过程性知识观：人工智能时代教学认识的核心诉求

感谢您关注“永大英语”！

张 良

人工智能正催生一种以数据、模型与算法为核心的知识生产新模式。这一新模式通过“即问即得”的方式，为学校教育带来了知识唾手可得、学习更加便捷等“福利”。然而，这种便利背后潜藏着认知外包、思维代理与信息茧房等源于实体性知识观的相关风险。因此，有必要基于认识论的自觉，强化知识的过程取向，重新审视过程视角下知识的意义与价值，凸显高阶思维与核心价值观在知识建构中的本体地位，从而唤醒和激发人的主体性、能动性与创造性。重申知识的过程属性即过程性的知识观，为人工智能时代探究教学认识问题提供了重要思路。首先，它通过重申知识具有生成性与动态性，契合人工智能时代知识开放性与流动性的特征；其次，从实现知识过程性的角度，它为教学变革提供基本的认识论遵循，即更加强调创生出深层次、多样化概念性理解的重要性。基于此，教学实践中应将“学”与“用”内在统一，秉持“用以致学”的过程逻辑。最后，这一知识观强调技术的角色应从“作为教师”向“成为学习伙伴”的身份转化，以赋能学生亲历知识创生的全过程。

教学认识旨在探讨教学活动中知识的本质、角色及其育人价值的实现，是推动教学改革与创新的基础性理论问题。近年来，伴随着以ChatGPT、DeepSeek等为代表的生成式人工智能的快速发展与广泛应用，以数据、模型与算法等为特征的新型知识生产模式正在兴起。在此模式下，知识生产的速度与跨界属性呈几何级增长。流动性、开放性、跨界性与生成性等知识的过程属性正成为人工智能时代知识的新特征，知识的主体、形态、载体与生产机理亦正突破传统认识论框架。

教学是以知识为中介、发挥知识育人价值的实践活动，正面临着人工智能新型知识生产模式带来的新机遇与新挑战。回应人工智能带来的挑战，有必要基于认识论的自觉，深度揭示人工智能时代知识生产的逻辑，反思其在教育运用中可能带来的知识“福利”与潜在教育风险，进而建构适切于人工智能时代的教学认识解释框架，确立相应的知识本质观与价值观，明确教学要求及技术应用逻辑。这既是积极应对人工智能挑战、憧憬未来学校教育愿景的必要路径，也是主动迎战未来、推动教学认识创新的理论自觉。

一、反思实体性知识观：人工智能时代的认识论自觉

人工智能的知识生产呈现出以算法驱动的新样态。这一样态在改变知识生产的主体、机理、模式与速度的同时，也为学校教育带来知识唾手可得、学习更为便捷等“福利”。然而，这种便利的背后蕴含着实体性知识观念的风险。因此，有必要基于认识论自觉，反思人工智能在教育应用中可能带来的相关风险。

（一）知识的“福利”：人工智能教育运用中的“即问即得”

伴随大语言模型、多模态学习、自然语言处理等生成式人工智能技术的蓬勃发展与广泛应用，基于数据、模型与算法的新型知识生产模式应运而生。该模式依托海量数据，通过深度学习、算法分析、大型语言模型及自然语言处理等技术，能够深度挖掘大规模数据中的隐含关系，捕捉人类难以直观察觉的假设或联系，并利用算力与算法等加速知识的实时生成与动态迭代。可见，该新样态在知识生产主体、生产机理和知识属性等方面均展现出与以往不同的特征。一方面，知识生产的主体由具有意图、理解、情感与经验的人类，转向不具主观意识、缺乏自主理解和反思能力的人工智能系统；另一方面，知识生产的机理由实验探究、逻辑推理等科学实践，转向依托大规模数据、大型语言模型与深度神经网络的数据驱动模式。这些区别于以往知识生产的特性导致知识的属性亦由真理性、权威性与稳定性，转变为了流动性、多元性与开放性等新维度。

人工智能时代的知识生产呈现出以算法驱动的新样态。这一样态在打破学科壁垒的限制，拓展人类认知边界的同时，加速驱动了知识的迭代升级，切实提升了知识生产的模式与速度，正塑造出一个新的知识文明。在学校教育领域，人工智能的广泛运用带来了“知识唾手可得、学习更加便捷”的教育“福利”。当前，基于人工智能的自定义问答与个性化对话正成为教育应用的新范式，推动教育对话进入了一个全新的阶段。其中，学生可随时通过自然语言与人工智能系统进行提问、对话，人工智能不仅能够准确识别并理解学生的语音和文本输入，而且能捕捉学生的表达习惯与语言风格，通过模拟人类对话的行为，自动生成符合学生学习需求的反馈，进而使相关在线学习资源通过人工智能以即时、动态和整合的方式得以呈现。可见，虚实结合的线上学习资源逐渐突破传统纸质媒介的限制，推动着更为便捷、灵活、个性化和高效的学习体验的发生。此外，通过多轮人机对话，人工智能还能通过自适应机制不断优化相关模型，根据历史交互记录，自适应地生成更为精准、更为符合学生需求的相应回复或答案。[1]

