您的位置: 首页 >理论观点>详细内容

理论观点

刘绪:人工智能大语言模型如何影响拔尖创新人才培养

来源:高校教育管理 发布时间:2024-10-25 16:56:07 浏览次数: 【字体:

摘要

人工智能大语言模型作为科技领域的热门技术之一,正在改变教育的发展形态和人才培养方式。文章分析了人工智能大语言模型的特征和对拔尖创新人才培养的影响。人工智能大语言模型能激发学生的探索欲、助力个性化学习、强化主动思考的能力,但也存在信息交互失准、情感交流缺失和学习实践遇阻等潜在问题。人工智能大语言模型发展背景下,培养拔尖创新人才需要重塑智能化时代的教育评价、重申技术渗透下的教师角色、创新课堂教学方法、重构高效的教育管理理念,充分发挥人工智能大语言模型在拔尖创新人才培养中的积极作用,弱化和规避其消极作用,促进拔尖创新人才的成长。

关键词人工智能;大语言模型;拔尖创新人才;启发式教学;个性化学习;教师角色

一、 问题提出

当前,以信息技术、智能技术、泛在互联技术为核心的技术革命正在重塑产业革命布局和世界竞争格局。人工智能大语言模型(以下简称“大语言模型”)作为当今科技领域的热门技术之一,正在逐渐改变各行各业的发展格局。如OpenAI公司的GPT4模型能够通过深度学习技术处理大量文本数据,掌握了丰富的语言规律和知识体系。这些模型不仅能理解和生成自然语言,还在多领域展现出强大的学习和推理能力。随着深度学习技术的不断进步,大语言模型在多方面取得的突破性进展为社会经济和行业发展变革带来了巨大潜力。

拔尖创新人才培养是一个应时应需而生的命题。当下,新技术革命如火如荼,技术的竞争归根到底还是拔尖创新人才的竞争。在此背景下,加大拔尖创新人才培养力度、提升拔尖创新人才培养质量已迫在眉睫。党的二十大报告指出,全面提高人才自主培养质量,着力造就拔尖创新人才。从学科角度看,拔尖创新人才主要包括科学研究型高层次创造性人才、应用研究型高技术创新人才和某一专业领域有特长的高级专门人才。这些人才不仅需要具备完整的知识结构、较强的创新能力和实际问题解决能力、良好的个人品质,而且需要具备自我学习能力、创新实践能力以及参与国际竞争与合作的交流沟通能力等。这客观上要求高校提供更加个性化、多样化的教育,创造更多机会,提供更充裕的资源,以满足拔尖创新人才培养需求。但实践中如何在资源相对有限的情况下集中力量培养拔尖创新人才?对此,大语言模型有助于化解这一困境,为拔尖创新人才培养注入新资源。一方面,作为强大的学习工具,大语言模型可以在短时间内为学生提供丰富的知识,帮助学生理解和运用这些知识。另一方面,大语言模型可以提高教学的智能化水平,使教师根据学生的特点提供个性化的教学方案,激发学生的兴趣和潜能,提高人才培养质量。与此同时,大语言模型应用于拔尖创新人才培养不可避免地也会带来一些消极影响。基于此,文章尝试在分析大语言模型基本原理和技术特征的基础上,讨论其在拔尖创新人才培养中的积极作用和潜在的消极影响,提出如何充分利用大语言模型优势发挥其在拔尖创新人才培养方面的积极作用,弱化和规避其消极作用,以期更好地服务国家拔尖创新人才培养。

