者认知评测、学校效果评价与自适应评测等，但是当下的生成式人工智能技术还有待充分了解学生的个性化需求与教学背景，否则难以将技能教学的职业性、通用性与个性化统整为一，由此导致智能教学评价与实际教学目标之间的巨大鸿沟。除此之外，由于当前的智能评估技术并不具备情感与伦理道德，以及AIGC在模型预训练中还存在数据推断偏差与价值中立问题，生成式人工智能技术无法真正像教师一样发挥施展主体评价的能动与在场优势。尽管如此，这不能成为高职院校抵制人工智能技术的理由，而相反地，计算智能转向认知智能的发展进阶已经凸显出传统的、可测量的教学管理评价与人工智能时代下学生多元学習需求之间的矛盾[11]。因此，高职院校应该积极转变教学评价理念，利用ChatGPT等智能工具进一步解决实践教学评价难、学习评价个性化等问题，将教学评价挑战转化为机遇，重新塑造以学生需求为教学中心的职业教育模式。

（三）智慧教学隐含着伦理与情感风险

生成式人工智能与高等职业教育领域的结合展现出虚拟与现实共生、机器与人类融生以及职业院校与社会相衔接等特征[12]。生成式人工智能可以模拟实训和真实岗位生产的场景，借助听觉、触觉和视觉等感官使学生学习场景化，促使学生自主进行知识理解、合作探究以及技能训练等学习活动。当AI生成技术与创作技术愈加智能时，数字孪生、脑机接口和可穿戴设备等技术可以在虚拟空间中模拟实训和工作场景，开展更富个性化的新型教学活动[13]。但必须清楚地认识到，人工智能从来都不是价值无涉的，它的发展乃至壮大的基础其实建立在通用大数据与算法基础上，并基于大数据统计的原理将海量的观点信息整合成符合大多数人期待的“社会共识”。这种算法统计虽然符合显著性原理，但无疑会将社会乃至资本对职业教育的部分偏见放大，甚至会被作为学习资源、技能知识与价值观念输送到高职院校的教学课堂中。毕竟，在借助生成式人工智能工具进行教学与自主学习过程中，我们实在不了解这项“类人”智能会从课堂、教学乃至学生与教师身上收集何种数据信息并用作何用，但我们必须警惕生成式计算平台作为算力工具的背后其实并不具备人类所特有的道德标准与伦理准则。

除了伦理道德风险外，生成式人工智能技术也会对真实的师生情感关系带来挑战[14]。传统的实践教学、企业实训与技能竞赛不仅仅涉及师生间知识的传播与流动，也还蕴含着“情感养成”“意志培养”“心理感化”“价值濡染”等多重关系的塑造与建构。当智慧教学、自主学习成为未来高职院校教学课堂的常态时，技术一方面会突破高职院校教育教学的物理壁垒，但另一方面也在无形中使教师和学生主体之间的情感交流被机器与算法阻隔。譬如，智能机器虽具备即时性和智能化，却无法模拟出“类人”的情感关系，也无法像实训教师那样具身性地将技术技能训练中的缄默知识准确地传授给学生[15]。综合而言，由于职业教育具备互动性、实践性、体验性与创造性特征，GPT等智能工具难以提供足够的人文关怀与情感价值帮助知识技能尚待发展的学生成为高度技能化与整全化的个体，这也是职业教育面对的重要的但却毫无察觉的挑战[16]。

四、生成式人工智能时代高职院校教学变革的要素框架

事实上，生成式人工智能技术驱动高职院校教学变革已经成为不可逆转的趋势。而作为智能时代高职院校教学的全新范式，以智慧辅导、机器人教学与自主学习为核心的通用大模型辅助教学的目标在于实现职业教育各领域、全口径的信息流动、数据联通与智能协作，达到辅助实践教学、职业训练与个性化学习的目的，进而在算力平台、协作系统与评价保障方面通过资源整合，构建全新的高职院校教学治理框架体系。

