从被动学习、主动学习到协同学习：基于7E模型的人工智能赋能《广告媒体研究》课程教学实践探索

摘要

在传统被动式教学向主动式学习转型的趋势中发展起来的7E模型，从科学教学领域向人文社会科学教学领域迁移时，原本边界清晰的顺序过程呈现出新的特点。7E模型在人文社科领域课程教学实践中的变化主要表现为，“Explore-Explain-Elaborate”等环节呈现出同时发生的特点。人工智能在知识传授上的明显优势，对高等教育课程教学提出的挑战中，既有以学生为中心的主动式学习潜能激发问题，也有基于知识传授的单向师生关系向基于创新引领的双向协同师生关系转变问题。基于7E模型的人工智能赋能《广告媒体研究》课程教学实践探索结果表明，7E模型整体激发了学生的主动式学习潜能，提升了学习效果，同时基于学生主动学习意愿差异，其效果也呈现明显差异。未来，7E模型在高等教育人文社会科学领域课程教学探索，需要重视如何激发、约束少部分主动学习意愿较低学生，以避免出现两极分化现象；进一步探索知识传授职能向创新引领职能的教师职能变迁过程中，基于新型师生关系的协同学习范式。

关键词

7E模型 人工智能 主动学习 协同学习 师生关系

Abstract

The 7E model, which emerged from the shift from traditional passive instruction to active learning in science education, exhibits distinct characteristics when applied to humanities and social sciences education. In this context, key phases of the model—particularly Explore, Explain, and Elaborate—often occur simultaneously rather than sequentially. The growing role of artificial intelligence in knowledge delivery presents significant challenges for higher education, including the need to effectively stimulate students’ potential for active learning and to transform the traditional one-way teacher-student dynamic into a two-way, collaborative relationship centered on innovation guidance. Findings from an AI-enhanced teaching practice of the course “Advertising Media Research,” based on the 7E model, indicate that the model as a whole enhances students’ engagement in active learning and improves learning outcomes. However, these effects vary significantly depending on individual differences in students’ motivation to engage in self-directed learning. Future applications of the 7E model in humanities and social sciences courses should therefore focus on strategies to motivate and support students with lower levels of active learning willingness, so as to prevent academic polarization. Furthermore, it is essential to further investigate the evolving role of instructors—from knowledge transmitters to innovation facilitators—and to develop collaborative learning paradigms grounded in this transformed teacher-student relationship.

Keywords

7E Model Artificial Intelligence Active Learning Collaborative Learning Teacher-student Relationship

自2023年人工智能（特别是生成式人工智能）爆发以来，人类社会面临自工业革命和互联网浪潮以来最大的冲击：人工智能逐渐成为改造全社会各领域运行逻辑的底层架构和核心驱动力。在教育领域内，广告学本科教学和研究、广告产业发展原本依赖的经验模式、创意模式、效果评估模式、产业运行模式等均受到根本性挑战，倒逼高等教育广告学本科教学必须从教学目标、方法、评估、优化、模型等方面进行适应性调整。本文结合与人工智能具有较高适配性的7E教学模型在人工智能时代的进展，在《广告媒体研究》课程教学中探索将人工智能应用贯穿教学全过程的可能性，以期为高等教育广告学本科教学提供基于人工智能冲击的突围路径。

1从5E到7E：人工智能时代高校课程教学对学生主动性的新需

针对传统教学方法不考虑学生的差异和主动性进行普遍性灌输导致的被动学习和僵化弊端，受认知建构主义、社会建构主义和发现学习理论影响的建构主义教学研究主张，承认学生在学习任何知识之前具有的独特知识结构的重要性，发挥学生的主动性，重构教师和学生的关系。1962年，美国生物科学课程研究会（Biological Sciences Curriculum Study，BSCS）J. Myron Atkin和Robert Karplus首次提出“学习环”模型，将教学过程分解为“探索—概念引入—应用”三个阶段。20世纪80年代，受到建构主义教学法影响，BCSC将其扩展为5E（Engage-Explore-Explain-Elaborate-Evaluate）模型，并写入《美国科学教育标准（1996）》，成为美国科学教育的核心框架。进入21世纪，STEM（科学、技术、工程、数学）教育和项目式学习（PBL）强调跨学科整合，5E教学法在复杂任务中表现不佳，需要更系统的知识延伸和评估方式。2003年，美国科学教育家 Arthur Eisenkraft在5E基础上增加 Elicit（激活前知） 和 Extend（延伸拓展），形成7E（Elicit-Engage-Explore-Explain-Elaborate -Evaluate-Extend）模型。[1]

