大模型作为颠覆性的前沿技术，正成为主导科技创新的现代化新质生产力，推动全社会催生新产业、新模式、新动能。发展教育领域垂类大模型，既是大模型在教育领域走向专业、准确和科学可靠的深度赋能，更是教育作为教书育人事业对科技应用的现实需要。

  目前，教育垂类大模型已经能够深入理解并适应不同的教学场景，在多类场景中为教师及学生提供精准而个性化的帮助，正推动教育主体、教育模式、教育内容发生范式变革。未来随着教育垂类大模型研发创新的不断深入，将进一步实现精准教学、大规模因材施教和个性化学习，助力实现教育高质量发展。

  大模型技术推动全社会

  催生新产业、新模式、新动能

  大模型技术的颠覆性的前沿技术属性，以及广泛的行业赋能特性，让其能够成为主导科技创新的现代化生产力。大模型技术的崛起，意味着人工智能从判别式发展到生成式的跨越，是里程碑式的创新。大模型能够对大数据进行训练和学习，实现机器对人类语言、图像、声音等多模态信息的深度理解和精确模拟，使得计算机可以准确而高效地理解、判别和响应复杂问题，以及提供更人性化的服务。

  大模型技术已经表现出广泛的行业赋能特性，正在为工业制造、医疗健康、金融服务、交通运输等行业和领域提供精确和个性化的解决方案，同时推动建成近万家数字化车间和智能工厂，展现出广泛的应用前景和巨大的赋能潜力。未来，大模型技术将进一步走深向实，赋能千行百业，推动现代化产业实现转型升级、提质增效。

  教育领域研发和应用专用大模型技术，既是大模型在教育领域走向专业、准确和科学可靠的深度赋能，更是教育作为教书育人的事业对科技应用的现实需要。教育领域大模型好比行业领域内的专家，拥有高超的领域专业知识和能力，能够针对该领域的任务做指令学习，更符合特定领域的需求。通过使用更加专业、深入的教育相关数据进行训练，并引入教育专业人士的参与和专业知识的指导，对教育数据进行专业的标注和注释，从而使得教育领域大模型能够更好地理解教育领域特定的术语、概念和规则，保证了输出内容的专业性、可解释性及准确性。

  教育垂类大模型推动

  教育主体、模式和内容发生范式变革

  教育垂类大模型的应用和推广，能够推动教育的主体、模式和内容变革跃升，从而形成新的教育范式。

  教育垂类大模型推动教育的主体从教师和学生，向人机交互转变。学生在答疑、做题和自主学习阶段，能够通过和大模型进行交流互动，获取所需要的知识和学习资源的智能推荐。教育垂类大模型让教育的模式由老师教、学生学，转变为学生提问，由人工智能主体引导学习。学生在做题和学习过程中，通过“人工智能问，学生答”的互动问答方式，一步步启发式引导学生掌握所需知识，从而实现自主学习。同时，教育垂类大模型推动教育的内容从传递知识转变为传递思维品质和运用知识的能力。大模型技术除了能够进行知识传授，更重要的是，通过将解决复杂问题的过程进行模拟，培养学生的探索性、创新性思维品质和实际能力，并引导学生从“学习知识”转变为“学习思考”和“学会动手”。

  数据驱动的教育垂类大模型，将通过对师生在教育教学过程中所产生的教育数据收集和分析，实现精准教学、大规模因材施教和个性化学习，推动教育高质量发展。基于数据驱动的大模型技术还能对学生的学习进程进行精确跟踪，精准识别学生的学习难点和优点，调整教学方案，提高教学效率并实现个性化教学。同时，通过智能化的教学评价，可以实现对学生学习过程和结果的全面评价，不仅有助于提高教学质量，更能促进教育公平。推动大模型技术在教育领域的研发和应用，实现科技和教育的深度融合，将推动教育领域的科技创新，提升我国整体教育水平。

  教育垂类大模型助力实现

  “精准化的教”和“个性化的学”

  教育垂类大模型在教师教研过程中，一方面能够依据教师的教学需求，提供丰富的教学资源和教学工具，生成高质量的教学设计方案;另一方面借助强大的数据分析能力，能够为教师提供基于数据的学生真实情况，让教师能够更好地关注学生的成长。在教师备课阶段，教育垂类大模型可以根据教师的教学需求，整合并提供大量优质丰富的数字化教学资源，并依据教师的教学需求，从中筛选出符合教学目标、适合老师开展教学、满足学生学习需求的数字化资源。

  教育垂类大模型除了帮助教师实现智能作业批改和分析，更重要的是能够收集学生在学习过程产生的各类数据，实现对的数据深度分析，并提供全面的反馈，进而为教师调整课堂教学安排提供科学指导和建议，提升教学活动的质量和效率。另外，教育垂类大模型还能够在课堂教学中，充当智能助教，依据特定教学场景与教师实时教学需求，提供课堂辅助问答、教学资源实时生成、开设跨学科课程，协助教师便捷开展交互式创新性的课堂教学活动。

  教育垂类大模型能够在课后练习、自主学习及智能答疑过程中，通过持续收集和分析学生的学习数据，并引入苏格拉底提问式的人机交互的方式，引导学生学习和探究，从而对学生进行更为精准而全面的教学和评价。在课后练习环节，教育垂类大模型一方面可以实现为每位学生定制化地生成课后作业，并实现智能批改和学情分析反馈，另一方面还能对练习结果进行智能分析，结合大模型的持续性分析能力，对过程和结果数据进行综合分析，从而实现大规模的因材施教。大模型还能通过大数据分析学生的学习行为和学习习惯，并且依据学生的学习需求与知识掌握情况，为学生提供动态反馈。

  未来，借助教育垂类大模型其对历史数据的记忆和分析能力，通过融合更多维度的学生数据，不仅能够根据学生的个体差异提供定制化的学习建议、课程推荐和学习路径，还能够在长期中扮演智能学伴的角色，为每一位学习者提供智能学习服务，实现大规模的精准教学和个性化学习。

  (程群 黄志强 作者：程群系首都师范大学人工智能教育研究院研究员、飞象星球人工智能研究院院长，黄志强系飞象星球人工智能研究院研究员。本文是“首都师范大学‘人工智能赋能首都教育改革与发展’科研项目-基于课堂智能分析大模型的精准教学研究”的阶段性成果。)