滕珺 等 | 重塑全球教育知识生产新格局：大语言模型与本土知识突围的新可能

关注“在线学习”

获取更多资讯！

刊载信息

滕珺，高晨辉，姜冠群，& 龚凡舒.(2025).重塑全球教育知识生产新格局：大语言模型与本土知识突围的新可能. 中国远程教育(7),3-19.

重塑全球教育知识生产新格局：大语言模型与本土知识突围的新可能
滕珺, 高晨辉, 姜冠群, 龚凡舒

【摘要】全球教育知识生产长期呈现不平等的国际格局，表现在“量”和“质”两个方面。前者表现为发达国家及强势语言在国际学界文章发表数量、文章被引数量上占压倒性优势，后者则体现在西方研究范式及理论在研究运用中处于垄断地位，这种不平等的教育知识生产分工掩盖了本土教育知识的多样性。其中也反映了语言本身所带有的权力结构，也正是这一权力结构使得全球南方的教育知识生产者不得不迎合强势语言及话语，并因此损耗了母语表达的精确与生动。大语言模型的兴起有利于降低门槛，促进全球南方学者以母语参与知识生产。然而，“非中立”“不全面”“不深刻”“存歧义”“有错误”等技术风险与问题亦不容忽视。由此，本研究提出构建“包容性全球教育知识生产共同体”并开启“母语表达”项目，倡导通过跨文化协作与数据共享优化大语言模型训练，既重视技术赋能，亦重视批判性反思，在去殖民化进程中实现全球教育知识生产的多元平等与可持续发展。

【关键词】大语言模型; 教育知识生产; 全球南方; 去殖民化

随着全球政治经济格局的深刻变化及中国教育自身的发展，“自主知识体系建设”成为当前中国教育领域讨论的热点问题之一。2025年发布的《教育强国建设规划纲要（2024—2035年）》中指出：“构建中国哲学社会科学自主知识体系。聚焦中国式现代化建设重大理论和实践问题，以党的创新理论引领哲学社会科学知识创新、理论创新、方法创新，构建以各学科标识性概念、原创性理论为主干的自主知识体系。”（新华社, 2025）事实上，构建自主知识体系不仅是中国的关切，国际社会对“去殖民化”（decolonization）及“本土知识”（indigenous knowledge）等关键词的关切，表明越来越多的南方国家亦在迫切地尝试运用本土知识解决本土问题，并力图改变现有的教育知识生产格局，使本土知识在更广阔的范围内充分彰显其智慧与力量。近年来，以大语言模型（Large Language Model，LLM）为代表的人工智能技术迅猛发展，这是促进全球教育知识生产格局走向平等的重要契机。如何在充分考量其风险的基础上，善用技术助力，推动全球教育知识生产包容性发展成为一个值得研究的重要议题。

一、

全球教育知识生产的不平等格局

何为“知识”？古今中外对于“知识”概念及其内涵的讨论十分丰富。在柏拉图（Plato）传统的知识的三元定义中，知识被视作一种确证了的、真实的信念（justified true belief）（吕旭龙, 2005）。《礼记•大学》中“致知在格物”（胡平生 & 张萌, 2017, p.1162）所涉及的“格物致知论”则是指穷究事物原理，从而获得知识。这里的“知识”也存在着多样的理解，先有传统的道德性知识的诠释，后期也出现了实证化的转向（王绪琴, 2012）。但总体而言，知识是通过人的能动性思考和认知，对自然物理感知与社会实践经验的归纳总结或规律提炼的综合结果（顾小清 & 郝祥军, 2022）。传统的知识生产是一个封闭的系统，而随着经济全球化、教育大众化，加之人工智能等技术的快速发展，知识生产的模式发生转型，变得日益开放，主体也更加多元。陈丽等（2019）指出，知识生产在真实的知识应用环境中进行，参与主体也不再局限于传统范畴，而是可以为了解决真实问题吸纳更广泛的社会参与。综上，本研究所探讨的“全球教育知识生产”是指：在世界范围内，由多元主体持续开展的关于创造、应用、重构教育知识的一系列活动及其产品。

尽管联合国教育、科学及文化组织（United Nations Educational, Scientific and Cultural Organization，UNESCO）倡议全球知识共享，要求所有人都能得到有利于人类福祉的准确知识（UNESCO, 2021），然而，当前在全球教育知识生产领域依然存在着突出的南北不平等问题，这不仅表现在“量”上，也表现在 “质”上。需要特别说明的是，所谓“南北”，在广义上与贫穷和富裕、发展中和发达是同义词（Independent Commission on International Development Issues, 1980, p. 31）。联合国开发计划署（United Nations Development Programme，UNDP）在界定“全球南方”（Global South）时同样用“南方”指称发展中国家，认为它们在差异中面临着共同的挑战，UNDP将包含中国在内的亚非拉国家列入“全球南方”（UNDP, 2004）。随着苏联解体和冷战结束，东西问题落幕，南北问题被裹挟进全球化浪潮之中。与以意识形态将国际秩序划分为西方和东方的方式不同，“全球南方”原本强调“去意识形态化”（杨慧, 2024），然而，近年来又夹杂着新型意识形态问题，呈现出新态势。因此，本研究所使用的“全球南方”泛指在世界体系中处于不利地位的国家，无论是经济发展方面，还是文化生产方面。

（一）“量”的不平等

长期以来，在教育知识生产领域，不同国家或地区、不同语言所产出成果的数量及其所发挥的影响力存在较大的差距。总体而言，综合实力较强的发达国家或地区，以及使用人口较多的通用语言，都处于优势地位。

