數字人教育應用的演進、趨勢與挑戰

翟雪松 吳庭輝 李翠欣 仇婷婷 李艷

摘要：教育領域中的數字人是指存在于數字虛擬空間中，通過知識傳遞、社會交互等教育手段增強學習效果或學習感知覺的具象化虛擬人物的統稱。數字人無論是在技術迭代還是應用創新上都與互聯網發展息息相關。隨著三次互聯網形態的演進，教育領域中的數字人從支持知識單向傳遞、無情感關注、多媒體表征、弱交互行為向知識多向傳遞、重視情感關注、3D或全息表征、多向交互轉變。技術支撐層面，教育領域中的數字人技術載體依然呈現欠智能、弱交互的特點，計算機視覺和拓展現實技術在教育中的應用明顯增加。實踐賦能層面，數字人在增強教師智能教學和學生自主學習方面有積極作用，但目前應用主要集中在高等教育和K12教育階段。人本關注層面，數字人通過聲音和形象兩大設計要素影響學習者認知發展，通過識別、測量、干預來提升學習者的情感交互體驗。隨著技術的不斷更新迭代，數字人體現出類人化水平不斷提高、身份可塑性逐漸增強、共情力持續提升的發展趨勢，但其也面臨算力保障不足、數字版權不清、導致教育弱化或學習惰性、引發倫理風險等挑戰。未來，數字人教育應用應重視開發人機協同模式，完善底層技術保障，立足育人根本目標，推動教育公平、高質量發展。

關鍵詞：數字人；教育應用；互聯網形態；教育數字化；生成式人工智能

中圖分類號：G434 ? 文獻標識碼：A ? ?文章編號：1009-5195（2023）06-0041-10 ?doi10.3969/j.issn.1009-5195.2023.06.005

基金項目：國家自然科學基金面上項目“融合視覺健康的在線學習資源自適應表征及關鍵技術研究 ”（62177042）；浙江省之江教育信息化研究院聯合課題“教育元宇宙促進城鄉教共體協同發展研究”（ZJY202201LH）。

作者簡介：翟雪松，博士，研究員，博士生導師，浙江大學教育學院，杭州國際城市學研究中心浙江省城市治理研究中心（浙江杭州 310058）；吳庭輝、李翠欣，碩士研究生，浙江大學教育學院（浙江杭州 310058）；仇婷婷，博士研究生，浙江大學教育學院（浙江杭州 310058）；李艷（通訊作者），博士，教授，博士生導師，浙江大學教育學院（浙江杭州 310058）。

一、數字人及其在教育應用中的優勢

數字人（Digital Human，DH）的概念最早出現于信息科學領域，被定義為“計算機系統中能采取靈活、自主行動的數字代理”（Jennings，2000）。當這一概念被遷移到教育領域后，主要是指存在于數字虛擬空間中，通過知識傳遞、社會交互等教育手段增強學習效果或學習感知覺的具象化虛擬人物的統稱，包括數字教師和數字學生。數字人可以在以下三個方面賦能教學。

第一，拓展學生學習能力。傳統課堂學習下，學習者的學習受時間、空間局限，但在數字學習環境下，學習者的學習可以實現多空間的跨越。特別是在以GPT為代表的人工智能時代，生成式人工智能拓展了學習者的多維知識遷移能力。未來教育不僅需要滿足學習者突破時空限制的需求，更需要重視他們在交互中激發出認知提示（Cognitive Prompt）的重要靈感瞬間。

第二，增強具身交互性。數字人的人機交互方式經歷了從鍵盤控制到動捕交互，是具身交互從單一器官拓展到全身的表現。先前研究發現，動捕技術通過捕捉師生行為形成動作參數和模型，并以數字人形式給出及時、個性化反饋，有助于提高學生的學習體驗和效果（Alonso et al.，2021）；此外，腦機接口技術作為數字學習新入口，可以將情感、認知與學習行為相匹配，為學習者提供更具沖擊性和體驗感的交互方式（翟雪松等，2022a；Jamil et al.，2021）。

第三，提升知識共創力度。知識生產是教育的主要目的，知識共創是知識生產的主要形式?；谛畔⒒碾p師課堂或同步課堂雖然強化了知識傳遞的效能，但依然是觀影模式（Watching Model）。數字人能有效將物理空間的隔閡打破，在統一平臺形成協作模式。學習者利用數字人進入學習空間可以在形式和心理上有意識地將“本我”拓展到“社區中的一員”，從而自發地為團隊創造知識（Han，2020）。

二、互聯網形態演進與數字人發展

教育數字化歷程與互聯網技術的發展息息相關。三次互聯網的形態演進過程中，數字人在知識傳遞、情感關注、表征方式、交互模式和交互程度上都存在差異，其與師生之間的關系也在不斷演變（見圖1）。

