基于工作场景学习：价值意蕴、发展隐忧和未来向度

摘 要 基于工作场景的学习强调以工作情境为中心组织教学活动。这种学习模式不仅具备将学科知识与默会知识相融合的工具箱价值，还充当了现代福特制生产关系中的代理人角色，能够有效地提高学生的职业技能，并帮助学生快速适应职业角色。但随着人工智能技术的高度介入和由此带来的生产关系变化，基于工作场景学习可能存在场景搭建成本高、教师功能弱化、场景知识不确定、学生向上流动受阻等隐忧。针对以上问题，提出构建流动的知识、实现场景的裂变、优化入口知识的选择、突出人类特定优势的发展向度，为职业教育高质量发展提供参考。

关键词 基于工作场景学习；知识情境化；人工智能；符码理论

中图分类号 G719.2 文献标识码 A 文章编号 1008-3219（2025）05-0043-07

基于工作场景学习是指在“实用、够用、会用”原则指导下，围绕问题或者围绕着产生问题的工作场景组织课程内容，为学生提供在就业中所必须具备的知识、技能和思维方式，让学生以“交付产品”[1]的态度完成学习。它对推动学生快速进入职场角色、开展职业活动具有积极作用。现有基于工作场景学习的研究都停留在内涵、应用和重要性的探讨上。随着AI时代的加速来临，社会生产关系、职业生产结构和职业教育本身都面临重大变革。因此，审视基于“工作场景”学习的隐忧，并提前规划其在AI时代的发展向度，具有重要意义。本文基于伯恩斯坦的知识情境化理论，探讨基于工作场景学习的价值、隐忧与未来向度，以期为职业教育的高质量发展提供借鉴。

一、伯恩斯坦与知识情境化

伯恩斯坦（B．Bernstein）是当代新教育社会学中最有影响的学者之一，他提出的符码理论在国内外学术界产生了广泛而深远的影响。伯恩斯坦继承了涂尔干社会分工理论，又融合了马克思主义阶级论点的冲突社会学立场，通过《阶级、符码与控制》以及《教育、符号控制与认同》一书建构了完备且高度抽象的符码理论体系。

知识情境化理论出自《阶级、符码与控制》一书的第3卷和第4卷。根据伯恩斯坦分析，知识是由初级情境、再情境化情境和次级情境三个情境构成，分别担任生产、传递与习得的功能[2]。初级情境负责知识的生产。从初级情境到再情境化情境需要经历去情境化。在这个过程中，知识被选择、简化、浓缩和修改，从情境依赖走向去情境，让知识具备可流动的能力。再情境化情境关注的是知识的移动和再定位。次级情境化意味着新的知识在新的情境中被习得。

伯恩斯坦的知识情境化流程是其符码理论体系的一个细小分支。知识情境化理论对知识的解释着重在以下三方面，第一，知识不是以其初始的形式被呈现给学习者，而是作为概念被不断地加以分离、组合。从初级情境到次级情境，知识经历了多次改造，从初级情境中产生的知识和学生在次级情境中习得的知识，从本质意义上说，并不是同质的知识。第二，伯恩斯坦认为在数次转换中，知识从情境中被剥离以及再次与情境的组合都是在特定的社会关系中产生和完成的，而规约这种社会关系的原则就是符码。“符码是情境之间的相关关系的规约者，经由那些关系，再成为情境内部关系的规约者”[3]。因此，职业知识如何获取，向职业教育的学习者提供什么样的知识，这背后暗含着特定的社会关系。第三，情境依赖的知识并不利于知识的流动，要使知识流动起来，必须打破知识分类的区隔，去掉知识的具有典型的情境依赖的特征，消除知识原有实践主体之间的特定社会关系的“置位”，让知识得以在另一情境中容易被理解。

