利用生成式人工智能促进个性化学习实践

摘要：在教学中应用生成式人工智能，可以促进学生将理论知识向实际学习行动转化。智能体的构建包括从准备本地知识库、上传数据、预览与调试智能体，到发布智能体等步骤。本地化智能体的构建，不仅能够解决学生的具体问题，提升学生的个性化学习体验，还能引导其在具体学科学习中有效应用高效的学习方法，为学生的学习提供个性化学习指导。

关键词：智能体；生物学；个性化学习；知识库；策略

随着人工智能技术的发展和教育理念的进步，个性化教学已成为全球教育改革的重要方向。虽然国内外在人工智能赋能个性化教学方面取得了一定的进展，但这些应用大多基于前一代人工智能技术，难以全面理解和适应每个学生的学习需求和认知风格，缺乏足够的灵活性和适应性。这导致学生在个性化学习过程中面临诸多困难，如何在“知”与“行”之间搭建桥梁，成为教育工作者亟待解决的问题。本文旨在探讨生成式人工智能技术在个性化教学领域的应用，即通过构建本地化智能体，为学生提供定制化的学习路径和实时反馈，助力学生将理论知识转化为实际学习行动，从而实现个性化学习和全面发展。

一、人工智能赋能个性化教学的研究进展

国际社会在探索人工智能赋能教育方面起步较早，尤其在推动个性化学习方面取得了显著进展。许多国家已经开展了广泛的研究和实践，如美国的自适应学习技术和智能辅导系统、欧洲的智能辅导系统等。这些研究主要集中在利用数据分析学习者的个人特征，并为之提供定制化的学习资源和教学策略上^[1]。此外，国际研究正深入探讨人工智能评估学习成果、辅助教学决策以及推动教育公平方面的巨大潜力。

中国在人工智能赋能教育方面的研究和实践近年来迅速增长。国内学者和教育机构积极探索将人工智能技术应用于教学管理、个性化学习路径推荐、智能测评和教学辅助等方面。例如，中国的一些高校和中小学已经开始尝试使用智能教学平台，通过数据分析学生的学习行为，提供个性化的学习建议^[2][3]。此外，中国的教育技术公司也在开发各种基于人工智能的教育软件和应用，以支持教学和学习的创新^[4][5]。

尽管国内外在人工智能赋能个性化教学领域取得了一定进展，但上述努力仍旧基于前一代人工智能技术。早期的人工智能技术更多地被应用于特定的领域，如图像识别、语音识别等，主要集中在机器学习、数据科学等领域的学术积累和小范围应用，导致无法全面理解和适应每个学生的学习需求和认知风格，缺乏足够的灵活性和适应性，从而无法提供真正个性化的学习体验。同时，这些技术往往依赖于固定的算法和预设的参数，难以实现深层次的交互并提供有创造性的教学策略，限制了其在教育领域的深度应用^[6]。

自2023年起，基于Transformer架构的生成式大型语言模型迎来了爆发式增长，极大地提升了以ChatGPT为代表的生成式人工智能理解和生成语言的能力。这一变革性进步，使得生成式人工智能相较于前一代人工智能技术，在个性化教学领域的应用表现出前所未有的优势^[7]。例如，在即时反馈与交互方面，生成式人工智能可以实时分析学生的回答和学习进度，提供即时反馈，进行深度互动。典型代表是可汗学院创始人研发的Khanmingo。这种互动不局限于简单的正确或错误判断，还能深入解释概念，一步步引导学生思考并提供学习建议。在个性化学习路径方面，生成式人工智能通过对大量学习数据的分析，可以为每个学生量身定制学习路径，推荐最适合他们当前水平和需求的学习资源与练习，从而提高学习效率和效果。

二、学生个性化学习困境及对策分析

作为长期在教育一线工作的教师，笔者认识到这一轮生成式人工智能技术将深刻改变所有领域，包括教育领域。个性化学习在教育领域的重要性日益凸显，学生在个性化学习过程中一直面临着诸多学习方法方面的问题，笔者也曾撰写了不少指导学生学习方法的书籍，但长期观察后发现，此前的努力收效甚微，学生在“知”与“行”之间依然存在鸿沟。也就是说，学生在阅读书籍后，虽然高度认同所学方法，并对高效学习方法有了一定的了解与掌握，但在将方法实际应用到具体学科学习中时却往往感到困惑和无从下手。

为解决这一问题，笔者尝试使用生成式人工智能来改善学生的个性化学习体验。方法是构建一个基于生成式人工智能的智能体，帮助学生实现从方法到实践的有效转化，从而解决他们学习中的“最后一公里”问题。这个智能体将能够根据学生的学习习惯、知识掌握情况和个人偏好，提供定制化的学习路径和实时反馈，帮助学生将理论知识转化为实际学习行动（如图1）。通过这种方式，生成式人工智能技术不仅能够有效地辅助教学，还能与其他技术融合，重塑教育体系，最终助力教育回归本质，让学生实现全面而有个性的发展。