二、大语言模型的基本原理和技术特征

语言作为人类表达和交流的重要能力,自20世纪50年代起就有科学家尝试让计算机去掌握这种能力。语言模型(LM)作为实现这一目标的重要方法,经历了四个主要阶段,即统计语言模型(SLM)、神经语言模型(NLM)、预训练语言模型(PLM)和大语言模型(LLM)。以ChatGPT为代表的大语言模型在机器翻译、文本分类等自然语言处理领域表现出的能力是其区别于前三种模型的主要特征。大语言模型作为一种基于深度学习技术的人工智能系统,目标是通过对大量语言数据的学习,实现自然语言的理解、生成和应用。这种技术的出现极大拓展了人类处理自然语言的能力,其不仅可以应用于语言理解、文本生成和机器翻译等领域,还能支持对话系统和自然语言推理等更复杂的任务。本质上讲,大语言模型的基本原理可概括为三方面,即模型结构、学习算法能力和计算能力。模型结构是大语言模型的基本架构,核心是深度神经网络。典型的大语言模型如GPT、BERT等采用了谷歌2017年推出的具有里程碑式意义的Transformer架构,主要包括自注意力机制和前馈神经网络,可以实现对序列数据的处理和表示,该架构使大语言模型在处理自然语言文本的远程依赖关系时具备优异性能。自注意力机制可以在一个序列中建立词与词之间的关联,前馈神经网络可通过多层非线性变换,从输入序列中提取更抽象的语义信息,有效理解句子中单词间的关系。学习算法能力体现的是大语言模型如何从大量的语言数据中自适应学习,并提升其在特定任务上的性能。典型的学习算法包括监督学习、无监督学习和强化学习。在自然语言处理领域,无监督学习是应用最广泛的。无监督学习主要包括预训练和微调两个阶段。在预训练阶段,大语言模型会利用大量无标签数据进行自我训练,学习一个通用的语言模型。在微调阶段,大语言模型会根据具体任务微调权重和偏差,使其在完成下游任务时能有优秀表现。除模型结构和学习算法外,大语言模型的发展主要取决于计算能力的提升。出色的计算能力能够保证大语言模型的正常、稳定运行而不至于崩溃。由于大语言模型需处理海量语言数据并进行大规模训练和推理,故而需要强大的算力支持。目前,大语言模型的训练通常使用分布式训练技术,即将一个大型的任务分成多个小任务,部署到多个图形处理器(Graphics Processing Unit)和张量处理器(Tensor Processing Unit)中,使其能在较短时间内处理大量数据和进行复杂运算。

自诞生之日起,大语言模型一直致力于构建连接人类语言与计算机的桥梁,且经过不断发展创新,具备了如下技术特征。一是高度智能化的自然语言处理能力。大语言模型基于神经网络和深度学习技术,可从大量文本数据中学习语言规律。通过对不同领域和类型的文本训练,大语言模型能理解和生成自然语言,为人类提供高质量文本处理服务。二是强大的知识存储能力。大语言模型在训练过程中不仅学习了语言结构和规律,还吸收了大量的知识。这些知识以一种隐形的形式存在于模型的神经网络中,使大语言模型具备了强大的知识存储能力。用户可以通过与大语言模型的交互获取所需信息,大语言模型则能根据用户的问题进行知识检索和信息整合,为用户提供准确答案。三是灵活的多任务学习能力。

大语言模型的一个重要特点是具备多任务学习能力。这意味着在训练过程中,大语言模型可以同时学习不同类型的任务,提高在各个任务中的表现。例如GPT4在生成文本、摘要、翻译等任务上都有出色表现。这使得大语言模型具备了广泛的应用价值,可在各个领域提供高效的智能服务。四是可迁移和可扩展能力。大语言模型在训练过程中学到的知识和技能具有很高的可迁移性。这意味着大语言模型在一个任务中学到的知识和技能可迁移到其他任务或领域,使其在学习新任务时具有很高的效率。此外,由于庞大的参数规模和神经网络结构,大语言模型具有很强的可扩展能力。这意味着在面对更复杂和更具挑战性的任务时,大语言模型可以通过扩大和提升学习的规模和深度提高其性能。

