祝智庭教授专访（完整版深度对话）| 意义主义学习理论——人工智能时代的本质追寻与实践路径

在以人工智能为代表的数智技术持续演进的背景下，教育正经历一场深层而缓慢的结构性转变。这种变化并不总是表现为课堂形态的显著更新，而是在学习的内在机制、知识的存在方式以及教学的组织逻辑等更为关键的层面上，正在被重新定义。一些长期被视为稳定前提的问题，如学习是什么、课堂为何存在、技术在其中处于何种位置，正在重新进入讨论的中心。

与以往以“工具应用”为主线的信息化改革不同，当前的变化更接近于一种认知结构层面的重组。信息获取的门槛显著降低，知识的外部供给变得极为丰富，但理解并未因此自动深化。尤其是在生成式人工智能广泛进入学习情境之后，学习者可以在极短时间内获得看似完整的答案，这使得“是否知道”不再构成区分学习水平的关键标准。相反，“如何理解”“是否能够形成判断”，开始成为更具决定性的因素。

在这样的背景下，本次对华东师范大学祝智庭教授的访谈围绕一个核心转向展开：学习正在从以知识获取为中心，逐步转向以意义建构为核心。在这一转向之中，祝智庭教授提出“意义主义学习理论”，并在此基础上延展出“融智课堂”“叩问学习法”与“智慧素养”等一系列相互关联的概念，尝试构建一个从学习本质出发，贯通课堂实践与能力发展的整体框架。

如果需要用一个更具概括性的表达来描述当下的教育处境，那就是：技术正在压缩时间，但意义无法也不该被压缩；信息可以被快速提供，但理解与意义必须由个体生成。教育的价值，恰恰体现在这一不可替代的生成过程之中。

专家简介

祝智庭

华东师范大学终身教授，教育技术学博士生导师，享受国务院特殊津贴专家。曾任华东师范大学开放教育学院院长、教育部教育信息化技术标准委员会主任、全国教育科学规划领导小组成员暨教育信息技术学科组组长、法国布雷斯特商学院联席校长等职。现任教育部教育信息化技术标准委员会首席顾问、全国信息技术标准化技术委员会专家委员、国家级教师培训管理者发展中心学术委员会委员、联合国教科文组织（UNESCO）高等教育创新中心特聘顾问、国家开放大学特聘教授等职。主要研究教育信息化系统架构与技术标准、智慧教育与教育数字化转型理论与实践模式、数智技术赋能教师发展实践路径、技术促进教育文化变革等，是我国教育技术领域高影响力学者。

祝智庭教授专访

01

02

03

04

05

06

意义主义学习理论——人工智能时代的本质追寻与实践路径

意义主义学习理论——人工智能时代的本质追寻与实践路径

“意义主义学习理论”：

学习的本质重估

记者：在数智技术迅速发展的背景下，您提出“意义主义学习理论”。这一理论试图回应一个怎样的核心问题？

祝智庭：如果回到最基础的问题，我一直在反复思考的是：在知识获取越来越容易的当下，学习的价值体现在哪里？

过去，获取知识是一件有门槛的事情，因此“掌握多少知识”几乎等同于“学习得怎么样”。但今天，这一前提正在发生变化。学生可以通过各种技术手段迅速获得信息，甚至可以即时得到看似完整的答案。在这样的条件下，如果仍然把学习理解为“记住和复现”，那就很容易陷入一种低效甚至失真的状态。这不是说记忆不重要，而是说仅有记忆远远不够。

也正是在这样的反思中，我提出了“意义主义学习理论”（Meaningism Learning Theory，简称MLT）。与其说这是一个全新的理论，不如说是一次对学习本质的重新定位——从“知识占有”转向“意义追寻”。

需要澄清的是，强调“意义追寻”并不意味着轻视知识。恰恰相反，意义主义学习理论将知识视为意义生成的必要土壤——没有知识，意义无从附着；没有意义，知识只是僵死的堆积。二者的关系不是“二选一”，而是“筑基与超越”：知识是地基，意义是建筑。没有地基，建筑无从立起；但建筑的价值，不在于地基有多大，而在于它提供了什么样的居所。因此，意义主义并不否认知识的重要性，而是认为学习的价值不能止步于知识的占有。它追问的核心问题是：学习是否触动了心智？是否生成了价值？是否导向了实践？是否展开了生命？它超越知识观，将学习的重心安放在人的整全发展之上。

这一理论的核心命题可以概括为三条核心公理（简称3CEP）：学习即变化，变化即意义，教育即促变。更进一步，我又提出有意义学习过程的核心定律——“学习即消弭不确定性”，以及共生定律——“成功的学习滋生更多新的不确定性”。

从理论建构的层面来看，意义主义学习理论包含五大构件，形成一个自治的动态耦合结构。

第一，核心轴为3CEP原则，即变化→意义→促变的螺旋上升逻辑。学习不是静态的知识积累，而是认知结构的持续变化；变化之所以有价值，是因为它生成了意义；教育的使命，则是催化这种变化的发生。这个逻辑打破了传统“输入—输出”的线性模型，揭示了学习作为复杂系统的涌现特性。

