探索杂志论文投稿须知？

探索杂志近十年出版发文量：

探索杂志投稿须知

　　根据《中华人民共和国国家标准》GB7714-2005的要求，并结合编辑出版行业相关规范，《探索》杂志拟实行如下编辑出版技术规范。请作者在投稿时严格按照规范撰写您的稿件，对严格执行该规范的稿件，本刊将在同等条件下优先审稿和刊用。

　　1.文章题目：题目不得超过20个汉字;总字数一般不超过30个单词。

　　2.文章摘要：不超过300字，其基本要素包括：研究目的、方法、结果、结论;须简明、客观地对文章进行概述，不对文章做评论、补充或解释;具有独立性，能脱离论文独立使用，具有与正文等量的信息;不使用“作者指出”、“本文认为”等与之类似的词汇。

　　3.关键词：从文章题目、摘要中选出3-8个关键词，关键词之间以中文分号分割，每个关键词不宜超过4字。

　　4.作者署名：作者可以包括文章的撰写人、参与写作人或课题参与人，人数不超过6人，第1作者是主要负责人。其格式如下：

　　作者的署名之下标注每个作者的工作单位全称及所在地的省或直辖市或自治区的地名、邮政编码。

　　5.基金项目：如是基金项目，请在文中正文首页地脚标明，格式如下：基金项目属性、基金项目名称(所属项目编号)，并注明项目负责人。如：国家社会科学基金项目“基金项目名称”(基金项目编号)，项目负责人：某某某

　　6.作者简介。“作者简介”在稿件首页地脚。顺序列出：姓名(出生年—)，性别，学位，工作单位及职务，职称。

　　7.文章各级标题编号，采用“1 1.1 1.2 ……2 2.1 2.1.1 ……2.2……”标注。

　　8.注释

　　稿件的注释是作者对标题和正文中某一特定内容的解释或补充说明，须放置在当页地脚;注释序号与文中指示序号相一致，一律用阿拉伯数字加圆圈标注：①、②……。

　　9.参考文献

　　论文引文的出处或参阅的各种书刊资料，其文献项目和要素须集中列在论文的文末(即采用文尾注形式)。参考文献序号与文中指示序号一致，左顶格用阿拉伯数字加方括号标注：[1]、[2]……每条参考文献最后均以实心句号结束。各引用类型的标准规范如下(英文注释和参考文献请对应参照执行)：

　　9.1文献类型及其标识代码。以英文单字母大写并用方括号括起表示：专著[M]、会议录[C]、汇编【G】、报纸[N]、期刊[J]、学位论文[D]、报告[R]、标准[S]、专利[P]、数据库【DB】、计算机程序【CP】、电子公告【EB】、磁带[MT]、磁盘[DK]、光盘[CD]、联机网络[OL].

　　电子文献类型标识说明：

　　[J/OL]——网上电子期刊

　　[EB/OL]——网上BBS社区、论坛

　　[M/CD]——光盘图书

　　[DB/OL]——网络数据库

　　9.2各类参考文献的编写格式：

　　(1)中文专著、论文集、会议录、学位论文、报告

　　[序号]主要责任者.文献题名[文献类型标识].出版地：出版者，出版年：起止页码.

　　(2)中文期刊文章

　　[序号]主要责任者.文献题名[J].刊名，年，卷，期(号)：起止页码.

　　(3)中文报纸文章

　　[序号]主要责任者.文献题名[N].报纸名，出版年月日用“YYYY-MM-DD”的格式表示(版次).

　　(4)外文译著、译文

　　[序号][原作者国别]主要责任者.文献题名[文献类型标识].中文译者.中文本的出版地：中文出版者，出版年,起止页码或中文报刊名，年卷期号：起止页码.

　　(5)专著、论文集中的析出文献

　　[序号]析出文献主要责任者.析出文献名[文献类型标志].析出文献其他责任者//专著(论文集)主要责任者.专著题名信息.版本项.出版地：出版者，出版年：析出文献起止页码.

　　(6)电子文献

　　[序号]主要责任者.题名：其他题名信息【文献类型标志/文献载体标志】.出版地：出版者，出版年(更新或修改日期)【引用日期】.获取或访问路径.

　　(7)学位论文

　　[序号]以逗号分隔的前三个作者.论文题目[D].出版地：出版者，4位出版年份.

进入期刊首页

1.生成式人工智能赋能思想政治教育学知识生产的向度、限度及进路

作者：侯勇,肖洋

作者单位：江南大学

关键词：生成式人工智能;DeepSeek;思想政治教育学;知识生产

　　摘 要: 思想政治教育学知识是关于思想政治教育规律的科学认识的集合，包括基础理论型知识、方法论型知 识、实践应用型知识与政策规范型知识，体系化地呈现为思想政治教育学的学科体系、学术体系和话语体系等基本形 态。生成式人工智能以其“类人”知识生产能力，为变革思想政治教育学知识生产提供重要技术工具，能够开辟知识 生产的人机协同新模式、提高知识生产的效率与质量、赋能知识生产的智能化范式构建。然而，生成式人工智能赋能 思想政治教育学知识生产也存在一定限度。具体而言，作为中介的生成式人工智能在思想政治教育学知识生产中存 在真实性限度，具有算力瓶颈的生成式人工智能在思想政治教育学知识生产中存在阐释性限度，作为技术工具的生 成式人工智能在思想政治教育学知识生产中存在转化性限度，内隐风险的生成式人工智能在思想政治教育学知识生 产中存在自主性限度。基于此，以生成式人工智能赋能思想政治教育学知识体系建构，需要以“人机共生”提升思想 政治教育学研究者的生成式人工智能素养，以“价值嵌入”强化思想政治教育学知识生产的伦理规约，以“模型训练” 建设思想政治教育学知识生产的专业大模型，以“双重融合”优化思想政治教育学知识生产的社会生态，从而形成具 有中国特色的思想政治教育学智能化知识生产体系。 

