AIGC视域下高校文科教育的功能提升、 风险评估与治理变革

Functional Improvement， Risk Assessment and Governance Reform of Liberal Arts Education in Universities from the Perspective of AIGC

摘要

人工智能生成内容（Artificial Intelligence Generated Content， AIGC）在文科教育领域的广泛应用， 产生显著的赋能效应。AIGC不仅高效拓展教育主体的身心边界、 推动对话式学习回归， 而且显著提高知识生产的速度与质量。尽管AIGC技术在教育应用中取得了显著成效， 但同时也对文科教育带来新的挑战， 包括知识生产的流程化、 师生关系的疏离、 教育评价真实性受到质疑、 学术伦理风险显著增加及技术依赖风险。面对这些新型挑战， 高校文科教育亟须治理变革： 明确知识权属与使用边界， 加快构建规范知识生产流程化的多维治理体系； 改善疏离的师生关系， 坚持以生为本并坚守育人价值底线； 推进教育评价转型， 建立以能力培养为核心的发展性评价体系； 建立系统化伦理治理体系， 推进区块链动态认证与追踪溯源； 开发可控生成式AI， 确立人类智能优先的技术架构。

Abstract

The widespread application of artificial intelligence generated content （AIGC） in the field of liberal arts education has brought tremendous empowerment effects. AIGC not only efficiently extends the physical and mental boundaries of educational subjects， promotes the retur of dialogue based learning， but also significantly improves the speed and quality of knowledge production. However， despite the significant achievements of AIGC technology in teaching， it also brings new challenges to liberal arts education， including the assembly line of knowledge production， alienation of teacher-student relationships， doubts about the authenticity of teaching evaluation， sharp increase in academic ethical risks， and the risk of technological hijacking. Faced with these new challenges， liberal arts education in universities urgently needs governance and reform. The first is to clarify the ownership and usage boundaries of knowledge， and accelerate the construction of a four-dimensional governance network that constrains the assembly line of knowledge production. The second is to repair the alienated teacher-student relationship， putting students first and adhering to the bottom line of educational values. The third is to accelerate the transformation of teaching evaluation and build a development oriented evaluation system that focuses on capacity development. The fourth is to establish a three-dimensional ethical governance system and accelerate the dynamic authentication and traceability of blockchain technology.The fifth is to establish controllable generative AI and build a technology architecture that prioritizes human intelligence.

关键词

人工智能生成内容 / 高校文科教育 / 功能提升 / 风险评估 / 治理变革

Key words

artificial intelligence generated content （AIGC） / liberal arts education in universities / functional enhancement / risk assessment / governance reform

2020年， 《新文科宣言》强调， 推进文科教育创新发展， 构建以育人、 育才为中心的哲学社会科学发展新格局^［1］。教育部“六卓越一拔尖”计划2.0明确指出， 构建中国特色、 世界一流的卓越拔尖人才培养体系， 文科教育是其关键环节^［2］。教育部发文后， 各高校也纷纷出台相关政策， 配合教育部门相关工作的实施， 推动新文科教育改革。各大高校旨在从学科体系新内涵、 产教融合新机制、 人才培养新生态三方面发力， 建设“智能新文科”示范课程和教材， 建立高水平数智文科研究机构。可见， 新文科在未来的人才培养中将发挥不可或缺的作用。其不仅关系到高校教育质量的提升， 更关乎国家文化软实力的增强。从理论上来讲， 高校文科教育既要注重培养学生的批判性思维、 人文素养与创新能力， 也要注重学生实践应用能力。通过跨学科融合与实践教育， 推动学生将理论知识转化为解决实际问题的能力， 从而实现知行合一的教育目标。然而在文科教育的实践中， 仍存在评价体系过度依赖考试成绩， 忽视学生个性化发展^［3］； 技术与教育融合不足， 教育内容与实际需求脱节^［4］； 创新与批判性思维培养缺乏系统支持等问题^［5］， 严重制约了创新型人才的培养。

面对这一挑战， 各高校积极探索“AI+新文科”模式， 深度整合大数据、 机器学习等技术， 构建智能新文科课程体系， 推进数智文科研究机构建设， 强化学生研究、 实践、 创新能力培养， 推动文科教育从知识传授向能力塑造转变， 实现高等文科教育的“脱虚向实”^［6］， 以更好地服务文化强国建设。然而， 随着人工智能生成内容（artificial intelligence generated content， AIGC）技术在高校文科教育中的应用场景日益丰富， 其伴生性风险逐渐显现。第一， 从知识内容生产来看， 知识来源的多样性与可靠性难以保证， 易导致信息幻觉或信息误导^［7］。第二， 从教育互动过程来看， AIGC在教育过程的过度介入削弱师生间的情感交流与联系， 导致师生关系弱化与破坏^［8］。第三， 从学生能力培养来看， 学生过度依赖AIGC生成内容， 缺少自主思考和思辨的过程， 将抑制学生批判性思维与创新能力的发展^［9］。第四， 从教育评价体系来看， 教师难以有效监管流水线式的知识生产过程， 更加难以评估学生的真实水平， 传统教育评价体系面临崩塌的风险^［10］。第五， 从伦理道德层面来看， AIGC技术的滥用可能引发学术不端行为， 损害教育公平与学术诚信^［11］。为应对上述问题， 国家层面， 于2025年9月1日出台《人工智能生成合成内容标识办法》， 要求所有AI生成内容必须添加显式或隐式标识。高校层面， 率先响应， 通过AIGC代写检测、 明确披露使用细则等措施规制学术不端行为。但是， AIGC 更新迭代速度远超当前监管与制度响应的周期， 形成“技术先行、 治理补位”的被动局面^［12］。