大语言模型的智能性、创新性和多领域适切性推动了高等教育尤其是人才培养模式的改革。就“人工智能时代需要什么样的人才”这一命题而言,个体的思维能力和品格特质如创造力、情商、审美等在人才培养中的重要性进一步凸显。人才培养观念转变为培养更具复合型知识结构、人工智能技术使用能力、创新素质的综合型人才。对于高等教育而言,大语言模型技术凭借强大的应用能力迅速与各领域结合,为高等教育改革带来了新机遇。具体表现为,在培养目标上,大语言模型的兴起使拔尖创新人才培养目标走向智能化、自动化和类人化;在培养内容上,高校可进一步将智能科学与技术纳入学生的通识课程,技术发展与意识形态安全间的关系也成为思想政治教育的重要内容;在教学体系上,高校可以利用人工智能技术打破校内外的信息壁垒,打造教学类大数据平台,构建智慧教育体系,搭建立体式学习场域,促进个性化教育教学,实现学科间的交叉融合;在学习方式上,学生可以借助大语言模型拥有智能化的学习顾问,实现自然对话,根据需求寻找学习资源,形成个性化的学习路径。

大语言模型在推动高等教育改革的同时,也暴露了当前人才培养中的一些问题,如当前的人才培养理念和目标与技术发展要求脱轨,优质教育资源缺乏,人才培养评价体系相对滞后,掌握人工智能技术的师资力量薄弱,高等教育活动中学生数据安全存在较大隐患,高校改革动力不足等。客观全面认识技术发展对拔尖创新人才培养带来的挑战是实现技术与教育共同发展的重要课题。

三、大语言模型对拔尖创新人才培养的积极作用:为启发式教学提供良好平台

作为一种教学类型和教学原则,启发式教学强调教师通过情境创设调动学生学习的积极性和主动性,促进学生自主学习和探知。在启发式教学中,“启”是“发”的前提,“发”是“启”的结果。“启”的主体是教师,“发”的主体是学生,启发式教学即教师引导学生发挥个体主观能动性进而思索求知。孔子提出“不愤不启,不悱不发,举一隅不以三隅反,则不复也”。学习过程中学生遇到疑难问题未解决时,会出现愤悱状态。教师的及时引导和启发能有效提高学生的认识水平。启发式教学强调培养学生的反思能力,鼓励学生提问并探究问题。大语言模型为启发式教学提供了良好的资源和平台。

(一) 激发学生的探索欲

第一,大语言模型能激发学生的好奇心。个体生而具有探索新奇问题的本性,只是应试教育将求知欲引向寻获高分的求胜欲。在此过程中,学生学习的重心往往是追求答案和定论以回应特定问题,止步于所谓的正确答案。这会在很大程度上磨灭学生的好奇心,使学生陷于碎片化的知识中,较少探索问题与知识的边界。大语言模型通过广泛的信息获取能力和灵活的互动方式,能提供多样化的视角让学生有机会重新回归问题本身,激发学生的好奇心,进行更深入的思考与探索。此外,大语言模型的回答并不局限于标准答案,而是鼓励学生提出新问题和假设,这种动态的交互体验也能促使学生更主动地探究知识的深度与广度。通过与大语言模型互动,学生可以逐渐摆脱追求单一答案的束缚,发现学习的乐趣,并在不断探索与质疑中提高和增强更深层次的思维能力和创新意识。

第二,大语言模型能引导和激励学生进行思考。大语言模型的类人化思维实现了人机高质量互动,其通过持续、高质量的启发式互动能在一对一聊天中引导学生思考、质疑和追问。大语言模型通过文本输入和输出与学生对话,由于其模仿了人类分析、综合、比较、抽象、判断和推理等基本思维过程,既能为学生提供综合性、多样化的解决方案,又能激励其根据答案继续追问,在持续性的对话互动中不断引导学生进行深度思考,提出新问题,激发学生的探索欲。

