白蘊琦 | 猜想與反駁的智能遷移：生成式人工智能教育資源生產的認識論與方法論研究

關注“在線學習”

獲取更多資訊！

刊載信息

白蘊琦.(2026).猜想與反駁的智能遷移：生成式人工智能教育資源生產的認識論與方法論研究. 中國遠程教育(2),128-145.

猜想與反駁的智能遷移：生成式人工智能教育資源生產的認識論與方法論研究
白蘊琦

【摘要】自大語言模型取得突破性進展以來，生成式人工智能（Artificial Intelligence，AI）工具憑借其創造性內容生產能力，已成為驅動教育資源創新與影響教育變革的核心動能。為避免生成式AI的教育應用簡單化而陷入研究表面化的現象，需要找尋其認識論與方法論的哲學根源。本研究從證實性與證偽性的知識標準問題出發，通過吸納波普爾“猜想與反駁”認識論與方法論思想，以及維護經驗主義基本立場并擴充四層經驗世界，最終形成了建立在對認識來源和知識增長的雙重考量上的批判經驗論。基于此，結合生成式AI的全新特性，又進一步發展出生成式AI教育資源生產的認識論與方法論。生成式AI推動的教育變革應在對其本質屬性（經驗4：媒介制品）的認識下，通過在生成與流轉過程中不斷剔除虛假經驗并提升真實經驗，以解決數字資源的數量問題和質量問題，同時發展經驗主體的理性思維。這是積極推進生成式AI生產資源和影響教育變革應有的認識論思考，也希望其能促進批判理性主義哲學視角下生成式AI教育的深入討論。

【關鍵詞】生成式人工智能; 猜想與反駁; 批判經驗論; 數字教育資源; 波普爾

一、

引言

在人類口頭語言誕生時甚至更早，“認識”就不僅僅局限在個體內部，人類群體自彼時起就已開始通過媒介技術傳播與生產新的認識。口頭語言可看作最早的媒介技術。借助媒介技術，個體對外部世界通過感官所形成的感性認識及其思考加工后形成的理性認識可向他人傳遞，并同樣接收到他人的各類認識。在人類發展史上，支持人類交互的媒介技術主要經過了口頭語言、手工抄寫、印刷技術、電子媒介和數字媒介五個主要的發展階段（郭文革, 2011, 2018, 2020）。而在數字媒介的發展過程中，互聯網技術使人類群體產生前所未有的緊密聯系（Kato et al., 2020; Tjahja et al., 2021; Tatarchevskiy, 2011; Filsinger et al., 2020），而以Manus、DeepSeek、ChatGPT、Claude等工具為代表的生成式人工智能（Artificial Intelligence，AI）技術更是釋放出無限的生產潛力（陳永偉, 2023; 姜華 等, 2023; 劉邦奇 等, 2025）。生成式AI通過內容創造直接介入知識生產過程，而互聯網主要提供傳播基礎設施，二者在資源生產鏈條中分別承擔創造者與傳輸者角色，共同構成數字教育資源生態的雙引擎，能夠顯著提高效率、促進創新和提供個性化服務。借助這一全新的媒介技術，人類群體中已形成和正在形成的所謂確證過和未確證的概念、命題、信念、態度、價值觀等各種認識開始爆炸式地生產、傳播與演化（付道明, 2016; 靖鳴 & 馮馨瑤, 2023; 陶鑫 & 盛毅, 2024; 米加寧 & 董昌其, 2024; 翟雪松 等, 2023; 江曉原, 2023）。自然生成式AI也面臨內容準確性、偏見和倫理等方面的挑戰。在這一現實背景下，分析生成式AI技術對認識論的影響，對于人類群體認知發展研究和教育變革都具有重要價值。

以生成式AI和互聯網為代表的媒介技術將人類群體聯系起來的介質叫作數字資源，在教育情境中則叫作數字教育資源。無論通過生成式AI和互聯網生產和傳播認識的介質載體是文本、代碼、聲音、圖像，還是虛擬現實，皆是數字資源。可簡單理解為，在生成式AI和互聯網環境下，認識存在于數字資源的靜態存儲和動態涌現中。倘若生成式AI和互聯網使得人類群體認識論發生變化，那么對待存儲認識的數字資源的觀念勢必相應改變。數字資源在其建設之初乃至現在，旨在將部分人的認識傳遞給另一部分人（陳明選 等, 2022; 柯清超 等, 2022）。但在新技術環境和新認識論下，又應如何看待數字資源生產的基本問題？本研究提出的“智能遷移”是兩方面內涵的綜合：一是指批判理性主義認識論在智能時代的發展；二是指人類運用“猜想與反駁”方法論開展生成式AI資源的生產。其目標并非創造具備自主批判理性的AI主體，而是利用AI技術賦能人類以更有效地提升數字資源的質量與知識增長的效率。為此，厘清知識生產認識論及其在生成式AI環境下的發展變化，再在此基礎上分析數字資源生產的方法論，是生成式AI深入推動教育發展的應然路徑。

二、

知識的標準問題

哲學中關于認識論的爭論與發展用最簡單但也最精確的語言概括起來，可叫作知識的標準問題。所有的知識都是認識，這基本無爭論。但何種認識能夠上升為知識，何種認識只能被叫作認識，這是不同哲學家和不同認識論流派最主要的爭論來源。知識的標準問題不僅會將認識分界為知識與非知識，更會影響知識的增長。因為，即使某一特定認識在一派認識論中被劃入知識的范疇內，卻在另一派認識論中被排除在知識的范疇外，都不影響該特定認識所包含的真理性或逼真性；倘若該特定認識能夠在某派認識論中披上“高貴”的知識外衣，而這一認識論流派占據主流的話，則會影響同類認識的后續增長。