二、基于工作场景学习的价值意蕴

伯恩斯坦为职业教育实践提供了一个知识产生与传递的理论分析框架。在此框架上理解基于工作场景学习，能够更好地剖析基于工作场景学习的价值意蕴。

（一）基于工作场景学习的工具箱价值

伯恩斯坦的情境化理论提供了一个理解学生学习的终端窗口，即他们最终直面的应该是情境化的知识。这一点对传统以学科知识为主的职业教育授课模式是一个巨大的挑战。直至今日，许多职业院校的课程中学科知识仍然占据着主导地位[4]。大部分人都认为“学术性是现代高等教育的本质属性和根本特征”[5]，职业教育作为教育的一个类型，也必须遵循这一原则。然而，这种论断忽视了职业教育的应用场景是某个具体的工作场合。真实的场景中，问题不可能如学科知识所传授时那样“在一定的规范指引下，由诸环节和层面构成相对自主的体系”[6]。相反，实践中的问题往往是混乱的、纷杂的、毫无头绪的。在这个具体的运用场景中，关于学科存在和运行的独立理论场域被打破，解决问题不仅需要某个单一的学科或者学科体系知识，而且需要了解相关任务或工作体系的内在逻辑，考虑工作场所产生的技术和组织问题，了解特定工作或特定组织环境的工作细节[7]。将学科知识直接呈现给学生，会导致知识仍然“按照自身的逻辑关系组织在一起”[8]，使学生缺乏对任务与知识的关系的认知。即便加入相对应的情境任务模块，这种任务也只能被视为巩固或者检测前知识的方法，其目的仍然是让学生掌握相关的学科知识，而非是在学科知识和职业教育之间建立起真正概念性的联系，将工作场所产生的技术和组织问题进行情境化的反馈。

职业教育领域的知识具有两面性，它必须重视学科的基本知识结构，以避免削弱职业知识的解释性，但它还必须直面实践问题，这是职业知识的社会性。基于工作场景学习恰恰符合这种两面性，它充当了一个工具箱的功能，从学科知识中获得“概念性”，从实践问题中获得“背景”，从而使学科知识面向实践环境。在具体操作上，基于工作场景学习一方面需要通过将学科知识打碎，融入各个场景之中，让实际工作与学科知识产生联系；另一方面，将受到应用场景之囹的情境知识用各种形式编纂出来，让它变得跟学科知识一样，具有一定的普适性、可言传性。这对职业教育的学生而言，是一个非常实用的解码器功能。一项关于学生职业知识的感知实验表明，相比系统的理论知识，学生对基于情境的知识应用更感兴趣，也更容易接受和理解[9]。

（二）基于工作场景学习的代理人价值

在情境化理论中，伯恩斯坦提出了“置位”概念。“置位”的过程可以表述为：权力主体通过对符码进行编码来形塑客体意识，从而达到权力和意识的控制的目的。而学习者则通过符码被“置位”[10]。“置位”就是实践主体之间特定关系的建立过程和主体内部特定关系的创生过程，带有明显的权力与控制特点。谁在权力与控制的争夺中占据优势，就决定了代表其原则的符码能够成为新的关系的规约形式，而作为外显形式的知识就能成为该权力主体的代言人。

当职业教育改革进入深水区，基于工作场景学习成为热点话题。基于工作场景学习看似是教育的话题，是职业教育发展进入新阶段的产物，但我们如果从伯恩斯坦情境化理论的权力视角重新审视这一现象，就会发现是权力团体的影响与选择决定了情境知识的主角光环。基于工作场景学习的思想成为主流印证了职业教育发展过程中，行业、企业这一权力主体对职业教育日益强大的话语权。

在情境知识之前，学科知识被选作职业教育的“代理人”，有其历史客观因素。在计划经济时代，我国职业教育以行业办学为主，因此存在大量行业部委创办的专业学校，这种行业系统内封闭的办学模式培养的是行业专用的技术人才。改革开放初期，为满足城市和国家发展需求，国家要求办一批“花钱少，见效快，可收学费”[11]的专科学校和短期职业大学，行业系统逐渐退出职业教育领域，管辖权逐步划归地方政府和教育行政部门。地方政府和教育行政部门成为高等职业教育知识“置位”的权力主体。初期的高等职业教育面临经费低、师生比低等现实问题，加之我国高等教育的传统优势在于系统的学科知识传授，他们为高等职业教育贡献了最主要的师资群体，因此学科知识从普通高等教育整体平移至高等职业教育是在成本、教师结构、办学资源等多重因素制约下的不二之选。

