多模态交互视角下生成式人工智能在中小学探究式学习中的认知支架效能研究
一、引言
1.1 研究背景
在当今科技飞速发展的时代，人工智能技术已成为推动社会进步和经济发展的核心力量，从智能家居到自动驾驶，从医疗诊断到金融风控，人工智能正以前所未有的速度和广度渗透到各个领域，深刻改变着人们的生活方式和社会的运行模式。作为人工智能领域的重要发展方向，多模态交互技术和生成式人工智能（AIGC）近年来取得了显著进展，并在教育领域展现出巨大的应用潜力。
多模态交互技术整合了文本、图像、语音等多种数据形式，实现了更全面、准确的信息理解和处理，为用户提供了更加自然、直观和高效的交互体验。在教育场景中，多模态交互技术能够根据不同学习者的特点和需求，提供个性化的学习体验，促进学习效果的提升；结合虚拟现实技术，多模态交互能够为用户提供沉浸式的学习环境，增强学习的趣味性和互动性 ；利用多模态交互技术，助教系统能够更好地理解学生的需求和问题，提供更加精准的辅助和指导。例如，GPT-4o 最大的特点是可以多模态实时交互，跟真人响应速度一样，其多模态交互可以重塑家庭场景和职场 / 职业教育场景，像放摇篮曲、讲故事、玩游戏，以及模拟面试等。
生成式人工智能则能够基于大量的数据学习，生成全新的内容，如文本、图像、音频等。在教育中，生成式人工智能可以用于制作教育内容、提供智能辅导、助力个性化学习等。它可以根据每个学生的学习能力、兴趣和需求，为他们提供定制化的学习路径和资源，这有助于提高学生的学习效果，同时减轻教师的工作负担；还可以作为智能辅导系统，为学生提供实时的学习建议和反馈，对学生的作业、考试等进行自动评估，为教师节省时间，让他们更专注于教学本身。
中小学阶段是学生认知发展和思维培养的关键时期，探究式学习作为一种重要的教学方法，鼓励学生主动探索、发现问题并解决问题，有助于培养学生的创新思维、实践能力和自主学习能力。将多模态交互和生成式人工智能引入中小学探究式学习中，有望为学生提供更加丰富、个性化的学习支持，帮助学生更好地理解和掌握知识，提升探究式学习的效果。例如，在小学科学课堂中，生成式人工智能能够为学生提供个性化、智能化的学习支持，激发学生的学习兴趣，提高学生的科学素养 。然而，目前关于生成式人工智能在中小学探究式学习中具体作用的研究还相对较少，尤其是从多模态交互角度的深入探究更为匮乏。因此，开展相关研究具有重要的理论和实践意义。
1.2 研究目的与问题
本研究旨在深入探究生成式人工智能在中小学探究式学习中作为认知支架的作用，通过基于多模态交互的准实验研究，揭示生成式人工智能如何影响学生的学习过程和学习成果，为中小学教育中合理应用生成式人工智能提供科学依据和实践指导。具体而言，本研究试图回答以下几个关键问题：
-
生成式人工智能作为认知支架，在多模态交互环境下，对中小学学生探究式学习的知识理解与掌握有何影响？学生在使用生成式人工智能辅助探究式学习后，在相关知识的测试成绩上是否会有显著提升？对知识的理解深度和应用能力是否会发生变化？
-
从学习过程来看，生成式人工智能如何通过多模态交互影响学生的探究行为和思维方式？例如，在提出问题、设计探究方案、收集和分析数据、得出结论等环节，学生的表现会有怎样的改变？学生的批判性思维、创造性思维等思维能力是否会得到促进？
-
学生对生成式人工智能在探究式学习中的接受度和体验如何？他们认为生成式人工智能对自己的学习有哪些帮助和挑战？不同性别、学科背景的学生在接受度和体验上是否存在差异？
1.3 研究意义
本研究具有重要的理论与实践意义。理论上，有助于丰富教育技术领域中关于人工智能应用的研究，进一步揭示生成式人工智能在中小学教育场景下的作用机制，为后续相关研究提供实证基础。同时，从认知学习理论角度出发，探讨生成式人工智能作为认知支架对学生思维和学习过程的影响，有望拓展和深化认知学习理论在数字化学习环境中的应用与发展。
实践方面，本研究成果可为中小学教师在教学中合理运用生成式人工智能提供具体指导，帮助教师设计更有效的探究式学习活动，提升教学质量。通过明确生成式人工智能的优势与适用场景，学校和教育部门能够更有针对性地进行教育资源配置和教学改革，促进教育公平，使不同地区、不同背景的学生都能受益于人工智能技术带来的教育变革。对于学生而言，生成式人工智能作为认知支架的有效应用，有助于培养他们的自主学习能力、创新思维和问题解决能力，提升他们在未来社会中的竞争力，以更好地适应智能时代的发展需求。
二、核心概念与理论基础
2.1 核心概念界定
2.1.1 生成式人工智能
生成式人工智能（Generative Artificial Intelligence，GAI）是人工智能技术的重要分支，指通过学习大规模数据集的模式和规律，生成全新原创内容的技术。其核心在于利用算法、模型和规则，模拟人类创造性思维，输出文本、图像、音频、视频、代码等多样化内容 。与传统分析式人工智能侧重于数据分类、预测或决策不同，生成式人工智能强调创造性输出，能够突破对现有数据的模仿，生成逻辑连贯且具有创新性的内容。
生成式人工智能具有诸多显著特点。一是数据巨量化，它依赖海量训练数据，例如 ChatGPT-3 的训练参数达 1750 亿个，数据量达 45TB。二是多模态融合，支持文本、图像、声音、视频等跨模态内容的生成与交互，如 DALL・E 可基于文本描述生成图像。三是自主反馈学习，通过监督学习与强化学习不断优化输出，结合用户反馈调整生成结果，提升内容契合度。四是类人化表达，生成内容在语法、逻辑和风格上接近人类创作，例如 ChatGPT 能模拟自然对话。
根据生成内容的类型，生成式人工智能可大致分为文本生成、图像生成、音频生成、视频生成等类别。文本生成领域，以 GPT 系列为代表，能够生成新闻报道、论文、故事等各种文本；图像生成方面，像 Midjourney、StableDiffusion 等模型，可以根据文本提示生成逼真的图像；音频生成中，一些工具能生成音乐、语音等；视频生成领域，也有相关技术开始崭露头角，可实现视频内容的自动创作或编辑 。这些不同类型的生成式人工智能在各自领域发挥着独特作用，为内容创作、设计、娱乐等诸多行业带来了新的变革和机遇。
2.1.2 多模态交互
多模态交互（Multimodal Interaction）是指通过多种感官通道（如视觉、听觉、触觉等）或多种交互方式（如语音、手势、触控、眼动等）与计算机系统进行自然、协同的信息交互。它的核心目标是模拟人类多感官协同的沟通方式，提供更高效、灵活和人性化的人机交互体验。
多模态交互涵盖多种类型。从感官通道角度，包括视觉交互，如通过摄像头捕捉用户的面部表情、手势动作等；听觉交互，借助麦克风实现语音识别与语音合成；触觉交互，利用触控屏、力反馈设备等让用户感受物理触感。从交互方式来看，有语音交互，用户通过说话与系统交流；手势交互，以特定的手部动作传达指令；眼动交互，依据眼球运动轨迹获取用户关注信息等 。
