中国“AIGC+教育”领域研究热点与演进趋势

Research hotspots and evolution trends in the field of “AIGC+education” in China

摘要

生成式人工智能（artificial intelligence generated content，AIGC）的快速发展给教育带来了前所未有的机遇和挑战，日益受到学界的广泛关注。为从整体上评量“AIGC+教育”的研究热点与演进趋势，本研究采用共词分析法，对中文社会科学引文索引（CSSCI）数据库中主题为“AIGC+教育”的223篇文章进行统计分析，以聚类树状图与战略坐标图两种可视化方式，初步勾勒了“AIGC+教育”领域当前的研究现状框架。研究显示，当前的研究热点集中在：①AIGC助力图书馆建设；②AIGC应用于教育的原理、场景与挑战；③AIGC促进教育生态重构；④AIGC与教育元宇宙创新发展；⑤AIGC风险应对策略。战略坐标图则喻示：①②③影响力不大但内部成熟，④研究尚未成熟，而⑤内部关联不紧密，没有形成一个系统的研究领域，在后续研究的发展中易分散演化成其他主题。借助本研究的聚类树状图和战略坐标图，让研究者们快速了解“AIGC+教育”的研究脉络及未来发展趋势，加强沟通与交流合作，形成有效的知识共享和创新协同机制，以促进该研究方向的整合与发展。

Abstract

The rapid development of generative artificial intelligence (AIGC) has brought unprecedented opportunities and challenges to education, and is increasingly receiving widespread attention from the academia. To evaluate the research hotspots and evolution trends in “AIGC+education” as a whole, this study adopted the co-word analysis method to make a statistical analysis of 223 articles with the theme of “AIGC+education” in the Chinese Social Science Citation Index (CSSCI) database. Using two visualization methods, i.e., cluster tree diagrams and strategic coordinate diagrams, the current research status framework in the field of “AIGC+education” was outlined. The results show that the current research hotspots are focused on the following areas: ① AIGC assisting library construction; ② the principles, scenarios, and challenges of applying AIGC to education; ③ AIGC promoting the reconstruction of educational ecology; ④ AIGC and innovative development of educational metaverse; and ⑤ strategies for responding to AIGC-related risks. The strategic coordinate chart indicates that the effects of ①, ② and ③ are not significant but internally mature; the research on ④ is still immature; internal connections among ⑤ are not close; and a systematic research field has not been formed. In the development of subsequent research, it is easy to disperse and evolve into other topics. By utilizing the clustering tree diagrams and strategic coordinate diagrams of this study, researchers can quickly understand the research context and future development trends of “AIGC+education”, strengthen communication and cooperation, build effective knowledge sharing and innovation collaboration mechanisms, and promote the integration and development of this research direction.

Graphical abstract

关键词

AIGC+教育 / 研究热点 / 演进趋势

Key words

AIGC+education / research hotspot / evolution trend

人工智能已成为当今世界的热门话题，特别是在2022年11月底，生成式人工智能（artificial intelligence generated content，AIGC）ChatGPT正式发布后，其惊艳的表现和潜力引起全球热议^[1]。教育工作者和研究人员已经注意到，AIGC在教育领域具有极大的应用潜力，它推动了教与学的革新，这种革新已然成为不可阻挡的潮流。

在“AIGC+教育”领域内，众多学者的参与和大量研究成果的涌现，为笔者提供了深入探讨这一领域的机会。尽管如此，“AIGC+教育”作为一个新兴的领域，尚缺少相关研究对其进行综述，相关热点与演进趋势仍待深入梳理和明晰呈现。因此，本研究采用共词分析法，以聚类图谱和战略坐标图这两种可视化的方式，系统梳理“AIGC+教育”领域的研究热点和演进趋势，探讨未来发展的前景，以期为后续研究提供引导和借鉴。