（一）證實性的分界標準

無論是理性主義流派還是經驗主義流派，在關于知識標準的問題上，卡爾?波普爾（Popper, K.）之前的哲學家都致力于追求知識的確定性，只是各自根本觀點的不同導致證實確定性的方式也有根本性的區別。以證實性為分界標準的哲學家基本都會同意“知識是確證的信念”，分歧在于何為“確證”。理性主義的代表人物勒內?笛卡爾（Descartes, R.）只承認完全不容置疑的事物，其用懷疑一切的方法審視“一切”事物后，認為應從不能懷疑的自身存在上再去探尋其他確定性事物（勒內?笛卡爾, 2022, pp.31-33）。笛卡爾“我思故我在”的哲學思想凝練表達的是“我”自身的確定性。但倘若只在這一確定性上建立其他不容置疑的知識大廈，這一基礎太過狹窄。經驗主義的代表人物大衛?休謨（Hume, D.）對歸納問題的闡述和分析沉重打擊了理性主義。我們過去的（重復）經歷能夠有效地推論出未來事物的發展嗎？或者說，解釋性普遍理論能由經驗有效地證明嗎？休謨的回答是：這種有效性沒有被證明過。這就導致，我們只能依靠“經驗”來確證“可感知”的事物，而不能依賴未被有效證明過的所謂歸納原則和因果關系（大衛?休謨, 2015, pp.94-97）。

科學上的巨大進步或者說科學知識及其實踐的增長，讓人們選擇性忽視了休謨的歸納問題。這導致科學哲學的證實主義或歸納主義，歸納法的應用與否成為科學與偽科學（尤其是形而上學）的分界標準。進一步發展出的驗證理論（Confirmationism）更關注如何通過證據和數據來確認理論的正確性，強調理論需要通過實證支持來增強其可信度。而對于這一傳統證實主義所認為的、能夠提供滿意分界標準的歸納法，馬克斯?玻恩（Born, M.）反駁接受歸納是沒有邏輯論據的，并將歸納法本身稱為形而上學原則（馬克斯?玻恩, 1964, p.21）。和驗證理論相區別，檢證原則（Verificationism）側重于命題的意義與驗證的關系，主張只有可驗證的陳述才有意義。波普爾更激烈地反駁歸納法連形而上學也不是，根本不存在。這些對傳統證實主義歸納法的反駁實質上是對休謨歸納問題的回歸，一個（確定為真理的）理論不可能從“觀察陳述”中推出。

（二）證偽性的分界標準

如果要試圖確證知識，必然躲不開休謨的歸納問題。后續堅持理性主義流派的哲學家都沒有正面地解決歸納問題。當歸納問題擺在波普爾面前時，波普爾放棄直接從確證性的邏輯正面對抗該問題，轉而從證偽性的邏輯間接“解決”了該問題。全稱陳述只具有可證偽性，而存在陳述只具有可證實性①。人類所追尋的知識，尤其是科學知識，主要是以全稱陳述所表述的普遍性規律（卡爾?波普爾, 2008, p.89）。波普爾認為必須放棄對確定性以及知識的可靠基礎的尋求，應該轉向知識的增長問題。波普爾同意休謨的歸納問題，同樣認為知識不能被確證，但這不影響用“觀察”反駁一個理論的可能性。為此，波普爾建立了實現科學知識增長的“猜想與反駁”認識論與方法論。一切知識都是猜測性的，或者說，一切知識都是假說。波普爾認為這些猜測性的知識不存在終極的知識源泉，每種猜測都有待于批判考察，而且猜測的過程無須“經驗”參與。為使猜測不至于太過天馬行空，波普爾為猜想過程建立了三個要求：簡單性、可獨立檢驗性和不會很快就被證偽。猜測或假說提出后，就需要根據“經驗”來反駁和指出錯誤，從而對理論擇優，使新理論具備更高的逼真度（卡爾?波普爾, 2015a, pp.132-137）。通過不斷的猜想與反駁，科學發現被不斷地向前推進。證偽主義是波普爾將科學與形而上學分界的新標準。波普爾的上述認識論思想也被叫作批判理性主義。

三、

批判經驗論的初創

（一）對批判理性主義的維護與批判

理性一詞無疑對波普爾有巨大的吸引力，以至于他在同意休謨歸納問題的基礎上天才般地“解決了”休謨的歸納問題后，仍將他的認識論流派稱為批判理性主義。波普爾關于科學哲學的思想主要體現在他的三本著作中：《科學發現的邏輯》《猜想與反駁：科學知識的增長》和《客觀知識：一個進化論的研究》。本研究同意波普爾為實現知識增長這一目的而提出的猜想與反駁的基本認識論與方法論邏輯及其證偽主義的基本分界標準，這也是后文將要創立的批判經驗論的基礎。除了上述基本思想外，本研究在猜測性知識的來源問題、客觀知識（世界3）與主觀精神（世界2）的區分問題、客觀知識世界的自主進化問題上存在著眾多分歧（卡爾?波普爾, 2015b, pp.86-89）。但為了使對波普爾的批判理性主義的批判有助于直接性地創立批判經驗論，本研究將對批判理性主義的批判歸結為以下兩點。

第一，波普爾反對從觀察到歸納的知識確證路徑，主張觀察在反駁環節的核心作用在于：理論不能被證實，但可被觀察證偽（卡爾?波普爾, 2015a, p.136）。波普爾強調，科學猜想并非從觀察中歸納得出，也非邏輯演繹的必然結果，而是一種自由的、非決定性的創造行為，是“大膽的猜測”（bold conjectures），其來源無法被邏輯規則或心理學規律完全解釋。由于這一論點，波普爾維護了他理性主義的基本立場。如果他認為猜想的過程需要觀察的參與，甚至主要來自觀察，這就會轉向經驗主義的基本立場。除了認識論立場的目的導向外，本研究對這一論點的批判更在于其前后的矛盾性。既然觀察能在反駁的過程中對猜想進行判決和排除錯誤，那么建基于觀察的猜想才更有可能在反駁中存活下來。脫離觀察的猜想倘若連來自個體的經驗都難以通過，自然也更加難以通過反駁過程的檢驗。為了使脫離觀察的猜想不至于完全不著邊際，波普爾對猜想過程的三個要求也在一定程度上對猜想進行了限制。

第二，波普爾認為科學理論和假說（猜想）能夠被“觀察”反駁，但“觀察”不可靠。這一論點的前半句恰恰說明了“觀察”比起所謂的理性猜想具有更高的逼真性。只有真理才能夠裁決虛假。“觀察”能夠反駁猜想，而不能將其反過來論述，這是因為“觀察”才更加接近真理。假設某一猜想比“觀察”更加接近真理，這一猜想提出后卻會被錯誤的“觀察”反駁掉，從而不僅沒實現知識增長，反而讓知識倒退。盡管如此，本研究依然同意猜想與反駁的基本方法論邏輯可以實現科學知識的增長。