　　党的二十届三中全会指出，要“加快适应信息技术迅猛发展新形势”与“完善生成式人工智 能发展和管理机制”［1］。随着人工智能从“分析式”向“生成式”更新迭代，人的认识发生过程和 对知识的基本看法也发生改变。“知识不再只是人在实践中认识世界和自我的成果，还包括人 工智能的‘认识’( 数据分析) 结果以及人借助智能技术从数据中获取的认知成果。”［2］思想政治 教育学知识生产需要探索利用生成式人工智能技术，结合生成式人工智能内容( AIGC) 与时俱 进推动思想政治教育学知识生产和理论创新。“知识是指人们在认识世界和改造世界的过程中 所形成的概念范畴、原理原则、方法规律以及制度规范。”［3］思想政治教育学知识是对思想政治 教育主体、活动、过程、规律、特点、方法与管理等领域特定事物或现象的学理认识，包括基础理 论型知识、方法论型知识、实践应用型知识与政策规范型知识等。“现阶段思想政治教育学研究 的重要使命是推进思想政治教育理论创新，实现思想政治教育学知识体系发展。”［4］3 以 ChatGPT 与 DeepSeek 为代表的大语言模型，能够实现人机协同的知识创生，复现“归纳”与“演绎”两种知识生产模式的思维逻辑，为思想政治教育学知识生产提供技术支撑。同时，需要关注生成式人 工智能可能存在的 AIGC 幻觉、算法殖民、选择性欺骗和不稳定等应用风险。思想政治教育学知 识生产既要充分发挥生成式人工智能的变革力量，也需要研究、规避、防范与化解新技术应用带 来的潜在风险。基于此，探讨生成式人工智能赋能思想政治教育学知识生产的向度、限度及其 优化路径，对于提高思想政治教育学术生产力、构建思想政治教育学自主知识体系、推进思想政 治教育学科知识生产的现代化转型具有创新性价值和时代性贡献。

　　一、文献评述与问题提出

　　伴随 ChatGPT 与 DeepSeek 大语言模型的应用与迭代升级，生成式人工智能所展现出的强 大生产力效应推动着人类社会从“信息革命”向“智能革命”的快速转型。生成式人工智能将拓 展知识生产领域并重塑科学研究范式。面对这一项变革知识生产方式的技术力量，思想政治教 育学需要深入研究与理解生成式人工智能的技术原理、作用与局限，明确生成式人工智能在思 想政治教育学知识生产中的定位，整合知识创新的技术力量。

　　第一，生成式人工智能的知识生产特性。生成式人工智能的知识生产特性是在知识重组基 础上的再加工。关于生成式人工智能对知识生产带来的新变化，学界主要存在两种代表性观 点。一是激进主义“颠覆说”，主要认为“AI 的前景或许不再仅仅是一种高性能工具，AI 模型甚 至可能成为一种新的知识形式，与人类能够理解的知识并驾齐驱，共同组成科学知识”［5］。二是 温和主义“辅助说”，这一观点立足修辞学与人本学指出生成式人工智能“只是对既有知识进行 的形式化编辑操作，而不是以意义理解为基础进行的诠释学知识生产”［6］。这两种观点反映了 学界对生成式人工智能与人类在知识生产中主体性地位的不同哲学认识。但总体而言，“AIGC 丰富了知识生产模式，形成了自动化、智能化的新知识生产模式”［7］的观点已经成为共识。

　　第二，生成式人工智能赋能思想政治教育实践开展。生成式人工智能作为语言、情境在线 生成工具，通过数据采集、智能系统与人机交互等形式，对思想政治教育的内容、方式、手段、载 体、空间和方法产生巨大影响，涌现出数据思政、精准思政、沉浸思政，创生思想政治教育数字叙 事、互动叙事与游戏叙事等叙事形态。“生成式人工智能技术可以在准确认识教育客体、拓展教 育网络载体、丰富教育资源内容、强化教育主体能力等方面充分赋能大学生思想政治教育。”［8］ 同时，ChatGPT 等技术融入思想政治教育也存在意识形态、数据隐私安全等方面的潜在风险。

　　第三，生成式人工智能赋能思想政治教育研究发展。如果生成式人工智能能够收集足够的 数据并且拥有足够强大的计算能力，就可以“创造”权威知识。在此情境下，生成式人工智能将 推动思想政治教育审思人机协同下的知识生产。一是生成式人工智能的计算主义知识本质。 生成式人工智能基于数理计算，主要生产统计学意义上的概率性知识，与基于文化诠释的思想 政治教育学意识形态性知识存在张力。需要“克服人机协同知识生产的‘虚假意识’与‘拟合失 真’问题，正确回应受教育者的多元化精神需求”［9］。二是生成式人工智能赋能思想政治教育学 知识生产。生成式人工智能对思想政治教育学知识生产存在“双重”赋能效果。对思想政治教 育知识生产者而言，“以大数据技术和卷积神经网络等深度学习算法附思想政治教育主体知识 丰富之魅”［10］。对思想政治教育对象而言，海量信息极易消解思想政治教育知识内容的权威价 值。三是生成式人工智能赋能思想政治教育内容创造。生成式人工智能能够获取通过数据表征出来的思想政治教育信息，以自主学习与知识迁移创造性地生成思想政治教育内容，并从中 总结与提炼思想政治教育话语、规律与方法。