圖1 教育領域數字人的發展演變

1.Web1.0時代的數字人：可讀與弱交互

20世紀90年代末，門戶網站開始在我國廣泛流行，教育等領域也借互聯網之風實現了海量資源共享，迎來了Web1.0時代（劉暢，2008）。Web1.0的特征主要表現在“可讀”和“弱交互”兩個方面：首先，“可讀”方面，教育資源以單向傳輸為主。通信技術和數字基礎設施的完善支撐了大規模、可復制和易傳播的學習資源的網絡化，拓寬了不同地區學生獲取教學資源的通道。然而，此時數字人的數字身份僅是互聯網上簡單閱讀信息或搜索資源的憑證，大規模學習群體仍需系統化、專業性的交互行為才能最大限度發揮資源的作用。這個時期，部分教育工作者開發了基于給定算法程序和海量題庫資源的智能教學系統。其次，“弱交互”方面，充當數字教師的數字人，雖然能自動、高效地完成簡單概念解答和用戶反饋，但是由于非具象、弱交互、單向傳遞以及無情感交流的局限性，難以滿足學習者主動學習的需求和最近發展區學習原則，因此學習者群體對可承載強交互功能的數字人的呼聲越來越高。

2.Web2.0時代的數字人：具象化與雙向交互

Web2.0的本質特征是參與、展示和信息互動，它的出現填補了Web1.0在參與、溝通、交流上的匱乏與不足（劉暢，2008）。在教育領域，Web2.0時代的數字人多由非具象化轉型為具象化，以2D或3D可視化的表征形式呈現，通過雙向交互拉近師生之間的心理距離（Hong et al.，2014）。同時，依托計算機視覺（Computer Vision）的數字人還可以通過人像特征識別，捕捉學習者的情緒、動作變化，并及時給予手勢等教學反饋，滿足學習者對過程的監控需求（Yung et al.，2015；Bringula et al.，2018）。

然而，Web2.0時代的數字人仍有較大局限性。其一，囿于獨立的課堂空間導致數據閉塞。數字人與學習者之間有海量的交互數據，數據背后潛在的學習軌跡是勾勒學習者畫像、預測未來學習成就的重要參照。受制于學習空間的相對獨立性和數字人接口的封閉性，數據包之間難以交流與傳輸，從而使學習者產生或接收的消息局限于一定范圍，容易使其陷入信息繭房危機。其二，弱智能化影響了學習體驗。學習化社會要求教育要能滿足學習者多維度、深感情和全覆蓋的學習趨向。然而Web2.0的技術架構尚難以支撐個性化、多樣化的學習認知和學習情感需求。例如，不同性別的學生對擁有不同性別特征的數字人會呈現不同程度的情感態度（Makransky et al.，2019），而這一點在Web2.0時代仍無法大規模滿足。通過厘清數字人在不同學科、學段中的應用方案和規律，能為解決規?；蛡€性化之間的矛盾提供數據支撐。

3.Web3.0時代的數字人：類人化與多向交互

Web3.0支持跨媒體異構知識檢索，以語義技術為核心提供教育資源推薦。區塊鏈、數字藏品和去中心化自治組織等構成了新一代互聯網Web3.0的整個基礎設施體系（杜雨等，2022），為重塑教育生態提供了新方向。首先，Web3.0突破了Web2.0時代交互淺層的局限，支持師生之間或數字人之間多向交互。Web3.0還是元宇宙持續發展的根基，以更逼真的表征形式允許師生以數字人身份進行互動，且重視學習情感的表達——以游戲化的方式打開教育，以悅趣化的互動取代灌輸（翟雪松等，2022b）。其次，以ChatGPT為代表的生成式人工智能極大地促進了數字人的智能發展。例如，斯坦福大學聯合谷歌公司構筑了一個虛擬的AI小鎮，擁有25名基于ChatGPT-3.5 Turbo構建的數字居民。這些數字人以類人方式生活、交互、學習和反思，只需要少量的初始設定就能自主構筑有序的關系網，并在交互過程中留下大量數字指紋，為后期的智能分析提供多維度的數據支撐（Park et al.，2023）。此模式能加速或延遲模擬非真人玩家（Non-Player Character）的學習歷程，從而為真實世界的學生制定試錯成本最低的交互模式提供智能決策方案。

三、三次互聯網浪潮下數字人教育應用的研 究回顧

由前述可知，數字人無論是在技術迭代還是應用創新上都與互聯網的革新息息相關。已有研究發現，數字人對于教育的作用會受到知識類型、學段和設計要素等調節變量的影響（王雪等，2022；Dai et al.，2022），但不同調節變量之間的交互作用仍不清晰?；诖?，本研究擬以三次互聯網發展為切入點進行系統性文獻綜述，通過對國內外主要學術文獻的搜索、編碼、分析，探討在三次互聯網浪潮下數字人是如何賦能教育實踐的。

1.研究設計

本研究根據PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）要求（Moher et al.，2009），按照“文獻檢索—文獻篩選—文獻編碼—結果分析”四個步驟展開綜述。

