顏玉如 等 | 生成式人工智能沖擊下課程知識的存續與再生

關注“在線學習”

獲取更多資訊！

刊載信息

顏玉如，& 黃露菡.(2026).生成式人工智能沖擊下課程知識的存續與再生. 中國遠程教育(5),122-141.

生成式人工智能沖擊下課程知識的存續與再生
顏玉如, 黃露菡

【摘要】在“新技術世界”中，生成式人工智能的發展重塑了知識的證成邏輯、組織結構、建構權威及其價值層級，使算法生成的知識與課程知識在人類認知生態中交織并存。這一轉向對課程知識賴以成立的篩選規制、系統秩序、責任歸屬與價值理據造成沖擊，致使其穩定而規范的存在條件在生成式人工智能的知識生產中發生松動。面對技術透鏡下知識構型的變革，課程知識的入口被算法交互分流，在短周期循環中削弱智識追求的行動可能；技術性“似真”知識的輸出更在不斷侵蝕課程知識的公共證成機制，使其育人使命在還原理性的作用下遭受稀釋。對此，在數智時代重申課程知識的正當性與教育深度，審慎對待由確定性技術代碼帶來的與真知之維的斷裂，需要修復課程知識證成條件，重建知識生成的理性邊界；重塑學習行動可能，捍衛課程知識發展人類智識的追求；復位課程知識權威，回護人類主體裁決的首要地位；維護課程知識價值秩序，抵抗技術邏輯對知識本體的殖民，以此發揮課程知識在技術語境中培育認知主體理性精神、批判意識與獨立思維的重要價值與根本性力量。

【關鍵詞】生成式人工智能; 課程知識; 生成性知識; 批判性共存

在以人工智能、大數據與元宇宙等為代表的新一輪技術突破的推動下，人類社會已然進入以數據感知、算法處理與智能化決策為核心特征的數智時代。“新技術世界”的來臨不僅改變了人類認知世界的方式，也重塑了知識生產的范式，深刻影響了學校課程的組織形態及其知識教學。在傳統課程語境中，所謂課程是知識表達與育人教化的重要載體，其根本任務在于通過系統化、層級化的學科知識體系，以相對穩定的線性序列與明確的難度梯度實現教學推進。但在以生成式人工智能為樞紐的技術生態中，算法以相關性與即時性重構知識的可見性，知識由此呈現出更為分散而高度流動的形態，隨情境被調用、重組與更新。這種變化直接沖擊了傳統課程知識中以穩定、封閉與集中化為主要特征的組織原則，使學校課程直面虛實交疊與迅速生成分化的知識新圖景。

在社會進入后工業時代、文化進入后現代時代之際，知識的狀況也隨之發生了改變（Lyotard, 1984, p.3）。今時今刻，在技術、知識與教育的交織日益緊密的后工業信息化時代，我們所面對的，不僅是知識外在形態的技術性變更，更觸及其深層的內在屬性的革新。易言之，生成式人工智能以其對教育領域的深度介入，前所未有地重構了知識的可得性與公共性，促使人們再度追問“何種知識最具價值”“學校應教授何種內容”以及“知識應如何被選擇、認知并轉化為課程”等經典的課程論問題（Deng, 2015）。因而，在數智時代的知識景觀中，有必要對比傳統課程知識生產與生成式人工智能知識生成之間的差異，剖析生成式人工智能影響下出現的知識入口分流、智識追求削弱、認知權威動搖、價值失范與意義漂移等問題，并進一步思索：在課程知識與生成性知識交織并存于人類認知生態的境況下，究竟是使課程知識順應技術邏輯，成為算法生成、平臺分發與即時調用的信息資源，還是出于對技術風險的警惕而退守防御立場，以傳統秩序維護課程知識的穩定性，抑或是探尋課程知識與生成性知識批判性共存的“第三種可能”，重建二者在教育秩序中的功能分工與正當性邊界……對這些問題作出思考與回應，已成為課程理論研究在數字革命背景下不可回避的使命與關鍵轉向。

一、

課程知識與生成性知識的構成邏輯及其內在差異

課程知識（curricular knowledge）并非一般意義上松散的知識集合或對于“事實之事的匯編”（熊華軍 & 曾琴, 2025），而是經由制度化加工所形成的課程化知識形態。它既是由學科共同體確立的、獲得被教授與學習資格的合法性知識，也是在教師專業實踐中得到再組織、在學生對經驗世界的學習與意義建構過程中被吸收并發生再建構的結構性知識。從知識社會學的視角來看，課程知識始終嵌套于對“知識何以有價值”的追問之中。自19世紀中葉赫伯特?斯賓塞（Spencer, H.）提出“什么知識最有價值”的經典問題以來，課程研究便圍繞知識的選擇、分類與傳遞展開論爭。斯賓塞在批判英國傳統紳士教育的象征性與虛飾性基礎上，將對知識的關注重心由象征文化的審美追求引向符合現代社會生存發展需求的實用理性，由此為以科學知識為核心、以目標導向與技術操作為特征的科學主義課程開發范式奠定了重要的知識論基礎。進入20世紀中后期，邁克爾?阿普爾（Apple, M.）以“誰的知識最有價值”為核心議題，將對課程知識的探討從科學主義的工具理性框架拉回至文化政治視域，進一步揭示課程知識背后潛藏的價值分配與規訓權力。與以往任何一次課程理念革新不同的是，數智時代智能技術的發展不僅改變了知識生產與流通的方式，也變更了知識進入學習過程的默認路徑，使“什么知識最有價值”與“誰的知識最有價值”這兩大問題的復雜性在新媒介條件的加持下更為凸顯。值得注意的是，以概率生成與可用性優化為導向的生成式人工智能的知識產出，能夠在文本表述層面模擬課程語言的規范性與邏輯性，卻并不必然攜帶知識進入課程形態所要求的預設選擇、組織秩序、權威擔保與價值構設。為此，將課程知識與生成性知識置于規則性篩選、秩序化排列、責任性歸屬與價值化辯護四個維度加以拆解與剖析，以檢視二者背后不同的產生機制及其賴以成立的條件，是必要且應予以優先辨明的。