传统文科教育问题与人工智能技术引入新问题叠加， 增加了文科教育改革的复杂性与挑战。AIGC以何种方式融入并赋能文科教育； 在何种程度上提高文科教育质量和效果； 在技术赋能的同时， 给文科教育带来哪些潜在的风险； 应该如何构建有效的风险防控机制， 确保生成式人工智能技术应用的合理性和安全性， 成为推动文科教育创新发展的核心议题。针对以上问题， 本文首先探究了AIGC在高校文科教育中的功能， 分析了其在能力培养、 内容适配、 效能提升等方面的应用价值。其次， 系统分析了AIGC在文科教育中的潜在风险， 并提出了建立风险防控机制的具体策略。

1 AIGC在高校文科教育中的功能

在高校文科教育中， AIGC凭借其个性化的学习路径、 高效的资源整合能力、 多模态的场景再现， 在教育主体能力重构、 教育内容适配性和教育效能提升方面表现出显著的功能优势， 有效拓展教育主体的能力、 促进人格完善， 并提高知识生产的效率与质量。

1.1 能力重塑： AIGC拓展教育主体的身心边界

文科生能力的全面提升与完整人格的塑造， 受制于生理、 心理双重性因素^［13］。AIGC通过虚拟现实、 增强现实等技术， 打破时空限制， 拓展学习场景， 促进文科生在跨文化、 跨学科环境中全面发展， 实现认知与情感的深度融合。

一方面， AIGC的广泛赋能显著延展了学习者的生理边界。一是感觉体验的增强。AIGC联结虚拟现实、 增强现实等技术， 为学习者提供超越现实课堂的感官体验， 使得学生在模拟环境中感知和探索书本知识， 丰富其感官体验。例如， 在Hey Mind AI平台， 学生可以与平台内设置的数字虚拟人“孔子、 柏拉图、 老子”等不同历史角色展开跨越时空对话， 身临其境地增强其历史学习效果。二是认知负荷的减轻。通过智能化的信息处理与呈现， AIGC辅助学生更加高效地处理信息， 减轻学习过程中的认知与记忆负担， 使得学习者更加专注深层次的学习与理解。三是身心参与的时空扩展。AIGC使得文科生既不再局限于传统课堂固定的时间与地点， 也不再局限于静态的阅读与写作， 而是在更广阔的时空范围获取知识技能， 通过动作、 手势甚至思维与学习材料互动。此类灵活的互动方式极大地延展了学习者的身心参与度。

另一方面， 作为一种革命性的智能学习辅助工具， AIGC显著提升了学习者内在体验的深度与质量。不论是国外的GPT-4o、 Sora， 还是国内的DeepSeek、 通义千问、 讯飞星火等大模型， 都具备即时互动与信息整合能力， 能为学习者构建沉浸式、 个性化、 立体化的自适应平台。在这样的平台上， 学习不再是被动地接受知识， 而是主动探索与自我成长的进阶过程。这种智能技术的整合， 不仅凸显了亲身参与在学习过程中的重要性， 确保学习者的自主性与积极参与， 更在无形中提升了学习者专注力的效能。通过智能化的引导与反馈， 学习者得以全身心投入学习， 实现形式与内容、 感性与理性的深度融合。概言之， AIGC不仅拓展了学习者的身心边界， 也重塑了学习过程， 使得学习更加灵活、 高效且富有创造性。这不仅为学习者提供了自我探索与自我超越的学习体验， 促进了生理潜能的深度开发， 而且在培养学习者独立思考、 批判分析与问题解决能力方面发挥着重要作用。

1.2 内容适配： AIGC推动对话式学习模式回归

为了追求高效的知识传播与普及， 传统教育通常采用班级授课制并以教师为中心。基于统一的数学大纲与教材， 教师通过讲解、 练习、 示范等传统的教育方法， 将知识单向度传递给学生。当这种知识传播方式用于大规模集体教育时， 因时空限制导致师生交互缺位。课堂氛围逐渐固化为“教师滔滔不绝讲， 学生默默无闻听”的状态^［14］。对话的缺失导致学习者主体性地位逐渐被替代甚至“消逝”。AIGC技术的兴起， 凭借其高效卓越的自然语言交互能力推进苏格拉底式对话学习回归。对话式的知识汲取从根本上满足了学习者对自主学习的需求。在此背景下， 每位学习者都能够拥有个性化的智能导师、 学习顾问及职业规划助手。AIGC凭借其智能涌现、 多模态生成及自然语言理解能力， 构建了具有人类特质的对话交互平台。借助这一平台， 学生由被动机械地接受信息转向主动探索与自主学习。这一交互方式重新确立了对话在现代文科教育系统中的核心地位， 赋予教育过程以深度探索的活力。进言之， AIGC的加持使得满堂灌的知识传授方式朝着交互式、 智能化、 个性化的教育模式迈进^［15］。文科教育可根据学生的个性特质、 学习进度和兴趣爱好， 提供定制化学习内容与路径， 真正实现因材施教的教育理念。