（1）文獻檢索

首先，在搜索時間跨度上，研究按照三次互聯網發展的關鍵時間節點，將檢索時段劃分為：1999年—2003年（Web1.0時代）；2004年—2020年（Web2.0時代）和2021年—2022年（Web3.0時代）三個時間段。其次，鑒于學者們對“數字人”的理解較為多元，本研究先以“數字人”（Digital Human）為主題詞在中國知網、Web of Science（WOS）和EBSCO Host核心數據庫中檢索。通過初步閱讀和文獻溯源，發現“虛擬人”“虛擬數字人”“虛擬教師”“虛擬導師”“虛擬化身”“智能導師”“教學代理”“動畫代理”等檢索主題詞均與本研究主題相關。因此，本研究在中國知網以上述中文檢索詞重新檢索，共得到文獻367篇（Web1.0時代20篇，Web2.0時代252篇，Web3.0時代95篇）；在WOS和EBSCO Host以“Digital Human”“Virtual Human”“Virtual Digital Human”“Virtual Teacher”“Virtual Tutor”“Virtual Avatar”“Intelligent Tutor”“Pedagogical Agent”“Animated Agent”等英文檢索詞檢索，共得到文獻744篇（Web1.0時代55篇，Web2.0時代578篇，Web3.0時代111篇）。

（2）文獻篩選

根據PRISMA要求，本研究制定如下篩選標準：第一，研究主題須為本研究定義范疇下的數字人教育應用，剔除只討論機器人、仿真人或真人教師的研究；第二，研究論文中須具體闡述數字人解決的教育問題、應用學科以及設計特征等要素，剔除只介紹數字人技術本身的研究；第三，研究論文須為全文可獲得的學術文獻；第四，研究論文須提供實證支持或深入的論證分析，剔除單純的描述性分析文獻。每篇文獻均經過三位擁有教育技術學科背景的專家審讀。最終經過四輪篩選以及手工剔除獲得編碼文獻100篇，其中Web1.0時代有8篇，Web2.0時代有73篇，Web3.0時代有19篇。具體篩選流程見圖2。

（3）文獻編碼和分析

為了探究數字人的技術發展、形象表征、測量方法及其對不同學科、不同學段教師教學與學生學習的影響，研究將數字人編碼維度確定為：研究問題、技術支撐、學科、學段、聲音、形象和測量方法7個方面。首先，研究從教育主體的角度將研究問題劃分為智能教學和自主學習兩大類。智能教學是指數字人作用于教師，賦能教師教學力的研究，如輔助教學互動、課后表現評價以及及時教學反饋等（Veletsianos，2012；Hong et al.，2014；Harley et al.，2017）。自主學習是指數字人作用于學生，輔助學生自主、積極地學習的研究，如自動問答、資源推薦、內容指導和學情反饋等（Tegos et al.，2015；Li et al.，2023）。其次，在技術支撐維度上，為了使數字人更契合時代發展需求，研究在文獻閱讀和分析的基礎上，將充當數字人“眼睛”的計算機視覺技術、充當數字人“耳朵和大腦”的自然語言處理技術以及優化數字人表征的拓展現實技術三者作為子維度，將基礎技術如多媒體、語音、建模等技術歸為“其他技術”（Ciolacu et al.，2020；Zhai et al.，2021；Hwang et al.，2022）。最后，研究把應用學科分為文科和理科，把學段分為K12教育、高等教育、成人教育和特殊教育，把聲音分為電腦合成和真人錄制，把形象分為2D表征和3D表征，把測量方法分為訪談法、話語分析法、調查法和實驗法。表1呈現了文獻在不同編碼維度上的分布情況。

2.研究發現和討論

對文獻進行編碼后，研究從數字人的技術支撐、實踐賦能和人本關注三方面展開分析，探討數字人的技術發展、形象表征、測量方法及其對不同學科、不同學段教師教學與學生學習的影響。

（1）技術支撐

由表1可知，共有12篇文獻運用了計算機視覺技術，25篇運用了自然語言處理技術，17篇運用了拓展現實技術，其余文獻主要使用了傳統的多媒體、建模、語音等基礎技術。

首先，從技術運用整體趨勢上看，教育領域中的數字人技術載體依然呈現欠智能、弱交互的特點，智能技術的應用遠落后于新媒體、文娛等其他領域。這一局限致使數字人的可拓展性和增值性功能較弱，對教學的支持力度不足。究其原因，基礎技術支撐下的數字人受特定算法限制，往往不能匹配學習者的最近發展區和興趣發展，易造成學習倦怠。這也解釋了為何多數研究僅能揭示數字人的短期教育影響，而缺少長期實驗觀察效果（Dai et al.，2022）。

