【观点】大语言模型智能体的创新应用:数字化身教研

大语言模型智能体的创新 应用:数字化身教研

李海东 蒋万强 刘军民 许世红

【摘 要】新时代基础教育教研的数字化转型正面临多重挑战,尤其是如何使教研交流数字化更 加困难重重。 多智能体模拟技术与现实的教研交流需求具有很高的匹配性,可为基础教育教 研交流提供新的解决方案。 本文在研究了相关人工智能技术的发展以及教研交流独特特点 和需求的基础上,提出了“数字化身教研”的概念。 数字化身教研是指利用具有教师或专家 独特特征的多智能体来模拟教研交流,并输出交流过程的数字化功能。 本文选择大语言模 型,设计了能够促进多智能体高效开展互动的架构,完成了数字化身教研实验系统,开展了真 实环境下的实验,利用课堂观察自动化技术自动采集数字化身教研所需的数据,自动启动多 智能体之间的模拟教研交流,并输出模拟教研交流的过程和结果。 实验表明,数字化身教研 能够模拟执教教师与资深专家、优秀同行等专业群体间的互动交流,能够产生较好的思维交 流碰撞,可以为现实世界的教研交流提供有效参考。

【关键词】数字化身教研; 大语言模型; 智能体模拟; 教研交流; 基础教育

【作者简介】李海东 / 广东省教育研究院教授 (广州 510035) 蒋万强 / 莫纳什大学马来西亚校区硕士研究生 (雪兰莪州 47500);努比技术 (广州)有限公司技术副总监 (广州 510000) 刘军民 / 努比技术(广州)有限公司高级工程师 (广州 510000) 许世红 / 广东省教育研究院研究员 (广州 510035)

基础教育高质量发展带来对高水平教研的现实需求。 教育部于2019年底发布《关于加强和改进新时代基础教育教研工作的意见》，从服务学校教育教学、服务教师专业成长、服务学生全面发展、服务教育管理决策等方面,对数字时代基础教育教研进行了明确定位，要求创新教研工作方式，积极探索信息技术背景下的教研模式改革。[1]

教学研究，简称“教研”，作为基础教育领域耳熟能详的专有名词，在不同语境下有着不同的含义与指向，如教研机构、教研队伍、教研制度、教研体系、校本教研等。通常情况下，一线教师所处的现实情境多为教学的真实场景，教师所理解的“教研”，指的是与教学伴随的研究，也是他们最乐意参加的专业发展活动[2]。由于课堂是教师教学实践的最主要场所，因此本文所探讨的“教研”，特指基于一定教育理论，针对一线教师的课堂教学过程、现象和问题进行探究、解释与解决的专项研究活动。

一、 新时代基础教育教研交流数字化转型面临的主要挑战

随着基础教育新课标、新教材的实施，以及中考、高考改革的深化，基础教育教学改革逐渐进入深水区。改革对学生核心素养、解决问题能力、高阶思维的培养均提出更高要求，迫切需要以高质量的教研提升教师的教学能力和人才培养质量。实践表明，开展基础教育的教研，需要教师对个人课堂教学进行观察分析、总结反思，不断发现问题并尝试解决问题(即课堂观察)。这也要求教师之间需要围绕课堂教学开展观摩学习、交流探讨、彼此借鉴(即教研交流)。教师在教中研、研中教的过程中，能够积累观察真实课堂的技术和经验，获得基于真实教学案例改进教学的基本方法和策略，有效提升课堂教学能力、教研能力、评价能力，最终实现个人专业成长和课堂教学质量的提升。

(一) 课堂观察自动化可为教研提供专业数据支持,但难以完全替代人类观察者的专业直觉和经验判断

课堂观察是教研的基础，随着人工智能技术的发展，课堂观察自动化逐渐成为可能。课堂观察自动化系统能够实时、全面、精准地采集各种数据，如师生互动频率、学生参与度、教师提问类型等，极大减轻了教师收集教研证据的负担。通过自动分类、统计和分析采集的数据,可以为教研提供直观清晰的结果，解决了数据处理的复杂性；通过对伴随式采集数据的实时分析，打破观察的时空限制，使得教师可以远程观察课堂，实现更广泛的比较和研究，促进优质教学经验的传播和共享。