多模态交互具有明显优势。它能够提高交互效率，同时使用多种模态进行交互，可更好地理解用户意图，例如在语音识别基础上结合文字、图像等模态；适应性强，能适应不同场景和用户需求，在嘈杂环境中可通过手势交互来减少干扰；提高易用性，降低用户学习成本，对于视力障碍者，语音交互可帮助他们获取信息 。这些优势使得多模态交互在智能家居、自动驾驶、医疗健康、教育娱乐等众多领域得到广泛应用，推动了人机交互方式的革新。
2.1.3 认知支架
认知支架是指在学习过程中，为帮助学习者跨越 “最近发展区”，由教师、同伴或学习工具等提供的概念框架、提示、引导等支持性要素。它的内涵基于维果茨基的 “最近发展区” 理论，即学习者实际发展水平与潜在发展水平之间的差距。认知支架旨在协助学习者完成那些独自无法完成的任务，从而促进其认知发展和知识建构 。
认知支架在学习中发挥着关键作用。它能帮助学习者理解复杂知识，将新知识分解为可理解的小单元，如在数学教学中，通过问题引导学生逐步理解抽象概念；辅助学习者掌握学习策略，提供解决问题的思路和方法，培养其自主学习能力；激发学习者的学习兴趣和动机，当学习者在支架支持下取得进步时，会增强自信心和学习动力 。在探究式学习中，认知支架可贯穿于提出问题、设计探究方案、收集和分析数据、得出结论等各个环节，引导学生的思维和探究行为，提升学习效果。
2.2 理论基础
2.2.1 建构主义学习理论
建构主义学习理论强调学习者在学习过程中的主体地位，认为知识不是通过教师传授得到，而是学习者在一定的情境即社会文化背景下，借助其他人（包括教师和学习伙伴）的帮助，利用必要的学习资料，通过意义建构的方式而获得。在本研究中，生成式人工智能作为一种学习工具，为学生提供了丰富的学习情境和资源，学生在与生成式人工智能的多模态交互过程中，积极主动地探索知识，构建自己的认知体系。例如，在探究式学习中，学生可以根据生成式人工智能提供的问题情境和引导，结合自身已有的知识经验，进行思考和探究，从而对知识有更深入的理解和掌握 。同时，多模态交互使得学生能够从不同角度获取信息，与学习内容进行更全面的互动，进一步促进了知识的意义建构。
2.2.2 情境认知理论
情境认知理论认为，知识是情境化的，学习发生在真实的情境中，学习者的认知和学习活动与具体的情境密切相关。在中小学探究式学习中，将生成式人工智能与多模态交互相结合，能够创设更加真实、丰富的学习情境。通过语音、图像、文本等多模态信息的呈现，学生仿佛置身于实际的探究场景中，如在科学探究中，利用生成式人工智能生成虚拟实验场景，学生可以通过多模态交互进行实验操作和观察，这种情境化的学习方式有助于学生更好地理解知识的应用背景，提高解决实际问题的能力，也符合情境认知理论中关于学习与情境紧密相连的观点 。
2.2.3 分布式认知理论
分布式认知理论指出，知识分布在人脑、环境、工具等不同要素中，认知过程是通过这些要素之间的交互和协作来完成的。在本研究中，生成式人工智能作为一种认知工具，与学生、教师以及学习环境共同构成了一个分布式认知系统。学生在探究式学习中，借助生成式人工智能的多模态交互功能，与系统中的其他要素进行信息交流和共享，实现知识的分布加工与整合。例如，学生可以通过与生成式人工智能进行语音交互，获取相关知识和建议，同时将自己的想法和发现反馈给生成式人工智能，这种交互过程促进了知识在不同要素之间的流动和转化，有助于拓展学生的认知能力，深化对知识的理解 。
三、生成式人工智能与多模态交互在中小学教育中的应用现状
3.1 生成式人工智能在中小学探究式学习中的应用现状
在教学资源提供方面，生成式人工智能展现出强大的能力，能够快速生成丰富多样的教学素材。例如，教师借助生成式人工智能工具，可根据教学内容和学生的学习水平，生成针对性的练习题、拓展阅读材料、实验设计方案等。在教授小学语文古诗词时，生成式人工智能能生成诗词的背景介绍、作者生平故事、相关的历史文化知识等拓展阅读材料，帮助学生更好地理解诗词内涵 。在科学课程中，针对 “植物的生长” 这一探究主题，生成式人工智能可以设计多种实验方案，包括不同植物在不同环境条件下的生长实验，为教师开展探究式教学提供丰富的素材。然而，目前生成式人工智能生成的教学资源存在准确性和适用性有待提高的问题。部分生成的内容可能存在事实性错误，或者与教学大纲和学生实际需求不完全匹配，需要教师花费时间进行筛选和修改 。
在个性化学习支持上，生成式人工智能可以根据学生的学习数据和特点，提供个性化的学习建议和指导。通过分析学生的作业、测试成绩以及课堂表现等数据，生成式人工智能能够了解学生的知识掌握情况和学习风格，为每个学生制定专属的学习计划。在数学学习中，对于基础薄弱的学生，生成式人工智能可以推荐针对性的基础知识巩固练习，并提供详细的解题思路和步骤讲解；对于学有余力的学生，则推荐拓展性的数学问题和挑战，激发他们的学习潜力 。但生成式人工智能在个性化学习支持方面也面临挑战，它对学生学习数据的收集和分析还不够全面和深入，难以准确把握学生复杂的学习心理和情感需求，导致个性化学习建议的精准度有限 。
在探究过程引导中，生成式人工智能能够扮演智能学习伙伴的角色，为学生提供探究思路和方法指导。当学生在探究式学习中遇到问题时，生成式人工智能可以通过自然语言交互，引导学生思考问题、提出假设、设计实验等。在 “电路连接” 的探究活动中，学生对灯泡不亮的原因感到困惑，生成式人工智能可以引导学生从电源、导线、灯泡等多个方面进行排查，帮助学生逐步找到问题的解决方案 。但生成式人工智能在理解学生问题的情境和意图方面还存在不足，有时给出的引导不够准确和有效，无法真正满足学生的探究需求。
3.2 多模态交互在中小学教育中的应用现状
在课堂教学场景中，多模态交互技术为教学带来了更丰富的互动形式。例如，智能教学设备可以通过摄像头捕捉学生的面部表情和肢体语言，分析学生的学习状态，如是否专注、是否理解教学内容等。当发现学生注意力不集中时，教师可以及时调整教学方式，吸引学生的注意力。一些课堂互动软件支持语音抢答、手势控制等交互方式，增加了学生的参与度和学习兴趣。在语文课堂上，学生可以通过语音回答问题，软件自动识别并展示答案，提高了课堂互动的效率 。研究表明，采用多模态交互技术的课堂，学生的参与度比传统课堂提高了 [X]%，学习积极性明显增强 。
在学习评价场景中，多模态交互技术能够实现更全面、客观的评价。通过收集学生在学习过程中的语音、文本、手势等多模态数据，结合人工智能分析技术，可以对学生的学习态度、知识掌握程度、思维能力等进行综合评价。在数学解题过程中，系统可以分析学生的解题思路（通过文本输入或语音讲解）、解题步骤（通过手写输入或操作演示）以及解题时的表情和动作，更准确地判断学生对知识点的理解和应用能力 。与传统的纸笔测试评价相比，多模态交互技术支持下的学习评价能够提供更丰富的评价信息，使评价结果更能反映学生的真实学习水平 。