AIGC如何促进对话式学习模式的回归？AIGC的核心优势在于个性化学习路径的规划。根据学生的学习进度、 知识掌握程度和兴趣爱好， AIGC可自主生成个性化学习路径。该功能具备动态难度调整与即时反馈的天然优势。比如， 在语言学习中， AIGC可以实时监测学生的词汇掌握进度及语言使用能力。当学生在线阅读或听力训练时， AIGC根据学生的反应速度与正确率， 自动调整文章的难度及语料语速。动态难度调整确保学生在适合自己的水平上学习。最关键的是， AIGC具备持续对话的功能， 能够在多个话题回合中维持上下文的逻辑联系， 进而支撑涉及多领域的深入对话与全面探讨。这种能力对于扩展学习者的知识边界和培育其整体性思维方式具有重要的意义。它使得学习者可以在更广泛的领域内进行知识探索， 从而促进其思维能力的全面提升。

1.3 效能飞跃： AIGC促进知识生产速度与质量的双重提升

在信息爆炸时代， 知识生产与传播速度对文科生而言至关重要。作为新兴的知识生产工具， AIGC正以前所未有的速度和卓越的质量引发知识生产革命。通过模拟、 扩展甚至超越人类的学习能力， AIGC可以极大地提升学习效率， 激发学习者内在学习动机。

首先， AIGC带来知识生产效率跃升。一方面， AIGC具备高效的知识筛选与整合能力。传统知识生产过程， 文献检索与资料整理需要教师、 学生花费大量的时间。AIGC大幅缩短这一过程， 通过智能算法在极短时间内完成对相关领域知识的全面梳理， 为师生提供精准、 高效的信息。知识即时获取极大地缩短了学生搜寻问题答案的时间， 减少其学习过程中的挫败感， 增强其学习的连续性和动力。此外， AIGC在知识创新和迭代方面也发挥着重要作用。通过对已有知识的分析， AIGC能够迅速识别现有研究领域的空白， 甚至挖掘潜在的创新方向， 进而推动知识生产的加速创新。在知识加速迭代过程中， AIGC如同一个不知疲倦的思考者， 在人类学习者的引导下不断探索与创作。不仅如此， AIGC的嵌入使得学习不再是单向信息传递， 而是双向的互动过程。AIGC通过模拟人类对话， 提供陪伴式学习体验， 增强了互动过程中的趣味性， 将学习转化为一种“学习即游戏”的愉悦体验， 从而有效地改变学习者在学习过程中的枯燥、 无聊和孤独等负面情绪^［16］。

其次， AIGC促使知识生产质量显著提升。AIGC在数据分析技术方面的优势使其知识生产过程更加精确。AIGC通过处理复杂数据集并应用深度学习算法来提取关键信息， 为师生提供可靠的信息支持。在数据分析基础上， AIGC能够对知识进行深度挖掘， 发现隐藏在知识表层之下的深层次规律。其深度挖掘功能使知识生产不再局限于表象描述， 而是触及问题的本质。相较于传统浅表化、 碎片化的知识汲取过程， AIGC基于智能算法与深度学习， 不仅拓展了知识的广度和深度， 还加强了知识的系统性和连贯性。AIGC突破时空限制， 将分散的知识连接成完整的知识网络， 通过大数据学习与处理， 揭示知识之间的内在关联与深层次结构。这种深度的知识整合使得学习过程不仅仅是简单的知识积累， 更是系统性、 连贯性的知识建构过程。在知识建构过程中， AIGC实现跨领域知识融合、 动态知识更新及深度学习与理解。AIGC不仅能够整合不同学科的知识， 促进跨学科学习与研究， 使得学生知识体系更加丰富多样， 而且能够实时更新知识库， 确保学习者获取的信息始终处于最新状态， 进而保证知识体系的时效性和前沿性。此外， AIGC通过模拟人类认知过程， 建立起清晰的知识框架， 促进学习者条理化、 系统化及深度化学习， 超越了单纯的记忆与复制阶段。

2 AIGC在高校文科教育中的风险评估

在期待AIGC给高校文科教育带来积极影响的同时， 我们也要警惕其可能引发的一系列风险， 如知识的流水线生产导致知识同质化与知识权威的转移， 师生关系疏离引发情感互动减弱， 教育评价工具性使用引发评价结果偏差， 学术伦理风险剧增引发主体责任弱化， 技术支配引发核心素养退化与技术依赖现象。这些风险严重影响文科教育的质量与效果， 导致教育内容的浅表化和学生思维固化。