三、构建本地化智能体解决问题的路径与步骤

在本文中，笔者提出的是一种利用本地知识库制作智能体（Agent）的解决方案。大致路径为：第一步，将指导学生学习方法的书籍数字化，创建一个本地知识库。这些书籍涵盖了多种高效学习策略和方法，构成知识库的核心内容。第二步，基于这一知识库构建智能体。该智能体依托生成式人工智能技术，具备自然语言处理和深度学习能力，能够根据学生提出的问题，提供精准的学习方法指导。同时，智能体能够以对话形式与学生互动，实时解答他们在学习过程中遇到的具体问题，并能引导他们在学习中有效应用所学的高效学习方法。第三步，根据学生的学习行为数据，智能体分析他们的学习习惯、知识薄弱点和兴趣点，推荐个性化的学习路径和资源，确保学生能够高效地个性化学习。这一解决方案不仅提高了学生的学习效率，也为教育智能化升级提供了新的思路和模式（如图2）。具体步骤如下。

（一）准备本地知识库

教师将指导学生学习方法的书籍进行数字化处理。数字化过程包括扫描文字、统一图片格式、建立工作流等，确保这些内容能够被智能体访问和利用。随后，教师将书籍内容按照章节、主题和关键词分类和标记，便于后续检索和调用。在准备本地知识库的过程中，教师还可以使用自然语言处理技术对文本内容进行语义分析和关键词提取，从而建立一个结构化的知识体系。

（二）上传本地知识库

本地知识库建成后，教师还可根据需求选择一个合适的知识库管理平台。这个平台既可以是本地服务器，也可以是云端服务，具体选择取决于数据量、访问频率、安全性和预算等因素。国内有许多优质的平台可供选择，如阿里云的Elasticsearch、腾讯云的云数据库、华为云的图数据库和Coze（扣子）等。这些平台提供了强大的数据存储和检索功能，适合构建和管理大规模知识库。选择好平台后，教师要将整理好的书籍内容转换为平台所支持的格式。这一步骤需要保证数据的完整性和一致性，避免在上传过程中出现数据丢失或格式错误，并可使用脚本自动化上传，以提高效率和准确性。

（三）预览与调试智能体

在完成知识库的准备和上传后，下一步是预览与调试智能体，以确保它能够准确、有效地解决学生在个性化学习过程中遇到的问题。以Coze平台为例，调试过程主要包括以下三个方面：人设与回复逻辑设置、模型和声音设置以及测试与反馈（如图3）。

1.人设与回复逻辑设置

教师需要为智能体设定明确的角色和人设，如智能体应具备亲和力、专业性和耐心，能够以通俗易懂的语言向学生解释复杂的学习方法。同时，教师要设置智能体的回复逻辑，包括常见问题的应答策略、知识点的讲解方式和互动的基本流程。教师还应通过编写和优化对话脚本，确保智能体的回答逻辑清晰、前后连贯，并能够灵活应对学生的各种提问。

2.模型和声音设置

教师可根据具体需求选择合适的语言模型和算法，使用Coze平台提供的预训练模型对智能体进行微调，以适应特定的教育场景和内容需求，并对选定的模型进行参数调优，提升其在特定任务中的表现。教师还要为智能体录制真人声音，使其回答更具亲和力和真实感，并通过实验和测试，调试出最佳的模型参数配置，确保智能体在回答准确性和响应速度方面的优异表现。

3.测试与反馈

教师可以模拟学生的提问和互动，检查智能体的回答是否符合预期。教师还可邀请学生试用，并根据他们的反馈建议，进一步优化智能体的回复逻辑、模型设置和声音输出，确保它在实际应用中能够准确、高效地解决学生在个性化学习过程中遇到的问题。经过以上步骤，智能体的预览与调试工作方告完成。

（四）发布智能体到相关平台

完成智能体的预览与调试后，最后一步是将智能体发布到相关平台，以便学生和教师能够方便地访问与使用。本文仍以Coze为例，教师选择最常见的应用平台，如豆包和微信公众号进行发布（如图4）。

在智能体发布后，教师还要提供持续的用户支持，解答用户在使用过程中遇到的问题，并建立反馈收集机制，通过豆包平台和微信公众号收集用户的意见和建议，了解智能体的使用效果和用户需求。

四、实践特色与成效

利用此智能体，学生可以提问相关学科问题，且能利用书中提到的高效学习方法学会如何学习。以2022年全国卷生物高考题为例。学生语音输入图5（左）所示的题目后，让智能体解答并解释原因。智能体很快就给出了答案，而且思路清晰、条理清楚且逻辑缜密。