(二) 助力个性化学习

第一,大语言模型能辨识学生的个性化需求,营造以学生为中心的启发式教学环境。人工智能技术的发展有效解决了传统教育中资源分配大一统、信息获取不便等问题,为学生提供了更具针对性和更便捷的信息获取机会。大语言模型能基于学生的水平,为其提供针对性的学习资源,满足学生的个性化需求,一定程度上实现了因材施教、量体裁衣。如ChatGPT具有强大的资源搜索和整合功能,能根据学生提出的问题提供基于学生个体需求的学习内容,以个性化的教育服务调动学生学习的积极性。

第二,大语言模型能形成个性化的学习方案,为差异化与多元化的启发式教学提供保障。受制于教育资源的数量和质量,现实中的因材施教和启发式指导难以实现。大语言模型能够模仿人类的思维,根据学生的输入收集并存储信息,进而精准分析并把握学生的学习状况、兴趣点、学习风格和能力水平等,为学生量身定制符合其需求的学习计划和方案。大语言模型还能无限留存学生的问题和学习任务,记忆和把握学生的学习能力和水平,生成学生发展需求信息库,进一步提高解答的准确性、针对性,引导学生实现知识和能力的渐进式发展。

(三) 强化主动思考的能力

第一,大语言模型有助于提高学生的语言表达和逻辑思维能力。大语言模型大大减少了信息检索的时间,但对学生检索时的语言表达能力提出了较高要求。信息数据智能化时代,搜索、识别并选择有效数据是个体的重要工具性能力。大语言模型与学生通过文本进行交流,若学生表述错误、用词不当或指意不明,则无法获得有效信息。因此,学生需要思考任务,明确学习目标并提出有效问题,在持续性的问题剖析和反思中获取信息并解决问题。这一过程不仅能促使学生提高自身的语言表达能力,而且能提升学生的逻辑思维能力。

第二,大语言模型的在线互动功能能促进学生积极思考。与教师相比,大语言模型具备易获取、即时在线等特点,成为学生跟随型的虚拟互动教师。学生可根据需求随时互动,通过提出问题并不断追问寻求答案,使大范围、持续性和即时性的互动成为可能。以ChatGPT为代表的大语言模型能根据个体的输入要求提供对应的知识。但如何辨别所获取信息的真伪和寻求问题的最优解则需要学生思考。这类工具与学生之间不是“提问提供使用”的关系,而是“提问提供辨识加工使用”的关系。只有主动辨识大语言模型提供的信息,才能使其更好服务于学生的发展,实现学习和成长的目标。这一过程也是学生学习知识、深度思考和建立知识体系的过程。

第三,大语言模型有利于培养学生的反思能力。传统教育模式中,学生往往依赖教师提供的答案,缺乏对问题进行深层次思考的机会。大语言模型能够根据学生的输入进行回应和反问,促使学生审视自己提出的问题。这种互动方式要求学生不仅要提出问题,还要反思问题背后的逻辑和假设,并评估大语言模型提供答案的合理性和可靠性。在这一过程中,大语言模型能够引导学生从多角度审视问题,不断调整自己的思路,对问题本身形成更全面和更具有批判性的理解。这有助于培养学生的反思能力和批判性思维,提高学生在复杂问题情境下的分析和判断能力,实现知识的深度内化。

四、 大语言模型对拔尖创新人才培养的消极影响

(一)信息交互失准

第一,数据资源依赖带来信息不准确的问题。大语言模型输出的结果取决于模型已有的数据信息库。现有模型主要源于网络的已有数据,在当前数据信息量呈指数级增长的环境下,大语言模型数据的时效性、准确性、多样性和广泛性都存在一定偏差。在前沿技术领域,如果模型数据不能及时更新或训练不足,有可能生成错误结果,出现概念无用、捏造信息、查找无效、文不对题等现象,甚至会根据错误结果生成虚假解决方案。学生如果过于依赖大语言模型输出的信息,可能会被误导甚至造成不利于自身学习成长的结果。