（一）規則性篩選：預設選擇的強有力知識與實時組構生成性知識的差異

區別于映現存在對象與物質客體表象等對于知識在一般意義上的理解（理查德?羅蒂, 2009, p.126），課程知識強調以具有學科性、專門化與系統性的客觀知識為依歸（Muller & Young, 2019; Young et al., 2014, pp.74-75）。確切地說，課程知識之所以能夠以“課程”的名義成立，不僅在于它是對抽象、普遍化與概念性的知識內容的確證（Bernstein, 2000, pp.159-167），更在于它被納入了學校教育要求的課程結構化之中。換言之，它是被教育制度以特定規則加工、進入學校教育情境并獲得被教授與學習合法性資格地位的知識形態。巴茲爾?伯恩斯坦（Bernstein, B.）所言的“知識的教學化”（the pedagogising of knowledge）便揭示了這種加工方式，即專門化知識只有在分配、再語境化與評價規則的聯合作用下，才會被轉換為可供傳遞和獲取的課程內容、教學交流話語與規范性實踐（Singh, 2002）。并非所有知識都能夠進入課程，被課程化的知識形態是社會建構的（Lilliedahl, 2015）。它將“值得學習的知識”從經驗世界的雜多中抽離出來，其概念關系是由“集體表征”所積累而構建的符號秩序，因而是“社群的成果”，而非不斷變化的經驗細節的成果（Muller & Taylor, 1995）。就這一意義而言，在學校課程中占據中心位置的“強有力知識”（powerful knowledge）是一種面向學校教育的預設性選擇，是真理經由篩選的制度性產物，以此進入課程與教學，成為被傳授與習得的核心內容。

與之不同的是，生成式人工智能所依循的是計算性的知識生成邏輯。生成式人工智能的知識生產并非從無到有的創造，而是以大模型為技術底座，通過對大規模數據語料進行統計學習而生成內容。在模型訓練之前，語料本身已受到技術標準與數據清洗規則的初步過濾，這一預篩選過程決定了何種知識能夠進入模型并成為后續生成的潛在來源。在模型生成回答時，其產出是基于既有參數權重與當前上下文條件，對更可能出現的語義連接進行概率性演算，從而實現統計意義上的預測性組織。用戶的提示詞、追問方式、使用場景及平臺反饋機制，都在持續影響知識內容的調用、組合與呈現，使生成性知識成為在交互中被實時遴選與動態組織的知識形態。也正是在這一意義上，算法文明下知識生成的技術性轉向，動搖了現代課程所依托的以普遍性真理為核心的知識體系，使那些經過課程制度篩選的、帶有線性化與確定性特質的課程知識，遭受著來自大數據編譯之下具有計算性、流動性與重組性表征的生成性知識的對沖。

（二）秩序化排列：序列性課程邏輯分類與相關性算法排序的迥異

現代學校教育的根基在于系統化的知識組織。教學活動能夠實現有效運作的根本原因是其依托于結構化的科學知識。一旦缺乏系統的知識秩序，便難以成就現代學校的高效教學（郭華, 2021）。課程知識的組織通常遵循學科結構化的分類體系與概念層級的序列化編排，通過知識模塊、單元、主題與章節等的銜接，使學習者得以實現對知識內容的漸進式理解。在某種程度上，課程知識的知識形態呈現出典型的“垂直話語”（vertical discourse）構型特征，強調以“連貫、明確且系統地遵循原則的結構”保證概念的層級組織、邏輯推演的嚴密、理論的系統積累與框架的內在一致性（Bernstein, 2000, p.157），以“強分類”（strong classification）的方式劃定知識邊界及其呈現的先后次序，并將其置入具有難度梯度劃分的課程學習進階之中。可見，可長期傳遞的課程知識，既使知識被序列化地組織為可解釋的符號構象，亦使學習活動獲得持續的方向性與目標依據。

生成式人工智能引入的是以算法相關性為軸的知識秩序化機制。當生成式人工智能以其強大的算力成為知識的“分配者”與“排序者”之時，“數字持存”中的知識存取實現了由曾經嚴格劃分的學科間的“強分類”框架，向更加開放的“弱分類”（weak classification）結構的變遷。換言之，在數智環境中形成的“人工智能生成內容”（Artificial Intelligence Generated Content，AIGC）打破了課程知識中清晰的學科劃界與時序結構。它并不以進入某一既定概念序列為前提，也不以維持某一學科解釋框架的完整性為義務；相反，基于多源數據和算法模型，生成式人工智能依照近似性與相關性抽取、調用信息，輸出非連續的、跨界的與即時適配的知識答案（陳曉珊 & 戚萬學, 2023）。生成式人工智能內嵌的算法擅長網羅、調度與排列客觀對象物，技術科學的自動重組與關聯推薦等規則機制形成以任務需求為中心的知識流秩序，卻并不自動滿足課程化所需的穩定的知識鏈與進階結構。可見，生成式人工智能的知識生成與課程知識雖同樣追求對復雜世界的結構性化約，但其所依托的秩序性排列邏輯卻是迥異的。

（三）責任性歸屬：核準的制度化權威與智能“類權威”效力的分野

能夠進入課程的知識，并不只回應了何為知識的哲學辨析問題，也不單在于解決如何組織知識的技術性問題，更深切地關涉誰的知識被判定為有價值、得以進入課程并被賦權為正當知識的社會學問題（劉麗群 & 劉景超, 2014）。這意味著，課程知識的內容并非被任意調取的，而是經由權威確認、檢驗而得到建構的規范性知識形態。其合法性建立在學科共同體確立的審定標準與多重程序之上，并經過教育權威的辯護與復證而獲得正當地位。除此之外，教師在教學情境中作為課程知識內容的詮解者及其存在地位的擔保者，以其專業實踐對課程知識的闡釋承擔可歸責的責任。這為課程知識存在的合法性提供了第二重保障。在此意義上，真理標準、制度認證與教學轉化相互扣合，構成的閉環使課程知識具有強大的說服力。它依托專業信譽與校驗程序獲得信任基礎，使其得以在學校教育制度與課程體系中組織生成與系統傳授，極大限度地排除了遭受質疑與被顛覆的可能。

不同于課程知識依循制度化審定與認證等方式確立其權威性，生成式人工智能輸出的知識不以進入學科共同體的評議程序為前提，而是在低門檻的交互入口與連貫輸出間被聚合與分發。知識已然不再由學科共同體獨占其判定裁決權，生成式人工智能成為知識生產與傳遞的另一隱性權威。算法控制知識的可見性，模型塑造知識的可信度，數據反饋則影響著知識的再生產。需要注意的是，經由算法權力再編排的知識秩序正以前所未有的力量影響著課程知識既有的權威基礎。生成式人工智能輸出越及時、越貼合語境、越符合用戶預期的知識信息，越容易使生成性知識在交互體驗中獲得“類權威”的效力。而那些過往以學科專家為中心、被明證的固化課程知識制品，則因受到技術性授權的生成性知識的強大沖擊，而逐漸失去其優先權。

（四）價值化辯護：育人目的的內置與對話共創意義之別

從實用主義知識觀出發，課程知識并非只是獨立于主體之外的對客觀事物的靜態映像，而更是在現實復雜的教學實踐中被轉化、被詮釋并獲得意義的存在。教師在教學實施中提供再情境化的課程知識供給，學生則對之進行意義建構與吸收內化的認知活動。課程知識能夠作為應當被學習的知識而得以成立，根源在于它以明確的育人目的將知識安置進經受公共辯護的價值秩序之中。有學者指出，課程知識帶有教導學生在理性社群中發言與協商，以及培養他們在差異共存的他異社群中傾聽、回應并承擔責任的價值與使命（熊華軍 & 曾琴, 2025）。值得被納入學校教育的課程知識，超越了功能層面的知識信息，而內嵌著引導價值規范內化、培育公共理性與責任倫理等深層的人格建構目的。