（一）聚焦智能时代高职院校教学变革的目标对象

从短期来看，生成式人工智能赋予了教师与学生新的数字身份，也加速了职业教育的技能培训与企业轮岗实践从现实的物理空间向沉浸的虚拟环境的过渡，而通用大模型的技术发展在提供职业教育教学辅助服务时，势必会导致包括学生与教师在内的个体成为智能技术的计算对象与治理目标。当下，智能时代高职院校教学变革的核心目标在于打通学校教学与企业行业岗位之间的壁垒，满足企业、学校、教师与学生多个主体的现实需求[17]。可以说，高职院校教学在智能时代的变革发展就是为了服务职业教育高质量发展的整体目标，打破课堂边界与学校围墙并推进职业院校学习者的合作学习、自主泛在个性化学习，更好地满足不同行业技能学习者的个性化需求与成长目标，以此推进未来技能人才适应并胜任技术革命与产业变革的可持续化进程，进而赋能技能型社会的建设。具体而言，一是通过高职院校教学的智能转型促进工程技术人员、高技能人才与职业院校教师的双向流动，并从体系设计的角度提升服务不同技能学习者的实践效力；二是通过智能化联通推动高职院校、企业、行业组织与政府之间的信息共享，如智慧学习、技能认证、学习监测与政策监管等，以构建多元主体广泛参与的教学生态系统；三是打破高职院校人才培养的惯性思维，在生成式人工智能发展的契机下建立健全服务全民终身学习的现代职业教育体系，将教学目标对象扩大到整个社会，从而加强高职院校参与技能型社会建设的治理能力。三重目标的发展向度可以理解为迈向认知阶段的人工智能技术与高职院校教学的融合发展，并为包括职业院校学习者在内的公民社会提供技能培训与实践服务，这将有助于形成包含高职院校、企业行业、政府与社会在内的教学共同体。整体而言，数智时代高职院校教学变革的目标就是要建立院校层、行业层、政府层与社会层一体化的矩阵结构，服务技能学习者乃至全民技能学习的个性化需求。

（二）健全智能时代高职院校教学支持的技术平台

生成式人工智能赋能高职院校教学变革主要是经由通用大模型算法治理与数据训练，达成提升技能教学辅助能力与治理效能目标，但完全依赖第三方数字平台或人工智能工具则会带来数据隐私与伦理安全的问题。目前，除了ChatGPT、GPT-4等工具外，VR、MR、区块链与云计算等人工智能技术已经广泛渗透到职业教育的方方面面，而综合地运用这些技术可以整体性改进当前职业教育中教学内容滞后、技术工艺脱节、实践训练偏弱等问题。如若要实现技能知识生产传播、教学辅助服务、职业资格认证与技术监管平台建设的任务协同，就离不开高职院校教学智能算力平台的建设以及通用大模型的算法支持。首先，基于职业教育的教学模块、实训模块以及技能型人才的培养特征，高职院校需要系统化地设计课程教学智能化转型的架构方案，在服务学习目标、辅助教学管理与监管学习进度中完成内容优化、数据采集与服务跟踪的目标[18]。其次，由于职业教育涉及众多新工艺、新理念与新技术，又囊括了行业组织、企业、职业院校与政府部门等多个主体，高职院校需要借助统一架构与模态的技术平台打通教学过程中成员异质、理念冲突、融合协作的变革难题。再次，高职院校教学变革转型的目标，一方面需要加大整个职业教育智能教学平台的建设力度，另一方面又需要将职业教育融入整个服务全民终身学习教育体系的数字化转型进程中，强化职业教育与高等教育、社区教育与老年教育的联通与互动，在整个国家智能教育平台建设的大框架下设计职业教育的内容板块与学习监测服务。由于人工智能技术集成的算力平台并不是一个可以理解职业教育世界的道德责任主体，因此我们仍需要制定相关教学实践的伦理建议书与数据监管标准，从而更加安全地为高职院校教学辅助、技能学习以及工作场景模拟提供更大的智能技术支持。

