1. 引言
近年来，随着生成式人工智能(Generative Artificial Intelligence, GenAI)深度介入，教育数智化、人工智能赋能学科教育，已经成为我国教育发展不可逆转的新趋势。习近平总书记指出，教育数字化是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，要进一步推进数字教育，为个性化学习、终身学习、扩大优质教育资源覆盖面和教育现代化提供有效支撑[1]。教育部长怀进鹏提出：我们将实施人工智能赋能行动，促进智能技术与教育教学(AI for Education)、科学研究(AI for Science)、社会(AI for Society)的深度融合[2]。AI赋能语言教学的工具属性日益突出并被提升到至关重要的地位，但鲜有研究关注AI作为一个内在变量，如何重塑学习生态，催生新型学习关系。
借鉴Brown & Campione [3]的“共同体”概念，蔡妍、林璋[4]结合数智学习趋势，首次提出“智慧学习共同体”的概念，用以指涉“以形成技术合力推动学习者认知方式的转变为目标，由学习者和助学者共同组成，以实现共同目标为愿景，通过互动协商和学习资源分享而相互促进的学习集体”。他们的研究表明共同体机制对交互学习质量、自主学习能力和学术能力均有提升，但并未将GenAI纳入共同体人机交互主体范畴。现有研究虽已探讨人机协同的潜力，但普遍缺乏一个兼具理论深度与实践可操作性的整合性框架，用以指导如何在数智化的新语境下构建超越技术工具论的、真正意义上的学习共同体。对于外语专业精读类课程如《高级英语》而言，AI能够生成看似合理但往往缺乏深度、原创性与批判性洞见的文本内容，这对旨在培养学生深度学习能力构成了直接冲击。本研究旨在回应这一迫切需求，探索一种能够将人类智能与机器智能深度融合提升高阶能力的智慧学习共同体形成机制。将人类行动者(师生)与GenAI整合为一个共生学习生态，对师生及AI的角色进行重塑，培养学生在数智化时代不可或缺的元能力，即批判性地应用和评估人工智能(Critical AI Literacy)以及在复杂的人机网络中进行高效协作与知识创新的能力。
2. 数智化时代的学习共同体
“学习共同体”概念可追溯至Lave & Wenger [5]提出的“实践共同体(Community of Practice, CoP)”理论。该理论颠覆了将学习视为个体认知活动的传统观念，强调学习本质上是一种社会性参与活动，是在特定情境中建构身份认同的过程。CoP理论由三个核心结构元素构成：“领域”(Domain)、“共同体”(Community)和“实践”(Practice)。在学科教育中，“共同体”由共享这一领域的学生和教师组成的社会网络。成员间通过互动建立关系，分享知识，共同学习。该理论认为，学习与身份认同的建构是同一过程不可分割的两个方面。学生参与课程，不仅仅是在被动地“吸收”知识，更是在一个从“合法的边缘性参与”(legitimate peripheral participation)逐步走向核心的动态过程中，学习如何像一个成熟的文学批评者那样思考、言说和写作，最终内化这一身份认同。这种将学习视为“成为”(becoming)的过程，为智慧学习共同体设定了根本性的育人目标。
“实践共同体”提供了“为何学”的哲学基础，“探究共同体(Community of Inquiry, CoI)”框架则为“如何学”提供了实现路径。在Garrison等[6]提出的“探究共同体”框架内，在线学习体验解构为三个相互依存、缺一不可的核心要素，即三种“临场感”(Presence)：第一、教学临场感(Teaching Presence)：指教师(或教学系统)在教学过程中的设计、组织、引导和直接指导，这是确保认知过程有效发生的主导力量。第二、社会临场感(Social Presence)：指学习者在共同体中展现其个人特质，从而被感知为“真实的人”的能力。它通过情感表达(Affective Expression)、开放沟通(Open Communication)和群体凝聚力(Group Cohesion)三个维度体现，是建立信任、营造安全互动氛围、促进深度协作的情感与人际基础。第三、认知临场感(Cognitive Presence)：指学习者通过持续的、批判性的反思与话语，建构和确认意义的程度，这是学习发生的核心标志。认知临场感通常遵循一个四阶段的实践探究模型：首先是触发事件，通过提出引人入胜的问题或困境来激发学习者的好奇心，然后是探索，学习者在个人反思与群体交流中，搜集信息，交换观点，进而探索，学习者开始连接不同的观点，建构解释，形成可能的解决方案；最后是解析，学习者通过应用、测试新知识来验证其有效性，最终解决问题。总而言之，智慧学习共同体的构建过程，本质上就是通过人机协同的方式，系统性地培育这三种临场感的过程。