（二）對經驗主義的維護與批判

本研究將要創立的批判經驗論屬于經驗主義的立場。本研究要維護的是經驗主義的基本立場，要批判的是傳統經驗主義對“經驗”的籠統認識。正由于經驗主義對“經驗”這一核心詞匯的籠統認識，才造成了理性主義者對經驗主義非常“正確的”抨擊。理性主義者否定經驗主義最主要的論據是：來自感官的認識有時是錯的。這一論據是絕對正確的，任何經驗主義者都反駁不了這一論據本身的正確性。所以，理性主義者否定了“經驗”作為認識的源泉。波普爾抨擊經驗主義者的問題是把“感知”當作認識的一切。經驗主義者在堅持基本立場的同時也退而求其次地認為，人類也只能依靠不可靠的“經驗”來認識世界，只接受可以通過我們的感覺證據來證明或證實的那些命題。

感官經驗可錯性的論據沒有錯，經驗主義的基本立場也沒有錯，問題出現在理性主義者和經驗主義者都沒有分析出“經驗”的不同層次。在各個流派的哲學家的論述中，都可以看到“經驗”“感官”“感覺”“感知”“觀察”“知覺”等詞匯以及諸如“感覺經驗”“感知覺”等來自上述詞匯的組合詞的混亂使用。這也是本研究在前述章節中對上述詞匯加引號的原因。經驗具有不同的層次和分類。理性主義者和經驗主義者的問題是一致的：都錯把某一方面的經驗當作了全部的經驗。理性主義者錯誤地將某些經驗的可錯性作為駁倒經驗主義的理由；傳統經驗主義者錯誤地將某些經驗的可錯性作為人類認識外部世界的悲觀理由；極端經驗主義者錯誤地將某些經驗的主觀性當作外部世界的一切。所以，全部的經驗到底是什么？這將是批判經驗論將主要論述的內容。

（三）批判經驗論的四層經驗世界

除了物質世界外，人類與物質世界的接觸都從屬于經驗世界。本研究不去爭論實在論與非實在論的孰是孰非，主要原因是任一學派都適用于下述的四層經驗世界，且兩者在邏輯上都不能證實。為了不和波普爾的“世界1”“世界2”“世界3”在名稱上混淆，更為了和其在不同觀點上涇渭分明，本研究將用“經驗1”“經驗2”“經驗3”“經驗4”來分別表述。

經驗1（身物接觸）構成第一層經驗世界，即人類身體作為自在之物與物質世界中其他物質的直接接觸，是絕對真實的接觸。物質世界中人類試圖追尋的終極真理都會“完全”“毫無保留”地作用于作為自在之物的人類身體。

經驗2（感官譯釋）組成第二層經驗世界。自在之物的接觸只有相互作用，而沒有認識。感官在生物體（認識主體）和外在物質世界（認識客體）間充當中介，試圖將客體的信息“翻譯”給主體。但來自感官的譯釋所形成的認識不是客體本身，而被稱為感覺材料。這是生物體在長期的進化中以存活為目的而不是以探求真理為目的所形成的、關于外在世界的“映象”。感官材料與物質世界的屏障也造成了伊曼努爾?康德（Kant, I.）“人為自然立法”的哲學思想（伊曼努爾?康德, 2023, p.132）。

經驗3（頭腦記憶）形成第三層經驗世界。感官譯釋在人類個體中具有高度一致性，頭腦記憶則不然。相比于瞬時發生的感官譯釋，頭腦記憶中存儲的是生命歷程中感官譯釋的“集合體”。這種集合不是原封不動的線性排列，而是會經常發生丟失、篡改和重組。頭腦記憶中所存儲的感官譯釋的改變是被動發生的，也可由認識主體主動性地“杜撰”，生成各種媒介制品，從而存儲到其他個體的頭腦記憶中。

經驗4（媒介制品）造就第四層經驗世界，更精確地說，是指媒介制品內容中關于上述經驗3的內容。生成式AI即媒介制品自動化生產系統。除了頭腦記憶外，媒介制品中任何打著“理性”的幌子而脫離經驗的表述內容皆為虛假。這部分脫離經驗的內容由于是虛假的，既不能夠被經驗所反駁，也不需要反駁它們。除了虛假內容外，經驗內容通過媒介制品可以在人類群體中橫向傳播以及時間維度上縱向傳播。媒介制品（尤其是AI生成的數字資源）不僅是經驗載體，更是倫理實踐的場域。其生產過程、內容、傳播與應用都涉及復雜的權力關系、價值負載和潛在風險。同樣重要的是，來自經驗內容中的虛假性可通過批判經驗論的“猜想與反駁”方法論予以剝離，生成式AI背景下可以此方法論重構資源生產。

（四）批判經驗論的“猜想與反駁”

波普爾同意休謨的歸納問題，并通過證偽主義解決了歸納問題與分界問題（兩者在波普爾看來為同一個問題）。本研究既同意休謨的歸納問題，也同意波普爾解決歸納問題的基本邏輯。分歧在于認識或知識的來源問題：波普爾堅持認為知識沒有確切來源，本研究堅持認為認識或知識必須來自經驗。

本研究對經驗世界的分層分析，可有效回擊來自理性主義者的挑戰。從上述分層的經驗世界中可以分析出，對于同樣的內容而言，經驗世界的上層比下層更加遠離真實性的經驗，虛假性的經驗成分更多。但上層的經驗世界更利于經驗的傳播。從量級上來說，上層經驗世界比起下層經驗世界存放著更多的經驗內容，雖然虛假性的經驗性內容更多，但真實性的經驗內容也更多。理性主義者攻擊經驗主義的論據（經驗的可錯性）是對的，畢竟個體認識所參與的最底層經驗世界2中的感覺材料也與物理世界存在著屏障。但經驗世界1提供最高層級的實在性錨點。而為了無限地逼近經驗世界1，唯有通過批判經驗論的“猜想與反駁”方法論。