　　可见，学界关于生成式人工智能赋能思想政治教育学知识生产的研究主要集中于探究数字 技术对思想政治教育学科的整体性影响与冲击，较少关注生成式人工智能赋能思想政治教育学 知识生产的论题。基于此，本文在理论与现实层面就生成式人工智能赋能思想政治教育学知识 生产的向度、限度与进路展开分析，旨在探析智能时代思想政治教育学知识生产的新模式、新表 现与新特点，助力思想政治教育学知识生产的科学化、系统化与智能化变革。

　　二、生成式人工智能赋能思想政治教育学知识生产的技术向度

　　生成式人工智能是语言模型、数据处理与机器学习等多重技术架构下的集成创新结果，可 以发挥智能技术优势为思想政治教育学知识生产带来强大赋能效果。

　　( 一) 开辟思想政治教育学知识生产的人机协同新模式

　　生成式人工智能基于指令自主学习并作出决策，对已有知识进行整合、重构并生产和再造 新内容，打破了“人类主导”或“人主机辅”的知识生产格局，赋予思想政治教育学知识生产以新 方式。

　　第一，在人机分工上推动人与生成式人工智能优势互补。生成式人工智能基于已有知识的 重新编撰，是“知识的杂合体”，也就是说，人工智能作为知识的机器生成的是“向后”的知识，而 人类智能的知识创造力则永远向前［11］。人与生成式人工智能在知识生产中具有不同特点与优 势，需要建立协同型人机关系，推动思想政治教育学知识生产中任务分配和角色定位变迁。思 想政治教育学研究者可以将机器擅长的资料搜集、存储、计算与汇编等工作交给生成式人工智 能，通过输入研究指令，引导生成式人工智能回答问题、参与探讨并输出结论，在人机交互协作 中完成知识生产任务。研究者则着力于创造性工作，发挥人类在提出问题与价值判断方面的独 特优势，使人类的智慧与生成式人工智能的海量知识、高效数据处理能力优势互补。由此形成 思想政治教育学研究者起主导性与推动性作用，而生成式人工智能起完善性与促进性作用的知 识生产分工模式。

　　第二，在人机交互上实现人与生成式人工智能相互精准理解。生成式人工智能可以通过自 然语言处理、文本挖掘与知识图谱，实现对自然语言、图片、视频的识别与情境感知，“像人类一 样理解日常语言微妙的意义并作出回答”［12］，促使人机交流几乎可以实时且无误。思想政治教 育学研究者能够与生成式人工智能以“对话”为媒介展开交互实践，实现精准理解。在这种人机 交互情境之下，研究者输入语言或图片、视频等“提示词”，生成式人工智能在对话框输出“答 案”。研究者可以借助可视化图谱揭示一定时期内经典文本与政策话语的历史发展，以概念重 构与理论验证生产基础理论型知识; 通过强化学习对复杂思想政治教育现象进行模拟预测，探 索生产方法论型知识; 通过虚拟现实与推荐算法技术对历史进行逼真的虚拟还原，搭建沉浸式 育人课堂，生产实践应用型知识; 以大数据抓取评论并评估政策实施效果，生产政策规范型知 识。在生成式人工智能的辅助之下，思想政治教育学研究者的分析归纳、总结梳理与学科再现 能力大大提升，让人工智能理念、知识、方法和技术深度融入知识生产、知识传播与知识应用 实践。

　　( 二) 提高思想政治教育学知识生产的效率与质量 生成式人工智能提升了思想政治教育对象的知识获取能力，使人的认知水平与思维层次得 到大幅提升。思想政治教育的研究对象是现实的人，“在认识思想政治教育学研究客体时，不能 运用空洞的、形式的一般性( 范畴) ”［13］54 ，而是要充分考虑时代特点与受众群体最新面貌，与时 俱进地创新知识生产方式。

　　第一，提升思想政治教育学知识生产的效率。一是快速搜集信息。研究者需要紧密关注政 策文件的调整变化与思想政治教育对象的最新思想动态。数智化时代，人的思想行为变化规律 与对人进行思想政治教育的规律，越来越以数据化、信息化的形式分布式存在于互联网和智能 体之中。生成式人工智能可以灵敏感知思想政治教育事件，快速捕捉与之相关的信息数据，并 能够自主学习跟进最新的政策要求与变化，及时了解思想政治教育对象的思想变化、利益需求、 价值倾向与情感态度，灵活服务于思想政治教育学知识的加工与应用，缩短了搜集思想政治教 育数据和信息所需要的劳动时间。二是高效整合信息。生成式人工智能是数据收集、储存、整 理与再现的先进生产工具，在数据整合上具有强大优势。在思想政治教育学知识生产中，人机 交互能够实现研究进度的即时反馈，从而在快速捕捉与人的思想、心理和行为相关的资料信息 基础上，将获得的资料数据自主吸收内化、分析推理并生成结论，从而加快思想政治教育学知识 生产的数据原料流通与更新迭代速度，提高思想政治教育学知识生产的时代性、针对性与高 效性。

