数字化转型赋能思政课教学的深度、信度与温度
Digital Transformation Empowers the Depth, Reliability and Temperature of Ideological and Political Teaching
DOI: 10.12677/ces.2025.135311, PDF, HTML, XML,   
作者: 尹苏杰:昆明理工大学马克思主义学院,云南 昆明
关键词: 思政课数字化转型深度信度温度Ideological and Political Course Digital Transformation Depth Reliability Temperature
摘要: 思政课教学面临众多困境,需要一定的方法手段。思政课的数字化转型,就是利用现代信息技术手段重构思政课赖以生存的时间和空间,把思政课讲深、讲透、讲活,体现思政课的深度、信度、温度,推动思政课全要素、全过程嬗变,这是加强和改进思政课教育教学的必然趋势。同时,在数字化转型赋能思政课教学的过程中,也存在着思想政治教育专用大模型的缺失、技术伦理与数据安全方面等问题,需要重新审视和积极应对。
Abstract: The teaching of ideological and political course faces many difficulties and needs certain methods. The digital transformation of ideological and political courses is to use modern information technology to re-conceive the time and space on which ideological and political courses depend, to explain the principles of ideological and political courses deeply, thoroughly and flexibly, to reflect the depth, reliability and temperature of ideological and political courses, and to promote the evolution of all elements and the whole process of ideological and political courses. This is an inevitable trend to strengthen and improve the education and teaching of ideological and political courses. At the same time, in the process of digital transformation to empower the teaching of ideological and political courses, there are also problems such as the lack of a large model for ideological and political education, technical ethics and data security, which need to be re-examined and actively responded to.
文章引用:尹苏杰. 数字化转型赋能思政课教学的深度、信度与温度[J]. 创新教育研究, 2025, 13(5): 79-84. https://doi.org/10.12677/ces.2025.135311

1. 引言

教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口,当前,教育界对于数字化转型的认识主要体现为由原来的教育教学辅之以技术手段的整合转变为教育教学过程中人机的深度融合。在此背景下,思政课必须与时俱进,紧密贴合时代脉搏,充分利用人工智能技术的强大潜力,赋能思政课堂,力求将理论知识阐释得更加深刻、透彻且生动,从而充分展现思政课程的思想深度、理论信度与人文关怀的温度。

2. 思政课数字化转型的现实需求

2.1. 思政课的重要地位与独特性质

中共中央、国务院印发的《关于新时代加强和改进思想政治工作的意见》指出:“加强和改进思想政治工作,事关党的前途命运,事关国家长治久安,事关民族凝聚力和向心力。”[1]思政课作为思想政治工作的“前沿阵地”,发挥着立德树人“关键课程”的重要作用。思政课具有明显的独特之处,给其他课程以科学的方法论指导;思政课又是一门综合性课程,既要达到思想的深度、政治的高度又要达到教育的温度。因此,思政课是教人成为人的课程,发挥着沟通心灵、启智润心、激扬斗志的作用。

2.2. 当前思政课教学的困境

目前,在思政课教学过程中存在的问题,一方面表现在思政课教学的内容与学生的实际需求相偏离。信息时代学生的需求是多元的,他们获取知识的途径多样,不再仅仅依靠于书本知识,教师不仅要关注“怎么教”,更要重视“教什么”的问题[2]。另一方面表现在思政课教学效果评估片面,目前的教学效果往往采用量化的方式进行衡量,譬如,出勤率、抬头率、考试分数等。实际上,思政课是一门立德树人的课程,不能仅仅依靠数字来衡量其效果,思政课的效果既是润物细无声、久久为功的,又是立竿见影、激情满怀的。因此,要确保教学内容供给质与量的双提升[3],使思政课的教学效果真正入耳入脑入心,并付之于实践行动。