1 材料与方法设计

1.1 数据收集

众所周知，中文社会科学引文索引（CSSCI）数据库所收录的论文是对中国社会科学领域高质量研究成果的集中展示，能够较好地反映不同学科、领域研究的全貌与最新进展。因此，本研究以CSSCI期刊为检索源，以（“ChatGPT”并含“教育”）OR（“ChatGPT”并含“教学”）OR（“生成式人工智能”并含“教育”）OR（“生成式人工智能”并含“教学”）OR（“AIGC”并含“教育”）OR（“AIGC”并含“教学”）为检索条件，对截至2023年10月28日所收录的论文进行检索。手工剔除访谈、纪要、会议通知等非学术性论文，共获得有效论文223篇。

1.2 研究方法

1.2.1 共词分析法

共词分析法是一种文本分析技术，旨在揭示关键词之间的语义关联。其基本思想是，如果两个关键词经常在同一文本中出现，它们可能具有某种相关性或语义关联。共词分析通过可视化共现矩阵或关联图，让研究人员可以直观地理解关键词之间的关系。

1.2.2 聚类树状图

聚类树状图是通过计算每个关键词之间的相似度或者距离，然后按照设置的规则将最相似或距离最近的关键词聚合成一类，把另外一些彼此之间相似程度较大或距离较近的关键词又聚合为另一类，逐步形成更大的聚类，直到所有关键词都被聚类完毕。在聚类分析的基础上，绘制聚类树状图，可以直观地展示关键词之间的亲疏关系，进而分析关键词类别结构。

1.2.3 战略坐标图

战略坐标图是以向心度和密度为参数绘制成的二维坐标系，其中x轴为向心度，y轴为密度。向心度通常表示主题在整体结构中的重要性或影响力，而密度则代表主题成熟程度。战略坐标图一般包括四个象限，位于不同象限的主题，其内部体系与发展趋势各异。

1.3 研究步骤

第一，利用BICOMB软件对初始数据进行预处理操作，确定高频关键词阈值并生成词篇矩阵与共现矩阵。

第二，将词篇矩阵导入至SPSS 27.0软件，通过聚类分析构建聚类树状图。

第三，利用共现矩阵绘制战略坐标图。聚类树状图旨在揭示研究热点和研究前沿，战略坐标图旨在展现各研究主题的发展模式及其趋势。

具体流程如图1所示。

1.3.1 文献关键词预处理

为确保研究结果的准确性与科学性，本研究在使用BICOMB软件时，对关键词进行了如下处理：①剔除泛义、涵义模糊的关键词，如“AIGC”与“生成式人工智能”；②合并同义关键词，如“法律规制”与“应对策略”应合并为“应对策略”。经上述清洗共得514个关键词。

高频关键词旨在筛选出在论文中反复提及且关注度高的关键词，借此突出研究领域内的中心议题和核心概念。本研究借鉴普莱斯高频阈值计算公式，并结合“AIGC+教育”研究内容与词频分布情况，综合确定关键词词频数≥6为高频关键词，高频关键词情况如表1所示。

1.3.2 共词聚类分析

为了更深入地探究高频关键词之间的关系，基于表1数据，借助BICOMB软件构建出词篇矩阵与共现矩阵，并将词篇矩阵导入至SPSS 27.0，应用组间连接聚类法和二元落合系数（Ochiai系数）对词篇矩阵进行系统聚类分析，进而生成表现高频关键词之间关系的聚类树状图（如图2所示）。

在聚类树状图的解读过程中，本研究专注于分析每一个主题中关键词的语义联系，确认主题中心关键词并为每个类别命名。此外，为了进一步验证和深化我们的发现，研究采用以下两种辅助方法：①在CSSCI中检索包含共现词对的文章，通过分析文章内容来探索共现词对的关联；②请教对“AIGC+教育”领域研究状况了解深入的专业人员，以探询其对专业词汇组合含义的看法。最终，得出“AIGC+教育”研究主题的类别结构，具体如表2所示。