课堂观察自动化虽然为教研数字化转型提供了强有力的专业支持，但难以精准感知和解读师生情感交流等更细腻复杂的层面，难以评估学科知识传授的透彻性、逻辑的严密性，也无法有效应对独特、非标准化的教学创新举措,而这些方面正是人类的课堂观察者凭借专业直觉和经验判断可以有效解决的部分。

(二) 教研数字化转型落地的关键在于技术能否推动教研思想层面的自动交流与碰撞

教研旨在探索优化课堂的有效方法、策略和理念，而这些都源于教师与专业群体之间的思想交流、观点碰撞、相互启发。不同思想的交锋，有助于教师发现研究新视角，开拓教学新思路，探讨教学新策略，形成积极有效的改进措施。因此，教研的灵魂在于教师和专业群体之间的教研交流，其社会属性才是把课堂观察结果真正转化为课堂实践能力的关键。近几年数字化教研活动开展得红红火火[3-5]，显示了极佳的效果和强大的生命力。实践表明，课堂观察自动化虽然解决了长久以来困扰教研工作的课堂“黑箱”问题，但作为教研灵魂的教研交流，依然只能采用传统交流模式，受制于经济成本、人情面子、教师心理抗拒等现实问题，往往导致教研交流效果欠佳。

在解决课堂观察自动化的基础上，运用信息科技进一步解决教研交流中存在的问题，已成为教研工作数字化转型能否真正落地的关键。人工智能技术的发展，特别是基于大语言模型（Large Language Model,简称“LLM”）的多智能体（Agent）技术的显著进展，为以上问题的解决提供了可行思路和切实路径。本文创新地提出“数字化身教研”的设想，并完成了技术框架设计和原型实验，以探索解决目前教研交流面临的现实问题。

二、 智能体模拟与深化基础教育教研中互动交流的技术契合

(一) 智能体模拟及其最新发展

20世纪50年代，阿兰·图灵(Alan Turing)把“高度智能有机体”概念扩展到了人工实体，并提出了著名的图灵测试，旨在探索机器是否可以显示与人类相当的智能行为。这些人工智能实体通常被称为“Agent”，是人工智能系统的基本构建模块，指能够感知周围环境、作出决策，然后使用致动器采取响应行动的人工实体。1995年， 伍尔德里奇(M. Wooldridge)和詹宁斯(N.R.Jennings)针对智能体给出了一个获得广泛认可的定义框架。在该框架中，智能体被描述为一种计算机系统，它处于某个特定环境中，能在此环境中自主行动以实现其设计目标。据此定义，能在各种棋类游戏中与人类对弈的程序均属于智能体。比如，IBM公司开发的“深蓝”（Deep Blue）在 1997年5月击败当时国际象棋世界冠军加里·卡斯帕罗夫(Garry Kasparov)，是第一个在标准比赛时限内击败国际象棋冠军的智能体；谷歌深度思考(Deep Mind)公司开发的“阿尔法围棋”(AlphaGO)在2016年3月击败当时的世界围棋冠军李世石(Lee Sedol)，是第一个在围棋比赛中战胜职业九段棋手的智能体；“ 阿尔法元” (AlphaGo Zero)则是阿尔法围棋的后续版本，于2017年10月宣布，仅通过自我对弈强化学习就超越了前者。这些都是智能体成功应用的具体案例。

智能体模拟则是一种计算机模拟的建模方法，通过集中关注称为智能体的个体实体，来模拟个体与复杂环境的相互作用。智能体模拟通常包括三个基本组件：一是智能体，其代表被建模系统中的个体、实体或元素；每个智能体都有自己的一组属性、行为和决策过程。二是环境，这是智能体运作和互动的空间，包括虚拟空间、物理空间和影响智能体行为的任何外部因素，如天气条件、经济变化、政治变动和自然灾害等；智能体可能受环境约束或影响，它们的互动也可以对环境本身产生影响。三是交互，智能体通过预定义的机制，彼此之间直接互动，或与环境进行间接互动[6] 。在智能体模拟中，每个智能体都具有独特的个性特征，包含感知、大脑(决策和记忆)、行动三个部分，能根据上下文和环境进行自主决策和采取行动。智能体所处的环境是用来引入条件、激发竞争、定义边界，并提供影响智能体行为的相应资源；交互的目标则是基于预定义或自适应规则，在模拟中反映现实中的行为。