2.3. 数字化转型是思政课发展的必由之路

习近平强调:“思政课的本质是讲道理,要注重方式方法,把道理讲深、讲透、讲活,老师要用心教,学生要用心悟,达到沟通心灵、启智润心、激扬斗志。”[4]思政课要达到立德树人的目的,需要切实可行的方法手段。其一,时代趋势与教育变革。在人工智能时代,思政课要根据自身存在的问题,把握社会发展的大势,顺应数字化转型的潮流,实现质的飞跃。其二,数字化助力思政课目标实现。一堂思政课蕴含着大道理,讲好思政课,就要用“数据说话”,“技术说话”,数字化转型是教育事业发展的必然趋势,也是思政课发展的必由之路。

3. 数字化转型赋能思政课教学的向度

数字化已成为现代社会发展之潮流,伴随而来的是大数据、人工智能、虚拟现实等诸多技术的兴起。面对思政课,如何实现其数字化转型,以及转型后应达成的效果,成为亟待我们深入探究的课题。需从深度挖掘、信度构建、温度传递三个维度着手,巧妙运用大模型、生成式AI、智能算法等技术,将思政课的理论知识阐述得更加深刻、透彻且生动,从而有效提升思政课的品质与效能。

3.1. 深度——基于大模型技术的挖掘

大模型是一种基于人工智能技术的大型的、多功能模型,具有模拟和扩展人的认知的功能。大模型又称“大型语言模型”或“大语言模型”[5],以大模型为基底,随着智能技术的发展,特别是Sora、GPT-4、Claude3等先进人工智能的出现,大模型由原来单模态的内容生成向多模态和交互式的方向发展。大模型的智能突出表现为强大的用户意图理解能力、上下文智能对话能力、内容生成能力等[6]

大模型数据分析技术实现数据“精准匹配”。这种精准表现在两个方面:一是知识点精准,能准确查找与思政课内容紧密相关的数据,譬如,思政课教师在讲到新时代党的建设新的伟大工程的时候,大模型通过相关性分析,会给我们呈现出延安整风、苏联解体的经验教训、“三反”“五反”运动等等相关的文本或视频资料;二是个性化精准,针对不同学习阶段和认知水平的学生,提供相应类型和难度的资源。例如,小学阶段,通过各种寓言故事、历史英雄人物图像和音频等思政元素激发学生的兴趣,帮助他们认识知识点并初步构建思政学科的知识体系。到了中学阶段,通过深入的解析知识和提供批判性思维训练的材料,比如“白马非马”“我思故我在”“柏拉图的洞穴之喻”,促进学生的认知水平和思维能力的提升。而高等教育阶段,可以进行专业领域的深入研究,系统地学习马列主义、毛泽东思想等,并利用其强大的数据处理和分析能力,提高学生的专业素养。

大模型智能数据应用以“举一反三”为突出表现。“举一反三”是人类大脑成长发育的重要标志[7],是对知识点的掌握程度的重要反馈。此时,思政课对大数据模型不再是量和相关性的要求,更是一种基于深度学习的跨学科通识的超能性要求。如在讲授新时代党的建设新的伟大工程时,认知大模型可以提供政治学中关于分析和理解政党体系、也可以提供法学中关于法律框架下党的领导地位和作用,深度了解党和法的关系。智能数据应用让跨学科知识融入思政课,既使学生理解思政课的理论知识,又可以扩展学生的跨学科视野,思政课教学将更加的深入浅出、鞭辟入里。

3.2. 信度——生成式人工智能技术的支撑

生成式人工智能是通过学习大规模数据集中的复杂算法、模型,并随着设计的提示语的变化而创造出多种类型的数据资源。人工智能自动生成内容(AIGC)综合了专业生产内容(PGC)与用户生产内容(UGC)的优势[8],生成式人工智能提供人机对话窗口,具备智能交互、上下文语义理解能力,打开了人机协同评价“黑箱”[9],相较于仅进行数据处理与分析的传统软件,生成式人工智能以其卓越的创造与生成能力实现了质的飞跃,展现出高度的灵活性、可扩展性及创造力。