知識的可猜想屬性不能是脫離經驗的猜想，經驗內容中虛假與真實的交織就已構成了猜想的基礎。最稱職的猜想主體應盡可能地將猜想向四層經驗世界的底層下沉，甚至是從思想上突破經驗世界2中感覺材料的限制。這種基于經驗的猜想自然就具備了可證偽性，而不用強制要求其具有可證偽性。猜想完成后，就到了反駁環節。基于經驗的猜想可通過同一猜想主體在不可解釋新經驗或更下層經驗時予以反駁或排除其中的錯誤，使猜想得以發展。更可能的情形是，基于經驗的猜想被其他主體的經驗反駁掉，無論是同時代的其他主體或后繼者。雖然所有猜想最終都會被反駁掉，但當某一普遍性猜想被來自經驗的最嚴格的手段所檢驗，并依然暫時性存活下來時，這種通過證偽性考驗的普遍性猜想即為科學知識。通過批判經驗論的“猜想與反駁”方法論，知識得以合理地增長；而若是批判理性主義中不分認識來源的“胡亂”猜想，野蠻生長的則不是知識的“果實”，而是“雜草”。

波普爾將認識論看成關于科學知識的理論，其將科學知識納入世界3的范疇，從而與主觀性認識的世界2相分離，并極端性地稱“它是沒有認識主體的知識”。本研究所創立的批判經驗論既適用于科學知識論，也適用于一般性的認識論。如果借用波普爾認識論下的“世界”一詞及其含義，本研究批判經驗論的立場認為，世界只有兩個：物質世界與經驗世界。波普爾三個世界中的世界1等同于物質世界，世界2和世界3等同于經驗世界。波普爾所謂的世界3只不過是經驗世界中的一層“經驗4：媒介制品”，世界3中的居民（問題、理論和批判論證）本質上仍然是主觀經驗，依然存在認識主體。科學知識與一般性認識同宗同源。

那么批判經驗論下的理性存在于何處？“理性”這一詞匯在日常生活語境下已經有濫用的傾向，在不同學科中也有不同的含義。批判經驗論堅持認識的最終源泉是經驗的根本立場，認為通過新經驗對舊經驗的不斷證偽，使基于經驗的認識不斷增長且不斷逼近真理。在批判經驗論的語境下對理性正本清源，本研究將理性主要歸結為以下三個方面：一是對經驗世界的層次分析；二是對基于經驗內容的合理性猜想；三是根據經驗對猜想的反駁。而脫離經驗的思考，即使再多，也是非理性的。本研究以下所指的理性皆為批判經驗論下的理性含義。批判經驗論不僅關注知識的來源與增長，也必然涉及知識生產、傳播和應用中的價值判斷與行為規范。追求真實經驗、剔除虛假經驗本身就蘊含著求真、責任和避免傷害的倫理訴求。理性思維也內在要求批判性地審視技術應用的社會后果。

四、

生成式AI教育資源生產的認識論

（一）生成式AI環境下的資源特性

人類是批判經驗的執行主體，AI是經驗生產的工具載體。如批判經驗論所述，隨著經驗世界層次的升高，經驗內容中的虛假部分占比和真實部分數量一并增多。經驗世界的最高層級為媒介制品，媒介技術在人類歷史上發展的最高階段則為生成式AI和互聯網。所以，生成式AI和互聯網環境既正在形成和充斥著史無前例的虛假經驗，又充當了實現知識增長和傳播的最肥沃土壤。生成式AI和互聯網技術與之前媒介技術相比，最具革命性的功能是根據已有資源不斷生產新資源以及能夠以最大地理范圍和最少時間間隔地將“經驗”連接（O’Dea, 2024），而經驗的流轉是四層經驗世界中從媒介制品（經驗4）到感官譯釋（經驗2）的連接。媒介制品擁有最多的虛假經驗和真實經驗，是生成式AI和互聯網環境下群體認識的實然。為了不斷去除虛假內容并提升真實經驗，以提升一般性認識的真實性和促進知識增長，應然如何呢？

（二）生成式AI環境下虛假內容的來源與消減

虛假內容有兩大來源，其一是主動性的創作或杜撰。創作性的虛假內容是指人們故意創作的虛構作品，如小說、電影、虛構故事等。這些內容通常是為了娛樂、藝術表達或思想實驗，不以傳達真實信息為目的。創作性的虛假內容通常被社會接受，因為它們具有娛樂、教育或藝術價值（Raquel et al., 2022）。人們有刺激感官式和調動情緒式的休閑娛樂需求，且創作者和受眾對此類媒介制品的虛構性有著基本共識。這類內容應明確標注為虛構，以避免誤導讀者。但主動杜撰的媒介制品以受眾信以為“真”為手段，從而實現杜撰者的相關利益，如虛假新聞、網絡謠言、詐騙信息等（Oberlader et al., 2021）。創作性的虛假內容應合理鼓勵，而杜撰性的虛假內容應堅決取締。

虛假內容的另一大來源是以傳播真實經驗為目的但事實上因四層經驗世界限制而不可避免存在的虛假內容。錯誤數據分析、不完整信息傳播和有偏差的理論模型都會產生虛假內容（Lee et al., 2021），如一個市場研究報告因樣本選擇不當，導致對消費者行為的錯誤結論；一篇新聞報道因未經全面調查，遺漏了重要事實，導致公眾誤解事件；一個經濟模型因假設條件不合理，導致預測結果與實際情況不符；等等。人工智能因算法模型及數據訓練的局限性也會生成“錯誤”信息。AI模型在反映社會偏見的數據上訓練，其生成的教育資源也可能相應內嵌并放大各類偏見。在批判經驗論視角下，偏見扭曲了“經驗4：媒介制品”中真實經驗的構成。它使經驗流轉過程系統性地排斥或貶低某些群體經驗，導致資源內容不能公正代表或服務于所有經驗主體。這涉及固化與放大社會不平等、制造新的教育鴻溝和隱性價值觀灌輸等倫理問題。所以，生成式AI和互聯網環境下虛假內容的消減與真實內容的增長從某一方面看受算法模型和數據訓練本身的直接影響，但歸根到底取決于群體基于經驗的理性思維。如Google的Fact Check標記系統利用深度學習模型識別虛假新聞，提高信息驗證的準確性（Konstantinou & Karapanos, 2025）。具有理性的媒介制品生產者會不斷將經驗下沉與比較，從而生產出最具個體責任感的媒介制品。更為重要的是，具有理性的受眾會根據自身的經驗對所接收到的媒介制品中的虛假內容開展反駁，從而生產出新的媒介制品，如社交媒體用戶通過分享事實核查結果，幫助澄清虛假信息，增強信息的透明度（羅坤瑾 & 陳麗帆, 2020）；在線社區通過用戶報告和評分系統，識別和處理虛假內容，維護社區信息環境的健康（易明 等, 2025）。這一猜想與反駁的過程在生成式AI和互聯網環境下循環往復，一般性的認識內容將愈加真實，而謠言更無藏身之所。