　　第二，优化知识生产质量。数字技术的快速变革使得爆炸式增长的信息与思想政治教育研 究者有限的认知能力之间的鸿沟日益扩大。在大数据、云计算与智能算法创造出的超复杂社会 境遇面前，思想政治教育学知识生产必须以生成式人工智能技术迭代升级来提升信息来源的质 量与层次，防止单一视角导致的认知陷阱，降低思想政治教育学知识的实效性与价值性。一方 面，拓展认知范围，扩大思想政治教育学知识生产的广度。思想政治教育学研究扎根于思想政 治教育实践过程，依赖文献搜索、田野调查、案例分析与社会实验等搜集感性经验材料。生成式 人工智能作为“机械臂”与“智慧脑”，可以实现“抽象在场”，扩大思想政治教育学资料搜集的时 间、范围与程度。同时，生成式人工智能不仅能对以文字形态出现的知识进行搜集，还能广泛提 取图像、视频或音频等传统思想政治教育学知识生产中忽视的知识存在形态，拓展认知范围、丰 富知识来源。另一方面，深化理论理解，提升思想政治教育学知识生产的深度。生成式人工智 能可以链接海量网络内容，是链接庞大人类智慧成果的桥梁，是一种超越个体人类思维能力与 大脑储存空间的“群体智能”。生成式人工智能搭建了不同学科间的沟通平台，可以智能研判并 辅助思想政治教育学研究者搭建对获取数据的新理解框架，以跨学科视角帮助思想政治教育学 研究者理解复杂概念，充实学科理论型知识、方法型知识、应用型知识与制度型知识体系。借助 生成式人工智能进行知识生产犹如“站在巨人肩膀上”理解思想政治教育现象与问题，帮助研究 者走出单一学科的视角局限，提升知识生产的原创性、复合性与创新性水平。

　　( 三) 建构思想政治教育学知识生产的智能化范式

　　思想政治教育学知识生产的传统范式表现为三种模式。一是“身体—经验”模式。在“前科 学化”的学科建设初期，思想政治教育学知识生产主要是归纳、提炼与总结思想政治工作经验， 呈现为特色鲜明的意识形态工作型经验知识体系。二是“文本—理论”模式。从马克思主义经典文本出发，结合马克思主义中国化最新成果，阐释思想政治教育学基础理论与理论基础等重 大理论与实践问题，以提炼科学理论夯实思想政治教育学科合法性依据。三是“政策—制度”模 式。思想政治教育学紧扣资政育人和立德树人核心目标，在不同历史时期及时将理论武装、政 治要求和时代任务融入学科知识体系，对政策与制度进行理论阐释，并与之相适应地调整教育 内容、目标与方法，推动构建思想政治教育学知识体系。这三种进路互相支撑，共同构成了思想 政治教育学知识生产的传统范式，或称为经典范式。随着数字技术快速发展和迭代升级，生成 式人工智能“对既有的知识在自学习的基础上进行基于综合与推断的‘发挥’或‘建构’”［14］，改 变知识的生产与表征范式，进而引致思想政治教育问题域转移与研究方法的扩展，“使信息技术 与思想政治教育在学科逻辑上的对话问题拥有更大的研究空间”［15］。生成式人工智能通过数 据与技术、知识与权力实现理论突破、话语变革和方法创新，变革了经典范式，创生了思想政治 教育学知识生产的智能化范式，即“数据—知识”的智能化模式。思想政治教育学知识生产的智 能化范式以生成式人工智能为核心工具，遵循“数据—知识”的知识生产进路，不仅使思想政治 教育学知识生产在核心元素稳定的基础上实现了知识量的平面式横向增加，还通过数据涌现推 动思想政治教育学知识生产质量提升。

　　思想政治教育学知识生产的智能化模式具有鲜明特点。一是历史性过程。生成式人工智 能赋能思想政治教育学知识生产，反映了技术系统和思想政治教育系统交织演进的发展规律。 数字技术运用与快速发展唤醒了思想政治教育学术自觉，思想政治教育学吸收新技术手段以支 撑自身学科系统运转，并逐渐从零散、单独的行为演变为思想政治教育学术共同体的集体行动。 此时，思想政治教育系统与技术系统的关系呈现为交织的“融合”形态。当技术系统与思想政治 教育系统演化为一个系统，呈现为“内化”形态，标志着思想政治教育数字化转型的初步完成。 二是系统性变革。思想政治教育学知识生产的智能化范式是由生成式人工智能引发的系统变 革，是包含知识生产分工、方法、理念、呈现与评价在内的全要素知识生产革新。在知识生产分 工上，人与机器协同互补是思想政治教育学知识生产的分工模式。在知识生产方法上，指向复 杂思想政治教育学知识建构，创新基于数据发现的研究方法，而非单一的实证研究或理论思辨。 在知识生产理念上，生成式人工智能以数据为核心要素，通过人机协同方式对海量数据进行统 计、整理与分析，挖掘事物之间的关联性及内在规律。在知识呈现上，数据、代码、图像或视频等 输出方式更新了思想政治教育学基础理论型与实践应用型知识的呈现形态。在知识评价上，知 识生产倾向为推动思想政治教育实践工作开展的实践型知识，而非单一建构基础理论型知识。 三是开放式发展。思想政治教育学知识生产的智能化范式不是内部闭合的“完成时”，而是“进 行时”，这种开放式发展本质上是传统学科范式在技术革命下的适应性进化，需要在“技术赋能” 与“自主发展”的辩证张力中构建动态平衡机制。一方面，思想政治教育学知识生产需要面向未 来，保持技术赋能的理论自觉，积极吸收引进生成式人工智能最新成果进行知识生产; 另一方 面，也需要正视生成式人工智能对传统知识观造成的“创造性破坏”［16］及其引发的知识合法性、 知识传播方式与知识伦理等问题。需要确保技术赋能始终服务于主流价值观的传播与巩固，将 “破坏性”转化为“建设性”的学科范式跃迁动能。

