[摘" "要] 沉浸式學(xué)習(xí)環(huán)境為新質(zhì)人才的培養(yǎng)打造了優(yōu)質(zhì)學(xué)習(xí)空間，但受限于技術(shù)成本高、教育理論缺位、學(xué)習(xí)適用性低等因素，在教育領(lǐng)域的應(yīng)用仍較為有限。生成式人工智能在創(chuàng)造性生成、邏輯性表達(dá)、復(fù)雜交互理解等方面展現(xiàn)出了顯著的賦能潛力。文章首先在梳理沉浸式學(xué)習(xí)環(huán)境內(nèi)涵與構(gòu)成要素的基礎(chǔ)上，構(gòu)建了生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理模型，通過情境分解、模型提煉和內(nèi)容創(chuàng)生，實現(xiàn)學(xué)習(xí)路徑規(guī)劃、多模態(tài)資源生成、學(xué)習(xí)情境創(chuàng)設(shè)、個性化互動、學(xué)習(xí)者畫像構(gòu)建等功能。其次，從實踐角度提出依托沉浸式學(xué)習(xí)環(huán)境的有效學(xué)習(xí)模式，包括錨定目標(biāo)、了解現(xiàn)狀、課程學(xué)習(xí)、情境練習(xí)、動態(tài)監(jiān)測五個環(huán)節(jié)。最后，結(jié)合“知心慧語”智能陪練系統(tǒng)論證垂直應(yīng)用機(jī)理和學(xué)習(xí)模式的可操作性，旨在為生成式人工智能在教育領(lǐng)域的垂直應(yīng)用提供借鑒。

[關(guān)鍵詞] 生成式人工智能； 沉浸式學(xué)習(xí)； 垂直機(jī)理； 學(xué)習(xí)模式； 應(yīng)用案例

[中圖分類號] G434" " " " " " [文獻(xiàn)標(biāo)志碼] A

一、引" "言

數(shù)智時代，為響應(yīng)“加快形成新質(zhì)生產(chǎn)力”的現(xiàn)實呼喚，教育領(lǐng)域應(yīng)積極創(chuàng)新學(xué)習(xí)模式，培養(yǎng)兼具創(chuàng)新能力與實踐智慧的拔尖創(chuàng)新人才[1]。學(xué)習(xí)環(huán)境是學(xué)習(xí)發(fā)生的主要場所，沉浸式學(xué)習(xí)環(huán)境以其具身化、可交互、情境化等特點被作為提升學(xué)習(xí)動機(jī)[2]、支持知識主動建構(gòu)、促進(jìn)實踐技能遷移[3]、培養(yǎng)問題解決能力[4]、發(fā)展創(chuàng)新思維[5]的有效技術(shù)創(chuàng)新途徑。然而，沉浸式學(xué)習(xí)環(huán)境在教育領(lǐng)域的應(yīng)用仍然存在多方面的局限。例如：在技術(shù)實現(xiàn)上，當(dāng)前沉浸式學(xué)習(xí)環(huán)境的開發(fā)多借助XR、數(shù)字孿生、情感計算等技術(shù)，開發(fā)成本高昂，硬件、系統(tǒng)和內(nèi)容之間的兼容性差，阻礙了大范圍普及；在內(nèi)容適配上，當(dāng)前情境和交互設(shè)計多依賴于預(yù)設(shè)腳本，敘事和即時反饋的深度明顯不足，為學(xué)習(xí)者帶來的能力成長有限[6]；此外，沉浸技術(shù)的教育應(yīng)用開發(fā)通常缺乏學(xué)習(xí)理論的指引，忽視了技術(shù)賦能學(xué)習(xí)的內(nèi)在作用機(jī)制[5]。面對拓展應(yīng)用規(guī)模、提升學(xué)習(xí)體驗、促進(jìn)深度學(xué)習(xí)等方面的升級需求，亟須創(chuàng)新沉浸式學(xué)習(xí)環(huán)境的開發(fā)路徑，降低技術(shù)成本，增強(qiáng)內(nèi)容適配，促進(jìn)學(xué)習(xí)成效。

近年來，生成式人工智能產(chǎn)品以其強(qiáng)大的對話情境理解能力和啟發(fā)性內(nèi)容生成能力，正在全球范圍內(nèi)掀起一場智能化教育的創(chuàng)新浪潮。基于生成式人工智能的個性化學(xué)習(xí)資源生成與推薦、高頻互動與即時反饋，以及隨之產(chǎn)生的創(chuàng)新學(xué)習(xí)模式，為創(chuàng)設(shè)具有豐富學(xué)習(xí)體驗、支持高質(zhì)量交互和自適應(yīng)調(diào)節(jié)的沉浸式學(xué)習(xí)環(huán)境提供了可為空間。因此，本研究旨在理解沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵和構(gòu)成要素的基礎(chǔ)上，探討生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理與實踐模式，以回應(yīng)“生成式人工智能賦能沉浸式學(xué)習(xí)”的理論與實踐問題。

