未来社会将选择什么样的人才？以深度求索为代表的人工智能大模型正在向人们揭晓答案。当知识变得随时随地可获取，“知道什么”似乎显得不再那么重要。因此，主动适应“人机协同”模式下人类思维方式的转变，既是重新设计学习系统的契机，也是每一位教育者必须直面的重要命题。

大模型背景下的人类思维方式新特征

当下，传统的以“知识累积”为目的的学习方式已无法满足数智时代对人类思维方式的全新要求。在人工智能参与的学习模式中，人类思维方式呈现出以下三方面的新特征。一是认知负荷转移增强协同效应。人们可以将传统的“记忆”“计算”“逻辑推理”等信息处理工作转交大模型处理，自身则更多扮演“认知导演”的角色，进而将主要精力用于信息的“筛选”“验证”及“重组”等方面。这样的方式能够将人类擅长的感性思维与计算机擅长的精准计算相结合，从而形成“思维增强”效应，为人类作出思维缜密的决策提供有效支撑。二是提问能力提升激发创造力。为了解决实际问题，人们需要不断“调整”“修正”适用于人机对话的有效提问方式，推动了思维方式由“知识获取”向“主动提问”的转变。经过人机协同过滤信息、识别主要概念、快速试错迭代等，人们能够在人工智能生成的多个备选方案中“激活”创作灵感，使得自主生成更有创意的作品成为可能。三是显化思维过程实现有效监控。长期以来，人类自身思维逻辑的推演过程一直处于“黑箱”状态，无法实现“可视化”审视思维盲区。在向人工智能提问的过程中，人们通过观察大模型“深度思考”的逻辑推理链条，为反思自身思维过程的“可解释性”和“透明性”提供了可能，进而将寻求更加可靠的证据和有效的推理方式作为对自身思维过程的一种反向思考和监控手段。

适应全新思维方式的学习机制

面对技术进步对人类认知提出的新挑战，教育领域需要作出适应性调整，培养适应人机协作的新时代学习者。美国认知心理学家、人工智能之父赫伯特·西蒙指出，用“信息加工过程”解释人类的复杂行为，是认知心理学与计算机科学相结合产生人工智能新科学的主要特征。因此，参照最新有关信息加工的生成性认知理论模型，以典型的“选择—组织—整合”模型（Select-Organize-Integrate，简称SOI）为代表，对于揭示技术支持下的学习发生机制具有重要的启示意义。

一是信息的筛选。大模型所支持的人工智能工具通过筛选高质量资源避免信息过载，生成文本、数据、图像等多模态信息，帮助人们快速识别核心概念、降低认知负担。这为未来教育中关于“学习内容的选择”提供了重要参考，即教师可以事先承担重复性认知劳动、经过筛选获得高质量的信息以供学生“选择”，从而有效支撑学生高级思维技能的发展，完成信息来源的“识别”“评估”“整合”。

二是信息的组织。人工智能工具经过全网搜索提供跨领域的知识链接，促使人们更加关注知识之间的关联性，打破传统静态知识体系的壁垒，使知识结构实现“碎片化”重组。这为未来教育中关于“学习内容的组织”提供了重要参考，即教师可以引导学生建立两种联系：建立新知识内部各部分之间的内在联系和新知识与已有知识之间的外在联系，从而推进学生原有知识经验与从环境中接收到的信息相互作用的过程，这也是学习真正发生的关键生成机制所在。

三是信息的整合。人工智能工具通过整合来自大模型的全方位数据来源、深度联结并创造性输出问题的解决方案以供人们选择。这为未来教育中关于“学习生成的结果”提供了有价值的参考，即从传统的纸笔测验到生成个性化的真实“作品”，要求未来的学习允许学生的学习结果能够以具体的形式呈现，如一份报告、一件艺术作品或一份设计方案等，这些都将表明学习的输出结果不再是“束之高阁”的知识储备，而是要能够变成“为我所用”的思考、实践过程的直接产品。

面向未来的适应性学习设计与实践

未来的教育需要将培养学习者在生成性学习过程中的思维方式作为创新教学方法的核心，同时促进教师教学角色、学生学习责任、课程内容功能、评价目的与过程以及师生关系等方面的协同转变。那么，教师在教学实践中具体应该怎么做？

一是精选教学素材，帮助学生“感知”内容。从生成性学习理论出发，只有高质量的学习“输入”才能导向高质量的学习“生成”结果。在信息加工过程中，人们通过“搜索”解决具体的问题。当教师呈现那些最能引起学生“注意”的重要知识时，就能为学生的学习生成指明方向。例如，在具体教学中，教师将学习内容进行结构化组织并以学科“大概念”为标识，这是一种重要的学科思维导向的认知路径，对学生“识别”关键信息起到重要的锚点作用，也是促进学生今后进行自我学习的重要“生长点”。

二是精心运用策略，帮助学生“建构”思路。按照认知心理学的观点，研究“初级信息”的加工过程与高级层次的“思维策略”之间的关系，是指导教与学发生的关键。这种由“外在”的信息组织形式向经大脑加工后形成的“内部”新认知结构的转变，需要借助学习“工具”使思维的生成过程可视化。例如，总结（Summarizing）、制图（Mapping）、绘画（Drawing）、想象（Imagining）、自我测试（Self-testing）、自我解释（Self-explaining）、教学（Teaching）以及扮演（Enacting）等学习策略，都有助于促进学生在学习的生成过程中参与思维活动，推动知识的整合。

三是精准运用评价，帮助学生“体验”成果。大模型的即时对话与反馈模式使人们能够及时调整方向、快速试错学习，在未来的学习设计中也应当将持续性评价嵌入学习的各个阶段，帮助学生获得有关学习成果的即时反馈。在具体的教学实践中，教师可以整合多种形式的评价方式，针对不同的评价目标采用不同的评价方法。例如，低阶思维的单一技能可采用课堂问答、知识测验、技能测验等方式；比较高阶的思维技能需要借助绘制思维导图、概念地图等方式使思维过程可视化；最终指向素养形成的测评，则需要运用表现性的任务，如撰写学习反思报告、学科实践活动方案、研究性学习报告等，基于真实的问题情境考查学生的学科思维及方法的具体应用水平。

（作者单位系西北师范大学教师教育学院；本文系甘肃省教育科学“十四五”规划课题“‘学为中心’的课堂教学路径研究——从教师的视角最大程度地促进学生学习”的阶段性研究成果，课题编号：GS〔2021〕GHB1020）

《中国教师报》2025年07月09日第14版

作者：舒文娟