AIGC赋能“中文+职业教育”资源智能生成与质量进化

杜修平 王崟羽 陈子尧

基金项目：2022年教育部中外语言交流合作中心国际中文教育研究课题重点项目“‘中文+职业教育融合发展机理研究”（项目编号：22YH30B）

[摘   要] AIGC赋能“中文+职业教育”资源智能生成与质量进化有望为国际中文教育和职业教育的融合发展与协同出海保驾护航，文章旨在回答AIGC何以及如何赋能“中文+职业教育”资源建设的关键问题。首先，笔者明确了“中文+职业教育”资源建设的原则、目标与任务，厘清AIGC赋能“中文+职业教育”资源建设提量、增质与人机共生的基本内涵；其次，基于S-O-R模型构建人机共生“中文+职业教育”资源建设机理，将“人机共生”核心机制贯穿于AIGC赋能“中文+职业教育”资源建设的四个阶段；进一步提出基于AIGC的“中文+职业教育”资源智能生成与质量进化模式，融合资源需求规划、资源智能生成、资源质量审核与资源质量进化四个模块形成紧密的信息传递与反馈机制，为人机协同“中文+职业教育”资源开发提供创新方案。最后，文章提出模式运行的关键困境与突破进路，旨在为AIGC赋能的“中文+职业教育”资源建设模式可持续运行提供有效支撑，更为“中文+职业教育”走向世界提供保障。

[关键词] 生成式人工智能； “中文+职业教育”； 资源建设； 智能生成； 质量进化

[中图分类号] G434            [文献标志码] A

[作者简介] 杜修平（1974—），男，土家族，湖南张家界人。教授，博士，主要从事国际中文教育与学习科学研究。E-mail：duxiuping@tju.edu.cn。

一、引   言

“中文+職业技能”教育于2019年在国际中文教育大会上被首次提出，自此“中文+职业教育”的新形态成为一带一路背景下国际中文教育与职业教育“协同出海”的重要航道。语合中心在2021年先后发布了《“中文+职业技能”教学资源建设行动计划（2021—2025）》（简称《行动计划》）与《国际中文教育数字资源建设指南（试行）》等文件，指出高质量“中文+职业教育”数字资源建设始终是国际中文教育与职业教育融合发展的关键[1]，能够为其“走出去”保驾护航。而当前“中文+职业教育”的资源建设仍然面临较大困境，难以支撑实际教学需要[2]。此外，国际中文教师作为国际中文教育资源的一般建设者，能够胜任绝大多数教学环境中各类中文教育资源的设计与生产[3]，但其并不具备各类职业的专业知识与技能，对职业教育特点的了解不深入，导致“中文+职业教育”资源生产效率和质量受限。2022年末，ChatGPT的问世开启了人工智能生成内容（Artificial Intelligence Generated Content，简称AIGC）技术的全新时代。随着AIGC算法、算力和算据的综合提升，使得内容生成过程愈发自动化与智能化，AIGC正成为数智融合时代下内容生成的主要方式。有学者预测，人工智能生成内容在2025年将达到网络内容总量的30%[4]。据此，AIGC有望赋能“中文+职业教育”资源建设，为各类职业中文资源高效增量提质提供优良处方，实现人机协同共生的“中文+职业教育”资源智能生成与质量进化美好愿景。

基于此，文章旨在回答AIGC何以及如何赋能“中文+职业教育”资源建设的问题，梳理AIGC赋能“中文+职业教育”资源建设的内涵与内在机理，并提出基于AIGC的“中文+职业教育”资源智能生成与质量进化模式，最后分析其应用困境与突破进路，明晰AIGC赋能“中文+职业教育”资源建设的重要作用并创新建设模式，促进国际职业中文人才的培养与“中文+职业教育”的高质量协同发展。

二、 AIGC赋能“中文+职业教育”