二、文獻(xiàn)綜述

（一）沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵與構(gòu)成要素

1. 沉浸式學(xué)習(xí)環(huán)境的內(nèi)涵

已有研究多從技術(shù)應(yīng)用、心理變化和知識習(xí)得三個視角界定沉浸式學(xué)習(xí)環(huán)境。在技術(shù)應(yīng)用視角，沉浸式學(xué)習(xí)環(huán)境強(qiáng)調(diào)利用虛擬現(xiàn)實、增強(qiáng)現(xiàn)實、3D建模等技術(shù)手段[4]，將圖像、聲音或其他刺激物環(huán)繞在學(xué)習(xí)者周圍，創(chuàng)設(shè)接近現(xiàn)實世界的虛擬環(huán)境[7]。在心理變化視角，立德威爾等人將“沉浸式”解釋為“心流”[8]，即個體全身心投注到某種活動中，忘卻周圍環(huán)境與時間存在，以達(dá)到忘我的心理狀態(tài)[9]。在此基礎(chǔ)上，沉浸式學(xué)習(xí)環(huán)境不僅是基于技術(shù)融合的物理意義上的沉浸，還意味著融合生理與心理的、帶來具身體驗的深層沉浸[10]。在知識習(xí)得視角，國際組織沉浸式學(xué)習(xí)研究網(wǎng)絡(luò)（Immersive Learning Research Network， iLRN）指出，豐富的知識和以學(xué)習(xí)者為中心的模式是沉浸式學(xué)習(xí)體驗的關(guān)鍵要素[11]。綜合上述觀點，可以將沉浸式學(xué)習(xí)環(huán)境定義為一種利用先進(jìn)技術(shù)手段整合文字、圖像、聲音等數(shù)字化學(xué)習(xí)資源，通過創(chuàng)設(shè)擬真的學(xué)習(xí)環(huán)境，為學(xué)習(xí)者提供深層次的、身臨其境的學(xué)習(xí)體驗，進(jìn)而增強(qiáng)學(xué)習(xí)投入、促進(jìn)知識建構(gòu)的學(xué)習(xí)環(huán)境。

2. 沉浸式學(xué)習(xí)環(huán)境的構(gòu)成要素

認(rèn)知性、關(guān)聯(lián)性和情境性是沉浸式學(xué)習(xí)環(huán)境的三個典型特征[12]。首先，促進(jìn)認(rèn)知發(fā)展是沉浸式學(xué)習(xí)的終極目標(biāo)，沉浸式學(xué)習(xí)環(huán)境通過提供模塊化學(xué)習(xí)內(nèi)容、富有表現(xiàn)力的多媒體學(xué)習(xí)資源、復(fù)雜性的學(xué)習(xí)任務(wù)、逐步深入的學(xué)習(xí)活動，以及系統(tǒng)科學(xué)的學(xué)習(xí)方法等，促進(jìn)學(xué)習(xí)者的認(rèn)知加工和知識建構(gòu)。其次，將學(xué)習(xí)行為與系統(tǒng)反饋相關(guān)聯(lián)是沉浸式學(xué)習(xí)發(fā)生的關(guān)鍵渠道[13]。通過創(chuàng)設(shè)交互體驗收集學(xué)習(xí)行為數(shù)據(jù)，并基于分析結(jié)果提供即時反饋，如目標(biāo)調(diào)整、資源推薦、任務(wù)匹配等，為個性化、自適應(yīng)沉浸式學(xué)習(xí)環(huán)境的開發(fā)奠定基礎(chǔ)。最后，與學(xué)習(xí)者個性相匹配的情境是影響沉浸體驗的重要因素[14]。通過提供與實踐場景相契合的環(huán)境、角色、情節(jié)、任務(wù)等，在帶來逼真的學(xué)習(xí)體驗，激發(fā)共鳴和情感投入的同時，支持學(xué)習(xí)者將客觀知識轉(zhuǎn)化并再創(chuàng)造，提升學(xué)習(xí)者實踐能力和社會化水平。

為深入理解沉浸式學(xué)習(xí)環(huán)境的運作機(jī)理，優(yōu)化設(shè)計與應(yīng)用，本研究將其分解為認(rèn)知、關(guān)聯(lián)和情境三類構(gòu)成要素。其中，認(rèn)知類要素關(guān)注知識的習(xí)得，包含學(xué)習(xí)內(nèi)容、資源、活動、方法等；關(guān)聯(lián)類要素關(guān)注支持學(xué)習(xí)發(fā)生的技術(shù)手段，包含人機(jī)交互、學(xué)習(xí)行為分析等；情境類要素關(guān)注沉浸式體驗的增強(qiáng)，包含環(huán)境背景、角色特征、情節(jié)設(shè)計、任務(wù)要求等。

（二）生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的創(chuàng)新路徑

生成式人工智能是一種根據(jù)提示詞自動生成文本、圖像、視頻、音頻等內(nèi)容的技術(shù)，具備較強(qiáng)的對話情境理解、啟發(fā)性內(nèi)容生成、序列任務(wù)執(zhí)行、程序語言解析等能力[15]。本研究基于沉浸式學(xué)習(xí)環(huán)境的三類構(gòu)成要素，分解教育領(lǐng)域的技術(shù)應(yīng)用案例，挖掘生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的技術(shù)作用點。

1. 實現(xiàn)多模態(tài)資源的適性生成與推送

通過將生成式人工智能接入數(shù)字化學(xué)習(xí)系統(tǒng)，推動教育資源應(yīng)用模式從“診斷—定制—分發(fā)”轉(zhuǎn)向“匯聚—加工—生成”，形成個性化的學(xué)習(xí)資源生產(chǎn)和利用途徑[16]。例如：Wu等開發(fā)了智能教程生成系統(tǒng)Self-GT，通過捕捉學(xué)習(xí)者的動態(tài)變化和行為特征生成個性化教程[17]；美國密歇根大學(xué)構(gòu)建了包含授課視頻、演示文稿、電子教材等材料的知識庫Learning Clues，為學(xué)習(xí)者提供高質(zhì)量的知識問答和校本資源推薦[18]。

2.支持學(xué)習(xí)過程全流程優(yōu)化

生成式人工智能通過在學(xué)習(xí)的各環(huán)節(jié)提供支持，促進(jìn)知識理解和深度學(xué)習(xí)。例如，可汗學(xué)院的聊天機(jī)器人Khanmigo可以在課前為學(xué)習(xí)者制定個性化學(xué)習(xí)方案；課中以對話形式講解復(fù)雜概念、創(chuàng)建任務(wù)、鼓勵獨立解決問題；課后創(chuàng)建學(xué)習(xí)評價量表批改作業(yè)并開展綜合評估[19]。未來，基于生成式人工智能的智慧學(xué)伴將在信息檢索、知識講解、技能訓(xùn)練、成長陪伴等方面持續(xù)發(fā)揮優(yōu)勢[20]。