在课外学习场景中，多模态交互技术为学生提供了更便捷、个性化的学习体验。例如，一些智能学习 APP 支持语音搜索学习资料、智能语音辅导等功能，学生可以随时随地通过语音与 APP 进行交互，获取学习帮助。在学习英语时，学生可以利用 APP 的语音对话功能进行口语练习，APP 会根据学生的发音、语法等进行实时反馈和纠正 。多模态交互技术还可以结合虚拟现实（VR）、增强现实（AR）技术，为学生创造沉浸式的课外学习环境，如通过 VR 技术让学生身临其境地参观博物馆、历史遗址等，增强学习的趣味性和效果 。
3.3 生成式人工智能与多模态交互结合的应用案例分析
以小学数学课程 “圆的认识” 为例，生成式人工智能与多模态交互的结合为教学带来了新的活力。借助生成式人工智能工具，教师可以生成 html 格式的数学动态实验，帮助学生直观地感受圆的本质特征。在探讨套圈游戏站位公平性问题时，通过动态实验展示正方形如何随着套圈人数的增加逐渐演变成正八边形，最终趋近于圆，让学生深刻理解圆心到圆上任意一点距离相等这一圆的最本质特征 。引入 AI 智能体古代数学家祖冲之先生，学生可以通过语音与智能体展开多轮对话，提问关于圆的知识，如古人是如何理解圆的、马车车轮为什么是圆的等，促进学生对圆的知识进行拓展了解，激发学生的学习兴趣 。在这个案例中，生成式人工智能生成的动态实验和智能体通过多模态交互（语音、图像展示等），为学生提供了更加直观、生动的学习体验，帮助学生更好地理解抽象的数学概念，提高了学生的学习效果。
在小学语文课程 “动物儿歌” 的教学中，生成式人工智能与多模态交互也发挥了重要作用。教师利用生成式人工智能生成与儿歌相关的生动有趣的动画视频、音频朗读以及拓展阅读材料，如介绍儿歌中动物的生活习性、特点等内容 。在课堂上，学生可以通过语音与教学系统进行交互，朗读儿歌、回答问题，系统根据学生的语音表现进行实时评价和反馈，纠正发音错误，提高学生的朗读水平 。学生还可以通过触摸屏幕、手势操作等方式与动画互动，如点击动物形象查看详细介绍、拖动动物卡片进行分类等，增强学习的趣味性和参与度 。这种结合方式丰富了教学内容和形式，提高了学生的学习积极性和对知识的掌握程度。
在小学科学课程 “声音的传播” 探究活动中，生成式人工智能与多模态交互同样展现出优势。生成式人工智能可以为学生提供多种探究方案和实验设计思路，如利用不同介质（固体、液体、气体）进行声音传播实验的具体步骤和注意事项 。在实验过程中，学生可以通过语音与智能实验助手交流，询问实验中遇到的问题，如 “为什么我在这个实验中听不到声音？”，智能助手通过语音回答并提供解决方案 。学生还可以通过摄像头拍摄实验现象，上传到系统中，系统利用图像识别技术对实验现象进行分析，并给出相应的解释和建议 。这种结合方式为学生的探究式学习提供了全方位的支持，培养了学生的科学探究能力和创新思维。
四、研究设计与方法
4.1 研究设计
本研究采用准实验研究设计，旨在探究生成式人工智能在中小学探究式学习中作为认知支架的作用。准实验研究设计允许在自然情境下进行研究，虽然不能像真实验那样完全随机分配被试，但能在一定程度上控制变量，使研究结果更具现实意义和推广价值。
实验假设为：在多模态交互环境下，生成式人工智能作为认知支架能够显著提升中小学学生探究式学习的效果，包括知识理解与掌握、探究行为和思维方式的优化，以及提高学生对探究式学习的接受度和体验。
在变量控制方面，自变量为是否使用生成式人工智能作为认知支架并结合多模态交互进行探究式学习；因变量包括学生的学习成绩（通过知识测试来衡量）、探究过程中的行为表现（如提问的质量、探究方案的合理性等）、思维能力的变化（如批判性思维、创造性思维的评估）以及学生对学习体验的反馈；控制变量包括学生的年级、学科基础、教师教学水平等，通过选择基础水平相近的班级和教师，并在实验过程中保持教学内容和教学时间一致来控制 。
实验流程如下：首先，在某中学选取两个基础水平相近的班级，分别作为实验组和对照组。在实验前，对两组学生进行前测，包括知识测试和思维能力测试，以了解学生的初始水平。然后，实验组学生在探究式学习过程中使用生成式人工智能工具并结合多模态交互设备进行学习，对照组学生则采用传统的探究式学习方式。在学习过程中，对实验组学生与生成式人工智能的交互数据进行记录，包括语音交互内容、图像识别结果等。同时，观察并记录两组学生在探究过程中的行为表现 。学习结束后，对两组学生进行后测，包括知识测试、思维能力测试和问卷调查，以评估学生的学习效果和对学习体验的感受。最后，对收集到的数据进行整理和分析，验证实验假设。
4.2 研究对象
选取某中学 [具体年级] 的两个班级作为研究对象，共 [X] 名学生。选择该中学和年级的依据是其教学质量处于当地中等水平，具有一定的代表性，能够反映出一般中小学学生的学习情况 。两个班级的学生在年龄、学科基础、学习能力等方面经前期测试无显著差异，其中一个班级作为实验组，另一个班级作为对照组 。分组方法采用整群抽样，将两个自然班级分别随机分配到实验组和对照组，以减少因个体差异带来的干扰，保证实验结果的可靠性 。在实验开始前，向学生和教师详细介绍实验目的和流程，征得他们的同意和配合，确保实验的顺利进行 。
4.3 研究工具
本研究选用 [具体生成式人工智能工具名称] 作为认知支架，该工具具备强大的自然语言处理能力和多模态交互功能，能够根据学生的提问生成详细、准确的回答，并提供丰富的学习资源，如文本、图像、视频等。在探究 “植物的光合作用” 时，学生通过语音提问，生成式人工智能工具不仅可以用文字阐述光合作用的原理，还能展示相关的动画视频，帮助学生直观地理解 。同时，它还能根据学生的回答进行追问和引导，促进学生深入思考，如询问学生 “如果改变光照强度，光合作用会发生怎样的变化？” 。
多模态交互设备方面，采用配备高清摄像头、麦克风和触控屏幕的智能学习终端。摄像头用于捕捉学生的手势和表情，麦克风用于实现语音交互，触控屏幕方便学生进行操作和输入文本 。这些设备能够实现多种模态信息的实时采集和交互，为学生提供更加自然、便捷的学习体验 。在数学几何图形的学习中，学生可以通过手指在触控屏幕上绘制图形，结合语音描述自己的思路，智能学习终端将这些信息传输给生成式人工智能工具，生成式人工智能工具根据多模态信息提供针对性的指导和解答 。