在国际学界，Web of Science（WoS）是重要的学术文章成果数据库平台，集成了包括科学引文索引（Science Citation Index，SCI）、社会科学引文索引（Social Sciences Citation Index，SSCI）、艺术与人文科学引文索引（Arts & Humanities Citation Index，A&HCI）在内的子数据库，常常被纳入对个体、机构、学科科研水平的评价体系中。然而，作为目前国际上公认的对学术期刊、科研成果进行客观、定量评价的权威平台，其本身所收录的期刊及学术文章就以欧美国家的、英语语种的为主（陶慧卿 等, 2008）。与此同时，英语等优势语言的大量研究成果提供了丰富的语料，在技术发展的加持下，更容易将原本就处于边缘位置的少数内容淹没，放大不平等态势。在教育知识生产领域亦是如此，本研究对1980年至2023年内WoS数据库中以“教育”（education）为话题（topic）①的所有预印本外的文章（article）数据进行统计分析，发现美国在各方面占据主导地位，英语作为强势语言的优势也非常凸显。

第一，各个国家或地区发表的文章数量差异大。

从1980年至2023年内教育话题下累计的文章总量看（如图1所示），位列第一的美国文章总量达1,327,448篇，而位列第二的英国文章数量仅251,247篇，未达美国的五分之一。从历时发展中的文章数量看，如图2所示，在1980年至2023年间，尽管中国（统计不含港澳台）、英国、巴西等国家或地区近年来对美国的地位有所挑战，但美国在教育话题的学术发表中仍然拥有绝对优势。以2023年的文章数量为例，美国高达61,433篇，而第二位中国（统计不含港澳台）的数量仅为15,984篇。相应地，就文章占比而言，尽管美国整体所占比例有所降低，但到2023年仍达到30.35%左右；同时，占比较高的国家或地区类型仍然相对局限，除21世纪以来快速增长的中国（统计不含港澳台）和巴西以外，其他占比较高的仍然是英国、澳大利亚、西班牙、加拿大等少数几个发达国家或地区。相较而言，发展中的和欠发达的国家或地区的声音与观点往往被边缘化。

图1 1980年至2023年不同国家/地区教育话题下的文章总量柱状图（单位：百万篇）

注：图中“中国”的数据是指“中国（统计不含港澳台）”的数据；由于在Web of Science中国家名可以由作者任意填写，因而图中数值为估计值。

图2 1980年至2023年不同国家/地区教育话题下的文章年度数量堆积折线图（单位：篇）

注：图中“中国”的数据是指“中国（统计不含港澳台）”的数据；由于在Web of Science中国家名可以由作者任意填写，因而图中数值为估计值。

第二，不同语言发表的文章数量差异凸显。

从2000年至2023年内教育话题下累计的文章总量看，使用英语发表的文章数量占据绝对优势地位，约为第二位的韩语的13倍，中文位居第四（见图3）。从历时发展中不同语言的文章数量看，在2000年至2023年间，尽管各语言的文章发表总量都随着时间推移而增加，英语的优势依旧明显高于韩语、葡萄牙语、中文、西班牙语、土耳其语、德语、法语及俄语（见图4）。可见，弱势语言在教育话题讨论中的发表机会仍然有限。

图3 2000年至2023年不同语言教育话题下的文章总量柱状图（单位：百万篇）

图4 2000年至2023年不同语言教育话题下的文章年度数量堆积折线图（单位：篇）

第三，不同语言发表的文章被引量差异也很大。

近25年以来，使用英语发表的文章总被引量优势一直十分显著。如图5所示，在2000年，英语文章被引量就已经高达1,176,945次，彼时排第二位的德语文章被引量仅为1,942次；到2010年，英语文章被引量上升至2,502,084次，其压倒性的优势地位稳固，葡萄牙语文章被引量攀升至第二位，达14,877次，同时西班牙语及中文文章被引量也迅速增长，赶超了原本处于优势地位的德语及法语文章；到2020年，西班牙语及中文文章总被引量已分别达到18,277次及9,511次，但英语文章被引量仍然继续优势显著。如图6所示，从2000年、2010年、2020年三个时间节点来看，教育话题下发表文章的平均被引量也呈现类似特征，尤其在2010年至2020年间，中文文章的平均被引量由0.61次上升至3.28次，但在2020年与稳居第一位的英语文章的12.03431次相比仍然存在较大差距。可见，尽管多种语言的影响力正在逐渐上涨，但英语独自领先的格局仍然较难打破，大多数语言在知识生产及传播方面处于弱势地位，其本土的思想观点难以得到充分的传达和认可。

图5 2000年、2010年和2020年不同语言教育话题下的文章总被引量折线图（左图单位：百万次；右图单位：次）

图6 2000年、2010年和2020年不同语言教育话题下的文章平均被引量折线图（单位：次）

（二）“质”的不平等

“量”的不平等背后还隐藏着更加严峻的“质”的不平等问题。即便使用强势语言探讨本土问题，试图融入并寻求对强势话语的突破，弱势语言的实际力量仍然薄弱，突出表现为：这些国际发表很难深刻反映本土实际问题，生成兼具本土意义乃至世界意义的知识及理论体系；更有甚者，部分研究可能无意识地重复并强化了现有的不平等格局。

以“中国农村教育国际学术话语研究”为例（向芯 等, 2023），该研究以社会科学中各学科及各领域影响因子最高的顶级英语学术期刊为主要研究对象，对入样的40种期刊中发表于1978年至2022年间的、中国农村教育相关的文章进行筛选、编码分析，发现在入样的173篇文章中，主要使用包括问卷调查、二手数据挖掘、实验法在内的量化研究方法的入样文章数量达101篇，占入样文章总数的58%。但扁平的数据往往容易将动态的、复杂的社会现象简单地数量化、凝固化（陈向明, 1996），很难充分展现中国农村教育发展的多样性与复杂性（向芯 等, 2023）。