3. 描繪動態(tài)精準(zhǔn)的學(xué)習(xí)者畫像

生成式人工智能通過人機(jī)對話等交互式學(xué)習(xí)服務(wù)，產(chǎn)生海量實時的學(xué)習(xí)行為數(shù)據(jù)，為學(xué)習(xí)者畫像構(gòu)建提供常態(tài)化的數(shù)據(jù)基礎(chǔ)。結(jié)合學(xué)習(xí)成果、評價、診斷、偏好等多維度數(shù)據(jù)，可以提升學(xué)習(xí)者畫像的完整性、準(zhǔn)確性和時效性[21]。在此基礎(chǔ)上，還可以根據(jù)學(xué)習(xí)者畫像智能分析學(xué)習(xí)者的學(xué)習(xí)進(jìn)度、興趣、需求等，為其定制個性化的發(fā)展路徑[22]。

4. 開展持續(xù)深入的對話式交互

生成式人工智能具備開展多輪對話的卓越能力。學(xué)習(xí)者與智慧學(xué)習(xí)系統(tǒng)的交互形式也由傳統(tǒng)的菜單式轉(zhuǎn)向遞進(jìn)式問答。例如，蘇格拉底游樂園通過高頻次的對話交互幫助學(xué)習(xí)者理解數(shù)據(jù)分析與處理的相關(guān)知識[23]。此外，對話式交互簡化了交互形式，減少了復(fù)雜操作對學(xué)習(xí)的不利影響。生成式人工智能正在推動著智慧學(xué)習(xí)走向智慧問學(xué)的新階段[24]。

5. 創(chuàng)設(shè)擬真多變的學(xué)習(xí)情境

生成式人工智能可以打破傳統(tǒng)預(yù)設(shè)腳本的局限性，創(chuàng)建豐富多樣的學(xué)習(xí)情境，并且實時調(diào)整情境內(nèi)容，使學(xué)習(xí)者獲得個性化的學(xué)習(xí)體驗。例如：Shi等人借助生成式人工智能將法律知識和案例整合在一系列連續(xù)情境中，通過對話互動開展法律教育[25]；Breen借助ChatGPT創(chuàng)設(shè)中世紀(jì)生活情境，帶領(lǐng)學(xué)生沉浸式學(xué)習(xí)歷史知識[26]。

綜上所述，生成式人工智能從多模態(tài)學(xué)習(xí)資源的生成與推送、學(xué)習(xí)過程優(yōu)化、學(xué)習(xí)者畫像構(gòu)建、對話式問答和多樣化學(xué)習(xí)情境創(chuàng)設(shè)等方面，為當(dāng)前沉浸式學(xué)習(xí)環(huán)境克服適需服務(wù)不足、情境設(shè)計單一、學(xué)習(xí)效果欠佳等局限提供了可行方案，為沉浸學(xué)習(xí)注入了強(qiáng)大的技術(shù)動力。

三、生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理

生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的五大創(chuàng)新路徑需要借助具體的技術(shù)實現(xiàn)機(jī)制落地。首先，情境是沉浸式學(xué)習(xí)環(huán)境的核心特征，也是促進(jìn)學(xué)習(xí)者有意義知識建構(gòu)的要素[12]。通過情境分解，將聚焦特定學(xué)習(xí)目標(biāo)和微能力的情境作為最小構(gòu)成單元[27]，增強(qiáng)生成內(nèi)容的針對性和實用性。其次，為確保生成式人工智能產(chǎn)品能夠理解并處理特定領(lǐng)域相關(guān)的任務(wù)信息，同時緩解技術(shù)本身的潛在問題。例如，幻覺問題[28]，其在垂直領(lǐng)域應(yīng)用的關(guān)鍵在于：在調(diào)用通用大語言模型的基礎(chǔ)上，由領(lǐng)域?qū)＜覍I(yè)知識注入提示語中，深化模型對垂直領(lǐng)域上下文的理解，以生成特定的輸出[29]。沿用該技術(shù)實現(xiàn)思路，將模型提煉作為質(zhì)量保障機(jī)制，通過構(gòu)建專家知識庫保障其生成內(nèi)容的準(zhǔn)確性和可靠性。最后，以內(nèi)容創(chuàng)生為終極目標(biāo)，通過多智能體協(xié)作實現(xiàn)穩(wěn)定、高質(zhì)量的沉浸式學(xué)習(xí)環(huán)境生成[30]?；谏鲜鏊悸罚狙芯繕?gòu)建了生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理模型，如圖1所示。

（一）情境分解：以結(jié)構(gòu)化的形式組織課程

情境是產(chǎn)生沉浸式體驗的最佳載體。基于專業(yè)人才培養(yǎng)要求和學(xué)科發(fā)展目標(biāo)，依照一定邏輯將課程系統(tǒng)化地分解為多個專注于特定的主題或技能的學(xué)習(xí)模塊，且模塊間具有關(guān)聯(lián)性和遞進(jìn)性。在此基礎(chǔ)上，將模塊進(jìn)一步細(xì)分為若干學(xué)習(xí)情境，每個情境都有具體的學(xué)習(xí)目標(biāo)、內(nèi)容、方法、任務(wù)和評價，確保學(xué)習(xí)的細(xì)節(jié)得以貫徹和落實。

這種結(jié)構(gòu)化的課程組織方式既能夠有效地傳達(dá)復(fù)雜學(xué)習(xí)內(nèi)容，保障課程目標(biāo)的逐步實現(xiàn)，為學(xué)習(xí)者提供連貫的學(xué)習(xí)體驗，又確保了每個情境配套學(xué)習(xí)資源的適用性。同時，也使得根據(jù)學(xué)習(xí)者的需求和水平定制學(xué)習(xí)內(nèi)容、規(guī)劃個性化學(xué)習(xí)路徑變得可行。