（三）完善智能时代高职院校教学体系的协作系统

由于职业教育涉及与众多行业、企业合作，决定了不同类型专业的教学形态、教学方式呈现出较大的差异性，而应对这一问题的关键在于教学组织体系与智能算力平台的高效协作。一方面，在教学理念纷乱、学习需求多元与技术发展更新的当下，构建一体化、智能化与数字化的教学协作平台对于高职院校人才培养、技能实训而言显得意义重大。为了更有针对性地提供职业技能教学、职业资格认证与继续教育学习服务，由以职业院校为代表的知识服务与技能训练机构主导搭建的技能教学与职业实训智慧协作平台，可以促使不同企业、行业组织与第三方资格认证机构协作开发基于学习者特点与职业技能人才成长规律的教学方案。其中，一体化的教学组织体系可以基于生成式人工智能技术最大限度地为技能学习者开放最新的职业教育资源并提供学习认证服务，促进全球产业革命与行业革新知识向广大学习用户扩散与普及。而原本相互独立的职业院校、行业企业与公民社会在智能空间中将会进一步走向融合与扁平，这种发展趋势将推动技能型社会建设，并使职业教育参与全民终身学习服务变得更加便捷与迅速。另一方面，大量新理念、新技术嵌入职业院校教学过程中衍生出微课、翻转课堂等新型数字教学载体，而面对如此纷乱的技术工具与教学内容，职业院校需要进一步整合成立智能化、大数据的职业教育学习服务平台。这种平台不再是简单地将信息流单一汇总，而是在符合教育教学规律的基础上，依据学习者的学习习惯重构体系架构，重组教学内容，加强学习反馈，充分利用技术的便利性促进教与学的协同共生。其中，职业院校教师需要学会人机协同教学的思维方式，借助智能教学跟踪、诊断与服务学生的学习过程。除此之外，生成式人工智能教学平台还能通过模拟职业工作场景的各个环节与流程，并基于通用大规模的预训练算法，使原本难以名状的实践性缄默知识变为教学改进的结构性方案。总之，高职院校智能化教学协作系统囊括多个主体、涉及多个内容板块，并与终身教育、高等教育进行数据联通，可以更加智能地为技能学习者提供个性化的知识服务、教学辅助与资源推送，从而推动单一、封闭的职业教育教学系统走向开放、联通与互动的教学生态系统。

（四）加快智能时代高职院校教学评价的转型变革

由于智能时代高职院校教学所涉及的参与主体、数据信息与学习资源较为宽泛，单纯从知识获得的多寡衡量职业技能的学习效果其实与认知智能对教学变革的趋势相背离。为了顺应智能技术的变革趋势，高职院校教学评价应该从“知识本位”转向“能力本位”与“素养本位”，建立基于通用大模型的学习评价标准与职业认证系统，凸显职业教育教学的用户导向，从而激发学习者参与人机协同教育的可持续化[19]。一方面，高职院校要从学生的社会适应性与职业胜任力两个方面建立智能化的教学评价模型与全过程的学习监测程序。目前，在线教学平台的评价机制无法动态监测学习者的过程，也无法在线诊断职业技能训练的实际困难与现实需求，这就需要进一步基于生成式人工智能技术参与高职院校教学过程并收集学生技能学习的数据信息，以此推断与评估智能技术模拟工作世界的教学场景对于职业院校学生学习效果的真实影响与因果机制，从而确保职业教育教学内容与行业发展趋势之间的同步与适配。为了实现这一目标，高职院校必须依托国家智慧教育平台的算力技术建立全过程与全口径的教学评价机制，并将人工智能辅助教学、自主学习的服务质量以及学生的职业体验实践纳入到评价模型中，从而强化高职院校教学评价的智能、干预与服务水平。另一方面，我们还需要思考通过人工智能技术主导的评价如何实现更加可持续化的教学生态。由于职业教育教学并不同于普通教育，前者与工作世界、企业岗位紧密关联并接受来自行业协会的专业认证，这意味着教学评价的变革不应该完全着眼于内部，更需要依托行业协会、职业认证委员会制定符合人工智能时代的学习评价标准与职业资历认证体系，并鼓励探索成立跨区域、跨院校与跨行业的职业教育专业认证与教学指导联盟，从而塑造可持续化的智能教学生态系统。

五、生成式人工智能时代高职院校教学变革的推进路径

促进生成式人工智能在高职院校教学领域的应用落地，需要从人工智能赋予教师、学生与行业企业更多的权利以及赋予高职院校教学体系更强的治理能力两个方面推动高职院校教学智能化与数字化转型，实现“行业—企业—政府—社会—职业院校”的协同互动，从而构建更加可持续的教学生态。