此外，该研究选择入样的173篇文章中，常见的理论视角包括社会分层视角、人力资本视角、批判性社会分析视角、个体发展与学习视角以及教师发展视角，分别占入样文章总数的29%、22%、19%、14%、9%，这些理论视角多数基于西方经典社会科学理论。其中，运用投资—回报话语体系的文章的影响力增长最快，在入样文章中共有38篇主要基于这一话语体系建构研究问题、形成研究结论，其研究主题归结起来主要有四：测算不同群体的教育投资回报率；分析影响家庭教育投资的各种因素；衡量父母外出务工迁移对儿童人力资本积累的影响；通过随机控制实验（Randomised Controlled Trial，RCT）等方式评估各类干预的效果及投资回报率（Xiang et al., 2024）。这些主题说明多数研究聚焦的问题主要是基于特定学术圈层知识生产与积累需要，紧密追随并强化着原有的强势话语，却并未从社会实践发展的需要出发，缺乏对其所提问题背后隐含假设的深刻反思。因此，所得出的结论也常常遮蔽了中国农村教育问题的根源，掩盖结构性的经济和社会问题，将压力与责任转嫁给家庭与个人，所倡导的浅层技术性方案难以有效促进问题的实际解决。

在世界范围内，中国作为全球南方中综合实力较强的国家，尚且面临这样的教育知识生产困境，遑论其他实力较弱的国家。正如熊易寒（2014）指出的，在当前全球知识生产体系中，人们潜意识里已经形成了一种默认的学术分工，即第三世界国家（包括中国）的学者提供“数据”“案例”等原材料，西方学者则对这些原材料进行深度加工，包括对其进行抽象、概括，使其上升至理论高度，反过来再指导第三世界国家（包括中国）的学者进行新的学术生产，挖掘更为丰富的数据与个案，循环反复。

（三）不平等格局下本土教育知识生产的意义

洪大用（2021）倡导“实践自觉”，强调知识的本质是来源于实践的，实践的不同发展则会催生不同的知识生产，这就要求学者们直面社会实践及其变化并基于此开展学术研究（洪大用, 2019），深入到鲜活的社会实践中揭示社会运行发展规律（洪大用, 2021）。因此，教育研究要以教育实践为活的源头，直面教育中的真实问题。与此同时，洪大用（2021）也强调，实践自觉要求学者们在科学认识社会实践的基础之上积极投身于社会实践当中。可见，教育知识的生产并非最终目的，而是要回到实践中，发现实践中真实存在的问题和需要，尝试纠正实践中存在的偏误，推动实践的发展。

因此，本土教育知识的生产就显得尤为重要。正如洪大用（2022）所言：只有深刻揭示实践、服务实践并给予实践启示的知识体系才是充满活力的、有持久生命力的体系。石中英（2001）也强调“本土知识”是由本土人民在自己长期的生活和发展过程中所自主生产、享用和传递的知识体系，并指出本土人民要实现自主性的发展，必须结合其生存和发展的环境及其历史，对本土社会所遭遇的问题以及问题产生的根源形成清晰的认识，从而探寻可能的解决方案，根据实际情况实施并修正这些方案，这其中最重要的是需要习惯于利用和发展本土知识的力量。在当前不平等的全球知识生产格局下，全球南方的教育学者更要重视本土教育知识的挖掘和生产，而无法掌握这项核心技术的国家或地区就只能成为世界知识生产体系中的原材料（数据）提供商或“代加工厂”（滕珺 & 王晓洲, 2023）。

二、

不平等格局中本土教育知识的母语表达

本土教育知识的表达需要语言作为载体。但在全球权力结构不平等的图景下，对本土教育知识自主的、适切的表达面临着两难困境——倘若用非强势语言及话语进行表达，其国际影响力可能被削弱，在国际学术界的声音可能被淹没；倘若一味迎合强势语言及话语，所表达的内容又可能出现“损耗”乃至“偏差”，难以如实还原本土教育知识的本色。

（一）语言本身内含权力结构

皮埃尔•布尔迪厄（Bourdieu, P.）在《语言与符号权力》（Language and Symbolic Power）中提出，语言不仅是一种交流工具，它也是权力的象征（Bourdieu, 1991, pp.79-95）。语言作为权力的象征，不仅体现在显性的语言政策压迫中，更通过认知框架的隐性规训，使被支配者自愿接受这种权力结构。使用强势语言表达是当前全球教育知识生产的默认规则，而这也成为全球南方知识生产的桎梏。为了在全球教育知识生产格局中占有一席之地，本土学者只能将复杂的本土教育知识按照主流教育知识体系所认可的表达方式进行“转译”。当发展中国家学者使用强势语言论证本土知识的价值时，实际上是在无形之中强化了“使用霸权语言言说的知识才有价值”的逻辑。强势语言的推行不仅具有传递信息的功能，更是一种权力的延伸。通过控制被殖民者的语言，殖民者能够更深入地影响被殖民者的思想和文化，甚至重塑其社会结构。

这种语言斗争实质上是对认知主权的争夺，是重构全球知识生产伦理的基础。UNESCO（2021）认为，语言是知识共享空间存在的基础……语言多样性是人类知识共享的一个重要特征。而知识的建构并不是平等的，其应是与权力相结合的。正如米歇尔•福柯（Foucault, M.）所表达的：权力制造知识，……权力和知识是直接相互连带的；……权力—知识，贯穿权力—知识和构成权力—知识的发展变化和矛盾斗争，决定了知识的形式及其可能的领域（米歇尔•福柯, 2003, pp. 29-30）。作为权力渗透知识的重要载体，话语决定了何种陈述方式可以被视为真理。因此，前述的全球教育知识生产的不平等格局实质上反映着当前国际秩序中权力不平等的现状：在议题设置方面，国际社会中主流的研究从发达国家的核心诉求出发，关注发达国家面临的核心问题，并将其映射到世界各国；在语言表达方面，学者必须使用强势语言进行表达，采用发达国家认可的研究范式和主流理论，为发达国家的经典理论做注解。