2.1 知识内容流水线生产： 同质化加剧与知识权威的转移

AIGC在文科教育中最显著的贡献是引发了一场前所未有的知识内容生产革命。评价其为知识生产革命的关键在于知识生产的规模化与高效化。其一， 就生产规模而言， 文科生凭借AIGC可迅速获取海量信息、 构建庞大知识库， 并在极短时间内完成知识内容的整合与输出。这一功能被文科生普遍用于完成作业与撰写论文。然而， 这种基于全网数据的知识生产模式与工业化生产的流水线模式相似， 导致知识生产的同质化、 标准化趋势明显^［17］。 其二， 从知识质量来看， AIGC生成的内容虽丰富， 但是知识创新日渐式微， 甚至可能因数据偏差导致知识真实性存疑。这种偏差既可能来自训练数据中源材料本身的错误， 也可能源自AIGC算法在处理信息时的逻辑缺陷或偏见。数据源的多样性、 算法黑箱及AI自主决策机制， 使得知识真实性的交互验证变得复杂而困难， 进一步加剧了知识获取的片面性和不可靠性。在这种情况下， 文科生学习极易陷入信息茧房， 难以建立深入而广泛的知识体系， 进而导致其批判思维与创新能力的退化。

伴随着知识生产的规模化、 高效化及标准化， 知识的权威中心正发生转移。其一， 专家即权威者的传统观念逐渐被打破， 教师作为知识传授者的角色日渐弱化。学生将AIGC视为答疑解惑及知识获取的首要渠道甚至是权威途径， 教师“传道、 授业、 解惑”的主导地位逐渐被AIGC所取代。其二， AIGC的广泛应用导致高校及教师对知识质量的控制力下降， 知识权威逐渐从教师、 学术机构向大型算法科技企业转移。算法即权威者， 意味着头部科技企业掌握知识生产传播的核心环节， 新型知识垄断导致高校与师生知识创造的自主性与多样性被抑制。这一转变不仅劣化文科知识生产传播生态， 还导致文科教育的本质随着知识权威的迁移逐渐被AI技术所主导， 师生沦为知识的被动接受者而非传统的创造者与批判者。其三， 长期的技术依赖使得文科知识体系的构建愈发依赖算法逻辑。文科生难以在AI预设的框架外进行创新性思考， 独立思考与深度探讨空间不断被压缩。师生在AI裹挟下， 逐渐丧失对知识的深度挖掘与批判性反思能力， 陷入算法预设的思维模式。面对文科教育核心价值逐渐被技术理性所侵蚀的困境， 如何在规范与赋能之间寻求平衡， 确保知识生产的质量与原创性， 成为文科教育不可回避的命题。

2.2 师生关系疏离： 师生互动式微与情感纽带弱化

在教育场域中， 师生关系是在教育过程中形成的最基本的人际关系。随着AIGC的深度介入， 知识生产的流程化、 标准化打破师生间传统的互动与情感交流模式。一是师生间面对面的个性化交流被标准化、 流程化的互动取代， AIGC的即时反馈削弱了师生间的深度探究能力。学生难以获得教师有温度的个性化指导， 导致师生关系日渐疏离、 情感连接逐渐破裂。二是AIGC的普及导致教师角色边缘化。学生倾向于依赖算法获取知识。在此过程中， 师生关系逐渐沦为知识传递的工具性关系， 进一步削弱了师生间的情感纽带。三是师生互动式微导致教育反馈机制的失灵。AIGC辅助学生进行知识生产却无法捕捉学生情感与心理变化。教师难以通过传统反馈机制了解学生的真实需求。一方面， 教师对学生学习状况的洞察力被削弱， 无法深入理解学生的个体差异； 另一方面， 教师对学生的学习兴趣和动机把握不足， 难以有效激发学生的内在驱动力， 导致教育互动陷入单向度知识传输。良好的师生关系不仅有助于提高课堂教育品质， 还有助于培养学生的综合素质和人文关怀能力。然而， 在智能技术的影响下， 师生交往关系由深度互动转向浅层交流， 越来越呈现工具化、 技术化趋势^［18］。在智能理性的主导下， 现实中的师生主体性逐渐被“人机关系”遮蔽。文科教育的意义在于激发学生对生命的感悟， 领悟生命存在的意义。仅靠AI预设的逻辑框架难以触及学生内心深处的情感与价值观， 更难以实现教育的生命旨趣及人文关怀。 “意义丧失”意味着人的主体性式微， 师生的互动将陷入智能技术之困。

2.3 教育评价真实性存疑： 算法简化与主观判断导致评价失真

传统文科教育评价通常侧重文科生的人文素养与综合素质， 着眼于学生的批判性思维与理解能力。然而， AIGC深度介入后， 文科教育评价将发生颠覆性变革。一是评价标准的客观化、 量化倾向， 虽然简化了人文学科的复杂性与多样性， 但极易忽视文科生的独特性与创造性等难以量化的特质。仅仅依靠算法难以全面捕捉与判断文科生的情感表达与思维深度， 教师也难以通过表面的量化指标对学生进行个性化评估。这一简化的评价标准极易导致评价结果失真。二是传统教师的主观判断在算法主导的工具评价体系中逐渐被边缘化， 进而影响教师对个体差异的敏感性及教育评价的客观性和真实性。评价失真不仅可能导致学生自我认知的偏差， 还可能导致教育目标偏离。一方面， 学生过分依赖量化结果， 对自己的能力判断有误， 进而影响其自我认知、 学习动机和职业选择。学生被智能技术简化的评价标准误导， 容易忽视情感、 意志等非智力因素在文科教育中的重要性。另一方面， 评价失真将导致教育目标的偏离。教师既难以准确把握学生的情感与心理变化， 又易使评价结果沦为可视化数据的简单呈现， 从而失去多维的价值关涉。这种评价体系的异化， 不仅削弱了文科教育的本质意义， 还可能导致教育过程的形式主义， 最终影响学生全面发展的深度与广度。教师与学生间的互动逐渐沦为机械的数据交换， 失去了人文关怀的温度与深度^［19］。整个评价过程难以体现人文关怀与生命教育的深层价值， 导致教育本质的空心化。在评价异化背景下， 如何从知识掌握、 情感体验、 价值塑造等多维度重构文科教育评价体系迫在眉睫。

