生成式人工智能赋能的非线性学习智能体模型建构.pdfVIP

2024.11 总第454期 在线教育

中国电化教育OnlineEducation

文章编号:1006—9860(2024)11—0061—008

生成式人工智能赋能的非线性学习智能体模型

建构*

11,22

黄红涛，余琳，王继新

1.华中师范大学 信息化办公室，湖北 武汉 430079

2.华中师范大学 人工智能教育学部，湖北 武汉 430079

摘要：该研究探讨了生成式人工智能(AIGC)赋能的非线性学习智能体模型建构，分析了非线性学习的特点，并预设了自

学、混合和协作三种学习场境。基于这些场境推导出智能体模型的功能需求，进而抽象出模型的核心能力。该文界定了非线

性学习智能体的含义、数学表达式及核心算法，并阐述智能体模型的核心是一个改进的马尔可夫决策过程，旨在能够为学习

者提供个性化、动态优化的学习支持，有效提升非线性学习的效率，为AIGC在教育领域的应用提供了新的模型构建方法，

对推动教育信息化和个性化学习具有重要意义。

关键词：生成式人工智能；非线性学习；智能体模型；个性化学习；教育信息化

中图分类号：G434文献标识码：A

* 本文系国家社会科学基金教育学国家重点项目“中国数字教育实践的理论建构研究”(项目批准号：ACA240018)研究成

果。

①王继新为本文通讯作者。

生成式人工智能(Generative Artificial Intelligence，一、理论基础与核心概念介绍

简称AIGC)是人工智能领域的一个重要分支，它不仅能(一)非线性学习理论缘起与理论原理

[1]

够创造新的内容，而且还能分析或处理现有数据。非线性学习理论的提出源于对传统线性教学模式

AIGC可以生成文本、图像、音频等多种形式的内容，的深刻反思。王继新等人在2009年首次提出了非线性学

其核心在于通过学习大量数据来理解和模仿人类的创[4]

习的概念，为这一领域的研究奠定了基础。他们定义

造过程。随着AIGC技术的迅速发展，教育行业正经历非线性学习为一种打破传统线性学习模式的新型学习

[2]

一场深刻的变革。在此背景下，非线性学习理论逐渐方式，强调学习过程的动态性、灵活性和个体差异性。

受到关注。这一理论强调学习过程的自主性、碎片化具体而言，非线性学习是以非线性科学的思想方法为指

和跳跃性，打破了传统线性学习的局限，更符合现代导，以教育认知与神经科学为基石，以现代信息科学与

[3]

学习者的需求。AIGC技术的引入，使得非线性学习技术为支撑，以复杂领域知识之习得为主要目标的一种

的实施变得更加可行和高效。然而，如何利用AIGC构学习形态。这一定义强调了非线性学习的跨学科特性，

建支持非线性学习的智能体模型，仍然是一个亟待解体现了其在当代学习研究中的重要地位。

决的问题。