学习效果测量工具包括知识测试卷、思维能力测评量表和学习体验调查问卷。知识测试卷根据探究式学习的内容编制，涵盖选择题、填空题、简答题等多种题型，用于测试学生对知识的理解和掌握程度；思维能力测评量表采用成熟的量表，如批判性思维量表和创造性思维量表，从不同维度评估学生的思维能力；学习体验调查问卷由研究者自行设计，包括对生成式人工智能的满意度、对学习过程的感受、认为生成式人工智能对自己学习的帮助和挑战等问题，了解学生的主观感受和意见 。
4.4 数据收集与分析方法
数据收集主要通过以下途径和时间点进行：在实验前，对实验组和对照组学生进行知识测试和思维能力测试，收集前测数据，了解学生的初始水平；在实验过程中，利用智能学习终端记录实验组学生与生成式人工智能的交互数据，包括语音交互内容、图像识别结果、操作行为等，同时观察并记录两组学生在探究过程中的行为表现，如提问的频率和质量、团队合作情况等；实验结束后，对两组学生进行知识测试、思维能力测试和发放学习体验调查问卷，收集后测数据，评估学生的学习效果和学习体验 。
数据处理和分析采用以下方法：对于知识测试成绩，运用 SPSS 软件进行独立样本 t 检验，比较实验组和对照组在前后测成绩上的差异，判断生成式人工智能对学生知识掌握的影响是否显著；对于思维能力测评量表数据，采用因子分析、方差分析等方法，分析学生在批判性思维、创造性思维等维度上的得分变化，探究生成式人工智能对学生思维能力的影响；对于交互数据和行为观察数据，采用内容分析法，对学生与生成式人工智能的交互内容、探究行为进行编码和分类，分析学生的探究过程和思维方式；对于学习体验调查问卷数据，运用描述性统计分析方法，统计学生对生成式人工智能的满意度、反馈意见等，了解学生的主观感受 。通过综合运用这些数据收集和分析方法，全面、深入地揭示生成式人工智能在中小学探究式学习中的认知支架作用 。
五、实验过程与结果分析
5.1 实验过程
在教学实施过程中，实验组和对照组开展了为期 [X] 周的探究式学习活动，每周安排 [X] 课时，教学内容围绕 [具体学科和主题] 展开，确保两组学生学习内容一致，由同一位具有丰富教学经验的教师授课，以保证教学风格和质量的一致性 。
对照组采用传统的探究式学习方式。在教学活动设计上，教师首先提出探究主题，如 “植物的生长与环境的关系”，引导学生自主查阅教材、图书馆资料以及互联网上的相关信息，进行小组讨论，共同设计探究方案 。在探究过程中，学生通过观察、实验等方法收集数据，分析数据并得出结论，最后以小组汇报的形式展示探究成果 。整个过程中，教师主要起到引导和答疑的作用，帮助学生解决探究过程中遇到的问题，但不提供具体的探究思路和方法 。
实验组则在探究式学习中引入生成式人工智能并结合多模态交互。教学活动同样从提出探究主题开始，学生在明确主题后，借助配备高清摄像头、麦克风和触控屏幕的智能学习终端，与生成式人工智能进行多模态交互 。例如，学生可以通过语音向生成式人工智能提问：“研究植物生长与环境关系可以从哪些方面入手？” 生成式人工智能通过语音和文字的形式给出回答，如建议从光照、水分、土壤酸碱度等方面进行研究，并提供相关的研究案例和实验设计思路 。在设计探究方案时，学生可以在智能学习终端的触控屏幕上绘制简单的实验装置草图，结合语音描述自己的设计想法，生成式人工智能根据多模态信息，对探究方案进行评估和优化，指出方案中的优点和不足，并提出改进建议 。在数据收集阶段，学生使用智能学习终端的摄像头拍摄实验过程中的植物生长状态照片，通过语音记录实验数据，生成式人工智能利用图像识别技术和语音识别技术对数据进行分析和整理，帮助学生发现数据中的规律 。在得出结论和展示成果阶段，生成式人工智能可以协助学生生成报告大纲、制作演示文稿，学生可以与生成式人工智能进行多轮对话，完善报告内容和展示形式 。
5.2 结果分析
在实验前，对实验组和对照组学生进行了知识测试和思维能力测试，以验证两组学生的初始水平一致性。知识测试成绩的独立样本 t 检验结果显示，实验组和对照组的前测平均分分别为 [X1] 和 [X2]，t 值为 [t1]，p 值为 [p1]，p > 0.05，表明两组学生在知识基础上无显著差异 。思维能力测试中，在批判性思维维度，实验组前测平均分为 [X3]，对照组为 [X4]，t 值为 [t2]，p 值为 [p2]，p > 0.05；在创造性思维维度，实验组前测平均分为 [X5]，对照组为 [X6]，t 值为 [t3]，p 值为 [p3]，p > 0.05，说明两组学生在思维能力方面的初始水平相当 。
实验结束后，对两组学生进行后测，包括知识测试、思维能力测试和问卷调查。知识测试成绩分析结果显示，实验组后测平均分为 [X7]，对照组为 [X8]，独立样本 t 检验结果表明，t 值为 [t4]，p 值为 [p4]，p < 0.05，实验组成绩显著高于对照组，说明生成式人工智能作为认知支架结合多模态交互对学生知识理解与掌握有积极影响 。思维能力测试中，在批判性思维维度，实验组后测平均分为 [X9]，对照组为 [X10]，t 值为 [t5]，p 值为 [p5]，p < 0.05；在创造性思维维度，实验组后测平均分为 [X11]，对照组为 [X12]，t 值为 [t6]，p 值为 [p6]，p < 0.05，实验组在两个维度的得分均显著高于对照组，表明生成式人工智能有助于促进学生思维能力的发展 。
问卷调查结果显示，在对生成式人工智能的满意度方面，实验组学生中非常满意的占 [X13]%，满意的占 [X14]%，不满意的占 [X15]%；在认为生成式人工智能对自己学习的帮助方面，[X16]% 的学生认为帮助很大，[X17]% 的学生认为有一定帮助，[X18]% 的学生认为帮助较小 。访谈中，学生表示生成式人工智能提供的丰富信息和多样化的探究思路拓宽了他们的视野，多模态交互方式使学习更加有趣和便捷，但也有部分学生提到生成式人工智能有时生成的内容过于复杂，难以理解 。教师反馈认为生成式人工智能减轻了教学负担，提高了教学效率，但需要教师具备更高的技术素养和教学指导能力，以引导学生正确使用生成式人工智能 。
六、生成式人工智能的认知支架作用机制
6.1 情境创设与问题引导
生成式人工智能凭借其强大的多模态交互能力，能够为中小学探究式学习创设逼真且富有吸引力的情境。通过整合文本、图像、音频、视频等多种模态信息，生成式人工智能可以构建出与探究主题紧密相关的虚拟场景，使学生仿佛身临其境，从而激发学生的学习兴趣和探究欲望 。在地理探究式学习中，生成式人工智能可以生成 3D 虚拟地图，并结合语音讲解和动态图像，展示不同地区的地形地貌、气候特征等，让学生直观地感受地理环境的差异，引发学生对地理现象的好奇和思考 。
