生成式人工智能技术的出现，不仅为人类提供了一个全新的知识获取和创造的方式，也为人类探索自身和外部世界的本质提供了一个全新的视角和工具。生成式人工智能技术对教育领域具有表层和深层的双重影响价值。表层表现为赋能学生学习和教师教学，比如担任学生的智能学伴，帮助教师设计优质教案和高质量学生作业等；深层表现为改变人类已有的认知学习与知识生产方式，促进教育的系统性变革，包括教育理念、教育内容、教育评价机制、教师角色转变等。
然而，大量的研究与实践表明，AIGC（文字生成）技术在基础教育领域的应用仍面临许多挑战，主要体现在4个方面：一是技术本身的成熟性和可用性问题。目前生成式人工智能技术仍处于初级发展阶段，其自动生成内容的质量取决于训练数据的规模和质量，对于自然语言的理解存在一定的偏差，且缺乏可解释性。二是生成内容的准确性与可靠性问题。生成式人工智能技术自动生成的海量内容通常虚实难辨、权责不清、追责困难，其真实性和可靠性难以查实。三是教育对象的主体适应性问题。多数教师尚未转变观念，对于人工智能技术具有焦虑情绪，且目前师生的数字素养难以匹配生成式人工智能技术的应用。四是学业诚信与伦理问题。基础教育阶段学生（尤其是低年级学生）的自我控制能力相对较差，生成式人工智能技术易成为学生作业抄袭和考试作弊的工具。同时，还有是否会引起学生个人隐私泄露和数据安全等问题。
面对生成式人工智能技术给基础教育领域带来的挑战与机遇，教育系统必须冷静观察、包容审慎、趋利避害，妥善把握人工智能技术与教育深度融合发展的方向和尺度，积极推动智能时代的基础教育变革。
一是要鼓励研发适用于基础教育的生成式人工智能技术。要加大对人工智能数据、模型、算力基础设施的研发投入力度，加快推进具有中国特色场景和数据的生成式人工智能技术的自主研发进程，逐步探索生成式人工智能技术在教学、学习、评价与教研等教育场景中的有效落地路径。
三是要建立生成式人工智能技术在基础教育中应用的新模式。要鼓励教师利用生成式人工智能技术进行教学备课、提供教学支架、辅助作业设计与评估等。鼓励高学段学生利用生成式人工智能技术开展自主学习、探究学习与协作学习。推动数字教育资源应用模式从“诊断—定制—分发”转向“汇聚—加工—生成”，形成个性化的学习资源生产和应用路径。
四是要建立专项课题，组织开展深入的循证研究。要围绕生成式人工智能技术赋能基础教育教学实践的多元场景，遴选一批示范区和试点校开展长周期的人工智能教育实验，定期评估生成式人工智能技术应用的适用性、有效性与潜在风险，提炼有关知识生产、认知规律、教学交互、学习机制、学习评价等核心问题的新规律与新理论。
人工智能重新塑造了知识、学习、人机协作和教育的边界，并将催生新型的教育文明。人工智能时代教什么、如何教需要我们重新思考。我们必须保持开放的心态和前瞻的视野，积极拥抱生成式人工智能技术给基础教育领域带来的变革，共同探索与构建智能技术赋能的大规模个性化人才培养新生态。
（作者系华南师范大学教授）
生成式人工智能技术的出现，不仅为人类提供了一个全新的知识获取和创造的方式，也为人类探索自身和外部世界的本质提供了一个全新的视角和工具。