　　三、生成式人工智能赋能思想政治教育学知识生产的应用限度

　　思想政治教育学知识生产是包含生产主体、过程、应用与价值在内的有机系统。生成式人工智能赋能思想政治教育学知识生产，能够使科技要素在知识生产全环节的参与程度大幅提 高，但同时也不能忽视其应用局限。

　　( 一) 作为中介的生成式人工智能在思想政治教育学知识生产中存在真实性限度

　　生成式人工智能使“人类的获知与求知模式本身因其发生重大改变，因此可以将其理解为 人类最新的知识新媒介”［17］。生成式人工智能所输出的相关性、概率性而非因果性数据，意味 着其仅仅是思想政治教育学知识生产的数字中介和媒介载体。思想政治教育学知识是关于人 的知识。生成式人工智能赋能下的思想政治教育学知识生产，需要经历“人—机—人”的三重理 解过程。一是生成式人工智能通过数据理解思想政治教育对象的思想与行为; 二是思想政治教 育学知识生产者解码生成式人工智能内容并进行理解; 三是思想政治教育学知识生产者通过对 生成式人工智能内容的理解，将其再编码以认识思想政治教育研究对象。作为中介的生成式人 工智能内容，容易产生屏障效应与偏误理解，影响知识生产的真实性和准确性。

　　第一，算法偏见具有数据失真限度。基于大数据投喂与算法分类的生成式人工智能，在搜 集数据中处处反映着程序设计者为其植入的偏好，在思想政治教育学资料搜集中存在“投其所 好”的特点，可能存在数据失真与逻辑断裂的弊端。生成式人工智能在搜集人的思想与行为特 征等思想政治教育信息时，基于算法规则进行数据筛选，会剔除某些类别的数据、突出另一类别 的数据，使得局部数据被标注为主流数据。“‘算法偏见’的存在可能会导致信息的产生存在不 公、歧视甚至偏离客观事实的现象，使错误观念利用智能技术进行隐性渗透。”［18］在一些极端的 情况下，生成式人工智能收集这些信息用以理解思想政治教育现象，可能会过度强化种族歧视、 性别歧视与职业歧视等社会偏见。

　　第二，AIGC 幻觉具有可靠性限度。AIGC 幻觉指的是生成式人工智能基于统计模型生成的 内容看似合理，但实际上缺乏事实依据或没有逻辑。生成式人工智能在数据归纳、分析和整理 方面所具有的强大优势，能够在一定程度上辅助思想政治教育学研究者更加全面认识与分析研 究对象。但生成式人工智能内容可能存在 AIGC 幻觉，表现为历史事实时序错位、理论观点逻辑 相悖、阐释深度不足和概念范畴的语义偏离等，会干扰思想政治教育学研究者的准确认知。“生 成式 AI 会编造看似合理但实际荒谬的事物，并以具有权威性和说服力的语言来‘骗取’他人的 信任。”［19］其原因是模型训练数据的非完备性、算法的归纳偏差与人类知识验证机制的断裂，根 源于技术中心主义知识生产范式的内在缺陷。思想政治教育学知识生产具有实践指向性，基于 AIGC 幻觉的内容大大增加了研究者的资料筛选难度，在知识生产中存在概念误读、文献编造与 虚构历史等风险挑战。

　　( 二) 具有算力瓶颈的生成式人工智能在思想政治教育学知识生产中存在阐释性限度

　　从广义的科学研究活动来定义思想政治教育学知识生产，可以将其分为资料搜集与整理、 研究问题发现与提出、研究方法确立与选择、研究活动开展、研究结果呈现与反馈五大环节。生 成式人工智能的知识生产特性是对已有信息资料和知识的再次重组和整理编排，因此其在思想 政治教育学知识生产环节中，主要参与资料搜集与整理这一环节。在思想政治教育学知识生产 中，资料搜集与整理是基于研究资料的知识挖掘过程。其训练模型虽能识别“意识形态”“价值 观内化”等核心概念的表面关联，却无法穿透马克思主义理论体系的辩证逻辑，对于思想政治教 育学经典文本、政策文件研究具有较低适用性，容易产生结构性错位。

　　第一，数据模型的算力局限，难以挖掘思想政治教育学深层知识。思想政治教育学知识是 关于人的政治思想的复杂知识，涉及大量人的思想、行为与情感等非结构化数据。生成式人工 智能以“化约”为目标，只能在某一模型之下生产知识。单一模型训练内容的“小容量”导致反 馈程序的“小视野”，对深刻与复杂的知识有理解力限度和原创性限度。生成式人工智能难以理 解思想政治教育学“以政治引领学术”“以学术讲政治”等知识生产要求，这需要人力的复杂性 延伸。模型化约性导致其对思想政治教育学研究问题的深层逻辑阐释不足，在知识挖掘上停留 在思想政治教育现象的浅表层次，容易导致知识生产的碎片化和同质化倾向。