智能体具有自主性、反应性、社会能力与主动性等四个基本属性。智能体的社会能力属性使得多个智能体之间交互的场景得到了更多关注，帮助研究者更好地理解社会运动、经济转变、文化趋势中互动交流的复杂性，以探索设计更有效的交流策略和系统。自2018年Open AI发布 GPT-1以来，以GPT技术为代表的大语言模型在理解、生成和处理自然语言方面展现出巨大的能力和潜力，在解决文本生成、语言翻译、问答系统、文本摘要、情感分析、软件开发、文档写作、商业协作 等各种任务中均取得显著成效[7]。由于大语言模型具有出色的规划和推理能力，因此非常适合作为文本环境内的智能体的控制端(Brain)，负责处理信息、存储知识、进行推理和决策。最近，基于大语言模型的多智能体系统，在解决复杂问题和模拟现实世界方面取得了显著进展[8]。智能体模拟在教育领域的应用不多，主要集中在单智能体方面，比如与大模型客户端的对话等。翟雪松等从学习者的角度开展了多智能体的实证研究，发现在多智能体环境中，学习者能够自发运用多维提问策略，高效解决复杂学习问题[9]。文献检索显示，在教育教研领域，多智能体的应用还是空白。从智能体当前的技术特点和发展来看，本研究认为用多智能体模拟教研交流 来解决现实问题已具备可能性。

(二) 智能体模拟对基础教育教研中互动交流优化的主要支撑点

中小学校教师开展教研活动时，最希望获得的稀缺资源体现在两点：一是得到资深专家的指导；二是与优秀同行深度切磋。智能体模拟可以用来创建虚拟教研环境，模拟教师和专业群体之间交流互动、思维碰撞的过程，为现实 世界中的教研交流提供有益参考和借鉴。

数字化身教研，是指利用具有教师或专家独特特征和需求的多智能体，来模拟教研交流，并输出交流过程的数字化功能。采用智能体模拟技术，先为希望参加教研的每个教师或专家都配备一个专属的智能体，称之为“数字化身”。例如教师A的专属智能体是数字化身A，专家B、C的专属智能体分别是数字化身B、C；然后，这些不同的数字化身A、B、C围绕某一设定话题（即环境，例如课堂实 录、课堂教学特征大数据分析报告等）所开展的互动交流过程，就称为“数字化身 教研”。这一智能体模拟过程能基本上概括人类教研活动的所有关键要素。

目前，基于大语言模型的智能体在有效模拟人类社会的互动中，可以表现出如互动交流、情感理解、角色扮演等社会属性。这些社会属性能够让教师及时听取更开放多元的针对性意见建议，在安全环境中自主练习和提高教学技能，并得到更多尊重与理解。这恰好满足中小学教研活动最稀缺资源的供给。

基于大语言模型的智能体可以提供教研需要的多种角色。例如，激励型智能体可以通过积极鼓励、提供正面反馈,来增强教师的自信心，适合新教师或需要额外支持的教师，以提高他们的教学动力和自我效能感；技术型智能体 精通数据分析与解读，适合畏惧大数据分析的文科教师，可以提高他们的数字教研能力；学科型智能体在特定学科领域具有深厚知识和经验，适合需要深化学科知识或寻求学科教学策略的教师；研究型智能体专注于教育研究，能够提供基于证据的教学建议，适合希望基于研究结果来指导教学实践的教师；创新型智能体则擅长推动创新思维和教学实践，鼓励教师尝试新的教学方法，适合寻求教学创新和改进的教师。还有文化型智能体、情绪型智能体、评估型智能体等，都能适合不同的教师群体，满足他们个性化教研的现实需求。

数字化身教研体系在不断开展数字化教研的过程中，可以积累丰富多样的资深教研专家、优秀学科教师，并伴随式采集包括学科、年级、思维倾向、语音特征、专业身份等个人独特属性，生成相应的数字化身资源库。中小学校可以根据自身需要，组合定制相关类型的智能体。各具特点的数字化身教研系统可深度参与一线教师的课堂教研活动，将带给中小学教师实实在在的收获和欢欣愉悦的情感。实际场景教研与模拟场景教研共存互促，可以提供更加丰富多元的课堂视角，激发教师不断思考和创新。由此可见，智能体模拟，特别是基于大语言模型的多智能体模拟技术，已成为实现数字化教研交流的理想模型。能否推动数字化身教研系统实现使用便利、成本可控，并能模仿出教研所需的思维碰撞，则是教研交流数字化转型的关键所在。