在以生成式人工智能為代表的智能媒介所構造的數智環境中，智能機器在深度參與知識的構成與意義再生的同時，更作為重塑人類理解世界的“過濾器”，改變人類主體感知與思維的邊界（杰米?薩斯坎德, 2022, p.107）。這表現在，知識的發現與理解早已超越課堂的物理性時空邊界，學習者在數字化擬態空間中穿梭，通過提問、獲得回答與思考驗證的認知循環，與智能系統共創知識的價值意義。然而，由程序化運算推動的知識對話，雖可提供內容與解釋，甚至能夠在形式上模擬課程知識的論證組織與表達樣式輸出，卻并不表明其已具備知識的課程化所要求的價值秩序的生成。易言之，課程化需要育人目的的嵌入，要求知識在教學情境中承擔發展認知主體參與公共生活的能力、培養其責任意識等教化任務。而在由智能技術“物性”所支配的知識表象間（劉書文, 2025），難以確保生成性知識擁有課程知識在育人責任與公共性培育等方面所內置的價值意義。

二、

生成式人工智能影響下課程知識存在條件的松動

隨著生成式人工智能的崛起，由智能化技術躍遷帶來的知識圖譜的外延擴展與近乎無限的信息可得性，并不只提供了新的知識來源，而是在更深層面改變了知識被組織、呈現與承認為“可學之物”的方式。課程知識作為學校場域中經受辯護、具有序列結構而以穩定性與系統性著稱的知識形態，正在遭遇碎片式而多變的生成性知識的沖擊。此處的危機并非存在論意義上課程知識被生成性知識簡單替代，而是指向課程知識賴以成立的存在條件受到挑戰，其在人類主體的認知生態與學習過程中的存續狀態受到攪動。即便生成式人工智能輸出的通常并非課程知識層級的知識，缺少知識進入學校教育所必須經歷的公共程序以及必須具有的價值框架，但課程知識的入口已被即時生成與按需調用的人工智能交互機制分流與旁路化，在短周期循環中削弱智識追求的行動可能，更遭受來自似真而難以確證的生成性知識的侵蝕，滑移為模型訓練背后所收編的對象性資源而不斷地稀釋其育人價值使命。

（一）知識入口的分流

傳統課程知識體系借助標準化課程方案與教科書，將學科知識加以揀選、加工與序列化組織，從而為教學提供相對穩定的結構與框架。在這一制度化安排下，教學過程在很大程度上被組織為對既定知識的闡釋與應用遷移訓練。教師主要承擔將課程知識轉化為可教內容的專業職責，學生則在預先設定的知識序列中，以理解、掌握與適當程度的復現為核心學習任務。由此，知識的選擇、呈現秩序與教學活動規則將知識內容與學習規范緊密綁定，并在學科共同體的標準與學校制度的公共程序之中，維持課程知識的規范性與正當性基礎，使之構成默認的知識學習入口。

當“超級智能”（super intelligence）作為新的知識中介而浮現，知識進入學習過程的默認路徑與組織方式發生了位移。知識不再僅依賴學科體系與課堂授受的路徑，以“封閉的結論”形態被遞送（熊華軍 & 曾琴, 2025），而是更頻繁地在平臺化交互中，以瞬時生成、算法組織分發的適配樣態先行出現。這意味著學習者可以繞開既定的課程知識體系，在進入課程之前就通過與生成式人工智能的對話互動，實現對知識的接觸。在此意義上，生成式人工智能也成為學習者取用知識的重要入口與解釋工具之一，其輸出的生成性知識更以開放性與分散化的知識形態，沖擊著既有課程知識的分類體系與遞進結構。

愛彌爾?涂爾干（Durkheim, é.）早在實用主義論中指出，真理擺脫了其不可侵犯的屬性，轉而成為被分析與解釋的經驗性存在（愛彌爾?涂爾干, 2005, p.118）。這一論斷在數智時代得到了前所未有的印證。知識不再主要以被確立的體系化樣態進入學習者的視野，而是越來越多地作為可被智能體解析、重組與即時生成的經驗性對象出現，并以高度變動、情境適配的方式擴展學習者的知識接觸面。那些以往經由權威機構認證和學科專家審定、編排的課程知識固然具有高度的結構完整性與內部邏輯性，但在強調知識靈活流動與按需調用的數智環境中，還是暴露出了其相對封閉的本質與局限且遲緩的一面。由于課程知識的掌握有賴于較長的系統學習周期，而其內容的調整與更新又受制于相對漫長的制度化進程，課程知識的供給節奏往往難以回應學習者即時性的知識需求及其對知識更新時效的期待。結果是，課程知識在知識入口處原有的優先性不斷減弱，其既有的知識篩選、排序與解釋功能，逐漸被生成式人工智能的平臺化入口與個性化推薦機制分流乃至旁路化，進而日益滑落為眾多信息來源中的一種“慢供給”選項。

（二）智識追求的讓渡

智能媒介作為人類認知的“代具”（prothèse），極大地提升了人類肢體器官的性能，延展了個體對于經驗世界的知覺維度，使其享有近乎無限可達的認知體驗。尤其是基于大規模語料與數據集進行非線性聚類與概率式推演的生成式預訓練模型（Generative Pre-trained Transformer），將原本依賴概念遞階與時序推進的課程知識學習過程，轉化為圍繞問題與任務解決的瞬時算法檢索、資源連續調用與語義響應流程。需要警惕的是，在人機協作的系統提示下，人們對知識的把握越來越多地在提問、回應與修正的短周期循環中完成。生成式人工智能的高頻運算解析與短時生成輸出的流體式知識供應極度壓縮了獲取知識的時間成本，使求知欲在數字化符碼密林的即時反饋中得到快速滿足。而這意味著學習者能夠在缺少概念鋪墊、完整因果解釋與難度梯度遞增的情境下進行即時求知，學習課程知識所要求的深度推演、反思延宕與意義追問也就難以維持其行動上的必要性。

更為關鍵的是，伴隨數智技術作為一股強勁力量注入人類的認知頭腦，技術介導下求知的表面解放，并不等同于人類主體更高層次的知能深化。在平滑的交互體驗下，淺層加工與加速消費式的信息認知活動反使深度探究所需的時間余裕與認知空間一再緊縮。人類的學習活動由此被置入由數字技術層層嵌套的環境催生的“數字洞穴”（digital cave）之中（鄒紅軍, 2023）。思考被折疊為點擊、瀏覽與切換頁面的操作行為，思維被鎖定在短時注意與快速遺忘的回路中。雷?庫茲韋爾（Kurzweil, R.）指出，當人類能力與技術邊界趨于融合，技術邏輯將滲透進人類思維的深層結構與認知過程（Kurzweil, 2011, p.12）。但是，技術的加持在強化認知邊際的同時，也可能伴隨人類思考動力的削弱；算法排序提升了知識流通的速度，卻也使人類陷入智能體構造的知覺快感陷阱，致使其面對復雜問題時所需的認知深度發生塌縮。

