《学习强国革命：重构学习体系，跟上人工智能新时代》作者：宋绍伟版本：湛卢丨浙江科学技术出版局2025年2月当前，需要考虑基础教育问题。学业厌烦、游戏成瘾、抑郁抑郁等问题屡屡成为舆论焦点。看来学习已经成为一个社会问题了。老师和家长常常感到焦虑和无助，因为他们不知道该怎么做才能激励孩子学习。有些孩子认为学习是无效的、无聊的、无用的，在被迫学习和想要逃避学习之间挣扎。特别值得关注的是年轻人中心理健康问题日益普遍。根据 2022 年全国抑郁症蓝皮书，学业压力是学生抑郁症比例第二高的因素，仅次于人际关系和家庭问题。米莉关系。事实上，世界上许多国家也存在基础教育滞后于社会进步和科技发展的问题。众所周知，当今世界通用的公立学校制度始于普鲁士王国。 1717年，普鲁士王国颁布了《普鲁士义务教育法令》，一部实施义务教育的法律。从那时起，教育就像服兵役一样，成为普鲁士公民对国家的义务。这种教育制度随着德国的统一而闻名，其他欧洲国家也纷纷效仿。 19世纪末，英、美、法、日等大国相继实行义务教育制度。 20世纪20年代，资本主义国家实际上普及了义务教育制度。公立学校系统诞生至今已有300多年的历史。人类社会已经经历过经历了四次工业革命和两次世界大战，发生了翻天覆地的变化。然而，教育模式的本质并没有随着新时代的发展而改变。直到今天，大多数公立学校仍然以知识转移和学科教学为主。在信息爆炸、科技飞速发展的时代，这种教育模式显然已经脱离了社会的需求。大多数教育发达的国家和地区都意识到这个问题，并正在探索教育改革的新途径。 2011年，美国IBM公司建立了以STEM教育为主的P-TECH高中，并致力于重建中等教育模式。丹麦哥本哈根的一所技术学校采用独特的教学方法，鼓励学生在大教室中协作和交流，以鼓励创新思维。作为全球教育改革的先驱，芬兰最近试图克服教育改革的局限性。传统的学科教育。目前，芬兰中小学每年组织学生进行大约两个月的基于现象或基于项目的学习，没有传统的基于学科的教学。学习有两种类型：现象学习，综合运用所学知识来分析问题；项目学习，其目的是综合运用所学知识创造新价值并实现想法。这些教育改革各有特点，但无一例外地着眼于激发学生自主性、转变学科教学模式、打破标准化考试链条、支持学生发展。展示真正的创新和解决问题的能力。剧照来自《幸福父母 2》（2025 年）。向人工智能学习，提高人工智能的快速发展，新时代正在开启。那么，人工智能将给人类带来什么？教育领域？在2023年9月举办的“教育新生态与科学学习方法教育峰会”上，我提出了人类学习正在进入新“轴心时代”的观点。您不仅可以为您的学生提供各种学科的知识，还可以训练他们准确、高效、有趣地处理数据，就像人工智能一样。准确无误。高效、快速、及时。心情愉快，不受情绪影响。对于家长和教育者来说，这意味着教育模式必须从“传统知识传授为主要要素”转变为“建立知识体系、发展程序性思维、完善学习体系”三位一体。我该如何理解呢？想想曾经在知识转移模式下接受过培训的许多“好学生”可能是个好主意。这类学生可谓“小镇问题解决者”。成功学习《小镇问题解决者》的关键是勤奋，能够记住很多知识点，总结解题模板，通过不断的“解题”磨练超强的解题能力。 “小还必须看到，‘城市提问者’受益于当时的教育，为中国社会的发展提供了重要力量。然而，以人工智能为代表的科技进步，改变了国家和社会对人力资源的需求。党的二十大报告指出：“全面提高自主人才培养质量，努力培养最优秀的创新人才。”在此背景下，发展创新型人才的战略地位一流的人才资源日益重要，近期新高考、新中考改革的一个重要特点就是重视评估。培养学生理解信息的能力和解决实际问题的能力。这体现在两个方面。一是考题融入现实生活场景和问题，更加灵活、实用。与此同时，新的题型定义不断出现，要求考生快速学习新知识并运用新知识解决新问题。此外，北京市教育委员会于2023年9月公布了新的中考政策，并宣布“四小”（历史、地理、化学、生物）由统考改为统考。这实际上进一步削弱了学生的知识保留分数。上述举措都体现了我国人力资源需求的变化。具有优秀的信息解释和分析能力、解决问题能力和创新能力的人力资源将更好地适应未来社会劳动力的需求。的当然，这种人才不是通过注入知识或提出大量问题来培养的。如何培养新时代的人力资源？过去，人工智能是通过模仿人类来发展智能的。现在，人工智能已经在多个方面超越了人类。这个时候，我们就应该考虑向AI学习，提升自己。建立知识体系、培养程序性思维、完善学习体系，是一种以AI思维为核心的教育模式。这使得我们能够利用学习系统理论和方法来诊断和解决学生学习系统中的问题，帮助他们逐步构建一个类似人工智能的学习大脑，从而避免成为“小镇问题解决者”。价值的确定决定了人们的行为模式 人们对于学习常常有一些貌似合理的想法，比如： · 学习就是记忆知识。如果你想取得好的成绩，就得花大量的时间来记忆知识。找到wa非常重要是为了提高你的记忆力。 ·努力工作是学习的唯一途径。如果不努力学习，怎么能取得好成绩呢？ ·伟大的学习者是天生具有伟大智慧的人。学习能力差，往往是因为缺乏天赋。 ・只要方法正确，任何人都可以成为学习高手。为此，你需要每天收集一些“学习秘诀”。价值决策是学习系统的核心，是对整个学习系统运作的总体控制。与人工智能相比，控制人工智能世界一切的神秘力量是一种算法，它决定了机器工作必须遵循的标准和规则。在人类世界中，有一种神秘的力量起着类似的作用，那就是价值决策，它决定着人类行为的选择和执行，影响着态度、倾向和偏好，让每个个体继续走自己的道路。价值观的决定决定人们的行为模式乃至人生命运的走向。同样来自“人工智能”（2001）。一个人的价值观的决定从何而来？它们不是来自长辈教导的道理，也不是来自书本知识，而是人成长过程中多种因素综合作用的结果。有时我们从家人、老师的言行中获得灵感，有时从与他人交往中的经验教训中获得灵感，有时从难忘的成功和失败经历中获得灵感，有时从偶像的故事和话语中获得……在价值决策形成的过程中，知识和信息的影响较小，个人的真实感受和经历的影响较大。此外，特殊的生活经历也会对价值决策产生重大影响。在学习系统中，价值决策处于核心地位，负责提供学习成果。丁心理支持认知提升、语义分析等其他四个模块。它是连接学习（认知心理学）和非认知心理学的重要中心。从宏观层面来看，价值决策往往决定了孩子的整体学习状况。如果价值观的决定错误，孩子可能会表现出学习兴趣不足、学习动力不足、做事意志薄弱、自信心低、对挫折的承受能力低等。如果价值观确定得当，孩子就会表现出明确的学习欲望，不会害怕困难或失败，会变得坚强。有精神力量和信心。在微观层面上，价值决策总是影响孩子的学习过程。请-记住。当你遇到问题的时候你会怎么想？大多数人都有两种想法：在困难的情况下，决心很重要。 《学习力革命》内页插图 学生该做什么未能做出适当的价值判断？显然，一个简单的故事或讲道是不够的。根据近30年的教育领域实践经验，我认为要帮助孩子克服三个障碍：情感障碍、意义障碍、方法障碍。情感关系，或者说情绪管理，是指人们在遇到问题和困难时是否能够克服负面情绪，冷静下来，积极应对问题和困难。你能灵活调节自己的情绪吗？以最佳的张力应对当前的情绪、问题和困难，不要低估它们并导致错误。当个人根据固定的参考标准客观地评估事件的意义或价值时，就会发生意义联系或意义赋权。例如，每个人对于学习的重要性、某些事物的价值都有自己的意义和价值标准。涉及到方法，或者采取方法，涉及到一个人在面对问题时如何选择方法，以及通过不断尝试找到解决方案的能力。价值观决策的调整过程需要孩子依次“踏入”三个层次。一般情况下，你不能越级。首先，我们要帮助孩子积极调节情绪。只有这样你才能调整你的意义标准并在以后寻找解决方案。如果孩子不断地沉浸在自卑感中，感觉“我很笨”或者对学习感到厌烦、“学习没意思”，就很难唤醒大脑中的理性思维。在这种情况下，很难通过讨论意义标准或教学方法来影响对方。同样，即使学生情绪状态良好，他也可能无法做出适当的决定是先做作业还是玩游戏。首先是手机。如果没有正确的意义标准，此时很难思考如何解决一个学习问题。也就是说，无论我指出的价值观决策存在什么问题，都需要按照“情感问题、语义问题、方法问题”的顺序进行考察和调整。当然，调整任何一个级别都会对其他两个级别产生积极的影响。当孩子的意义标准被修改后，就更容易唤起孩子的积极情绪，为孩子找到更有效的解决方案奠定了基础。当孩子的解决方案得到改进时，他们的意义感就会增强，积极的情绪就会被唤起。价值决定的内部结构。从“学习革命的力量”的插图中可以看出，接受人工智能这样的错误。当ChatGPT刚在中国流行时，我记得在小学时问过数学问题。 ChatGPT 最初 ga像无知的孩子一样回答错误。但记住它后，我立即注意到了这个有问题的座右铭。所以我计算了数字并提出了类似的问题。这一次，ChatGPT巧妙地给了我们正确答案，没有落入“陷阱”。 ChatGPT展现出的学习能力令人印象深刻，我不禁佩服。 “如果你犯了错误，请从中吸取教训，并尽量不要再犯同样的错误”，这让我开始思考。如果我们的孩子也能根据价值观做决定，能够积极面对错误，冷静地吸取教训，学习的路上还会有真正的困难吗？然而，现实中，许多孩子在被指出错误时，会因愤怒或尴尬而停止前进。很多孩子因为小挫折而不敢选择“躺下”。如果孩子愿意接受错误，他们就会发现学习并不像他们想象的那么困难。但问题是他们常常不知所措受到负面情绪的影响，甚至很难摆脱自己。我在网上看过研究人员训练机器人的视频。视频中，机器人面临各种障碍来测试其反应能力。例如，机器人在向前行走时突然遭到棍棒攻击。当机器人弯腰捡起盒子时，突然被推开了。当机器人最终捡起盒子时，它却被无情地打倒了。我的天啊！人类如果继续受到这样的打击，肯定会崩溃。但机器人没有兴趣。它只是一遍又一遍地重复这个动作，试图完成它的任务。人工智能不会被挫折所困扰，它总是从错误中学习并学到更多。相比之下，人类儿童对负面情绪非常敏感。想一想。有多少种情况会阻碍孩子读书？学习很无聊、无趣或者不想学习。我很伤心，因为我考试没考好，而且我不想学习。我与我的父母，我很恼火，不知道如何读书。我担心考试，我看不懂……《人工智能》(2001) 的静态图像。为什么会发生这种情况？认知心理学和认知神经科学的研究表明，人类情绪就像认知活动的背景，广泛影响感知、注意、记忆等各种认知活动。这种效应主要体现在积极情绪和消极情绪对注意力转换功能和抵抗干扰刺激的抑制能力的不同影响上。积极心理学家芭芭拉·弗雷德里克森认为，积极情绪扩展了人们的认知处理能力，使人更加开放和灵活，因此能够拥有更广泛的注意力和更大的创造性思维。现在越来越多的实验研究支持这一观点。利用AI参数方法激发学习动机在日常生活中，我们经常会做一些事情。甚至在没有意识到的情况下做出判断。价值意义决策是指人们在面对特定情境时选择意义标准来决定自己行动的方式。语义标准决定人们的选择和行为模式。它就像人工智能模型中被分配了特定值的参数。这意味着什么？人工智能模型实际上是一种可以从输入数据中学习某些模式并根据这些模式做出预测和决策的功能。参数决定函数如何处理输入数据并获得输出结果。对于AI模型来说，学习的核心是参数调整。同样，学习人类行为的重点是参数调整。它这里的参数是值，最终调整的结果和行为有关。这是一个意义的标准。孩子在成长的过程中，不断地与他人、外部环境进行互动，并从中获取各种信息。该信息是用于训练的数据孩子的行为参数。在这些数据的影响下，孩子们在大脑中逐渐理清各种语义标准，形成价值观，最终通过习惯形成相对稳定的个人行为模式。所以，一方面，当孩子的行为出现偏差时，我们需要思考的是其背后的意义标准是什么，这些意义标准是否合理，以及如何调整。如果孩子的意义标准改变了，他的行为自然也会改变。静态图像来自《全知读者的视角》（2025）。有些孩子能够保持持续不断的学习热情。即使成绩下降或者学习有困难，你也可以主动和老师或同学倾诉，积极寻求解决办法，直到问题解决。这些积极性很高的孩子具有巨大的学习潜力，即使他们一开始表现不佳。有些孩子的学习恰恰相反。你可以学习一开始还好，但一旦遇到“瓶颈”，就很难克服，甚至会发现某个科目变弱了，你在该科目上的整体表现下降了。为什么这两类孩子的差别这么大呢？这是因为他们对努力的意义有不同的理解。第一类人相信，通过努力，他们可以解决困难，提高技能，变得更好。后者认为，努力工作的效果是有限的，表现的质量和学业成就主要由天赋决定。斯坦福大学心理学教授卡罗尔·德韦克（Carol Dweck）将上述两种思维方式总结为两种思维模式：成长型思维模式和固定型思维模式。通过跟踪、采访和研究数百名各个年龄段的孩子，卡罗尔·德韦克教授发现了以下现象：固定型思维模式的人认为能力是与生俱来的，努力没有什么作用。影响。他们遇到挫折时喜欢找借口，更注重自己目前的表现。他们往往因为害怕表现不好，而直接放弃自己的努力，宁愿待在自己的舒适区。固定型思维模式是一种由恐惧驱动的思维模式。具有成长心态的人相信，技能可以通过努力工作来提高。他们目标明确，渴望学习，喜欢探索新事物，相信一切皆有可能，并注重学习机会和改进空间。成长心态是一种成就驱动的心态。我们发现，具有成长心态的孩子在面对逆境时更善于将克服困难的积极意义归结为积极的意义，并且更有可能克服“意义之墙”。因此，我认为成长型思维是一种有效的“意义差距”调整模式。在调整孩子的价值决定时，我专注于帮助他们我有成长心态。意义鸿沟是价值决策的第二个环节，也是其核心。会对孩子最终的学习行为产生很大的影响。它接管了外部的情感层面并连接到内部的方法层面。当孩子陷入情感障碍而无法摆脱时，它往往是非理性的，任何意义标准都无法影响它。对于能够通过情绪测试并赋予其积极意义的孩子来说，意义测试会让他们的情绪更加积极，而通过方法测试会让他们更加激励。向人工智能学习并找到解决问题的方法。你是否有过这样的想法：“孩子的学习能力之所以上不去，是因为学习方法不对？”很多人认为，如果学会了正确的学习方法，就不用担心自己的学术能力。然而我发现了这样一个现象：有的孩子学会了很多学习方法从老师那里得到的，但他们不知道如何使用它们。有些孩子可能会明确谈论学习策略，但在实际学习时却从未使用它们。这是为什么？学习方式是知识陈述式学习，所以只能死记硬背一些知识，根本无法付诸实践。其实，方法是一种程序性知识，要真正有效，使用者必须反复练习，在实践中不断调整，是有必要的。静态图像来自《全知读者的视角》（2025）。那么孩子如何才能在学习情境中真正有效呢？这包括如何做出价值决策。方法是价值决策的最后一环。它不是指具体的方法，而是指遇到问题或困难时寻找解决方案的方法。事实上，这是一个反复试验、探索并最终找到解决方案的过程。当人工智能遇到困难问题时，它通常会处理它根据以下想法。首先，我们使用不同的算法设计大量可行的解决方案。然后它一一调用程序来处理并解决问题。最后，比较每个解决方案的结果并选择最佳的一个。请举一个例子来更详细地解释这一点。前提：你有一个智能衣柜助手，可以帮助你每天搭配旅行服装。有一天，你说：“我想要适合当前气候的时尚衣服。”这个问题对于智能更衣室服务员来说是个新鲜事。今天的天气状况非常特殊（比如大雨），我们以前从未经历过。接下来，您应该尝试不同的服装组合，并按以下顺序进行： · 首先选择基本的服装组合，例如牛仔裤和夹克。 ·接下来，添加帽子和围巾等配饰，看看它们是否更适合您。 ·并且，根据当前的天气情况，您也可以考虑换鞋或更换鞋子运动鞋搭配靴子。·最后，你还可以尝试不同颜色的衣服，找到更时尚的组合。以上是基于“牛仔裤+风衣”的基本组合打造智能衣柜助手的尝试。我们会根据这个流程建议各种搭配，最终选择并建议合适且时尚的服装组合。人工智能的计算速度比人类快得多，可以几乎“无限”地重复试错，直到找到最优解。人类倾向于根据现有的经验和知识进行较小规模的实验。马苏。以上内容摘自《学习力革命》，对原文进行了摘录和补充。经出版商许可出版。原作者/摘录：宋绍伟/编辑：何野/校对：张进/赵琳