从传统教学法到5E、7E模型，教学活动的中心逐步从教师向学生转移，学生不再是被动、均质的知识接受者，而是从一开始就承认学生之间的差异，在评估具体学生前知识结构和经验基础上制定针对性教学活动。教师角色从原本具有权威性的知识传授者和评价者，转为学生知识结构的评估者、知识准确性确认者、学习深度引导者、跨学科知识迁移协同参与者等角色。这种以学生为中心的教学思路，充分调动学生主动性，调整教师与学生的教学互动关系，并将教学过程看作一种包含教师与学生之间、学生与学生之间，乃至学生与社会之间的多元创新互动过程，极大提升了教学过程的针对性、协同性、创新性和过程性特征。7E教学法对学生自主性的重视，教学过程的针对性、协同性、创新性和过程性特征，已经成为包含中小学教育、职业教育和高等教育在内的美国教育系统重要教学法，并在全球范围内引起广泛关注、实践，获得良好反馈。[2]

国内对7E模型的研究主要在应用层面，并尝试提出具有差异化的优化模型。李祎等人针对小学数学教学存在的问题，基于7E模型进行了优化和再设计，从教学内容重组与问题驱动、个性化学习路径、智慧学习环境、经验活动积累四方面进行补充和完善，构建了“2P—7E—2E”小学数学智慧教学模型。[3]罗湘忠等人在中学各阶段不同科目对7E模型的实践，均表明其有利于提升学生的自主性和学习效果。[4]彭宇等人将7E模型应用在外科护理学临床见习教学、诊断学问诊教学等生物医学专业领域，发现其明显提升学生的自主学习能力与共情能力、改善沟通技能，提升教学效果。[5]梁鹏等人利用7E模式赋能实验教学过程，发现其有利于学生“沉浸式”参与教学各个环节，提高学生学科核心素养，培养学生探索能力和创新思维，提升实验教学“两性一度”——高阶性、创新性和挑战度，助推新工科背景下一流专业建设和人才培养模式改革。[6]相比之下，高等教育领域内对7E模型的研究与实践较少。其中，张梅等人在高等教育计算机、专业英语等课程教学中，通过对照组研究发现7E教学法明显优于常规组。[7]

伴随人工智能日新月异的发展，无论是既有的传统学科教育，还是针对人工智能时代社会对人才提出的全新要求，教育领域内既有教学法都面临多重挑战。其中，既有人工智能强大的搜索并即时给出答案的能力对教师原有知识权威地位的挑战，也有人工智能在识别、应对、回应不同学生特点并给出针对性方案方面对原有教师的颠覆性超越，还有游戏化学习方案对学生学习兴趣、时长的显著提升与传统教育激励的失效之间的此涨彼落。最值得注意的是，人工智能时代对多维度创新的特殊要求，对教师教学法和教学模型的人工智能适应性改造提出了严峻挑战。整体来说，人工智能时代，知识传授的基本教学功能已经部分可以由人工智能相关设备提供，如何激发学生学习主动性、充分链接学生既有知识结构、提升学生的跨学科知识迁移创新能力、促进师生和学生之间的协同创新性学习，成为人工智能时代教学模型适应性的重要考察维度。[8]以此观之，7E教学模型以其强调学生中心、学生主动性、学生差异性、知识迁移创新、多元互动、师生协同等特点，有望成为适应人工智能时代教学要求的基本教学模型，需要将其拓展至高等教育及人文社会科学专业领域，以期在模型适用性、过程和效果方面获得新的进展。