其次，計算機視覺技術和拓展現實技術的應用頻率隨時間明顯增加。Web2.0后期，圖像處理、物聯網以及虛擬仿真等技術的發展，以及學習者對學習體驗要求的提高，刺激著教育場域新技術的應用步伐。一方面，在Web2.0交互觀念的不斷強化之下，學習者提高了對數字人識別能力的要求，希望其能像真實教師和真實學伴一樣理解自己，對自身的認知錯誤和情緒變化能給予及時反饋（Lee et al.，2015；Loveys et al.，2020）。另一方面，在虛實不斷融合的總體趨勢下，學習者也提高了對學習的沉浸式體驗要求。拓展現實技術包括混合現實技術、虛擬現實技術和增強現實技術，能以多種形式滿足沉浸式體驗。有研究發現，通過虛擬設備接入三維空間，數字人能在學習者的探索行為和感知體驗之間起到中介作用（Alblehai，2022）。

最后，雖然技術支撐下的數字人總體上促進了學習者的學習績效和學習體驗，但是技術在不同學科或學段中應用的機理或效果仍不清晰。提取學科/課程、學段與技術支撐單獨分析（如圖3所示）可見：從學科/課程視角看，計算機視覺技術在生物課程中應用最多，自然語言處理和拓展現實技術分別在思政和教育學中應用最多。從學段視角看，數字人技術主要應用于高等教育領域（53篇），這可能是因為高等教育中技術研究和應用較為前沿；而其在特殊人群和弱勢群體的應用相對缺乏，僅有7篇。從技術整合效果來看，大部分數字人整合課程都有積極的教學提升效果，但目前還尚未有研究對技術可能帶來的負面影響進行實證檢驗，這是未來可繼續深入探索的方向之一。

總的來看，首先，計算機視覺技術在數字人教育應用與研究中的分量不斷增加，12篇涉及計算機視覺技術的研究都在2013年以后發表，其中8篇是在近兩年發表。這一態勢說明：借助計算機視覺技術對圖像、視頻等跨媒體數據的自動分析和解釋，學習者能夠對知識體系產生多維、立體化的理解。尤其是在生物等學科教學中，數字人不僅可以成為生物課程中的實驗載體，而且能夠在計算機視覺技術的加持下，進行復雜干預實驗的仿真模擬。其次，基于自然語言處理技術的數字人在三個互聯網時代上的文獻分布較為均衡，這說明文本分析是數字人教學應用中較為受歡迎的支撐技術。通過圖3可以看出，自然語言處理技術不僅適合于語言、思政等文科課程，也可以輔助教師在計算機、物理、數學等領域的教學。這說明自然語言處理技術在教育中的應用已經突破了傳統的語言向量分析，朝向多模態的生成式預訓練轉換器的軌跡發展。再次，拓展現實技術因其能提供真實、交互的體驗，在學科應用中也擁有較大潛力。如在教育學科中生成哲學家蘇格拉底的數字人，可以允許學習者與之實現跨時空對話，增強學習體驗。未來數字人技術的教育應用應更多考慮特殊人群和弱勢群體的需求，確保數字人產品的易用性和可訪問性，促進教育的包容性，建設真實的、泛在的學習化社會。

圖3 不同學科/課程、學段中數字人技術的應用

（2）實踐賦能

技術進入學校后，教育工作者需要深入思考兩大實踐問題：“教師應該怎樣去教”和“學生應該怎樣去學”（焦建利，2023）。從教育主體的角度出發，數字人賦能教學實踐主要體現在教師教學和學生學習兩方面。文獻編碼顯示，教師智能教學中應用數字人的文獻占總編碼文獻數量的23%，學生自主學習中應用數字人的文獻占總編碼文獻的77%。

一方面，數字人在賦能教師智能教學上有積極作用，但局限性也較大。文獻分析顯示，數字人在教學實踐上一般充當數字助理教師角色。如在課前、課中和課后分別輔助教師完成學生的先驗知識測驗、學習行為分析和學習反饋調節等教學工作。然而，此功能本質上仍是大眾化、規?；统绦蚧摹敖獭?，在教學場景中增添具象化數字人優化教師教學的做法與傳統意義上的教學平臺或教學系統相差不大，因此始終難以高質量實現因材施教、千人千面的教育愿景。

另一方面，數字人在賦能學生自主學習上有較多研究探索，也越來越受師生青睞。作用于自主學習的數字人通過滿足學習者主動檢索的需求，以高效、便捷的問答體系充當可視化數字教師或數字學伴的角色，給予及時有效的認知反饋和情感反饋。特別是在生成式人工智能的支持下，ChatGPT等大語言模型產品的應用，使數字人如虎添翼，能以更海量的數據、更優質的反應和更智能的語義檢索促進學生自主學習。這或將成為未來數字教師的基本配置。然而，需要注意的是數字人主導課堂的實際效果仍受諸多變量調節，其在具體學科或學段中的應用效果仍待探索。