第二，结构层为“心物基模”三元学习结构（简称3LS），揭示“对象—关系—意构”的动态耦合机制。学习不是对孤立对象的认知，而是在对象与对象之间建立关系，并在关系的建构中生成意义结构（意构）。这一结构融合了现象学、神经教育学与跨文化研究的多元视角，既具备解释学习神经机制的科学精确性，又保持对文化差异的敏感性。另一个重要结构是“心智基模”（感、知、思、行、悟，简称5CG），是意义生成的动态时序结构。

第三，评估层为十维意义空间（简称10DMS），建立多维评估框架。传统评价往往聚焦知识掌握的单一维度，而意义主义学习理论主张从十个维度（包括认知深度、情感投入、文化关联、实践迁移、创新潜能等）来评估学习的意义生成质量，实现学习维度的弹性调控。这为超越标准化考试提供了理论依据。

第四，干预层为六变催化策略（简称6CS），提供动态干预方法。这六种策略（形变、量变、质变、流变、场变、相变）分别对应变化的不同阶段和类型，帮助教师根据学习者的状态灵活调整教学策略，促进意义生成的最优化。策略的选择不是固定的，而是根据学习情境动态生成的。

第五，方法层为叩问学习八法（简称8QM），形成思维发展路径。通过精心设计的问题序列引导认知发展，八类基础性问题覆盖从事实确认到概念拓展的完整认知过程，其中分析性问题（如“为何”）特别有助于促进深度思考。神经科学研究显示，这类问题能有效激活前扣带回的特定脑波活动，为逻辑思维发展提供支持。

从学术定位上看，意义主义学习理论并非对既有学习理论的简单延伸，而是在数智技术深度介入学习过程的背景下，对学习范式的一种尝试性拓展。如果将其置于教育学与学习理论的发展脉络中，它可以被理解为在行为主义、认知主义与建构主义之后，围绕“意义生成”这一核心问题所展开的一种新取向。与以往范式更多聚焦于行为反应、信息加工或知识建构不同，意义主义更强调学习过程中理解的生成性、关联性与情境性。

当然，我更倾向于以一种审慎而开放的态度来看待这一定位。MLT并非意在替代既有理论，而是试图在新的技术与学习情境下，对其加以整合与推进，回应一个正在变得愈发关键的问题—当信息获取与知识加工日益外包于智能系统之后，学习的核心究竟还剩下什么？我认为，正是在这一背景下，“意义建构”才得以从学习的隐性维度走向核心位置。

意义主义学习理论并非书斋中的思辨，它的“早熟”特征——理论建构与工具研发同步推进——使其在诞生之初就具备了落地实施的条件。目前，以“融智课堂”“叩问学习法”和“共智体”为核心的一整套实践体系，已在国内多地中小学展开试点。首批百所学校已经启动，正在向更大规模推进。我相信，理论的价值不在“说得通”，而在“行得通”。意义主义学习理论的最终检验，不在论文的引用率，而在课堂中生命的展开。

换一个更贴近课堂的说法，学生学到的东西，只有在与自身经验发生联系时，才真正“活”起来。否则，它可能只是停留在记忆层面，很难转化为理解，更难迁移到新的情境中。在实际教学中，我们也会看到类似的情况：有些学生能够熟练答题，但一旦情境发生变化，就很难应对。这往往不是因为知识掌握得不够，而是因为缺乏意义层面的理解。知识是公有的，意义才是自己的；知识是固定的，意义是生长的。

与此同时，学习的参与结构也在发生变化。人工智能（AI）的加入，使得学习过程不再只是人与人之间的互动。很多时候，学生会在与AI的对话中形成初步理解，然后再带入课堂进行讨论。这种“先人机、再人际”的路径，正在变得越来越常见。这也带来了一个很有意思的变化：课堂不再是学习的起点，而更像是一个“意义加工场”。学生带着初步理解进入课堂，在交流与碰撞中不断将其修正和深化。

从这个角度看，学习不再是一个从“无知”到“已知”的单线过程，而更像是一个不断循环、不断修正的过程。还有一点变化，往往不那么容易被注意到，但其实非常关键，即学习的不确定性在增加。过去，我们习惯把课堂理解为一个“有标准答案”的空间，而现在，越来越多的问题本身就是开放的。这并不意味着知识变得不重要，而是意味着理解的方式在变化，学生需要面对的不是“正确答案”，而是“多种可能解释”。

所以我更愿意这样概括：学习的核心，正在从“获取确定答案”转向“形成有根据的理解”。这种转变，对教学提出了新的要求。教师不仅要讲清楚知识，还需要帮助学生建立联系、提出问题、比较不同观点。在评价上，也需要更关注学生的思考过程。例如，一个学生是否能够提出有价值的问题，是否能够对不同观点进行比较，这些往往比单一答案更能反映学习质量。

至于人工智能，我一直认为，它真正的价值不在于“替代”，而在于“放大”。它可以放大学生的视野，也可以放大他们的思考路径，但前提是，学生仍然处在主动位置。意义主义学习理论的深层价值，在于守护教育作为意义生成场的本质功能，其“道法术器势”的理论架构，既延续了中国“知行合一”的教育智慧传统，又为全球教育变革提供了新范式。说到底，技术可以替代很多，但替代不了人对意义的追寻。