资源建设的内涵

（一）“中文+职业教育”资源建设原则、目标与任务

随着我国对外开放步伐加快，全球中文学习需求日渐高涨，国际中文教育资源建设在教育主管部门及世界各国中文教育机构的推动下取得了质与量的巨大成就，我国已成为中文教育资源的最大产出国，“资源建设共同体”初具雏形[5]。同时，中文学习需求逐步扩展到各个职业领域，但传统的国际中文教育资源无法满足国内外中文学习者的职业发展与学习需求，严重阻碍了国际中文教育与职业教育的有效融合，亟需一批针对各个职业领域的高质量“中文+职业教育”资源。语合中心充分发挥统筹协调作用，集多方力量发布了《行动计划》，为“中文+职业教育”资源建设提出了一系列标准与要求。

1. 以“海内外学习者需求”为中心的资源建设原则

落实“以学习者职业学习需要为中心”的资源建设原则是行动的总体要求。资源建设必须切实满足走出去企业海外本土员工、孔子学院学生和国内外留学生等学习者群体的个性化、系统化职业中文学习需求，构建“中文+职业教育”资源开发标准与模式，以保障资源内容的创新性、适用性和针对性[6]，促成国际中文教育与职业教育协同出海、齐驱并进的新格局。

2. 以“应用驱动职业发展”为核心的资源建设目标

确立“以应用为核心”的资源建设目标是行动的迫切需要。提倡形成“多方共建，互利互惠”的资源开发与合作机制，组织职业院校、走出去企业和国际中文教育专家联合开发针对不同职业、多国别多语种的“中文+职业教育”资源，建立多语种数字化教育资源库与移动学习端，以“随时能学，随处可学”的“中文+职业教育”资源应用格局驱动学习者职业发展。

3. 以“多元化高质量体系”为重心的资源建设任务

明确“以多元化资源建设体系”为重心的资源建设任务是行动的特色显现。资源建设要充分考虑不同国家地域、文化和语言的差异，将中文与本土职业理论与实践结合，适当引入中国传统文化开发高质量数字化教材资源、课程资源与应用资源，实现“中文+职业教育”的语言目标、职业技能目标与文化交融目标，并依托各类“中文+职业教育”在线学习平台实现高效推广应用，为走出去增效提质。

（二）AIGC赋能“中文+职业教育”资源建设的内涵

AIGC是具备自主生成和创造能力的AI技术，能够依据用户输入的指令、要求和反馈，对大规模文本语料库和多模态数据库中的内容进行选择、重组与输出，生成全新、原创的文字、图像、音频、视频等类型内容[7]。当前AIGC技术的应用已十分成熟，使得AIGC逐渐演化为一种通用目的型技术，即将颠覆现有的内容生产生成格局[8]。哈佛商学院的一项调查显示，ChatGPT对律师、咨询等行业中的应用可提高12.2%的文本生产力，同时文本加工的质量提升了40%[9]。AIGC作为新一轮工业革命的内容生成革新技术成果具备自动化、大批量和高效率的特点，这受益于AIGC引入的多模态加工技术，使得人工智能能够在不同类型的内容模态之间进行转换、映射与生成，为内容创造提供了更為全面和灵活的可能性[10]，致使AIGC成为实现“中文+职业教育”资源高质量建设的潜在路径。AIGC赋能“中文+职业教育”资源建设的主要目的是解决资源数量与质量方面的问题，促使资源建设者身份转型，形成人机共生的可持续资源生成模式。

1. 增量：AIGC重塑“中文+职业教育”资源内容生产方式

资源匮乏是“中文+职业教育”资源建设现存的首要问题。尽管越来越多的海内外中文教学部门开始实施融合中文与职业技能的教学，但面临来自不同国家、文化背景、语言水平的学习者个性化学习需求和广泛的职业领域，现有的“中文+职业教育”资源无法满足教师和学生对资源多样性与丰富性的迫切需求，使得教学内容不够规范，教学质量难以保障[11]。

AIGC赋能“中文+职业教育”能够重塑资源内容生产方式，解决资源匮乏的瓶颈。AIGC所具备的自动化生成和大批量处理能力赋予了“中文+职业教育”资源巨大的增量潜力，其根本目标在于提升资源内容生产的效能，通过优化生成流程，使得内容生产不再受制于人力和时间的限制，实现以最快的速度得到一批包含文本、图片、音频、视频等多种媒体类型的“中文+职业教育”资源内容。AIGC赋能的全新“中文+职业教育”资源内容生产方式能够充分发挥AIGC内容输出的流畅性和针对性，迅速响应各类学习者不断增长变化的职业学习需求，为学习者提供更为丰富、多样的职业中文资源，推动多元化“中文+职业教育”资源体系的增量发展。