在问题引导方面，生成式人工智能能够根据学生的提问和学习情况，通过多模态交互给予针对性的引导。当学生对探究主题感到困惑时，生成式人工智能可以通过语音交互，以通俗易懂的语言解释相关概念，引导学生从不同角度思考问题，启发学生提出更具深度和价值的探究问题 。在科学探究 “植物的光合作用” 时，学生提问 “光合作用对植物生长有什么重要性？” 生成式人工智能不仅可以用文字详细阐述光合作用为植物提供能量和物质基础的原理，还能通过展示相关的动画视频，让学生更直观地理解光合作用的过程和意义 。然后，进一步引导学生思考 “如果改变光照强度，光合作用会发生怎样的变化？”“不同植物的光合作用有什么差异？” 等问题，激发学生深入探究的兴趣，帮助学生逐步明确探究方向，培养学生发现问题和提出问题的能力 。
6.2 知识建构与思维拓展
生成式人工智能能够为学生提供丰富的知识支持，帮助学生构建系统的知识体系。它可以快速整合多模态的知识资源，以文本、图像、图表等多种形式呈现给学生，满足学生多样化的学习需求 。在历史探究式学习中，对于 “工业革命” 这一主题，生成式人工智能可以生成详细的文字资料，介绍工业革命的背景、主要发明和影响；同时，展示相关的历史图片、地图，如工业革命时期的工厂照片、铁路建设地图等，以及播放讲解工业革命的音频或视频，使学生从多个维度了解工业革命，将零散的知识整合起来，形成完整的知识框架 。
在思维拓展方面，生成式人工智能通过多模态交互引导学生进行批判性思维和创造性思维的训练。它可以提出开放性的问题，要求学生从不同角度分析和解决问题，鼓励学生质疑和挑战传统观点，培养学生的批判性思维能力 。在语文探究式学习中，对于一篇文学作品，生成式人工智能可以通过语音提问 “你认为作者想要表达的主题还有其他可能吗？” 引导学生深入思考作品的内涵，从不同的文化背景、时代背景等角度分析作品，提出自己独特的见解 。生成式人工智能还能激发学生的创造性思维，通过图像、文本等多模态信息启发学生的想象力，鼓励学生提出新颖的想法和解决方案 。在美术创作探究中，生成式人工智能展示不同风格的艺术作品，并结合文字介绍艺术创作的方法和技巧，激发学生的创作灵感，让学生尝试创造出具有独特风格的艺术作品 。
6.3 自主探究与协作学习支持
生成式人工智能为学生的自主探究提供了有力支持。它可以作为学生的智能学习伙伴，通过多模态交互随时解答学生在探究过程中遇到的问题，提供探究思路和方法指导 。在数学探究式学习中，学生在解决复杂的几何问题时遇到困难，向生成式人工智能提问 “如何证明这两条线段相等？” 生成式人工智能可以通过语音和文字展示多种证明方法，并结合图像进行详细的步骤讲解，引导学生自主思考和尝试解决问题 。生成式人工智能还能根据学生的探究进度和表现，提供个性化的学习建议，帮助学生调整探究策略，提高自主探究能力 。
在协作学习方面，生成式人工智能能够促进学生之间的合作与交流。它可以作为协作学习的平台，支持学生通过语音、文本等多模态方式进行讨论和协作 。在小组探究项目中，学生可以在生成式人工智能提供的虚拟空间中，通过语音会议共同讨论探究方案，利用文本共享功能协作撰写探究报告，借助图像和视频展示功能分享探究成果 。生成式人工智能还能对小组协作过程进行分析和评价，如分析学生在讨论中的参与度、发言质量等，为小组提供改进建议，培养学生的团队合作能力和沟通能力 。
七、影响生成式人工智能认知支架作用的因素
7.1 技术因素
多模态交互技术的稳定性对生成式人工智能在中小学探究式学习中的应用至关重要。不稳定的多模态交互技术可能导致交互过程中断、信息传输错误等问题，严重影响学生的学习体验和学习效果 。如果在学生与生成式人工智能进行语音交互时，频繁出现语音识别错误，或者在图像识别过程中出现识别不准确的情况，学生可能会对生成式人工智能失去信任，无法顺利完成探究式学习任务 。技术的稳定性还会影响学生的学习注意力和积极性，频繁的技术故障容易使学生分心，降低他们对探究式学习的兴趣 。有研究表明，在技术稳定性较差的学习环境中，学生的学习效率会降低 [X]%，学习积极性明显下降 。
准确性是多模态交互技术的另一个关键因素。准确的多模态交互能够确保生成式人工智能准确理解学生的意图，提供针对性的支持和指导。若语音识别技术无法准确识别学生的语音指令，生成式人工智能可能会给出错误的回答或指导，误导学生的探究方向 。图像识别和文本识别的不准确也会影响生成式人工智能对学生学习情况的判断，无法提供有效的认知支架 。在数学探究式学习中，如果图像识别技术不能准确识别学生绘制的几何图形，生成式人工智能就无法针对图形进行相关的知识讲解和问题引导，阻碍学生的学习进程 。
多模态交互技术的易用性也会影响生成式人工智能的应用。简单易用的交互技术能够降低学生的学习门槛，使学生更容易上手，充分发挥生成式人工智能的认知支架作用 。复杂的交互操作可能会让学生感到困惑和沮丧，增加学生的学习负担，甚至导致学生放弃使用生成式人工智能 。如果智能学习终端的操作界面复杂，学生难以找到语音交互、图像上传等功能入口，就会影响他们与生成式人工智能的交互效率和效果 。
7.2 教学因素
教学设计对生成式人工智能在探究式学习中的认知支架作用有着重要影响。合理的教学设计能够充分发挥生成式人工智能的优势，引导学生有效利用生成式人工智能进行探究式学习 。如果教学设计未能将生成式人工智能与探究式学习的各个环节有机结合，可能导致生成式人工智能的应用流于形式，无法真正为学生提供有效的认知支持 。在设计探究式学习活动时，没有明确规定在哪些阶段学生可以借助生成式人工智能获取帮助，或者没有设计相应的引导问题，学生可能不知道如何正确使用生成式人工智能，无法充分发挥其作用 。教学设计还需要考虑生成式人工智能生成内容的呈现方式和时机，以避免信息过载或干扰学生的自主思考 。
教师的技术应用能力也是影响生成式人工智能认知支架作用的重要因素。教师作为教学活动的组织者和引导者，需要具备熟练运用生成式人工智能和多模态交互技术的能力，才能更好地引导学生使用这些技术 。如果教师对生成式人工智能的功能和操作不熟悉，无法及时解答学生在使用过程中遇到的问题，可能会降低学生对生成式人工智能的信任和使用积极性 。教师还需要具备将生成式人工智能与教学内容和教学目标相结合的能力，根据学生的学习情况和需求，合理引导学生使用生成式人工智能，发挥其认知支架作用 。在科学探究式学习中，教师需要知道如何利用生成式人工智能为学生提供相关的科学实验资料和探究思路，引导学生进行科学探究 。
教学方法的选择也会影响生成式人工智能的认知支架作用。不同的教学方法对生成式人工智能的应用需求和效果不同。采用问题导向的教学方法时，生成式人工智能可以更好地作为学生解决问题的工具，提供相关的知识和思路 。而采用讲授式教学方法时，生成式人工智能的作用可能会受到一定限制 。教师需要根据教学内容和学生的特点，选择合适的教学方法，并结合生成式人工智能的特点，设计相应的教学活动，以充分发挥生成式人工智能的认知支架作用 。在语文阅读教学中，采用小组合作探究的教学方法，教师可以引导学生利用生成式人工智能查找资料、分析文本，促进学生的合作学习和知识建构 。