在生成性知識接連的沖擊下，課程知識所依憑的核心取向——對知識意義的追問與對真理之思的執著——面臨被邊緣化乃至讓渡的風險。因算法運算替代了認知理解，并以概率上的正確取代對真理的追求。在滾動更新的信息流中，生成性知識誘導人們埋頭攫取無窮盡的信息，卻難以支撐其形成對問題的凝視、對證據的檢核以及對知識意義的審慎體察。表面上，人類掌管著指派虛擬代理的主動權；但實際上，個體被系縛于智能系統的算法機制構造的電子銅墻鐵壁之下，成為吸附于“全知全能”技術體的第二思想者，任由技術織造的經驗現實充塞其大腦，鈍化其判斷、質疑與求真的內在動機。在此境遇下，人仍舊是被投喂的對象，只是知識灌輸的方式由“人灌”轉變為“電灌”（魯子簫, 2025）。至此，席卷而來的生成性知識將對以算力與技術擬態理性為象征的“智力”的追求推向極致，而課程知識所蘊含的對于“智識”的本質性渴求則悄無聲息地漸漸消隱。

（三）權威基礎的侵蝕

課程知識建立在人類經驗的長時積累與學理化確證基礎之上，其實質在于將分散在經驗世界中的知識抽離出來，通過制度化的遴選、編排與認證，使其獲得進入學校教育體系的合法性。界定、詮釋與裁決知識的權利主要歸屬于由專業群體構成的學科共同體。依托特定的學科范式與理性審辯傳統，學科共同體對知識的真確性與有效性承擔評定與確認的重要職責，使課程知識得以在公共程序中確立其規范性權威。

與此相對，基于大規模語料訓練的語言模型并不以先驗理論框架或學科范式作為知識生產的前提。其知識生產機制建立在對既有數據分布的統計學習與概率推演之上，由此輸出流暢的表達，制造解釋的擬態，重新塑造人們對可靠知識的判斷依據。當算法模型取代了學科專家成為知識創制、分配與再生產的中介之一，“類人”的智能體可以基于既定提示和語境生成類似專業人士回復的內容（Rudolph et al., 2023）。“類權威”的語體能夠以概念組織與論證闡釋的樣態呈現看似嚴格而自洽的推理閉環，促動生成性知識以“似真”的面貌進入臨時性對話場景。但這些經機械法則歸納演繹的概念與事理，其生成來源、主張依據與責任主體往往是懸置的。未經透明化的真知獲致途徑，使引用可能是虛構的，推理在概率中成立而不必對應事實，結論也將隨提示詞（prompt）的微小變更而發生意義漂移。質言之，大型語言模型（large language models）的幻覺風險（hallucination）與不確定性，使之容易產生看似合理但非事實的輸出（Huang et al., 2025）。結果便是，“知識”仍在被使用，但其在進入學習過程時所表現出的似真而難以確證的形態，致使能夠為其真實性承擔可追責責任的權威主體越來越難以被明確。

問題還在于，知識在被算法切分與演算的過程中，其原初形態退隱于代碼與數據背后，成為可供技術操作與存儲的去質化存量制品。換言之，那些原本需要艱深訓練與系統學習方能掌握的嚴密課程知識體系，如今被技術裝置整合、受超巨型計算模型的調用，成為退居幕后而被收編的對象性資源。可是，即便智能機器囊括了龐大的知識體量，憑借算法的精確運行輸出知識，智能體也未必因此真正理解其所生成的知識。智能機器無法“思事物之實”，缺乏一個像人類一樣的身體，它只能承載意義或者生成它不理解的意義物，而無法像人類那樣擁有意義并與意義融為一體（彭姿銘 & 譚維智, 2025）。它對于可見世界的洞察更接近于在模擬理解的語義層面進行的技術性復現，以概率擬合與語言連貫掩蓋了真理論證所要求的證據義務，以數智技術的運算過程埋藏了思維邏輯的判定裁決。由此，課程知識所賴以成立的公共證成機制，即能夠追溯的出處、嚴密的解釋論證與反駁糾錯的評議程序等，不斷受到生成性知識生產邏輯中“類權威”的潛在擾動，以致知識所具有的權威基礎從制度化認證的學科范式滑向邊界模糊、組織松散的算法空間之中而遭到侵蝕。

（四）育人使命的稀釋

在以主觀性、相對性與生成性為基本特征的后人類知識語境中，“擬人格化”技術智能的泛在性介入，使原本在制度層級分設、學科邊界與教學節律中被區分開來的知識創制、傳遞與取用過程，呈現出更強的同步化與即時化趨勢。具有低規制、高自由度、弱約束型結構的知識是人機協同互動建構的經驗結果。經由智能體構建的知識平等與可及性表象，讓知識俯拾即是，隨問隨得，隨需可取。但也正是在由大模型塑造的知識相關性宇宙之中，課程知識的真理訴求與育人使命在概率分布與統計精度所定義的技術擬態理性之下，出現被稀釋的傾向。

具體而言，傳統意義上的課程知識經由教材文本的承載、課堂教學的推進與教師專業實踐的轉化，將學習者引入區分事實與觀點、證據與斷言、合理與可疑的價值辯護當中，并指向育人目的之下認知主體的理性鍛造與公共性培育。如今生成式人工智能所提供的解釋例證、論證框架乃至價值立場，部分地承接了課程知識的育人功能，使課程知識原先承擔的建構主體認知體系、引導價值判斷、培育責任意識與公共理性的育人使命外包于虛擬算法系統。關鍵在于，來自技術程序運行下截斷的、瑣碎化的數據結果，不必窮究生命的本質，甚至恰恰要繞過本質問題，而將生命或行為的外部特征還原為數學問題（余明鋒, 2022, p.44）。生成式人工智能所生產的知識制品正是這種還原理性的極致體現。程序語言中局部化、片段式與單體化的符號詞元（token），是將意義壓縮，在限定范圍內對事實性知識進行檢索與調取，輸出在統計意義上的最大概率通解。被算法重塑、脫嵌于教育目的與課程秩序的生成性知識，缺乏內在的規范約束與價值依據，與育人實踐相分離，無法真正擔負起知識本應內含的教育職責。