上述批判經驗論闡釋也為生成式AI“幻覺”問題及其破解路徑提供了認識。在批判經驗論的視角下，AI“幻覺”并非其獨有的技術缺陷，而是“經驗4：媒介制品”中“虛假經驗”的一種特定表現形式。其產生根源可歸結于訓練數據的局限和統計模型的本質。生成式AI的“經驗”完全來源于其訓練數據（即人類生產的海量媒介制品）。數據中固有的偏見、錯誤、不一致乃至惡意杜撰的內容，會被AI學習并再現，此乃虛假經驗的繼承與放大。AI基于概率生成內容，其目標是生成概率上合理而非事實上正確的文本序列。這種為追求流暢性而犧牲確定性的機制，是產生無中生有式“幻覺”（如虛構引文、不存在的事件）的直接原因。因此，破解“幻覺”的本質，并非追求創造永不犯錯的AI，而是如何在我們賴以增長知識的猜想與反駁體系中，為AI生成的內容建立更高效、更嚴格的反駁機制。這并非單純的技術問題，更是一個認識論和方法論問題。破解之道在于將AI生成的內容始終置于批判經驗論的猜想與反駁框架之下。首先，要將生成的資源視為“猜想”而非“定論”。教育者和學習者必須首先建立起這一元認知：AI的一切輸出都是一個有待檢驗的“大膽猜想”。其次，構建多維“反駁”網絡。利用技術工具（如事實核查API、溯源檢測）和人類理性（如社群討論、專家評審）對其進行系統性批判與檢驗。最后，可將“幻覺”轉化為學習契機。一次發現AI“幻覺”的經歷，是一次絕佳的“基于經驗的反駁”教學案例。學生通過證偽AI的內容，能更深刻地理解知識的不確定性、來源的可信度評估以及批判性思維的價值，從而發展其理性思維。

（三）生成式AI環境下知識增長的新途徑

除了促進一般性認識的傳播外，生成式AI和互聯網環境還能夠提供知識增長的新途徑。科學知識的形式是命題。一切知識都是猜測性的，最終都將被證偽，從而被新的理論所取代。所以一切科學知識都是偶然命題。在批判經驗論立場中“猜想與反駁”這一實現科學知識增長的方法論下，從問題出發，個體基于經驗提出的猜想通過時下最嚴格的檢驗后，便成為新的偶然命題。而生成式AI和互聯網不僅能不斷生成新的經驗，還能將人類經驗最大范圍地連接起來以及使經驗快速流轉。生成式AI和互聯網環境可對知識增長的兩個階段都產生新的影響。生成式AI作為經驗創造主體，通過語義重組生成新內容（如DeepSeek生成可證偽的歷史情境對話）；互聯網作為經驗連接載體，實現跨時空資源流轉（如慕課中的協作式知識修正）。二者在教育中形成“創造—傳播—檢驗”的閉環。但需注意的是，生成式AI生成的新內容不等于新經驗，需要區分表面創新和實質經驗重構。前者側重于形式重組，未拓展認知邊界；后者側重于建立新關聯，深化認知邏輯。在批判經驗論框架下，AI生成內容需滿足層級下沉（從經驗4向經驗1延伸）、可檢驗性（可被觀察或實驗證偽）以及認知增殖（打破原有經驗關聯模式），才能構成新經驗。需要明確的是，生成式AI模型提出的猜想，本質上是基于其訓練數據所學習到的統計規律，通過復雜的概率計算生成的文本序列或內容輸出。

猜想階段的新影響來自群體經驗大范圍流轉過程中的一致性，這可成為猜想的新基礎。這一猜想既可在人類與生成式AI的交互中產生，也可由某一個體在觀察到群體經驗一致性的基礎上提出，從而提出猜想性的初始命題。而無論何種猜想，都需要接受反駁的檢驗才可成為科學知識。生成式AI和互聯網因將人類的經驗連接起來，從而提供了最大范圍的檢驗手段。新產生的初始命題若能夠暫時性地通過生成式AI和互聯網環境下群體經驗的檢驗，則將會形成更有解釋力的偶然命題。同時，對于之前已被納入科學知識范疇的偶然命題來說，生成式AI和互聯網環境依然向它們提出了考驗。通過在生成式AI和互聯網環境下應用批判經驗論的“猜想與反駁”方法論，可使科學知識的內容不斷增長并不斷提升其逼真性。未來在生成式AI和互聯網環境中，融合批判經驗論將使人類科學知識的增長速度達到新的頂峰。

五、

生成式AI教育資源生產的方法論

無論是承載信息的文本、聲音等傳統資源的數字化，還是數字技術誕生后所發展出的圖像、虛擬現實、增強現實、元宇宙等新型數字媒介，皆是數字資源。而其中以教育為直接目的開發或間接性達到教育目的的部分，則為數字教育資源。在批判經驗論的視角下，無論何種數字教育資源，本質都是四層經驗世界中的“經驗4：媒介制品”。數字教育資源領域的學術研究與實踐長期致力于各類技術驅動下的高質量建設與應用問題的解決（錢冬明 等, 2013; 黃榮懷 等, 2015; 高鐵剛 等, 2019; 柯清超 等, 2021; Heine et al., 2023; 楊文正 等, 2025; 郭紹青 & 王雄, 2025）。這一總問題是以下兩個問題的綜合：一是如何增加資源建設與應用數量，二是如何提高資源建設與應用質量。而生成式AI技術的發展又將這兩大問題的深刻性和嚴峻性提到了新的高度。為使生成式AI驅動的數字教育資源及其服務對象長期切實發展，這兩大問題的解決不能僅僅依靠經濟學供需理論的指導和行政手段的推動，還需要以媒介制品作為其本質屬性開展批判經驗論視角下的分析。