2广告学本科高年级课程《广告媒体研究》对学生主动性的要求

伴随新闻传播学在社会需求、专业壁垒、就业薪资等方面的问题引起的争议，广告学专业的发展也面临诸多挑战，近年来诸多高校撤销了广告学专业。[9]一方面，以抖音、小红书等短视频社交平台为代表的新型媒介成为改造整个社会的重要力量，表明业界对包含广告学在内的新闻传播学学科具有巨大专业人才需求；另一方面，新闻传播学及广告学专业现有的课程设置、师资配置、培养目标、理论和技能的培养等方面改革滞后，导致毕业生无法满足业界需求而被诟病缺乏专业壁垒。对广告学本科来说，生成式人工智能在图文输出效率和质量突飞猛进背景下，广告学以往重视的广告策划、文案、图像处理、投放、市场营销、广告公司管理等课程均需要针对人工智能发展作出相应调整。从以往作为核心培养目标的广告专业实操技能培养角度，长期占据专业课程设置核心的大众传媒相关技能重要性普遍下降，甚至学生在校期间流行的媒介类型很有可能在毕业后成为被淘汰的媒介类型。这种普遍的困境，使广告学本科培养目标不得不考虑在具体技能之外，如何提升学生理论方面的洞察和创新能力，以适应日新月异的技术变迁对从业人员提出的新要求。在此背景下，广告学本科高年级课程《广告媒体研究》通过以媒介类型特征、差异和变迁为线索展开的媒介发展趋势考察，成为实践人工智能时代广告学本科课程改革的重要抓手。

目前，国内高校开设《广告媒体研究》课程的学校主要分为两大类。第一类，聚焦广告媒体类型分类研究，从不同媒介类型对广告的不同要求入手，讲授相关设计、创作、投放等知识，偏向实践操作。第二类，根据广告学本科课程设计已有实践操作课程内容，将本门课程转为以理论为核心，重在辨析媒介变迁内在逻辑和未来趋势，以提升学生对不断涌现的新型媒介类型的洞察力，适应未来工作面临的未知挑战。[10]江西师范大学广告学本科作为国家首批一流专业建设单位、江西省唯一五星级专业，大量实践课程为学生提供了充分的业务实操技能培养课程。通过以赛促教，多年来在大广赛等主流赛事获奖等级、作品数和人数均保持华中地区和江西省内标杆地位，验证了学生良好的实践操作能力。相比之下，理论水平、面向未来的媒介洞察能力、可持续发展能力成为学生短板。“1998 年成立的媒介环境学会( Media Ecology Association) 在其官网引用纽约大学教授尼尔·波兹曼的话来定义媒介环境学: ‘媒介环境学研究媒介传播如何影响人类的感知、理解、情感和价值， 以及人类与媒介之间的互动如何增进或阻碍我们生存的机会。’媒介环境学派的出现和发展打破了经验主义学既有框架， 将关注的焦点从媒介内容及其传播效果转向媒介本身， 主张从传播技术出发， 探讨媒介与人类社会文化之间的相互关系。”[11]为进一步提升学生理论水准，《广告媒体研究》以媒介环境学为理论依据，通过阐释媒介类型和媒介变迁梳理媒介发展的内在逻辑，提升学生理论水平、理解新型媒介的洞察力和可持续发展能力。以此为目标，《广告媒体研究》课程基于对7E模型的深入理解，对理论课程以记忆为核心的常规做法进行调整，以构建学生自主知识结构为核心，鼓励学生综合运用各种最新人工智能工具，通过课上课下自主性探索，提升师生之间、学生之间的多元多维互动，实现教学改革的协同创新。

37E模型应用于高等教育人文社会科学教学实践中的适应性调整

7E模型强调以学生为中心，要求教师充分了解、尊重学生学习实践过程的个性化特征，通过各种手段调动学生学习自主性，要求教师根据学生能接触、愿意接触的人工智能类型，进行合理调试，突出重点。《广告媒体研究》课程一般安排在大二下学期或大三上学期，学生已有一定的专业知识积累，但是由于受到社会及学生普遍认为广告学以实践技能学习和操作为核心的观点影响，对理论素养在媒介技术飞速发展的当下的重要意义认识不足。与此同时，由于社会特别是高校普遍强调学生在完成课程作业过程中谨慎使用人工智能，导致学生对新技术敏感性不足，对人工智能工具了解不多。基于上述现状，本课程在教学设计中，淡化了7E模型中的Explore中的“合作”维度和Explain中的“建构”维度，重在调动学生的自主性学习兴趣，养成自主性学习习惯，在Evaluate中通过将记忆考察转向理解考察进行综合考试改革。