（二）模型提煉：基于垂類數(shù)據(jù)構(gòu)建專家知識庫

受到數(shù)據(jù)獲取渠道、法律和倫理、資源和成本等因素限制，主流大語言模型的訓(xùn)練集多基于網(wǎng)絡(luò)公開的數(shù)據(jù)，垂直領(lǐng)域?qū)崟r性的、非公開的或離線的數(shù)據(jù)獲取難度較大，故無從具備相關(guān)知識?；诖诡悢?shù)據(jù)，構(gòu)建專家知識庫是關(guān)鍵技術(shù)手段，具體包括數(shù)據(jù)收集和知識構(gòu)建兩個階段。

數(shù)據(jù)收集階段，參考沉浸式學(xué)習(xí)環(huán)境的三類構(gòu)成要素，專家知識庫中應(yīng)包括但不限于：學(xué)科知識數(shù)據(jù)集、學(xué)習(xí)活動數(shù)據(jù)集、方法論數(shù)據(jù)集、學(xué)習(xí)情境數(shù)據(jù)集、學(xué)習(xí)行為數(shù)據(jù)集等。以上數(shù)據(jù)集可以來源于各類學(xué)習(xí)資源庫、權(quán)威專家、典型實踐案例，以及高校、研究機(jī)構(gòu)或國際組織的相關(guān)研究成果等。通過多方高質(zhì)量數(shù)據(jù)的融合，豐富大模型的專業(yè)知識體系。知識構(gòu)建階段，依托模型將數(shù)據(jù)進(jìn)行合理歸類轉(zhuǎn)化為知識。例如：構(gòu)建具有層次化和關(guān)聯(lián)性特征的學(xué)科知識圖譜；基于建構(gòu)主義學(xué)習(xí)理論視角設(shè)計的“教、學(xué)、練、測、評”學(xué)習(xí)活動模型；涵蓋專業(yè)方法、教學(xué)方法、學(xué)習(xí)方法、創(chuàng)新方法等在內(nèi)的方法論模型；基于情境學(xué)習(xí)理論提煉的包含環(huán)境背景、關(guān)鍵角色、情節(jié)設(shè)計、任務(wù)要求等要素在內(nèi)的學(xué)習(xí)情境模型；以及由此延伸的包含身份背景、性格特征、語言風(fēng)格、互動模式、行為動機(jī)的角色特征模型；包含時間頻率、學(xué)習(xí)路徑、任務(wù)提交、考試表現(xiàn)、互動參與、資源使用等指標(biāo)的學(xué)習(xí)行為模型等。接下來，采用向量化的方式將知識整理成結(jié)構(gòu)化的專家知識庫，以便智能系統(tǒng)調(diào)用和應(yīng)用。

（三）內(nèi)容創(chuàng)生：整合多智能體執(zhí)行復(fù)雜任務(wù)

沉浸式學(xué)習(xí)環(huán)境是多重屬性疊加的復(fù)雜系統(tǒng)，既有動態(tài)的情境交互，也有知識的有效傳遞，還有個性化的學(xué)習(xí)需求關(guān)照。因此，僅依靠單一的大模型和簡短的提示語無法實現(xiàn)真正有效的沉浸式學(xué)習(xí)。智能體是一種可自主執(zhí)行特定任務(wù)或作出決策的系統(tǒng)或程序，被譽為人類生存和文化形態(tài)的里程碑式創(chuàng)造[31]?；谏墒饺斯ぶ悄軜?gòu)建整合多智能體的復(fù)雜系統(tǒng)是實現(xiàn)沉浸式學(xué)習(xí)環(huán)境自動化、智能化生成的可行路徑。

在技術(shù)實現(xiàn)上，基于大語言模型的檢索增強(qiáng)生成（Retrieval Augmented Generation，RAG）為智能體的構(gòu)建提供了方案。語義檢索和生成輸出是兩個主要步驟。其中，語義檢索指當(dāng)學(xué)習(xí)者提出具體的任務(wù)指令時，RAG以此為檢索詞從專家知識庫中檢索相關(guān)知識，并將其作為關(guān)鍵的背景信息與任務(wù)指令一同注入提示語中；生成輸出指RAG應(yīng)用該提示語與大語言模型交互，生成相應(yīng)的內(nèi)容。此外，為優(yōu)化輸出，在提示語中也可以適當(dāng)加入其他指令，如與該智能體職能相關(guān)的任務(wù)描述等。通過封裝語義檢索和生成輸出的指令，智能體能夠強(qiáng)化人機(jī)交互效果，使輸出內(nèi)容更加精準(zhǔn)。

智能體的運行主要遵循觀察、思考、行動和記憶四個環(huán)節(jié)?！坝^察”是感知機(jī)制，智能體接收來自用戶或其他智能體的文本數(shù)據(jù)、視覺數(shù)據(jù)或音頻數(shù)據(jù)，為后續(xù)行動提供基礎(chǔ)?！八伎肌笔欠治觥坝^察”到的結(jié)果的過程，此時會調(diào)用專家知識庫和大語言模型驅(qū)動決策。除專家知識庫外，智能體通常還會儲備一個由實時性的、易獲取的、非結(jié)構(gòu)化的垂類數(shù)據(jù)集構(gòu)成的專題知識庫，如散落在互聯(lián)網(wǎng)的課程資源、專業(yè)書籍、貼吧問答等，必要時與專家知識庫一起調(diào)用，以增強(qiáng)“思考”的廣度和深度?！靶袆印笔菍Α坝^察”和“思考”的響應(yīng)，表現(xiàn)為生成情境、開展教學(xué)輔導(dǎo)等?！坝洃洝笔谴鎯^去的“行動”經(jīng)驗，這些經(jīng)驗也是專題知識庫的組成部分，有助于智能體在下次“思考”時參考并調(diào)整行動。