1.3.3 战略坐标计算

本研究利用共现矩阵，详细计算了各个主题类别的向心度与密度，从而准确地定位了每个研究主题在战略坐标图中的位置。所得坐标的向心度与密度如表3所示。

2 结果

2.1 “AIGC+教育”领域主题研究热点分析

根据“AIGC+教育”研究主题类别结构表，结合AIGC近期发展现状，对“AIGC+教育”领域的研究热点进行解读与分析如下。

2.1.1 AIGC助力图书馆建设

早在2003年，芬兰奥卢大学图书馆的学者指出，智慧图书馆是一个不受空间限制的、可被感知的移动图书馆服务，它可以帮助用户找到所需图书和相关资料^[2]。后来，随着IBM对“智慧”理念的推崇，智慧图书馆开始受到更深入的研究。在图书馆新的发展浪潮中，AIGC开始扮演着极其关键的角色。AIGC的集成，特别是它在数据处理、用户交互和内容生成方面的能力，使得图书馆能够提供更为精准、高效和符合用户需求的服务。AIGC不仅为图书馆的建设提供了技术支持，还在推动图书馆服务向更高效、更个性化和更互动化方向发展中起到了至关重要的作用。围绕AIGC赋能图书馆建设，中国研究者主要贡献在三方面：AIGC支持的图书馆个性化信息服务^[3-4]；AIGC促进的图书馆人机协同模式^[3-4]；AIGC在图书馆数字资源建设与管理服务的作用研究^[5]。

在当前的数字化转型背景之下，互联网已成为学习资源的主要载体。伴随这一转变，公共基层学习服务场所亟须变革。正如教育部高校图工委秘书长陈凌在其报告《数字化转型与未来学习中心：高校图书馆发展漫谈》中提出的，高等教育的发展趋势推动我们构建能支持未来学习的环境，为学生提供更全面的学习体验，同时推动跨学科的开放与交流。图书馆转型是必然的，未来的图书馆将是融合物理空间与虚拟空间、线上加线下资源建设，以最新的教育技术和服务模式来支撑教学^[6]。国内现有的智慧图书馆建设研究有一部分是在高校图书馆开展，但各有侧重，需要依靠自身的优势，很难找到一个统一的标准或者模式。而大语言模型的通用性异常强大，加上本土化数据对其训练，可以快速助力构建智慧图书馆，突破以往的“智”而不“慧”。因此，在AIGC的推动下，智慧图书馆建设有望实现，从而开启图书馆服务的新生态。

2.1.2 AIGC应用于教育的原理、场景与挑战

随着人工智能技术的逐渐成熟，各行各业都在探索如何将人工智能技术有效地融入自身领域，教育领域亦不例外。AIGC作为人工智能技术的前沿代表，其核心能力（自然语言处理和内容生成）与传统教学方法的互补，提供了教育内容与教学交互方式的创新可能。AIGC技术允许机器以一种近乎自然的方式，理解和生成语言，从而提供个性化的教学支持，激发学生的学习兴趣，并加强学习内容与学习者需求之间的联结。中国这一主题的相关研究主要集中在：如何将AIGC有效纳入教育^[7-8]；对话式通用人工智能教育应用的机理、场景、挑战与对策^[7-9]；AIGC教育创新应用的人本主义追求^[9]。

在目前AIGC的教育应用中，主要面向教、学、评三类应用领域。其中，“教”领域的应用涵盖智能作业批改助手、学习监管助手和教学助手等；“学”领域则包括虚拟学习伙伴、个性化学习管家和智能导师系统等；“评”领域则囊括智能教学评估和智能反馈等。毫无疑问，AIGC在文本生成领域的能力已超越之前的人工智能产品，在促进教和学的过程中展现出了显著的效能。尽管国内许多互联网公司开发出一系列AIGC教育应用软件，而具体应用到校园内的却少之又少。习近平总书记在党的二十大报告中强调了深化科教兴国战略的重要性。前不久，某理工大学研发出基于自己校园环境的大语言模型，其模型与学习者的智慧校园链接，极大程度地的帮助学习者减负增效。伴随着持续的开发，这种减轻学业压力和提高效果的潜力是不容忽视的。为了实现AIGC在教育领域的应用，必须着手解决内在的实施问题（例如，如何实现电子白板的全国性普及）以及外围问题（包括技术上的软硬件支持问题）。伴随上述问题的深入探讨，将会为AIGC在教育领域带来更广泛、更深入的应用。