“融智课堂”：

在协同中重塑学习结构

记者：在“意义主义学习理论”的基础上，您提出“融智课堂”。这一概念具体指向什么？与以往的信息化课堂相比，有哪些本质差异？

祝智庭：如果说意义主义学习理论更多的是在回答“学习是什么”，那么“融智课堂”更像是在回应一个现实问题：在这样的学习观下，课堂应该如何变化？

我之所以使用“融智”这个词，是想强调一种状态，而不是一种工具使用方式。这里的“智”，既包括人的经验与判断，也包括机器的计算与生成能力，还包括群体互动中产生的集体智慧。在融智课堂中，存在三种异质性的“智体”：教智体——教师作为“思维编织者”和“意义在场的引导者”；学智体——学生作为“主动建构者”和“意义生成者”；数智体——人工智能作为“认知放大器”和“思维脚手架”。

这三种智体不是简单的叠加，而是形成一种动态的协同关系。三者各有不同的能力禀赋：教师擅长价值判断与情境把控，学生拥有生命体验与主体意志，AI擅长信息处理与可能性扩展。这种“异质增值”的协同，使得整体智能超出任何单一智体的能力边界——教师更智慧，学生更主动，技术更贴心，这正是融智课堂的理想状态。

需要特别指出的是，这三种异质智体的协同，并非简单的功能叠加，而是可能产生“弱涌现”现象。所谓弱涌现，是指在系统的局部互动中，自发产生出整体层面的新属性或新模式——这些属性不能还原为任一单一智体的贡献。在融智课堂中，一个典型的弱涌现场景：学生的一个问题触发了AI生成意料之外的类比，这个类比又激发了另一学生的深层思考，最终形成一个在预设中并不存在的意义闭合。这个“新意义”不是教师预设的，不是学生原本拥有的，也不是AI生成的，而是在教智体、学智体、数智体三者的交互中涌现出来的。这正是融智课堂区别于“传统课堂+AI工具”的根本所在——它不只是一个教学场景，更是一个意义创生的生态系统。当然，弱涌现并非自动发生，它需要适当的“催化条件”：真实的问题情境、开放的对话氛围、适度的认知张力，以及教师对涌现信号的敏感捕捉。

这种协同也带来了新的治理挑战：如何防止AI过度介入而削弱学生的主体地位？如何在多线程的课堂节奏中保持教学的方向感？如何在开放性的探究中守住学科的核心目标？这些问题没有现成答案，需要我们在实践中不断探索边界。

与以往的信息化课堂相比，融智课堂的差异体现在以下几个维度。

第一，从“工具辅助”走向“智体协同”。在传统信息化课堂中，技术是“工具”——投影、电脑、软件，都是被动的、按指令运行的。而在融智课堂中，AI成为一个具有“行为能力”的智体，它可以主动生成内容、提出建议、回应追问。这不是“人用工具”，而是“人机共智”。

第二，从“预设流程”走向“生成性节奏”。过去，一节课往往按照既定步骤线性推进。而在融智课堂中，学生的问题、AI的反馈、讨论的走向，都可能改变课堂的路径。这种“不整齐”恰恰是真实思维流动的痕迹。课堂不再完全依赖预设流程，而是在互动中不断调整——不是无序，而是更高层次的有序。

第三，从“单一主体”走向“多元共生”。传统课堂的主体是“教师—学生”二元结构。融智课堂引入了AI作为“第三智体”，形成三元结构。这不仅是数量的增加，更是结构的质变——三者之间的交互关系不是线性的，而是网状、动态、异质的，乃至涌现的。

第四，从“知识传递”走向“意义加工”。融智课堂的定位不再是“教知识的地方”，而是“加工意义的场所”。学生带着初步理解进入课堂，在交流与碰撞中不断修正、深化、创造。课堂不是学习的终点，而是意义生成的枢纽。

如果用一句比较形象的话来说，即课堂不再只是传递结果，而是在共同经历一个理解逐渐成形的过程。人工智能并没有取代任何一个角色，而是让每一个角色都有机会发挥得更充分。教师更智慧，学生更主动，技术更贴心——这正是融智课堂对“协同中重塑学习结构”的回答。

记者：在“融智课堂”中，有哪些典型的应用样式？您能否通过具体案例，让中小学教师更好地理解“融智课堂”的理念及其实践路径？

祝智庭：如果走进具体课堂，你就会发现，虽然不同学科在表面形态上各不相同，但其内在却在发生一种一致性的变化：学习正由“完成任务”转向“参与过程”，由获得结果转向生成理解。这一变化并不是某一门学科的个别现象，而是在多种学习情境中同时显现。下面通过几个典型场景来加以说明。

在科学课堂中，这种变化首先体现为探究过程的“可展开”。过去，受实验条件限制，许多现象难以反复验证，学生往往只能接受既定结论。而在融智环境中，借助模拟与计算工具，学生可以在不同条件下反复比较与调整，从而进入“过程之中”。他们不仅能看到结果，更能够追溯结果形成的路径，理解变量之间的关系。

例如，在物理学科的学习中，学生可以借助AI模拟不同斜面角度下小车运动的变化。在提出“如果改变角度，速度会如何变化”这一问题后，学生先获得初步预测，再通过实验验证与同伴讨论不断修正理解。此时，AI提供的是一种可反复试探的环境，而教师则引导学生在“模拟—现实—解释”之间建立联系。科学学习不再是一次性的验证，而成为一个不断生成与修正理解的循环过程。