理论上来说，即便起点是学科知识，一旦经历了去情境化和再情境化的路径，学科知识将被重新定位、重新聚焦，学科知识的结构将发生改变。因此，这样的选择本身并不会导致职业教育的偏移。但在整个情境化路径中，在这场权力团体的角逐中，始终缺乏关键的利益相关者——市场的参与。市场的缺位加上办学条件的限制导致学科知识的“伪”去情境化和“伪”再情境化：有些仅仅是发生了空间位置的改变，如从教室到工作场所，而并未从学科知识结构转换到情境知识结构，有时候出于成本的考虑，甚至连空间位置都未曾改变。没有真正经历“去情境化”“再情境化”的过程，初级情境中的学科知识没有经历任何的转化就进入了次级情境化的知识终点，就呈现给了职业教育的学生，也导致职业教育受到“重学轻实”的指摘。

当今全球企业通用的生产组织形式是20世纪中期后盛行的福特制。福特制因其生产组装标准化、生产过程流水线、劳动管理简单化极大地释放了市场力量，具有不可比拟的生产优势。但其对生产各环节的承接性和相对独立性有着极高要求，牵一发而动全身，某个环节的问题可能导致整个工厂的崩溃[12]。这为基于工作场景学习提供了时代契机：此时已然形成对职业教育有一定话语权力的市场方需要的是能够满足标准化生产、可替代的原子式低成本劳动力。基于工作场景学习在事实上充当着福特制生产组织形式的代理人，它将工作场所产生的技术和组织问题嵌入一个个与生产流水线相对应的情境之中，虽然这些情境是零散的，但工作将这些情境知识联系在一起，掌握这些情境知识，就能胜任福特制生产组织形式。

三、基于工作场景学习的发展隐忧

基于工作场景学习具有工具箱价值，它能够将“组织和技术问题”和“学科知识”结合起来，产生一个“工具箱”，使学科知识面向实践环境；同时它还具有代理人价值，为福特制工业生产关系提供原子式的人力资源，符合当下生产条件的要求。然而以发展的眼光审视基于工作场景学习，特别考虑到人工智能对人类生产关系的高度介入，基于工作场景学习可能存在以下隐忧。

（一）情境的价值隔断隐忧

基于工作场景学习的特点是“交付产品”，注重与工作内容完成直接相关的知识，例如工作任务的操作步骤、方法、工具、材料等，而理论知识容量不大。这种假定情境中的任务和角色可以独立于职业的理论基础来定义的知识逻辑，将理论知识从其意义系统中分离出来，使学生只能接触到理论知识在工作场所的具体应用，而不能接触到理论知识所嵌入的意义系统。

同时，由于知识建构始终围绕情境中的问题展开，而不是系统地将学生引入不同的知识体系，因此学生的自主性受到很大的限制，因为他们缺乏理解不同问题或以不同方式思考问题所需要的系统的、专业的学科知识[13]。工作场所产生的技术和组织问题，即使看上去是一个单一问题，实际上也是多个部门的错综复杂关系交汇产生的，这种超越特定工作场景或特定组织环境的通用问题的解决需要的是可以突破情境壁垒的流动的知识。基于工作场景学习等于将所有的职业知识放在一个个与特定工作任务密切相关的情境之中，这些情境通常是零散和异质的，工作是这些知识之间的唯一联系。然而这种联系也是不稳定的，基于工作场景学习使得学生只获得了可以应对这一单一情境的程序性知识，一旦情境迁移，学生就会手足无措。