人工智能技术的深度融入使得传统的学习共同体概念发生了深刻的重构，演化为一个更为开放、动态和复杂的智慧学习生态。学习的边界被极大地拓展：共同体的成员不再局限于师生，各类智能体、数字人学伴等作为新的行动者加入，与人类共同构成一个多元主体网络。学习不再局限于固定的时空，而是可以随时随地接入共同体，与人或AI进行互动，实现知识的无缝获取与交流。交互模式从传统的人–人交互，扩展为人–人、人–机、甚至机–机之间的多模态、多向度互动，催生出新的知识共创模式，学习者在与机器的协同中平等地获得信息理解、对话参与和内容创生的机会。在这种智慧学习生态中，CoP的“实践”和CoI的“探究”被赋予了新的内涵。它们不再仅仅是人类成员之间的活动，而是人与AI共同参与的、更为高效和个性化的过程。因此，智慧学习共同体的形成有赖于对这一新生生态系统的精心设计与引导。
3. 人机共生范式下行动者的角色转换
1960年，全球互联网开山领袖之一约瑟夫·利克莱德(J.C.R. Licklider)在其开创性论文《人机共生》(Man-Computer Symbiosis)中[7]，将“共生”定义为“两种不同有机体在亲密协作，甚至紧密结合中共同生活”。他的核心论点是，人脑与计算机器将“非常紧密地耦合在一起”，形成一种能够“以前所未有的方式进行思考”的伙伴关系。这种合作关系并非旨在取代人类，而是为了创造一种“高产且生机勃勃的合作关系”。传统的计算机辅助语言学习(CALL)通常将计算机视为静态工具，而人工智能技术的出现，特别是自然语言处理(NLP)、语音识别和机器学习等技术，已将机器从工具转变为一个动态、响应迅速的伙伴。在这个全新的生态系统中，利克莱德设想的共生分工清晰可见。共生模式促进了学习者的自主性。AI工具可以通过提供目标设定、进度监控和学习规划等功能，赋能学生成为自我调节的学习者，并通过创造焦虑度低的学习环境，让学习者敢于冒险、不怕犯错，这与“最近发展区”理论不谋而合，AI在此扮演了脚手架的角色，帮助学习者不断前进。
GenAI深度介入的教学中，人机关系已不再是单向度依赖，而是转向共生共创。AI不仅能理解和生成复杂的自然语言内容，还能通过与人类的持续互动进行学习和优化(如基于人类反馈的强化学习)。知识的获取方式从“搜索–整合”转变为“对话–生成”，人与机器成为共同创造新知识、新思想的伙伴。智慧学习共同体正是建立在这一“共生共创”的范式之上。它不追求用AI取代教师或学生，而是致力于构建一个协同智能(Collaborative Intelligence)系统，让师生与AI在共同的教育目标下，形成一个不可分割的、相互依存的有机整体。在人机共生的范式下，共同体中各行动者的角色依据其各自的核心优势进行了根本性的重塑，形成了一种高效的协同分工机制。
人类智能的长处在于批判性思维、创新能力、复杂问题的定义与框架构建、情感理解与共情以及伦理价值判断。人类行动者中的教师角色，已经从知识的权威传授者转变为学习生态的设计师、学习过程的引导者和高阶思维的激发者。教师的核心任务不再是讲解所有知识点，而是设计富有启发性的探究任务，引导学生学会如何与AI高效协作，并对AI生成的内容进行批判性审视，同时提供AI无法给予的情感支持和个性化洞见。而学生的角色，在海量AI生成信息的包围下，已从知识的被动接收者转变为主动的探究者、批判性的评估者和知识的共同建构者。他们不仅要学习课程内容，更要学习如何提出高质量的问题、如何评估和整合来自人与AI的多元信息，并在协作中形成自己独特的见解。
人工智能依托日益强大的算法和算力，在大规模信息处理、模式识别、自动化内容生成、个性化任务推送和即时反馈方面具有巨大优势，在共同体中扮演知识渊博的助手、个性化的导学伙伴和高效的事务处理器。它可以根据学生的学习进度提供定制化练习，可以无时无刻扮演口语练习的对话伙伴，可以快速生成文本分析报告，完成批量批改客观题等重复性劳动从而将师生从繁琐事务中解放出来。