2.1.3 AIGC促进教育生态重构

教育的演进常常受到技术的推动。在造纸、印刷术兴起之前，知识的传递主要依赖于口头传授，教师在其中充当信息源角色。到互联网技术兴起之前，学习者主要通过书籍和学校获取知识，而教师则继续在传授知识的核心角色中扮演着关键作用。随着互联网时代的到来，学习者逐渐迈向个性化的知识获取方式，这一阶段涉及在线学习、个性化教育软件以及基于互联网的学习资源。教师的作用也从传统的灌输型逐渐演变为更多的辅助型和引导型。进入AIGC时代后，学习者获取知识更为智能化和个性化，AIGC的引入使得教育内容能够根据学习者的需求、兴趣和能力进行定制，进一步丰富了学习体验。同时，教师的角色不再局限于信息的简单传递者，而是作为教学设计师、策略顾问和个性化学习的调整者，为学生提供更深层次的指导。教师可以通过AI的分析能力更好地理解学生的学习模式，设计出创造性的教学方案，以培养学生的批判性思维和问题解决能力。中国学者的贡献主要在：AIGC驱动的人机协同模式探究^[10]；复合脑与认知外包^[11-12]；AIGC重塑教育的底层逻辑^[13]；AIGC 对知识生产的影响探究^[14]。

不可否认，作为新兴智能技术，AIGC在教育领域展现出极大的革新潜力。但现实情况是，技术发展与其在实际教育场景中的应用之间还存在鸿沟。企业在研发上的投入规模固然庞大，但教学依然停滞在传统教学媒体的使用，如白板和投影仪，要使AIGC在教育中发挥实际效用，迫切需要解决伦理和技术成本等问题。这不仅包括确保技术的教学适用性和成熟度，还需要考虑与之相关的伦理挑战。学习活动中主体角色，在教师、学习者和AIGC之间必须定位准确。因此，新兴智能技术在教育中的应用需要得到社会和国家层面的正确引导，以促进教育的全面革新与可持续发展。这不仅意味着教育观念的广泛变革，还必须确保技术应用真正服务于教育的根本目标，实现真正的教育变革。

2.1.4 AIGC与教育元宇宙创新发展

2021年被称为“元宇宙年”，在此期间，几乎各行各业都在讨论“元宇宙”，这一年脸书（Facebook）集团CEO扎克伯格宣布Facebook集团正式改名为Meta，并将元宇宙视作互联网的下一个发展阶段。元宇宙通过技术的融合，顺应了未来信息时代的趋势。在教育领域，AIGC的融入为元宇宙的教学模式带来了创新的动力。AIGC的应用在构建教育元宇宙中的数字资源和自适应学习路径方面表现出巨大潜力，为未来教育元宇宙的深度整合与可持续发展铺平了道路。教育领域在元宇宙概念中迎来全新的机遇，期望通过元宇宙平台实现更具交互性和个性化的学习体验。目前，这一主题的相关研究主要集中在：AIGC与元宇宙的互补共生^[15]；新型人机协同模式研究^[16]；AIGC在教育元宇宙数字资源创新中的应用^[5,17]。

教育元宇宙赋予了教育领域前所未有的发展契机，但现阶段的研究也揭示出多个需深入探讨的问题。一方面，大量的资金、技术和人才投入成为制约教育元宇宙快速发展的主要因素，因此如何更有效地调动和利用这些资源是一个亟待解决的问题；另一方面，在Open AI召开的第一次开发者大会上，Sam Altman提到ChatGPT仅在11个月的时间内，周活跃用户数已突破亿级，反映了ChatGPT在用户中的受欢迎程度和人们对于在学习中应用新兴智能技术的迫切需求。这一数据的迅猛增长清晰地显示，在构建教育元宇宙的过程中，ChatGPT等智能工具将成为关键组成部分。因此，我们需要深入思考如何更好地整合跨学科研究，推动智能技术与元宇宙理念更为紧密地融合，以共同应对教育元宇宙发展中的共性挑战。这样，才有助于更全面、更系统地推动教育元宇宙的发展。