（二）语言是存在的家

显然，迎合强势语言及话语，同时放弃使用母语进行本土教育知识生产和表达，就很难精准呈现母语语境下想要传达的丰富意涵。因为语言不仅承载着权力结构，还反映了存在本身。人在语言中展现自身，即能被理解的存在就是语言（汉斯-格奥尔格•伽达默尔, 2011, p. 667）。当个人表达自己的想法、感受和经历时，其语言能够呈现出个人的特征。语言体现了在者的在场，正如马丁•海德格尔（Heidegger, M.）所言：语言是存在之家（马丁•海德格尔, 2004, p.154）。

人一出生就进入了一个充满语言的世界，人们通过学习语言来认识世界、与他人交往，同时也在语言中构建自己的身份和价值观。艾弗拉姆•诺姆•乔姆斯基（Chomsky, A. N.）的语言先天性理论指出语言具有一定的先天性，认为人天生具有一种内在的语言习得机制，是人类心智的一种特别能力，这一观点也在一定程度上得到了现代医学和遗传学研究成果的支持（张伟琛 & 金峻歧, 2001）。因此，人采用母语表达是最舒适的；母语是大脑最熟悉的语言，能够支持母语者最准确、最恰当地表达思想。母语对于传承本土知识、表达本土思想极其重要。为了迎合现有不平等结构、掌握话语权力，学习和使用强势语言撰写学术文章似乎是当前开展学术交流与传播的不二法门。然而，即便是国际化程度很高的学者，如果不能用母语来表达，他们也还是很难精确表达其思想中那些精妙的含义的。

总而言之，在全球化进程中，英语因其背后的政治、经济、文化等综合因素而成为强势语言，在国际学术交流中占据主导地位。然而，本土知识是在特定的地域、历史和文化语境中生成的，具有独特的概念体系和价值取向。当试图使用强势语言来阐释这些本土知识时，学者们会发现自己往往面临概念缺失或语义扭曲的困境，所撰写的文字难以完全契合本土知识的内涵。所以，在全球教育知识生产中，我们必须重视本土概念，使用本土语言，因其实在具有不可替代的作用。

（三）文化及语言具有不可译性

文化的不可译性（cultural untranslatability）是翻译过程中客观存在的事实，约翰•卡特福德（Catford, J.）将这种现象产生的原因归纳为：与原语之文本功能相关的语境特征在译语文化中不存在（Catford, 1965, p.101）。卡特福德想要表达的意思是，由于各国的地理环境、民族风俗、社会基础有所不同，其文化内容的体现和传播具有一定的不可译性。而语言是文化的一部分，也可以说，语言是文化的载体，由是在一定条件下，文化的不可译性可以转换为语言的不可译性（linguistic untranslatability）。

以联合国教科文组织发布的两份教育报告为例，如何将英文题目翻译为符合中国文化语境下的中文词汇就体现了语言及文化的不可译性。《学会生存：教育世界的今天和明天》（Learning to Be: The World of Education Today and Tomorrow）中的“Be”在英文语境中有“是、存在、做、成为、发生”的意思，这种含义却很难在中文中找到完全对应的词汇，翻译为“生存”似乎将原文中存在主义哲学的意味化解为强调实用主义的价值。《反思教育：向“全球共同利益”转变？》（Rethinking Education: Towards a Global Common Good?）中“Common Good”的翻译同样存在类似的问题。“共同利益”似乎窄化了原文的含义，而在德性伦理学（Virtue Ethics）中，“common good”大多指的是“共善”。虽然在本质上，“共善”与“公共利益”共同指向“对公共生活有共同利益的东西”，但在具体的载体上二者有很大的不同，前者侧重于抽象的理念、美德等，后者侧重具体的物质、财富等。

不仅外来语言和文化具有不可译性，本土语言在国际交流中同样面对这一问题，如中国的“天下”（tianxia）、“仁”（ren）、“户口”（hukou）等，几乎没有英文能够完全对应原语言的复杂情境和含义。又如南非的“Ubuntu”，它源于非洲南部的祖鲁语，是有关“人性”的术语，指的是“Umuntu Ngumuntu Ngabantu”（大意为：我存在，因为我们存在）。这一词语在不同的非洲国家有不同的释义，包括“人作为人”“人是通过他人成为人的”，但始终聚焦于人与人、人与社会、人与世界的关联性（周鑫宇, 2018）。在英文语境中，该词被翻译为“I am because of you”。在中文语境中，该词则是与“仁爱”的道德概念相对应、与“人类命运共同体”的政治理念相对应的。

正是因为语言及文化的不可译性，在国际交流和知识生产中，直接使用这部分词汇的本土语言逐渐成为学者共识，因此，越来越多的本土语言进入国际知识体系中。这些本土语言及其实践中“只可意会，不可言传”的不可译部分，恰恰是本土知识最难得的宝贵资源，对于丰富全球知识有着独特的价值。

三、

大语言模型与本土知识生产的新可能

当前大语言模型的兴起为基于母语表达的本土知识生产提供了难得的历史契机。从原理上看，大语言模型是用于理解和生成人类语言的计算机程序，主要通过大量文本数据的训练学习词语和句子组合的“模式”（pattern），并基于概率，结合任何给定的提示或问题的上下文来预测下一个最有可能出现的词或是词的一部分。国内外不断涌现的包括ChatGPT、Gemini、DeepSeek、文心一言等在内的大语言模型为全球南方学者在不平等格局下运用母语进行本土教育知识生产与表达提供了技术层面的新的可能性。