（一）提升技术赋权水平，扩大学校教学变革的多元参与

就长期而言，高职院校应更加开放地依托生成式人工智能技术赋予行业组织、公民社会参与职业技能教学、知识服务与资源供给的权利空间。在认知智能时代，学生可以借助基于人工智能技术的模型训练提升自主学习的能力，老师可以获取最新的信息资源与个性化反馈，从而不断改变课堂教学中“生—师—机”的权力结构与角色身份，实现相关利益主体在教学变革中的自我增权。首先，高职院校应该基于智能技术革新教学主体关系，全面提升学生自主学习的权利意识。智能技术的认知跃升突破了传统课堂的环境限制与学习资源匮乏的局限，能够促使职业教育学生在场景仿真与算法模拟支持下获得除教学实践与企业实训以外的职业体验与技能互动机会，也会弥补当前行业企业参与职业教育教学的缺位。当然，生成式人工智能在促进学生享有海量学习资源与自主学习权力的同时，也面临着防范人工智能使职业训练与技能学习变得更加机械化的风险。在为教师的个性化教学提供更多自主空间的同时，我们也需要针对教学机械化的问题建立相应的预警机制，从而避免数字化教学过程中的价值迷失与技术依赖问题。其次，高职院校应该基于智能技术赋权行业、企业参与教学变革进程，降低行业企业参与教学合作的准入门槛，使其在与职业院校进行教学协作、复合型技能人才培养时发挥潜在优势。与此同时，不同行业组织应该依托智能技术主动嵌入到高职院校教学生态系统中进行自有平台的数字化转型，反向推动龙头企业、行业协会在智能化产教融合中进行技术赋权与技术赋能的双向建构，从而促使高职院校与行业企业组织在技术协助下进行教学要素的深度融合[20]。再次，高职院校在技术赋权时应注重教学共建共享机制建设。一方面，高職院校应该加快推进教学资源共建，突破教学体系中的等级边界，完善更加扁平的协作结构，从而回应学习者、教师、行业的个性化需求；另一方面，高职院校应推动教学合作共享，让教学资源覆盖到更多人群，从而实现教学资源配置均等化目标。总之，唯有学生、行业企业等主体广泛参与并获得更多权利，才能促使整个教学关系发生质的突破。

（二）加快技术赋能进程，优化高职院校的教学治理体系

在人工智能技术赋予教师、学生与外部行业组织更多自主权利的同时，高职院校教学智能化与数字化变革进程却受到通用大模型自身的缺陷而面临普适性不足、可解释性较弱与算法偏见等问题。但不可否认的是，当下智能工具在职业教育的运用其实已经推动了职业教育内部治理体系与能力结构的重构，并开始赋予职业教育内部体系自我治理优化的能力，甚至重塑了职业教育教学治理体系，成为推动终身学习与社会治理的全新范例[21]。第一，生成式人工智能时代高职院校应该重新构想职业教育教学治理体系与能力结构。这一命题其实来源于“技术何以驱动教育治理”的认识论思考，是对不同语言模型在教育特别是职业教育教学领域渗透的回应。那么，为了更好地应对生成式人工智能对高职院校教学带来的挑战，职业教育理应积极面向人工智能、拥抱人工智能并运用人工智能进行教学变革的全新探索，也即超越既往人们将高职院校教学体系视为人才培养与内容传播机构的功能性论调，在技术层面赋予教学治理向外扩展的全新框架。第二，高职院校应该利用人工智能技术的迭代更新赋能教学体系的自我治理能力，利用虚拟技术与语言算法实现“行业—企业—政府—社会—职业院校”的数据联通与创新联动，在服务人力资源强国与教育强国建设的同时，更好地为城乡职教资源不均衡、实训教学内容滞后等问题提供更加有效的解决方案，从而促进构建一个更加公平、包容、多元以及可持续发展的技能型社会。第三，随着联合国教科文组织《教育与研究领域生成式人工智能指南》以及国家互联网信息办公室《生成式人工智能服务管理暂行办法》的出台，这些指导性文件为教育领域如何运用人工智能提供了政策性建议和管理规范。高职院校应在这些文本的指导下，明晰技术变革教学的权利与义务边界，并完善職业教育内部教学治理的范畴与体系。当前，高职院校开始利用文本生成、文本+图像、多模态技术实现职业训练场景的转换以及教学文本、语音、视频的统一表征，其中包括百度主导的“文心一言”（ERNIE Bot）以及清华大学发布的GLM系列模型。这些工具的相继推出，意味着未来职业教育参与终身学习服务体系建设、国家资历框架与学分银行建设等目标均会成为现实，从而有助于扩展职业教育教学的可能空间。