更需要警惕的是，數字化記憶裝置對人類經驗成果的全面占有帶來的直接后果之一，是使知識成為脫離于教育之外的愚昧持存，人類原本應具備的理性審辨與創造能力也因此出現萎縮甚至被封存的現象（韋恩遠 & 肖菊梅, 2023）。要言之，生成性知識削弱了課程知識作為外在象征物與探究對象所具有的復雜性與深刻性。課程知識所蘊含的規范性價值判斷及其所承載的育人旨趣與人格陶冶功能，持續經受來自生成性知識中的偏好設定、優先級排序與可見性分配等工具性標準的擠壓，致使其在效率邏輯與即時主義的支配下趨于黯淡。在此過程中，學習者被吞噬于算法控制的知覺沖擊中，在主體不斷逐知的路途中，其思想活動受到“將價值編成代碼”的智能機器的牽引與技術架構的裝配（Lessig, 2006, p.78），使之對課程知識的基本認知被瓦解，對知識進行判斷與反思內化的能力被削弱，繼而陷入對信息的低成本占有之中而難以抽身。

三、

課程知識存續與再生的“第三種可能”：一種批判性共存路徑

在算法化表征與數據編碼重組所形塑的知識景觀中，課程知識面對指涉知識本體、人類思維與技術立場的根本性挑戰。當遮蔽性的數字全景技術與解構性的智能邏輯逐漸成為知識組織與流通的強大力量時，課程知識或將面臨兩種極端的可能性走向：“第一種可能”即完全擁抱技術的同化路徑，使課程知識在智能化的新媒介環境中成為算法生成的工具性資源；“第二種可能”是以風險防控之名拒斥技術的復古路徑，試圖回返到傳統的封閉學科體系與現代課程的知識權威秩序。然而，這兩種兩極化選擇都難以真正應對當代知識變革的復雜現實，并易使課程知識的解釋力與吸引力進一步流失。為此，需以批判性共存為基本立場，在承認生成式人工智能作為知識中介不可逆轉地進入知識學習過程的前提下，探討課程知識與生成性知識共在的理想條件及“第三種可能”路徑，以更具辯護性的方式重塑二者在教育秩序中的功能分工與正當性邊界，以此開辟兼具深度、真實性且意義豐盈的知識建構與學習路徑。

（一）修復課程知識證成條件，重建知識生成的理性邊界

在數智變革的界點，知識社會發生了深刻轉向。當代社會的個體必須生活在、也是被迫生活在風險環境中，在這種環境中，知識與生活變化都是不確定的（烏爾里希?貝克 & 伊麗莎白?貝克-格恩斯海姆, 2011, p.16）。生成式人工智能將這種風險內嵌于知識生產本身。技術的定量化處理遮蔽知識生成的具體脈絡，加之溯源的困頓、出處的模糊與論證的不可考，致使諸多未經充分考究的“無根”的知識散傳于虛擬空間。與此同時，原本依賴學科傳統與教育目的的規約而形成的具有穩定層次結構與遞進邏輯的課程知識也被新的技術力量割離，開放而彌散的知識生成秩序使課程知識的內容選擇、邊界設定與序列組織面臨重重挑戰。

為抵抗強勢技術語境下知識生產的“懸浮化”傾向，課程知識亟須修復其公共證成機制，以重新確立知識生成的理性邊界與正當限度。能夠被納入課程秩序的知識主張，應當是被組織為可以追溯、論證與檢驗的結構性存在。這意味著課程知識的建構應在公共化的證成程序中，重申并落實完整的概念鏈、證據鏈與推理鏈的規范要求，通過來源透明、證據可查、邏輯明證與能夠觸發判斷反思的知識呈現，抵御生成式人工智能將知識與全網大數據進行整合卻停留于“物理集合”的傾向（張洪忠 等, 2023），及其所代表的以即時消費為主的內容生成方式對知識證成標準的侵蝕。具體而言，概念鏈旨在明確核心術語的外延邊界與意義穩定性，避免在生成式語境中可能出現的由語詞替代與語義漂移等引發的偽理解；證據鏈需確保知識主張能夠回溯至具備理據核驗的事實基礎與材料來源，使其不止停留在貌似合理的敘述，而是具備接受檢核、反駁與修正的條件可能；推理鏈則要求得出結論的探求方式具有復演性，使學習者能夠追蹤論證步驟，檢視推理環節是否存在偷換前提、因果倒置或論證缺環等問題。三者共同構成課程知識的理性骨架，一方面，將課程知識與知識洪流中的信息碎片和經驗性斷言等區分開來，使課程知識在流動性與不確定性加劇的開放知識生態中仍保持可證成的穩定性；另一方面，使對課程知識的學習超越對于完成性結論的獲取，使其在技術性“似真”與效率導向的人工智能生成邏輯的沖擊影響下，仍能維持教育所要求的理性訓練與求真意識。

在此意義上，生成式人工智能在知識學習中的角色需要被重新定位。它應從替代判斷的快捷路徑，轉向被納入知識證成機制內部、促成質詢與反證的重要工具。換言之，生成式人工智能的教育價值不在于替人完成思考，而在于擴展問題空間、提供解釋說明與生成多種論證線索；但任何由其生成的斷言，最終都必須回到知識證成規則之下接受審查。就此而言，其一，生成性知識的輸出需服務于概念邊界澄清與意義條件說明，即在呈現解釋時同步交代概念的適用范圍，區分事實陳述、解釋推斷與價值判斷。其二，模型應盡可能顯化對知識來源的標注與對證據的指認，標明關鍵知識主張的類型與來源依據，并提示存在的證據缺口與不確定性區間。其三，生成式人工智能應被用于證據核驗的學習程序中，使圍繞同一知識主張的多源材料對照與證據評估成為理解與掌握知識的必經環節。由此，關鍵任務在于培養學習者追蹤知識生成來源、明確證據出處以及審查論證過程的“更高階的‘元邏輯’和‘元實證’精神”（任友群 & 楊曉哲, 2025），要求學習者將生成式人工智能的輸出視為有待檢驗的候選解釋，養成對知識主張進行追問、核對與復演的思維習慣，以此防范欠缺自反性（reflexivity）的技術生成知識所造成的認知偽境，使主體葆有對真偽的審慎辨析、對可信度的理性評估與認知判斷的自主性。

（二）重塑學習行動可能，捍衛課程知識發展人類智識的追求

在智能機器能夠完成大量重復性認知勞動的技術時代，技術性人造工具對知識內容施以高度程序化的組織、加工與調度。追求智能訓練成效的范式在對算法指令的應答與執行間，使認知活動停留在對表征客觀世界的既有知識的匹配與傳送上，而缺乏對思維過程的涵攝。數字技術使認知世界趨于可計算，然而計算并不等同于思考。因為它遮蔽了事件本身，不但無法產生新的狀態，還讓思想趨于同一而扁平（韓炳哲, 2019, p.6）。面對這一趨勢，知識學習的使命不在于讓學習者占有多少現成的“技物”，而在于規避即時生成所制造的認知短回路，將主體從順滑交互體驗所帶來的愉悅與便利中抽離出來，將學習重新組織為能夠讓思考更加深刻、讓理性愈發清明的智識發展活動。