人工智能在教育教学领域中的应用带来了知识触手可及、学习简单便捷等相关“福利”，甚至一定程度上，还营造出一种错觉——“知识民主化取得前所未有的胜利。在教育场域中，学生的知识学习逐渐突破学校围墙和学科界限，学生的主体性前所未有地凸显。”[2]其实，人工智能在为学校教育教学带来知识获取便利与简捷的同时，也伴生一定的风险与挑战。在“即问即得”的对话模式下，人工智能虽提升了个人知识获取的速度与效率，一定程度上减轻了认知负荷、缓解了信息超载或学习压力，但也可能引发学生认知外包、思维代理等相关问题。其间，原本由学生所承担的相关学习任务，可能会被直接转移给人工智能，诱发学生的认知责任逐步被外部机器或系统取代或操控，进而导致学习的表层化、浅层化，甚至引发思维惰性与深度理解力下降等风险。也就是说，学生极为可能沦为信息的消费者而非知识的建构者或创生者。与此同时，“即问即得”的知识“福利”还可能催生“信息茧房”。由于人工智能本身存在着算法自我强化效应和去冲突性的设计逻辑，所以学生在接收信息时，往往会被相应的算法或主观偏好进一步塑造，从而导致其仅接触与自身兴趣、观点或偏好相符的相关内容，进而诱发认知的封闭与偏狭等症结。可见，这种知识“福利”在扩展学生认知与减轻认知负荷的同时，也可能削弱学生的主体性与理性自治，降低其思维主动性与创造潜能。这就意味着，人工智能运用所带来的知识获取便捷并不必然意味着深度学习的发生与学习质量的提升。

（二）实体性知识观的新表现：人工智能知识生产的风险反思

面对人工智能带来的知识“福利”，如将人工智能视为“智能教师”，仅凭借“即问即得”式的教育对话，便不假思索地全然接受人工智能所给予的回复或提供的答案，这实际上反映出了实体性的知识观念或者说是实体主义知识观在人工智能时代的新表现。一般来讲，这一知识观念将知识视为预设、既定且独立于个体探究过程或情境的自封闭实体。这一观念认为，知识本质先定、一切既成。可见，这一观念强调知识的结果性与现成性，却忽视了知识的实践性与情境性等过程属性，容易抑制学生的探究精神、创新意识和高阶思维发展。因此，在人工智能时代如不深入揭示与剖析实体取向知识观的限度，这一观念反而可能因智能技术的广泛运用而愈加固化，甚至人工智能的教育运用反而成为强化实体主义知识观念的助推力量。

人工智能凭借基于数据的知识生产模式，在加速推进知识生产的开放性、动态性与生成性的同时，其生成知识的真实性与可靠性却难以经受深入地反思与追问。哈佛大学教育研究生院未来学习实验室于2023年发布《驾驭生成式人工智能世界：给教育者的建议》（Navigating a world of generative AI:suggestions for educators）的研究报告中指出，人工智能既能生成有价值的见解，又会因训练数据中潜在的偏见而可能输出错误信息。由于人工智能的相关训练数据主要来源于互联网，存在“垃圾进、垃圾出”的风险。人工智能给予的回应往往表面合理，却未必完全准确，甚至可能捏造不存在的信息、资料或数据，难以经受深入审视与验证。[3]2此外，发表在《科学》（Science）杂志上的相关研究也指出，由于大语言模型是基于海量网络数据训练而成，它不可避免地反映其中的偏见与局限，甚至可能复制或放大错误信息，导致数据失真、知识不准确，并引发相应的伦理风险。此外，大语言模型训练过程缺乏透明度与可验证性，使其推断结果难以经受严格的科学检验，进而具有“黑箱”的特性，甚至可能产生误导性的结论。[4]由此可见，人工智能在知识生产过程中不仅面临真实性风险——可能凭空捏造事实或数据，而且难以提供透明的来源路径与推理链条——可能存在算法偏见与信息过滤等问题，从而引发一定的道德冲突和伦理风险。为此，正如当代世界著名语言学家、认知学家诺姆·乔姆斯基（Noam Chomsky）在《纽约时报》（The New York Times）发表的题为《ChatGPT的虚假承诺》（The False Promise of ChatGPT）的文章中指出，微软公司于2016年开发的“泰”（Tay）聊天机器人（ChatGPT的前身）曾在互联网上大量散播关于女性歧视与种族主义等不当内容，这说明人工智能的知识输出受限于所输入的相关数据以及相应的模型、算法等。若缺乏相应的道德原则或伦理底线对人工智能进行约束，人工智能生成的内容难免引发伦理冲突、价值混淆与道德失范风险。[5]换言之，人工智能的知识生产不仅可能引发失真、捏造或造假等风险，还可能导致价值混淆与道德失范等现象出现。