2. 提质：AIGC驱动“中文+职业教育”资源内容质量进化

高水平“中文+职业教育”资源建设要融入并强调“质量意识”，要在资源建设成果、资源研发团队、资源推广应用、资源监管机制等多个方面实现提质增效。“中文+职业教育”的三大目标为资源建设的质量提出了极高要求：语言目标要求学习者不仅掌握通用汉语，还要学习与特定职业有关的中文词汇和表达；职业目标要求学习者掌握某一职业的基本知识与技能；文化交融目标旨在增强学习者对职业汉语情境的理解，辅助其语言与职业技能的习得，并了解中国职业文化[12]。当前，“中文+职业教育”资源质量不佳主要受限于两个原因：其一，职业院校的职业技能教师和国际中文教师之间的协作资源设计开发机制未能健全和落实，导致资源的职业性与语言性难以两全；其二，当不同的资源建设者针对学习者多样化的语言和职业学习需求各自自主生成资源内容时，没有统一的标准来对资源成品质量进行把关，特别是在职业技能教师与国际中文教师共创共享的模式下，职业性与语言性的质量标准均存在不一致的情况。

AIGC可作为“中文+职业教育”资源内容质量进化的核心驱动力，稳步推进资源内容的质量进化。首先，AIGC具有极为全面的知识储备，在掌握多种不同职业的知识与技能的同时，文本类AIGC作为大语言模型天生具备较强的语言性能，可完成各种复杂的语言处理任务，弥补了资源职业性与语言性难以两全的不足。其次，AIGC成为职业汉语资源的主要生成者，能够实现资源质量的统一，消除资源质量参差不齐的现象，对于现有的已经生成的或正在投入使用的“中文+职业教育”资源同样可以委托AIGC完成质量进化任务。AIGC能够通过自动化的质检和评估机制，确保资源的质量符合一致的标准，检测和纠正语言错误、控制语言难度，使得资源的语言水平与学习者的水平相匹配，职业教学符合学习者的职业学习需要，推进“中文+职业教育”资源的提质工程。

3. 人机共生：AIGC助力“中文+职业教育”资源建设者身份转型

AIGC赋能“中文+职业教育”资源建设的必然结果是资源内容生成的主体发生迁移，这将打破职业技能教师和国际中文教师原有的资源设计与开发任务边界，他们不再是职业汉语资源的唯一来源，也不再是职业汉语资源内容生成的唯一参与者。且随着AIGC向更高级别的阶段演化，人类也将进一步降低对AIGC技术生成内容过程的干预，不断提高AIGC在资源内容生成中的贡献占比。为此，“中文+职业教育”资源的人类建设者需要完成身份转型，AIGC能够助力人类从资源设计开发中的一些基础的但重复性、复杂性、困难性较高的任务中解脱出来，进而关注自身的职业转型和创新发展。

转型一，从资源建设者到“AIGC训练者”。由于AIGC生成的内容结果很大程度上取决于输入的指令质量，因此，人的参与不仅仅是简单地将学习者的语言和职业学习需求转化为富有营养的“饲料”投喂给AIGC工具，更是为AIGC提供了一个有针对性、高质量的学习样本库，从而引导其更准确地理解职业汉语学习者的学习需求。转型二，从资源建设者到“资源审核优化者”。尽管AIGC在内容生成领域展现了巨大的潜力，但在当前技术手段的限制下，它仍然难以被完全信任为一种能够生成准确、可靠内容的技术，特别是对于那些缺乏相关知识基础的用户，在应用智能生成的内容完成学习任务时，很难察觉到AIGC可能存在的错误信息。AIGC生成高质量的教育资源离不开人的审核把关，人类需要参与资源生成之后的质量评估与资源监管阶段，对低质量资源进行修改、重组、整合，对高质量资源进行进一步优化润色[13]。转型三，从资源建设者到“人机共生主导者”。AIGC赋能“中文+职业教育”资源建设应打破AI替代人类工作的思维定式，让AIGC成为提升人类开发能力的“脚手架”和能够生成高质量资源的“伙伴”，形成人机共生的可持续资源生成模式。