生成式人工智能引领新学习方式:生成式探究学习。针对思政课无形、抽象的特点,该方式强调主动性,弥补其短板。学生在好奇心驱动下,自然接受正确观念。类似对弈下棋,人工智能回答随提示词变化,具有不确定性和未知性,能够持续激发学习兴趣,开阔思维视野。此外,由于受到技术限制,人工智能无法具有人的特性,有时人工智能所呈现的内容很“AI”,因此要把AI的结果当成一个新的起点,把结果过程化,让学生从“做题家”走向生成式探究学习的专家。学生利用人工智能提供的资料为起点,进一步地思考和创新,在与人工智能的互动中把思政课的理论知识弄懂弄透。通过生成式探究学习,引导学生发现问题、分析问题、解决问题,让学生在启发中水到渠成得出结论。

沉浸式学习是人工智能扩展的结果,强调学习体验感。思政课更需要增强学习的直观性、体验感和感染力,人工智能形成了一个虚拟世界的集合即元宇宙,是一个广阔的、交互的3D虚拟环境,它涵盖虚拟现实(VR)、增强现实(AR)以及其他数字技术。这一技术为实现无缝衔接的跨越时间的学习体验、跨空间的资源共享和协作学习提供了可能,从而打破了传统教育模式的时间和空间限制,真正实现了“所思即所见”。学生可虚拟参观红色基地,亲历长征“抢渡金沙江”“飞夺泸定桥”的智勇场景。此外,游戏化学习将在未来教育中扮演更关键角色。通过设计挑战性、趣味性任务,结合即时反馈与奖励,有效引导学生进入心流状态,提升学习效果[10]。如党史趣味闯关、角色扮演等游戏,旨在激发学习兴趣与动机。

3.3. 温度——智能算法逻辑技术的关怀

算法作为大数据的“加工厂”,能够在大数据中挖掘规律并进行反馈,进而实现教育数据从量到质的升华[11]。算法是计算过程的具体描述,它代表着用系统的方法来描述解决问题的策略,人工智能技术的快速发展得益于算法的不断完善和创新,目前,算法向多元、深度融合方向发展,将会提升生产力,变革生活方式,也为教育领域带来重大机遇,需慎重把握和利用。

智能算法“对症下药”,提升思政课温度。算法分析学习行为、成绩、兴趣等多维度信息,为学习者定制个性化的学习路径,传统模式被个性化教学取代,因材施教得以贯彻。每位学习者都有一位对自己非常了解的“教师”,一对一的个性化辅导,促进学习效率和获得感,每一位学生感受到思政课的温度,思政课教学通过个性化的辅导温暖人心,实现“雪中送炭”效果。另外,信息茧房问题是被算法强制推送信息,“我们只听我们选择的东西和愉悦我们的东西的通讯领域”[12]。而在专门应用于教育领域的算法,是教师和学生的自主选择。在有数字素养教师的引领下,算法所提供的信息是学生所缺少的,思政课教学以灵活多样的形式呈现给学生,使学生感受到思政课的温度。

运用人工智能,实现师生双向协作互动体现思政课的温度。在“人工智能+”时代,学习者、人工智能和教师,三者将深度融合,实现“智教合一”。一方面,教师的角色正在从传统的知识传送者转变为学习的引导者和协助者,由传道授业者变为教学相长者。教师变为学生获取知识过程中的协助者、引导者、组织者和合作者,而学生则成为探究者、发现者,他们共同构建知识体系,真正实现各自的协作化成长。这种转变意味着教师不再是教学过程中学生获取知识的唯一来源,而是成为协助学生在获得知识过程中的伙伴。此外,人工智能辅助的教学工具提供更加丰富的互动体验,这种转变有助于打破自上而下的传统教学模式,实现思政课教学过程中的平等和互动,使学生和教师在民主的氛围中学习。另一方面,教师可以更加专注于评价的教育意义和价值判断,而将数据处理和模式识别等任务交给机器来完成[13]。人工智能可以自动批改作业、提供学生的学习分析报告,或者承担一些简单重复的教学工作,思政教师利用这些时间更多地关注于教学创新和学生个性化需求的满足。在这一舒适、民主的氛围下思政课呈现出应有的可亲可信、温暖鲜活的形象,学生的幸福感和学习体验不断提升,思政课教学将更加有生命力和温暖人心。

