本文由东北师范大学教育学部博士生马方原（东莞市凤岗益田实验小学校长）与东北师范大学教育学部教授、博士生导师于伟合作完成，发表于《教育科学研究》2024年第9期。文章聚焦大语言模型（Large Language Models, LLM）时代下小学语文教学的转型路径，探讨了技术变革对传统语文教育提出的挑战及应对策略。

学术背景与研究主题

随着ChatGPT等生成式人工智能（Generative AI）的崛起，大语言模型凭借其超强的文本生成与交互能力，正在重构语言学习环境。文章指出，语文学习自古具有时代性特征：从古代贵族垄断的“经艺之本”到近代新文化运动的普及化，再到信息时代的检索能力培养，每个阶段的社会需求塑造了不同的语文能力标准。当前，《义务教育语文课程标准（2022版）》提出核心素养导向的教学目标，但大语言模型的普及进一步要求语文教育培养“生成式语文能力”——即学生需具备基于文本的探究、创新与实践能力，以应对人机协同的未来社会。

核心观点与论证

1. 大语言模型对语文教学的三大挑战

• 时代性断层：传统“知识型”和“积累式”教学难以匹配大语言模型的高效学习模式。例如，ChatGPT通过“自注意力机制”（Self-Attention）处理海量数据，而人类学习需经历缓慢的内化过程，效率差距显著。
  
• 能力需求转变：大语言模型可替代知识记忆与基础写作，迫使语文教育转向高阶能力培养，如批判性思维、跨学科整合及文化价值观塑造。
  
• 文化自信危机：模型输出可能隐含文化偏见（如西方中心主义），需通过“叙事性对抗”（Narrative Antagonism，源自拉克劳的理论）强化中华优秀传统文化的传播，避免学生价值观被技术渗透。
  

论据支持：联合国教科文组织报告《生成式人工智能与教育的未来》指出，AI加速教育自动化进程，但人文素养不可替代；作者引用秦代“书同文”和唐代“字样学”案例，说明语文历来承担文化治理功能。

2. 生成式语文能力的培养框架

文章提出三项核心职能：
- 叙事性对抗职能：通过语文教学构建文化话语权。例如，在“瀑布隐喻”中，若主流文化话语缺位，其他噪音将填补空白，故需强化中国故事讲述。
- 思维生成式引导职能：培养学生分析-综合-创造的思维链条。叶圣陶的语言心理学理论被援引，强调语言输出需经过复杂心理活动，区别于AI的机械生成。
- 美感对话职能：提升学生与大语言模型的交互质量。艾萨克森（Walter Isaacson）的“人机协同创新”理论佐证，审美创造能力（如写作提问技巧）决定模型输出效果。

实践路径：
- 人机互补教学：利用AI学伴（如“智慧学伴”机器人）提供实时反馈，结合“产婆术”追问法深化思维训练。
- 跨学科主题单元：以语文为主导，整合多学科知识解决综合问题（如环保议题的调查报告），培养信息整合能力。
- 伦理边界规范：需警惕技术对未成年人价值观的潜在影响，坚持教育导向，筛选模型输出内容。

3. 技术伦理与教育价值立场

作者援引马克思关于技术“双重性”的论述，指出大语言模型可能加剧“人文学科空心化”。例如，过度依赖模型会导致学生丧失原创表达能力。因此，语文教学必须：
- 明确技术角色：AI是工具而非主体，需通过《课程标准》强化语言规则与审美感知。
- 数据库管控：规范模型训练数据，避免意识形态渗透，例如在古诗文教学中优先选用本土文化语料。

研究价值与创新性

本文的学术贡献在于：
1. 理论创新：首次提出“生成式语文能力”概念，构建了人机协同时代的语文素养模型。
2. 实践指导：设计跨学科主题单元和AI学伴等具体策略，为一线教学提供转型方案。
3. 伦理警示：强调技术应用中文化主权的重要性，填补了现有研究对教育伦理关注的不足。

总结

该研究系统回应了大语言模型对基础教育的影响，既揭示了技术冲击下语文教育的危机，也提出了以能力重构、文化坚守和技术批判为核心的解决方案。其跨学科视角（语言学、教育学与AI伦理）和本土化立场（如“书同文”的历史参照）为后续研究提供了重要范式。