需要注意的是，7E模型作为来自理工科教学的模型，内部各环节之间的边界、递进关系更为明确，而人文社会科学教学在应用时各环节之间会出现交叉在所难免。人工智能赋能《广告媒体研究》课程教学时并不一定需要在各个环节进行边界、递进关系清晰的应用。分析学生利用人工智能工具后的效果（以笔记和考核文本为依据）时发现，原本具有明确顺序关系的7E模型各环节，在人文社会科学教学中呈现出不规则的发散性态势。这一现象表明，7E模型在人文社会学科教学中仍然有效，但Elicit-Engage环节之后的其余诸环节（Explore-Explain-Elaborate -Extend）并不一定需要按照理工科教学严格顺序依次进行，不同学生的兴趣、偏好等差异会导致其在不同环节（维度）的获得有明显差异。由此，原本具有严格顺序的7E模型各环节，在人文社会科学教学应用中呈现出顺序环节和发散性维度并行的特征。（图1）

4基于7E模型的人工智能赋能《广告媒体研究》课程实践

在进行具体教学实践之前，本课程对原有课程知识图谱进行了重构，基本依据是从原有的记忆性要求向理解性要求迁移。理解性要求意味着，原有课程具体知识点记忆不再是课程教学的核心，而是将学生对知识点在整个知识图谱中的位置及不同知识点之间的关系的掌握作为课程教学的核心。例如，原课程教学“人工智能”一节主要讲述人工智能的发展、与广告的关系和人工智能的技术分层、初步应用，偏向知识性记忆；调整之后的课程教学则将核心放在学生对人工智能技术发展中大模型、成本、效率之关系的理解，重点理解MoE（Mixture of Experts，混合专家模型）应用层发展趋势，结合主流人工智能应用软件中的广告渗透，启发学生思考，基于广告所面临的包含创意、创作、投放、优化、评估、伦理、法规等方面的系统性变革挑战，广告学专业从业人员该如何应对。[12]考虑到学生对人工智能相关知识及应用较为陌生，更难以从广告学专业角度进行思考，课程教学过程淡化了模型应用的分类、差异，强调学生在教学全过程在课堂、作业、备考环节的高频率使用，以养成学生日常使用人工智能解决问题的习惯。

4.1Elicit

7E模型在5E模型Engage环节之前加入Elicit环节，是基于学生既有知识结构对其吸收新知识信息有重要影响的考虑，具有鲜明的个性化特征。在教学过程中，这一环节主要通过课堂提问，通过不同学生对同一现象、概念或理论的了解情况、深度作出基本评估。课程第一节《广告媒体通论》通过引入社会舆论（如张雪峰言论：“全国本科目录中，闭着眼睛摸一个，都比新闻学好。”）对广告学专业的看法，请学生对广告学人才培养模式进行讨论，结合以往学习课程对自我进行评估。[13]就腾讯、阿里巴巴、字节跳动等互联网企业的收入来源，请同学们发表看法。在学生讨论发言后，教师介绍2025年国家市场监管总局发布的数据显示，全国事业单位和规模以上企业广告业务收入首次突破2万亿元，达20502.1亿元，比2020年收入规模实现翻一番，年均增长率达16.8%，行业发展前景广阔，强化了学生对本专业的信心。[14]在《前沿：人工智能和元宇宙》一节课堂发现，90%以上同学知道人工智能，只有少数同学对元宇宙有了解，对两者与广告专业的关系则基本没有认知。上述情况表明，学生对媒介技术发展不敏感，对上述技术对广告专业影响的认知不敏感，需要加强专业敏感性，在日常生活中感知广告专业的存在感，进而推动学生自主探索相关信息。