人工智能在推动知识生产模式创新的同时，也挑战了将知识视为经确证的真信念和以事实为依据的传统认识论框架。面对由人工智能知识生产带来的风险，应提高认识论自觉，警惕将人工智能提供的信息或答案视为绝对真实，进而便可以不做深度思考或再验证的实体化知识信念。为此，有研究指出，为应对大语言模型和自然语言技术等生成式人工智能对知识生产模式的挑战，尤其当人工智能以模仿人类对话的方式输出似“带有人性”色彩的回答时，学习者须提升认识论的自觉，深化对知识本质的理解（epistemic insight），理性审视知识的形成过程、结构与边界；同时激发主动探索意识，培养原创探究能力，以成为具备自主能动性和探究精神的认知主体。[6]这意味着，人工智能的教育应用虽带来了一定的知识“福利”与学习的便利，但也应警惕实体性知识观念的再度抬头与新型表现形式。面对这种实体性、简化取向的知识观念，需要探索新的知识理解以应对由此带来的教育机遇与挑战，并探索将创生、实践等要素重新嵌入知识本身，重现知识的内在过程性，从而凸显人的主体性地位。简言之，为回应人工智能知识生产的新变化，有必要提升认识论自觉，从知识观变革的视角出发，突出主动参与、自主建构与实践创生的重要性，进而在此基础上，勾画出适合人工智能时代的教学认识论。

二、重申知识的过程属性：人工智能时代教学认识的立场

面对人工智能的挑战，学校教育既要重拾知识的重要性，将知识视为高阶思维与学科实践的基础素材或内容，因为缺失扎实的知识基础，学生将难以开展理性辨析、合理推断和创造性整合，进而难以生成新的判断、理解与观点；又要转变知识理解的观念，强化知识观念的过程取向，重新审视“过程”对知识的本体意义与内在价值，凸显高阶思维与核心价值观念在知识建构中的基础性地位，以激发学生的主体性。

鉴于人工智能时代知识生产的新特质，应从过程的本体承诺出发，突出知识的过程本质及教学认识要求。这一承诺旨在重申知识的过程属性，秉持一种过程性的知识观念，强调知识作为“不断成为”的历程，而非“既成存在”的静态实体。其中，“过程”这一概念是对实践、生成与情境等的抽象与概括，旨在凸显实践、创造的知识论意义与价值。一般而言，知识兼具实体性与过程性属性。为阐明二者的关系，怀特海的过程哲学提供了一个具有启发性的方法论指引。他从过程——关系视角出发，主张过程就是实在，实在就是过程。凡是要成为现实的东西，都必须成为过程的。[7]在此视野下，实体可视为过程中的临时稳定节点或动态生成的暂存。知识的实体性其实并非静态的实体，而是过程中的暂时凝结或生成事件。因此，人工智能时代的教学认识应重申知识的过程性，凸显其内在的过程维度，并在新技术背景下，以过程为本体承诺，重估知识过程属性的认识论价值与育人意义。

（一）过程性的知识观念回应了人工智能时代知识形态变革的核心特质

人工智能催生了算法、算力与数据相互驱动的知识生产新模式。该模式依托海量数据训练模型，通过持续试错与模型修正，伴随动态数据挖掘、模型迭代与算力提升，实现知识的不断升级。在此样态中，知识呈现实时演化、跨界迁移与自我迭代的流动性与开放性特征，从而加速了知识的发现、整理、重组与创新。基于这一生产逻辑，知识不再是“结果性”的确定性答案，而是一个开放流动的生成过程。换言之，人工智能时代加剧了知识的流动性，缩短了知识半衰期，使过程成为理解数据驱动知识生产新样态的核心属性。

加拿大学者乔治·西蒙斯(George Siemens)用“软知识”来概括现今时代知识开放性、流动性等过程特质。在他看来，软知识指的是一种看似合理但可能虚构的知识样态。这类知识尚未得到证实，往往仍处于争议之中，且仅具备暂时有效性，极易被修正。该知识形态的基本特征在于动态性和多元性，体现出具有不断生成、变动的不确定性。[8]13-19同时，他还提醒，在充斥软知识的新知识情境下，所有的知识都可视为信息，但并非所有信息都能构成知识。学习与求知应是一个持续不断的过程，基于核心信念或价值观，以及已有知识，对信息进行排除、过滤与推理，并在此基础上决定是否采纳或使用，而非将学习视为可达成的最终状态或固定产品。因此，他明确提出，知识不仅是产品——它同样是一个过程。知识的目的不是填充心智，而是打开它们。学习或求知意味着在学习的过程中，通过实验、对话、思维和反思进行知识的获得或创造。[8]21-36可见，在西蒙斯看来，面对流动开放且真实性隐匿的新知识形态——尤其是后真相时代网络环境中真相与谎言交织、知识与意见互相裹挟的局面，检索或获取到的信息不应被视为已确证、无可置疑的真理。相反，需要学习者以理性参与的方式，通过排除、过滤与推理的动态实践过程，自主地对信息进行验证与建构，才能形成可靠的知识。简言之，流动性与开放性等过程属性正是西蒙斯所指“软知识”的核心特征。因此，过程的视野概括出当代知识的新变化，这一变化意味着不能从结果或预设属性的静态立场来定位知识角色与价值，而应从多元涌现的动态立场出发，重新界定这一时代知识的本质属性。

与此同时，哈佛大学伯克曼·克莱因互联网与社会中心（Berkman Klein Center for Internet & Society）戴维·温伯格（David Weinberger）研究员提出的“网络化”特质这一概念，有助于把握人工智能时代知识的流动性与过程性新特质。在他看来，知识不再是固化于权威文本中的封闭、稳定结构，而是在不断链接、对话与迭代中生成的流动网络；知识不再专属于相关专家，而是在开放的网络化协作中，始终处于未完成的动态链接之中。[9]可见，流动、开放与生成的视野中，知识是作为过程性的存在。为此，回应这一开放性、争议性等过程属性，要求这一时代的学校教学认识应提升过程意识，通过引导学生开展高阶思维实践，对信息来源与潜在偏见进行评估等。因此，过程性知识观既体现出人工智能时代的知识生产逻辑，又反映出这一逻辑下知识观念的新变革。