人类培养AIGC具备资源建设所需的综合素养将成为AIGC推动“中文+职业教育”资源建设的重要一环。同时，人类也需要理解AIGC的原理、潜力和局限性，以更好地发挥人类自身的创造力和判断力，形成人机共生的“中文+职业教育”资源建设复合体。

三、 AIGC赋能“中文+职业教育”资源建设的内在机理

刺激—有机体—反应（S-O-R）框架由梅拉比安（Mehrabian）和拉塞尔（Russell）在1974年首次提出。其中，刺激（S）指的是某些影响有机体心理与认知活动的因素；有机体（O）通常指个体，刺激作用于个体将使个体产生特定的情绪和认知状态；反应（R）则是个体经过刺激后产生或表现出的行为反应，进而推动对用户行为反应的洞察反思与评估[14]。该框架将有机体的内在反应作为中介，系统地解释个体行为发生的起因、經过与结果及其之间的关系。在AIGC赋能“中文+职业教育”资源智能生成与质量进化过程中，S-O-R框架能够作为一种反映人机共生机理的理论横向贯通于资源建设全过程，为此文章构建了基于S-O-R框架的人机共生“中文+职业教育”资源建设机理模型，如图1所示。AIGC赋能“中文+职业教育”资源建设可分为四个阶段：资源需求规划、内容智能生成、资源质量审核与智能应用监控，这四个阶段即对应S-O-R框架中的刺激、资源生成复合体、反应和对反应的动态评估与反馈。另外，参考万力勇等提出的四种“基于AIGC的数字化教育资源人机共创机制”[13]，将其作为执行资源建设四阶段的“人机共生”核心机制，旨在充分发挥AIGC对于“中文+职业教育”资源建设的潜力，为后续构建基于AIGC的“中文+职业教育”资源智能生成与质量进化模式做理论铺垫。

图 1   基于S-O-R框架的人机共生“中文+职业教育”

资源建设机理模型

（一）刺激：资源需求规划

在需求规划阶段，资源建设者要落实以学习者为中心的需求分析，包括学习者的语言学习需要、职业学习需要与文化交融需要。在此过程中，AIGC与人需要形成协同互补的共生机制。首先，由于人所具备的知识是有限且具有主观意蕴的，而AIGC的知识集更全面，能够涵盖各类职业，且能够通过客观完备的视角确定学习者复杂的职业学习需求；其次，人能够发现隐藏在需求表面的深层次信息，如部分学习者文化背景的特殊性及其与中国文化的异同等，此类细节AIGC不易察觉，难以完成不同类型需求之间关系的意义建构。为此，人与AIGC需要达成需求输出与组织的协同互补，满足语言需要、职业需要和文化交融需要的统一。

（二）资源生成复合体：内容智能生成

人与AIGC的互动生成是内容智能生成阶段的核心特征，其流程是为AIGC提供高质量的指令，AIGC根据指令完成多模态内容的生成任务，最后将AIGC生成的不同模态内容进行整合。指令的质量对内容生成的效果起着决定性作用，因此，资源建设者需要具备向AIGC准确提出指令的能力，可以在与AIGC的交互过程中发现其内在规律，将第一阶段产生的需求不断投喂给AIGC，最终使其生成令人满意的资源内容。依托AIGC的记忆能力，人训练AIGC输出高质量内容的过程是可持续塑造的。

（三）反应：资源质量审核

AIGC生成的内容并不完全可信，因此，需要人配合AIGC完成资源的深度加工。首先，资源建设者需要对资源进行整体检查，若存在严重偏误应及时修正。其次，参考多媒体画面语言学理论[15]，对生成的数字化资源进行画面语构、画面语义和画面语用的检查，其中，画面语构指的是资源中的文字、图片、声音、视频以及简单交互等多模态内容的组合是否符合职业汉语学习者的认知习惯，是否存在不合适的搭配导致学习者产生额外的认知负荷；画面语义指的是将多模态内容所要传达的语言知识、职业知识及文化知识与学习者需求直接对应，检查是否能够满足学习者的个性化学习需要；画面语用指检查资源中内容的模态丰富度是否能够满足与其对应的教学场景，如在虚拟仿真资源中是否有足够多的模态来打开学习者的感官，支撑学习者通过真实的临场体验习得职业技能。