4.2 Engage

本课程为激发学生自主学习激情，主要以有趣、亲近为标准选择案例。有趣方面，《广告媒体通论》引述广告定义变迁时，首先从可口可乐进入中国时的第一个译名“蝌蝌啃蜡”及当时的漫画入手，调动学生兴趣，进而指出可口可乐公司作为一家饮料企业，广告在其发展中的核心地位，激发学生对成为广告从业者的自豪感。《新型智能媒体：抖音、微信》一节，以同学们都会使用的抖音入手，请同学们结合自己的使用体验，分析抖音和视频时长、算法、游戏的关系，甄别到底什么是短视频。基于所有同学都理解抖音算法的重要性的现状，教师帮助学生梳理字节跳动的算法发展（首先开始于今日头条），并指出张一鸣创业成功与微创新的关系，引起学生的很大兴趣。有不少同学很快指出抖音具有类似游戏的强制性特征，即不滑动就无法继续使用或无法忍受重复内容和声音等。至于抖音与视频时长的关系留给学生作为课后作业进行个性化探索。

4.3 Explore

根据某一课题依靠各种工具进行探索，是主动性学习的核心环节。本课程以课堂随机探索和课后作业探索、课程重点内容探索三种形式展开。由于课时有限，本课程淡化合作维度，强调学生自主探索。课堂上遇到学生不熟悉的概念，立即请学生开始搜索，并大声朗读相关内容，并请其他同学进行补充、讨论，有效活跃了课堂气氛。在课程重点内容探索中，所有同学均需根据个人理解整理相关核心概念及内容。其中，大部分同学都对来自两个以上人工智能工具给出的答案进行综合，部分同学还下载相关学术论文进行深入研究。例如，《广告媒体类型：媒介的视角》一节主要介绍媒介环境学相关知识，有同学对媒介定律和尺度等概念非常感兴趣，在中国知网下载了数篇论文进行总结分析。《传统平面媒体：报纸、杂志和书籍》一节，2023级本科生黄林怡根据教师提问深入思考互联网时代的平面化问题，结合大广赛等赛事案例，在“健胃消食片”广告创意中融入互联网时代标记，用“一键消除”来表达产品功能。《新型智能媒体：人工智能和元宇宙》一节，有同学细致总结杭州六小龙的发展，分析ChatGPT和DeepSeek的差异，深入了解华裔女科学家李飞飞主导的空间人工智能进展，受到很大激励。上述内容已经超出课程基本要求，属于主动性探索，学习效果良好。

4.4 Explain

解释环节是师生互动的重要一环，也是教师传统职能在人工智能时代的延续。7E模型对主动性学习的强调意味着，教师解答学生疑问的单向输出要转向对学生主动性学习的信任，引导学生提出高质量问题、互相解惑，并在师生互动中为教师提供有启发的思路，形成真正的师生协同互动。人工智能时代，原本被教师或书本垄断的知识成为学生可以触达的知识库，只要学生善于提出问题，就能得到全世界范围内既有知识网络的支撑，也完全有可能为教师提供全新的知识资源或线索。由此，原本单向严格的师生边界被打破，走向了师生协同互动。《传统网络媒体：网站、论坛和博客》一节，有同学提问，既然论坛有非常好的互动属性，为什么现在消失了？针对这一问题，教师从论坛发展历史入手，结合当时的社会舆论环境，指出论坛消失既有现实网络管理原因，更多原因在于技术本身的发展。另外一个同学指出，论坛其实还在，比如豆瓣小组等，但转入地下传播，诸多亚文化传播仍偏好论坛这种类型，只是形式更为多样化。第三位同学则直接指出，视频时代，看文字太累了，论坛典型的跟帖形式并不适合图像传播，例如网络热梗“你为什么可以发图”。教师虽然理解文字时代和图像时代的差异，但论坛形式与图像时代的关系尚未深入思考，对教师是一种启发。这是一种典型的协同互动，为教师后期科研提供了有益的思路。

