近年來，國內(nèi)與教育應用相關(guān)的大模型如雨后春筍般涌現(xiàn)，涉及備課規(guī)劃、作業(yè)生成、智能輔導、互動答疑、測試評價等多個教學場景。在這些教學場景中，大模型最常用的功能是生成教學所需的圖片、音視頻、教案、課件、作業(yè)、試題等，這些均屬于數(shù)字教育資源的范疇。
　　
　　我國數(shù)字教育資源建設歷經(jīng)多年發(fā)展，在資源開發(fā)模式上已較為成熟，整體呈現(xiàn)出多方開發(fā)主體協(xié)同、多類用戶參與、多種共享手段互補的資源開發(fā)特色，但仍存在資源體量不夠大、資源開發(fā)效率不夠高等不足。大模型在數(shù)字教育資源建設領(lǐng)域中的引入和應用，有助于實現(xiàn)數(shù)字教育資源開發(fā)的批量化、海量化、高效化，為解決數(shù)字教育資源開發(fā)中的體量、效率等瓶頸問題提供新的思路和解決方案。
　　
　　1 大模型可大幅提高數(shù)字教育資源建設效率
　　
　　大模型依靠其文本理解和生成能力，能夠準確識別和理解用戶所提出的教育資源開發(fā)需求，自動生成與用戶需求相匹配的文本型資源，如教案、教學大綱、習題等。此外，大模型依靠其多模態(tài)處理能力，還可將文本、圖像、音頻、視頻等媒體元素進行融合，生成互動式教育資源，如歷史場景對話、語言學習配音、虛擬實驗操作等。同時隨著大模型在教育中的應用不斷延伸，依靠其上下文推理與交互能力，在與學生進行多輪對話過程中，能實時感知和監(jiān)測學生的學習狀態(tài)和水平，并據(jù)此動態(tài)調(diào)整資源內(nèi)容難度和資源呈現(xiàn)方式。
　　
　　可見，大模型可大幅提高資源開發(fā)效率、降低資源開發(fā)成本、提升資源精準服務水平。大模型在促進數(shù)字教育資源的快速生產(chǎn)，降低人力成本和時間成本的基礎上，依靠其先進的算法和強大的算力，可同時滿足面向不同學科、不同學段、不同用戶的資源生成需求，能有效解決我國教育體量龐大而數(shù)字教育資源供給相對不足的問題，助推數(shù)字教育資源的快速普及和推廣應用。
　　
　　此外，大模型能通過智能語義分析自動建立資源之間的關(guān)聯(lián)，形成多元化的資源群，構(gòu)建復雜的知識圖譜。借助知識圖譜，一方面可使資源在彼此關(guān)聯(lián)基礎上形成結(jié)構(gòu)化的知識體系，另一方面可實現(xiàn)資源的個性化分發(fā)和精準化推送，實現(xiàn)在數(shù)字教育資源層面的因材施教。
　　
　　2 大模型助力數(shù)字教育資源建設的實施路徑
　　
　　由大模型生成的數(shù)字教育資源在本質(zhì)上是一種由資源開發(fā)者和大模型共同創(chuàng)作和生成的教育資源，即該類資源并不是由大模型獨立生成的，是資源開發(fā)者與大模型在彼此互動過程中以教學需求為牽引、以人機對話為手段所生成的數(shù)字教育資源。鑒于大模型生成數(shù)字教育資源過程中所具有的協(xié)同性、互動性、創(chuàng)造性、共生性等特點，在大模型助力數(shù)字教育資源建設的具體實施上應遵循三個原則、執(zhí)行六步流程、做好四方核驗。
　　
　　三個原則即人機互促原則、人機互信原則和人機互補原則。要厘清資源開發(fā)者與大模型的各自職責范圍，既充分發(fā)揮資源開發(fā)者的意義建構(gòu)和知識闡釋優(yōu)勢，又大力彰顯大模型的信息加工和知識生成優(yōu)勢，在人機相互促進中完成資源創(chuàng)作與生成。
　　
　　六步流程即確定需求、素材生成、素材審核、重組聚合、分發(fā)試用、反饋優(yōu)化等六個資源開發(fā)流程。確定需求是資源開發(fā)的前端環(huán)節(jié)，即以需求調(diào)研為基礎，精準確定用戶對資源內(nèi)容、表征形式、結(jié)構(gòu)等方面的需求。素材生成是指資源開發(fā)者將資源需求轉(zhuǎn)化為精確提示詞，與大模型通過互動輸入的方式生成多模態(tài)數(shù)字教育資源素材。素材審核是指資源開發(fā)者與大模型以協(xié)同方式對生成的資源素材進行形式和內(nèi)容篩查，剔除不符合要求的素材。重組聚合是指對大模型生成的資源素材進行聚合集成，使其形成功能齊全的資源有機體。分發(fā)試用是指將生成的資源進行小范圍分發(fā)，獲取用戶試用的第一手資料。反饋優(yōu)化是指將師生用戶試用資源后的體驗和感受反饋至資源開發(fā)者和大模型，以達成數(shù)字教育資源的迭代開發(fā)和持續(xù)優(yōu)化。