三、 数字化身教研系统的整体设计与技术实现

(一) 教育领域教研交流的独特性

教师参与的教研交流与一般社会交流存在巨大差异，主要体现为三个方面：一是交流角色的复杂度不同。与一般社会交流相比，教研交流不仅存在交流主体“执教教师”，而且交流主体兼具主导方、被指导方的双重角色。这种双重角色要求教研交流兼顾教师作为交流主体可能产生的心理冲突，以及教研的不同需求。二是思维碰撞的需求度不同。一般社会交流通常具有更多的共同话题和一致的价值观；相比之下，教研交流则希望出现更多的思维碰撞，需要丰富的多样性。这种多样性常常使得教研交流更易产生冲突，但也往往能带来更大的思维灵感和获得感。三是交流方式的专业度不同。与一般社会交流不同，教师希望通过教研交流获得解释教学现象、分析教学过程、解决教学问题的有效策略与方法，因此教研交流对参与者有明确的期待。参与者需要运用明确证据、严密逻辑和相关理论等专业方式来支持相应的教研观点；若是单纯说教，则只会带来负面效果。因此，若想运用数字技术来模拟教研交流，即实现“数字化身教研”，则必须充分考虑上述教研交流的独特性。只有这样，才能让教研交流的主体——教师自觉拥抱新技术，自愿运用数字化身教研优化课堂教学。

(二) 数字化身教研系统设计的总体构思与原则

数字化身教研设计的总体思路如下：采用多个智能体(必须包括教研交流 主体)来模拟教研交流过程，并对整个模拟过程进行文本和音频记录，再将相关记录反馈给教师。教师通过阅读和聆听教研交流过程记录，获得启发并深 入思考,从而提高课堂实践能力。此外，教师还可以通过实时加入模拟教研交流，从而改变模拟教研交流的进程和发展方向，以获得更大的收获。

考虑到教研交流的独特性，数字化身教研的设计须遵循以下原则:一是作 为教研交流主体的智能体，应该是教研交流的主持者，掌握整个教研交流的程序和议程；二是参与教研交流的智能体，必须具备多样性，并与教研交流主体有尽可能大的差异性；三是所有的教研交流都必须依托课堂实录和课堂大数据分析报告，以确保教研交流的有理有据和有的放矢；四是参与教研交流所有智能体的发言，都应尽可能配上对应的语音模仿和数字人物画像模仿，这是为了提升教师参与度和接受度，增加教研交流记录反馈的沉浸感，使得教师对模拟教研交流产生身临其境的感觉。

设计数字化身教研系统，旨在通过多智能体模拟教研交流过程，解决教研活动中成本最高、最耗时间的关键环节，以缓解教师参加传统教研面临的焦虑和过大心理压力，使得教师可以更冷静、更客观，从多角度、多方位去研究自己的课堂。借助数字化身教研，教师个人即可组织参与教研活动，这极大降低了教研门槛，为常态化、日常化开展教研活动，构建出一个更加便捷、高效的教学研究和交流平台。

(三) 数字化身教研系统的整体设计

数字化身教研系统主要包括课堂自动观察、数字化身交流、本体化身互、教研社群搭建四大环节。下面以教师G为案例来说明，其技术框架如图1所示。

图 1 数字化身教研的技术框架(虚像代表数字化身)

一是课堂自动观察。相对于其构建的智能体，执教教师G被称为“本体”。首先，本体采集课堂教学音频或视频数据；系统对课堂采集数据进行自动分析，获取课堂观察数据，同时提取出制作执教教师G数字化身的人物特征。

二是数字化身交流。通过数字化工具(如 CSMS 等)完成课堂自动化分析后，触发创建交互环境，包括设置该堂课的教学记录数据和课堂观察数据。系统按规则自动邀请与执教教师G同学科、同年级、不同思维风格的教师或专家 的数字化身来开展类似教研类型的对话。言语交流结果汇总成一份音频文件 (含相应的文字)，反馈给执教教师G。

三是本体化身互动。执教教师G如有需要，可以直接与自己或他人的数字化身就该节课的课堂教学展开观点的交流、思维的碰撞，进一步拓展教研交流的深度和广度。

四是教研社群搭建。以上述大数据分析来驱动，建立各类本体或化身的教研社群，如学科组、年级组、教学方法研究组等，也建立教师本体之间的交流通道和社群，促进教师提升教学质量和专业发展水平。

(四) 数字化身教研的技术实现

若要实现图1的数字化身教研的技术框架，需重点解决以下三个关键技术问题：一是课堂自动观察分析技术。在之前的研究工作中，我们提出了一种使用人工智能技术常态化、规模化分析课堂教学的指标体系和评价系统——CSMS课堂自动化观察系统[10-11]。大量实践表明，它可以解决课堂观察问题。CSMS对课堂教学策略的分析数据，以及课堂文字实录，可以构成智能体交流的环境因素。

二是智能体特征归纳提取技术。参与教研的智能体人物特征对于对话有着重要的影响，可以包括学科、年级、专业身份、思维倾向、语音特征等。学科、年级、专业身份等身份类信息可以通过系统搜集教师的信息或课堂类型等方式获取，语音特征等则通过分析声纹、语言运用特点等途径获取。最困难的是教师思维倾向特征的分析，难点在于该思维特征的表征，需有教育学意义上的价值。解决此问题的一个方法是知行模型[12]，它将思维特征分为能动型、现实型、哲理型、感悟型，并提供了一种可定量和可计算的思维特征分析工具。

三是基于大语言模型的多智能体技术。基于大语言模型的多智能体技术是一个正在迅速发展的领域，已经产生了很多技术框架[13]。根据以上教研交流需求，基于大语言模型的多智能体技术特别需要关注三个方面。首先，需要建立统一的多智能体文本环境下的对话框架，并具有较强的对话管理能力。因为教研主要关注的是交流对话，并且对交流的有序性比较敏感。其次，需要智能体具备对话能力，环境内任何智能体都可以发送和接收其他智能体的消息，以启动或继续对话。这是由教研活动的自由性决定的。再次，智能体角色的自动转换。教师和其化身之间的关系，既可以是平等的对话伙伴，也可以是命令者—执行者的关系，特别是教师和其化身同在一个对话环境时，需要处理复杂的本体—化身关系。以上需求，都增加了基于大语言模型的多智能体技术的难度，其解决更是一个逐步优化的过程。

四、数字化身教研的实验研究

根据图1所示的数字化身教研的技术框架，团队开发了数字化身教研实验原型系统，并开展了初步应用实验。实验过程如下：教研交流主体上传一堂课之后，系统首先进行课堂教学大数据分析，然后自动组织一次多智能体参与的教研交流，自动生成教研交流反馈，并以文字和对应的本体语音模仿完成输出。该系统经过大量实验，取得了较为稳定的类似结果。图2呈现的是一次典型实验结果。唐老师将其执教的《不等式》课堂录像上传系统。系统首先对课堂教学大数据展开分析，待分析完成后，触发数字化身教研，其分析数据和课堂实录会自动置入环境。系统以唐老师的数字化身为主体，自动邀请教育理论专家李博士、技术分析专家刘博士，以及学科教研专家许博士这三位专家的数字化身共同开展教研交流。最终，系统输出教研交流反馈的音频和文字。

图 2 数字化身教研的输出界面(人名代表其相应的数字化身)

输出的文字结果(节选精简)如下:

唐老师化身：各位专家好，我是唐老师，非常荣幸能与各位专家一起探讨我在初中数学教学中的体验和心得。这节课呢，我主要讲述了这些内容：1.不等式的定义。介绍了不等式的定义，即用不等号连接表示大小关系的式子。2.不等式的列法。讲解了如何根据情境中的关键词来列出不等式，包括明确的不等关系和隐含的不等关系。3.不等式的解。解释了不等式的解是指使不等式成立的未知数的值,并区分了不等式的解和解集的概念。4.不等式解集的表示。介绍了用数轴来表示不等式的解集，包括画数轴、找关键点、描点、画方向等步骤。5.总结。最后对整节课的内容进行了总结，强调了不等式的定义、列法、解和解集的概念，以及解集的表示方法。期望能够得到大家的宝贵意见,特别是如何更好地兼顾不同学生的学习风格,让我的课堂能够激发每一位学生的潜能。

李博士化身：唐老师,您好。从您的分析报告来看，您在课堂上表现出了哲理型的教学风格，注重抽象概念和逻辑推理，这有助于学生系统掌握知识。您通过生活实例引入新知识，让学生更好地理解抽象的数学概念，并注重知识迁移和应用，这有助于培养学生的知识迁移和创新能力。综上所述，您在教学过程中展现了较高的教学水平和教学艺术，值得学习和借鉴。

唐老师化身：感谢李博士给予的评价和总结。我认为这些想法确实能够帮助学生在掌握抽象概念的同时，增强实践能力和创造性思维。接下来，我想请各位专家能否就我在授课中可能存在的不足或需要改进的地方，提出宝贵 的意见和建议？

刘博士化身：唐老师您好。根据您的教学分析报告,我总结出以下可能存在的不足之处：首先,“四何”运用不均衡。报告显示教师过于注重“是何”和“为何”,而较少运用“如何”和“若何”，这可能限制了学生的实践能力和创新思维。其次，学生发言时间不足。学生发言总时长仅4分13秒，平均每次发言仅4.77秒，这可能限制了学生的主动思考和表达能力。以上是我对唐老师教学中可能存在的不足之处的总结，希望对您有所帮助。

唐老师化身：感谢刘博士中肯的总结。我同意课堂互动的重要性，我会尝试在课堂上创造更多机会让学生参与进来，我会更多地引导学生思考“如何” 和“若何”，将理论知识与实际应用结合起来。许博士对我的授课有什么建议？

许博士化身：你好，唐老师。在提问类型上，教师可以增加开放性问题，以进一步激发学生的思考。从课堂互动来看，教师可以通过增加学生讨论、合作学习等方式，进一步提高学生的主体地位。以上希望对教师进一步提高教学 水平有所帮助。

唐老师化身：感谢大家的参与，我们今天的教研活动就到这里吧。

以上实验结果显示了数字化身教研的理性思维和实用价值。与实际教研交流活动相比，数字化身教研已经具备了相当的类似性。在相关话题的呈现方面,其真实性、逻辑性均达到了预期目的，这得益于系统能准确模仿参与者 的语音和思维特征，营造良好的沉浸体验。这证明数字化身教研的设计具备科学性和可行性。

五、进一步反思讨论和前景展望

(一) 数字化身教研在核心技术层面存在的主要困难

数字化身教研目前还处于初期应用、不断完善的阶段。每个数字化身(智能体)的“大脑”主要依赖大模型的能力，但大模型的能力离人们的期望值还有明显差距。现阶段的大模型还存在明显的局限性。一是可靠性不足。大模型经常犯事实性错误，这可能是因为训练数据中包含错误信息或者模型在生成文本时出现的“幻觉”现象。此外，由于大模型的训练数据是固定的，它们无法实时更新知识，可能会提供过时的信息。二是逻辑推理挑战。大模型在复杂逻辑和分析能力的测试中表现不甚理想，尤其是在进行多步骤的逻辑推理时，其准确性迅速下降。这是因为即使每一步的预测准确率都很高，但累积误差也会逐渐增加。三是语义理解局限。大模型在语义理解方面仍有待提升，尤其是在对语言背后的意义和形式的完全理解方面存在短板，在特定领域（如医学或法律）的知识掌握上也存在缺陷。四是可解释性较弱。大模型通常被视为“黑箱”，其内部工作原理不透明，导致可解释性和可调试性较弱；当输出出现错误时，由于结构复杂，很难准确找到问题所在并进行修复。

上述大模型的不足虽然会影响数字化身教研的质量和效果，但瑕不掩瑜，数字化身教研仍然代表着未来数字化教研发展的方向。随着智能体技术不断发展，其技术成熟度也会逐步提升，可以解决目前存在的交互有效性、数据隐私与安全性等问题。数字化身教研中，如何保障数据的隐私和安全等更须特别关注，因为这会涉及资深专家、优秀教师、学校执教教师等群体大量的个人数据。而对于教研这个特殊的应用领域，如何确保数字化身所提供的教学策略建议适切，有思想性，符合角色定位，符合教育标准，仍具有相当的难度。数字化身教研虽然处于初步发展阶段，但数字化身优质资源库的建设指日可待。随着相关关键技术的成熟，以及大量的资金与资源投入和时间积累，我们必将迎来由传统教研向数字化身教研转型的历史性时刻。

(二) 数字化身教研的应用场景拓展

新华社2024年8月26日发布了《中共中央国务院关于弘扬教育家精神加强新时代高素质专业化教师队伍建设的意见》，其中提出要让“数字化赋能教师发展成为常态”、[14]教师发展的关键就体现在课堂教学能力的提升上，其中最有效的手段就是教研。运用人工智能技术解决教研交流中存在的问题，是教研工作数字化转型真正落地的关键，也是数字化赋能教师发展成为常态的重要抓手。借助人工智能技术的发展，特别是基于大语言模型的多智能体 技术赋能教研，是一个可行的思路。本文通过数字化身教研技术框架设计和原型实验，来探索解决目前教研交流面临的现实问题，其理论研究和实验结果均显示了数字化身教研的应用价值，证明了数字化身教研的可行性。随着技术的不断成熟和成本的降低，数字化身教研技术有望逐渐普及，并应用到更多的学校和机构中，成为常态化的教学辅助工具，与在线教育合式学习等模式深度融合，创造更加丰富多样的教育数字化新生态。数字化身教研技术将通过推动教学研模式的创新，为教育数字化带来更多的可能性和发展空间。通过数字化身技术，让优质教育资源能够更广泛地覆盖偏远地区和教育资源匮乏的地区，促进教育公平，这更是基础教育高质量发展的应有之义。

参考文献：

[1] 中华人民共和国教育部.教育部关于加强和改进新时代基础教育教研工作的意见[EB/OL].

http://www.moe.gov.cn/srcsite/A06/s3321/201911/t20191128_409950.html,2019-11-25/2024-07-01.

[2] 刘月霞.追根溯源:“教研”源于中国本土实践[J].华东师范大学学报(教育科学版),2021(5):85-98.

[3] 李海东,许世红,刘军民.数字化赋能课堂教学评价与改进：打造教育教学研究新生态—广东省中小学课堂大数据报告暨数据开源发布会综述[J].课程教学研究,2023(10):72-79.

[4] 姜晓丹.数字化教研，让课堂教学更智能(在一线)[N]. 人民日报,2023-12-3(05).

[5] 李海东,许世红. 借助大数据对课堂教学画像[N]. 中国教师报,2023-08-16(15).

[6] Xi,Z.,Chen W.,Guo,X.,et al.The Rise and Potential of Large Language Model Based Agents:A Survey [J]. Science China Information Sciences, 2025(2),121101.

[7] Bellemare-Pepin A.,Lespinasse F.,Thölke P.,et al. Divergent Creativity in Humans and Large Language Models[J/OL]. ArXiv，

https：//arxiv.org/abs/2405.13012,2024-05-13/2024-09-09.

[8] Wang L., Ma C., Feng X., et al. A Survey on Large Language Model based Autonomous Agents[J]. Frontiers of Computer Science 2024(6):186345.

[9] 翟雪松,季爽,焦丽珍,等. 基于多智能体的人机协同解决复杂学习问题实证研究[J].开放教育研究, 2024(3):63 73.

[10] 许世红,刘军民,王时舟,等. 人工智能视域下课堂教学智慧评价:理论建构、模型支撑与技术实现 [J].教育测量与评价,2022(2): 56 65.

[11] 钟守权,耿丹青. CSMS 在课堂教学评价领域的理论探索与实践价值剖析[J].课程教学研究,2023(10):80-90.

[12] 许世红,刘军民,王时舟. 人工智能视域下课堂教学智慧评价:学习发生知行模型[J].教育测量与评价,2022(1):80-90.

[13] Wu Q., Bansal G., Zhang J., et al. AutoGen: Enabling Next-Gen LLM Applications via Multi-agent Conversations[C]. Philadelphia PA:First Conference on Language Modeling,2024.

[14] 中华人民共和国教育部.中共中央国务院关于弘扬教育家精神加强新时代高素质专业化教师队伍建设的意见[EB/ OL].http://www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202408/t20240826_1147269.html,2024-08-06/2024-09-26.

来源：《全国教育展望》2025年第10期

编辑：广东君