随着人工智能技术的发展，未来很有可能呈现出机器部分接入人体的职业场景。机器部分接入人体，将创造出一种局部增强型的人体躯干。它能够极大地改变人类躯体的力量、五感、智力和情绪，人类社会的劳动生产率将因此大大增强。这意味着职业教育面临的未来世界是一个人机合作的世界，帮助人更好地完成工作。通过机器部分介入来改变劳动者的性质，降低对某些技能以及情境限制知识的需求。这种去技能化倾向意味着，对情境知识的要求将会急剧降低，按照过去职业教育追求的“实用、够用、会用”的原则培养出的简单技术人员被限定在具体的情境之中，缺乏超越具体情境、具体活动，提炼普适性的规则和流动性知识的能力，显然无法胜任这一要求。

（二）情境的搭建成本隐忧

伯恩斯坦的知识情境化理论指出，情境是知识解构、传递、习得的场域。因此，情境对职业知识情境化起着关键作用。但搭建情境无论是现时还是未来都存在诸多障碍。

现时搭建职业知识情境的直接障碍是经费不足。联合国教科文组织相关机构测算，职业教育办学成本应该是普通教育办学成本的2.64倍[14]。然而，高职院校获得的资源配置却处于高等教育的最底端。2019年，我国高职院校数量达到1423所，高等本科学校数量为1258所，高职院校数量已超过高等本科院校。当年我国普通高等学校的国家财政性教育经费投入为8427.2亿元，其中高职院校仅获得1592.6亿元，高等本科学校获得6834.7亿元，两者相差近3.3倍[15]。经费不足意味着职业教育很难完成职业情境的搭建工作，因此也无法实现基于工作场景学习的真正落地。

未来，随着人工智能的日渐融入、工作场景的日益复杂化，大多数职业的知识需求呈指数级增加，更需要职业从业者能够在不同场景下解决实际问题。相比福特制工业时代，在未来工作将被解构成更加离散的元素，工作任务就像独立且可互换的组件，人机合作对这些组件进行多元配置，以创造更高效的工作效率，因此，职业知识将有可能变成超级情境化的知识——比现时的情境化知识更加碎片化，人类只需要掌握这少部分的知识就可以胜任一个工作场景，但这种极端碎片化的场景在数量上也呈现出爆发式增长。职业教育提供的有限情境化无法满足这种数量要求，而场景“盲区”必然导致学生在就业市场的被动。

（三）情境的重构替代隐忧

在学术教育中，一般知识经历过去情境化和再情境化，即可以进入次级情境化的环节，而职业教育学中，知识从初级情境化场域中被选择抓取，再到次级情境化场域中，路径涉及两个不同的重构过程，即将再情境化的知识纳入职业教育，需要进一步进行教育学的重构。因此，职业教育的情境化路径比普通教育需要多经历一步转换，也更复杂。职业教育的意义也在于此，教师、教材、教学共同构建一个职业知识的情境化转换体系。

现在以ChatGPT为代表的人工智能模型都是基于深度学习和神经网络算法构建的，算法的复杂性和不透明性让其目前还难以将其思维过程显性化，但是未来随着生成式人工智能的可解释性加强，其在教育领域将发挥更大的作用[16]，尤其是在涉及多个去情境化和再情境化过程的职业教育中，其知识的情境化流程可能会被极大地简化，“去情境化”和“再情境化”，甚至“职业教育学重构的再次情境化”这些步骤都可能被省略，因为生成式人工智能可以将知识生成所包含的多个流程融于一身，彼时它可以作为个性化辅导工具，帮助职业教育的学生理解理论性的概念，也可以为学生提供有关特定实践主题的默会知识的解释和指导。而如果人工智能能够完成这种情境化转化，那么职业知识情境化转化体系中的共同参与者教师、教材、教学都将面临被剥夺情境化重构这一功能的风险。