基于生成式人工智能創(chuàng)建的沉浸式學(xué)習(xí)環(huán)境由多個不同職能的智能體構(gòu)成，通過高效的協(xié)同機(jī)制將沉浸式學(xué)習(xí)環(huán)境的生成過程進(jìn)行多步拆解、分步執(zhí)行，并基于學(xué)習(xí)者反饋自主迭代，為循序漸進(jìn)的學(xué)習(xí)路徑、多種模態(tài)的學(xué)習(xí)資源、擬真多變的學(xué)習(xí)情境、持續(xù)深入的個性化互動、動態(tài)精準(zhǔn)的學(xué)習(xí)者畫像等功能的實現(xiàn)提供有力支撐，最終穩(wěn)定生成高質(zhì)量沉浸式學(xué)習(xí)環(huán)境。

四、生成式人工智能賦能的沉浸式學(xué)習(xí)模式

研究發(fā)現(xiàn)，高沉浸式學(xué)習(xí)環(huán)境可能會分散學(xué)習(xí)者對核心內(nèi)容的注意力，影響知識獲取和學(xué)習(xí)效果[32]。研究者呼吁應(yīng)在學(xué)習(xí)理論的指導(dǎo)下設(shè)計和開發(fā)沉浸式學(xué)習(xí)環(huán)境[5]。布蘭思福特提出了促進(jìn)學(xué)習(xí)發(fā)生的學(xué)習(xí)環(huán)境設(shè)計與實施的四個原則：學(xué)習(xí)者中心、知識中心、評價中心、共同體中心[33]。其中，學(xué)習(xí)者中心指新的學(xué)習(xí)應(yīng)建立在學(xué)習(xí)者的先前知識、經(jīng)驗和信念的基礎(chǔ)上；知識中心指教學(xué)應(yīng)聚焦領(lǐng)域中的核心概念和結(jié)構(gòu)，并發(fā)展學(xué)習(xí)者對領(lǐng)域的整體理解；評價中心指在整個學(xué)習(xí)進(jìn)程中給予學(xué)習(xí)者及時而持續(xù)的反饋；共同體中心指應(yīng)建立相互學(xué)習(xí)、彼此協(xié)作的共同體文化以促進(jìn)個體和共同體的學(xué)習(xí)與發(fā)展。依據(jù)以上原則，本研究從促進(jìn)學(xué)習(xí)發(fā)生的角度進(jìn)一步探索生成人工智能支持下的沉浸式學(xué)習(xí)模式（如圖2所示），為沉浸式學(xué)習(xí)環(huán)境的應(yīng)用厘清思路。

（一）分解學(xué)習(xí)能力：錨定學(xué)習(xí)目標(biāo)

首先，學(xué)習(xí)者輸入個人基本信息與學(xué)習(xí)需求，系統(tǒng)利用自然語言處理技術(shù)識別所指向的學(xué)習(xí)目標(biāo)及課程，調(diào)用學(xué)習(xí)設(shè)計智能體將目標(biāo)分解成若干子目標(biāo)。其次，與知識圖譜相匹配鏈接知識點，并進(jìn)行優(yōu)先級排序，結(jié)合學(xué)習(xí)者偏好自動生成包含學(xué)習(xí)內(nèi)容、活動、方式的個性化學(xué)習(xí)路徑。最后，由專家對學(xué)習(xí)目標(biāo)的科學(xué)性、準(zhǔn)確性和可行性進(jìn)行研判。

（二）學(xué)習(xí)者中心：了解學(xué)習(xí)現(xiàn)狀

學(xué)習(xí)者依據(jù)學(xué)習(xí)路徑開展學(xué)習(xí)。系統(tǒng)調(diào)用情境創(chuàng)建智能體以初步創(chuàng)設(shè)學(xué)習(xí)情境，角色扮演智能體基于情境和知識圖譜配置對話模塊，向?qū)W習(xí)者提出一系列引導(dǎo)性問題，學(xué)習(xí)者以對話形式完成相關(guān)問題的回答。隨后由行為分析智能體借助自然語言處理技術(shù)、情感識別技術(shù)等進(jìn)行學(xué)情診斷，明確當(dāng)前知識點掌握情況、學(xué)習(xí)態(tài)度、學(xué)習(xí)困難等信息，動態(tài)調(diào)整學(xué)習(xí)路徑。

（三）知識中心：開展課程學(xué)習(xí)

基于學(xué)習(xí)目標(biāo)和基本學(xué)情，系統(tǒng)調(diào)用資源創(chuàng)建智能體以生成多模態(tài)課程學(xué)習(xí)資源。一方面，資源可以包含多種形式，如講解視頻、在線測驗、模擬實驗等；另一方面，可以根據(jù)學(xué)習(xí)者的偏好和認(rèn)知風(fēng)格生成多種模態(tài)資源，如視覺型以文本、圖片、視頻為主，聽覺型以音頻為主，動態(tài)型以互動模擬類為主。此外，根據(jù)學(xué)習(xí)者的進(jìn)展和反饋動態(tài)更新資源，確保需求匹配。

（四）共同體中心：體驗情境練習(xí)

為加深學(xué)習(xí)者對知識的理解和技能掌握，系統(tǒng)再次調(diào)用情境創(chuàng)建智能體以生成擬真實踐情境，并發(fā)布情境任務(wù)，如完成項目等。學(xué)習(xí)者與教學(xué)輔導(dǎo)智能體組成人—機(jī)共同體，通過對話互動共同探討解決方案。在此過程中智能體提供必要的學(xué)習(xí)支持、建議和反饋，并根據(jù)學(xué)習(xí)者的表現(xiàn)和任務(wù)進(jìn)展動態(tài)調(diào)整指導(dǎo)策略。