（一）大语言模型创造的机遇

与传统的机器翻译相比，大语言模型能够应对更为复杂的语言环境，产出更加准确、自然的译文（胡开宝 & 李晓倩, 2023）。它所取得的重大突破集中体现在少量示例学习、多模态信息输入、个性化翻译以及交互式翻译这四个方面。第一，通过少量的训练示例，大语言模型能够迅速适应翻译任务，进一步优化对高资源语言的翻译质量，并显著改善对低资源语言的翻译表现（Adelani, 2024），有利于降低全球多语言沟通中的技术壁垒（Li et al., 2024）。第二，随着多模态信息处理技术的进步，未来的翻译系统将能够结合文本、图像、语音等多种输入形式，进一步提升翻译的准确性和多场景适用性。第三，个性化翻译的发展不仅提升了翻译的准确性，还能更好地满足特定场景的要求，尤其适用于需要高度精确翻译的专业领域。第四，交互式翻译的进步能够适时地为对话双方补充必要的信息及解释，有助于减少不同文化背景下人与人之间沟通可能产生的误解（Lyu et al., 2023）。

总体而言，大语言模型重塑了机器翻译领域，其使用成本相对较低，翻译性能更加突出（胡开宝 & 李晓倩, 2023）。有研究（Intento, 2024）对52种机器翻译引擎及大语言模型进行测评，其中共20种在针对特定语言及领域的翻译中表现出色，而大语言模型在这里面的占比为55%。这有效降低了全球南方知识生产和交流的语言门槛，使得全球南方学者有机会更加自如地运用母语生产教育知识并进行深度对话。特别是，针对文化及语言的不可译性，大语言模型的出现创造了新的可能。因为“不可译性”通常意味着简短的词汇、短语、现象难以直接一一对应，但并不意味着交流双方存在根本性的分歧与冲突，而是需要以丰富的背景信息及充分的对话为支持，对表面上难以直接简单对应和理解的抽象事物进行深层次的剖析和解读，将其还原到真实生动的情境中，呈现其背后潜藏的内涵。大语言模型翻译时的个性化、多模态、交互式等优势，有利于交流双方即时同步获取支持性的背景信息，共同对上述抽象事物进行降维解读，完成有效对话，并将在对话中建立链接、达成共识，进而进行升维的概念萃取，实现更加平等包容的全球教育知识生产。

（二）大语言模型隐含的风险

从大语言模型的基本原理来看，它有着“黑箱”的属性，难以直接精准地进行控制，其研发端和用户端同样可能通过“训练数据集”“提示词工程”等方式，直接影响大语言模型的输出结果，进而导致“非中立”“不全面”“不深刻”“存歧义”“有错误”等问题，这在全球南方知识生产与传播过程中都值得警惕。

第一，“非中立”是指大语言模型可能隐含偏见，这不仅包括文化方面的偏见，还涉及阶层及政治上的非中立。

当前大语言模型的训练数据主要源于西方文化背景，有研究（Tao et al., 2024）指出大语言模型中所表现出的文化偏见更偏向英语及新教欧洲国家的价值观，可能会影响人们在生活各个方面的真实表达，甚至对个体的信仰和态度产生短期影响，并随着这些影响的长时间积累而塑造更广泛的文化体系。此外，由于大语言模型的技术开发及使用的核心国家及受众群体分布不均衡，阶层及政治非中立的问题也较为突出。以OpenAI及其所推出的ChatGPT系列为例，作为前沿的商业科技产品，其会员订阅费用较高，遂将处于不利社会经济地位的阶层排除在外。大语言模型以大量互联网数据为基础，将网络文本作为“全人类”的代表，却忽视了低文化背景及在互联网上代表性不足的群体的声音，由此进一步强化着世界的不平等，损害着文化的多样性。

第二，“不全面”是指大语言模型无法全面地支持所有语言与领域。

无论是传统机器翻译还是借助大语言模型完成的翻译，不同语言及领域的翻译质量都存在不均衡现象。有研究（Intento, 2024）指出，在多数领域中，多数翻译工具在英语对葡萄牙语、荷兰语及法语的互译中表现良好，在英语对中文和日语的互译中表现一般，在英语对阿拉伯语、韩语、乌克兰语的互译中表现不佳。尽管在教育领域中，大语言模型完成翻译的表现整体较好，但在非正式口语翻译中，大语言模型的表现水平并未达到预期。也有研究（侯钰涛 等, 2024）专门针对“一带一路”国家所使用的低资源语言进行大语言模型翻译实验，发现大语言模型已经具备了一定的翻译低资源语言的能力，但ChatGPT对老挝语的翻译性能仍然有待提高。

第三，“不深刻”是指大语言模型在预见性的思想表达方面存在不足。

另有研究（Millière & Buckner, 2024）指出，尽管大语言模型能够回答哲学及伦理相关的问题，并生成表面上连贯的文本，但其实际上对于这些文本缺乏深刻的逻辑理解，所输出的内容更多来自语法模式的匹配，而非通过思维的联结来处理相关概念及概念之间的复杂联系。乔姆斯基对ChatGPT提出批评，认为大语言模型等人工智能与人类在思考方式、学习语言与生成解释的能力以及道德思考等方面都存在着极大的差异，真正的智力恰恰意味着一种有预见性的思考能力和判断能力，即用一套道德原则来约束头脑中无限的创造力，从而决定可为与不可为，但当前的大语言模型尚无法做到这一点（郭贵春 & 梁德柱, 2025）。