4.5 Elaborate

对具体知识进行跨学科、跨领域的迁移能力，是判断学生对相关知识理解程度的重要维度，也是培养创新思维的重要维度。人工智能时代，相关学科的边界不断融合、互动，相关知识也常常越出新闻传播学相关边界，需要学生将具体语境下的知识有效迁移到新的情景中，逐步拓展和调整知识结构。广告与技术的发展密切相关，广告的定义也一再随之变迁，从文字、图像到多模态并存，广告学研究与实践需要不断打破边界，实现具体知识的情景迁移，在边缘处寻找创新路径。《传统平面媒体：报纸、杂志和书籍》一节，面对传统平面媒体共同的“平面化”特征，教师引导同学们思考二维动画、三维动画及拍摄视频的差异。《前沿：广告边界的消失》一节，有同学指出，以往百度等互联网媒体主要通过竞价排名广告获得收益，虽然有很多负面影响，但消费者至少可以选择。人工智能时代，如果我们想了解某一类产品，人工智能给出的答案插入了广告，我们可能无从分辨，加大了消费者的风险。针对这一问题，其他同学则给出加注广告标签等监管意见。教师指出广告的依附性特征在人工智能时代仍将持续，而且更为隐蔽，例如科幻电影中广告已经作为实物出现在角色身边，而且可以随意更换，很多时候已经无法分辨广告与我们需要的信息的区别。[15]这些问题不仅需要实际的执行策略研究，还对广告学研究边界这一专业问题提出了挑战。多方互动中，师生对人工智能以及未来可能的新技术对广告的影响有了更清晰的认知。

4.6 Evaluate

传统广告学教学、研究与实践均严重依赖经验模式，评估环节虽然引入了量化研究以提升准确性，但量化研究往往需要投入较长时间、精力和经费才能获得科学结论，限制了广告学学科的科学化水准提升。人工智能时代极大提升了对大规模数据进行搜集、整理和评估的自动化程度，为改变传统广告学效果评估的弊端提供了新的可能性。例如，人工智能时代，原本基于数字留痕和搜索规则通过后台进行技术处理提升搜索效率的SEO（Search Engine Optimization，搜索式引擎优化），跃迁至GEO（Generative Engine Optimization，生成式引擎优化）阶段，不仅效果更佳，而且对从业人员的要求也从网络技术偏向走向语义理解偏向，降低了人文学科学生进入该领域的门槛。[16]在GEO基础上进一步进行GEM（Generative Engine Marketing，生成式引擎营销）则直接改变了广告创意、创作的逻辑，将原生广告对消费者的影响进行了前置和内置以降低消费者对广告可能的排斥、警惕、怀疑情绪，提升广告对消费决策的影响。[17]

学习效果评价可分为平时和结课两个部分，这是高等教育课程教学极为关键的一环。传统教育平时评价主要是课堂签到、课堂表现、作业等相对表面的表现，结课考试或考核主要考察学生记忆。人工智能时代上述内容仍然重要，但更关注基于理解的学生实际的学习效果，将记忆放在次要位置。本课程通过要求学生根据每一节课的知识要点，借助人工智能工具和中国知网等工具自行整理相关概念，并手写整理内容形成笔记，并可带入开卷考察环节。之所以要求手写，是因为很有可能人工智能生成的内容众多，学生只整理而没有深入阅读理解。教师对学生的开卷考核环节，既要看学生对试卷问题的回答情况，也要看其平时准备的笔记。结果发现，平时整理内容丰富、严谨的学生，其试卷答题也明显较好，具有清晰的正相关关系。教师阅卷时考虑其笔记水准，也有效避免了单纯看试卷情况进行评价的武断性。例如，对媒介环境学派主要人物及观点的总结中，部分学生可以结合现实主流媒介进行评价性理解，学习效果比单纯的理论记忆要深入。

4.7 Extend

开放性延伸主要考查学生在课程过程和结课后继续细化、深化相关课程内容的能力。这一过程实际上和Explore、Elaborate关系密切，各有侧重。延伸环节要求养成学生将理论知识结合现实生活中的媒介使用感受进行理解的习惯，提升学生媒介素养和广告学专业敏感性，对纷繁复杂的媒介现象进行生活化的体会。结合以往广告学专业课程设置偏重实践的现状，本课程努力培养学生从理论理解现象的能力，要求学生将理论投入媒介生活的海洋。在学生后续课程作业及毕业选题时，诸多学生均能有效选择相关理论工具对现象进行阐释，也较为熟练地使用DeepSeek、Kimi、秘塔、豆包等人工智能工具，逐步养成使用中国知网等学术资源库的习惯。在广告学专业参加的各类大赛中，学生除了常规的内容展示，不少学生开始尝试初步进行理论解读，有效提升了参赛作品水准。

