近年来,以OpenAI的ChatGPT为代表的大语言模型迅速发展，在各行各业衍生出了以大量典型的实用化应用，相比早期的自然语言处理工具，大语言模型具有更强大的自然语言处理能力，不仅能够识别语义信息，还能理解上下文关联，进行多轮对话。这使其能够以近似人类的方式进行交互,理解并回答提问者的问题。同时大语言模型具备海量知识库，其训练用的语料涵盖了维基百科、文学作品、论坛对话等各类文本数据，知识容量巨大，这为其提供了充分的知识来源，可以就多种领域的问题给出解答。目前在教育领域，大语言模型主要用于个性化的知识讲解，教学文案生成，教学评估与反馈等，在降低教师负担的同时，其新颖的人机交互形式也可以提高学生的学习兴趣和参与度。

大语言模型在思政教育方面的应用及风险

在思想政治教育方面，同样面临其带来的冲击和变革。值得注意的是，大语言模型作为一种新兴技术，其应用既存在机遇也潜藏风险。

从积极层面看，大语言模型技术具有语义分析和知识输出能力，可以实现对学生需求的精准把握和个性化回应，这为思想政治教育提供了实现“因材施教”的可能性。同时，大语言模型可以通过辅助教案准备、自动生成测试题目、批改作业等方式帮助教师减轻重复劳动，提高教学效率。但是，我们也要清醒地看到，直接应用大语言模型进行思想政治教育存在一定风险。其训练所用的海量数据中可能存在错误知识、负面内容，这些元素都可能被编码在模型参数中，其输出可能会引导学生产生价值观念的偏差。依赖大语言模型的思想政治教育也会削弱学生的独立思考能力，模型生成的内容往往更具形式化逻辑性，但缺乏真正的价值引领作用。此外,过度依赖大语言模型会侵蚀教师的主体地位，教师有可能陷入被动回复的局面。总体来说,大语言模型启发了思想政治教育变革的可能，但应用过程中需要警惕其技术局限性,不能直接等同于教师的引领作用,必须防范其负面影响，真正服务于学生全面发展的根本目的。

大语言模型的局限性根源分析

从技术上看，大语言模型在思政教育方面的局限性来自于以下几个方面:

一是大语言模型的数据来源存在问题。现有可供训练大语言模型的公开语料数据，很大一部分来自互联网等渠道，ChatGPT的训练数据绝大部分和GPT-3是相同的，而据统计GPT-3的训练数据中，英文占比超过92%，拥有绝对优势，其他语言占比极低，中文占比不到1%，因此训练数据可能包含不符合主流意识形态和价值取向的内容。此外，现有数据对主流意识形态阐释不够充分，理论联系实际的案例较少，也会弱化模型对正确价值观的判断。

二是训练方法的局限性。大语言模型本质上仍然是一个概率模型，在学习过程中并不会对数据进行价值上的筛选，一旦训练过程中权重错误知识的比例较大,就会影响模型的知识结构和价值判断。当前大语言模型训练还无法达到真正理解知识内涵的效果。

三是人为治理不足。大语言模型技术快速发展,相关的应用治理措施与法规还不够完善,模型开发企业和使用方的自律性有待加强。对一些可能引发问题的模型应用，目前还缺少相关技术限制和行为规范,使用时还需进一步完善相应监管。

从思政教育角度对大语言模型发展的建议

为了避免上述风险，需要从多个方面入手，强化大语言模型应用于思想政治教育的效果。

（1）在思政教育中，明确大语言模型是一个辅助工具，不能替代教师主体地位。教师需要保持清醒认知，了解其风险，合理应用。完善应用规范，防止过度依赖和不当使用。

（2）从基础科研、知识版权等方面支持领先的科技公司改进大语言模型的算法技术，提升其对世界知识理解的准确性，开放模型运行查询接口,使教育工作者能够查询其内部知识图谱，了解知识来源。

（3）加速相关法规制定,构建应用治理框架，积极参与国际大语言模型治理的标准制定。如建立大语言模型应用的法规条例,明确技术开发和应用的底线原则。成立约束性规章制度，要求开发商和应用方建立内容审核等制度化流程，防止内容偏差。加快人工智能伦理治理立法，为大语言模型应用划定红线。

总结

随着技术爆炸式的发展，大语言模型的广泛应用已经是必然趋势。出于对行业知识专业性的要求，已经有很多公司在构建面向不同行业的大语言模型或多模态模型，未来也有可能会出现根据实时数据即时更新的大语言模型，因此，在对大语言模型的治理上，要有超前的思考和行动。在充分利用大语言模型为思想政治教育赋能的同时，也要对其能力边界及风险有足够的认识，通过完善数据建设、设置输出审核、划清定位边界、增强透明度、建立法规治理等举措，可以在发挥其技术优势的基础上，有效规避其负面影响，促进思想政治教育的健康发展。这需要技术企业、政府管理部门、教育工作者等多方协同努力,共同推进人工智能在教育领域的深度融合应用。

作者：刘璇  北京化工大学文法学院