2.4 学术伦理风险剧增： 论文创作算法化与主体责任消解

文科教育过程中， 学术伦理是文科知识生产合法性与人文精神的重要支撑， 具有规范共识与普遍约束的功能。然而， AIGC高效强大的知识生成能力， 导致文科领域学术诚信体系的瓦解与主体性异化。一方面， 文科生借助AI生成论文时， 其本质上是算法生成的高科技在剽窃作品^［20］， 这不仅减少了必要的深度阅读和深刻思辨的过程， 而且对文科生教育价值微乎其微。另一方面， 文科生主体性异化加剧， 当文科生将知识生产与创新权完全让渡给AI算法时， 文科生内在的人文精神与求知欲逐渐式微， 并成为依附AI工具的知识代工者^［21］。学术成果的算法生产， 不仅导致主体责任消解， 更为严重的是将引发学术共同体信任体系坍塌。首先， 文科生与老师之间的学术论文指导关系出现功能性断裂， 尤其当越来越多学生使用AI生成科研论文的时候， 导师与学生之间的信任关系将崩塌。其次， 是学术发表的署名危机扰乱学术共同体长期形成的规范秩序。学术署名权的模糊， 损害的不仅是个体的声誉， 更为严重的是损害学术界的整体公信力。长此以往， 学术伦理底线将不断被试探与突破， 学术生态将陷入恶性循环。学术伦理的塌陷对文科生教育的打击是致命的， 不仅使其丧失独立思考的能力， 更削弱了学术研究的严谨性和创新性。

2.5 技术绑架风险： 核心素养退化与技术依赖综合征

文科生赖以支撑的核心素养， 如批判性思维、 人文精神等， 在长期的技术依赖过程中将走向知识堕化^［22］。核心素养退化的最直接表现就是， 文科生面临学习任务和社会问题时， 习惯性地向AI求助。这种惯性思维或路径依赖， 非常容易被AI算法规训。算法规训加速文科生思维模式固化， 导致其思维能力退化与创新能力日渐枯竭， 最终彻底沦为AI技术的附庸。文科生一味地追求知识的高效输出， 忽视自身的人文精神与情感关怀， 究其本质是技术正确性僭越人文精神合理性^［23］。更严重的是， AI输出的内容并非完全准确无误， 甚至可能炮制知识误导学生， 然而这些误导性的内容却可能被文科生视为知识创新。这种AI技术幻觉^［24］带来的知识欺诈很容易让文科生陷入虚假学术成就及虚假能力自信的陷阱， 逐渐丧失对自身知识盲区的真实判断能力。AI技术的强势渗透， 已经让文科生产生技术依赖综合征， 从作业到论文、 从课堂讨论到社会实践， 文科生越依赖AI， 越容易被AI绑架且难以摆脱其技术规训， 导致其核心素养日渐退化。

3 AIGC视域下高校文科教育风险防范与治理变革

在AIGC现象级出圈后， 知识体系建构加速演变， 给高校文科教育带来新挑战。AIGC在提升文科教育、 研究、 管理工作方面虽然展现出巨大潜力， 但也导致知识生产同质化、 知识权威转移、 师生主体关系异化及教育评价失真等问题^［25］。面对这些新型挑战， 如果文科教育继续保持与AIGC的独立进化路径， 将严重影响人才培养质量。因此， 高校文科教育须重新审视AIGC在文科教育中的定位， 借助AIGC的快速发展与渗透， 推动文科教育在教育目标、 内容、 方法及评价方法方面的深度改革， 实现高校文科教育的智能化转型。

3.1 明确知识权属与使用边界： 加快构建约束知识生产流水线化的四维治理网络

针对AIGC在文科领域引发的知识生产异化及知识权威的解构， 单一的高校治理模式难以应对这一复杂局面， 亟须构建政府-高校-师生-技术的四维治理网络架构。首先， 就政府而言， 应尽快出台高等教育领域人工智能应用办法， 明确知识生产过程中数据权属与使用边界， 确保知识生产、 使用与传播的合法性与规范性。其次， 就高校而言， 在传统学术伦理委员会基础上增设AI伦理审查机制， 对AIGC生成的教育内容、 科研成果进行严格审查把关， 谨防知识幻觉误导与学术不端行为的蔓延。再次， 就师生而言， 一方面应强化AI伦理教育， 提升其对AI工具的理性认知能力； 另一方面， 师生可以通过协商平台参与算法训练数据的标注与反馈工作， 确保知识原创性与真实性。最后， 从技术角度上， 应加快完善AIGC算法的透明度和可解释性， 尤其注重构建知识溯源机制， 保障知识生产全流程可溯源、 可追责， 甚至可以结合区块链技术， 将原创知识加盖时间戳， 确保知识产权的不可篡改性。概言之， 在文科知识生产机制上， 应尽快建立AI生成内容的多重把关机制， 通过学术规范审查、 伦理委员会认证、 技术保障及教师最终把关， 确保知识生产的真实性与可靠性。当然， 对知识生产过程的严格把关并不意味着完全排斥AIGC的技术优势。相反， 在积极运用AIGC拓展文科生学习能力的同时， AI辅助创作标识与贡献度应该被纳入学术评价体系。