在人文学科中，这种变化则表现为理解的“多声部展开”。过去，课堂往往趋向于收敛到标准答案，而在融智课堂中，不同经验与视角被逐渐视为重要资源。当多种解释被并置与比较时，学生不仅在理解文本，也在理解差异本身，意义正是在这种张力中生成的。

例如，在语文课堂中，围绕《背影》这一文本，学生可以借助AI生成多种解读视角，如亲情表达、时代语境与叙事方式等。在此基础上，学生带着初步理解进入课堂，通过讨论、质疑与回应不断调整自己的认识。最终形成的理解，并非来自教师的统一给定，而是在对话中逐步建构出来的。文学学习的价值，也正体现在这种可以容纳多种合理解释的开放结构之中。

在合作学习情境中，这种变化进一步体现为学习的“共生性增强”。当技术承担了部分信息获取与整理任务之后，学生得以将更多精力投入到讨论、决策与整合之中。学习不再只是个体活动，而成为一个共同建构的过程。

例如，在项目式学习中，学生围绕环保方案展开设计，AI提供资料与数据支持，学生负责方案构思与优化，教师在关键节点进行引导。更为重要的是，在这一过程中，学生不仅学习知识本身，也在学习如何判断信息、如何表达观点以及如何协调差异。这些能力，构成了智慧素养的重要内容。

如果将这些不同学科的课堂情境放在一起观察，可以看到一种共同趋势：课堂正从“结果呈现的场所”转变为“意义生成的过程”。在这一过程中，人工智能并没有取代任何角色，而是重塑了角色的功能结构——教师由“知识权威”转向“学习设计者与思维引导者”，学生由“接受者”转向“建构者与创造者”，技术则由“工具”转向“认知伙伴”。三者关系的重组，正是融智课堂的核心所在。

需要指出的是，融智课堂并不存在唯一形态。不同学科、年级与学校情境，会生成各具特点的实践样式，但其内在逻辑是一致的，即让学习回归其本质：一个主动的、建构的、意义生成的过程。在融智课堂中，教师并不需要追求整体跃迁，而可以从一个单元或一个任务入手，在实践中逐步形成经验与理解。

记者：从“融智课堂”的实践来看，学习过程已经发生明显变化。那么，这种变化如何进一步沉淀为稳定的学习方式？学生如何将课堂经验转化为自身能力？

祝智庭：如果仅从课堂表面来看，这种变化似乎主要体现在互动增多或形式调整上，但更重要的，其实是学习内部机制的转变。当学生不再只是接受讲解，而是通过表达观点、比较差异、修正认识来参与学习时，一种新的认知路径正在逐渐形成。

这种路径的一个显著特征是，学习不再依赖单一输入，而是在多轮互动中展开。学生在接触信息之后，通常不会立即形成稳定认识，而是经历一个不断调整的过程：先基于已有理解形成初步判断，在交流中受到他人观点的影响，再结合新的依据进行修正。理解由此不再是一次性获得的结果，而是在反复建构中逐步稳定。

当这种过程反复出现时，学习便开始呈现出方法层面的意义。学生逐渐意识到，面对一个问题，重要的不只是“答案是什么”，而是“这一答案是如何形成的”。他们需要学会提出问题、检验依据、比较不同解释，并在多种可能中做出选择。这些活动一旦被自觉化，就会从具体情境中抽离出来，成为可以迁移的认知方式。

换句话说，当课堂中的经验能够被提炼为可重复的路径时，学习就从“情境性活动”转变为“方法性能力”。这种转变并不依赖额外的讲授，而是在真实学习过程中逐步内化。教师所能做的，是在关键时刻加以提示，使学生意识到自己正在经历怎样的认知过程。

在这一过程中，问题再次成为关键因素。正是通过不断的提问与回应，学习才得以展开，并逐渐显现出其内在结构。从这个意义上说，从课堂实践走向学习方法，并不是增加新的教学环节，而是对已有学习过程的一种深化理解。

当学生开始关注“我是如何理解的”，而不仅仅是“我是否理解了”时，学习就进入了一个新的阶段。这一阶段既是在内化课堂经验，也是在为形成更系统的学习方法奠定基础。

在更进一步的实践层面，一个关键问题在于：这些课堂经验如何沉淀为可迁移的方法与能力。围绕这一点，我尝试将意义主义学习理论的理念转化为可支持教师日常教学决策的工具体系。例如，针对融智课堂中的教学设计问题，已开发“莫比乌斯共智体”智慧协议，为教案生成、过程评价与教研协同提供结构化支持。从试点学校的反馈来看，这一协议在一定程度上降低了教师进行跨学科与人机协同设计的复杂度，也增强了教学实施的一致性与可反思性。

与此同时，相关实践正在逐步走向规模化推进。在这一过程中，一批具有代表性的课堂案例涌现出来，其价值不仅在于展示具体做法，更在于揭示当理解建构与意义生成成为课堂核心之后，学习方式本身也在发生结构性变化。这种变化，正是经验转化为能力的关键路径所在。

需要特别指出的是，这种从经验到能力的转化，不应被局限在课堂的狭小空间内。真正的学习，应该发生在数字空间、社会空间与自然空间的贯通之中。

数字空间提供无限的信息与视角。学生可以通过AI对话、在线课程、虚拟实验、全球协作，突破物理边界，获得传统课堂无法提供的认知资源。

社会空间提供真实的关系与协作。学生通过社区服务、项目合作、人际交往、社会实践，在真实互动中获得“他指意义”的确认——追问“这对他人意味着什么”，完成从“小我”到“大我”的意义扩展。