為了進一步探索數字人在不同學科/課程、學段賦能教與學的效果，本研究作交互圖4進行分析。由圖4可知，總體上數字人在文、理科上的應用數量相對均衡。深入分析文獻發現：在具體學科/課程場景中，數字人主要應用于導入性或通識性課程（65篇），包括科學概念講解、數字素養培養和實驗現象呈現等。究其原因：一是由于算力有限，難以支撐數字人大規模地進行高精度、強仿真的實驗操作，大多停留于知識呈現階段；二是導入性課程大多為陳述性知識，其知識體系較為清晰、規整，數字人容易實現。然而，一旦涉及復雜的推理性課程，數字人的算法依賴性不利于學生發散性思維的養成，易使其陷入信息繭房危機，還有可能因算法偏見帶來學術、道德和倫理風險問題。人在回路理論（Human-in-the-Loop Theory）認為：人的參與可以促進機器的正確運轉，是回路中的重要一環（祝智庭等，2021）。自然人與數字人的相互協同是人工智能可持續健康發展的基礎。真人教師應當充當數字人在賦能學生自主學習時的監督者和促進者，以有效提高教育效率、保證教育質量。但這一協作路徑或許也會帶來新的問題和挑戰：真人教師和數字人協作的績效和成果該如何界定？或許，現階段技術背景下這一問題還不明顯，然而隨著ChatGPT接入以及自然人的鏡像數字人的應用，這一數字版權問題將會更加突出。

圖4 不同學科/課程、學段中關注的研究問題

從學段視角來看，高等教育和K12教育仍是數字人主要應用的教育類型，其原因前文已述，未來仍需加強數字人在成人教育和特殊教育中的探索和應用。這將有利于推動普通教育外的非正式教育和繼續教育進步，進而推進學習型社會、學習型大國的建設。

（3）人本關注

技術雖能豐富教育手段，但其應用實踐應體現“以人為本”的價值觀（安濤等，2022）。Web1.0時代，數字人強調學生認知的提升而忽略了情感需求。Web2.0的交互理念部分彌補了這一空白，但沉浸感差、交互面窄以及中心化數字身份帶來的問題仍阻礙著人本教育的發展。如今，以語義算法、情感計算和數據“可擁有”為主要特征的Web3.0或將推動數字人迎來全面、大規模的人本驅動的高質量教育發展。以人為本的教育應注重對學生自我認知發展和情感交互體驗的促進（文冬等，2002）。

第一，自我認知發展。結合前人研究和編碼文獻內容可知，數字人聲音和形象是影響學習者認知發展的兩大要素。前者通過表意功能激活聽覺通道優化認知信息的完整性，使感知主體產生事件參與感（吳瑤等，2020）；后者通過形意功能激活視覺通道，如必要的輔助手勢、動畫或面部表情，強化大腦認知圖式的形成。以學段為數字人教育應用的調節變量，作交互圖5分析數字人的聲音、形象在不同學段的應用情況。

圖5 不同學段數字人的聲音、形象應用

由表1可知，Web1.0和Web2.0前期數字人聲音的應用較為零散。這說明前期數字人較多的應用場景是無聲的，僅以文字表征的形式呈現對話或答案。這種以知識傳達為重心的數字人無暇顧及學生的深層次需求，其“在場”更像一種擺設，遠談不上人本理念的落實。此外，文獻分析還發現，數字人還容易出現聲唇異步，這會讓學生產生不安和不自然感（Liew et al.，2016）。以往研究認為：真人語音數字人相較于合成音數字人更容易在學生群體中獲得信任感，故學生體驗更佳，但在學習產出上卻沒有顯著差異（Son，2014；Chiou et al.，2020）。在圖5中，兩類數字人聲音在同一學段內的應用頻次差異較小。針對這一現象，研究認為原因有二：一是相較于視覺和觸覺，學習者對聲音不敏感。因為聽覺既不像視覺可在大腦形成具象記憶，也沒有觸覺延伸出的肌肉記憶，故其變化對學習者認知或情感影響較弱。二是合成聲音已足以媲美真人?，F階段，基于大規模數據訓練的AI語音幾乎可以完美復刻真人聲音，且具有類型豐富、層次分明的特點（Craig et al.，2019），已模糊了其與真人聲音之間的差異。

在數字人形象方面，3D數字人應用頻次遠高于2D，這符合大多數研究結論：越具象化的數字人越有利于學習效能和學習感知覺的提高（Lin et al.，2020；Oliveira et al.，2021），然而圖5表明2D數字人仍有一定的應用空間。對2D或3D圖像的可接受度，受年齡或性別等因素的影響。在年齡上，3D數字人主要應用于高等教育人群。除去高等教育研究前沿、技術先進等因素，還可能是因為高等教育人群腦神經發育較為成熟，對立體的視覺圖像處理能力較強；而年齡較低的K12學生，其腦神經或其他感官發展不夠成熟，如內耳中的前庭感受器接收視覺信號容易產生偏差、定位不準確而造成眩暈癥，故2D等平面化表征更適合低齡段學生。在性別上，有研究發現：相較男性，女性會對寫實的3D數字人產生更多的憂慮和恐懼，這或是源于女性較強的同理心，會對科技帶來的潛在倫理做出感性預判（Zibrek et al.，2019），但這種差異是抽樣誤差抑或是真實誤差仍有待進一步檢驗。