这种角色的重塑，将教学的重心从教学内容，转移到学习和思考的方式变革。人机之间的互动本身就构成了一种重要的学习内容。学生通过与AI的协作，不仅深化了对学科知识的理解，还亲身体验并内化了在数智化社会中生存和发展所必需的人机协作素养。
4. 智慧学习共同体生态系统中的主体架构
在智慧学习共同体生态系统中，教师、学生以及各类AI应用，在一个共同的环境中通过预设的规则进行交互与协作，以达成个体学习目标与共同体发展目标。系统中的行动者分为人类行动者与人工智能行动者(图1)。人类行动者中的教师是顶层“架构师”，其核心职责不再是知识的单向传递，而是对整个学习生态系统的设计、编排与宏观调控。如，创设有探究价值的、开放性的复杂问题，作为驱动共同体活动的引擎；规划在不同学习阶段，学生应与哪些智能体(其他学生或AI)进行何种形式的互动；专注于AI无法胜任的反馈，如对学生论证的逻辑深度、思想的原创性以及文本的情感表现力进行点评，并通过言传身教，向学生展示如何与AI进行有效、批判性的互动。而学生则是主动的知识建构者和批判性的思考者。系统会根据学生的交互行为数据，对其学习风格和参与模式进行动态分析，例如，识别出不同类型的学习者，有助于教师进行更具针对性的引导与干预，从而实现差异化教学。
人工智能行动者则扮演个性化智能导学系统的角色。对应CoP理论的三个核心结构元素(领域、共同体、实践)，人工智能行动者的作用机制主要包括三个面向。第一、领域面向：借助RAG知识库，大模型可以封装《高级英语(2)》课程的结构化知识，包括语法、词汇知识规则、修辞术语库、文本分析、翻译技巧等，实现智能助学。基于RAG知识库的大模型作为行动者，会大大减少“幻觉”，优先从知识库中检索出最相关的文本段落和文献资料，生成综合性的、引用了明确来源的回答。这种机制极大地提升了答案的准确性和学术可信度。RAG知识库是支撑认知临场感从“探索”走向“整合”阶段的关键工具。可以为学生提供有意义探究所必需的“事实支架”，确保讨论能够建立在坚实的文本和理论基础之上，避免了因信息不足或信息错误而导致的低效讨论。第二、主体面向：通过持续追踪学生的练习表现、答题时间和错误类型，动态构建并更新每个学生的个人知识图谱，精准诊断其优势与薄弱环节。第三、实践面向：基于学生主体的诊断结果，智能地从题库中抽取难度适中的练习题，推送个性化的学习资源，并提供即时的、针对性的反馈。此外，带有RAG知识库的数字人，可以扮演无处不在的口语学伴，与学生进行一对一的口语练习，并通过情感互动，帮助性格内向的学生建立成就感、归属感和安全感，从而更愿意参与到共同体的讨论中。人工智能行动者的终极目的，是将教师从重复性的知识点讲解和批改中解放出来，使其能专注于更高层次的互动。
Figure 1. Ecosystem of “smart learning communities”
图1. “智慧学习共同体”生态系统
5. 智慧学习共同体形成机制的实践路径：以《高级英语》课程为例
下面以《高级英语》课程中Three Cups of Tea这篇课文为例，围绕探究共同体(CoI)认知临场感的四个阶段(触发、探索、整合、解析)，阐述智慧学习共同体的形成机制。Three Cups of Tea聚焦美国作家和登山爱好者格雷格·摩顿森(Greg Mortenson)在攀登K2山峰时不幸迷路后，被巴基斯坦巴尔蒂人救起，并最终在科尔菲村建立学校，进而改变当地儿童的命运的故事。选段聚焦摩顿森与当地村民，特别是村长哈吉·阿里的互动，展示了以美国为代表的西方文化与古老的东方文化之间的碰撞、理解与融合的过程。教学设计的目标，是通过表层知识与意义获取和技能训练，深入文本意义层，不但要发现“是什么”(表层语言信息)，而且将知识和技能植入深层的社会文化语境中去理解，探索“为什么”(深层文化意义)以及“如何做”(“内化于心、外化于行”的文化担当)。单元特别关注文本中可能存在的东方主义表征，通过深入解读与批判，引导学生认识到西方叙事中对东方的主观建构与刻板印象。通过这种批判性学习，培养对多元文化的包容性理解，坚定文化自信，提升跨文化交流和文明互鉴的能力。
5.1. 阶段一：触发事件(课前)