7.3 学生因素
学生的学习风格对生成式人工智能的效果有显著影响。不同学习风格的学生对多模态交互和生成式人工智能的接受程度和使用方式存在差异 。视觉型学习风格的学生可能更倾向于通过图像、图表等视觉信息与生成式人工智能进行交互，他们对生成式人工智能生成的图像、视频等内容更感兴趣，能够更好地从中获取知识 。而听觉型学习风格的学生则更擅长通过语音交互获取信息，他们对生成式人工智能的语音讲解和语音回答更敏感 。动觉型学习风格的学生可能更喜欢通过实际操作和互动来学习，他们对智能学习终端的触摸操作、手势交互等方式更感兴趣 。了解学生的学习风格，有助于教师和生成式人工智能根据学生的特点提供个性化的学习支持，提高生成式人工智能的认知支架作用 。
学生的技术接受程度也是影响生成式人工智能效果的重要因素。一些学生对新技术充满好奇心和热情，能够快速接受和适应生成式人工智能和多模态交互技术，积极利用这些技术进行探究式学习 。而另一些学生可能对新技术存在恐惧或抵触心理，不愿意尝试使用生成式人工智能，这就限制了生成式人工智能在他们学习中的作用 。学生对技术的信任程度也会影响他们的使用意愿，如果学生对生成式人工智能生成内容的准确性和可靠性表示怀疑，就可能不会充分利用其提供的认知支架 。研究发现，技术接受程度高的学生在使用生成式人工智能后，学习成绩提升幅度比技术接受程度低的学生高 [X]% 。
学生的认知水平也会影响生成式人工智能的认知支架作用。认知水平较高的学生能够更好地理解生成式人工智能提供的复杂信息和抽象概念，善于利用生成式人工智能拓展自己的思维和知识 。而认知水平较低的学生可能在理解生成式人工智能的输出内容时存在困难，无法将其有效地应用到探究式学习中 。在数学探究式学习中，认知水平高的学生能够理解生成式人工智能提供的多种解题思路，并进行分析和比较，选择最适合自己的方法 。而认知水平较低的学生可能只能理解简单的解题步骤，对于复杂的思路和方法难以理解和应用 。因此，需要根据学生的认知水平，对生成式人工智能提供的内容进行适当的调整和引导，以满足不同学生的学习需求 。
八、结论与展望
8.1 研究结论
本研究通过基于多模态交互的准实验，深入探究了生成式人工智能在中小学探究式学习中的认知支架作用，取得了以下主要结论：在学习效果方面，生成式人工智能作为认知支架结合多模态交互，对中小学学生探究式学习的知识理解与掌握有显著的积极影响。实验组学生在知识测试后的成绩显著高于对照组，表明生成式人工智能能够帮助学生更好地理解和掌握探究式学习中的知识 。生成式人工智能有助于促进学生思维能力的发展，实验组学生在批判性思维和创造性思维维度的测试得分显著高于对照组，说明生成式人工智能在多模态交互环境下，能够引导学生从不同角度思考问题，培养学生的质疑精神和创新能力 。
从学习过程来看，生成式人工智能通过多模态交互在探究式学习的各个环节发挥了重要的认知支架作用。在情境创设与问题引导环节，生成式人工智能能够利用多模态信息构建逼真的学习情境，激发学生的探究兴趣，并通过语音、文本等交互方式引导学生提出更具深度和价值的问题，明确探究方向 。在知识建构与思维拓展方面，生成式人工智能整合多模态知识资源，帮助学生构建系统的知识体系，同时通过提出开放性问题、展示多样化的信息等方式，拓展学生的思维，培养学生的批判性思维和创造性思维能力 。在自主探究与协作学习支持上，生成式人工智能作为智能学习伙伴，随时解答学生在探究过程中的问题，提供探究思路和方法指导，还能促进学生之间的协作学习，提高学生的团队合作能力和沟通能力 。
学生对生成式人工智能在探究式学习中的接受度较高，大部分学生认为生成式人工智能对自己的学习有帮助，多模态交互方式也受到学生的喜爱，认为其使学习更加有趣和便捷 。然而，也有部分学生提出了生成式人工智能存在的问题，如生成内容有时过于复杂难以理解等 。教师反馈认为生成式人工智能减轻了教学负担，但对教师的技术素养和教学指导能力提出了更高要求 。
8.2 研究的创新点与局限性
本研究在视角上具有创新性，将生成式人工智能与多模态交互相结合，探讨其在中小学探究式学习中的认知支架作用，拓展了人工智能教育应用的研究视角，为深入理解生成式人工智能在教育中的作用机制提供了新的思路 。在研究方法上，采用准实验研究设计，结合多模态交互数据、学习成绩、思维能力测评和问卷调查等多种数据收集方式，全面、系统地探究生成式人工智能的影响，提高了研究结果的可靠性和有效性 。在实践方面，本研究为中小学教师利用生成式人工智能开展探究式教学提供了具体的实践案例和指导，有助于推动生成式人工智能在中小学教育中的实际应用 。
然而，本研究也存在一定的局限性。样本方面，仅选取了某中学的两个班级作为研究对象，样本数量相对较少，且研究对象范围较窄，可能导致研究结果的代表性不足，无法完全推广到其他中小学的教学情境中 。技术方面，研究中使用的生成式人工智能工具和多模态交互技术仍存在一定的局限性，如多模态交互技术的稳定性和准确性有待提高，生成式人工智能生成内容的质量和适用性还需进一步优化，这些技术问题可能对研究结果产生一定的干扰 。研究时间较短，仅进行了为期 [X] 周的探究式学习活动，难以全面观察生成式人工智能对学生长期学习效果和学习习惯的影响 。
8.3 未来研究方向
未来研究可以从以下几个方面展开：在技术优化方面，进一步研究和改进多模态交互技术和生成式人工智能技术，提高技术的稳定性、准确性和易用性 。开发更适合中小学教育场景的生成式人工智能工具，优化生成内容的质量和针对性，使其能够更好地满足学生的学习需求 。探索多模态交互技术与生成式人工智能的深度融合，实现更加自然、高效的人机交互，为学生提供更好的学习体验 。
在教学应用拓展上，扩大研究样本，选取不同地区、不同类型学校的学生进行研究，以提高研究结果的代表性和普适性 。开展跨学科研究，探索生成式人工智能在不同学科探究式学习中的应用模式和效果，为各学科教学提供更具针对性的指导 。研究生成式人工智能在不同教学阶段（如课前预习、课堂教学、课后复习等）的应用策略，充分发挥其在教学全过程中的作用 。
针对学生个体差异，深入研究不同学习风格、认知水平和技术接受程度的学生对生成式人工智能的需求和应用效果，为学生提供更加个性化的学习支持 。关注学生在使用生成式人工智能过程中的情感体验和心理健康，确保技术的应用不会对学生造成负面影响 。加强对教师的培训和支持，提高教师运用生成式人工智能进行教学的能力，促进教师角色的转变，使其更好地引导学生利用生成式人工智能进行学习 。
参考文献
[1] 张鹏，汪旸，尚俊杰。生成式人工智能与教育变革：价值、困难与策略 [J]. 现代教育技术，2024, 34 (06):14-24.