第二,信息输入不当带来结果输出失准的风险。作为智能对话工具,大语言模型能进行类人化思考,能在一定程度上感知和理解输入者的需求。但学生如果语言选择不当或表达模糊,尤其在处理复杂多层次问题时,大语言模型就会出现答非所问的情况。例如当输入含有歧义的词汇或语句结构不严谨时,大语言模型可能会根据其训练数据中的偏好给出与学生意图完全不符的答案。这种反复无效的互动不仅会让学生获取错误信息,陷入思维困境,降低学习效率甚至妨碍有效学习,还可能影响学生的信心与学习效能感。

第三,算法搭建可能存在意识形态偏见。人工智能可能会生成带有意识形态偏见的结果。由于大语言模型在算法设计和训练中使用的数据集通常来源于不同社会和文化背景,这些资源本身可能带有特定的意识形态倾向或文化偏见,在此基础上训练的大语言模型势必会吸收并反映这些偏见。例如大语言模型可能会倾向于某种特定的政治观念、文化价值或社会规范,生成的内容无意中会强化这些偏见。学生如未能意识到这一点,便会被这些偏见影响从而形成片面的认识和判断。大学时期,学生的世界观和价值观尚在形成过程中,这种意识形态偏见会通过无意识的传递影响学生的学习和成长。

(二) 情感交流缺失

第一,大语言模型不利于个体实现良好的情感交流。教育过程是基于知识进行的情感交流,个体情感体验是教育教学的重要内容。教师教授知识的同时进行人文关怀和情感教育,能够帮助学生形成正直善良的品性和高尚的人格。但是,大语言模型的大量使用可能导致学生情感交流的缺失。虽然大语言模型能实现类人化思考,但其本质仍是工具而非具有主动意识的生命体。因此,大语言模型不可替代人类的情绪、情感、意志品质,无法进行社会化的交往。虽然这类智能工具能接收学生的情感信息,但能进行的情感理解和交流非常有限,无法产生共情和处理复杂的情感事件,实现真正的情感交流。学生如果长期依赖人机交往,忽视人与人之间的沟通,将在一定程度上消解学生在现实世界中的思想碰撞和共情。

第二,大语言模型减少了个体的情感交往实践。人是群体性动物,学校为学生提供与来自不同成长背景的同龄人朝夕相处的现实环境,学生通过日常交流和集体生活为日后成人生活与社会交往做准备。虽然大语言模型逐渐类人化,但其不能使个体产生现实生活中与人交往产生的现实感受,也不能如亲友、教师、同学一样在交流互动中给予学生丰富的情感体验。学生如果长久单一依赖大语言模型解决问题,会失去真实生活场景下的实时互动,久而久之其人际沟通能力会降低,甚至会忽视真实世界中的情感交流,出现情感漠化的风险。

第三,大语言模型可能会弱化师生的主体性。教学过程中教师是教的主体,学生是学的主体。师生在教学活动中的主体性是有效开展教育教学活动的基础。大语言模型在知识搜索上的便捷性易使教师和学生产生知识依赖,消解教师传道授业解惑的主体性和学生学习的自主性。教师成为教学过程中的技术使用者,学生成为课堂的边缘者,教学则成为以智能技术或工具为支点的活动。如果课堂中大语言模型的使用缺少制约和束缚,就会导致课堂教学中出现工具至上和工具万能的错误认知,这会弱化教师和学生的主体性。

(三) 学习实践遇阻

一是学习目标迷失的风险。学习是学生主动参与教学活动,经过思考获取知识和实现个人成长的过程。大语言模型能够根据个体要求搜索资源、整合知识、形成解决方案,但其基本功能是整合现有数据。学生如果过于依赖人工智能解决基本问题,忽视或省略对知识的批判性思考,会简化或固化自己的思维从而迷失学习目标。正如杜威(John Dewey)“从做中学”的教育理念,学习需要学生创建和积累个体的实践经验。学习本身是一种体验,失去了学习、理解和思考的体验,学生很难找寻到事物的本质和规律,学习便不再是成己的过程,也不再是成人的活动。