（一）數量問題：增加經驗

數字教育資源作為媒介制品在認識上的作用是存儲和傳播經驗。只依賴少數人來開展數字教育資源建設的結果是只能存儲和傳播少部分的人類經驗。而這少部分的經驗主要包括兩方面內容：一是現階段之前的科學知識內容；二是開發者群體的經驗內容。建設者往往將這兩方面的內容作為絕對真實的“真理”來開發數字教育資源。事實上，已有科學知識內容和開發者的經驗都是猜想，都需要被反駁從而得到發展。而更多的資源生成數量意味著更多的猜想被提出，也就為人類知識的發展提供了更大的空間。為使生成式AI驅動的數字教育資源囊括更多人類經驗，可綜合考慮以下三種建設途徑。

批判經驗論認為，無論是一般性認識還是科學知識，歸根結底都是人作為經驗主體的認識活動。所以，增加數字教育資源中經驗的第一種途徑是增加經驗主體——包括人類智能主體和人工智能主體。不同人類個體在與外在世界的交互中，形成著不同的經驗世界。盡管經驗能力（主要為理性）存在差別，但倘若這些經驗能最大限度地存儲在數字資源中并流轉開來，對一般性認識和科學知識的傳播與增長將起到最大的促進作用。同時，生成式AI的發展和應用更加顯著地提升了基于人類已有經驗的信息生成能力。而如何才能使經驗得到最大限度的存儲和傳播呢？增加經驗的第二種途徑是提升經驗載體——包括生成式AI載體和互聯網載體。人類經驗只有通過形成媒介制品才能夠向外傳播。現實情況是不同經驗個體形成不同媒介制品的能力也不同。所以，需要降低數字教育資源在生成技術上的門檻，以便使不同經驗主體易于形成基于口頭對話、文本符號、視聽語言等不同經驗載體的媒介制品。第三種途徑在于加強經驗的“真實性”——包括增進真實經驗和過濾虛假經驗。形形色色的數字教育資源中，除真實經驗內容外，還包括了虛假經驗甚至是大量脫離經驗性的觀點。真實經驗的占比提高，才是真正增加了媒介制品中的經驗內容。這一途徑也是將數字教育資源建設與應用的數量問題與質量問題相統一的橋梁。

（二）質量問題：去偽存真

生成式AI驅動的數字教育資源數量問題的解決其實是基于經驗的廣泛“猜想”，質量問題的解決則要依靠“反駁”。由于經驗世界中的四層割裂關系，反駁的過程是要不斷去除數字教育資源中的虛假經驗并保留真實經驗。在生成式AI和互聯網環境下，數字教育資源中的一般性認識和科學知識需要不斷接受來自以下三種經驗方式的綜合檢驗。

第一種是來自新經驗的檢驗。對一般性認識而言，新經驗是指個體之外其他個體的現在經驗和所有個體的未來經驗。將個體經驗嵌入形成的數字教育資源向其他個體傳播時，來自其他個體的經驗將與數字教育資源中的經驗發生碰撞，從而在其他個體內部留下其認為更具真實性的經驗，并將其嵌入新的數字教育資源。對被稱為科學知識的認識而言，新經驗是指經受過原有學科體系下最嚴格檢驗之外的經驗。這些新經驗為此前的科學知識增添了新的檢驗，使具有頑強生命力的理論得以保留更長時間，使承受不住新經驗反駁的理論得以證偽和發展。

第二種是來自下沉經驗的檢驗。按照四層經驗世界的真實性經驗分布原理，虛假性經驗呈自上而下的遞減趨勢，即四層經驗世界中下層經驗的虛假內容的數量和占比都比上層經驗要少。如眾多科學概念傳播的失真率會隨經驗層級的上升而上升（Padilla et al., 2021）。所以，作為經驗世界最上層的數字教育資源這一媒介制品，可以通過來自下沉經驗的檢驗而得到發展。媒介制品中的經驗內容需要接受頭腦記憶的檢驗，后者又需要接受感官譯釋的檢驗。而對于感官譯釋與物質世界近乎絕對性的割裂，又需要科學發現猜測性地從感官到物質世界的下沉，從而使感官譯釋接受物質世界的檢驗。但這并不意味著同一問題的下層經驗總是比上層經驗更為真實，無論何時，基于經驗的猜想被另一不可能絕對真實的經驗反駁時，前者也會對后者的反駁開展反駁。

第三種是來自經驗流轉的檢驗。數字教育資源中由一般性認識和科學知識所構成的猜想，很多都不會通過來自一次經驗的反駁就被證偽。生成式AI和互聯網環境因不斷基于已有經驗生成新內容以及最大限度地將人連接，而使這一猜想與反駁的流轉速度達到史上最快。旨在促進科學知識增長和一般性認識傳播的生成式AI具體工具和互聯網社區，無論是出于責任還是未來企業競爭力的考量，都需要支持這一流轉過程。這一流轉過程除了不斷提高數字教育資源的真實性外，還最大規模地提升了經驗主體的理性思維，這應是批判經驗論未來將對教育起到的最大作用。當前生成式AI不具備與人類等同的、基于深刻理解和價值判斷的自主批判能力。AI在“反駁”環節主要起到模式識別、快速驗證、提供反例/替代視角和分析一致性等輔助性的作用，對AI輔助生成的“批判”結果，最終的評估、判斷、決策以及對理論/猜想的接受或拒斥，仍需依賴人類的理性批判思維。

這三種檢驗方式也共同構成了破解AI“幻覺”和“知識泡沫”的方法論體系。對于來自新經驗的檢驗，尤其要鼓勵學習者攜帶AI生成的內容（猜想）進入真實世界，通過實踐、實驗、田野調查（獲取新經驗）來對其進行反駁或確證。這能有效擊破由AI內部循環產生的“知識泡沫”。對于來自下沉經驗的檢驗，要求教育資源提供可追溯、可驗證的經驗下沉路徑。例如：AI生成的文獻綜述應提供核心論點的原始文獻鏈接（下沉至經驗3/4）；AI模擬的物理現象應能對接真實的實驗數據或仿真軟件（下沉至經驗1/2）。“不可下沉”或“拒絕下沉”的內容，其真實性存疑度極高。對于來自經驗流轉的檢驗，設計支持協作式反駁的技術平臺是關鍵。這包括允許用戶對AI生成內容進行批注、質疑、評分；建立版本歷史，記錄內容如何在不同用戶的反駁中被迭代優化；引入專家或社群共識機制，對內容的可信度進行標記。快速的流轉意味著虛假的“幻覺”能被更早、更廣地發現并清除。