[2] 缪静敏，沈苑，汪琼。生成式人工智能如何改变教学？—— 来自高校教师的实践叙事 [J]. 中国远程教育，2025,(5),75-91.
[3] 欧阳嘉煜，李曼丽。美国高校应对生成式人工智能的政策研究 —— 基于 128 所高校政策文本的内容分析 [J]. 清华大学教育研究，2023,44 (6):63-75.
[4] 王帅杰，郭雨，王战军。生成式人工智能在高等教育中的应用：基于 14 所世界顶尖大学的政策文本分析 [J]. 中国高教研究，2024,(3):54-60.
[5] Yusuf, H., Bista, S., & Bista, B. (2024). The impact of generative AI on teaching and learning: A scoping review. Computers & Security, 133, 102834.
[6] OpenAI. (2023). GPT-4 technical report. arXiv preprint arXiv:2303.08774.
[7] 单美贤，徐睿文，上官晨雨等。元认知支架对小学高年级虚拟科学探究中科学概念学习影响的实证研究 [J]. 中国电化教育，2024,(08):100-108.
[8] 杨宗凯，吴砥，郑旭东等。生成式人工智能重塑教育的战略思考 [J]. 开放教育研究，2024,30 (02):28-36.
[9] 倪闽景。从学习进化论看生成式 AI 的教育应用 [J]. 人民教育，2023,(24):35-39.
[10] 陈玉琨。生成式人工智能：教育变革的新动力 [J]. 华东师范大学学报 (教育科学版),2024,42 (01):1-12.
[11] 陈卫东，叶新东，许亚锋等。生成式人工智能赋能未来教育的变革路径与发展趋势 [J]. 远程教育杂志，2024,42 (02):3-12.
[12] 王竹立。生成式人工智能支持下的师 - 生 - 机三元互动教学模式 [J]. 现代远程教育研究，2024,36 (01):16-24.
[13] 樊文强，王梦雪，周鑫蕊等。生成式人工智能支持个性化学习的逻辑理路、实践困境与突破路径 [J]. 现代远距离教育，2024,(02):13-20.
[14] 李芒，蔡梦雨，王妍莉。论生成式人工智能引发的教育评价变革 [J]. 电化教育研究，2024,45 (04):22-28+37.
[15] 刘永贵，徐娟，宋灵青。生成式人工智能时代的教育评价变革：机遇、挑战与应对 [J]. 中国电化教育，2024,(04):34-40.
[16] 冯晓英，王瑞雪，吴怡君。生成式人工智能促进教育回归育人本质：机遇、挑战与应对 [J]. 中国电化教育，2024,(03):24-31.
[17] 吴南中，夏海鹰。生成式人工智能促进教育公平的价值审视与推进策略 [J]. 现代远距离教育，2024,(02):21-28.
[18] 黄荣怀，刘德建，刘晓琳等。生成式人工智能技术在教育领域的应用与挑战 [J]. 开放教育研究，2023,29 (06):4-14.
[19] 王佑镁，雷浩。生成式人工智能赋能教育的风险、治理与发展路径 [J]. 中国电化教育，2023,(12):20-26.
[20] 魏非，赵宇翔，范哲。生成式人工智能赋能教育的应用场景与实践路径 [J]. 中国电化教育，2023,(12):27-34.
[21] 张屹，朱映辉，白清玉等。生成式人工智能赋能教育的发展路径与实践探索 [J]. 中国电化教育，2023,(12):35-41.
[22] 贺樑，王鑫. ChatGPT 在 K12 教育中的应用、局限及发展趋势 [J]. 现代教育技术，2023,33 (11):11-17.
[23] Bauer, M., & Bannert, M. (2023). ChatGPT as a peer feedback provider: A process model for its implementation in higher education. Computers & Education, 191, 104667.
[24] 胡钦太，林晓凡，胡小勇。生成式人工智能教育应用的创新发展与风险规制 [J]. 中国电化教育，2024,(01):1-7.
[25] 郭炯，黄荣怀。生成式人工智能对教育的影响及应对策略 [J]. 中国电化教育，2023,(11):1-7.
[26] 李逢庆，张雪梅，刘孟琪等。生成式人工智能在教育领域的应用场景与实践探索 [J]. 中国电化教育，2023,(11):8-16.
[27] 彭红超，祝智庭。生成式人工智能的教育应用：变革、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):3-11.
[28] 杨现民，张昊，郭利利等。生成式人工智能教育应用的进展、问题与趋势 [J]. 现代远程教育研究，2023,35 (06):12-21.
[29] 刘三女牙，张思，黄景修等。生成式人工智能赋能教育的价值、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):22-30.
[30] 闫寒冰，张哲，王佑镁。生成式人工智能时代的教育变革：现状、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):31-39.
[31] 胡小勇，林晓凡，胡钦太。生成式人工智能教育应用的理论反思与行动路向 [J]. 现代远程教育研究，2023,35 (06):40-48.
[32] 蔡苏，薛二勇，黄荣怀。生成式人工智能教育应用的伦理审视与治理路径 [J]. 现代远程教育研究，2023,35 (06):49-58.
[33] 赵宏，王润兰。生成式人工智能在教育领域的应用及挑战 [J]. 中国教育学刊，2023,(12):37-42.
[34] 刘德建，杜静，黄荣怀等。生成式人工智能的发展及其教育应用研究 [J]. 中国电化教育，2024,(02):1-8.
[35] 陈丽，庄秀丽，林世员等。生成式人工智能技术的教育应用进展与趋势 —— 以 GPT-4 为例 [J]. 中国电化教育，2024,(02):9-16.
[36] 张立国，苏鑫，汪昕宇。生成式人工智能支持的个性化学习：内涵、优势与实施路径 [J]. 电化教育研究，2024,45 (05):51-58.
[37] 刘革平，张梦琪，朱坤。生成式人工智能支持个性化学习的理论逻辑与实践路径 [J]. 中国电化教育，2024,(05):41-47.