課程知識之所以具有不可替代的教育意義，在于其內在地承載著促成人類主體形成獨立思想與洞察力的力量。具有課程屬性的知識以序列化編排與遞進式組織的方式，為學習者提供沿概念內在關聯逐步推進的認知路徑，使理解得以由淺入深地展開。高密度的概念網絡將零散經驗與局部事實納入更高階的解釋框架之中，推動學習者經歷由困惑至澄清、從片段到整合的持續投入的知識學習過程。更重要的是，課程知識引導學習者停駐于尚未完全掌握知識的中間地帶，在延宕理解中容納錯誤、猶疑與思索，使推理得以展開、判斷得以形成，并在反復校正中形成理解與洞察。相較之下，生成式人工智能往往將知識壓縮為可直接調用的現成結論，并以一次性生成的方式完成輸出。在此過程中，由短暫性和新奇性帶來的認知負荷尤為突出（張國玲 & 徐繼存, 2025）。它雖然降低了知識學習的門檻，卻也容易使學習者跳過達至理解所必需的歷程環節，而產生一種已然掌握的認知錯覺。

需要指出的是，生成式人工智能已進入學習者的日常生活環境與學習實踐之中，因此，以外在排斥的方式將其逐出學習空間，既非現實也并不妥當。更具建設性的做法是重塑學習的行動條件，視生成式人工智能為延展與深化認知歷程的技術裝置，將學習者的思維慣性從快速切換與即時滿足，拉回至對于知識本質的持續探究與深度加工的思考路徑之中。就其功能而言，生成式人工智能可被用于生成多種知識解釋視角與解析問題的脈絡，使學習者在差異之間比較與權衡，解決意見的分歧；也可被用于強化知識學習的階段性推進與周期性復返，通過概念回環、跨主題的關聯建構與跨情境的遷移應用，推動理解在復返中深化，促進概念網絡的重新整合與結構清晰化；還可被用來揭示知識內部的爭議點與未決問題，使學習者在“各種觀念、理論、洞見，包括相互對立、反沖的東西，經過碰撞、辯護、實踐”的過程中觸發新的想法（張江, 2025），以此由對輸出性答案的依賴轉向對可經受推敲的整體闡釋的把握……通過這些方式，學習者的注意力與時間分配被重新組織為面向知識理解的投入，在必要的停留與復返中完成對概念、證據與論證關系的再理解與再建構。

如此，技術能夠承擔起輔佐課程知識對于培育智識所必需的時間厚度與思維加工深度的使命。在理解與批判并重的完整的求知體驗中，提升和發展人的智能，培養出能夠穿透表象、具有洞悉本質的智識深度與理性思維能力的知性主體，推動其在虛實交織的知識世界中生成反思已知、關注未知、理解未來社會并創造新意義的靈活的“可用之智”（戴維?珀金斯, 2015, pp.46-47），真正具備既能適應變化又不被變化吞沒的智識生命力。

（三）復位課程知識權威，回護人類主體裁決的首要地位

生成式人工智能確以其超越人類認知極限的算力與高頻生成能力，深度介入意識主體的認知活動。但若對知識的成立依據加以審議即可發現，知識的真義并非由技術程序獨立生成的、脫嵌于現實經驗與人之存在的純粹演算結果。如阿爾弗雷德?諾思?懷特海（Whitehead, A. N.）所言，所有的知識都是意識對所經驗的客體的分辨……是主體與客體交互作用時主體形式中的一個額外因素而已（A. N. 懷特海, 2011, p.184）。阿蘭?巴迪歐（Badiou, A.）亦將真理視作永恒知識之網中的“不可辨識之物”，唯有主體通過對尚未被既有知識秩序識別之物的命名與思維參與方能使其得以顯現（阿蘭?巴迪歐, 2018, pp.490-493）。二者共同指向真知是人類在與經驗世界的能動交互中形成的認知構象，其存在離不開意識主體的經驗判斷本身。

相應地，課程知識是人類在經驗世界中經由其直覺、情感、信念與理智等的綜合作用而選擇并確立的知識形態。在此基礎上，需通過個體思維持續地發現、命名與重構，以形成主體對之的主觀建構。這一主觀建構是課程知識在私人維度的實現機制，它包括解讀客觀的課程知識，創建主觀的私人知識和回歸公共的知識世界（靳玉樂 & 董小平, 2009）。在此際遇中，人類主體并非課程知識的外在接受者，而是在知識的生成與意義建構中占據核心地位的意識主體。問題在于，技術智能體的出現正在改變人類主體的重要角色。生成式人工智能憑借強相關檢索、高度流暢的語言組織與專業化表達的模擬能力，使其輸出呈現出已被證明與判定的擬態，以此充當知識規范的來源，部分替代學科共同體與課程專家等人類主體對于知識的分辨及判斷。與此同時，“電灌式”知識弱化學習者“發現、命名與重構”知識的主觀能動性，削減其解讀、辯難與反思知識的意欲。人類主體由意義建構者降格為結果接收者，淪為缺乏思想立場的工具性存在與功能性客體的風險亦不斷加劇。

在數智時代的技術幻境與虛擬被造物面前，課程知識的權威之所以需要被復位，并不是因為人類更少出錯，而是因為課程知識的本質屬性決定了它牽連著責任擔當，其正當性建立在可供審議的公共程序規則之上。若將裁決知識的權力移交給算法，不僅是將知識判斷外包給智能模型，更是把教育的責任懸置在不可問責的技術性黑箱之中。為此，在關鍵概念呈現、核心爭議點需要澄清、確立判斷標準以及糾正誤差的時刻，應當有清晰的人類判定與裁決機制的介入。即需要人加以判別、驗證、加工和認可（肖峰, 2023），以企及知識內在的、最為本質的本體脈絡，防止算法系統以隱而不可見的方式完成判定“何者為真、何者為重要、何者可被接受”的終局性規范裁決，并由此削弱人類主體對知識的最終判斷權責，進一步誘發其對技術“無所不知”的想象的盲從。尤其是當模型輸出出現錯誤、偏置或誤導性內容時，糾錯責任需要由人類專家與學科共同體承擔，并以記錄修訂依據、說明校正理由與保留反思痕跡等方式，將糾錯過程納入公共程序，從而使知識秩序能夠被修復而非在隱蔽錯誤中累積風險。故而，堅持以人的理性判斷作為知識審定的最終依據，以人之智慧駕馭技術，使生成式人工智能穩定地承擔起輔助學習者理解知識、支持知識判斷的角色，而不占據裁決知識的獨斷位置，以此維護課程秩序中知識判定的可靠性，使技術被納入教育的理性治理之中，規避其反向支配知識權威建構與規范確立的可能。