　　
　　四方核驗即由資源開發(fā)者、學科專家、資源使用者、AI檢測工具四方協(xié)同，對資源進行多維核驗，核驗通過的資源方可進入正式流通環(huán)節(jié)。其中，資源開發(fā)者主要從規(guī)范性、交互性、互操作性、可復用性等維度對資源的技術(shù)屬性進行把關(guān)；學科專家主要從科學性、準確性、權(quán)威性、完整性、相關(guān)性、時效性等維度對資源內(nèi)容屬性進行審查；資源使用者主要從教學設計合理性、教學活動支持度、教學場景適配性、教學目標達成度等方面對資源的教學性能進行核查；AI檢測工具則主要對資源的訓練數(shù)據(jù)來源、語言質(zhì)量、技術(shù)標準等進行自動篩查。
　　
　　3 控制和化解數(shù)字教育資源建設風險
　　
　　隨著大模型在教育教學中的應用日益廣泛，由大模型生成的數(shù)字教育資源正逐漸成為傳統(tǒng)數(shù)字教育資源的重要補充。但受制于數(shù)據(jù)、算法等方面的局限性，數(shù)字教育資源開發(fā)中應用大模型存在一定的風險，既包括技術(shù)及方法層面的風險，也包括內(nèi)容及倫理層面的風險，如生成資源的版權(quán)歸屬存在爭議、生成資源的質(zhì)量難以保證、用戶隱私信息容易泄露等。對這些可能存在的風險進行有效控制和化解，是大模型助力數(shù)字教育資源建設可持續(xù)性發(fā)展的關(guān)鍵所在。
　　
　　提升訓練數(shù)據(jù)質(zhì)量，優(yōu)化大模型算法。大模型生成數(shù)字教育資源過程中起點是數(shù)據(jù)，訓練數(shù)據(jù)決定了大模型的輸出質(zhì)量。一方面，要整合來自不同領(lǐng)域和多種格式的大數(shù)據(jù)，保證數(shù)據(jù)源主題和內(nèi)容的廣泛性。另一方面，要建立數(shù)據(jù)源白名單制度，使用經(jīng)過官方認證的大數(shù)據(jù)作為訓練數(shù)據(jù)源，確保數(shù)據(jù)源的科學性和可靠性。同時，要根據(jù)資源開發(fā)需求建立學科領(lǐng)域微調(diào)模型，基于國內(nèi)主流大模型架構(gòu)，根據(jù)各學科特點對大模型算法進行微調(diào)，提升算法的準確性和適切性。
　　
　　加強對大模型背后“算法黑箱”的審查和管控。要對教育教學領(lǐng)域的大模型進行全面監(jiān)管，包括事前、事中和事后全過程監(jiān)管。事前監(jiān)管主要指制定嚴格的標準和指南，事中監(jiān)管主要指對大模型平臺運行過程進行實時監(jiān)控，事后監(jiān)管主要指對大模型平臺生成的內(nèi)容進行質(zhì)量抽檢和審查。同時，建議在大模型中添加用戶反饋系統(tǒng)模塊，設置用戶反饋算法，對用戶反饋情況進行篩選整合并作為訓練數(shù)據(jù)集的新構(gòu)成。
　　
　　大力提升資源開發(fā)者的提示素養(yǎng)。大模型在生成資源時依賴于資源開發(fā)者輸入的提示詞，精心設計的提示詞可以引導大模型生成更科學準確的資源內(nèi)容，從這一點上來講，資源開發(fā)者必須具備較強的提示素養(yǎng)。所謂提示素養(yǎng)，是指人與大模型進行有效互動的技能，包括對大模型的理解與認知、提示詞編寫技能以及對生成內(nèi)容的評估技能等。要提升資源開發(fā)者的提示素養(yǎng)，必須設計科學完備的提示素養(yǎng)課程，開展形式多樣的提示素養(yǎng)提升培訓活動，使資源開發(fā)者系統(tǒng)掌握提示詞設計知識和技能；要將提示素養(yǎng)作為資源開發(fā)者的關(guān)鍵素養(yǎng)，納入到對資源開發(fā)者的評價考核體系中，設計階梯式提示素養(yǎng)認證框架，提升資源開發(fā)者與大模型的協(xié)同互動能力和資源共創(chuàng)水平。
　　
　　（作者系中南民族大學教育學院院長、教授，本文系教育部人文社會科學研究規(guī)劃基金項目“高校思政課數(shù)字化轉(zhuǎn)型的動力機制、障礙因素與行動路徑研究”［24YJA710043］成果）