4. 思政课数字化转型面临的挑战

进入“人工智能+”时代,数字技术如潮水般迅猛突进,教育体系面临深刻转型。无论社会环境如何变化,现代信息技术如何突飞猛进地向前发展,现代信息技术服务于人的本质不会变,思政课立德树人的根本任务不会变,思政课的本质也不会变。要将人工智能技术深度融合到思政课教学过程中,促进思政课教学讲深、讲透、讲活,体现思政课的深度、信度和温度,实现用“理”服人、用“理”育人。但数字技术也避免不了对思政课带来挑战,表现在以下三个方面:

4.1. 思想政治教育专用大模型的缺失

通用大模型广纳博识,参数庞大,泛化能力强,跨领域应用广泛;而专用小模型则聚焦特定领域,经深度优化,高度适配特定应用,输出结果更为高效精准。从通用大模型到教育领域的专用大模型,是人工智能大模型技术深化发展必然趋势[6]。然而,当前思政教育专用大模型的研发仍处于起步阶段,难以满足思政课教学的精准需求。

4.2. 技术伦理与数据安全问题

数字化转型进程中,技术伦理与数据安全问题逐渐凸显。思政课教学强调价值观的传递与思想引领,而技术伦理问题可能会使教学过程中所传播的正确价值观受到冲击。例如,学生可能会因接触到算法推送的不良信息而产生思想上的困惑与偏差。数据安全问题则可能导致思政课教学资源的完整性与保密性遭到破坏,教学计划被打乱,教学效果大打折扣。

4.3. 新兴技术对教师主导地位的弱化

数字化转型过程中,一些新兴技术的不当应用可能会弱化思政课教师的主导地位,使得教学过程难以有效把控,进而影响思政课育人功能的充分发挥。教师需要在数字化教学环境中重新定位自己的角色,确保思政课教学始终在教师的有效把控下进行。

5. 思政课数字化转型的应对策略

5.1. 加快思想政治教育专用大模型的研发

教育科研机构与技术企业应携手合作,加大对思政教育专用大模型研发的投入力度。利用现代网络信息技术,整合思政课教学的丰富资源,包括经典教材内容、教学案例、学术研究成果等,搭建思想政治教育数字资源互动平台,构建起具有思政课特色的大规模知识图谱。以此为基础训练出能够精准理解和处理思政课教学内容与任务的专用大模型,并开发具有较强互动功能、高效运行效率的数字空间来拓展思想政治教育的空间和渠道。与此同时,积极探索模型的优化与更新机制,使其能够与时俱进,适应不断变化的思政课教学需求与时代背景。

5.2. 健全技术伦理与数据安全规范

在应对技术伦理与数据安全问题方面,需要重新审视并构建适应数字时代的教育政策和行动。首先要建立健全相关法律法规与制度规范,明确数字技术在思政课教学应用中的伦理边界与数据安全标准。例如,制定严格的数据收集、存储、使用与共享规则,确保思政课教学数据的合法性与安全性。其次,加强对思政课教师与学生的数字素养教育与技术伦理培训。教师应熟练掌握数字技术的正确使用方法,能够识别与防范技术伦理风险,同时引导学生树立正确的数字价值观,提高学生对不良信息的辨别能力与抵御能力。再者,构建完善的数据安全防护体系,采用先进的加密技术、防火墙、入侵检测等手段,全方位保障思政课教学数据不被泄露、篡改与破坏。