自然空间提供源初的感知与敬畏。学生通过户外探索、自然观察、田野调查、生态体验，在非人工环境中恢复感知的敏锐，重新连接意义的源初根基。

三种空间的贯通，才是“生命展开”的完整形态。在数字空间中，学生“先人机”，与AI对话形成初步理解；在社会空间中，学生“再人际”，在真实协作中检验与深化理解；在自然空间中，学生“后自然”，在源初体验中获得整体感悟。最后，学生回到课堂，在叩问与碰撞中完成意义锁定与整体意义想定。如此循环往复，每一次穿行都是意义空间的一次拓展，每一次开放于新不确定性都是生命在时间折叠中的一次展开。

课堂应是生命展开的起跳板，跳板之外，是数字空间的无限、社会空间的真实、自然空间的源初—三者贯通，生命才能真正展开。当学生能够在三种空间之间自如穿行，将课堂经验转化为可迁移的认知方式，并在真实世界中发现自我、理解他人、连接自然时，学习就从“情境性活动”真正走向了“方法性能力”，从“知识占有”真正走向了“生命展开”。

“叩问学习法”：

以问题组织理解的展开

记者：您提出“叩问学习法”，并将其作为重要的实践路径之一。与一般的提问教学相比，这一方法有何不同？

祝智庭：在很多课堂上，起点往往是教师的讲解或预设问题，学生更多处于回应的位置。这种方式容易让学习停留在既定轨道上，缺少进一步展开的空间。在这些年的课堂观察中，我越来越强烈地感受到真正能够推动学习走向深入的，往往不是答案，而是问题本身。尤其是那些来自学生的、尚未完全成形的问题，往往蕴含着进一步理解的可能。一个好的问题，往往胜过十个标准的答案。可以这样断言，没有学生问题的课堂是教育的最大问题。

也正是在这样的认识下，我提出“叩问学习法”。这里的“叩问”，可以理解为在心智基模驱动下不断追问、反复逼近，它强调的不是一次性的提问，而是一种持续展开的过程。叩问学习法包含八类基础性元问式，覆盖从事实确认到概念拓展的完整认知过程。

第一问“是何”——“这是什么？”帮助学生界定本质与范畴，确立思考对象与边界。这是最基础的问题类型，但在数智时代，它的价值在于“确认”而非“记忆”。

第二问“由何”——“从何而来？”引导学生追溯起源与语境，连接新知与已有经验。这类问题让知识不再是孤立的点，而是嵌入历史脉络之中。

第三问“为何”——“为什么？”探寻原因与目的，促进深层逻辑分析。神经科学研究显示，这类问题能有效激活前扣带回的特定脑波活动，是深度学习的第一推动力。

第四问“如何”——“怎么做？”剖析过程与机理，引导对运作规律的理解。这类问题将“知道什么”转化为“能做什么”，是知识与行动之间的桥梁。

第五问“若何”——“如果……会怎样？”假设情境与变化，激发发散与创新探索。这类问题打开了一个可能世界，让学生在假设框架中探索因果关系。

第六问“然何”——“然后呢？结论是什么？”推演后果与影响，培养系统思维与责任意识。这类问题让学生从“当下”走向“后续”，从“局部”走向“整体”。

第七问“感何”——“感觉如何？”反思体验与情感，促进价值内化与人格融合。这类问题让学习从“冷认知”走向“温热的意义”，是价值判断的重要入口。

第八问“又何”——“还有什么新问题？”拓展关联与深化，驱动概念迁移与范式突破。这类问题正是意义主义学习理论“共生定律”的实践体现——好的学习不是终结问题，而是开启新的问题。

叩问学习法的深层机制可以概括为一句话：心智基模驱动“内扣外问”，引发与心物基模之间的互应与互映。

所谓“内扣”，是向内的意义追寻——“这对我意味着什么？”“我感觉如何？”；所谓“外问”，是向外的世界探索——“这是什么？”“为什么？”“怎么做？”。两者在叩问中交织、共振，让学习的心理时序与意义结构在课堂上实时协同、相互成全。

需要进一步指出的是，一条好的“问题链”，其内在逻辑应当与意义主义学习理论的两条核心定律同构：沿着“不确定性→确定性→新不确定性”的螺旋轨迹展开。

启动于不确定性：问题链的起点不是“已知”，而是“惑”——学生感到“想不通”“说不清”的地方。这种认知张力正是学习得以发生的原动力，也是叩问的第一推动力。

穿行于确定性建构：随着“是何”“由何”“为何”“如何”“若何”“然何”等追问的推进，学习者逐步建立事实锚定、关系绑定与意义锁定，认知状态从不确定走向相对确定。这是对核心定律（学习即消弭不确定性）的操作化实现。

开放于新不确定性：问题链不应终结于“答案”，而应终结于“新问题”。“感何”让意义闭合获得情感的确认，“又何”则主动开启新的追问循环。这正是对共生定律（成功的学习滋生更多新的不确定性）的课堂实践。