第四，“存歧义”则主要由于语言的复杂性和多样性。

多义词和歧义句的处理仍然是大语言模型翻译处理的难点之一，仍然需要大量高质量的语言数据对其进行训练（赵军峰 & 李翔, 2024）。已有研究（文旭 & 田亚灵, 2024）专门对运用ChatGPT翻译中国特色话语的有效性进行了分析，指出尽管该模型相较于市场上的三种主流机器翻译工具表现出一定优势，但在特定文化及语境下，仍然存在着翻译不精准、词汇选择不当、隐喻识别错误等诸多问题。

第五，“有错误”是指大语言模型在面对未知或不完整的信息时往往会生成错误答案，甚至编造信息作为答案。

在计算机科学领域，这种现象被称为“幻觉”（hallucination），“人工智能的幻觉”是指其所生成或处理的文本并不重视文本本身的来源，而是可能会自信地输出无意义的、不连贯的或者循环重复的内容，偏离原有预期（林曦, 2025）。这种潜在的“幻觉”问题将极大地限制大语言模型在实际场景中的应用，严重影响信息的可用性和可靠性。倘若信息的接收者缺乏判断能力，或直接不加以选择地盲目使用这些信息，那么这种“幻觉”现象就容易导致错误信息的不当传播（Bubeck et al., 2023），甚至可能衍生出法律和伦理方面的诸多风险（刘泽垣 等, 2025）。

总而言之，对于全球教育知识生产而言，大语言模型潜在的“非中立”及“不全面”问题可能加剧当前全球南方国家或使用非强势语言的学者在教育知识生产中面临的不平等，而其“不深刻”“存歧义”“有错误”问题则可能干扰全球学者进行更丰富、更有效的深层次思考和交流。这就提醒广大教育知识生产者在尝试借助技术赋能的同时，也应充分认识并警惕其损害全球教育知识生产的可能性。

四、

探索未来的行动空间

面对大语言模型所带来的新的技术可能及其中潜在的风险，广大教育知识生产者，尤其是来自全球南方的教育知识生产者又有哪些可能的作为空间？身处技术发展的洪流之中，我们不仅要积极地拥抱技术，成为大语言模型的使用者，熟练运用它助力学术研究，更好地实现知识生产与传播，更需要建设性地对技术进行批判反思，充分理解大语言模型运作的基本原理，直面其当前存在的诸多问题，积极地在学术界发声、发表，成为大语言模型训练数据的提供者，通过弥合现有的数据差距，尽可能地改变其数据基础。由此才能使得大语言模型的产出结果更有利于本土知识的母语表达，进而不断拉平不同语言表达所造成的信息差及其背后不平等的权力结构。

为促进全球教育知识生产走向更加平等、包容、可持续的未来，笔者呼吁广大教育知识生产者共同加入以下两项行动。

第一，建立“包容性全球教育知识生产共同体”。

在这一共同体中，每一位知识生产者都可以将“自己”作为方法，借助“自我民族志”的研究方法和理论基础，在跨越国界的交流中，将“我”拓展为“我们”，通过合作民族志探索多元知识共存的历程。来自中国、美国、澳大利亚的多位学者已经合作产出了《“我们”作为方法：全球知识生产中的反身性对话与实践》（Selves as Methods: Reflexive Dialogue and Praxis in Global Knowledge Production）这一研究成果（Comparative and International Education Society, 2025），深刻剖析了处于全球教育知识生产体系不同位置的“我们”进行去殖民化探索、构建平等合作关系、践行多元知识论的可能性，奠定了坚实的方法论基础。无论是全球南方还是全球北方的教育理论研究者及实践工作者都可以加入其中，成为拥有多样的背景、身份、文化、价值的教育知识生产者的一分子，共同实现包容、共存，携手生产并传播具有世界意义的教育知识，促进全球教育的可持续发展。

第二，发起“母语表达”（Speak in Tongues）项目。

在这一项目中，来自全球南方与全球北方国家的大批理论工作者和实践工作者将不定期地受邀参与关于教育问题的更多元的、更具体的对话。借助大语言模型的技术平台，学者们将能够自如地使用各自的母语共话教育，每一次对话交流所形成的脚本也将为大语言模型的训练提供丰富的语料数据，促进其变得更加公平和开放。例如：中国教育情境中常常讨论的“立德树人”，事实上，世界各国也在教育中讲求德行的培养，由于对各自所使用的教育概念及其内涵的理解可能有所不同，我们可以邀请来自不同历史文化背景、不同经济体量国家的教育理论与实践工作者共同围绕这些话题反复对话，从中识别并提炼出共识性的关键概念，建构起共同的知识基础。与此同时，由于对话所形成的数据量仍然有限，倘若能有更多学者发起并参与类似的项目，并愿意公开学术研究成果，那么全球教育知识生产的语料库就会变得更丰富，技术才能真正赋能教育知识生产和实践改造。

总而言之，在当前不平等的国际秩序及权力关系下，教育知识生产同样呈现着不平等的格局，以全球北方国家及强势语言为主导，多样化的声音被掩盖。而大语言模型技术的发展为全球南方教育知识的生产和传播提供了契机。若广大教育知识生产者能够妥善运用技术，并合理规避风险，便有可能找到撬动格局变化的支点，在沟通交流中通过母语表达为全球教育知识生产贡献丰富的本土话语和具有可持续影响力的世界共识。