2.1.5 AIGC风险应对策略

AIGC技术已经在各个领域得到了广泛应用，包括教育、医疗、金融等。然而，技术的快速普及也伴随着一系列问题与挑战，如数据隐私、信息安全、伦理道德等方面的问题。为此，各国政府和国际组织开始关注这些问题，并采取措施来规范和管理AIGC的应用。联合国教科文组织于2023年9月发布了《生成式人工智能教育和研究应用指南》^[18]，旨在促进AIGC更有效地融入教育。中国发布的《生成式人工智能服务管理暂行办法》自2023年8月15日起施行^[19]。这些倡议和监管举措是应对AIGC技术挑战的重要步骤，意在建立一个既促进技术创新又确保社会责任的发展环境。这将助力AIGC技术在教育等关键领域的创新应用，同时维护公众利益和社会价值。目前，这一主题的研究领域集中在：AIGC对教育的影响和挑战^[20-21]；AIGC的伦理问题^[22-23]；AIGC的法律规制^[24-25]；用户体验与素养^[1,26]。

虽然AIGC为教育提供强有力的支持，但超过一大半的样本都有论述AIGC的风险，这显然是一个不容忽视的重要议题。应对策略的建立不仅关系到技术的良性应用，还关系到AIGC在教育领域的整体稳定和可持续发展。在这个技术快速发展的时代，有效的应对策略是确保技术和社会和谐互动的基石。我们亟须面对的挑战包括法规的滞后、伦理规范的不足、技术应用指导的模糊，这些因素都可能诱发学术不端等行为。公众对技术的认知不足可能加剧对技术的误解和恐慌。科学技术的跨学科合作也存在不足，这限制了我们在应对综合性技术挑战时的能力。同时，我们还需关注建设更加健全的法律法规体系，明确科技应用的底线和责任。推动科技企业建立更加透明的技术算法，增加用户对技术决策的可解释性，以实现“AIGC+教育”的可持续发展。

2.2 “AIGC+教育”领域研究主题演进趋势分析

根据表3中向心度与密度的结果，绘制出研究热点的基本框架，以向心度为x轴，密度为y轴生成战略坐标图（如图3所示）。

分布在第二象限的是A、B、C三个主题，分别对应“AIGC助力图书馆建设”、“AIGC应用于教育的原理、场景与挑战”与“AIGC促进教育生态重构”。由图3可知，此象限内的主题展现出正向的密度和负向的向心度。这一特征表明，虽然这些研究主题在其内部展现出了紧密的关联性，但它们与研究领域外部的相互联系则相对较弱。

“AIGC应用于教育的原理、场景与挑战”这一研究主题与同象限内的A、C两个主题相比，不仅拥有最高的密度值，其负向的向心度也相对较高，说明该主题内部聚焦点集中。目前，主要的研究集中于AIGC教育应用的机理、场景、挑战与对策等领域之中，研究体系已初步形成，为未来更深入的研究和实践奠定了基础。而外部连接强度较低，但其坐标非常接近y轴，表明其发展潜力巨大，趋向成熟化。伴随中国政府和联合国科教文组织关于AIGC最新管理规范与指导方针的发布，将进一步促进该领域向核心和成熟研究主题的转变。一方面，随着ChatGPT等AIGC技术的应用，学习者能够通过与智能代理互动，获取更为个性化、灵活的学习内容。AIGC的引入将教育从单一、传统的范式中解放出来，使得学习变得更加生动有趣，更符合个体差异；另一方面，这一人工智能技术的崛起不仅改变了传统的学习方式，也为教育注入了更多创新和个性化的元素。

“AIGC促进教育生态重构”相较于“AIGC助力图书馆建设”表现出更高的密度和中心度，反映出学界对于教育变革的持续关注。关于“AIGC助力图书馆建设”，目前它与其他主题的联系较弱，如果继续按照这种趋势发展，可能导致它在未来保持发展和创新的能力上遭遇困难。“AIGC助力图书馆建设”的研究目前仍然处于初步探索阶段，尽管其在战略坐标图中显示的密度为正数，而向心度为负数，这凸显了其内部联结尚须加强。为推动其更全面的发展，不仅需要进行更深入的内部建设，加强团队协作机制和提升研究基础设施，同时也要关注如何改善与其他主题的联系，以促使更广泛的专业领域研究者参与，加速智慧图书馆的建设。