第二，情感交互體驗。識別、測量、干預學生的情感是數字人凸顯人本關懷的重要表現。首先是識別。Web1.0以及Web2.0前期偏重于技術的應用，教育工作者對識別學生情感的意識較弱，而后隨著交互理念的強化對情感的關注逐步增強。其次是測量。由表1可知，已有研究在測量方法上多采用實驗法（67篇）和調查法（23篇），其他研究方法使用較少，如話語分析法（11篇）、訪談法（2篇），其中有3篇文獻綜合使用了多種研究方法。這可能是因為實驗法和調查法操作步驟清晰、分析結果明朗，可以滿足大多數研究者的研究需求：即測量數字人對學習績效或學習產出的影響。然而，此兩類研究方法難以深入剖析學習者的情感變化?？梢酝ㄟ^兩種方式進行優化：一是借助輕量級生理反饋在實驗中加強生理參數的捕捉，利用多模態數據進行情感計算（朱珂等，2020）；二是加強話語分析、自我報告等研究方法與實驗法和調查法的混合使用，多維度、深層次揭示數字人對學生的情感交互影響。最后是干預?；谧R別和測量，數字人應針對具體交互內容、交互方式和交互反饋等，做出適當的干預，提升學習者的情感交互體驗。

四、數字人在教育中的應用趨勢與挑戰

數字人在多個學科和學段上均有廣泛應用前景，對賦能教師智能教學和學生自主學習有明顯積極意義，且有助于人本理念的具體落實。隨著技術的不斷更新迭代，尤其是ChatGPT等新工具的產生進一步釋放了數字人的潛能，其未來應用趨勢以及面臨的挑戰值得思考。

1.數字人教育應用的趨勢

（1）類人化水平不斷提高

在數字人發展過程中，從音容特征、算法規則到語義檢索，其類人化水平不斷提高。其一，音容特征。數字人的聲音和形象不再是低質量、大眾化地呈現，而是朝著適應個體特點、關注個體情緒的方向優化。其二，算法規則。數字人的算法規則趨于公開透明，并借力自然人參與的可靠標注數據和知識貢獻，融合人在回路的思想，完善數字人的教育服務功能。其三，語義檢索。由于Web3.0的編程接口更加開放，數字人調用ChatGPT變得更加便捷?；诤Ａ縋rompts庫，學習者僅以模糊、片面的自然語言即可達到檢索目的。

（2）身份可塑性逐漸增強

當下，數字人身份仍呈中心化，即歸屬原始開發者所擁有和控制。Web3.0強調“數據可擁有”，即在去中心化的環境中開放地讓用戶編輯和迭代網絡數據。數字人的身份也可由自然人編輯和重塑。一方面，具有較強可塑性的數字人未來將作為開放教科書的一種形式，通過不斷匯集社會上的多維數據源，特別是來自非正式學習場所的數據，逐步形成一個能自適應強化學習的智能體。另一方面，當數字人在虛擬社會群體中不斷學習和仿真后，將可預測出群體發展趨勢，這對判斷學習者個人成長具有較大的參考意義。未來，人機共存的虛擬社區將走向成熟。憑借自然語言處理、拓展現實等技術，教育中數字人與自然人、數字人與數字人之間將以可塑的身份，通過交互激活虛擬社區的活躍度，以社交屬性增強學習者的學習黏性，滿足其歸屬感需求。

（3）共情力持續提升

教育的終極指向是人的可持續發展，數字人教育應用要緊密關注人的情感需求，優化數字人與自然人之間的交互質量。數字人“在場”不能僅作為擺設而存在，而應有實際情感計算力，能及時識別和干預學生的情感變化。已有研究發現：數字人的共情力能有效轉變學生對校園欺凌的冷漠態度（Young Oh et al.，2020），從而減少校園暴力等問題的產生。同時，還有研究發現，數字人的聲音和形象對情緒有重要影響。未來，基于AI繪圖Midjourney、Unity插件Oculus Lipsync和ChatGPT等智能工具，教育中將能呈現更適切個體學習、更理解個體情緒的優質數字人。

2.數字人教育應用面臨的挑戰

第一，在技術上，數字人面臨著算力保障不足以及數字版權不清等問題。由前文分析可知，數字人多應用于導入性和基礎性課程，主要原因就是算力保障的不足。首先，要構設高沉浸、低延遲、強交互的數字人需要龐大的算力支撐，而這意味著高昂的教育成本支出。一方面，局限于技術壁壘，現有底層技術框架還難以支撐大規模的3D或全息場景的數字人教育應用，僅在游戲、新媒體等領域有小規模研究，教育中大多數數字人還停留在Web1.0和Web2.0時代的平面化教學階段。另一方面，從教育效能產出角度，在尚未充分證實數字人相較于自然人的教育優勢之前，盲目投入資金創設算力保障體系亦非明智之舉。其次，即使區塊鏈、數字藏品技術得到了一定程度的發展，但自然人與數字人、數字人與數字人之間共創的知識產權歸屬問題仍不清晰。2023年2月，中共中央、國務院印發的《數字中國建設整體布局規劃》指出：要“釋放商業數據價值潛能，加快建立數據產權制度，開展數據資產計價研究，建立數據要素按價值貢獻參與分配機制”（新華網，2023）。這體現了國家層面對數字知識產權的系統化要求。受制于虛擬生態、數字經濟底層框架的不完善，相應的產權制度、計價條例和要素分配不成熟，涉及虛擬態數字人的知識權限亦不明確。