（四）維護課程知識價值秩序，抵抗技術邏輯對知識本體的殖民

對于“Z世代”學習者而言，生成式人工智能帶來的認知擴展以速度與規模為尺度，使他們對于知識的接納方式與理解路徑不同于以往任何時代。但從更深層面看，具有虛擬化身的智能模型對知識的處理隱含技術性還原傾向，恰如赫伯特?馬爾庫塞（Marcuse, H.）所警示的，在數學框架內來解釋本質的定量化（赫伯特?馬爾庫塞, 2006, p.133）。經由算法詮釋的知識意義，更易將知識內在的價值折疊為可供度量的數據單元，淡化知識所承載的深刻涵義，即生成性知識在技術邏輯之下，知道如何博弈和解答卻不知如何存在和生活（劉純懿 & 胡泳, 2024），看似解釋得更充分，但其面向存在與公共世界的深層意義卻發生了坍縮。

事實上，知識之于人的意義并不止于工具性效用。人類追求知識，不僅僅是把知識作為可以使用的工具，知識本身與人類的精神（包括心智、情感、能力、德性、人格等）具有更內在的關系，知識本身對于培育人類的整體精神和個體精神都具有內在的價值（金生鈜, 2004, p.354）。換言之，知識的學習，不只是人類理性認知的活動，更是一種生命性的體認與精神性的實踐，是學習者得以理解世界、思考存在與確立自我的重要途徑。知識教育若要在數智時代守住其本源使命，需防范將知識學習簡化為對那些能夠分解、批量傳輸而無須審思的確定性外在物的接收，應促使知識學習重新成為在技術、知識與人之間持續展開的意義建構、精神追求與價值認同過程。

基于此種緣由，課程知識在數智時代的關鍵任務，并不在于與生成式人工智能競逐信息供給能力的高低，而在于重新確立其作為“育人性知識”的地位，彰顯其價值秩序，并承擔引導學習者進入知識意義世界的重要責任。所謂課程知識的對象不僅是關于事物和世界的事實知識問題，而且是關于事物和世界的知識對人的發展的意義和價值問題，是對“什么樣的知識能夠促進個體幸福和社會發展”這一價值追問的回應和選擇（劉志慧 & 羅生全, 2025）。這表明，課程知識不同于一般信息或解釋文本的原因正在于其始終牽連價值取向、教育目的與培養目標，并參與回答“培養什么樣的人”這一教育的根本問題。在此意義上，生成式人工智能即便能夠提供遠超課程知識容量的材料、線索與論據，也只是在信息組織與供給層面發揮作用，其生成機制并不內含教育目的所要求的價值辨析與規范要求，因而不宜被賦予重寫“知識之為知識”價值意義的決定性權能。

正因此，課程知識需持之以恒地將與人之發展相關的內容嵌入知識組織之中，以人的存在價值為標尺，以育人目的統攝技術中介的運行后果，圍繞知識能否支持學習者形成對虛實交織的世界的理解、對自我與他者的倫理認識以及對公共生活的責任意識來完成裁取與構序。與此同時，課程知識在堅守對思想、價值與智慧之追問的基礎上，還需回應數智時代主體能力培育的現實要求，將對技術中介的批判性理解、對知識來源與立場的辨識能力、對算法影響的反思能力等納入知識結構之中，幫助學習者重新辨明人工智能技術發展與人類理性能力和價值判斷之間的復雜關系邊界，從而抵御算法化知覺與自動化思維的規訓，讓求知在數智時代指向對適應智能社會發展的人性的培養及精神世界的塑造，以此促動人類主體在課程知識與生成式人工智能產出知識并存而互動的際遇之中，實現精神成長與理性自覺。

四、

結束語

在生成式人工智能高歌猛進的當下，技術正以不可回轉且無可估量的態勢變更知識的生產、流通與使用方式，并由此改變學習者接觸知識、組織經驗與形成判斷的基本路徑。個體能力發展的核心訴求已不再局限于對既有知識的掌握與復現，而更強調以知識為支點進入未知領域，在不確定情境中生成理解并作出行動選擇，以此培育學習者“適應尚不了解的未來”的能力（丹尼爾?貝爾, 1997, pp.186-187）。在這一轉向中，學校教育并未過時，反而在知識與信息資源日益邁向差異化分配、學習機會與認知資本加速分化的情形下，承擔著更為關鍵的公共職能（Singh, 2002）。學校課程需要回應的，也不僅是如何讓學習者獲得更多知識的問題，而是何以使學習者在數智時代的知識革命中更好地理解世界、形成獨立判斷并作出負責任的現實選擇。在這一意義上，課程知識仍具有不可替代的教育意義與智識價值。它依舊是實施正規教育與教學表達的核心媒介，也是支撐學習者形成內在知性涵養、批判性思維與價值辨析能力的重要載體。面對更加智能與高效的未來，重新審視課程知識的本體屬性與教育價值，并非出于對技術進步的抵觸，而是旨在凸顯課程知識所具有的根本力量，即在知識供給高度充裕且生成性內容隨處可得的條件下，課程知識能夠為培養學習者穿越知識碎片、保持理性沉思與心智獨立的能力素養提供支撐，使學習活動不被壓縮為對答案的即時調用，而是保有理解的厚度、判斷的嚴謹與價值的尺度。它的存在意義更在于使學習者在人工智能技術所構筑的虛擬世界與真實的現實世界之間，獲得面對復雜性、多變性與不確定性所需的認知韌性與行動智慧，并進一步成長為兼具獨立性、變通性與創造性的思維主體，繼而在多元價值并存、意義生成未明與變動不居的未來情境中，對不斷涌現的新問題作出具有多樣可能性的有力回應。

參考文獻

A. N. 懷特海. （2011）. 觀念的冒險（周邦憲 譯）. 人民出版社.

Kurzweil, R. （2011）. 奇點臨近（李慶誠, 董振華, & 田源 譯）. 機械工業出版社.

阿蘭?巴迪歐. （2018）. 存在與事件（藍江 譯）. 南京大學出版社.

愛彌爾?涂爾干. （2005）. 實用主義與社會學（渠東 譯）. 上海人民出版社.

陳曉珊, & 戚萬學. （2023）. 知識機器生產模式與教育新隱喻. 教育研究（10）, 33-43.

戴維?珀金斯. （2015）. 為未知而教，為未來而學：什么才是有價值的學習？（楊彥捷 譯）. 浙江人民出版社.

丹尼爾?貝爾. （1997）. 后工業社會的來臨：對社會預測的一項探索（高铦, 王宏周, & 魏章玲 譯）. 新華出版社.

郭華. （2021）. 知識是個百寶箱——論現代學校的知識教學. 北京大學教育評論（4）, 65-84.