3.2 师生关系异化的修复： 以生为本并坚守育人价值底线

文科教育的核心目的是通过理论学习、 实践学习、 思想引领及情感培养， 提升学生的思维力和创新力。因此， 不论AIGC与高等文科教育如何融合， 前提是必须坚持本体论， 坚持“以生为本”的价值导向， 确保智能增强而非抑制主体创造性和人文性精神。只有具备主体意识的学生学会在人机协作中驾驭技术， 才能发挥人的主体性优势。高校文科教育成功的关键， 在于学生的主体性能否得到激发^［26］。不可否认， AIGC的引入导致高校文科教育元素日渐多元化， 除了传统的教师、 学生、 教材以外， 数字教师、 智能设备、 在线资源、 教育大模型等新元素在课堂涌现并赋能教育过程。在这一过程中， AI技术是教育实施的工具， 文科教育的核心价值与目标取决于教育本身的哲学基础和伦理立场。人作为意义存在的主体^［27］， 无论AIGC技术如何加速迭代， 无论教师角色如何弱化， 教师的价值观引导、 情感交流、 师生互动等人文元素不应被技术所边缘化。

坚持育人价值取向的关键在于重新界定教师角色与职能。在AIGC技术深度融入高校文科教育的背景下， 教师的核心任务不应局限于知识传授， 而是引导学生合理使用AI工具， 进行深度学习和批判性思考。首先， 教师应该接纳AIGC并将其作为教育辅助手段， 而不是让它完全替代自身职能。一方面， 教师在教育过程中要学会合理运用AI工具， 帮助学生处理大量信息， 为学生提供个性化学习资源和路径。另一方面， 在AI辅助教育过程中， 教师要重点培养学生高质量提问及解决问题的能力。教师应当设计能够激发学生思考的问题， 引导学生通过探究式学习， 实现从知识获取到知识创造的飞跃。其次， 凸显人文关怀在文科教育中的地位。面对大模型提供的海量信息， 教师不仅要帮助学生提升信息甄别能力， 更要帮助学生树立正确的价值观、 责任感， 培养其道德判断能力。这些人文素养的培育不能依赖于AI大模型， 而是需要教师在案例教育、 实践活动、 面对面交流中融入更多情感和人文关怀， 让学生在实践中内化社会责任及人工智能伦理。此外， 教师最重要的职能， 是培养文科生的批判性思维。教师通过课堂讨论、 辩论等形式， 鼓励学生对AIGC输出知识进行批判性分析， 在此过程中培育学生独立思考与判断能力。

3.3 教育评价转型： 构建以能力开发为主的发展型评价体系

在AIGC冲击下， 高校文科教育亟须构建一个科学合理、 公平公正的评价体系。高校文科教育评价体系转型是一个系统性工程^［28］， 需要从理念、 方法、 功能及主体等多个维度进行设计与考量。首先， 评价理念从知识导向向能力导向转型。在AIGC应用领域， 思维比知识重要， 问题比答案重要， 逻辑比罗列重要^［29］， 因此， 高校亟须推进教育走出知识的窠臼^［30］， 形成以能力为本位的评价导向。这就意味着文科教育要打破学生对知识记忆和复述能力的惯性思维。一方面， 要关注学生的思维能力的培养与评价， 通过课题研究、 案例分析、 论文撰写来评价其批判性思维、 逻辑思维、 创新思维的广度和深度。另一方面， 关注学生解决问题能力和跨学科综合能力的培养， 尤其是在实际情境中解决问题的能力， 如政策分析、 项目策划、 社会调查等。其次， 评价方式由结果导向向过程导向转型。 AIGC强调过程的重要性， 文科教育在AIGC辅助下弱化了知识输出的量化评价， 转向追求教育内在价值、 提升师生教育能力、 涵养师生品性的过程性评价。由此， 文科教育的过程性评价须强化以理解为基础的多元主体评价。再次， 评价功能由选拔性评价向发展性评价转型。传统的对文科生的选拔性评价主要以成绩为依据， 而AIGC驱动下的过程性评价更加注重学生的能力提升、 个体差异与发展潜力。由此， 高校亟须从单一的选拔性功能向促进学生全面发展的功能转变， 制定能力提升计划、 个性化学习路径， 助力学生多元化发展。最后， 由教师单一评价主体向多元评价主体转变。传统评价主体是教师， 在AIGC驱动下， 评价主体要求更加多元， 包括教师评价、 同伴评价、 学生自评及社会评价等， 尤其社会评价为学生提供了实习实践、 连接未来职场的机会。通过与专业建设相关的行业专家、 企业代表等社会成员互动， 学生可以前瞻性地了解社会对文科人才的期望与具体需求， 进而适时调整职业规划。

