大模型作為顛覆性的前沿技術，正成為主導科技創新的現代化新質生產力，推動全社會催生新產業、新模式、新動能。發展教育領域垂類大模型，既是大模型在教育領域走向專業、準確和科學可靠的深度賦能，更是教育作為教書育人事業對科技應用的現實需要。

  目前，教育垂類大模型已經能夠深入理解并適應不同的教學場景，在多類場景中為教師及學生提供精準而個性化的幫助，正推動教育主體、教育模式、教育內容發生范式變革。未來隨著教育垂類大模型研發創新的不斷深入，將進一步實現精準教學、大規模因材施教和個性化學習，助力實現教育高質量發展。

  大模型技術推動全社會

  催生新產業、新模式、新動能

  大模型技術的顛覆性的前沿技術屬性，以及廣泛的行業賦能特性，讓其能夠成為主導科技創新的現代化生產力。大模型技術的崛起，意味著人工智能從判別式發展到生成式的跨越，是里程碑式的創新。大模型能夠對大數據進行訓練和學習，實現機器對人類語言、圖像、聲音等多模態信息的深度理解和精確模擬，使得計算機可以準確而高效地理解、判別和響應復雜問題，以及提供更人性化的服務。

  大模型技術已經表現出廣泛的行業賦能特性，正在為工業制造、醫療健康、金融服務、交通運輸等行業和領域提供精確和個性化的解決方案，同時推動建成近萬家數字化車間和智能工廠，展現出廣泛的應用前景和巨大的賦能潛力。未來，大模型技術將進一步走深向實，賦能千行百業，推動現代化產業實現轉型升級、提質增效。

  教育領域研發和應用專用大模型技術，既是大模型在教育領域走向專業、準確和科學可靠的深度賦能，更是教育作為教書育人的事業對科技應用的現實需要。教育領域大模型好比行業領域內的專家，擁有高超的領域專業知識和能力，能夠針對該領域的任務做指令學習，更符合特定領域的需求。通過使用更加專業、深入的教育相關數據進行訓練，并引入教育專業人士的參與和專業知識的指導，對教育數據進行專業的標注和注釋，從而使得教育領域大模型能夠更好地理解教育領域特定的術語、概念和規則，保證了輸出內容的專業性、可解釋性及準確性。

  教育垂類大模型推動

  教育主體、模式和內容發生范式變革

  教育垂類大模型的應用和推廣，能夠推動教育的主體、模式和內容變革躍升，從而形成新的教育范式。

  教育垂類大模型推動教育的主體從教師和學生，向人機交互轉變。學生在答疑、做題和自主學習階段，能夠通過和大模型進行交流互動，獲取所需要的知識和學習資源的智能推薦。教育垂類大模型讓教育的模式由老師教、學生學，轉變為學生提問，由人工智能主體引導學習。學生在做題和學習過程中，通過“人工智能問，學生答”的互動問答方式，一步步啟發式引導學生掌握所需知識，從而實現自主學習。同時，教育垂類大模型推動教育的內容從傳遞知識轉變為傳遞思維品質和運用知識的能力。大模型技術除了能夠進行知識傳授，更重要的是，通過將解決復雜問題的過程進行模擬，培養學生的探索性、創新性思維品質和實際能力，并引導學生從“學習知識”轉變為“學習思考”和“學會動手”。

  數據驅動的教育垂類大模型，將通過對師生在教育教學過程中所產生的教育數據收集和分析，實現精準教學、大規模因材施教和個性化學習，推動教育高質量發展?；跀祿寗拥拇竽Ｐ图夹g還能對學生的學習進程進行精確跟蹤，精準識別學生的學習難點和優點，調整教學方案，提高教學效率并實現個性化教學。同時，通過智能化的教學評價，可以實現對學生學習過程和結果的全面評價，不僅有助于提高教學質量，更能促進教育公平。推動大模型技術在教育領域的研發和應用，實現科技和教育的深度融合，將推動教育領域的科技創新，提升我國整體教育水平。

  教育垂類大模型助力實現

  “精準化的教”和“個性化的學”

  教育垂類大模型在教師教研過程中，一方面能夠依據教師的教學需求，提供豐富的教學資源和教學工具，生成高質量的教學設計方案；另一方面借助強大的數據分析能力，能夠為教師提供基于數據的學生真實情況，讓教師能夠更好地關注學生的成長。在教師備課階段，教育垂類大模型可以根據教師的教學需求，整合并提供大量優質豐富的數字化教學資源，并依據教師的教學需求，從中篩選出符合教學目標、適合老師開展教學、滿足學生學習需求的數字化資源。

  教育垂類大模型除了幫助教師實現智能作業批改和分析，更重要的是能夠收集學生在學習過程產生的各類數據，實現對的數據深度分析，并提供全面的反饋，進而為教師調整課堂教學安排提供科學指導和建議，提升教學活動的質量和效率。另外，教育垂類大模型還能夠在課堂教學中，充當智能助教，依據特定教學場景與教師實時教學需求，提供課堂輔助問答、教學資源實時生成、開設跨學科課程，協助教師便捷開展交互式創新性的課堂教學活動。

  教育垂類大模型能夠在課后練習、自主學習及智能答疑過程中，通過持續收集和分析學生的學習數據，并引入蘇格拉底提問式的人機交互的方式，引導學生學習和探究，從而對學生進行更為精準而全面的教學和評價。在課后練習環節，教育垂類大模型一方面可以實現為每位學生定制化地生成課后作業，并實現智能批改和學情分析反饋，另一方面還能對練習結果進行智能分析，結合大模型的持續性分析能力，對過程和結果數據進行綜合分析，從而實現大規模的因材施教。大模型還能通過大數據分析學生的學習行為和學習習慣，并且依據學生的學習需求與知識掌握情況，為學生提供動態反饋。

  未來，借助教育垂類大模型其對歷史數據的記憶和分析能力，通過融合更多維度的學生數據，不僅能夠根據學生的個體差異提供定制化的學習建議、課程推薦和學習路徑，還能夠在長期中扮演智能學伴的角色，為每一位學習者提供智能學習服務，實現大規模的精準教學和個性化學習。

  （程群 黃志強 作者：程群系首都師范大學人工智能教育研究院研究員、飛象星球人工智能研究院院長，黃志強系飛象星球人工智能研究院研究員。本文是“首都師范大學‘人工智能賦能首都教育改革與發展’科研項目-基于課堂智能分析大模型的精準教學研究”的階段性成果。）