（四）动态评估与反馈：智能应用监控

通过资源质量审核的“中文+职业教育”资源正式投入应用后，须接受人机协同质量监管来保障其应用效果。在这一阶段，动态评估与反馈起着至关重要的作用，以确保资源的实际应用效果与预期目标相一致。从学习者的角度出发，动态评估可以通过监控学习过程中的行为、学习后的反馈与评价，以及最终的学习效果评估来实现。这种以学习者为中心的监测机制有助于及时发现并纠正资源应用中的问题，保障学习者在使用资源的过程中能够取得最佳的学习效果。若发现部分资源存在严重质量问题，需重新设计“刺激”，以促成资源内容与语言学习、职业学习和文化交融需要的高度契合。

四、 基于AIGC的“中文+职业教育”资源智能生成与质量进化模式构建

文章在厘清AIGC赋能“中文+职业教育”资源建设内在机理的基础上，构建了基于AIGC的“中文+职业教育”资源智能生成与质量进化模式，如图2所示。模式包含AIGC赋能“中文+职业教育”资源建设过程的四个模块：资源需求规划、资源智能生成、资源质量审核与资源质量进化，四个模块之间形成紧密的信息传递与反馈机制，构成一个闭环回路，为AIGC赋能的“中文+职业教育”资源智能生成与质量进化模式稳定持续运行提供了有效的支撑。

（一）资源需求规划

资源需求规划作为S-O-R中的刺激要素对资源生成效果至关重要。在此阶段，人作为“人机共生主导者”总体把控需求制定，AIGC可发挥视角全面的优势作为需求分析辅助工具，借助“中文+职业教育”三大目标来推动个性化的需求定制，实现个性化资源生成[16]。例如：从语言目标出发，需要根据学习者群体的母语类型、HSK水平等因素，控制内容的整体语言难度以及涉及的职业词汇难度，若职业词汇难度较高则应采取分级、分段教学的策略，逐步帮助学习者习得职业词汇；从职业目标出发，要明确学习者的职业学习需求，了解职业学习的阶段，进一步明确通过学习资源学习者能够掌握哪些职业知识与技能，以及与职业相关的词汇和表达；从文化交融目标出发，需要充分分析中国与母语国家的文化差异、职业文化差异等，来确定职业资源文化交融的方式与程度。在人与AIGC的高频互动中形成以制定个性化职业汉语资源需求为目标的知识互补与意义建构。

（二）资源智能生成

资源智能生成任务同样需要人与AIGC的高频深度交互，如何将高质量需求转化为AIGC能够精准识别的指令成为资源智能生成阶段的关键。为了提高指令的准确性和质量，可借助GPT-4等文本类工具协助实现指令质量的优化[17]。随后针对内容生成的需求选取合适的AIGC，将高质量的指令输入即可完成资源内容的智能生成。例如，文本类资源可选用ChatGPT等文本AIGC工具生成教材，图像类资源可利用Stable Diffusion等AI绘画工具创作插图，视频类资源则可以采用Runway ML等AI视频编辑工具制作动画或职业技能教程。人类应扮演好“AIGC训练者”的角色，形成若干结构相对固定的提问范式，以优化指令并提高资源输出质量。内容生成过程主要由AIGC参与，人类需要对AIGC生成的多模态内容进行整合，将不同形式的信息有机地结合在一起形成多模态“中文+职业教育”资源，以创设更具丰富性和多样性的职业中文学习体验。