其实，从知识生产视角来看，知识始终嵌入思维、方法、情境等过程性实践之中。人工智能时代知识变革的开放性、流动性与网络化等过程性新特质，为过程取向的知识观提供了新的表现形式与理解维度。但更为根本的是，知识本身就内蕴过程，而非仅指向生产的过程。在知识论话语体系中，知识是作为确证的真信念。这是一个关于知识理解的经典定义，也是一个广受认可的标准范式。在这一定义中，“确证”意味着确定什么是我们应当相信的信念，要做出这种确定，至少应当包括三种因素的作用：证据、规范、确定过程。其中，证据为确定提供事实依据，规范为确定提供判定根据，确定过程则使这种确证进入实际操作，它将由证据的真实信念转变为知识。[10]77可见，确证为信念提供理由，使之具有“被相信的资格”。如果一个信念没有任何经验或逻辑依据，就无法被视为知识候选。一般来讲，确证包含着“理由”“证据”“得到证明的条件或事实”“证明……为合理的”“证明……为正当的”等多种含义。[10]78确证作为知识论的核心议题，是连接“主观信念”和“客观真理”的桥梁，能够为避免知识与偶然真信念的混淆提供理性基础。美国哲学家理查德·罗蒂（Richard Rorty）在批判笛卡尔、洛克等传统认识论时指出，传统认识论过度关注知识与外部对象之间的对应及其说明、解释逻辑，却较少考察主体与知识、主体与命题之间的确证与证明关系。如他指出，“认识论的传统把获得知识的因果过程与和它的证明有关的问题混淆不分了。”[11]191在罗蒂看来，确证是为某个信念提出良好的理由，确定良好的理由和充分的支持实际上是一种基于对话、讨论的社会实践。[11]171概言之，罗蒂对知识确认的维度的探讨是借助语言转向的思路，将知识视为与社会、群体在互动与协商中生成的过程性实践。在这一视野下，知识始终与社会性对话实践紧密结合，社会对话本身即构成知识的合法性。由此可见，知识的原初定义中内蕴确证过程，这一过程为知识的合理性、合法性或正当性提供了辩护理由或证成依据，若忽视或缺失这一确证过程，知识便易退化为偶然的、断言式的信念或偏见。

综上，过程性知识观的提出既回应了人工智能时代知识变革的流动性、开放性与网络化等新特质，若忽视了这些新特质，仅将知识视为静态实体，便难以深刻把握这一时代知识变革的过程性实质。同时，这一知识观念还深刻体现了知识的理智传统，强调知识始终与确证过程或相关实践紧密相连；若缺失对确证过程的关注，知识将削弱乃至丧失其合理性与合法性，从而异化为片面的信念或狭隘的偏见。其实，这二者所指的“过程”并不完全相同，前者更多指外在形态上的流动性、生成性等特质；后者强调知识自身的生成机制与规律。这意味着人工智能时代所秉持的过程性知识观念，其实质在于一种重申知识过程性的诉求，是一种重估过程的知识论意义的时代愿景。

（二）知识的过程逻辑勾勒出人工智能时代知识育人价值实现的根本机理

知识育人价值的转化、实现是教学认识的关键问题。应对人工智能时代的知识生产逻辑及其新模式，知识育人价值的实现与教学认识的定位不应局限于对知识的被动掌握或简单获取，而是更加强调能够打开知识的过程，运用已有知识开展高阶思维实践，如明辨是非、甄别真伪，深刻反思、批判质疑，解决复杂问题等，进而创造和发展新的理解或解决方案。也就是说，知识所内蕴潜在的、隐性的育人价值的转化、实现的基本逻辑，在于亲历以知识转化、运用为核心的高阶思维实践过程。为此，怀特海曾指出，教育是教人们掌握怎样运用知识的艺术。知识的要义就在于知识运用。知识之所以能够增益心智，就在于知识的运用能够改变心智发展过程中的直接经验。所谓的知识运用是指把知识与生活事件联系起来，这关联着我们的感觉、知觉、希望、欲望和能调节思想的精神活动，这些事件构成了我们的生活。[12]换言之，面对人工智能基于数据驱动的知识生产，知识育人价值的实现或课堂教学变革的内在逻辑在于更加强化知识的过程属性，引领学生亲历知识运用的全程，从仅是由外而内的“知识认知”转向为以动态迁移为导向的“知识运用”，强调在真实情境中运用知识进行高阶思维实践，在实践中不断建构、转化并深化新的知识理解，从而提升认知的主动性、适应性与胜任力。