二是学习动机偏离的风险。大语言模型为学生提供了快速获取知识的途径,这种便利性也可能引发学生学习动机偏离的风险。学习的核心在于理解与内化知识而非简单获取答案。当学生过度依赖大语言模型获取即时解答时,可能会忽略对知识的深度理解和批判性分析,让学生懈于思考,将学习变成利用工具应付学习任务的活动。这种依赖性使学生倾向于追求即时反馈和表面结果而非真正理解和掌握知识体系。长此以往,这样的模式会影响学生批判性思维的培养和问题解决能力的提升。这种动机的偏离不仅削弱了学生学习的内在驱动力,还可能致使学生的长期发展受限。

三是学习行为失范的风险。学习行为的规范性体现在学术诚信和知识构建过程的严谨性上。学生直接搬运大语言模型的搜索结果会增加其作弊的可能性。这种行为显然违反了学术诚信的原则。此外,学习行为失范还表现为对大语言模型输出的盲目信任,忽视对信息来源、内容准确性的审核评估,违背了知识学习的严谨性。这种失范行为的长期积累会影响学生的知识构建质量,阻碍其成长和发展。

五、大语言模型助力拔尖创新人才培养的有效措施

大语言模型的发展正在开启高等教育新时代,科学认识其对拔尖创新人才培养的影响是充分发挥其作用的基础。文章论述了大语言模型的基本特征,从积极和消极影响两方面论述了大语言模型如何影响拔尖创新人才的培养。一方面,大语言模型能激发学生的探索欲,助力学生的个性化学习,提高学生主动思考的能力。另一方面,学生也会经常面临信息交互失准、情感交流缺失和学习实践遇阻等问题。基于上述讨论,我们可以从以下四个方面着手,充分发挥大语言模型在拔尖创新人才培养过程中的作用。

(一) 重塑智能化时代的教育评价

在非智能化时期,学校教育的主要目的聚焦于教师的知识传输和学生的知识获得。在这一导向下,知识吸收的数量和质量成为学生学习行为考核的焦点。大语言模型的应用提供了知识识记和理解的新路径,加速了理论知识的传授过程。这一转变使学生可以方便快捷地获得知识性答案,以此达成传统考试的目标。但是在以知识为主要评价点的传统考核评价模式下,大语言模型的不当应用也会引发系列负面效应,如增加作弊、学术不端行为,使学生忽视对知识的理解,降低其独立思考的能力等。因此,在使用大语言模型趋势无法逆转的情况下,高校应以积极的态度面对挑战,调整和完善学生的评价体系,助力拔尖创新人才培养。第一,高校需要正确认识大语言模型对当前教育评价体系可能产生的冲击,分析其带来的不利影响。第二,高校应合理降低知识性、应试性内容的考核比例。第三,高校需要适当调整学生评价体系中封闭性问题的比例,加强对学生学习过程的评价,丰富和更新学生评价指标。第四,高校要重视基于“知识+能力”的综合性评价。知识的获取是基本要求,但拔尖创新人才培养的目标是提高学生的学习能力、批判思考能力和创新能力。在学生评价指标设定中,高校要有意识增加开放性问题,让学生善于借助大语言模型分析问题,加强思维训练,解决富有挑战性的问题并提高独立思考问题的能力。