（四）情境的权力代理隐忧

伯恩斯坦情境化理论的核心是：谁决定了什么样的知识被选择，谁就决定什么样的知识被呈现。审视职业知识背后的权力主体可以发现，政府、企业、院校作为稳定的权力三角，对职业教育的知识生成拥有强大的话语权。政府和院校处于强势一方时，学科知识成为职业教育的知识逻辑主体，当市场愈发重要，对职业教育的影响力越来越大时，基于工作场景学习被教学实践所推崇，但是这种权力的介入是稳定且显性的。对于一般学科知识的来源，学者们普遍认可的观点是，学科知识来源于研究成果。研究成果或被现有知识同化，或改变现有知识形成新的知识结构，从而产生学科知识[17]，大多数学科知识只需要从研究到应用，从一般到特殊。相对一般学科知识，职业知识的来源更为复杂。由于职业知识即来源研究成果也来自于实践经验[18]，因此，这些知识需要经过多次转化才能成为职业知识。但无论是学科知识还是职业知识，这些都是可以预测的知识发展，这些知识的改造和发展都符合认知心理发展模式。

然而，人工智能很有可能打破了这种权力结构，也带来知识本身的不可预测性风险。展望未来，当人工智能进化到机器完全介入创造出肉体死亡思维永生的状态，这是人类彻底放弃了肉体而通过将思维上传到计算机以实现无身体的人类生命[19]。思考基于工作场景学习在这个阶段可能存在的风险，我们必须认识到，由于人类已经事实上放弃了肉体，赋予职业知识符码的权力主体，是人机合一的新“人”。

这种知识权力主体变化的改变也在提示着基于工作场景学习的风险：知识的不可预测性。无论是学科知识还是职业知识的改造，都符合人类认知心理发展模式，能够被预测其发展方向，并遵循人类认知心理发展轨迹通过初级情境化、去情境化、再情境化和次级情境化的抓取、转换完成传递过程，但“人机合一”的新人出现，职业知识变得不可预测，这也为基于工作场景学习设置了一个起点性的障碍：当初级情境化场域的知识都无法预测，其余情境化流程势必无法完成。

四、基于工作场景学习的未来向度

基于工作场景学习让学生以“实践社区”的形式在模拟或真实的工作场所学习，创建出一个符合当下生产关系需求的情境丰富的学习环境，是从学科知识到职业知识跨界的重要解码器。然而无论是当下还是人工智能深度介入的未来，基于工作场景学习都存在一定的发展隐忧，当然这并不意味着基于工作场景学习的道路不可取，相反，这些隐忧恰恰暗示着基于工作场景学习的未来向度。

（一）重视流动知识的建构

基于工作场景学习可能带来学生发展的价值隔断，这是因为它根据工作任务对知识进行了片段式切割，形成了一个个情境孤岛。伯恩斯坦的情境化理论提供了突破这些情境障碍的思路，即流动的知识。

伯恩斯坦指出，在我们的知识与知识的对象之间总会有一个缺口，这个缺口叫做“潜在的话语差距”[20]。如果学生对知识的认识来源仅困囿于具体的经验对象，就无法习得获取新知的能力。因此，要允许这个缺口的存在，让学生有机会去思索现有知识未及之处，并将知识带向不同的方向。这个缺口里容纳的知识，就是流动的知识。伯恩斯坦解释这种流动的知识就是理论知识，学生需要获得理论知识，这样他们才能在不同的知识领域游刃有余。理论知识代表着强大的知识，“强大的知识提供了更可靠的解释，以及思考世界和获取世界的新方法，并且可以为学习者提供参与政治、道德和其他辩论的语言”[21]。

因此，避免价值的隔断，就是充分意识到，虽然现阶段许多工作场所的基础活动主要涉及情境知识，但学生向高层次发展的过程中，情境知识与理论知识的融合是必需的，在基于工作场景学习过程的开始之前，有必要向学生提供系统的理论知识，防止学生过度专注于程序性知识，避免将学生假想为“被监督的工人，而不是一个行使自主权和判断力的自由行动者”[22]。