2024年，美国课程再设计中心（Center for Curriculum Redesign）发布《人工智能时代的教育：在人工智能时代学生应为什么而学、学什么、如何去学？》（Education for the Age of AI:Why,What and How should students learn for the age of Artificial Intelligence?）的研究报告中指出，人工智能无所不知，为何还要学习？其实，这个问题本身是错误且幼稚的。人工智能就像互联网搜索引擎一样，既不是“无所不知”，又无法独立行动。同时，随手可得的信息可能导致个人的分析变得更肤浅，通过浏览而获得的相关数据、信息，实际上是未经理解或内化的知识。为此，需要从数据、信息、知识、洞察（insight）、智慧（wisdom）这一知识发展的过程性阶梯，来确立知识育人价值实现或课堂教学变革的理路。在该报告看来，数据是未经加工的事实和观察结果；信息是对数据处理和解释后所得到的、赋予意义与情境的结果；知识是在信息与概念的基础上形成的理解与认知，并在此过程中建立的相应联系；而洞察是一种更深层次的理解，指向对模式的识别与独特视角的获得，旨在识别、发现隐藏模式与本质，提出新颖、有意义的理解；而智慧即多样化情境中的深刻洞察与审慎判断，体现为能将知识与经验在思考中加以应用，同时怀有对他人及世界的责任感与同理心，在个人与社会利益之间做出平衡抉择。换言之，智慧旨在超越认知，整合知识与经验，指向复杂现实中能够做出审慎性的、伦理性的相关决策，从而能够有责任感地开展知识应用。可见，人工智能时代学校教育需要改变以往“覆盖内容”填满大脑式的信息与事实取向的课程设计，而应强调能够基于多样化情境的深刻洞察与审慎判断，运用知识与经验，并且对他人和世界有责任感和同理心，确定所做的选择对个人和社会都有益处。智慧应是21世纪人工智能时代教育的关键目标。人工智能时代的教育教学应转向到为智慧而学。[13]可见，在美国课程再设计中心的研究看来，人工智能时代的知识具有明确的过程层次，需要基于数据、信息建构知识，并发展洞察力与智慧。为智慧而学体现出了基于德性意识、伦理精神与社会责任感而开展的知识运用。这一定位的实质是实现知识的过程性，即在高阶思维和核心价值观念的基础上进行知识运用。简言之，这一过程是凸显了高阶思维与社会情感相整合取向的知识运用的意义和价值。

学习科学的相关研究表明，深度学习背后的知识观念由实体性、现成性的名词“知识”（Knowledge）转化为内蕴高阶思维探究、社会交往实践的动名词“识知”（Knowing），进而使这一知识观念推动着学习从记忆和复述知识转向为发现和运用知识。也就是说，当代学习观念强调知识育人价值实现的机理在于人们用已知道和相信的知识去建构新知识和对新知识进行运用。[14]这期间，知识本身不是一个被动的接受性实体，而是主动的探究性过程。脱离这一运用、迁移的过程，知识将难以与个体发生内在的意义联系，进而难以驱动深度学习的发生。2022年，学习科学家基恩·索耶（R.Keith Sawyer）出版了《剑桥学习科学手册：第三版》（The Cambridge Handbook of the Learning Sciences:Third Edition），该手册基于20世纪60年代以来相关社会学家、心理学家和人类学家等关于科学家知识生产、转化的研究发现，科学知识并不只是一些陈述和逻辑运算的集合。在这种新的视角中，科学知识是一种关于如何开展科学实践的理解，同时包括对相关模型与解释性原理的深刻掌握，并能将其整合进一个统一的概念框架之中。在这一新的理解中，科学知识具有情境性特征，它产生于具有历史与社会背景的专业实践活动之中，并通过协作性的共同建构而形成。知识是一个过程，它涉及个体、工具、环境中的他者以及知识被应用于其中的活动。[15]可见，学习科学的新进展也不断强化知识的过程性特征，并强调知识育人价值的实现依赖于以迁移与运用为导向的学习过程。可见，这一过程既彰显了知识的本质属性，也构成了实现知识育人价值的根本机理。为此，人工智能时代知识育人价值的实现逻辑在于以知识的过程性实现为内在要求，通过让学生亲历知识的建构、转化与应用，引导其融入人类知识体系，探究世界与理解自我，进而拓展认知深度与理解维度，提升理性思考能力与德性修养。

三、过程性知识观的教学意蕴：人工智能时代教学认识的基本主张

过程性知识观为人工智能时代的教学认识变革提供了理论路径。该路径以过程的本体承诺，定位知识的角色与本质，强调知识的意义与价值在于建构与创生出深层次、新颖化的概念性理解。在此基础上，教学应秉持“用以致学”的过程逻辑，实现“学”与“用”的内在融合，同时推动人工智能的技术角色由“作为教师”向“成为学习伙伴”转变，以赋能学生亲历知识创生的全过程。