在这一阶段，教师激发学生对复杂文本的探究兴趣，并为其提供必要的背景知识和分析工具，为后续的深度探索做好铺垫。教师在课程平台上发布本单元的核心探究任务：“格雷格·摩顿森的故事常被誉为一曲人道主义的赞歌。然而，若我们运用‘东方主义’这一批判性视角，这个‘感人故事’是否也可能被解读为一种西方中心主义的文化叙事？请结合你对后殖民理论的初步了解，形成一个初步的假设。”为确保学生具备基础分析能力，教师引导学生使用个性化智能导学系统，完成一系列关于本单元的自适应练习，如核心词汇的掌握、作者背景的了解、故事梗概的梳理等。系统根据学生的完成情况，推送不同难度的材料和讲解，实现个性化补强。在形成初步假设前，学生可以向领域知识库问答系统提出背景性问题。例如：“爱德华·萨义德提出的‘东方主义’核心概念是什么？”或“巴基斯坦的历史文化背景，及其在中国‘一带一路’倡议中的地缘政治意义是什么？”知识库从其内置的权威知识库(如《DK社会学百科》关于萨义德的论述、相关国际关系文献)中检索并生成有据可查的回答，帮助学生快速构建对文本语境的认知框架。
5.2. 阶段二：探索(课前及课中)
在探索阶段，引导学生从被动接收信息转向主动探究，通过与AI的批判性互动，搜集和评估多元观点，为构建自己的论证积累素材。本阶段的核心活动，是深入阅读Three Cups of Tea文本及相关批评材料，搜集证据以支撑或修正自己的初步假设。教学策略是“AI生成 + 评估批判”，将人机交互本身转变为一个高阶思维训练过程。这一阶段中，AI充当“苏格拉底式”对话伙伴。学生需要按照教师指引设计高质量的提示词(Prompt)，例如：“请从后殖民主义的视角，分析格雷格·摩顿森因建校进度缓慢而感到沮丧的情节，并探讨其中可能蕴含的东方主义偏见。”而后，学生作为批判性评估者，在获得AI生成的分析后，需对照原文，批注AI的分析报告，识别其可能存在的优点(如，AI准确指出了摩顿森的“猴急”与哈吉·阿里“道法自然”般的时间观之间的冲突)和缺点(如，AI可能未能深刻揭示这种冲突背后，是以西方工业文明的效率标准无意识地衡量非西方社会的权力关系，或者未能识别出文本对这种东方主义的“解构”——即哈吉·阿里的智慧最终超越了摩顿森的效率观)。最后，在小组讨论中，学生分享各自对AI分析的“批判报告”。他们展示文本证据，论证可能存在的AI视角偏差(如，为何AI对“三杯茶”哲学的理解是深刻的，而其对巴尔蒂人婚姻习俗的解读可能是浅薄的)并提出自己的理解。这一过程中，学生在捍卫自己观点的同时，也吸收了同伴和AI提供的不同视角。
5.3. 阶段三：整合(课中)
整合阶段，学习者从信息的“大爆炸”走向“有序架构”，为最终的解析与知识内化奠定坚实基础。教师的角色，是引导学生在多元观点的碰撞中，建构连贯、自洽的论证体系，实现从信息搜集到意义建构的认知跃迁。通过“文本细读–思辨讨论–价值升华”三步法，将焦点从“探索”阶段的分散观点，引向“整合”阶段的系统性论证。教师利用从后台数据(如学生AI批判报告的共性问题)中提炼出探讨的要点，有针对性地组织课堂讨论，然后提炼各小组的核心观点，如“冲突与初识：西方效率观与东方时间观”、“信仰与传统：东方智慧的深度呈现”、“不速之客：教育的持久价值”等，将它们呈现在共享白板上，引导全班学生共同绘制一幅复杂的“论点地图”，探讨这些观点之间的张力与融合。
为了给更多学生提供表达和讨论机会，教师可以设置由交互式数字人学伴主持的辩论环节。辩题为：“西方主导的援助模式是否的确损害了受援国的自主发展？”。数字人学伴扮演中立的主持人，确保双方论证时能结合文本内容与中国在国际合作中的案例，并在一方论证不清时追问“能否请你用哈吉·阿里为教育牺牲十二只羊的例子来支持你的观点？”。这种低压力的模拟环境有助于学生锻炼口头论证的严谨性和应变能力。
5.4. 阶段四：解析(课后)
解析是指学生将习得的综合性理解进行运用，完成一个能够体现个人洞见和批判性思维的最终成果，促进学习者的元认知成长与经验积累，是认知临场感模型中将意义建构转化为稳定认知的关键桥梁。就本课的核心主题而言，可以让学生完成本单元的最终评估任务——撰写一篇批判性分析文章：从文本中选择至少两个具体例子，分析其东方主义视角；再分析作者如何颠覆这些刻板印象；最后讨论作为中国青年，我们如何超越“拯救者”与“被拯救者”的二元对立，构建“共赢”、“互助”的国际关系。写作过程中，学生可以继续将RAG知识库作为一个高级、可信赖的“学术搜索引擎”来使用，用以查找支持其论点的次级文献资料，例如查询关于中国“和而不同”的文明理念或“治贫先治愚”的扶贫国策的权威英文表述和案例。完成初稿后，可以先提交给一个基础的语法和风格检查AI工具进行初步润色，然后再提交给教师。教师的反馈将完全集中在高层次的问题上，如论证的原创性、逻辑的严密性、分析的深度，以及学生是否成功地将文本解读与构建“人类命运共同体”的时代责任联系起来，这些都是需要深厚人类智慧才能完成的判断。