（三）资源质量审核

由于AIGC的智能生成内容并不完全可靠，资源生成复合体初步生成和整合的原始“中文+职业教育”资源需要经过一系列“反应”才能够正式投入应用。在这一过程中，人类作为“资源审核优化者”，可参照现有开放获取的各类高质量资源，如MOOC与SPOC等，对资源开展质量审核。首先，要进行偏误分析与矫正，检查资源所涉及的词汇、句式、职业知识、职业技能等关键教学信息是否存在错误，确保学习者能够学到的职业知识与技能是与时俱进的，必要时可针对相关知识咨询专业职业教师的建议，不断提升资源的准确性和实用性。其次，需要检查资源中各种模态的内容之间搭配是否合理，是否能够满足语言目标、职业目标与文化交融目标，以及是否与其所应用的教学环境相匹配。高质量的资源应该在不增加学习者认知负荷的前提下应用多模态资源开展职业学习[18]，打开学习者的认知加工通道，获得更好的语言、职业与文化习得效果。最后，高质量的资源可投入应用；而中低质量资源中一部分会被直接淘汰，另一部分有望通过人机共生的深度加工实现质量提升。

（四）资源质量进化

资源质量进化模块肩负着AIGC赋能“中文+职业教育”资源建设模式可持续运行的重要责任。高质量的资源经过严格的质量审核后，依托“中文+职业教育”在线学习平台等工具进行分类管理和应用。同时，人类需要借助AI审核工具完成对资源应用状态的监管，进一步检查资源中的语言、职业与文化知识是否与时俱进，并通过学习者在应用资源过程中的学习行为，学习结束后的评价及学习效果来动态监测资源的应用效果[19]。对于存在质量问题的资源，需建立循环生成机制，重新回到需求分析阶段，深入挖掘问题的根本原因，并重新生成高质量的资源，保证资源完美达成语言目标、职业目标与文化交融目标。这种循环生成机制，使得资源的质量进化过程成为一个动态的、可持续的过程，确保“中文+职业教育”资源能够适应不断变化的学习者语言学习和职业学习需求。在质量进化的过程中，不仅要关注资源内容的质量审查，还要注重对AIGC生成模型的迭代升级和改进。通过不断学习用户反馈，引入先進的技术手段，如自然语言处理和机器学习，优化生成算法和模型训练，以提高AIGC生成的内容的准确性和实用性，降低人对AIGC内容生成过程的干预，逐步实现更高级、更复杂、全面智能化的内容生成能力，为内容创作者和用户带来更加丰富与便捷的体验。

五、 AIGC赋能“中文+职业教育”资源建设的困境与进路

“中文+职业教育”资源建设的核心在于为国际职业汉语学习者提供高质量职业汉语学习资源，以满足日益增长的国际化职业学习需求，实现国际中文教育与职业教育协同出海的国际教育新模式。AIGC在赋能资源建设的过程中受主客观因素的影响面临着一系列困境，文章将列举四点关键困境并分析其突破进路，旨在服务基于AIGC的“中文+职业教育”资源智能生成与质量进化模式可持续发展。

（一）突破AIGC技术接受困难，助力资源建设者身份转型

作为具备自主生成和创造能力的AI技术，AIGC对使用者的技术接受度提出了较高要求[20]。部分资源建设者缺乏应用AIGC的实践经验，可能感到难以适应这种新的技术要求，即较低的感知有用性和感知易用性，不利于AIGC的赋能过程[21]。为此，AIGC赋能“中文+职业教育”资源建设要求资源建设者能够快速实现身份转型，积极接受AIGC对资源建设过程的变革，努力克服应用AIGC过程中面临的若干挑战，必要时可与职业教师和相关领域专家合作共创，分享利用AIGC制造与整合高质量资源的方法，在与AIGC深度交互的过程中实现“中文+职业教育”语言目标、职业目标与文化交融目标的高效高质“内容化”。

（二）打开AIGC“黑箱”，促使资源生成过程可控

AIGC赋能“中文+职业教育”资源建设的可行性依赖于其基于大规模资源库生成个性化原创资源的能力，但是算法的不可控性使内容的生成过程对师生等非专业人士而言是一个巨大的“黑箱”。这就导致智能生成的资源在科学性和合理性等方面难以被约束，甚至出现版权与专利等问题。“中文+职业教育”资源智能生成技术的“黑箱”问题需从技术层面解决，将不可控的生成过程转化为用户可监督、可把握、可控制的模式。如允许资源设计者参与生成过程，通过调整参数、选择输入方式或提供附加指导信息等，来干预“中文+职业教育”资源的生成结果，这有助于提高智能生成资源的质量，使其更符合个性化的职业学习需求。