与一般提问教学相比，叩问学习法的本质差异体现在以下几个方面。

第一，从“教师提问”走向“叩问文化”。在一般提问教学中，问题主要由教师发出，学生负责回答。而在叩问学习法中，问题属于每一个人——教师可以问，学生可以问，甚至AI也可以“问”。课堂的核心任务不是“回答问题”，而是“生发问题”。

第二，从“零散提问”走向“问题链”。一般提问往往是零散的、随机的，缺乏内在的逻辑关联。而叩问学习法的八类元问式可以形成“问题链”，从浅层到深层，从封闭到开放，从单一到多元，构成一个完整的认知发展路径。

第三，从“追求答案”走向“守护追问”。一般提问教学的目标往往是“得到正确答案”。而叩问学习法并不急于给出最终答案—有些问题如果过早被“解决”，反而会中断思考的延续。让问题在不同观点之间停留一段时间，往往更有助于理解的深化。

第四，从“认知加工”走向“心智全维展开”。一般提问教学主要停留在“知”的层面。而叩问学习法通过“感何”触动情感，通过“又何”开启行动与觉悟，从而实现心智基模（感、知、思、行、悟）的全维展开。

第五，从“随意发问”走向“结构映射”。叩问学习法的八类元问式与心物基模形成精确的映射关系。心物基模包含四个层次，我将其概括为“四定”：对象锚定（O层）——确认“这是什么”；关系绑定（R层）——建立“有什么关系”；意义锁定（Cg层）——完成自指意义（“对我意味着什么”）与他指意义（“对他人、对世界意味着什么”）的双重闭合；整体意义想定（M层）——在元反思中建构新的意象架构，指向未来的行动与筹划。叩问八问与此形成对应：“是何”“由何”作用于对象锚定，“为何”“如何”“若何”“然何”作用于关系绑定，“感何”作用于意义锁定，“又何”指向整体意义想定。

需要特别指出的是，“意义锁定”不只是完成“对我意味着什么”的自指闭合，更包括“对他人、对世界意味着什么”的他指闭合。他指意义是更高自觉的标志——它让学习者的意义空间从“小我”走向“大我”，从“利己”走向“利他”，从“封闭”走向“敞开”。这正是意义主义学习理论“生命展开”命题的深层意涵。

需要特别说明的是，“想定”一词借用于军事领域。在信息不完备、变数致密、时间折叠的战场环境中，指挥员通过对整体态势的判断与意象建构，形成指导行动的作战构想。这正是人类在高度不确定中展现智慧的方式。

在实践中我们会看到，很多学生一开始并不习惯提问。他们更熟悉的是“等待问题”和“给出答案”。因此，最初的关键并不是让问题变得多么深刻，而是让学生逐渐建立一种意识：问题是可以由自己提出的，而且是被课堂所接纳的。当这种氛围逐渐形成之后，问题的质量自然会发生变化，即从“这道题怎么做”，慢慢转向“为什么要这样做”，再进一步发展为“是否还有别的可能”。

在这个过程中，教师的角色也在发生转变。与其说是在提供问题，不如说是在帮助学生把问题说清楚、问深入。有时候，一个看似简单的问题，如果经过适当引导，往往可以展开为一条连续的“问题链”。例如，一个关于情节理解的问题，可能会延伸为对人物动机的讨论，再进一步关联到现实生活中的选择判断。这样的展开，并不是刻意设计出来的，而是在不断追问中自然生成的。

人工智能在这里同样可以发挥作用。它可以提供不同角度的解释，甚至帮助学生把一个模糊的问题逐渐清晰化。但关键在于，它不应成为“终止提问”的工具，而应成为“引出更多问题”的契机。如果AI给出了一个看似完美的答案，学生就不再追问，那反而是失败的。

当课堂逐渐形成这样的节奏时，学习就不再只是完成既定内容，而是一种不断展开的探索。从长远来看，这种能力具有更稳定的价值。因为具体知识可能会更新，但提问的能力，会持续影响一个人的学习方式。可以这样理解，当学生开始主动提问时，学习才真正启动。一个会提问的学生，才是真正会学习的学生。叩问学习法的精髓，不在于问题的数量，而在于问题的质量，不在于答案的正确，而在于思考的过程。

“智慧素养”：

在技术环境中保持理解与判断

记者：在人工智能快速发展的背景下，您提出“智慧素养”，是出于怎样的思考？智慧素养又包含哪些核心维度呢？

祝智庭：随着人工智能逐渐融入学习过程，我们也越来越需要思考一个问题：在这样的环境中，人本身需要具备怎样的能力？我用“智慧素养”来概括这一点。它并不是某一项具体技能，而更像是一种综合状态，是一类“元能力”，即关于能力的能力，关于学习的学习，关于思考的思考。它让人在与技术的协作中始终保有主体性。

智慧素养的培育，需要放在一个更大的时代背景下来理解。这个背景的核心张力，可以用一句话概括：时间在折叠，生命要展开。

“时间折叠”是什么意思？互联网改变了人类认知的时空结构——信息获取突破了物理限制，知识触手可及。而以大语言模型为代表的人工智能，正在带来一个更深层的变化：它开始改变人类的意义结构。过去、现在与未来被压缩进同一个认知平面，人类第一次面临这样一种处境：信息从未如此丰裕，意义却从未如此稀缺；连接从未如此便捷，沉浸却从未如此困难。