致谢：

感谢毕洛伊特学院楼菁菁教授、堪培拉大学王婷教授、北京师范大学向芯博士、华东师范大学游韵副教授、韦恩州立大学余旻副教授、中国教育科学研究院江竹君助理研究员，以及北京师范大学国际与比较教育研究院研究生白瑞涵、焦艺鸿、张曦煜、赵文睿、周佳欣（按照姓名首字母排序，排名不分先后）为本研究做出的重要贡献。

注释：

① 根据Web of Science数据库的检索规则，“话题”（topic）词条的检索范围包括出版物的“标题”（title）、“摘要”（abstract）、作者所给出的“关键词”（author keywords）以及“附加关键词”（keywords plus）。其中，“附加关键词”指的是“未出现在文章标题及正文中，但频繁出现在文章的参考文献中的词汇或短语”。因此，通过在“话题”词条输入“education”所检索到的结果也尽可能广泛地包括了教育学、心理学、社会学、计算机科学等学科领域的教育知识生产成果。

参考文献

陈丽, 逯行, & 郑勤华. （2019）. “互联网+教育”的知识观：知识回归与知识进化. 中国远程教育（7）, 10-18, 92.

陈向明. （1996）. 社会科学中的定性研究方法. 中国社会科学（6）, 93-102.

顾小清, & 郝祥军. （2022）. 从人工智能重塑的知识观看未来教育. 教育研究（9）, 138-149.

郭贵春, & 梁德柱. （2025）. 大语言模型应该有“内在的语言生成能力”吗？——论乔姆斯基批评Chat-GPT的局限性. 科学技术哲学研究（1）, 1-9.

汉斯-格奥尔格•伽达默尔. （2011）. 诠释学I真理与方法——哲学诠释学的基本特征（洪汉鼎 译）. 商务印书馆.

洪大用. （2019-5-20）. 学苑论衡：增强社会学的实践自觉. 中国共产党新闻网网站. http://theory.people.com.cn/BIG5/n1/2019/0520/c40531-31092656.html

洪大用. （2021）. 实践自觉与中国式现代化的社会学研究. 中国社会科学（12）, 22-36, 199.

洪大用. （2022）. 加快建设中国社会学自主知识体系. 社会学评论（6）, 5-14.

侯钰涛, 阿布都克力木•阿布力孜, 史亚庆, 马依拉木•木斯得克, & 哈里旦木•阿布都克里木. （2024）. 面向“一带一路”的低资源语言机器翻译研究. 计算机工程（4）, 332-341.

胡开宝, & 李晓倩. （2023）. 大语言模型背景下翻译研究的发展：问题与前景. 中国翻译（6）, 64-73, 192.

胡平生, & 张萌 译注. （2017）. 礼记. 中华书局.

林曦. （2025）. 人工智能“幻觉”的存在主义阐释. 社会科学辑刊（2）, 81-91.

刘泽垣, 王鹏江, 宋晓斌, 张欣, & 江奔奔. （2025）. 大语言模型的幻觉问题研究综述. 软件学报（3）, 1152-1185.

吕旭龙. （2005）. 论知识定义的困境与转向. 自然辩证法研究（9）, 47-51, 68.

马丁•海德格尔. （2004）. 在通向语言的途中（孙周兴 译）. 商务印书馆.

米歇尔•福柯. （2003）. 规训与惩罚：监狱的诞生（刘北成, & 杨远婴 译）. 生活•读书•新知三联书店.

石中英. （2001）. 本土知识与教育改革. 教育研究（8）, 13-18.

陶慧卿, 潘卫, & 庄琦. （2008）. 从引文分析的角度比较Google Scholar与Web of Science的优势与不足. 图书馆杂志（12）, 29-35.

滕珺, & 王晓洲. （2023）. 论构建中国教育自主知识体系的关键维度. 北京教育学院学报（4）, 19-25.

王绪琴. （2012）. 格物致知论的源流及其近代转型. 自然辩证法通讯（1）, 94-99, 128.

文旭, & 田亚灵. （2024）. ChatGPT应用于中国特色话语翻译的有效性研究. 上海翻译（2）, 27-34, 94-95.

向芯, 滕珺, 余旻, 楼菁菁, 江竹君, 周佳欣, & 龚凡舒. （2023）. 中国农村教育国际学术话语重塑的困境与机遇——基于顶级英语学术期刊的内容分析（1978—2022）. 清华大学教育研究（4）, 11-22.

新华社. （2025-1-19）. 中共中央 国务院印发《教育强国建设规划纲要（2024—2035年）》. 中华人民共和国中央人民政府网站. https://www.gov.cn/zhengce/202501/content_6999913.htm

熊易寒. （2014）. 中国社会科学的国际化与母语写作. 复旦学报（社会科学版）（4）, 116-123.

杨慧. （2024）. “全球南方”的兴起、分化与中国的选择. 外交评论（外交学院学报）（2）, 1-23, 165.

张伟琛, & 金峻歧. （2001）. 乔姆斯基的语言先天性思想. 自然辩证法通讯（3）, 27-35.

赵军峰, & 李翔. （2024）. 大语言模型驱动的翻译智能体构建与应用研究. 外语电化教学（5）, 22-28, 75, 108.

周鑫宇. （2018）. 南非乌班图思想与新兴大国本土政治思想崛起. 现代国际关系（2）, 56-62, 67.

Adelani, D. I. (2024). Meta’s AI translation model embraces overlooked languages. Nature, 630(8018), 821-822.

Bourdieu, P. (1991). Language and symbolic power. Harvard University Press.

Bubeck, S., Chandrasekaran, V., Eldan, R., Gehrke, J., Horvitz, E., Kamar, E., Lee, P., Lee, Y. T., Li, Y., Lund-berg, S., Nori, H., Palangi, H., Ribeiro, M. T., & Zhang, Y. (2023, April 13). Sparks of artificial general intelligence: Early experiments with GPT-4. arXiv Preprint Website. https://arxiv.org/abs/2303.12712

Catford, J. C. (1965). A linguistic theory of translation. Oxford University Press.