（五）評估中心：實施動態(tài)監(jiān)測

動態(tài)監(jiān)測貫穿沉浸式學(xué)習(xí)全過程。系統(tǒng)調(diào)用行為分析智能體，持續(xù)跟蹤學(xué)習(xí)行為，如活動參與度、任務(wù)完成率、與智能體的互動頻率和質(zhì)量等，并將結(jié)果實時傳遞給其他智能體。同時，智能體還會在課程和任務(wù)結(jié)束后進(jìn)行綜合評估，為未來學(xué)習(xí)計劃的改進(jìn)提供依據(jù)。此外，過程中產(chǎn)生的大量數(shù)據(jù)也將補充到學(xué)習(xí)者基本信息中，支持沉浸式學(xué)習(xí)環(huán)境的實時優(yōu)化。

五、生成式人工智能賦能沉浸式學(xué)習(xí)環(huán)境的應(yīng)用案例

為驗證本研究提出的相關(guān)理論模型在實際教育場景中的可行性，以華東師范大學(xué)發(fā)布的“知心慧語”智能陪練系統(tǒng)（https：//ecnufe.com/）為案例，深入分析論證其設(shè)計和實施過程。

（一）案例介紹

“知心慧語”是以支持場景實訓(xùn)為特色的智能陪練系統(tǒng)，如圖3所示。該系統(tǒng)聚焦家庭教育的關(guān)鍵問題與特殊規(guī)律，旨在通過打造生成式人工智能支持的沉浸式學(xué)習(xí)環(huán)境，為家長提供高質(zhì)量、定制化、全周期的家庭教育服務(wù)，推進(jìn)家庭教育科學(xué)化和專業(yè)化發(fā)展[34]。

（二）案例分析

1. 系統(tǒng)設(shè)計機(jī)理

系統(tǒng)的開發(fā)框架主要通過“情境分解—模型提煉—內(nèi)容創(chuàng)生”三個關(guān)鍵步驟實現(xiàn)。

情境分解：構(gòu)建親子能力圖譜。以家長教育素養(yǎng)提升為目標(biāo)，挖掘常見的家庭教育問題，提煉核心技能，如設(shè)置合理的教育期望、培養(yǎng)孩子的自我認(rèn)知與自尊等。這些核心技能可以進(jìn)一步細(xì)分為若干微能力點，并與具體情境相匹配。例如，設(shè)置合理的教育期望可以分為：正確認(rèn)識孩子能力、設(shè)置合理的目標(biāo)、動態(tài)調(diào)整教育期望等，進(jìn)而構(gòu)建出親子能力圖譜，為學(xué)習(xí)路徑的規(guī)劃和學(xué)習(xí)資源的開發(fā)提供支持。

模型提煉：構(gòu)建家庭教育專家知識庫。引入大量理論模型充盈專家知識庫，包括由情緒調(diào)節(jié)過程模型、多元智能理論、自我決定理論等構(gòu)成的各種微能力模型，以蘇格拉底式教學(xué)法為核心教學(xué)方法的提問模型，以五大人格理論為主的角色特征模型等，以便系統(tǒng)按需調(diào)用。

內(nèi)容創(chuàng)生：支持家庭教育場景實訓(xùn)。創(chuàng)建多個智能體，并基于工作流實現(xiàn)高效協(xié)作，情境創(chuàng)建智能體基于家長畫像創(chuàng)設(shè)學(xué)習(xí)情境；角色扮演智能體扮演孩子并基于情境配置對話模塊；行為分析智能體收集家長對話行為并分析學(xué)習(xí)行為，將結(jié)果傳遞給角色扮演智能體，同時補充更新家長畫像，確保生成的家庭教育學(xué)習(xí)情境的有效性和適應(yīng)性。

2. 系統(tǒng)應(yīng)用模式

系統(tǒng)構(gòu)建了包含“情境診斷—課程學(xué)習(xí)—認(rèn)知評估—智能陪練”四個環(huán)節(jié)的沉浸式學(xué)習(xí)模式。

情境診斷：基于家長能力現(xiàn)狀規(guī)劃學(xué)習(xí)路徑。家長自行選擇微能力點，系統(tǒng)結(jié)合親子檔案生成擬真情境，并扮演孩子與家長對話。家長提交診斷后對其行為進(jìn)行提取與分析，呈現(xiàn)其能力表現(xiàn)水平。通過提供精準(zhǔn)化、個性化的學(xué)情診斷，確保學(xué)習(xí)內(nèi)容和訓(xùn)練情境能夠高度適配每位家長的實際需求。

課程學(xué)習(xí)：以高質(zhì)量數(shù)字化課程支持理論學(xué)習(xí)。結(jié)合情境診斷結(jié)果，基于學(xué)校開發(fā)的“學(xué)校家庭社會協(xié)同育人主題的數(shù)字化課程群”，為家長推薦與關(guān)鍵技能和核心知識相匹配的課程，并輔以具有操作性和借鑒性的學(xué)習(xí)資源，如行為指南、典型案例等，支持家長對理論知識的理解與內(nèi)化。

認(rèn)知評估：為家長提供專業(yè)化反饋。參考學(xué)習(xí)目標(biāo)和課程內(nèi)容，選用恰當(dāng)?shù)牧勘砭珳?zhǔn)評估課程學(xué)習(xí)成效，為家長提供個性化、專業(yè)化的學(xué)習(xí)反饋與建議，并動態(tài)調(diào)整學(xué)習(xí)路徑。

智能陪練：以人機(jī)共同體的形態(tài)強(qiáng)化實踐應(yīng)用。家長與系統(tǒng)形成學(xué)習(xí)共同體。系統(tǒng)在思考模型的支撐下，模擬不同情境中孩子真實的情感反應(yīng)和行為模式，給予家長實時的非線性反饋。支持家長能夠在多輪次對話交互中反復(fù)練習(xí)并積累經(jīng)驗，有效提升其親子技能水平。