时间折叠的直接后果，是“变数致密”——变化的频率、密度、复杂度同时指数级增长。过去几年一次的技术范式转换，现在可能一年几次；同一个时空中叠加了来自过去、现在、未来的多重变化源；变化之间相互关联、相互放大，难以孤立应对。由此，“遇变”成为人的宿命——人无法选择是否遇到变化。而教育的使命，正是培养学习者“御变”的智慧——不是被动应对，而是主动驾驭。

意义主义学习理论的两条定律恰好对应御变的两个面向：核心定律（消弭不确定性）是“御过去之变”——面对已经发生、已经被理解的变化，能够将其转化为确定性；共生定律（滋生新不确定性）是“营未来之变”——不惧怕变化，反而能够驾驭变化去创造新的可能。

御变智慧的培养，需要两大策略的辩证统一。以不变应万变——在变化中守住核心，不被扰动。这并非消极的固守，而是积极的定力：无论AI如何强大，完成意义闭合的永远是学生自己；无论信息如何爆炸，深度学习的习惯不可放弃。以变对变——主动适应变化，甚至驾驭变化。这体现在课堂教学设计上：不再固守线性流程，而是采用适性多线程；不再追求整齐划一，而是在弹性中寻找生成的可能。定力与弹性，一静一动，共同构成御变能量的完整图景。

在此基础上，智慧素养包含以下几个核心维度。

第一，认知判断维度。在日常学习中，这种素养往往体现在一些看似细微的地方。例如，当面对AI生成的内容时，是否会进行基本判断，而不是直接接受；在与技术协同时，是否能够清楚自己的目标，而不是被工具牵着走；在信息纷繁复杂的情况下，是否能够提炼出真正有价值的部分。这涉及思维方式的问题：是否具备一定的批判性，是否能够从多个角度看待问题，是否愿意在不确定中继续探索。认知判断不是怀疑一切，而是在信任中保持审慎，在开放中保持清醒。

第二，技术协同维度。智慧素养不是排斥技术，而是能够与技术形成健康的协同关系。这包括：了解技术的能力和局限，知道什么时候该用技术，什么时候不该用；能够选择合适的工具解决特定问题；在使用技术时保持主动性和目的性，而不是被动地被技术引导。技术协同的核心是“人主导技术”，而不是“技术主导人”。在融智课堂中，技术协同能力直接关系到学习效果——善于与技术协同的学生，能够把AI变成思维放大器；缺乏这种能力的学生，则可能被AI的答案所淹没。

第三，伦理意识维度。技术的发展带来了便利，也带来了新的问题。如何在使用技术时保持基本的边界感，这同样是教育需要关注的内容，其中包括数据隐私的保护、算法偏见的识别、技术使用的伦理边界等。智慧素养要求使用者具备基本的伦理判断能力，能够在技术使用中守住底线。技术没有道德，但使用技术的人必须有道德。特别是对于中小学生而言，伦理意识的培养需要渗透在日常的技术使用习惯中。

第四，意义创生维度。这是智慧素养的核心。意义主义学习理论给出的回答是积极的：时间可以被压缩，但意义空间无限大。AI不是意义的竞争者，而是意义的赋能者，它可以成为学生的“思维脚手架”和“意义探索伙伴”，帮助学生在折叠的时间中找到展开生命的路径。这要求学习者不仅要掌握知识和技能，更要具备在复杂情境中生成意义、做出判断、采取行动的能力。意义创生不是凭空想象，而是在知识、经验和价值的交汇中，形成属于自己的理解与判断。

第五，文化适应维度。智慧素养还涉及跨文化理解和适应能力。在全球化和数智化的双重背景下，学习者需要具备在不同文化情境中理解和行动的能力，能够将技术工具与文化智慧相结合。中国传统文化中的“知行合一”“格物致知”等思想，与数智时代的学习理念有着深刻的内在联系，智慧素养的培养需要扎根于文化土壤。

值得一提的是，这些理念并非停留在纸面上。我们近期在某学校尝试设计了一个“生命智慧素养教育”的行动方案。其核心思路可以概括为“返本开新”——左手国学，扎根文化底蕴；右手AI，赋能意义建构；头顶意义主义，守护价值方向。方案以“时间在折叠，生命要展开”为根本张力，以“遇变是宿命，御变是智慧”为核心理念，以心物基模为意义结构的基形，以心智基模为意义过程的时序，以十维意义空间为评估的采样框架。

在培养路径上，我一直认为，不需要额外增加很多“新课程”，而是要把这些要求融入日常教学之中。例如，在使用AI的过程中，引导学生比较不同结果，在讨论中鼓励他们说明理由，这些都可以成为培养智慧素养的具体方式。教师在其中的作用非常关键，如果教师能够以一种开放而审慎的态度面对技术，学生往往也会形成类似的习惯。教师的言传身教，是最好的智慧素养教育。

这些要素放在一起，其实指向同一个核心：在技术越来越强的情况下，人是否还能保持判断与自觉。智慧素养的深层价值，在于守护人作为意义生成主体的地位，确保技术服务于人的发展。技术可以替代很多，但替代不了人的智慧；算法可以优化很多，但优化不了人的意义。