（三）增强师生信息过滤能力，预防信息过载危机

AIGC在迅速生成大量“中文+职业教育”资源的过程中可能导致教师和学习者面临严重的信息过载危机[22]。教师如何从海量的资源中筛选出学习者最适宜的资源，而学习者又如何更高效地从“中文+职业教育”资源中获取到更多有效的知识，是AIGC赋能“中文+职业资源”建设过程中亟待解决的问题。教师需要具备较强的信息过滤能力来应对信息过载问题，针对智能生成的资源内容和质量进行筛选，为学生提供可靠的资源供给，做好学生资源输入的“守门员”。也可在“中文+职业教育”资源平台推出智能化的筛选和推荐机制，根据学习者的语言水平、职业学习需要等针对性设计资源导航，以帮助用户更轻松地获取符合其需求的内容，进一步提升资源利用成效。

（四）遵循适度原则，避免认知外包缺陷与成瘾依赖

由于AIGC能够依据学生的学习行为数据提供个性化的学习方案和反馈，资源建设者可能会过度依赖AIGC，导致失去对学习者应用资源开展学习过程的问题洞察力和资源开发方案的创新探索精神，甚至失去对教育本质的深刻思考[23]。教育的本质是培养人的思维能力和创造力，而不仅仅是知识的传授。资源建设者作为人类拥有独特的思考方式和情感体验，这些是AIGC无法替代的。为此，资源建设者在使用AIGC进行资源建设时，应遵循适度原则，避免过度依赖，积极探索高质量的资源开发规律，时刻关注学习者个性化的语言与职业学习需求，严守“AIGC训练者”“资源审核优化者”和“人机共生主导者”的身份定位。

六、 结   语

在AIGC时代，“中文+职业教育”资源建设迎来了前所未有的机遇，AIGC赋能“中文+职业教育”资源智能生成与质量进化有望为国际中文教育和职业教育的融合发展与协同出海保驾护航。文章首先提出AIGC赋能“中文+职业教育”资源将实现资源增量、提质，形成人机共生新态势，然后参考S-O-R模型与“人机共生”核心机制揭示了AIGC赋能“中文+职业教育”资源智能生成与质量进化的内在机理，最后提出基于AIGC的“中文+职业教育”资源智能生成与质量进化模式并分析其困境与突破进路。文章从理论与实践层面为AIGC赋能“中文+职业教育”资源建设提供了有益思路和可行方案，为AIGC时代的“中文+职业教育”资源建设提供了强有力的支持，同时深化了AICG在教育资源建设领域的认识与应用，未来需要在实践中不断优化AIGC赋能的资源建设模式，共同推动“中文+职业教育”资源的全球可持续发展。

[参考文献]

[1] 杜修平，李梦迪，尹晓静.“中文+职业教育”融合模式的构建逻辑[J].中国职业技术教育，2023（9）：20-27.

[2] 陈秋娜，武皓.“中文+职业技能”教材开发：取向、思路与模式[J].中国职业技术教育，2023（14）：24-29.

[3] 王鹤楠，刘丹丹，任倩倩，等.国际中文教师数字能力内涵与提升路径[J].民族教育研究，2022，33（6）：148-155.

[4] 冯志伟，张灯柯，饶高琦.从图灵测试到ChatGPT——人机对话的里程碑及启示[J].语言战略研究，2023，8（2）：20-24.

[5] 马箭飞，梁宇，吴应辉，等.国际中文教育教学资源建设70年：成就与展望[J].天津师范大学学报（社会科学版），2021（6）：15-22.

[6] 黄慧婷，庄榕霞，赵志群.对职业教育专业教学资源库设计的教学理念分析[J].中国高教研究，2023（9）：102-108.

[7] 骆飞，马雨璇.人工智能生成内容对学术生态的影响与应对——基于ChatGPT的讨论与分析[J].现代教育技术，2023，33（6）：15-25.

[8] BRESNAHAN T F， TRAJTENBERG M. General purpose technologies "Engines of growth"？[J]. Journal of econometrics， 1995，65（1）：83-108.

[9] 苗逢春.生成式人工智能技术原理及其教育适用性考证[J].现代教育技术，2023，33（11）：5-18.