位于第三象限的D主题“AIGC与教育元宇宙创新发展”，从图3中可以看出，它的向心度与密度皆为负值，说明它们目前并不处于“AIGC+教育”研究核心领域，且现阶段的研究成熟度不高。值得我们注意的是，其向心度比较接近y轴，密度最低，这表示“AIGC与教育元宇宙创新发展”这一研究主题目前发展尚未成熟，与其他主题之间的联系不够紧密。导致这种现象的潜在原因主要与教育元宇宙相关的技术发展水平有关。倘若关键技术基础设施未达到预期成熟度，那么研究者在深度探索该领域时会遭遇种种限制。教育元宇宙涉及多个学科领域，需要不同领域的专业知识和技能，有效的跨学科合作也是推进该领域研究的关键。教育元宇宙需要不同领域知识和创新的融合，目前研究人员可能还未能高效整合各学科的智慧与方法，这制约了该研究领域系统框架的完善。限于这些因素，该领域体系框架尚未成型。尽管如此，随着AIGC技术的崛起和不断迭代，可以预见“AIGC与教育元宇宙创新发展”将迎来广阔的机遇和发展空间。

在第四象限的是主题E，即“AIGC风险应对策略”。通过对图3的观察，发现该主题的向心度显著高于其他部分，但其密度相对较低，这表明该主题在整个“AIGC+教育”中占据着关键地位，受到高度的重视。这一集中关注可能涵盖了政策制定、技术应用、学生安全等多个方面，凸显出风险应对策略在整个研究领域中的核心地位。尽管重视程度高，但各子领域内部的联系却相对松散，以及子领域间协作机制相对不足，亦在图3中有所体现。然而，低密度也揭示了需要更强的协同合作，否则在后续研究的发展中易分散演化成其他主题。这种独特的高向心度和低密度的组合特征，为其在理论与实践中进一步深化合作提供了广阔的空间。针对“AIGC+教育”领域内存在的风险挑战，我们需要强化不同学科间的协调与合作，并努力扩大知识的共享范围，以更完整地认识和处理这些潜在风险，确保教育体系能充分适应迅猛变化的大环境。通过建立更加紧密的学科网络，应对教育领域内复杂多变的风险挑战，从而为未来的可持续发展奠定坚实基础。

3 结论与展望

本研究以CSSCI 数据库中“AIGC+教育”相关论文的关键词为研究对象，构造出词篇矩阵与共词矩阵。在关键词的分类阶段，借助聚类分析法细分了关键词类团，并运用战略坐标分析法全面解读了这些类团在“AIGC+教育”领域的学术地位及影响力。分析结果明确展示了“AIGC+教育”研究领域的主题构成，直观地呈现了当前的研究态势。经过分析，我们发现有四个类团位于战略坐标图第二象限和第三象限，其内部关键词的聚合度相对较低，这一现象反映出“AIGC+教育”领域的研究存在一定程度的分散性。此外，最后一个类团“AIGC风险应对策略”位于第四象限，类团之间的向心度亦不显著，喻示不同研究领域之间缺乏紧密联系。综观以上分析结果，笔者建议，国内“AIGC+教育”领域的研究者应当加强沟通，努力寻找更多的互动交流及合作机会，形成有效的知识共享和创新协同机制，以促进本研究方向的整合和发展。本研究的分析结果不仅为后续研究提供相关参考，还可以助力新入领域的研究人员迅速定位研究热点。此外，通过本研究生成的战略坐标结果，使现有的研究者能快速了解“AIGC+教育”在教育领域的研究脉络以及未来的发展趋势。

参考文献

[1] 刘天丽, 杨现民, 李康康, 等. 社会公众如何看待“ChatGPT+教育”?: 基于国内主流开放社区的文本分析[J]. 现代教育技术, 2023, 33(10): 14-23.

[2] AITTOLA M, RYHÄNEN T, OJALA T. Smart library: Location-aware mobile library service[J]. International Symposium on Human Computer Interaction with Mobile Devices and Services, 2003(5): 411-415.

[3] 张舒雅, 徐婷. 论ChatGPT对图书馆服务模式的影响[J]. 产品可靠性报告, 2023(8): 79-81.