面向未来：

教育的方向与教师的位置

记者：面向未来，您如何展望数智时代教育的变革趋势？又对广大中小学教师有着怎样的期待？

祝智庭：从更宏观的角度来看，教育正在经历一场由“确定性”走向“生成性”的深层转型。过去，教育更多依托相对稳定的知识体系与线性学习路径展开，而在今天，不确定性与持续变化已成为基本特征。在这样的背景下，教育的价值不再聚焦于传递既有知识，而在于支持学习者理解未知、应对变化。换言之，教育的重心正从“掌握已知”，转向“生成意义”。

回顾前文，从意义主义学习理论到融智课堂，从叩问学习法到智慧素养，可以看到一条逐渐清晰的内在逻辑：学习并不只是理解的获得，而是指向意义的形成。

理解回答“是什么”与“为什么”，而意义进一步指向“意味着什么”以及“应当如何判断”。正是在这一递进过程中，学习由认知活动转化为具有方向感的判断能力。可以说，数智时代教育所面对的根本张力在于：技术不断压缩获取信息的时间，却无法替代意义的生成；人工智能可以给出答案，却无法完成理解的内在建构。教育的使命，正是在这一张力中，守护人作为意义生成者的主体地位。

在这样的转型之中，课堂形态也在发生变化。学习不再以单向接受为主，而是在讨论、比较与不断修正中逐步展开，学习共同体的重要性日益凸显。相应地，教师的角色也在发生转变，不再只是知识的提供者，而是学习过程的组织者与理解生成的引导者。

但如果进一步追问“教师的位置”，其关键并不只在于角色转型，而在于一种更为根本的结构性定位：在一个“答案日益充足”的时代，教师是确保学习不滑向表层化的关键力量，是连接“获得信息”与“形成理解”再到“创生意义”的中介者与把关者。

也就是说，技术可以参与教学过程，但无法替代以下几件事情：对问题的有效提出，对理解过程的持续追问，对不同观点的辨析与整合，以及在关键节点上对学习方向的校准。这些，正构成教师不可替代的专业核心。

从现实变化来看，这种转向已经在评价体系中有所体现。近几年的高考命题，尤其是2026年的高考命题风格，已从单纯考查知识掌握，转向更加重视情境理解、信息整合与综合判断能力。试题不再只是检验“是否知道”，而越来越强调“能否解释”“如何判断”。可以说，这种变化在某种程度上构成了教育转型的风向标，也对课堂教学提出了直接要求：如果学习仍停留在知识复现层面，就难以支撑新的评价取向。

这也进一步凸显了教师的位置：教师不仅是教学活动的实施者，更是学习质量的“守门人”。他们需要判断：学生的理解是否真正发生，意义是否得到建构。

从发展趋势来看，有几方面变化值得关注。首先，学习路径将更加个性化。人工智能可以提供更加精细的学习支持，但也更容易使学习停留在“高效完成任务”的层面。因此，教师需要在个性化支持之外，持续引导理解的深化，避免学习被技术“效率逻辑”所主导。其次，学习将更加跨学科与情境化。复杂问题需要多维视角，这要求教师不仅要理解学科内容，还要能够组织问题情境，帮助学生在不同知识之间建立联系。再次，评价将更加关注过程与依据。随着命题方式的变化，理解的形成路径、证据的使用方式以及判断的合理性，将成为重要评价维度，这也要求教师在日常教学中更加重视这些方面的培养。此外，终身学习能力将成为基础性要求。在持续变化的环境中，个体能否不断生成新的理解，将直接影响其发展质量，而这正是智慧素养所指向的核心。

当然，在所有变化之中，有一点需要始终保持清醒：教育的根本始终指向人本身。用更为直接的话说就是，人工智能可以给出答案，但无法替代人去理解这些答案意味着什么。技术可以改变学习方式，但不能决定学习的意义。教育最终面对的，始终是具体的人，以及他们如何理解世界、作出判断，并在变化中找到自身位置。

因此，可以将教师在数智时代的位置做一个更为简要的概括：教师不是知识的传递者，也不仅是学习的组织者，而是理解的引导者、意义建构的支持者，以及学习方向的校准者。

在新机遇和新挑战并存的时代，广大中小学教师需要以开放的态度理解并使用技术，但更重要的是要坚守教育的根本立场——引导学生从获得信息走向生成理解，并在理解的基础上建构意义、形成判断，这正是教师在数智时代最不可替代的价值所在。

访谈后记：

本次访谈围绕意义主义学习理论、融智课堂、叩问学习法与智慧素养展开，呈现了一条从理解生成走向意义创生的学习路径。

或许正如文中所强调的那样，在一个知识愈发充足的时代，真正稀缺的，不再是知识本身，而是对知识的理解能力、在理解基础上形成的判断能力，以及在时间折叠的情境中驾驭变化、促进生命有意义展开的智慧。

意义主义学习理论的深层价值，正在于守护教育作为意义生成场的本质功能。它既延续了中国“知行合一”的教育智慧传统，又为全球教育变革提供了新范式。正如祝智庭教授所言：“人工智能可以给出答案，但无法替代人去理解这些答案意味着什么。技术可以压缩时间，但不能替代生命在意义中的展开。”

（魏宁 北京市东城区教育科学研究院研修员、高级教师）

文章刊登于《中国信息技术教育》

2026年第15期

引用请注明参考文献：

祝智庭,魏宁.意义主义学习理论——人工智能时代的本质追寻与实践路径[J].中国信息技术教育，2026（15）：4-14.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志