六、

結語

本研究旨在從哲學思想上尋找生成式AI創生數字教育資源的認識論根源，并分析教育領域中應用生成式AI創生資源的實踐問題。數字教育資源作為部分傳統教育資源的數字化轉型和教育資源的新本體，有著時空靈活、邊際成本遞減、行為數據化、信息眾籌化、關系網絡化等全新特性，為解決僅依靠傳統教育資源難以化解的問題并促進教育和人更好發展提供了新的可能。而生成式AI及其典型代表大語言模型的產生和發展一方面在數字教育資源開發中正展現出革命性的潛力，另一方面也引發了關于獨立思考能力、內容可靠性風險、學術誠信等普遍性問題的思考。本研究通過梳理不同認識論流派的哲學思想，吸納休謨的歸納問題思想與波普爾的“猜想與反駁”基本邏輯，初步創立了批判經驗論，然后基于此分析生成式AI環境下的新認識論，并在新認識論的基礎上討論生成式AI驅動數字教育資源建設與應用的問題及對策。

基于本研究，未來生成式AI教育資源的開發可參考如下核心原則。一是經驗下沉驅動的資源設計：強調未來智能教育資源開發不應僅停留在“經驗4：媒介制品”層面。設計應促進用戶將資源內容與自身的“經驗3：頭腦記憶”“經驗2：感官譯釋”乃至模擬“經驗1：身物接觸”（如通過VR/AR模擬實踐）進行連接和比較。例如，AI生成的歷史敘述應能鏈接到原始史料（下沉接近經驗1）、個人記憶中的相關事件（經驗3），并鼓勵感官體驗（如虛擬歷史場景體驗即經驗2模擬）。二是猜想與反駁機制內嵌：將“猜想與反駁”的方法論內化為技術功能。例如，AI工具不僅能生成內容（“猜想”），更應能主動揭示其內容的不確定性來源（基于訓練數據、模型局限等），并內置或鏈接“反駁”通道（如鏈接到不同觀點資源、提供質疑工具、支持用戶標注存疑點、鼓勵基于新經驗/下沉經驗的討論與驗證等）。開發支持協作式“反駁” 的平臺，讓不同經驗背景的用戶能基于各自的經驗對AI生成內容或彼此的觀點進行批判性質證，形成動態的知識建構過程。資源評價系統不僅看“正確性”，更要看其激發和承載有效“反駁”過程的能力（如促進深度討論、鏈接多元證據）。三是經驗主體中心的個性化與智能化：個性化不僅基于學習行為數據，更要嘗試理解用戶獨特的經驗結構（如個體在特定領域的經驗層次深度、理性能力水平、感官偏好）。批判經驗論指導下的AI應能識別用戶經驗世界的薄弱層或虛假點，并提供針對性資源（如下沉經驗材料、激發特定感官體驗的資源、引導反思性提問）來強化真實經驗和理性思維。智能化的目標是促進用戶作為經驗主體的理性增長（分析、猜想、反駁能力），而非僅僅提供答案或完成任務。總之，希望本研究能從批判理性主義分析的視角，為生成式AI推動教育變革的研究和實踐提供參考。

注釋：

① 全稱陳述的典型示例為“所有的……是……”；存在陳述的典型示例為“存在某個……是……”。因為時空的無限性，前者只能被經驗判斷為錯，而后者只能被經驗判斷為對。

參考文獻

陳明選, 來智玲, & 蔡慧英. （2022）. 我國基礎教育數字資源及服務：現狀、問題與對策. 中國遠程教育（6）, 11-20, 76.

陳永偉. （2023）. 超越ChatGPT：生成式AI的機遇、風險與挑戰. 山東大學學報（哲學社會科學版）（3）, 127-143.

大衛?休謨. （2015）. 人性論（賈廣來 譯）. 萬卷出版公司.

付道明. （2016）. 泛在學習系統中知識流模型及其傳播動力學機制研究. 電化教育研究（9）, 14-21.

高鐵剛, 張冬蕊, & 耿克飛. （2019）. 數字教育資源公共服務供給機制研究——基于1996—2018年教育信息化政策變遷的研究. 電化教育研究（8）, 53-59, 69.

郭紹青, & 王雄.（2025）. 教育數字化開辟的教育新賽道在哪里？ 中國遠程教育（3）, 14-32.

郭文革. （2011）. 教育的“技術”發展史. 北京大學教育評論（3）, 137-157, 192.

郭文革. （2018）. 教育變革的動因：媒介技術影響. 教育研究（4）, 32-39.

郭文革. （2020）. 在線教育研究的真問題究竟是什么——“蘇格拉底陷阱”及其超越. 教育研究（9）, 146-155.

黃榮懷, 胡永斌, & 劉曉琳. （2015）. 數字教育資源的開放成熟度模型研究——信息化促進優質教育資源共享研究（二）. 電化教育研究（3）, 58-63.

姜華, 王春秀, & 楊暑東. （2023）. 生成式AI在教育領域的應用潛能、風險挑戰及應對策略. 現代教育管理（7）, 66-74.

江曉原. （2023）. 人工智能與互聯網對知識生產和傳播的影響. 新聞與寫作（10）, 5-11.

靖鳴, & 馮馨瑤. （2023）. 組織傳播、大眾傳播與網絡傳播三者邊界的消融與身份傳播的融合. 新聞愛好者（6）, 16-20.

卡爾?波普爾. （2008）. 科學發現的邏輯（查汝強, 邱仁宗, & 萬木春 譯）. 中國美術學院出版社.

卡爾?波普爾. （2015a）. 猜想與反駁：科學知識的增長（傅季重, 紀樹立, 周昌忠, & 蔣弋為 譯）. 上海譯文出版社.

卡爾?波普爾. （2015b）. 客觀知識：一個進化論的研究（舒煒光, 卓如飛, 周柏喬, 曾聰明 等 譯）. 上海譯文出版社.

柯清超, 鮑婷婷, & 林健. （2022）. “雙減”背景下數字教育資源的供給與服務創新. 中國電化教育（1）, 17-23.

柯清超, 林健, 馬秀芳, & 鮑婷婷. （2021）. 教育新基建時代數字教育資源的建設方向與發展路徑. 電化教育研究（11）, 48-54.