　　第二，语言生成的算法局限，无法做出思想政治教育学意义上的文化诠释。思想政治教育 学知识生产需要准确认识并描述思想政治教育现象，构建思想政治教育学理论。然而，思想政 治教育学研究需要整合的访谈文本、教育观察记录、情感反馈等多模态数据，是生成式人工智能 缺少训练的非结构化内容。从数据到知识的转化结果上看，生成式人工智能的训练数据以结构 化文本为主，生成式人工智能对语言的生成是文字符号的排列重组过程，所输出的内容是对数 据资源的“排列组合”，而不是富含意义追求的理论诠释。归根结底，生成式人工智能是缺少生 命体验与自由意志的机器，无法理解复杂的价值观与情感态度倾向，其“通过模型所生成万金油 式的话语表达，难以形成专业、深入且具备智慧启迪功能的思想解惑和价值塑造过程”［20］，可能 会影响知识生产的学科主体性和自主性。

　　( 三) 作为技术工具的生成式人工智能在思想政治教育学知识生产中存在转化性限度

　　生成式人工智能作为一种技术工具，其知识生产以工具理性为主导，本质是通过关联数据 构建普适性解释框架，与思想政治教育学知识生产所追求的价值理性存在张力。作为工具的生 成式人工智能在对思想政治教育学知识进行实践转化时，存在知识生产效能的局限。

　　第一，数据准入使思想政治教育学知识生产的实践转化力偏低。思想政治教育学知识生产 具有突出的实践导向，需要回答“怎么做”的现实问题。生成式人工智能赋能思想政治教育学知 识生产，存在学科知识与实践开展衔接不畅的问题。一是难以实现思想政治教育实践经验的理 论化。思想政治教育集中在学校、军队、企业与社区等现实场域开展。思想政治教育学知识生 产立足工作开展的现实场域，总结历史经验，从思想政治教育现象中提炼标识性概念，生产原创 性实践型知识成果。然而，生成式人工智能的数据收集局限于接入互联网的思想政治教育信 息，但大部分思想政治教育活动仅发生在现实情境，缺少接入互联网、转化成生成式人工智能可 以理解的数据信息的可能性。数据化的研究准入条件使得生成式人工智能难以生产思想政治 教育实践性知识。二是无法应用到现实思想政治教育空间。思想政治教育学知识生产需要做 好“网上与网下的相互贯通、相互结合，始终坚持现实性与虚拟性相统一”［21］。由于生成式人工 智能赋能思想政治教育学知识生产具有虚拟性特点，存在研究结论难以推广至现实空间的应用 局限。网络空间虽然存在大量反映人们思想行为的数据信息，但是基于数据的思想政治教育学 研究与现实情况可能存在“断裂”，难以发挥对思想政治教育工作开展的实践效能。

　　第二，数据涌现影响思想政治教育学知识发挥思政引领力。在以知识为“中轴”的现代社 会，解决社会问题是思想政治教育学知识生产的根本动力。思想政治教育学知识生产不仅要为 学科自身开展提供理论养料，还要对人们密切关注的社会现实问题具有理论解释力与现实引领 力。思想政治教育学知识生产直面人的思想问题，以“彻底”的理论说服人，以社会主流意识形态促进人的精神境界提升，实现其知识生产的社会使命。然而，“借助于大数据和机器学习所生 产的预测性知识和归纳性知识都是缺乏详细解释的知识”［22］。生成式人工智能的知识本质上 是一种数据涌现，依靠海量的神经突触联结，其深度学习过程无法溯源、难以复现。难以解释与 复现的思想政治教育学知识不能做到“以理服人”，学科的真理性也随之无法得到丰富与展开。

　　( 四) 内隐风险的生成式人工智能在思想政治教育学知识生产中存在自主性限度

　　生成式人工智能涉及多学科领域，当其作为工具赋能思想政治教育学知识生产时，其隐蔽 的意识形态赋权特性与思想政治教育学知识生产的主体性诉求之间存在张力困境，具有学科边 界模糊与意识形态渗透风险。

　　第一，学科边界模糊风险突出显现。学科自主性体现为在理论、方法和价值上的独立品格。 思想政治教育学是针对思想问题以教育形式开展的政治社会化实践的综合性学科，其知识生产 需要在本学科特有的概念术语、原理范畴和研究范式之下吸收借鉴多学科的理论阐释、方法原 则，生产学科边界清晰的标识性概念与原创性成果。主体性则彰显其在知识生产中的主动担当 与创新活力。为了解复杂的人及其交往关系、了解反映人的心理思想行为与思想政治教育学规 律的数据信息，生成式人工智能势必会吸收、借鉴并融合大量其他学科的研究成果。生成式人 工智能在一种普遍性的意义上收集资料并分析理解，容易模糊学科边界认识，造成学科边界的 无限拓展，带来学科边界模糊的突出问题。思想政治教育学与其他学科之间的界限变得模糊， 难以明确区分各自学科的独立领域，极易造成研究活动的重叠与研究成果的重复。此外，在学 术评价时，其知识成果究竟算作思想政治教育学科知识，还是算作数据来源的社会心理学、社会 学、传播学等其他学科知识，抑或算作是交叉学科的研究成果存在难以清晰划分的问题。