Comparative and International Education Society (2025, March 22). CIES 69th Annual Conference “Envisioning Education in a Digital Society” 2025 Session Submission Summary. CIES Website. https://convention2.allacademic.com/one/cies/cies25/index.php?program_focus=view_session&selected_session_id=2203705&cmd=online_program_direct_link&sub_action=online_program

Independent Commission on International Development Issues. (1980). North-South, A programme for survival: Report of the independent commission on international development issues. MIT Press.

Intento. (2024). The State of machine translation 2024. Intento Website. https://3317859.fs1.hubspotusercontent-na1.net/hubfs/3317859/Intento%20State%20of%20Machine%20Translation%202024.pdf?utm_campaign=MT%20Report%202024&utm_medium=email&_hsenc=p2ANqtz-8nHxa7K8hZRIBmDG0H4XcB1Lyurcg-c3Q-NuSe5_gTBtkmOJwOswUQWET_cvSI3R5L8-oUyNGvFpl4_2aB_eLi-JSXcA&_hsmi=310226567&utm_content=310226567&utm_source=hs_automation

Li, J., Zhou, H., Huang, S., Cheng, S., & Chen, J. (2024). Eliciting the translation ability of large language models via multilingual finetuning with translation instructions. Transactions of the Association for Computational Linguistics, 12, 576-592.

Lyu, C., Xu, J., & Wang, L. (2023, May 2). New trends in machine translation using large language models: Case examples with ChatGPT. arXiv Preprint Website. https://www.summarizepaper.com/en/arxiv-id/2305.01181v1/

Millière, R., & Buckner, C. (2024, May 6). A philosophical introduction to language models: Part Ⅱ - The way forward. arXiv Preprint Website. https://arxiv.org/abs/2405.03207

Tao, Y., Viberg, O., Baker, R. S., & Kizilcec, R. F. (2024). Cultural bias and cultural alignment of large language models. PNAS Nexus, 3(9), 346-354.

UNDP. (2004, December 19). Forging a Global South. UNDP Website. https://www.undp.org/sites/g/files/zskgke326/files/migration/cn/UNDP-CH-PR-Publications-UNDay-for-South-South-Cooperation.pdf

UNESCO. (2021, November 10). Reimagining our futures together: A new social contract for education. UNESCO Website. https://unesdoc.unesco.org/ark:/48223/pf0000379381

Xiang, X., Lou, J., Yu, M., & Teng, J. (2024). Education as capital? A critical discourse analysis of the investment discourse in international research on Chinese rural education. Compare: A Journal of Comparative and International Education, 1-18.

Reshaping the Landscape of Global Educational Knowledge Production: Large Language Model and New Possibilities for Local Knowledge Production and Circulation

Teng Jun, Gao Chenhui, Jiang Guanqun, Gong Fanshu

Abstract:The global educational knowledge production has long been constrained by an unequal international landscape, manifesting in disparities of both “quantity” and “quality”. The former is manifested in the overwhelming advantage of developed countries and dominant languages in the number of articles published and cited in the international academic community, while the latter is reflected in the monopoly of Western research, paradigms and theories in research and application, forming an unequal division of labor in the educational knowledge production and obscuring the diversity of local educational knowledge. Behind this is the power structure inherent in language, compelling scholars from the Global South to conform to dominant languages and discourses at the expense of the precision and vibrancy of their native languages. The rise of large language models (LLMs) presents a technological opportunity to lower barriers and facilitate the participation of scholars from the Global South in knowledge production in their native languages. However, technical risks and challenges such as “non-neutrality” “incompleteness” “lack of depth” “ambiguity” and “errors” cannot be overlooked. In response, this study proposes the construction of an “Inclusive Community for Global Educational Knowledge Production” and the initiative of the “Speak in Tongues” project. By advocating for cross-cultural collaboration and data sharing to optimize LLM training, as well as emphasizing technological empowerment and critical reflection, the study seeks to achieve pluralistic, equitable, and sustainable development in global educational knowledge production within the process of decolonization.

Keywords:large language models; educational knowledge production; Global South; decolonization

作者简介

滕珺，北京师范大学国际与比较教育研究院教授（北京 100875）。

高晨辉，北京师范大学国际与比较教育研究院硕士研究生（北京 100875）。

姜冠群，北京师范大学国际与比较教育研究院博士研究生（北京 100875）。

龚凡舒，北京师范大学国际与比较教育研究院博士研究生（通讯作者：202121010072@mail.bnu.edu.cn 北京 100875）。

基金项目

北京市社会科学基金2024年度一般项目“国际视野下中国特色教育学自主知识体系建设研究”（项目编号：24JYB010）

责任编辑：郝丹

期刊简介

《中国远程教育》创刊于1981年，是教育部主管、国家开放大学主办的综合性教育理论学术期刊，是中文社会科学引文索引（CSSCI） 来源期刊、全国中文核心期刊、中国人文社会科学期刊AMI综合评价（A刊） 核心期刊、中国科学评价研究中心（RCCSE） 核心期刊、中国期刊方阵双效期刊、人大复印报刊资料重要转载来源期刊，面向国内外公开发行。

本刊关注重大教育理论与政策，推动科技赋能教育，反映国际学术前沿，聚焦本土教育改革，注重学术研究规范，提倡教育原创研究。

地址

北京市海淀区复兴路75号

邮编

电话

010-68182514

电邮

zzs@ouchn.edu.cn

网址

cjde.ouchn.edu.cn

来源丨中国远程教育微刊

声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢。