作為教育改革和創新的重要力量，當前很多教師積極嘗試利用生成式人工智能支持學生自主學習與問題探究。
　　
　　然而，除了知識誤導、信息過載、算法偏見等已知風險外，生成式人工智能在學習中的直接應用還潛藏一些深層次挑戰，包括學生學習自主性衰減與路徑依賴、問題解決方案趨同與創新受限、學習與研究容易止步于方案構思階段等。這些問題直接影響學生學習的深度和成效，因此需要從生成式人工智能支持學生深度學習的模式重構、應用策略與關鍵突破上把好方向、精準發力。
　　
　　生成式人工智能支持學生深度學習的具體表現
　　
　　生成式人工智能用于學生學習，應在學生與其高度互動的基礎上，實現有意義的生成和創新，具體表現為深度探究、人機協同、創新實踐。
　　
　　深度探究強調系統性研究、批判性思考、多角度分析以及嚴謹論證和反思�；�于生成式人工智能技術的海量知識庫、超強語義理解能力、基于上下文的連貫對話以及模式識別和關聯推理等優勢，應用生成式人工智能開展的學習可支持學生深度探究：與AI圍繞特定問題對話協商，可啟發學生多元視角思考與深度提問，逐步完成從問題表征、假設生成、證據評估到知識重構的深度認知閉環，進而實現高階思維發展。
　　
　　數智時代，要讓學習真正有意義，關鍵在于發揮人類智慧與人工智能的各自優勢。人機協同中，首先要將人工智能作為認知伙伴，而非傳統的資料查找或任務單向執行工具，通過多輪對話交互實現遞進式的理解、迭代式的內容生成和進階式的知識建構。其次，要充分利用人工智能在跨領域知識、數據分析、模式識別等方面的專長，與人類在情感理解、藝術創作和獨特創意等方面優勢形成互補性融合。此外，師生還要在對話生成中積極參與和主動決策，確�；�動結果符合人類的價值觀和實際需求。
　　
　　基于生成式人工智能的學習，其最終目標是推動創新實踐。生成式AI的價值不僅在于輔助學習過程，更在于它能激發創新，包括能提供跨學科概念聯結，如將仿生學與工程設計相融合；生成對抗性創意，如通過多方案對比迭代激發創新；開展可行性驗證模擬，如虛擬原型測試。學生要在此過程中主導創新價值判斷、推動需求與社會情境適配、開展倫理評估等。這種創新機制可促進學習成果實現迭代深化，并轉化為解決現實問題的有效方案。
　　
　　生成式人工智能支持學生深度學習的應用策略
　　
　　應用生成式人工智能開展深度學習，核心在于人機雙向溝通與面向真實問題的探究、驗證與迭代優化。因此實踐中，既要提升人機對話技巧，更要主動在真實場景中試驗、應用并驗證AI生成的方案。
　　
　　學生需要掌握與生成式AI對話的技巧。清晰地陳述問題才有可能得到較有針對性的解決方案，RICDO（角色、指令、情境、輸入數據、輸出要求）就是一個非常好用的提示語公式，如：“作為城市規劃專家，請你用韌性城市理論為經常遭遇暴雨洪水的沿海社區設計五條氣候適應措施，每條措施必須說明對應的韌性維度，并優先選擇低成本、易推廣的方案，用表格列出，包含三列：措施名稱、所屬韌性維度、作用說明。”
　　
　　同時，鑒于問題解決和知識創造為核心旨歸的深度學習需求，與生成式人工智能對話還要凸顯思想引領與討論啟發。思想引領強調用專業知識引導大模型深刻理解關鍵性問題，從而推動對話向前發展或形成超越個人知能的解決方案，如上述提示語案例中要求生成方案用到“韌性城市理論”。討論啟發強調基于理論依據的反饋、富有針對性的追問、系統性的總結等方法，以激發大模型的深度思考和多維視角，例如“請改進浮動菜市場設計，增加社會韌性功能”。顯然，思想引領和討論啟發要求學生提前準備或深入研究，才能在對話中提出有深度和價值的觀點、理論或策略。
　　
　　學生的學習須深度融入真實社會與實踐。利用生成式人工智能獲取方案與創意并非學習的全部，引導學生走向真實場景調查研究、親身驗證信息，才能獲得真正高質量的解決方案，并防止因過度依賴AI而削弱自主思考能力。在實踐、校驗與修正方案中投入更多精力，能顯著提升解決實際問題的能力，避免學習停留于理論構思，并更容易激發具有實踐價值的創新（而非復制AI觀點）。
　　
　　盡管實踐環節耗時費力遠超構思，但它既是問題的源頭，也是驗證成果的試金石。若學習止步于假設，將嚴重削弱成果的應用價值并導致實踐能力退化。唯有完成“實踐—認知—再實踐”的閉環，知識才能真正轉化為解決問題的力量。
　　
　　生成式人工智能支持學生深度學習的突破點
　　
　　面對學習者深度學習的要求，我們既要充分利用生成式人工智能的技術潛力，又須通過精心設計的模式和教學策略保障教育的主體性和深度價值，還需要具有倫理安全意識，避免由此帶來的風險。為此，對于教師而言，任務設計、評價設計和倫理護航是三項需要突破的關鍵能力。
　　
　　當人工智能可以輕易回答封閉性問題時，教育的核心價值必須轉向培養機器不可替代的高階能力。這就意味著教師需著力設計更具真實性、開放性以及認知復雜性的任務，如語文教學中，與其讓學習者總結文章主旨，不如“分析比較并論證最合理的解讀”這樣的任務，迫使學習者運用批判性思維、綜合分析與情境化決策能力。這種設計既規避AI代勞的風險，更創造專屬人類的認知挑戰空間。同步地，學習評價也需要從結果正確性轉向認知發展性，即教師需要重點關注分析學習者與AI的對話日志，評估其思維推理過程，而不僅僅是審核最終任務結果。同時，還要建立包含同伴互評、自我反思等多維度的評價體系，發展學生對成果、對生成式AI工具的客觀、理性評價能力。
　　
　　此外，也是最為重要的一點，對于生成性內容教師不僅需要有較強的道德和專業敏感性與判斷力，還要不斷提升引導學生進行評價和判斷的能力，幫助學生充分認識生成式人工智能的局限和潛在風險，以確保人機協同成果符合倫理安全和專業規范。
　　
　�。ㄗ髡呦等A東師范大學教師發展學院副院長、副研究員）