（三）遵从整体主义进路，构建数字智能的教学生态系统

当前AIGC在具体职业教学场景中更隐秘的安全问题、教学内容可信度问题以及算法偏见带来的语料库缺失与机器学习推断偏误问题，正潜移默化地转变为职业教育内部的数字鸿沟与隐私侵犯危机。特别是在监管责任主体缺失与学生数字素养缺乏的双重问题下，生成式人工智能正以高度逼真的文本生成能力与模型应答准确性优势冲击着传统的教学模式、学业测试与学术不端界定标准。基于上述问题，职业教育愈发需要构建更和谐、共生、包容与协同的教学生态系统，以应对GPT等工具在职业教学场景中的潜在挑战，甚至由此所引发的更大的社会风险[22]。具体而言，认知智能时代下高职院校教学变革需要围绕目标对象、算力平台、协作系统与评价转型四个核心要素而展开，共同提高职业教育教学的自我治理能力，并扩大其参与社会治理的范围。四个要素之间的协调配合以及技术赋权与技术赋能双向建构的现实路径的良性运行机制，共同构成了智能时代高职院校和谐共生的教学生态系统，使“行业—企业—政府—社会—职业院校”得以联结并具备更大的教学协同与治理能力。这一教学生态系统的建构其实符合整体主义/整体式治理的现实进路，既将学生学习、教师教学与企业发展的需求目标进行统整，又以智能技术为治理手段推动教学资源协调、整合与创新，还促使公私合作关系、校企合作、产教融合等碎片化问题能够共置于统一的教学治理框架中，并走向整体与集中。因此，政府应该积极成立高职院校数字化与智能化教学联盟，并制定与此相关的规划方案与建设意见，通过公私合作（PPP）健全智能协作系统与技术平台，推动人工智能时代的高职院校教学变革，不断提升自我治理能力，并参与技能型社会建设，服务终身学习体系构建的现代化进程。唯有整体性推进，生成式人工智能时代高职院校的教学变革才能与行业前沿、技术更新和全球产业革命保持同步，才能与行业组织、认证协会及政府部门协同共进，才能在提升教学质量的同时满足教师与学生更加丰富多元的需求，从而彰显智能工具“类人”智慧在职业教育领域的进步意义。

参考文献

[1] 荀渊.ChatGPT/生成式人工智能与高等教育的价值和使命[J].华东师范大学学报（教育科学版），2023（07）：56-63.

[2] Floridi，L.，Chiriatti，M.GPT-3：Its Nature，Scope，Limits，and Consequences[J].Minds and Machines，2020（30）：681-694.

[3] 郭丽君，陈中，刘剑群，等.高等教育生态学引论[M].北京：社会科学文献出版社，2018：33

[4] Wollny，S.，Schneider，J.，Di Mitri，D.，Weidlich，J.，Rittberger，M.，Drachsler，H.Are We There Yet？A

Systematic Literature Review on Chatbots in Education[J].Frontiers in Artificial Intelligence，2021（04）：654924.

[5] Lo C K.What is the Impact of ChatGPT on Education？A Rapid Review of the Literature[J]. Education Sciences，2023（04）：410.

[6] Wu X，Chen H，Wu G，et al.Knowledge Engineering

with Big Data[J].IEEE Intelligent Systems，2015（05）：46-55.

[7] 徐国庆，蔡金芳，姜蓓佳，等.ChatGPT/生成式人工智能与未来职业教育[J].华东师范大学学报（教育科学版），2023（07）：64-77.