（二）实现智能场景的裂变

伯恩斯坦情境化理论指出情境对理解知识的重要性。基于工作场景学习，对场景数量和质量的要求非常高。职业教育的工作场景搭建主要涉及空间、实践和信息三个维度[23]。现实职业教育场景搭建技术主要包括可视化虚拟现实、专业软件平台、通用图形、虚拟现实专用语言等[24]，在这三个维度的建设上由于经费有限，还普遍存在物理场景（空间）数量不足、活动场景（实践）互动不够、数据场景（信息）共享不畅等问题。随着人工智能等技术的渗透，产业智能化升级会带来产业生产形态的颠覆性跃进，同时也会对职业教育的情境化场景搭建产生重大影响。而且这种技术颠覆性越大，越有可能帮助职业教育“依托技术所带来的技术之窗”而实现突破性飞跃[25]。

未来职业教育有望通过智能场景裂变解决场景搭建成本问题，借助智能感知、虚拟现实、增强现实、混合现实等技术，模拟真实的环境、条件、内容、流程、方法和结果[26]，实现技术嵌入现实物理空间，以“+智能技术”的方式拓展物理场景；借助日益丰富且经济的算法加持人工智能，面向真实的工作场景，通过远程链接、工业互联网技术等直接与真实的工作环境、工作过程互动，解决无法进入工作现场进行实际运行、维护的问题[27]，实现活动场景的高质量互动；通过关键业务数据标签化，共享、对比和耦合关键业务的数据节点，对工作场景进行全局性的数据整合，实现数据场景的畅通。

（三）优化入口知识的选择

即使是在学科知识或实践中成功占有知识，也并不意味着能成功地将知识转换。职业知识在从初级情境到次级情境的多重转换过程中控制脱节会导致转换的失败。而转换失败的最主要原因就是对默会知识的编码失败。与学科知识不同的是，职业知识存在大量默会的知识。这些默会的知识往往无法表达出来，需要教师、教材、教学对其进行编码。编码对知识的呈现和明确具有重大意义。“它允许我们谈论知识，检验知识，分享知识”[28]。因此，从初级情境中获取经验和需求，将其编码，再通过教学应用语言将其转换为教学内容是职业知识从工作走向学习的必经之路。随着人工智能技术的飞速发展，人工智能的编码转述能力的增强，对教师的知识编码和情境转换功能被取而代之的担忧也随之而生。

虽然面临情境解码和转换功能可能被人工智能替代的风险，但“自动化最大的悖论在于，使人类免于劳动的愿望总是给人类带来新的任务”[29]。当人工智能融会贯通工作场景的知识与技能，并将这些知识的转化、传递的情境化流程缩减甚至消除时，作为情境化流程的曾经重要参与者，教师、教材、教学可以尝试回到原点，即伯恩斯坦的情境化流程中的入口，在初级情境化场域中的知识选择上，对初级情境化场域的知识进行优化和精选。这是人类与人工智能合作的最佳途径，当人工智能不需要那么多具体指令来告诉它如何实现目标时，实现目标的起点就变得非常重要。

（四）突出人类特质的优势

人类历史上并非没有技术变革，但是从根本上颠覆社会架构的技术屈指可数。更多时候是现有架构适应和吸收新技术，在可识别的范畴内不断发展和创新。然而，人工智能有望改变人类理解现实的方式和我们在现实中所扮演的角色，并给人类社会带来哲学层面的改变。这种改变对基于工作场景学习最大的挑战是，未来的知识并不再是“人”这一主体对科研成果和实践经验的吸收和改造，机器将在事实上参与知识的生成，知识生成的可预测性在减弱。