韓炳哲. （2019）. 他者的消失（吳瓊 譯）. 中信出版集團.

赫伯特?馬爾庫塞. （2006）. 單向度的人：發達工業社會意識形態研究（劉繼 譯）. 上海譯文出版社.

杰米?薩斯坎德. （2022）. 算法的力量：人類如何共同生存？（李大白 譯）. 北京日報出版社.

金生鈜. （2004）. 規訓與教化. 教育科學出版社.

靳玉樂, & 董小平. （2009）. 課程知識的客觀表征與主觀建構——兼論課程與教學的內在整合. 教育研究（11）, 58-63.

理查德?羅蒂. （2009）. 哲學和自然之鏡（李幼蒸 譯）. 商務印書館.

劉純懿, & 胡泳. （2024）. 人工智能的知識表示和智識極限——從形式化/非形式化論爭談起. 現代出版（9）, 16-25.

劉麗群, & 劉景超. （2014）. 課程知識準入、身份文化傳播與社會再生產. 南通大學學報（社會科學版）（1）, 103-108.

劉書文. （2025）. 生成式人工智能的知識生產及其哲學反思. 江漢論壇（2）, 59-66.

劉志慧, & 羅生全. （2025）. 課程知識的倫理邏輯. 教育理論與實踐（13）, 51-56.

魯子簫. （2025）. 回歸生命立場：教育數字化轉型中的知識觀重塑. 教育研究（1）, 57-69.

彭姿銘, & 譚維智. （2025）. 生成式人工智能時代學習的技術化重塑與教育應對. 蘇州大學學報（教育科學版）（1）, 25-34.

任友群, & 楊曉哲. （2025）. 智能時代什么知識最有價值？ 中國遠程教育（9）, 3-13.

韋恩遠, & 肖菊梅. （2023）. 數字化生存的全景遮蔽與教育應對——柏拉圖“洞穴之喻”之省思. 開放教育研究（1）, 37-45.

烏爾里希?貝克, & 伊麗莎白?貝克-格恩斯海姆. （2011）. 個體化（李榮山, 范譞, & 張惠強 譯）. 北京大學出版社.

肖峰. （2023）. 生成式人工智能與知識生產新形態——關于三階知識生產的探析. 學術研究（10）, 50-57.

熊華軍, & 曾琴. （2025）. 從“什么”到“誰”再到“哪里”：課程知識價值觀的時代躍遷與當下圖景. 開放教育研究（6）, 50-57.

余明鋒. （2022）. 還原與無限：技術時代的哲學問題. 上海三聯書店.

張國玲, & 徐繼存. （2025）. 論課程知識的未來向度. 課程?教材?教法（1）, 11-19.

張洪忠, 黃民烈, 張偉男, 沈菲, 周葆華, 鄒軍, 鐘智錦, 閔勇, 吳曄, & 許小可. （2023）. ChatGPT的技術邏輯、社會影響與傳播學未來. 江西師范大學學報（哲學社會科學版）（2）, 24-31.

張江. （2025）. “公共理性”辨義. 探索與爭鳴（4）, 36-50.

鄒紅軍. （2023）. 走出“數字洞穴”：數字化時代的生存隱憂與教育應對. 重慶高教研究（1）, 61-75.

Bernstein, B. (2000). Pedagogy, symbolic control and identity: Theory, research, critique. Rowman & Littlefield.

Deng, Z. (2015). Michael Young, knowledge and curriculum: An international dialogue. Journal of Curriculum Studies(6), 723-732.

Huang, L., Yu, W., Ma, W., Zhong, W., Feng, Z., Wang, H., Chen, Q., Peng, W., Feng, X., Qin, B., & Liu, T. (2025). A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions. ACM Transactions on Information Systems(2), 1-55.

Lessig, L. (2006). Code version 2.0. Basic Books.

Lilliedahl, J. (2015). The recontextualisation of knowledge: Towards a social realist approach to curriculum and didactics. Nordic Journal of Studies in Educational Policy(1), 40-47.

Lyotard, J. F. (1984). The postmodern condition: A report on knowledge. University of Minnesota Press.

Muller, J., & Taylor, N. (1995). Schooling and everyday life: Knowledges sacred and profane. Social Epistemology(3), 257-275.

Muller, J., & Young, M. (2019). Knowledge, power and powerful knowledge re-visited. The Curriculum Journal(2), 196-214.

Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning & Teaching(1), 342-363.

Singh, P. (2002). Pedagogising knowledge: Bernstein’s theory of the pedagogic device. British journal of sociology of education(4), 571-582.

Young, M., Lambert, D., Roberts, C., & Roberts, M. (2014). Knowledge and the future school: Curriculum and social justice. Bloomsbury Academic.

The Continuity and Regeneration of Curricular Knowledge under the Impact of Generative Artificial Intelligence

Yan Yuru, Huang Luhan

Abstract:In the “new technological world”, the development of generative artificial intelligence has reshaped the logic of knowledge justification, its organizational structure, its constitutive authority, and its hierarchy of value, enabling algorithmically generated knowledge and curricular knowledge to intertwine and coexist within the ecology of human cognition. This turn has disrupted the selection rules, systemic order, attribution of responsibility, and value rationales upon which curricular knowledge depends, thereby loosening the stable and normative conditions of its existence within generative AI-driven knowledge production. Confronted with transformations in the configuration of knowledge under the technological lens, the points of access to curricular knowledge are being diverted by algorithmic interaction, weakening the possibility of intellectual striving within short-cycle loops. At the same time, the output of technologically produced “verisimilar” knowledge continues to erode the public mechanisms through which curricular knowledge is justified, diluting its educational mission under the force of reductive rationality. In response, to reaffirm the legitimacy and educational depth of curricular knowledge in the age of digital intelligence, and to engage prudently with the rupture from the dimension of genuine knowledge brought about by deterministic technological code, it is necessary to repair the justificatory conditions of curricular knowledge and reconstruct the rational boundaries of knowledge production; to reshape the conditions of possibility for learning action and defend curricular knowledge’s commitment to the development of human intellect; to restore the authority of curricular knowledge and safeguard the primacy of human subjects in judgment; and to preserve the value order of curricular knowledge so as to resist the colonization of the ontology of knowledge by technological logic. Only in this way can curricular knowledge exercise its vital value and foundational force in technological contexts by cultivating the rational spirit, critical consciousness, and independent thinking of cognitive subjects.

Keywords:generative artificial intelligence; curricular knowledge; generative knowledge; critical coexistence

作者簡介

顏玉如，浙江大學教育學院博士研究生（杭州 310058）。

黃露菡，浙江大學教育學院博士研究生（通訊作者：huangluhan1126@163.com 杭州 310058）。

責任編輯：劉莉

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，名列中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 權威期刊、中國期刊方陣雙效期刊、人大復印報刊資料轉載率最高期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

來源丨中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。