[10] 胡泳，刘纯懿.UGC未竟，AIGC已来：“内容”的重溯、重思与重构[J].当代传播，2023（5）：4-14.

[11] 孟源，商若凡.“中文+职业技能”教育：发展脉络、现实挑战与路径选择[J].中国职业技术教育，2022（29）：28-33.

[12] 杜修平，李梦迪，尹晓静.“中文+职业教育”融合参考框架的构建[J].天津师范大学学报（社会科学版），2023，（4）：49-55.

[13] 万力勇，杜静，熊若欣.人机共创：基于AIGC的数字化教育资源开发新范式[J].现代远程教育研究，2023，35（5）：12-21.

[14] MEHRABIAN A， RUSSELL J A. An approach to environmental psychology[M].Boston：The MIT Press，1974.

[15] 王志军，王雪.多媒体画面语言学理论体系的构建研究[J].中国电化教育，2015（7）：42-48.

[16] 袁羲，吴应辉.ChatGPT Plus给国际中文教育带来的机遇、风险及应对策略[J].云南师范大学学报（对外汉语教学与研究版），2023，21（3）：53-62.

[17] 李永梅，谭维智.机器创造时代的人类创造危机与教育应对[J].中国电化教育，2023（7）：35-42.

[18] 张晓君，李雅琴，王浩宇，等.认知负荷理论视角下的微课程多媒体课件设计[J].现代教育技术，2014，24（2）：20-25.

[19] 王雪，王崟羽，乔玉飞，等.基于异步视频学习情绪预警的视频画面情感進化模型研究[J].现代远距离教育，2022（6）：11-22.

[20] 蔡燕，汪泽.基于技术接受模型的中文学习者直播课程学习意愿研究[J].语言教学与研究，2022（5）：35-46.

[21] CHOCARRO R， CORTI？譙AS M， MARCOS-MAT？魣S G. Teachers' attitudes towards chatbots in education： a technology acceptance model approach considering the effect of social language， bot proactiveness， and users' characteristics[J]. Educational studies， 2023，49（2）：295-313.

[22] 余勝泉，王琦.“AI+教师”的协作路径发展分析[J].电化教育研究，2019，40（4）：14-22，29.

[23] 李芒，张华阳.对人工智能在教育中应用的批判与主张[J].电化教育研究，2020，41（3）：29-39.

AIGC Empowering Intelligent Generation and Quality Evolution of "Chinese + Vocational Education" Resources —Connotation， Mechanism， and Model Construction

DU Xiuping1，  WANG Yinyu2，  CHEN Ziyao1

（1.School of International Education， Tianjin University， Tianjin 300072;

2.School of Education， Tianjin University， Tianjin 300350）

[Abstract] The intelligent generation and quality evolution of AIGC-enabled "Chinese + vocational education" resources are expected to facilitate the integrated development of international Chinese education and vocational education as well as their collaborative overseas development. This paper aims to address the key issues of why and how AIGC empowers the construction of "Chinese + Vocational Education" resources. Firstly， this paper clarifies the principles， goals， and tasks of "Chinese + vocational education" resources construction， and delineates the basic connotation of AIGC-empowered "Chinese + vocational education" resource construction for quantity enhancement， quality improvement， and human-machine symbiosis. Secondly， based on the S-O-R model， a mechanism of human-machine symbiosis for "Chinese + vocational education" resources is constructed， with the core mechanism of "human-machine symbiosis" throughout the four stages of AIGC-empowered resource construction. Furthermore， a model of intelligent generation and quality evolution for "Chinese + vocational education" resources based on AIGC is proposed， which integrates the four modules of resource demand planning， resource intelligent generation， resource quality review， and resource quality evolution to form a close information transmission and feedback mechanism， providing innovative solutions for human-machine collaborative "Chinese + vocational education" resource development. Finally， this paper puts forward the key dilemmas and breakthroughs in the operation of the model， aiming to provide effective support for the sustainable operation of the AIGC-empowered "Chinese + Vocational Education" resource construction model and to guarantee the internationalization of "Chinese + Vocational Education".

[Keywords] AIGC; "Chinese + vocational Education"; Resource Construction; Intelligent Generation; Quality Evolution