通过这四个环环相扣的阶段，智慧学习共同体将学生从一个孤立的学习者，转变为一个在人–人、人–机多元互动网络中积极探究、协作和创造的共同体成员。整个过程不仅深化了学生对Three Cups of Tea这一个别文本的理解，更重要的是，系统性地训练了他们在数智化时代进行深度学习、坚定文化自信、并用外语“讲述中国、沟通世界”所必需的全套方法论。
6. 智慧学习共同体效能评估
对智慧学习共同体这一复杂的人机共生系统进行效能评估，单一的维度远远不够。必须能够同时考察共同体的“健康状况”、协作过程的“质量”以及最终学习成果的“深度”(图2)。第一，共同体感知评估：采用探究共同体(CoI)框架，通过问卷调查，测量学习者对共同体三种临场感(教学、社会、认知)的主观感知。第二、协作过程评估：通过对交互文本的内容分析，客观地描绘知识建构的过程与模式。第三、学习成果评估：采用标准化评估量规，对学生最终产出的作品进行评价，以衡量其高阶思维能力的达成度。这三个维度相互补充，共同构成了一个从“输入条件”(共同体感知)到“过程动态”(协作交互)再到“最终产出”(学习成果)的完整评估链条。
通过对不同来源的数据进行三角互证(triangulation)，以期获得对SLC效能的整体性、立体化认知。三角互证的设计逻辑，超越了对单一数据的孤立解读。它允许研究者在不同层面的数据之间建立关联，从而构建更具说服力的因果链条。例如，研究可以检验这样一个假设：在CoI问卷中感知到更高“认知临场感”的学生，其在交互分析中表现出更多“整合”与“解析”阶段的发言，而这些高质量的交互行为，又与他们在批判性思维论文中获得更高的“综合”与“结论”维度评分显著正相关。这种互证不仅能验证SLC的整体效能，更能揭示其内部的作用机制，为模型的持续优化提供基于证据的诊断性信息。
Figure 2. Assessment framework for “smart learning communities”
图2. “智慧学习共同体”评估框架
7. 结语
面对生成式AI带来的机遇与挑战，学科教育必须从传统的知识传递模式，转向构建一个以培养学生高阶能力为核心的人机共生学习生态。本研究提出了智慧学习共同体形成机制，将宏观的社会文化学习理论(实践共同体)与微观的可操作教学设计框架(探究共同体)相结合，明确了人机协同分工的新模式，即人类专注于批判、创新与情感互动，AI专注于数据处理、个性化支持与内容生成，二者优势互补，共同服务于学习目标。设计了一个由个性化智能导学系统、交互式数字人学伴和垂直领域RAG知识库等多个AI智能体组成的系统，每个智能体都精准地服务于培育CoI框架中的特定“临场感”，形成了一个功能互补的协同网络。通过具体的课程案例，展示了SLC在教学实践中分阶段、结构化的实施路径，并提出了一套多维度的评估框架，旨在实现对共同体效能的全面、深度评估，从而形成“实践–评估–优化”的良性循环。
智慧学习共同体视域下，教师需要从传统的“学科专家”转变为“学习生态设计师”，这不仅要求他们掌握新的教学法，更需要他们具备相当水平的技术素养、数据分析能力和AI伦理意识。此外，AI大模型“知识”和“价值观”来源于训练数据。这些数据不可避免地会携带人类社会的既有偏见(如文化、性别、种族偏见)。在教学应用中，必须高度警惕这些偏见通过AI被无形地传递给学生，并建立相应的监督和纠偏机制。展望未来，应对这些挑战的根本之道在于坚持“以人为本”的原则，大力发展可信、公平、透明的教育人工智能技术。未来的研究应致力于开发更为精细、更能理解教育情境的AI模型，使其能够真正成为教师和学生在求知路上的智慧伙伴。随着技术的进步和教育理念的革新，人机共生的智慧学习共同体有望成为未来高等教育的主流形态，为培养能够适应并引领未来社会的创新型人才提供强大的支持。
基金项目
重庆移通学院高等教育教学改革研究项目：《高级英语(2)》课堂教学改革研究(项目编号：23JG2086)。