5.3. 强化教师在数字化教学中的主导地位

为了避免新兴技术弱化思政课教师主导地位,应强化教师在数字化教学环境中的角色定位与能力提升。一方面,教师要积极主动地学习和掌握新兴数字技术,将其转化为提升教学质量的有效工具,而不是被技术牵着走。另一方面,要注重在教学过程中加强师生互动,通过线上线下相结合的教学模式,充分发挥教师在情感交流、价值引导与课堂氛围营造等方面的独特优势,确保思政课教学始终在教师的有效把控下进行,切实保障思政课育人功能的最大化实现。

6. 结语

思政课的数字化转型是时代发展的必然趋势,也是提升思政课教学质量的重要途径。通过深度挖掘、信度构建与温度传递三个维度,思政课教学将更加深刻、透彻且生动,从而有效提升思政课的品质与效能。然而,数字化转型过程中也面临着专用大模型缺失、技术伦理与数据安全等挑战。但人工智能技术的发展必须回归技术服务于人的目的这一本质要求必须始终坚持[14]。我们需要加快专用大模型的研发,健全技术伦理与数据安全规范,强化教师在数字化教学中的主导地位,确保思政课在数字化转型中始终坚守立德树人的根本任务。未来,随着人工智能技术的不断发展,思政课的数字化转型将迎来更多机遇与挑战,我们应持续关注技术前沿,积极探索创新,以便在变革到来时能够迅速地适应和做出相应的调整,为思政课的高质量发展提供有力支撑。

参考文献

[1] 中共中央国务院印发《关于新时代加强和改进思想政治工作的意见》[N]. 人民日报, 2021-07-13(001).
[2] 宋德孝. 供给侧视角下高校思想政治理论课教学与大学生精神需求的精准化对接[J]. 思想教育研究, 2020(2): 82-87.
[3] 周鉴. 基于大学生精神需求的高校思政课供给侧改革研究[J]. 学校党建与思想教育, 2021(14): 59-61.
[4] 坚持党的领导传承红色基因扎根中国大地走出一条建设中国特色世界一流大学新路[N]. 人民日报, 2022-04-26(001).
[5] 陈向东, 赵丽娟, 刘泽民. 拓展学科的疆域: 大模型的涌现能力对学习科学的影响[J]现代教育技术, 2024, 34(1): 44-54.
[6] 曹培杰, 谢阳斌, 武卉紫, 等. 教育大模型的发展现状、创新架构及应用展望[J]. 现代教育技术, 2024, 34(2): 5-12.
[7] 黄楠, 李竹伊, 李雪岩, 等. 管理学研究中的大数据: 科学问题与未来发展[J]. 南开管理评论, 2024, 27(7): 74-85.
[8] 赵建超. 思想政治教育与人工智能深度融合的内在机理[J]. 思想理论教育, 2023(8): 94-100.
[9] 詹泽慧, 季瑜, 牛世婧, 等. ChatGPT嵌入教育生态的内在机理、表征形态及风险化解[J]. 现代远距离教育, 2023(4): 3-13.
[10] 赵玥颖, 孙丹儿, 尚俊杰. 国际教育游戏实证研究综述——基于2018-2022年的文献分析[J]. 开放教育研究, 2023, 29(5): 106-120.
[11] 吴丰华, 韩文龙. 大型语言模型对高等教育的影响与中国应对[J]. 高等理科教育, 2024(1): 75-83.
[12] [美]凯斯∙R∙桑斯坦. 信息乌托邦: 众人如何生产知识[M]. 毕竞悦, 译. 北京: 法律出版社, 2008: 8.
[13] 宛平, 顾小清. 生成式人工智能支持的人机协同评价: 实践模式与解释案例[J]. 现代远距离教育, 2024(2): 33-41.
[14] 冯嘉鑫. 人工智能技术的伦理风险研究[D]: [硕士学位论文]. 兰州: 西北师范大学, 2023.