[4] 谭丰隆, 陈婧, 刘洋阳. ChatGPT与图书馆变革: 双重效应、 认知变化与发展策略[J]. 图书馆论坛, 2024, 44(10): 42-50.

[5] 郭亚军, 周家华, 庞义伟, 等. ChatGPT赋能教育元宇宙数字教学资源建设与服务[J]. 图书馆论坛, 2024, 44(7): 38-47.

[6] 张静蓓, 徐亚苹, 周琼, 等. 未来学习中心建设: 图书馆的角色定位、 功能重塑及实践探索[J]. 农业图书情报学报, 2023, 35(6): 43-50.

[7] 夏琪, 程妙婷, 薛翔钟, 等. 从国际视野透视如何将ChatGPT有效纳入教育: 基于对72篇文献的系统综述[J]. 现代教育技术, 2023, 33(6): 26-33.

[8] 陈凯泉, 胡晓松, 韩小利, 等. 对话式通用人工智能教育应用的机理、 场景、 挑战与对策[J]. 远程教育杂志, 2023, 41(3): 21-41.

[9] 王炜, 赵帅, 黄慕雄. 生成式人工智能教育创新应用的人本主义追求: 对UNESCO《教育与研究领域生成式人工智能指南》的解读[J]. 现代远程教育研究, 2024, 36(1): 3-11.

[10] 黄荣怀. 人工智能正加速教育变革: 现实挑战与应对举措[J].中国教育学刊, 2023(6): 26-33.

[11] 沈书生, 祝智庭. ChatGPT类产品: 内在机制及其对学习评价的影响[J]. 中国远程教育, 2023, 43(4):8-15.

[12] 余胜泉, 汪凡淙. 人工智能教育应用的认知外包陷阱及其跨越[J]. 电化教育研究, 2023, 44(12): 5-13.

[13] 张治. ChatGPT/生成式人工智能重塑教育的底层逻辑和可能路径[J]. 华东师范大学学报(教育科学版), 2023, 41(7): 131-142.

[14] 程思凡. ChatGPT知识生产框架、技术迷思与未来演进[J]. 当代传播, 2023(6): 60-64.

[15] 黄欣荣. ChatGPT与元宇宙的互补共生[J]. 贵州社会科学, 2023(6): 11-18.

[16] 翟雪松, 楚肖燕, 焦丽珍, 等. 基于“生成式人工智能+元宇宙”的人机协同学习模式研究[J]. 开放教育研究, 2023, 29(5): 26-36.

[17] 王诺, 毕学成, 许鑫. 先利其器: 元宇宙场景下的AIGC及其GLAM应用机遇[J]. 图书馆论坛, 2023, 43(2): 117-124.

[18] UNESCO.Guidance for generative AI in education and research[EB/OL].[2023-10-03].

[19] 国家互联网信息办公室. 生成式人工智能服务管理暂行办法[EB/OL]. [2023-05-23].

[20] 刘宝存, 苟鸣瀚. ChatGPT等新一代人工智能工具对教育科研的影响及对策[J]. 苏州大学学报(教育科学版), 2023, 11(3): 54-62.

[21] 杨小微, 王珏. ChatGPT应用于基础教育的机遇、 挑战与应对: “刷题式”教育、学生学习、“超级教师”及教育公平[J]. 新疆师范大学学报(哲学社会科学版), 2024, 45(2): 125-136.

[22] 尚智丛, 闫禹宏. ChatGPT教育应用及其带来的变革与伦理挑战[J]. 东北师大学报(哲学社会科学版), 2023(5): 44-54.

[23] 王佑镁, 王旦, 梁炜怡, 等. ChatGPT教育应用的伦理风险与规避进路[J]. 开放教育研究, 2023, 29(2): 26-35.

[24] 侯利阳, 李兆轩. ChatGPT学术性使用中的法律挑战与制度因应[J]. 东北师大学报(哲学社会科学版), 2023(4): 29-39.

[25] 熊明辉, 池骁. 论生成式大语言模型应用的安全性: 以ChatGPT为例[J]. 山东社会科学, 2023(5): 79-90.

[26] 本刊讯. 大学生面对被指控使用ChatGPT作弊时的反应[J]. 数据分析与知识发现, 2023, 7(9): 77.