为了对抗这种不可预测性，需要职业教育寻求稳定的、可预测的部分。即便是人机时代的真正来临，这些部分都是“人”才能拥有的特质，也是千百年来人类对其已有的深刻认识，即可预测的部分。例如，在未来，人工智能可能不需要那么多具体指令，人类只需要提出一个模糊的目标即可，但提出模糊的目标这一步本身就是人独有的创造性思维能力。再比如人工智能可以得出结论、进行预测，甚至制定决策，但是它没有意图、动机、道德和情感。因此，虽然人机时代到来可能带来知识生成的不可预测性，但用人的特质去引导机器，让知识朝着相对自主、内在的实在性逻辑生成、发展是对抗未来基于工作场景学习中不确定性的发展方向。

五、结语

基于工作场景的学习在现实中具有重要价值，但放眼未来，随着人机时代的加速到来，基于工作场景的学习也面临诸多挑战。挑战并不意味着应摈弃这种模式，相反，智能时代为基于工作场景学习创造了更多的想象空间。正如泰格马克在其《生命3.0——人工智能时代人类的进化与重生》一书中提到的，“不断进步的计算机性能就好像水平面，正在逐步上升，淹没整个陆地。半个世纪以前，它开始淹没低地，将人类计算员和档案员逐出了历史舞台。不过，大部分地方还是‘干燥如初’。现在，这场洪水开始淹没丘陵，我们的前线正在逐步向后撤退。虽然我们在山顶上感到很安全，但以目前的速度来看，再过半个世纪，山顶也会被淹没。”[30]人机时代的到来不可避免，基于工作场景的学习只有做出更多的调整才能适应新时代的到来。

参 考 文 献

[1]BERTVAN OERS JANTERWEL MARTIJNVAN SCHAIK.Learning in the school workplace：knowledge acquisition and modelling in preparatory vocational secondary education[J].Journal of Vocational Education amp; Training，2010（62）：163-181.

[2]巴索·伯恩斯坦.阶级、符码与控制（第三卷）：教育传递理论之建构[M].王瑞贤，译.台北：联经出版事业股份有限公司，2007：13.

[3]巴索·伯恩斯坦.阶级、符码与控制（第四卷）：教育论述之结构化[M].王瑞贤，译.台北：巨流图书有限公司，2006：13.

[4]徐国庆.基于知识论的职业教育实践课程观[J].全球教育展望，2002（12）：67-72.

[5]李胜，徐国庆.职业本科教育技术学科：学术意蕴、内涵要素与建设路径[J].高等工程教育研究，2022（6）：146-152.

[6]贺来.哲学社会科学研究中的“基础理论”[N].中国社会科学报.2021-10-12（1）.

[7]徐宏伟，庞学光.技术认识论视阈下的职业教育发展[J].教育发展研究，2014（17）：1-5+32.

[8]徐国庆.新职业主义时代职业知识的存在范式[J].职教论坛，2013（21）：4-11.

[9]LIESBETH K.J.BAARTMAN ELLYDE BRUIJN WENJA T.HEUSDENS.Knowing everything from soup to dessert：an exploratory study to describe what characterises students’vocational knowledge[J].Journal of Vocational Education amp; Training，2018：1-20.

[10]周旻.伯恩斯坦学校教育置位理论的内涵与运行机制[J].教育研究，2017（3）：122-129.

[11]潘懋元，朱乐平.高等职业教育政策变迁逻辑：历史制度主义视角[J].教育研究，2019（3）：117-125.

[12]唐培杰.资本积累新样态与资本主义时间景观[J].学术探索，2023（6）：59-66.

[13]WHITCOMBE，STEVEN W.Developing skills of problem-based learning：what about specialist knowledge[J].International Journal of Continuing Education and Lifelong Learning，2013（2）：41-56.

[14]祁占勇，王志远.经济发展与职业教育的耦合关系及其协同路径[J].教育研究，2020（3）：106-115.

[15]教育部财务司，国家统计局社会科技和文化产业统计司.中国教育经费统计年鉴2020[M].北京：中国统计出版社，2021：6-11.

[16]张熙，杨小汕，徐常胜.ChatGPT及生成式人工智能现状及未来发展方向[J].中国科学基金，2023（5）：743-750.