为实现多元评价主体的有效整合， 高校应加快构建综合性评价平台， 整合多元主体评价反馈信息， 为全流程可追溯、 可视化的学习成长记录提供有力支持。这个平台需要具备以下基本功能： 第一， 集成化管理与实时互动功能。平台整合来自教师、 同伴、 学生及社会评价的反馈信息， 构建一个多维度、 可视化的学习档案。通过集成化管理， 平台可以提供实时反馈信息， 让师生即时了解学习进度与评价结果。在此基础上， 平台支持在线讨论、 即时通信等互动功能， 促进学习者、 教师及评价者之间的多元互动。第二， 学习过程的数据分析与可视化功能。利用大数据分析技术， 平台收集到全过程数据进行深入分析， 识别学习模式、 趋势和薄弱环节， 预测学生学习成效。可视化技术可将复杂数据转化为易于理解的报告和图表， 帮助师生优化学习过程并作出决策。第三， 个性化学习与可持续发展跟踪得以实现。基于可视化的学习记录与评价结果， 平台为学生推荐个性化学习路径与资源， 辅助学生挖掘其学习潜能。在此基础上， 平台长期跟踪学生发展， 记录学生从入学到毕业的发展轨迹。这不仅有助于提升高校教育评估效果， 适时调整教育策略， 还可以为学生提供持续的职业发展指导。概言之， 基于AIGC的综合性评价平台， 高校加快推进文科教育评估的全面转型， 不仅能促进学生脱离知识窠臼、 实现全面发展， 还能提高评价的透明度与公信力， 帮助高校更快更好地适应智能时代社会对人才的需求， 培养出更具备创新精神与实践能力的文科人才。

3.4 建立立体化伦理治理体系： 区块链动态认证与追踪溯源

AIGC引发的学术伦理危机， 本质上是传统伦理规范与现代AI技术发展之间的结构性张力。为克服现有伦理框架的局限， 亟须构建包含“动态认证-追踪溯源-协同共治”的立体化伦理治理体系。首先， 建立文科领域知识生产的动态认证机制， 通过区块链技术实现学术创作与知识生产的全流程存证^［31］。高校应构建备课、 教育、 科研等各类场景的AI日志。该日志是自动生成的， 并且在区块链存证技术支持下， 能够详细记录知识生成过程中的数据调用路径、 人工原创与修改痕迹、 算法辅助决策等各个环节。通过对学术成果的哈希值上链存证^［32］， 为人机协作贡献度证明提供有效保障。其次， 建立学术伦理的跨学科审查机制， 组建由伦理学家、 技术专家、 法律学者共同参与的伦理委员会， 重点审查相关伦理规范问题。最后， 文科教育中要引入学术伦理韧性培养计划， 重点加强对文科生人机对抗思辨能力的培养。通过学生与AI的互动与论点交锋， 提升文科生识别算法漏洞与幻觉的能力， 并培养文科生的思辨能力， 坚守文科生的思想主权。通过动态认证确保学术成果真实可靠， 通过跨学科审查强化伦理监督， 以伦理韧性计划提升学生思辨能力， 三者协同建构动态立体的伦理治理体系。

3.5 建立可控生成式AI： 构建人类智能优先的技术架构

可控生成式AI的实施需要建立以人类智能为中心的技术架构， 确保生成式AI在不超越人类智能边界前提下发挥辅助作用。针对文科生技术依赖引发的思维固化与认知外包， 可控生成式AI需建立知识生产的分工体系。生成式AI应该专注于数据整理、 知识检索、 信息过滤等基础性工作， 文科生应专注于高阶思辨能力的培育， 教师则应该专注于价值观引导与理论深化。这样的分工体系既能够有效防止AI过度介入导致知识退化， 又能确保人类智能在知识生产创作中的主导地位。要实现这样的分工体系， 需要构建分层技术架构。首先， 在数据处理层集成文科教育知识图谱， 对生成内容的范围及质量进行预先约束。其次， 在教育模型训练层， 可以根据学科特色采取差异化训练策略， 并针对文科生特质进行定制模型训练， 确保AI生成内容符合文科生的实际需求。最后， 在知识输出层面， 可以设置过滤模块， 如通过知识验证与语义分析及时阻止事实错误、 间接抄袭等学术不端行为。基于以上三层技术架构， 既可以实现AI赋能文科教育的精准性与可控性， 又能够保持文科教育的独创性与自主性。

4 结　语

在智能革命时代， 大学作为知识中心的权威地位正面临前所未有的挑战。一方面， 大学教师的职业特征与专业角色正在经历根本性的转变； 另一方面， AIGC技术带来的冲击预示着高等教育可能迎来全新的模式。面对这些变化， 高校必须做出明智的选择， 是继续坚守传统的教育理念和办学模式， 还是积极探索与AIGC融合的新路径。这一决策不仅关系大学的发展方向， 更关系整个教育体系的未来发展生态。高校需要清晰地认识到人工智能大模型的技术迭代趋势势不可挡， AIGC融入教育领域是历史发展的必然。传统的文科教育模式已经不足以应对快速变化的社会需求与技术变革。由此， 高校文科教育亟须探索构建一种更加开放、 包容、 灵活的教育体系， 将AIGC作为变革传统教育模式、 提升教育教学质量、 促进教育公平发展的有力工具。高校不能因为技术发展带来的问题而因噎废食、 裹足不前。

参考文献

[1] 教育部新文科建设工作组. 《新文科建设宣言》正式发布［EB/OL］. 2020-11-03［2024-06-21］.