第二，在實踐上，數字人有可能導致教育功能的弱化以及個體學習的惰性。一方面，由已有研究可知，數字人應用仍難以滿足復雜推理性教學任務，數字人仍存在明顯的AI痕跡：機械化和形式化。學習者可能僅將數字人視為一種新鮮事物，在熱度過后容易喪失學習動機，教育效率或大打折扣。此外，相較于真實教育場景的自然人，數字人難以適應學習者隨時、靈活和頻繁的交互特點。在數字人反應的“短暫間隙”，學習者容易產生割裂感。最后，數字人的反饋內容多為鼓勵性語言而缺乏消極、挫折性反饋，這樣的“溫室教育”亦不利于學習者素質的全面發展。這樣的數字人應用，極易導致教育功能的弱化和教育系統的混亂，也是大規模實踐應用上面臨的一大嚴峻挑戰。另一方面，雖然在生成式人工智能加持下數字人的理解能力逐步增強，然而對數字人的依賴或惡意使用可能會產生學習異化。依賴數字人會弱化學習者創新思維能力培養，養成惰性學習思維（李芒等，2023）。更有甚者，惡意使用數字人亦可能導致學生走向學術不端、道德不正乃至違法犯罪道路。因此培育正確的數字人使用意識，強化人工智能應用的底線思維和風險意識尤為重要。

第三，在以人為本方面，數字人應用本身存在一定程度的倫理風險，如技術倫理風險和社會倫理風險。其一，在技術倫理風險上，數字人的教育價值取向囿于既定算法和未經篩選的網絡數據，其信息傳遞和價值觀傳達存在隱患。在信息傳遞方面，即使是在生成式人工智能賦能下，數字人仍有可能在沒有充分理解信息內在邏輯的情況下，一本正經地給出事實性錯誤答案，這可能誤導缺乏專業知識儲備的學習者，從而引起錯誤認知和學習迷茫。在價值觀傳達方面，篡改、否認歷史事實等可能會導致學習者民族情感上的缺失和異化，這需要加強監督（王佑鎂等，2023）。其二，在社會倫理風險上，未來，數字人作為師生在Web3.0的數字身份，其數據包會在跨平臺中展示和分享。這意味著自然人映射到虛擬世界的數字身份信息可能會暴露，且因Web3.0的公開和透明，暴露程度或許遠高于Web2.0時代。此外，有研究表示，ChatGPT-3.5或具有人類心智，其同理心能力相當于九歲兒童（Kosinski，2023）。未來擁有更智能技術支撐的數字人心智則會更成熟，這或將出現數字人反噬自然人的倫理問題。國內已有學者開始研究數字生命（Digital Life）計劃，這是否會引發社會倫理道德問題，也值得深入思考。

參考文獻：

[1]安濤，梁志遠（2022）.信息技術教育應用為何低效？——基于“結構—過程”視角的教師教學行動分析[J].現代遠程教育研究，34（6）：34-42，53.

[2]杜雨，張孜銘（2022）.Web3.0：賦能數字經濟新時代[M].北京：中譯出版社：227-247.

[3]焦建利（2023）.ChatGPT助推學校教育數字化轉型——人工智能時代學什么與怎么教[J].中國遠程教育，43（4）：16-23.

[4]李芒，楊宇軒（2023）.人非機器：對計算思維本質的認識[J].開放教育研究，29（2）：55-60.

[5]劉暢（2008）.網人合一·類像世界·體驗經濟——從Web1.0到Web3.0的啟示[J].云南社會科學，（2）：81-86.

[6]王雪，喬玉飛，王崟羽等（2022）.教育智能體如何影響學習者情緒與學習效果？——基于國內外39篇實驗或準實驗研究文獻的元分析[J].現代教育技術，32（8）：59-66.

[7]王佑鎂，王旦，梁煒怡（2023）.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現代遠程教育研究，35（2）：48-56.

[8]文冬，楊九民（2002）.基于人本主義學習理論的教學設計原則[J].電化教育研究，（12）：58-60.

[9]吳瑤，廖聲武（2020）.數字時代有聲閱讀的聽覺性“小生境”構建[J].出版廣角，（23）：6-10.

[10]新華網（2023）.中共中央 國務院印發《數字中國建設整體布局規劃》[EB/OL].[2023-04-10].http：//www.xinhuanet.com/2023-02/27/c_1129401407.htm.

