类型b：

作者与机构
本文由中央民族大学教育学院的孙立会教授（博士生导师）与博士研究生周亮合作完成，发表于《现代远距离教育》2025年第1期（总第217期）。研究受国家社会科学基金2023年度教育学重大课题攻关项目“数字教育形态研究”（编号：VCA230011）支持。

主题与背景
论文聚焦“生成式人工智能素养”（Generative AI Literacy）的概念演变、框架构建与提升路径，回应ChatGPT等生成式AI技术对教育领域的颠覆性影响。随着生成式AI在文本、图像等多模态内容生成中展现“涌现能力”（Emergent Ability），传统以“理解与应用”为核心的“判别式人工智能素养”（Discriminative AI Literacy）已无法覆盖其技术特性与伦理挑战。研究旨在构建适应智能社会需求的生成式AI素养综合框架，并提出系统化培养路径。

主要观点与论据

1. 生成式人工智能素养的概念演变

研究梳理了AI素养的三阶段发展脉络：
- “反应式”阶段（1950s-1960s）：以逻辑推理为核心的早期AI（如国际象棋程序）仅能基于规则提供机械反馈，对应素养强调“理解技术辅助学习”（如Agre, 1972提出的基础编程能力）。
- “判别式”阶段（1980s-2010s）：机器学习技术（如专家系统、AlphaGo）推动素养转向“分类与预测”能力，要求批判性评估AI输出（如Kandlhofer等2016年提出的“知识-技能-伦理”三维框架）。
- “生成式”阶段（2022年后）：以ChatGPT为代表的生成式AI具备创造性输出能力，素养需扩展至“人机协同创新”（如Bozkurt提出的“知道什么-如何-为什么”三层结构）。

支持论据：
- 技术层面：OpenAI技术报告显示，GPT-4在GRE、SAT等考试中超越90%以上人类考生，凸显其“类人智能”潜力。
- 教育挑战：生成式AI可能引发学术诚信风险（如作业抄袭）、知识幻觉（Hallucination）及伦理失范（如数据偏见）。

2. 生成式人工智能素养的框架构建

研究提出“二维综合框架”，包含要素层级（认知、实践、视角系统）与进阶水平（知识理解→运用实施→评估创造→伦理安全），共12项核心素养（见表1）：

2.1 认知系统
- 基础概念知识：理解大语言模型（LLM）、生成对抗网络（GAN）等技术原理。
- 感知批判能力：识别生成内容的真实性（如通过多源验证规避幻觉信息）。
- 身份意识：确立“人类主导”的数字化公民责任（引用约纳斯责任伦理理论）。

2.2 实践系统
- 提示工程（Prompt Engineering）：设计思维链提示（Chain-of-Thought Prompting）优化输出质量。
- 微调训练能力：通过指令微调（Instruction Tuning）适配个性化需求（如教育领域专用模型）。
- 责任意识：遵循数据匿名化、算法公平性等原则（如RLHF技术实现人类价值观对齐）。

2.3 视角系统
- 道德评估能力：评估生成内容的合规性（如版权、隐私风险）。
- 反思意识：分析技术对社会结构的长期影响（如数字鸿沟加剧）。

理论依据：
- 基于马扎诺教育目标分类法划分认知、实践、视角系统；
- 参考修订版布鲁姆分类法设定四阶能力水平。

3. 生成式人工智能素养的提升路径

研究提出“四观协同”路径（图2）：

3.1 政策观
- 制定教育专用大模型（如“智思体”）开发规范，强调人类价值对齐（Human Alignment）。
- 案例：北京市2024年《教育领域AI应用指南》明确生成式AI的教学边界。

3.2 培育观
- 分阶段培养：从基础认知（如LLM原理）到高阶应用（如跨学科项目设计）。

3.3 课程观
- 开发融合“软硬技能”的课程：
- 硬技能：提示工程、模型微调；
- 软技能：伦理辩论、社会影响分析。

3.4 评估观
- 设计多维评价体系（如生成内容真实性、伦理合规性）。

论文价值与意义

1. 理论贡献：首次系统界定生成式AI素养的概念框架，弥补了传统AI素养在“创造性输出”维度的缺失。
   
2. 实践指导：为教育政策制定者、课程开发者提供分层培养方案，尤其强调指令微调与伦理反思的实操性。
   
3. 社会意义：回应联合国教科文组织《北京共识》对AI素养普及的呼吁，助力规避技术滥用风险。
   

亮点：
- 创新性提出“微调训练能力”作为核心素养，推动个性化教育大模型发展；
- 整合技术伦理与公民教育，构建“人类-技术-社会”协同发展的素养生态。