[8] 刘智，孔玺，王泰，等.人工智能时代机器辅助教学：能力向度及发展进路[J].开放教育研究，2021（03）：54-62.

[9] 雷晓燕，邵宾.大模型下人工智能生成内容嵌入数字素养教育研究[J].现代情报，2023（06）：99-107.

[10] 肖凤翔，陈凤英.技术工具论视角下职业教育教学生态系统的困境与重构[J].现代教育技术，2021（05）：52-58.

[11] 宋萑，林敏.ChatGPT/生成式人工智能时代下教师的工作变革：机遇、挑战与应对[J].华东师范大学学报（教育科学版），2023（07）：78-90.

[12] 张烨，蔡翔华.元宇宙+职业教育：未来虚实融生的职业教育发展新趋势[J].教育与职业，2023（02）：5-11.

[13] 赵书琪.元宇宙赋能职业教育：价值意蕴、应用机理与实践路径[J].职业技术教育，2023（01）：34-39.

[14] Kim，J. Learning and Teaching Online during Covid-19：Experiences of Student Teachers in an Early Childhood Education Practicum[J].International Journal of Early Childhood，2020（02）：145-158.

[15] 谭维智.不教的教育学：“互联网+”时代教育学的颠覆性创新[J].教育研究，2016（02）：37-49．

[16] Wong，G.K.，Ma，X.，Dillenbourg，P.，& Huan，J.Broadening Artificial Intelligence Education in K-12：Where to Start？[J].ACM Inroads，2020（01）：20-29.

[17] 蔣贵友.数字时代文科知识生产的运行机制——基于全球26个高校计算社会科学实验室的分析[J].比较教育研究，2023（01）：44-53.

[18] 肖银洁，吕宏山.教育数字化赋能高校教学新形态的风险审视与纾解路向[J].大学教育科学，2023（02）：24-32.

[19] 吴砥，李环，陈旭.人工智能通用大模型教育应用影响探析[J].开放教育研究，2023（02）：19-25，45.

[20] 石伟平，林玥茹.新技术时代职业教育人才培养模式变革[J].中国电化教育，2021（01）：34-40.

[21] 郭丽君，周建力.大学治理制度变迁的历史脉络、影响机制与发展路径——基于历史制度主义的分析范式[J].大学教育科学，2022（06）：25-33.

[22] 郭丽君，周建力.困顿与突破：高等职业教育的生态位辨析[J].现代教育管理，2022（04）：93-101.

收稿日期：2023-07-17

基金项目：国家社科基金（教育学）一般项目“智能时代大学教学生态系统研究”（BIA220062）。

作者简介：吴庆华（1977-），男，湖南凤凰人，管理学博士，长沙学院副教授、硕士生导师，主要从事高等教育管理研究；郭丽君，教育学博士，湖南农业大学教育学院院长、教授、博士生导师。长沙，410128。

Teaching Reforms in Higher Vocational Colleges in the Era of Generative Artificial Intelligence：Challenges，Frameworks and Paths

WU Qing-hua GUO Li-jun

Abstract： Generative artificial intelligence is rapidly entering the field of vocational education and teaching， invading traditional teaching training through intelligent assessment and teaching assistance and promoting the adjustment and reform of the teaching subject， content， and organization of vocational colleges. However， this process of teaching reform driven by external technology will ignore the interactive， professional， open， and practical characteristics of vocational skill teaching， resulting in blurred boundaries of subject rights， lagging teaching evaluation concepts， and ethical privacy risks in the vocational education process. Facing the advanced developments of computational intelligence， especially perceptual and cognitive intelligence， higher vocational colleges should build a framework of teaching reform elements that integrates change goals， computing power platforms， collaboration systems and evaluation guarantees. We can improve the self-governance capabilities of the teaching system and broaden the governance boundaries through two paths of AI empowerment. This will enable and comprehensively construct the teaching ecosystem of higher vocational colleges in the intelligent era and promote the construction of a teaching community among industry enterprises， governments， society， and vocational colleges.

Key words： generative artificial intelligence; higher vocational colleges; teaching reforms; ChatGPT; teaching ecosystem

（责任编辑  李震声）