(二) 重申技术渗透下的教师角色

大语言模型带来知识获取方式、学习途径的改变,也促使教师角色发生了变化——教师不再是知识获取的主渠道。大语言模型在知识储备整合上的强大功能优于每一位教师,给作为知识权威角色的教师带来了挑战。但是,作为教学活动的组织者和实施者,教师在教育教学过程中的育人和情感交流功能难以由人工智能替代。尤其是在拔尖创新人才培养过程中,教育活动的人文性、复杂性和教育目标的多维性、复合性以及教育形式的灵活性、创新性决定了教师在教育活动中的不可替代性。教师不仅是知识的传授者,更是情感的传递者、价值的引导者和人格的塑造者。因此,教师应准确认识大语言模型的工具性角色和自身传道育人的角色,将技术发展为知识传授节省的精力和时间用于引导学生的高阶思维锻炼、创新能力发展、情感交流和品性养成上,成为学生知识、能力、情感全面发展的引路人。在坚定自身角色和作用的基础上,教师也面临与人工智能共存的问题。教师需正确认识人工智能,最大限度利用大语言模型协助教育教学活动,实现从“课件课堂”到“智能助手课堂”的转变,并在技术的帮助下,通过开发教育资源、优化课程内容和形式、加强个性化教育、融通学科知识等手段提升学生的创造性思维,进而提高拔尖创新人才培养质量。另外,算法的不透明、信息资源的原生偏见、知识错误与盲区等均有可能导致大语言模型输出结果的失准,误导学生的学习和行为。此时,教师需要引导学生有效防范使用大语言模型的潜在风险,避免大语言模型对学生个体人格形塑产生消极影响。

(三) 创新课堂教学方法

人工智能时代加速了教育变革,激励我们改变原有的教育教学方式。高校可以借助大语言模型助力学生的学习。对于教师而言,大语言模型能将教师从重复、复杂、耗时的基础教学环节中解放出来。这就要求教师根据教学目标将大语言模型作为新兴教学工具融入教学过程,将技术发展与知识学习相结合,借助大语言模型,在教学内容上实现从文字到动画演示、从图片到虚拟操作、从单一时空到多维时空的转变,丰富课堂教学内容和方式,激发学生的课堂参与兴趣和积极性。

(四) 重构教育管理理念

大语言模型以超越人类思维的速度处理信息,能够帮助我们解决复杂问题,提供多样化的解决方案,显著提升个体和组织处理信息的效率。具体到教学领域,大语言模型能无限制储存和分析日常教育教学中耗时复杂的计算性工作。因此,在拔尖创新人才培养过程中,高校可以根据学生的兴趣、能力和需求利用大语言模型生成定制化的学习计划和资源,帮助他们在感兴趣的领域深入探索。此外,根据全面评价的理论观点,不间断的时间序列学习数据是实施全面性和综合性评价的基础,也是过程性评价的重要依据。鉴于大语言模型能即时保留学生的学习数据,高校可以通过大语言模型,结合拔尖创新人才培养规律,适时对学生的学习进行智能化追踪与评价,客观分析人才培养目标的达成度,也可以借助大语言模型,通过输入学生的相关数据和人才培养的目标要求,分析学生在教育教学活动中的表现,及时发现人才培养过程中的问题。此外,高校还可以将大语言模型应用于教学系统,协助教师进行更精准的教学评估和反馈,通过分析学生的学习数据帮助教师识别学生的优势与不足,从而制定更有针对性的教学策略,助力拔尖创新人才培养。

六、结语

深入推进高等教育数字化和智能化发展,着力培养拔尖创新人才是我国实现人才强国战略目标的重要组成。以互联网和人工智能为焦点的科技革命如火如荼,技术的竞争最终是人才尤其是拔尖创新人才的竞争。培养具有智力天赋、完整知识结构、问题意识和辩证思维、良好执行力和团队合作能力的拔尖创新人才是保持并增强我国综合国力的重要支撑。大语言模型的出现为拔尖创新人才培养带来机遇的同时也带来了不少挑战。全面理解大语言模型的利弊,探索其局限性和可能性,有助于我们更好发挥其在教育教学活动中的作用,助力拔尖创新人才培养。

来源:高校教育管理


责任编辑:童玉婷