[17]YOUNG M，J.GAMBLE.Conceptualising vocational knowledge：Some theoretical considerations[M].Knowledge，curriculum and qualifications for south African further education.Human Sciences Research Council，2006：109.

[18]GAVIN MOODIE.Sources of vocational knowledge[J].Journal of Vocational Education amp; Training，2020（74）：50-67.

[19]闫金敏，戴雪红.阶级构造、身体形塑与生命生成——后人类时代的赛博格无产阶级研究[J].福建师范大学学报（哲学社会科学版），2023（6）：28-38+170.

[20]B BERNSTEIN.Pedagogy，symbolic control，and identity：theory，research，critique[M].Lanham：Rowman amp; Littlefield，2000：30.

[21]LEESA WHEELAHAN.How competency-based training locks the working class out of powerful knowledge：a modified Bernsteinian analysis[J].British Journal of Sociology of Education，2007（28）：637-651.

[22]WINCH C.Education and broad concepts of agency[J].Educational philosophy and theory，2014（6）：569-583.

[23]邓小华，连智平.数字技术重构职业教育场景：理论基础、表征样态与行动路径[J].重庆高教研究，2024（1）：63-73.

[24]李艳，陈琳，朱福根.国内虚拟仿真实训：现状、研究及启示[J].现代远距离教育，2023（6）：12-24.

[25]唐玉溪，何伟光.后发跨越式赶超：智能时代中国高职教育变革路向研究[J].中国远程教育，2023（12）：68-75.

[26]林健，杨冬.工程教育智能化：系统设计与整体实现[J].高等工程教育研究，2024（2）：1-11+96.

[27]杨冬.脱嵌与内嵌：智慧工程教学的现实困境与推进策略——基于技术嵌入理论[J].高校教育管理，2024（1）：33-46+69.

[28]STEVENSON，JOHN.Vocational knowledge and its specification[J].Journal of Vocational Education and Training，2001（4）：647-662.

[29]玛丽·L.格雷，西达尔特·苏里.销声匿迹：数字化工作的真正未来[M].上海：上海人民出版社，2020：35.

[30]迈克斯·泰格马克.生命3.0——人工智能时代人类的进化与重生[M].杭州：浙江教育出版社，2018：3.

Learning in Work-based Scenarios： Value Implications， Development Concerns and Future Directions

Pan Jing， Yi Hongjun

Abstract" Learning in work-based scenarios emphasizes organizing teaching activities centered around work contexts. This learning mode not only possesses the toolbox value of integrating disciplinary knowledge with tacit knowledge but also acts as an agent in modern Fordist production relations， effectively enhancing students’vocational skills and helping them quickly adapt to professional roles. However， with the deep involvement of artificial intelligence technology and the subsequent changes in production relations， learning in work-based scenarios may face development concerns such as high costs for scenario construction， weakened teacher functions， uncertain scenario knowledge， and impeded upward mobility for students. In response to these issues， this paper proposes developing mobile knowledge， achieving scenario fission， optimizing the selection of entry knowledge， and highlighting the development dimensions of human-specific advantages to provide references for the high-quality development of vocational education.

Key words" learning in work-based scenarios; contextualization of knowledge; artificial intelligence; code theory

Author" Pan Jing， PhD candidate of Hunan Normal University， associate professor of the Foreign Language College of Changsha Social Work College （Changsha 4100081）;" Yi Hongjun， professor of Hunan Normal University

作者简介

潘静（1982- ），女，湖南师范大学教育科学学院博士研究生，长沙民政职业技术学院外语学院副教授，研究方向：职业教育（长沙，4100081）；易红郡（1970- ），男，湖南师范大学教育科学学院教授，博士生导师，研究方向：英国教育史，比较教育

基金项目

湖南省社会科学成果评审委员会一般资助项目“基于服务‘三高四新’战略的湖南省高职院校核心竞争力提升研究”（XSP2023JYZ057），主持人：潘静