勒內?笛卡爾. （2022）. 第一哲學沉思集（吳崇慶 譯）. 陜西師范大學出版總社.

劉邦奇, 聶小林, 王亞飛, 袁婷婷, 趙子琪, & 張國強. （2025）. 生成式AI賦能教育：技術框架、應用場域及價值——2024智能教育發展研究報告. 中國電化教育（3）, 61-70.

羅坤瑾, & 陳麗帆. （2020）. 事實核查：社交媒體虛假新聞治理研究. 中國編輯（8）, 42-46.

馬克斯?玻恩. （1964）. 關于因果和機遇的自然哲學（侯德彭 譯）. 商務印書館.

米加寧, & 董昌其. （2024）. 大模型時代：知識的生成式“涌現”. 學海（1）, 81-96, 214-215.

錢冬明, 管玨琪, & 祝智庭. （2013）. 數字教育資源共建共享的系統分析框架研究. 電化教育研究（7）, 53-58, 70.

陶鑫, & 盛毅. （2024）. 知識生產問題研究改進探討——基于過程與形態的知識生產分析框架. 社會科學研究（2）, 63-74.

楊文正, 李小雨, 陳選超, & 楊俊鋒. （2025）. 嵌入生成式人工智能的數字教育資源精準服務模式構建——基于供需耦合的分析視角. 電化教育研究（1）, 64-71.

伊曼努爾?康德. （2023）. 純粹理性批判（藍公武 譯）. 天津人民出版社.

易明, 熊雨彤, 劉明, & 周陽. （2025）. 在線健康社區知識共創的群體共識演化模式研究. 圖書情報知識（3）, 145-158.

翟雪松, 楚肖燕, 顧建民, 李艷, & 王會軍. （2023）. 從知識共享到知識共創：教育元宇宙的去中心化知識觀. 華東師范大學學報（教育科學版）（11）, 27-37.

Filsinger, M., Ackermann, K., & Freitag, M. (2020). Surfing to help? An empirical analysis of Internet use and volunteering in 27 European societies. European Societies, 22(3), 368-389.

Heine, S., Krepf, M., & K?nig, J. (2023). Digital resources as an aspect of teacher professional digital competence: One term, different definitions - a systematic review. Education and Information Technologies, 28(4), 3711-3738.

Kato, T. A., Shinfuku, N., & Tateno, M. (2020). Internet society, Internet addiction, and pathological social withdrawal: The chicken and egg dilemma for Internet addiction and hikikomori. Current Opinion in Psychiatry, 33(3), 264-270.

Konstantinou, L., & Karapanos, E. (2025). Google inject: Increasing engagement with fact-checks through nudging. Behaviour & Information Technology, 1-18.

Lee, S., Lee, K. H., Park, K. M., Park, S. J., Kim, W. J., Lee, J., Kronbichler, A., Smith, L., Solmi, M., Stubbs, B., Koyanagi, A., Jacob, L., Stickley, A., Thompson, T., Dragioti, E., Oh, H., Brunoni, A. R., Carvalho, A. F., Radua, J., … Fusar-Poli, P. (2021). Impact of data extraction errors in meta-analyses on the association between depression and peripheral inflammatory biomarkers: An umbrella review. Psychological Medicine, 1-14.

O’Dea, X. H. (2024). Generative AI: Is it a paradigm shift for higher education? Studies in Higher Education, 49(5), 811-816.

Oberlader, V. A., Quinten, L., Banse, R., Volbert, R., Schmidt, A. F., & Sch?nbrodt, F. D. (2021). Validity of content-based techniques for credibility assessment-how telling is an extended meta-analysis taking research bias into account? Applied Cognitive Psychology, 35(2), 393-410.

Padilla, L., Castro, S. C., & Hosseinpour, H. (2021). A review of uncertainty visualization errors: Working memory as an explanatory theory. In K. D. Federmeier(Ed.), The psychology of learning and motivation(pp. 275-315). Academic Press.

Raquel, C. P., Ribeiro, K. G., Alencar, N. E. S., de Souza, D. F. O., Barreto, I. C. D. H. C., & de Andrade, L. O. M. (2022). Scientific ways to confront covid-19 fake news. Saúde Soc. S?o Paulo, 31(4), 1-16.

Tatarchevskiy, T. (2011). The ‘popular’ culture of Internet activism. New Media & Society, 13(2), 297-313.

Tjahja, N., Meyer, T., & Shahin, J. (2021). What is civil society and who represents civil society at the IGF? An analysis of civil society typologies in Internet governance. Telecommunications Policy, 45(6), 102141.

Intelligent Transfer of Conjectures and Refutations: An Epistemological and Methodological Study on Generative AI-driven Educational Resource Production

Bai Yunqi

Abstract:Since the breakthrough of large-scale language models, generative AI tools have become a key driving force for both the innovation of educational resources and the impact of educational reform through their creative content production capacity. To avoid falling into the phenomenon of superficial research by simply pursuing the educational application of generative AI, we need to find the philosophical root of its epistemology and methodology. Starting from the problem of knowledge standards of confirmation and falsification, this study incorporates Popper’s epistemology and methodology of “conjecture and refutation”, maintains the essential position of empiricism and expands the four layers of the empirical world, finally forming a critical empiricism based on the dual considerations of the sources of knowledge and the growth of knowledge. Based on this, and combined with the new characteristics of generative AI, the research further develops the epistemology and methodology of educational resources production of generative AI. The educational reform promoted by generative AI should be based on the understanding of its essential attributes (experience 4: media products), and through the continuous elimination of false experiences and the improvement of real ones in the process of generation and circulation, to solve the quantity and quality problems of digital resources and develop the rational thinking of the experience subject. This is the epistemological thinking needed to actively promote the productive resources of generative AI and influence educational reform. It is also hoped that it can promote the in-depth discussion of generative AI education from the perspective of critical rationalism philosophy.

Keywords:generative AI; conjectures and refutations; critical empiricism; digital education resources; Popper

作者簡介

白蘊琦，湖南師范大學教育科學學院講師（長沙 410081）。

基金項目

湖南省社會科學基金2023年度課題“有限理性視域下數字教育資源學習行為的影響因素研究”（課題編號：23YBQ042）

責任編輯：郝丹

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，是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） 核心期刊、中國期刊方陣雙效期刊、人大復印報刊資料重要轉載來源期刊，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

本文來源｜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。