（一）知识的价值即创生出新的概念性理解

过程性知识观视野下，知识的本质不再是静态的实体或既定表征，而是一个动态生成与持续演化的过程。在此过程中，知识以工具或假设的身份出现，期待学生通过亲历多样化情境的迁移与运用，超越对符号化、具体化事实和信息的简单再现，从而在实践中创生深层次、多样化或新颖性的概念性理解。可见，过程性知识观凸显并强化了知识的创造性与生成性。在怀特海的过程哲学体系中，知识作为一种“参与事件”的互动性过程，是主体主动生成的创造性实践。也就是说，知识始终通过主体对世界事件流变的选择性感知、组织与整合，不断涌现出新的经验、新的事件与新的关联，并在持续地丰富、修正与超越之中，生成一种具有暂时性与创造性的理解。因此，作为过程的知识本身，从目的或动力的视域来看，过程是现实存在自我创造的活动。[16]此外，在皮亚杰的发生认识论视野中，知识是建立在心理结构或操作图式基础上的建构过程，通过同化与顺应机制推动认知的发展，因此，知识具有不断调整与创生的过程性本质。如他指出，认识是一个过程，而不是一种状态。认识既不能看作是在主体内部结构中预先决定了的——它们起因于有效的和不断地建构；也不能看作是在客体的预先存在着的特性中预先存在了的，因为客体只是通过这些内部结构的中介作用才被认识的，并且这些结构还通过把它们结合到更大的范围之中而使它们丰富起来。换言之，所有认知都包含有新东西的加工制作的一面。[17]由此可见，在过程性知识观视角下，知识的价值不在于对静态表征或现成答案的占有，而在于旨在超越符号化、具体化的事实与信息，从而生成新的概念性理解的过程。

诺姆·乔姆斯基曾撰文指出，人类思维并不像ChatGPT及其类似系统那样，是一种笨重的统计引擎，仅通过模式匹配进行运作，依赖吞噬数百太字节的数据来外推出最可能的对话回应或科学问题的最可能答案。相反，人类思维具有出人意料的高效性，甚至可以说是优雅的系统。它依靠极少量的信息，并非在数据点之间简单推导出原始的关联性，而是致力于构建创造性的理解。[5]可见，乔姆斯基从认知科学视角出发，通过比较人工智能的知识生产模式，强调应对人工智能挑战的关键在于生成新的理解或解释。这一论断为在人工智能时代重新定位知识的价值，提供了基于人的存在论的理论依据。

概念性理解区别于日常性、经验性或常识性理解之处在于，它指向的是对学科基本概念的深入把握与新颖理解。概念性理解不仅涉及对相关概念的事实、信息或内容层面的知晓，而且强调在更抽象的层次上，包括掌握概念的逻辑结构与深层意义，能够理解某一概念为何如此、适用于何种情境、与其他概念之间的内在关联，以及在面对不可预测情境时如何灵活运用它。换言之，当学生能够借助该概念进行思考，能在原学习情境之外的领域中加以迁移运用，并能用自己的语言阐述其内涵，为其寻找恰当的比喻或类比，或构建出相应的心理模型或实体模型时，便标志着该概念已被其内化并融入自身的认知结构，这正是概念性理解的体现。[18]也就是说，创生出新的概念性理解意味着以亲历反思、想象、推理与确证等高阶思维为基础，关注的不仅是“概念是什么”与“概念为什么”，还涉及“如何做概念”与“怎样做概念”。这期间，学生能够基于自身的生活体验、知识经验或直觉想象等，对既有概念结构进行重组、重构与再意义化，实现从单一概念向概念网络的生成跃迁，在此基础上创造性地生成新的观点、想法与观念。

（二）教学的定位即“用以致学”的过程逻辑

作为人类认识成果或结晶的知识，始终具有结果性与实体性。但在教学认识视域中，知识概念始终与“过程”密切相关，实现知识的过程属性也一直是教育教学的实践出发点。需要进一步剖析的是，这里的“过程”究竟指的是由外及内地实体性知识掌握或内化的过程，还是指向了由内及外地迁移与运用的实践过程。前者的“过程”虽然注重问题驱动、情境创设与实践参与等的重要性，旨在重现知识的生成过程，但其路径往往仍是由外向内的“先学后用”，实际上是以知识实体性的占有为核心。也就是说，这一过程虽名为“打开”知识，实际上是作为实体性知识获取与累积的工具或手段，其实质却延续了实体主义知识观。归根结底，这一过程性的做法在认识论上割裂了知与行的互动与转化，未能妥善处理知识实体与过程之间的联动与转换关系。为此，如何真正地实现知识的过程属性，引导学生亲历知识的动态过程，充分激活、释放学生的主体性、能动性与实践性，进而推动新颖且多样化概念性理解的生成，成为了人工智能时代教学定位的关键问题。

在人工智能技术迅猛发展的当下，“ChatGPT的出现进一步颠覆了以实体性产品等为交易的教育教学模式。将知识视为实体性的产品进行传递、授受的学习过程，实际上简化了人类学习的复杂性，忽视了为学生提供创造性、变革性学习体验的重要性。”[3]3因此，面对人工智能时代知识的新变化，学校教学认识需重新思考如何真正彰显知识的过程属性。若仍仅依赖由外而内的“先学后用”模式，其认识逻辑依旧聚焦于学会与记忆，而非迁移与运用的实践过程；如此形式化的过程仍是实体主义、表征主义知识观的附属品，难以深度激发学生的主体性，并推动创生性理解的发生。因此，为回应人工智能时代的挑战，面对“无所不知”“即问即得”所带来的知识便捷与“福利”，整个教学过程中应凸显高阶思维等知识运用实践的优先价值，即基于高阶思维而亲历知识迁移与运用，旨在创生更加多样化、独特性且新颖性的概念性理解。正如哈佛大学教育研究生院克里斯·迪迪（Chris Dede）教授指出，人工智能在计算、运算和预测（即所谓的“推算”）能力方面正变得日益精通。因此，未来社会对人类判断力的需求将会增加，特别是在不确定条件下的决策能力、审慎思考、伦理判断以及实践性知识等方面。[19]这就意味着，为了体现知识的过程属性，确保知识的过程属性引领教学变革，有必要反思形式主义意义上的知识过程逻辑，构建出以运用为主导的教学认识逻辑。