整体来说，7E模型在《广告媒体研究》课程教学中应用效果良好，在高等教育人文社会科学学科教学中仍然有效，值得更多探索研究。值得注意的是，7E模型作为主动式学习模型，由于学生自身主动性学习的意愿差异明显，其效果也存在明显的分层特征。对于大部分同学来说，由于将主动权交给学生，经过适当引导和激发，学生主动式学习意愿明显加强。而对学习主动性极度缺乏的极少部分同学来说，人工智能工具反而为其学习惰性提供了便利，需要教师投入更多关注，具体辅导，激发其主动式学习意愿。

5 结语：从被动学习、主动学习到协同学习：人工智能时代高校课程教与学

人工智能对人类全社会的冲击有目共睹，由于人工智能在知识储存、分类、整理等方面的绝对优势，其对以知识传授为核心的教育行业的冲击可能超出人类的想象。[18]当知识不再被教师垄断，教育职能也必然从知识传授向培养创新思维转变，师生关系也从传统的自上而下传授向平等互动转变。这种转变，意味着传统教师传授、学生被动学习模式向教师引导、学生主动学习模式转变。[19]

由此，基于调动学生主动学习的7E模型，在人工智能时代有着较好的适应性。对主动式学习来说，如何激发学生学习的主动性极为重要（Engage）。教师要想实现这一目标，必然需要根据学生具体情况进行引导（Elicit）。因此，人工智能时代教师不再是知识的垄断者和传授者，而是学生学习兴趣的激发者和引导者。某种意义上，人工智能时代教学效果的评价不再是局限于某一课程的知识传授，而是研究如何通过有效方式激发学生对本课程内容的兴趣，并将这种兴趣延续到其后续的学习过程中。因此，人工智能时代的7E模型应用要超越单一课程教学实践，以基于学科要求的知识图谱构建为基础，以激发学生学习兴趣为核心驱动力，贯通各门课程之间的知识点网络，最终在学生内部形成具有差异性的知识结构。包含7E模型在内的一切模型，均应认识到人工智能对教学目标、过程和效果评估方面的重大挑战，在知识点网络化、贯通化方面，在学生内在知识结构差异化方面，始终重视学生学习兴趣的调度和学习过程的连贯性、学习效果的个性化，以专业课程体系而非单一课程为依托，实现课程教学体系化、贯通化和差异化等方面的普遍性调试。基于7E模型的人工智能赋能人文社会科学学科课程实践表明，学生自主式学习的意愿差异直接决定了学习效果差异。对教师来说，如何针对学习意愿不同的学生制定针对性的激发措施，成为提升自主式学习整体效果的重要内容。这种基于学生差异对教师提出的新要求，既是“因材施教”传统的延续，更是人工智能时代对教师素养培养提出的新要求。

由于人工智能在知识储备、分类和整理方面的优势，学生在主动学习时常偏离原定的学习内容，既有可能偏离学习目标，也有可能获得超越既定学习目标的收益。对教师来说，学生主动学习中的“意外”，一方面需要及时引导其回归学习目标，另一方面，也可能为教师带来有关课程教学或科研的有益启发。由此，当教师部分放弃作为教师的优越感，积极面对学生主动学习中的“意外”，一种基于师生良性互动的协同式学习就诞生了。这一协同式学习在研究生以上教学过程中时常发生，由于我国高等教育普遍存在的“高中化”现状，高等教育课程教学协同式学习较为少见。[20]人工智能赋能高等教育课程教学，通过充分激发、信任、鼓励、尊重学生主动性，在师生关系从单向输出向良性互动的转变中，使协同式学习成为可能。协同式学习意味着师生原有（在知识占有方面）不平等关系的重大调整，也意味着原本以确定性为特征的知识传授走向以探索性为特征的知识探索。作为人工智能时代的原住民，学生完全有可能提出更好的问题，进而得到更好的答案或启发，而教师一方面要接受这种地位相对降低带来的落差，还要通过不断提升自身媒介素养扮演保驾护航的导航者角色，如何达到完美的平衡对教师来说任重道远，值得进一步深入研究。

课题项目：江西师范大学广告学（国家级一流本科专业）建设点配套教学改革课题

作者信息

张兵，江西师范大学新闻与传播学院，博士，讲师，硕士研究生导师

黄在田，江西师范大学新闻与传播学院2023硕士级研究生

袁宵，江西师范大学新闻与传播学院2023级硕士研究生

注释