　　第二，意识形态渗透风险隐蔽存在。思想政治教育学知识生产具有意识形态属性，旨在通 过对思想政治教育的本质、过程和规律进行理论阐释，为思想政治教育学科存在确立合法地位。 思想政治教育学知识生产遵循马克思主义研究范式，具有突出的政治性与意识形态性。思想政 治教育是无产阶级的“精神武器”，其知识生产的核心在于以“思想的闪电”击中人民朴素的心 灵园地，在批判旧世界中发现新世界，团结带领人们为实现人的自由全面发展和社会全面进步 而努力奋斗。然而，借助自然语言处理和深度学习技术，生成式人工智能却容易以个性化与精 准定制的知识内容生成“信息茧房”，降低青年对错误社会思潮的辨别能力，从而引导舆论走向、 操纵社会心态。同时，生成式人工智能等数字技术研发机构也可能会设置意识形态陷阱。生成 式人工智能技术应用的开源代码仍然掌握在科技巨头与资本大鳄之手。在此背景下，西方资本 主义国家极易通过“数字鸿沟”将崇尚所谓“普世价值”的西方主流价值嵌入生成式人工智能， 向我国倾倒充诉资本主义价值观的数据语料。因而要警惕生成式人工智能背后隐匿的西方多 元社会思潮渗透与“颜色革命”风险，警惕削弱中华文化主体性、危及我国意识形态安全的风险。

　　四、生成式人工智能赋能思想政治教育学知识生产的优化进路

　　思想政治教育学知识生产必须适应数字时代，主动求变、积极应变，为此，可以通过加强研 究者主体素养建设、积极嵌入学科价值、进行机器模型训练与健全思想政治教育学知识生产的 社会生态，将生成式人工智能打造为赋能学科知识生产的重要技术工具。

　　( 一) 以“人机共生”提升思想政治教育学研究者的能力与素养

　　生成式人工智能作为“机器主体”广泛参与思想政治教育学研究全过程。数字时代的思想政治教育学研究者需要熟练运用生成式人工智能技术，尽可能充分地调动生成式人工智能，从 而跨越“一问一答”式的知识生产，走向智能知识生产。

　　一是提升思想政治教育学知识生产者的智能化适应力、胜任力与创造力。知识生产者需要 夯实研究基本功，筑牢思想政治教育学知识生产智能化范式的内生动力。通过开展关于生成式 人工智能数据获取与交流等系列技能培训，增强思想政治教育学研究者快速检索、内容输出、数 据考证与模型搭建等知识能力，强化研究者利用先进技术开展研究的基本功。同时，研究者需 要培养深度阅读、思考、写作、研究等能力，主动提出关涉思想政治教育元理论的重大理论与实 践问题，以时代呼唤为理论生产的中轴，走入思想政治教育学研究内部，以智能化范式与经典范 式交融并进，推动思想政治教育学知识生产进一步科学化与专业化。

　　二是打造生成式人工智能嵌入思想政治教育学知识生产的融合创新机制。生成式人工智 能的“机器智能”与“人类智慧”并非互相抵牾的敌对关系，而是交流互鉴、和谐共生的双向交互 关系。研究者可以在人机对话中受到激发和启发，获得创新灵感，并将这些新的思路和想法以 及在此基础上形成的新知识、新启发与新灵感融入自己的研究中形成新见识、新观点，再借助大 语言模型将其逻辑化和文本化，最终成型化为思想政治教育学知识成果。也就是说，研究者要 从生成式人工智能的“智慧”中学习，积极将蕴含着人类“群体智能”的生成式人工智能打造为 “智能知识管家”“智能科研助手”“智能合作伙伴”，培育人机合作的知识生产创新机制。

　　( 二) 以“价值嵌入”强化思想政治教育学科知识生产伦理规约

　　生成式人工智能以“智”为中心赋能知识生产，创生了智能知识生产模式。要科学对待这一 时代变革，主动解构生成式人工智能技术中可能蕴含的西方意识形态假设或文化偏见，促进“属 AI”的道德生成，让生成式人工智能“为我所有”并“为我所用”。

　　一是设定生成式人工智能赋能思想政治教育学知识生产的应用规范。一方面，对生成式人 工智能设置严格的准入流程与制度规范。在制度层面设置准入规约，对不符合学科价值、暗含 不符合社会主义核心价值观的语义输出，或推销西方资本主义社会价值观念的研究工具模型进 行审核把关与预先处理，禁止将其用于思想政治教育学知识生产。另一方，面加强生成式人工 智能的价值与伦理审查。不仅审核技术模型的合法性、合规性、道德性，还要规范并设置隐私保 护、权利保护等的应用限度，主动培育生成式人工智能的科学伦理和科学诚信，使其成为学术创 新力和学术规范的统一体，进而打造可解释、可负责、可溯源的知识生产模式。

　　二是对赋能思想政治教育学知识生产的生成式人工智能进行价值内嵌与伦理内设。与其 他哲学社会科学不同，思想政治教育学知识一经生产就具有浓厚的意识形态本质和鲜明的政治 性特质。生成式人工智能生产的知识体系，不能缺少思想政治教育目标、理想与价值等元素。 对此，必须主动对生成式人工智能进行价值与伦理嵌入，使生成式人工智能向思想政治教育学 科“价值对齐”。为此，不仅要主动将思想政治教育的育人理念与价值内核融入生成式人工智能 的设计和开发中，还要设置价值对齐的约束条件以评估生成式人工智能模型训练是否符合思想 政治教育要求，进而确保生成式人工智能生产具有思想政治教育学科价值视野、遵守伦理规范、 保护思想隐私与维护意识形态安全的学科知识。

　　( 三) 以“模型训练”建设思想政治教育学知识生产专业大模型

　　生成式人工智能“是大量数据‘投喂’训练的结果，故有‘数据是粮食’之说”［23］。当前，通用式的生成式人工智能大模型主要基于新闻报道、百度百科等开源网页信息或公开数据库，属 于思想政治教育学科视域内的数据信息较少且难以辨别。需要针对思想政治教育文献打造“专 业式”生成式人工智能大模型和多模态数据融合，加强思想政治教育数据的输入、内化与训练。