人工智能时代的教学认识体现出“用以致学”的过程逻辑。所谓“用以致学”体现出以运用为主导的教学认识逻辑，这是一种双重化的运用过程。第一重意味着通过运用已有知识或非概念性经验建构学科性的概念。近年来，伴随着建构主义心理学研究的深入推进，尤其是皮亚杰（Jean Piaget）建构出的“自发概念”与“非自发概念”、维果茨基（Lev Vygotsky）提出的“日常概念”与“科学概念”等关于儿童认知发展、知识建构等观点，进一步验证了儿童天生带有关于现实世界各种各样的半成型观点或概念——被称为“朴素的物理学、数学或生物学”，进而为学生在尚未有相关学科知识之前，依旧可以运用其原初的、朴素的与日常的概念进行思考、探究与推断等。[20]这一过程即通过运用已有知识或非概念性经验，实现从具体的学科事实建构概念性经验，提炼出概念或概念性思维的过程。第二重意味着基于已有的概念，亲历以高阶思维、核心价值观念为基础的迁移、运用实践，实现深层次、多样化概念性理解的创生，以实现学科思维的发展与学科素养的建构。可见，“用以致学”实现了将由外及内、由内及外的两个过程进行整合，体现出了以运用为核心的过程逻辑。期间，知识的建构始终与高阶思维实践密不可分，更好地体现了知识的过程属性。由此，人工智能时代的教学定位应凸显知识运用的重要意义，通过运用非概念化的经验建构概念，再通过运用概念，以概念的思维开展知识迁移与运用，创造出新的概念性理解与意义，由此培养未来学习者的创造思维与高阶思维能力。

（三）技术的应用即伙伴式赋能学生知识创生

人工智能时代的教学认识始终涉及技术的角色、价值与功能定位等基本问题。当前，伴随着人工智能在教育教学场域的广泛运用，技术的参与正在重构教师与学生、教与学的相关关系，形成了“人师—机师—学生”相协同的三维教学格局。智能体“机师”的出现是教学技术应用的标志性突破，使传统的“教”与“学”之间的直接对应关系转向为了“学”，同时面向“人师”与“机师”[21-22]。其实，“机师”的提法背后蕴含着人工智能技术扮演着一定的教师角色或功能。这潜在的假设是人们从人工智能技术中学习，也就是说如同倾听教师作的报告时的学习一样。这一观点假设知识可以从教师传递给学生，同时也能被嵌入基于技术的课程中并传递给学生。因此，就像从教师那儿学习教师所知道的一样，学生从技术那里学习技术所“知道”的或（技术）“被教授了”的内容。其实，学生不是从技术中学习，而是在思考中学习。对待、使用技术的方式应该从“技术作为教师”转变为“技术作为学习中的伙伴”，并思考技术如何能驱使并赋能学生思考，技术如何能成为学生学习的智能伙伴。[23]因此，过程性知识观的视域下，人工智能等技术的定位不再是与“人师”并列的另一位教师，而是通过提供丰富的学习体验，赋能并引导学生亲历知识的动态生成过程，进而成为激发学生创造性思维与探究能力发展的学习伙伴。

美国技术哲学家唐·伊德（Don Ihde）从后现象学技术哲学理论的视野，以关系本体论为出发点，揭示出技术的中介调节作用，为人工智能时代教学认识中的技术角色与运用提供了新思考。在伊德看来，技术的定义不是中立的，而是以其在具体实践中的“用途”显现——人们可以使用这些构成要素。人类与技术之间的关系是使用、设计、制造或修改技术的关系问题。[24]在他的理论看来，人与技术的关系并不都是指示性的，很多情况下，技术之于人也是一种“准对象”或是“准它者”的存在。换言之，人并不总是能够通过掌控技术去感知世界，某些时候技术本身就是人类需要知觉的目标对象。当技术放大了自身的“自主性”，人首先要做的是认识技术并寻求与技术的合宜交互。[25]从关系本体论视角出发，技术始终处于人类日常实践的中介与调节位置。基于这种关系的视野，为把握人工智能在教学认识中的角色与应用提供了新的洞见。作为一种特殊且高级的技术人工物，人工智能同样遵循技术中介作用的一般规律与基本原理。