可以發(fā)現(xiàn)，“知心慧語”智能陪練系統(tǒng)的設(shè)計機(jī)理和應(yīng)用模式與本研究所提出的生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理以及沉浸式學(xué)習(xí)模式基本契合。在提供充分佐證的同時，系統(tǒng)在自適應(yīng)學(xué)習(xí)路徑設(shè)計、多模態(tài)學(xué)習(xí)資源生成等方面，還有優(yōu)化迭代的空間。

六、結(jié) 束 語

隨著生成式人工智能的發(fā)展，沉浸式學(xué)習(xí)環(huán)境以嵌入需求驅(qū)動的對話式交互模式、構(gòu)建擬真多變的學(xué)習(xí)情境、創(chuàng)建個性化的多模態(tài)學(xué)習(xí)資源、實現(xiàn)穩(wěn)定靈活的知識輸出等方面的表現(xiàn)，迎來了新的發(fā)展機(jī)遇，并催生出以精熟學(xué)習(xí)為指向的未來沉浸式學(xué)習(xí)新樣態(tài)。新技術(shù)的應(yīng)用需要以新的底層架構(gòu)作支撐。本研究提出的生成式人工智能在沉浸式學(xué)習(xí)環(huán)境中的垂直應(yīng)用機(jī)理與學(xué)習(xí)模式，正是在實踐呼喚下的思考。通過細(xì)分學(xué)習(xí)情境、構(gòu)建專家知識庫、創(chuàng)建多智能體等方式，盡量規(guī)避“幻覺”帶來的負(fù)面影響，提高生成內(nèi)容的質(zhì)量，并結(jié)合循序漸進(jìn)的學(xué)習(xí)環(huán)節(jié)促進(jìn)知識的高質(zhì)量傳授。盡管本研究通過“知心慧語”智能陪練系統(tǒng)展示了機(jī)理與模式的可操作性，但其應(yīng)用效果還有待深入驗證。此外，教育不僅是知識的傳授，更是靈魂的塑造。關(guān)注生成式人工智能在提升學(xué)習(xí)者情感方面的應(yīng)用潛力和可為空間，是推動沉浸式學(xué)習(xí)走向更深層次、更高品質(zhì)的必然路徑，也將是未來持續(xù)探索的課題。

[參考文獻(xiàn)]

[1] 祝智庭，戴嶺，趙曉偉，等． 新質(zhì)人才培養(yǎng)：數(shù)智時代教育的新使命[J]． 電化教育研究，2024，45（1）：52-60．

[2] SOLANES J E， MONTAVA-JORD S， GOLF-LAVILLE E， et al． Enhancing STEM education through interactive metaverses：a case study and methodological framework[J]． Applied sciences，2023，13（19）：10785．

[3] VATS S， JOSHI R. The impact of virtual reality in education： a comprehensive research study [C]// Transfer， Diffusion and Adoption of Next-Generation Digital Technologies. TDIT 2023. IFIP Advances in Information and Communication Technology. Cham： Springer， 2023： 126-136.

[4] 龔鑫，許潔，喬愛玲． 基于沉浸式學(xué)習(xí)環(huán)境的隱形性評估：機(jī)理、框架與應(yīng)用[J]． 電化教育研究，2023，44（12）：64-72．

[5] RADIANTI J， MAJCHRZAK T A， FROMM J， et al. A systematic review of immersive virtual reality applications for higher education： design elements， lessons learned， and research agenda[J]. Computers amp; education， 2020，147：103778.

[6] MEYER O A， OMDAHL M K， MAKRANSKY G． Investigating the effect of pre-training when learning through immersive virtual reality and video： a media and methods experiment[J]． Computers amp; education，2019，140：103603．

[7] 柳瑞雪，萬昆，王美. 面向空間推理技能發(fā)展的沉浸式學(xué)習(xí)環(huán)境設(shè)計及實證研究[J]. 中國電化教育，2021（12）：40-47.

[8] 立德威爾，霍頓，巴特勒. 設(shè)計的法則[M]. 李嬋，譯. 沈陽：遼寧科學(xué)技術(shù)出版社，2010.

[9] 徐銣憶，陳衛(wèi)東，鄭思思，等． 境身合一：沉浸式體驗的內(nèi)涵建構(gòu)、實現(xiàn)機(jī)制與教育應(yīng)用——兼論AI+沉浸式學(xué)習(xí)的新場域[J]． 遠(yuǎn)程教育雜志，2021，39（1）：28-40．

[10] 覃芹，邵筆柳． 融合傳播中的沉浸式閱讀：概念、價值和路徑[J]． 南昌大學(xué)學(xué)報（人文社會科學(xué)版），2021，52（1）：92-98．

[11] 陳凱泉，吳志超，劉宏，等． 擴(kuò)展現(xiàn)實（XR）支撐沉浸式學(xué)習(xí)的技術(shù)路徑與應(yīng)用模式——沉浸式學(xué)習(xí)研究網(wǎng)絡(luò)國際會議（iLRN 2020）探析[J]． 遠(yuǎn)程教育雜志，2020，38（5）：3-13．

[12] DE FREITAS S， NEUMANN T． The use of 'exploratory learning' for supporting immersive learning in virtual environments[J]．Computers amp; education，2009，52（2）：343-352．

[13] 王子，楊冬，周筠，等． 桌面式VR教育應(yīng)用中基于數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)者交互行為分析——以初中物理課程“電與磁” 的教學(xué)為例[J]． 現(xiàn)代教育技術(shù)，2020，30（12）：98-104．

[14] SORRENTINO R M， WALKER A M， HODSON G， et al. Trends and prospects in motivation research [M]. Hingham， MA： Kluwer Academic Publishers， 2001.

[15] 盧宇，余京蕾，陳鵬鶴，等． 生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例[J]． 中國遠(yuǎn)程教育，2023（4）：24-31，51．

[16] 吳砥，李環(huán)，陳旭． 人工智能通用大模型教育應(yīng)用影響探析[J]． 開放教育研究，2023，29（2）：19-25，45．

[17] WU X， WANG H H， ZHANG Y T， et al． A tutorial-generating method for autonomous online learning[J]． IEEE transactions on learning technologies，2024，17：1558-1567．

[18] Learning Clues. Create AI-powered virtual teaching assistants[EB/OL]. [2023-04-22]. https：//learningclues.com/.