[38] 吴永和，解月光，任友群等。生成式人工智能教育应用的关键问题与破解策略 [J]. 中国电化教育，2024,(05):27-34.
[39] 钟柏昌，张智强，张立国等。生成式人工智能在教育领域的应用、挑战与应对 [J]. 中国电化教育，2024,(05):19-26.
[40] 赵健，李馨，黄荣怀。生成式人工智能赋能教育的核心价值与实践路径 [J]. 中国电化教育，2024,(05):35-40.
[41] 王萍，刘梦梦，宋灵青。生成式人工智能在教育领域的应用研究 [J]. 中国电化教育，2024,(05):48-54.
[42] 杨现民，张昊，郭利利等。生成式人工智能教育应用的进展、问题与趋势 [J]. 现代远程教育研究，2023,35 (06):12-21.
[43] 王佑镁，雷浩。生成式人工智能赋能教育的风险、治理与发展路径 [J]. 中国电化教育，2023,(12):20-26.
[44] 魏非，赵宇翔，范哲。生成式人工智能赋能教育的应用场景与实践路径 [J]. 中国电化教育，2023,(12):27-34.
[45] 张屹，朱映辉，白清玉等。生成式人工智能赋能教育的发展路径与实践探索 [J]. 中国电化教育，2023,(12):35-41.
[46] 胡钦太，林晓凡，胡小勇。生成式人工智能教育应用的创新发展与风险规制 [J]. 中国电化教育，2024,(01):1-7.
[47] 郭炯，黄荣怀。生成式人工智能对教育的影响及应对策略 [J]. 中国电化教育，2023,(11):1-7.
[48] 李逢庆，张雪梅，刘孟琪等。生成式人工智能在教育领域的应用场景与实践探索 [J]. 中国电化教育，2023,(11):8-16.
[49] 彭红超，祝智庭。生成式人工智能的教育应用：变革、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):3-11.
[50] 刘三女牙，张思，黄景修等。生成式人工智能赋能教育的价值、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):22-30.
[51] 闫寒冰，张哲，王佑镁。生成式人工智能时代的教育变革：现状、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):31-39.
[52] 胡小勇，林晓凡，胡钦太。生成式人工智能教育应用的理论反思与行动路向 [J]. 现代远程教育研究，2023,35 (06):40-48.
[53] 蔡苏，薛二勇，黄荣怀。生成式人工智能教育应用的伦理审视与治理路径 [J]. 现代远程教育研究，2023,35 (06):49-58.
[54] 赵宏，王润兰。生成式人工智能在教育领域的应用及挑战 [J]. 中国教育学刊，2023,(12):37-42.
[55] 刘德建，杜静，黄荣怀等。生成式人工智能的发展及其教育应用研究 [J]. 中国电化教育，2024,(02):1-8.
[56] 陈丽，庄秀丽，林世员等。生成式人工智能技术的教育应用进展与趋势 —— 以 GPT-4 为例 [J]. 中国电化教育，2024,(02):9-16.
[57] 张立国，苏鑫，汪昕宇。生成式人工智能支持的个性化学习：内涵、优势与实施路径 [J]. 电化教育研究，2024,45 (05):51-58.
[58] 刘革平，张梦琪，朱坤。生成式人工智能支持个性化学习的理论逻辑与实践路径 [J]. 中国电化教育，2024,(05):41-47.
[59] 吴永和，解月光，任友群等。生成式人工智能教育应用的关键问题与破解策略 [J]. 中国电化教育，2024,(05):27-34.
[60] 钟柏昌，张智强，张立国等。生成式人工智能在教育领域的应用、挑战与应对 [J]. 中国电化教育，2024,(05):19-26.
[61] 赵健，李馨，黄荣怀。生成式人工智能赋能教育的核心价值与实践路径 [J]. 中国电化教育，2024,(05):35-40.
[62] 王萍，刘梦梦，宋灵青。生成式人工智能在教育领域的应用研究 [J]. 中国电化教育，2024,(05):48-54.
[63] 袁松鹤，王杨，黄荣怀。生成式人工智能赋能教育的理论框架与实施路径 [J]. 中国电化教育，2024,(06):1-8.
[64] 赵蔚，袁泉，刘红霞等。生成式人工智能赋能教育的价值、困境与化解策略 [J]. 中国电化教育，2024,(06):9-15.
[65] 郑旭东，张思，刘三女牙。生成式人工智能教育应用的现状审视与推进策略 [J]. 中国电化教育，2024,(06):16-23.
[66] 许亚锋，张哲，闫寒冰。生成式人工智能赋能教育的实践路径与发展趋势 [J]. 中国电化教育，2024,(06):24-30.
[67] 张思，刘三女牙，郑旭东。生成式人工智能赋能教育的应用模式与推进策略 [J]. 现代教育技术，2024,34 (06):25-33.
[68] 王娟，汪基德，陈娱等。生成式人工智能支持下的智慧教育发展路径 [J]. 现代教育技术，2024,34 (06):34-42.
[69] 王佑镁，雷浩。生成式人工智能赋能教育的风险、治理与发展路径 [J]. 中国电化教育，2023,(12):20-26.
[70] 魏非，赵宇翔，范哲。生成式人工智能赋能教育的应用场景与实践路径 [J]. 中国电化教育，2023,(12):27-34.
[71] 张屹，朱映辉，白清玉等。生成式人工智能赋能教育的发展路径与实践探索 [J]. 中国电化教育，2023,(12):35-41.
[72] 胡钦太，林晓凡，胡小勇。生成式人工智能教育应用的创新发展与风险规制 [J]. 中国电化教育，2024,(01):1-7.
[73] 郭炯，黄荣怀。生成式人工智能对教育的影响及应对策略 [J]. 中国电化教育，2023,(11):1-7.
[74] 李逢庆，张雪梅，刘孟琪等。生成式人工智能在教育领域的应用场景与实践探索 [J]. 中国电化教育，2023,(11):8-16.
[75] 彭红超，祝智庭。生成式人工智能的教育应用：变革、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):3-11.
[76] 刘三女牙，张思，黄景修等。生成式人工智能赋能教育的价值、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):22-30.
[77] 闫寒冰，张哲，王佑镁。生成式人工智能时代的教育变革：现状、挑战与应对 [J]. 现代远程教育研究，2023,35 (06):31-39.
[78] 胡小勇，林晓凡，胡钦太。生成式人工智能教育应用的理论反思与行动路向 [J]. 现代远程教育研究，2023,35 (06):40-48.
[79] 蔡苏，薛二勇，黄荣怀。生成式人工智能教育应用的伦理审视与治理路径 [J]. 现代远程教育研究，2023,35 (06):49-58.
[80] 赵宏，王润兰。生成式人工智能在教育领域的应用及挑战 [J]. 中国教育学刊，2023,(12):37-42.
[81] 刘德建，杜静，黄荣怀等。生成式人工智能的发展及其教育应用研究 [J]. 中国电化教育，2024,(02):1-8.
[82] 陈丽，庄秀丽，林世员等。生成式人工智能技术的教育应用进展与趋势 —— 以 GPT-4 为例 [J]. 中国电化教育，2024,(