要注意的是，这个功能并非类似于“作业帮”等查询答案的题库。“作业帮”的答案是提前被输入一个“库”里的，学生从“库”里搜索即可，但如果“库”里没有，学生就永远不会得到答案。智能体却不一样，它不仅能实时生成答案，还能针对学生的任何追问，随时进行深入解答，确保每个问题都能得到令人满意的回应。在此案例中，学生可以继续追问促甲状腺激素与促甲状腺激素释放激素的区别，如图5（中）所示。

更重要的是，智能体还能提示学生，如果相关内容学得不够好，可以采用怎样的方法进行学习，如图5（右）所示。学生可以提问：如果相关内容没有学好，能否采用书中提到的学习方法进行学习呢？智能体首先告诉学生可以用知识梳理的方式来规整知识，还把知识列表进行了总结，之后还给出了重复、测试、费曼学习法（尝试给别人讲解）等学习方法。这种提示学生的方法更像是苏格拉底的产婆诱导术，它不仅提供知识，更重要的是引导学生进行深入的思考和学习，是一种非常有效的个性化学习方法。

由此可见，智能体能够帮助学生将理论知识转化为实际学习行动，解决学习中的“最后一公里”问题，即从方法到实践的有效转化，从而实现真正的个性化学习和全面发展。

五、反思与展望

在探索利用生成式人工智能技术提升个性化学习效果的过程中，笔者取得了一些小小的进展，但也遇到了诸多挑战。例如，知识库的构建和数据上传虽然顺利完成，但在数据整理和分类过程中，发现存在一些冗余信息和数据不一致的问题，部分内容在转换为结构化格式时出现了信息丢失或误差，影响了智能体回答的准确性。又如，在智能体的预览与调试阶段，虽然人设和回复逻辑基本达到了预期效果，但在多智能体模式下，智能体之间的协作和信息共享还不够流畅，导致一些复杂问题的解答不够完善。再如，语音合成和模拟真人声音的效果仍需优化，以提升用户体验。另外，在发布智能体到相关平台后，笔者虽然收到了积极反馈，但也发现学生对智能体的理解和使用习惯存在差异，部分学生在初次使用时感到困惑，需要更多的指导和培训。同时，智能体在处理一些特定学科问题时表现出局限性，需要进一步提升其专业性和精确性。

针对上述问题，笔者制订了改进计划：一是数据优化。对知识库中的数据进一步清理和优化，去除冗余信息，确保数据的准确性和一致性。同时，增加对多媒体内容的支持，丰富知识库的表现形式。二是智能体协作优化。在多智能体模式下，应增强智能体之间的协作和信息共享机制，确保各智能体能够无缝衔接，提供更全面和准确的解答。三是语音合成改进。要引入更先进的语音合成技术，提升智能体的语音输出效果，使其声音更接近真人，增强用户互动体验。四是用户培训。开发详细的使用指南和培训材料，通过在线培训和现场工作坊，帮助学生更好地理解和使用智能体，提高其应用效果。五是专业性提升。与各学科专家合作，进一步优化智能体在特定学科领域的知识并提高回答能力，确保它能够提供高质量的专业解答。

展望未来，笔者将继续深入研究和应用生成式人工智能技术，推动个性化学习的发展。在不断地改进和创新下，我们相信生成式人工智能技术将在教育领域发挥越来越重要的作用，为实现个性化学习提供强有力的支持。

注：本文系北京市数字教育研究课题“人工智能赋能学生个性化发展的探索研究”（编号：BDEC2024YB013）的研究成果。

参考文献

[1]MEANSB，TOYAMAY，MURPHYR，etal.Evaluationofevidence-basedpracticesinonlinelearning：Ameta-analysisandreviewofonlinelearningstudies[J].U.S.DepartmentofEducation，2009：93.

[2]许锋华，胡先锦.人工智能技术赋能个性化学习：意蕴、机制与路径[J].广西师范大学学报（哲学社会科学版），2023（4）：68-79.

[3]苏子，苏晨.人工智能视域下开放大学个性化教育的实践路径[J].广东开放大学学报，2022（6）：15-21.

[4]孙立会，周亮.生成式人工智能融入国家中小学智慧教育平台的实践逻辑[J].中国电化教育，2024（8）：71-79.

[5]周自波，张新华.人工智能赋能网络教育：逻辑、机理与路径[J].成人教育，2023（7）：52-58.

[6]BROWNT，MANNB，RYDERN，etal.Languagemodelsarefew-shotlearners[EB/OL].（2020-07-22）[2024-08-23].https：//arxiv.org/pdf/2005.14165.

[7]陶红.AI技术在个性化教育中的应用与效果研究[J].教育进展，2024（8）：100-105.

（作者和渊系中国人民大学附属中学生物学教师、高级教师，北京市骨干教师；武迪系中国人民大学附属中学信息技术教研组组长、特级教师）

责任编辑：牟艳娜