　　第一，推动人机协作的知识生产模式。数据是接入互联网以来全部人与事的表征方式。海 量的数据信息若缺少学科意义上的界定，就会使研究者深陷信息海洋，无法进行学科边界清晰 的有效知识生产。对此，研究者需要对相关概念进行前置界定，探讨数据作为思想政治教育学 研究材料的可能性、局限性与价值性，如澄清何为思想政治教育数据、何为相关学科数据，优化 思想政治教育文本、图像、视频、传感器数据等，辨析思想政治教育基础数据与生成数据、现实数 据与网络数据、隐藏数据与显示数据、伪造数据与虚假数据、可以使用与不予使用的数据。即对 知识生产所需数据原材料进行筛选与整合，前置性地实现对知识生产结果的控制、纠偏与矫正。

　　第二，创新知识生产迭代的闭环优化。技术开发以商业需要为强劲动力，决定了生成式人 工智能不可能是专门为思想政治教育活动打造的。对此，需要积极探索将思想政治教育活动纳 入生成式人工智能技术开发环节的合作可能。课堂教学可以以生成式人工智能的人机交互、虚 拟现实等技术手段增强互动性和体验性，让人工智能理念、知识、方法和技术深度融入课程教学 各学段、各领域教育，提升学生“学好”的效果、教师“教好”的水平、学校“管好”的效能。同时， 生成式人工智能相关开发公司可由此获得稳定用户群体、资金支持与可观的数据流量。思想政 治教育学知识生产者为生成式人工智能的未来发展提供理论指导和客户资源，科技公司提供技 术研发和市场应用经验，以此为契机开发新型生成式人工智能，共同建设面向未来的知识生产 模式，建立双向互惠的利益共享和动态反馈机制，推动适应传播与应用的精准化。

　　( 四) 以“双重融合”健全思想政治教育学知识生产的社会生态

　　推动思想政治教育学知识生产与人工智能技术前沿深度融合，不仅要关注思想政治教育学 科内部建设，还需要以“学科融合”与“学际融合”健全思想政治教育学知识生产的社会生态，繁 荣思想政治教育学研究。

　　第一，推动思想政治教育学的交叉合作与研究。学科在经历范式整合与重构的过程中实现 自身发展与繁荣。一方面，促进“学科融合”。思想政治教育学研究者需要广泛借鉴法学、哲学 与社会学等相关学科的理论、知识和方法，拓宽研究视野和思路。如借鉴法学确定学术成果产 权，确定思想政治教育学研究成果归属问题; 以科学技术哲学研究为基础，研究生成式人工智能 赋能思想政治教育学知识生产的主体性、应用性、价值性与限度性问题; 以知识社会学理解思想 政治教育学知识生产过程与历史演进。另一方面，加强“学际融合”。思想政治教育学需要打破 学科之间的界限，进行跨学科交流协作，促进知识共享、方法互补和创新协同。积极组织开展与 计算机技术或编程算法等研究者的深度交流，举办学术会议、研讨会促进学术讨论，增强思想政 治教育学科用自然科学方法解决本学科问题的转换能力。同时要加强与政府、企业或社会组织 的合作，积极推动研究成果的转化和应用，加强产学研合作并建立反馈机制，以“互利互惠”为方 针建构学科研究的良好社会生态。

　　第二，建设跨学科的思想政治教育知识生产学术共同体。从“学科融合”走向“学际融合”， 必须以完善的组织建制处理好思想政治教育学与其他学科的关系问题，建立开放包容、友好交 流的学术共同体。一是打造多学科交流的学科阵地与学术平台。支持跨学科研究项目，鼓励研究者从不同角度、不同领域对思想政治教育进行深入探讨和研究，揭示思想政治教育的本质和 规律。通过设立科研项目与完善奖励机制等方式，推动思想政治教育学科与计算科学、脑神经 学、心理学等学科一体化建设，针对复杂性问题组织集体攻关。二是营造开放包容的学术交流 氛围。思想政治教育学研究者与自然科学研究者建立共商共建共享的学术资源库，尊重不同学 科视角、学术观点和研究方法，在跨学科对话交流中相互借鉴、相互启发，推动现代思想政治教 育学知识生产格局发生广泛交流与对话合作的时代转向。

　　五、结语

　　生成式人工智能赋能思想政治教育学知识生产命题的提出，推动着思想政治教育数字化转 型深入知识生产领域。深刻理解生成式人工智能为思想政治教育学知识生产带来的机遇，是推 动思想政治教育学知识生产实现现代化转型的关键。然而，仍然需要辩证看待生成式人工智能 对思想政治教育学知识生产的变革性影响。一方面，生成式人工智能赋能思想政治教育学知识 生产，重塑了“人主机辅”的知识生产模式，构建了思想政治教育学知识生产的智能化模式。但 是生成式人工智能毕竟不是具有自由意志的知识生产主体，其赋能思想政治教育学知识生产的 底层逻辑仍然是建立在改变研究者认知过程之上的，要避免对智能技术的过度依赖而导致主体 性和创造力下降。另一方面，在人机交互、生产过程、需要满足与应用价值方面仍然存在一定局 限。构建面向未来的思想政治教育学知识生产模式，需要从人机共生、价值嵌入、模型训练与双 重融合入手，优化生成式人工智能介入思想政治教育学知识生产的实践路径、话语叙事与应用 转化。未来，从实践案例入手，对生成式人工智能赋能思想政治教育学知识生产的运行机制和 评价反馈等进行内部分析，是需要进一步研究与探讨的关键问题。