生成式人工智能赋能高校学生个性化学习路径研究

引言

生成式人工智能是数字化时代的产物，正在改变人们的生活方式和学习方式。如何利用工具高效、个性化学习也成为数字化教育的一大研究趋势。本文以艺术性高校学生为研究对象，分析高校学生的学习特点、学习现状，研究生成式人工智能赋能高校学生个性化学习的路径。

1 生成式人工智能概念

生成式人工智能（Generative Artificial Intelligence，简称 GAI）是一种能够根据自然语言对话界面的提示自动生成内容的人工智能技术。

生成式人工智能能够对教育产生诸多方面的积极影响，主要表现为辅助教师教学、促进学生个性化学习、改革教育评价模式、优化学习环境及促进学生批判性思维发展五个方面。

个性化学习是一种旨在以学生的个性差异为基础，采取恰当的方法、手段、内容等促进学生全面和谐发展的学习方式。这种美好的愿景在以讲授法为主的班级授课制中难以真正实现，而生成式人工智能融入数字化学习系统，可以为个性化学习提供技术支撑。个性化学习的实现对教师教学和学生自身提升均有效推动高校教育的持续发力。

2 高校学生的学习现状

2.1 学习问题广而杂

艺术类高校学生大多课程涉及到多种学科，内容冗杂，同时设计类课程是核心课程，一门课程可能涉及到许多其他专业的基础性知识，比如环境设计类课程，完成《居住区景观设计》课程，学生会用到居住区规划设计标准、消防规范等标准条文，还回涉及到居住区内容各人群分析，社会热点及难题等社会民生问题。因此，专业学习过程中会产生一些知识性问题、常规性问题及其他非常规问题。

2.2 学习时间灵活

高校生学习时间更加自由，课后时间较多。学生有足够的时间完成课程作业，同时有大量的时间自由支配，开展自己的学习计划。

2.3 学习行为与态度

学生熟悉各类电子产品，容易接受新鲜事物，同时具备一定的辨别能力，能够对知识进梳理，针对性的提出问题。抵触“整齐划一”的管理模式，纪律意识较弱，存在迟到旷课、课堂专注度低等问题。

3 生成式人工智能赋能高校学生个性化学习的优势

3.1 个性化的内容生成与适应

生成式人工智能的应用不受时间和空间的限制，学生能够随时随地的使用AI 进行提问，并能够得到答案。同时一些问题可以根据回答的内容，修改提示词，反复修改，一直得到满意的答案。对于艺术类学生，能够借助 AI 做相关的设计，文生图、图改图等形式辅助设计。

3.2 智能辅导与即时反馈

学生可以随时随地向 AI 提问概念性问题、求解难题或要求解释复杂理论，获得即时、详细的解答和分步骤指导，无需等待教师答疑时间。同时，深度解读相关概念，AI 能够以多种角度和方式解释同一个概念（如类比、实例、可视化），帮助学生突破理解瓶颈，找到最适合自己的解释路径。提高学习效率，对编程作业、数学题、写作片段、语言练习等提供即时、具体的反馈，指出错误、分析原因并给出改进建议，加速学习迭代过程。

另外，在论文写作、报告撰写中提供构思、结构优化、语法纠错、风格建议、文献综述辅助等，帮助学生提升学术写作能力。

3.3 丰富的交互式学习体验

可以利用 AI 模拟历史人物、面试官、客户等角色与学生进行对话练习，应用于语言学习、历史理解、面试准备、沟通训练等场景。

可以生成指令模拟场景、学习模型等，供学生反复练习和探索。例如，生成不同风格的园林场景，帮助学生匹配设计主题。

4 生成式人工智能赋能个性化学习的路径

4.1 AI 辅助课前预习

AI 根据学情和教学目标，动态生成适配的预习材料包（如背景资料、核心概念解析、定向思考题）。例如，西北农林科技大学思政课推送AI 生成的“中美关税战”关键词包，引导学生分组探索。

4.2 AI 辅助课堂教学

AI 提供情境化教学，借助 VR 等技术构建沉浸式的学习场景，帮助学生深刻理解抽象概念，比如设计色彩课程中，解构的概念，可以借助 AI 生成多种解构图谱进行色彩重组；分组合作的项目中，借助AI 生成多种动态资料包，尤其是设计类课程，帮助学生拓展设计思路，展示直观效果。

4.3 AI 辅助课后作业

智能辅导与反馈：AI 分析作业数据生成个性化练习题库（如错题归因 + 变式训练），并提供分步解析。例如，写作辅导中 AI 按“原文→思路拓展 $$ 例句润色→启发提问”结构反馈，提升表达精准度。

构建个人知识图谱：AI 提取学生笔记、作业中的知识点关联，生成可视化认知网络，定位能力盲区。

4.4 AI 应用管理合约

虽然 AI 能够大大提升学习效率，但是需要教师引导学生将 AI 作为辅助工具，而不是取代人的大脑，简化思考。同时，人机协同如何平衡也是一门需要深入研究的内容。在课程开始前，师生制定相应的应用合约，哪些内容可以借助 AI 工具，哪些内容必须自己思考，不要过于依赖技术工具，导致设计内容缺乏内涵。同时强调AI 使用的隐私性、原创性等。

5 总结

总之，生成式人工智能通过提供高度个性化、按需、即时、交互和自适应的学习支持，极大地增强了高校学生个性化学习的可能性。它不仅能满足不同学生的差异化需求，提升学习效率和效果，还能解放教师精力，推动教学模式向更加以学生为中心的方向变革。然而，其成功应用依赖于与教师的有效协同、对潜在风险的管理以及相关基础设施和素养的保障。作为高校教师，除了将生成式人工智能融入到课程中外，还要将 AI 应用的利弊传输给学生，更多的关注学生AI 应用技能的培养。

参考文献：

[1] 郑雅倩, 李新, 李艳燕, 等. 人工智能视域下个性化学习路径推荐: 机理、演进、价值与趋势 [J]. 现代远距离教育 ,2023(3):39-47.

[2] 白雪梅 , 郭日发 . 生成式人工智能何以赋能学习能力与评价 ?[J]. 现代教育技术 ,2024(1):55-63.

[3] 李艳 , 许洁 , 贾程媛 , 翟雪松 . 大学生生成式人工智能应用现状与思考——基于浙江大学的调查 [J]. 开放教育研究 ,2024(1):89-98.

2024-2025 学年教学改革研究与实践项目：生成式人工智能赋能学生个性化学习路径研究（XJGY202426）

作者简介：路亚星，女，1990 年8 月生, 人，汉族，硕士研究生，副教授，研究方向：园林景观设计