[19] KHAN S. Hamnessing GPT-4 so that all students benefit. A nonprofit approach for equal access [EB/OL]. （2023-03-13） [2024-05-15]. https：/blog.khanacademy.org/harnessing-ai-so-that-all-students-benefit-a-nonprofit-approach-for-equal-access/.

[20] 楊宗凱，王俊，吳砥，等． ChatGPT/生成式人工智能對教育的影響探析及應(yīng)對策略[J]． 華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，41（7）：26-35．

[21] 齊元沂，王臘梅． 生成式人工智能應(yīng)用于開放教育：機(jī)遇、挑戰(zhàn)和應(yīng)用場景[J]． 成人教育，2024，44（6）：56-61．

[22] 孫立會，周亮． 生成式人工智能融入國家中小學(xué)智慧教育平臺的實踐邏輯[J]． 中國電化教育，2024（8）：71-79．

[23] Socratic PlayGround For Learning. Socratic playground for learning[EB/OL]. [2024-05-15]. https：//chat2023.skoonline.org/wizard/index.html.

[24] 戴嶺，趙曉偉，祝智庭． 智慧問學(xué)：基于ChatGPT的對話式學(xué)習(xí)新模式[J]． 開放教育研究，2023，29（6）：42-51，111．

[25] SHI S J， LI J W， ZHANG R． A study on the impact of generative artificial intelligence supported situational interactive teaching on students' 'flow' experience and learning effectiveness—a case study of legal education in China[J]． Asia Pacific journal of education，2024，44（1）：112-138．

[26] BREEN B. Simulating Ancient Ur with ChatGPT[EB/OL]. （2023-10-18）[2024-04-22]. https：//resobscura.substack.com/p/simulating-ur-with-chatgpt.

[27] 魏非，祝智庭． 面向教育數(shù)字化轉(zhuǎn)型的教師信息化能力建設(shè)方略[J]． 中國教育學(xué)刊，2022（9）：13-20．

[28] 劉三女牙，郝曉晗． 生成式人工智能助力教育創(chuàng)新的挑戰(zhàn)與進(jìn)路[J]． 清華大學(xué)教育研究，2024，45（3）：1-12．

[29] NORI H， LEE Y T， ZHANG S， et al. Can generalist foundation models outcompete special-purpose tuning？ Case study in medicine [EB/OL]. （2023-11-28）[2024-09-19]. https：//arxiv.org/abs/2311.16452.

[30] 吳永和，姜元昊，陳圓圓，等． 大語言模型支持的多智能體：技術(shù)路徑、教育應(yīng)用與未來展望[J]． 開放教育研究，2024，30（5）：63-75．

[31] 陳昌鳳． 智能平臺興起與智能體涌現(xiàn)：大模型將變革社會與文明[J]． 新聞界，2024（2）：15-24，48．

[32] RICHARDS D， TAYLOR M． A comparison of learning gains when using a 2D simulation tool versus a 3D virtual world： an experiment to find the right representation involving the marginal value theorem[J]． Computers amp; education，2015，86：157-171．

[33] 約翰·布蘭思福特， 安·L.布朗，羅德尼·R.科金，等. 人是如何學(xué)習(xí)的： 大腦、心理、經(jīng)驗及學(xué)校[M]. 程可拉，等譯. 上海：華東師范大學(xué)出版社， 2013.

[34] 華東師范大學(xué). 華東師范大學(xué)成立家庭教育研究院， 智能陪練系統(tǒng)發(fā)布[EB/OL]. （2024-05-16）[2024-09-19]. https：//www.ecnu.edu.cn/info/1426/66381.htm.

Generative Artificial Intelligence Empowering Immersive Learning："Mechanism， Model and Application

YAN Hanbing1，" YANG Shuting2，" YU Shuzhen2，" CHEN Yi2

（1.School of Open learning and Education， East China Normal University， Shanghai 200062;

2.Department of Education Information Technology， East China Normal University， Shanghai 200062）

[Abstract] Immersive learning environments have created a high-quality learning space for cultivating new quality talents， but their applications in the education field remains limited due to the factors such as high technological costs， lack of educational theories， and low" applicability of learning. Generative artificial intelligence demonstrates significant potential in creative generation， logical expression， and complex interaction understanding.This paper， based on the review of the connotation and components of immersive learning environments， constructs a vertical application mechanism model of generative artificial intelligence in immersive learning environments.Through scenario decomposition， model refinement and content creation， this model achieves the functions such as learning path planning， multimodal resource generation， learning context creation， personalized interaction， and learner profiling. Subsequently， from the practical perspective， this paper proposes an effective learning model based on immersive learning environment， which includes five stages： anchoring objectives， understanding the current situation， course learning， scenario practice， and dynamic monitoring. Finally， the operability of the vertical application mechanism and learning model is demonstrated by the \"Zhi Xin Hui Yu\" intelligent coaching system， aiming to provide a reference for" the vertical application of generative artificial intelligence in the field of education.

[Keywords] Generative Artificial Intelligence; Immersive Learning; Vertical Mechanism; Learning Model; Application Case

基金項目：2023年度國家社會科學(xué)基金教育學(xué)重點項目“數(shù)字教育背景下教學(xué)范式創(chuàng)新與實踐探索研究”（項目編號：ACA230019）

[作者簡介] 閆寒冰（1971—），女，黑龍江阿城人。教授，博士，主要從事數(shù)智環(huán)境下的教學(xué)設(shè)計、教師培訓(xùn)設(shè)計與管理、教育數(shù)字化治理研究。E-mail：hbyan@dec.ecnu.edu.cn。