[2] 教育部. 中国高等教育的质量革命启动实施“六卓越一拔尖”计划2.0有关情况［EB/OL］. 2019-04-29［2025-03-21］.

[3] 袁卫， 李茂菊.美国大学“可免试入学”选才政策的演进逻辑［J］.黑龙江高教研究， 2025， 43（2）： 73-80.

[4] 仇立岗， 胡文玥.小学人工智能校本课程开发依据及其组织逻辑［J］.电化教育研究， 2024， 45（12）： 83-88.

[5] 林思雨， 周海涛.数字技术赋能高校教育的特征、 挑战和优化路径［J］.教育科学， 2024， 40（6）： 72-79.

[6] 石绍宾.持续深化新文科建设［J］.东华大学学报（社会科学版）， 2024， 24（4）： 6-7.

[7] 廖宏建， 王慧敏.从信息到生态： 融入AIGC的反馈素养与教育意涵［J］.开放教育研究， 2024， 30（6）： 55-65.

[8] 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.

[9] 刘娴.AIGC技术赋能学术期刊数据出版的应用研究与思考［J］.编辑学刊， 2024（4）： 31-37.

[10] 吴军其， 张萌萌， 吴飞燕， 等.AIGC支持下“双师课堂”协作学习范式构建及应用［J］.现代远程教育研究， 2024， 36（6）： 93-101.

[11] 谭春林， 王建平.AIGC在学术研究和出版中的使用边界、 透明度与伦理［J］.编辑学报 2024， 36（6）： 661-666.

[12] 国家互联网信息办公室等四部门.关于印发《人工智能生成合成内容标识办不地》的通知［EB/OL］.2025-03-14［2025-09-01］.

[13] 李颖.初职与青年“初显成人期”： 基于2016CLDS数据的实证分析［J］.中国青年研究， 2018（11）： 15-21.

[14] 邱芳婷， 龙宝新.面向强师计划的高师教育提质行动方略［J］.南京社会科学， 2022（6）： 137-145.

[15] 戴岭， 赵晓伟， 祝智庭.智慧问学： 基于ChatGPT的对话式学习新模式［J］.开放教育研究， 2023（6）： 42-51.

[16] 王洪才， 张启富.ChatGPT将开启高等教育发展加速范式［J］.教育发展研究， 2023， 43（11）： 29-33.

[17] 孙伟平， 刘航宇.生成式人工智能与知识生产方式的革命： 从Sora的冲击波谈起［J］.思想理论教育， 2024（5）： 12-18.

[18] 陈祖鹏.师生交往的实践困境及其超越： 解释学的视角［J］.中国教育学刊， 2019（9）： 53‑57.

[19] 孙海峰， 张海泳， 卢毅刚.拓展、 重组与具象： AIGC引入新闻专业教育中的可能性分析［J］.传媒观察， 2024（S1）： 72-76.

[20] 乔姆斯基谈ChatGPT与后者的回应［EB/OL］.2023-03-08［2025-03-10］.

[21] 周洪宇， 常顺利.生成式人工智能嵌入高等教育的未来图景、 潜在风险及其治理［J］.现代教育管理， 2023（11）： 1-12.

[22] 高奇琦.知识革命还是知识堕化： ChatGPT与知识生成秩序［J］.中国社会科学评价， 2023（2）： 8-13.

[23] 杨宗凯， 王俊， 吴砥， 等.ChatGPT/生成式人工智能对教育的影响探析及应对策略［J］.华东师范大学学报（教育科学版）， 2023， 41（7）： 26-35.

[24] 张铮， 刘晨旭.大模型幻觉： 人机传播中的认知风险与共治可能［J］.苏州大学学报（哲学社会科学版）， 2024， 45（5）： 171-180.

[25] WALCZAK K， CELLARY W. Challenges for higher education in the era of widespread access to generative AI［J］. Economics and Business Review，2023， 9 （2）： 71-100.

[26] 王洪才.创新创业教育的意义、 本质及其实现［J］.创新与创业教育， 2020， 11（6）： 1-9．

[27] 洪佳惠.档案“异质/同质—分离/连续”问题研赜： 从马比荣与热尔蒙之争说起［J］.档案学研究， 2024（6）： 39-45.

[28] 尤然.人工智能时代思想政治教育方法的和生论［J］.中北大学学报（社会科学版）， 2025， 41（1）： 144-149.

[29] 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（4）： 8-15

[30] 吴南中， 陈咸彰， 冯永.从“失序”到“有序”： 生成式人工智能教育应用的转向及其生成机制［J］.远程教育杂志， 2023， 41（6）： 42-51.

[31] 金华.区块链架构下的应急管理： 可能图景、 潜在风险与因应之道［J］.宁夏社会科学， 2021（3）： 118-125.

[32] 景汉朝.数字时代在线诉讼模式特有原则与制度构建［J］.华东政法大学学报， 2025， 28（1）： 6-17.

基金资助

2024年国家社会科学基金青年项目： 生成式人工智能对知识密集型行业的就业影响及风险防范研究(24CGL121)

江苏省教育科学规划项目： 生成式人工智能驱动下高校文科教育创新与伦理风险防范研究(C/2024/01/58)