被誉为人工智能赋能教育实践典范的“可汗学院”（Khan Academy）的创始人萨尔曼·可汗（Salman Khan）曾指出，人们提到技术与教育时，技术是好是坏本身并不是关键，关键是你如何使用它。你不会被人工智能所取代，但你也许会被使用人工智能的人取代。[26]因此，为突出人的主体性，实现知识的过程属性，人工智能时代技术应用的伦理在于以学习伙伴的身份，赋能学生亲历知识运用与创新的解放性学习体验，从而“鼓励学生利用生成式人工智能来增强学习过程，强调过程的价值而不仅仅是最终产品的价值。与其将人工智能视为‘知道答案’的人，不如将其视为‘对话伙伴’，这是一种更有效的方式。这一对话伙伴打开了学生学习的对话空间。创造力产生于‘对话空间’，即从不同声音的互动中产生的无限潜力空间。因此，不同的声音拓展了对话的空间，为学生能够创造出新观点和新想法，提供了更大的潜力。通过将人工智能的回应视为众多声音之一，学习者可以使用人工智能来扩展对话空间，超越现有想法并产生新颖的见解。”[3]7也就是说，在过程性知识观视域下，技术的应用不仅助力学生亲历知识的动态生成过程，还要通过丰富的学习体验，赋能学生创生出新颖的概念性理解。这一过程中，借助智能技术，技术成为了伙伴式的生成助力者与赋能者，学生依旧是知识生成的当事人与参与者，技术应用的重心在于提供创造性的学习体验，激活学生的知识运用与探究潜能，推动其创生出新的概念性理解与观念。

参考文献

[1] 赵丽，刘寅生.教育对话的技术转向：嬗递路径、应用困顿与范式重构——兼论对ChatGPT的逻辑审视及展望[J].华东师范大学学报（教育科学版），2024（8）：76-84.

[2] 鲁子箫.智能时代知识变迁中的教学知识变革[J].教育研究，2024（2）：55-66.

[3] CAO L，DEDE C. Navigating A World of Generative AI:Suggestions for Educators[R]. Cambridge,MA:The Next Level Lab at Harvard Graduate School of Education,2023.

[4] GROSSMANN I,et al. AI and the transformation of social science research[J]. Science,2023(380):1023-1025.

[5] CHOMSKY N. The False Promise of ChatGPT[EB/OL].（2023-03-08）.https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html.

[6] BILLINGSLEY B,GRZES M,ANNETTA L. The Future of Knowledge:Conversations About Artificial Intelligence and Epistemic Insight[J]. Science & Education,2025(34):645-647.

[7] 阿尔弗雷德·诺思·怀特海.过程与实在：宇宙论研究[M].杨富斌,译.北京：中国人民大学出版社，2013：33.

[8] 乔治·西蒙斯．网络时代的知识和学习——走向连通［M］．詹青龙,译．上海:华东师范大学出版社，2009.

[9] 戴维·温伯格.知识的边界[M].胡泳，高美,译.太原：山西人民出版社，2014：247-281.

[10] 陈嘉明.知识与确证：当代知识论引论[M].上海：上海人民出版社，2003.

[11] 理查德·罗蒂.哲学和自然之境[M].李幼蒸,译.北京:商务印书馆,2003.

[12] 阿尔弗雷德·诺思·怀特海.教育的目的[M].汉英双语版.靳玉乐,刘富利,译.北京：中国轻工业出版社，2016:4-38.

[13] FADEL C,et al. Education for the Age of AI:Why,What and How should students learn for the age of Artificial Intelligence?[M].Boston:MA,Center for Curriculum Design.2024:56-104.

[14] 约翰·布兰思福特.人是如何学习的：拓展版[M].程可拉,孙亚玲，王旭卿，等译.上海：华东师范大学出版社，2012:4-9.

[15] SAWYER R K.The Cambridge Handbook of the Learning Sciences[M].Third Edition.Cambridge:Cambridge University Press，2022:7-9.

[16] 杨富斌，杰伊·麦克丹尼尔.怀特海过程哲学研究[M].北京：中国人民大学出版社，2018:257.

[17] 让·皮亚杰.发生认识论原理[M].王宪钿,译.北京：商务印书馆，1981:16.

[18] KONICEK-MORAN R,KEELEY P. Teaching for Conceptual Understanding in Science[M]. Arlington,VA:National Science Teaching Association Press,2015:6.

[19] DEDE C,ETEMADI A,FORSHAW T. Intelligence Augmentation:Upskilling Humans to Complement AI[R]. Cambridge,MA:The Next Level Lab at Harvard Graduate School of Education,2021：1.

[20] 张良，安桂清.论作为教学方法论的学科实践[J].教育研究，2025（5）：134-143.

[21] 李森，刘欢.数智时代教学关系变革的再认识[J].教育研究，2025（4）：99-111.

[22] 马瑞婷，吕寒雪.数智时代的教师存在：现实困境及其突破路径[J].教师教育学报，2025（5）：84-91.

[23] 戴维·乔纳森，乔伊·摩尔，罗斯·马尔拉，等.学会用技术解决问题——一个建构主义者的视角[M].2版.任友群，李妍，施彬飞，译.北京：教育科学出版社，2007:12-13.

[24] 唐·伊德.技术哲学导论[M].骆月明，欧阳光明,译.上海：上海大学出版社，2017：48.

[25] 陈文新，赵婧.信息化学习的发生机制研究——基于唐·伊德技术现象学的思考[J].华东师范大学学报（教育科学版），2022（10）：100-107.

[26] 萨尔曼·可汗.教育新语：人工智能时代教什么，怎么学[M].王琦，万海鹏,译.北京：中信出版集团，2024:5-6.

（本文首次发表在《教育学报》2026年第3期）