[11]翟雪松，楚肖燕，胡美如等（2022a）.從腦機接口到腦腦接口：認知傳輸與群體協同的教育變革[J].遠程教育雜志，40（3）：24-34.

[12]翟雪松，楚肖燕，王敏娟等（2022b）.教育元宇宙：新一代互聯網教育形態的創新與挑戰[J].開放教育研究，28（1）：34-42.

[13]朱珂，張思妍，劉濛雨（2020）.基于情感計算的虛擬教師模型設計與應用優勢[J].現代教育技術，30（6）：78-85.

[14]祝智庭，韓中美，黃昌勤（2021）.教育人工智能（eAI）：人本人工智能的新范式[J].電化教育研究，42（1）：5-15.

[15]Alblehai， F. （2022）. Can Avatar Homophily Influence Flow and Exploratory Behaviour of Online Users？[J]. Education and Information Technologies， 27（9）：12363-12379.

[16]Alonso， S.， López， D.， & Puente， A. et al. （2021）. Evaluation of a Motion Capture and Virtual Reality Classroom for Secondary School Teacher Training[EB/OL]. [2023-03-10]. https：//icce2021.apsce.net/wp-content/uploads/2021/12/ICCE2021-

Vol.I-PP.-327-332.pdf.

[17]Bringula， R. P.， Fosgate Jr， I. C. O.， & Garcia， N. P. R. et al. （2018）. Effects of Pedagogical Agents on Students’ Mathematics Performance： A Comparison Between Two Versions[J]. Journal of Educational Computing Research， 56（5）：701-722.

[18]Chiou， E. K.， Schroeder， N. L.， & Craig， S. D. （2020）. How We Trust， Perceive， and Learn from Virtual Humans： The Influence of Voice Quality[J]. Computers & Education， 146：103756.

[19]Ciolacu， M. I.， Svasta， P.， & Hartl， D. et al. （2020）. Education 4.0： Smart Blended Learning Assisted by Artificial Intelligence， Biofeedback and Sensors[C]// 2020 International Symposium on Electronics and Telecommunications （ISETC）. IEEE：1-4.

[20]Craig， S. D.， & Schroeder， N. L. （2019）. Text-to-Speech Software and Learning： Investigating the Relevancy of the Voice Effect[J]. Journal of Educational Computing Research， 57（6）：1534-1548.

[21]Dai， L.， Jung， M. M.， & Postma， M. et al. （2022）. A Systematic Review of Pedagogical Agent Research： Similarities， Differences and Unexplored Aspects[J]. Computers & Education， 190：104607.

[22]Han， Y. （2020）. A Study on the Effects of Collaborative Creation of Theatre on Community Competency of Middle School Students： Focusing on Case of Cooperative Integrated Arts Activities[J]. Korean Journal of Arts Education， 18（4）：325-351.

[23]Harley， J. M.， Taub， M.， & Azevedo， R. et al. （2017）. Let’s Set Up Some Subgoals： Understanding Human-Pedagogical Agent Collaborations and Their Implications for Learning and Prompt and Feedback Compliance[J]. IEEE Transactions on Learning Technologies， 11（1）：54-66.

[24]Hong， Z. W.， Chen， Y. L.， & Lan， C. H. （2014）. A Courseware to Script Animated Pedagogical Agents in Instructional Material for Elementary Students in English Education[J]. Computer Assisted Language Learning， 27（5）：379-394.

[25]Hwang， G. J.， Tang， K. Y.， & Tu， Y. F. （2022）. How Artificial Intelligence （AI） Supports Nursing Education： Profiling the Roles， Applications， and Trends of AI in Nursing Education Research （1993-2020）[J]. Interactive Learning Environments， DOI：10.1080/10494820.2022.2086579.

[26]Jamil， N.， Belkacem， A. N.， & Ouhbi， S. et al. （2021）. Cognitive and Affective Brain-Computer Interfaces for Improving Learning Strategies and Enhancing Student Capabilities： A Systematic Literature Review[J]. Ieee Access， 9：134122-134147.

[27]Jennings， N. R. （2000）. On Agent-Based Software Engineering[J]. Artificial Intelligence， 117（2）：277-296.

[28]Kosinski， M. （2023）. Theory of Mind May Have Spontaneously Emerged in Large Language Models[EB/OL]. [2023-03-10]. https：//arxiv.org/vc/arxiv/papers/2302/2302.02083v2.pdf.

[29]Lee， H.， Kanakogi， Y.， & Hiraki， K. （2015）. Building a Responsive Teacher： How Temporal Contingency of Gaze Interaction Influences Word Learning with Virtual Tutors[J]. Royal Society Open Science， 2（1）：140361.

[30]Li， W.， Wang， F.， & Mayer， R. E. （2023）. How to Guide Learners’ Processing of Multimedia Lessons with Pedagogical Agents[J]. Learning and Instruction， 84：101729.

[31]Liew， T. W.， Zin， N. A. M.， & Sahari， N. et al. （2016）. The Effects of a Pedagogical Agent’s Smiling Expression on the Learner’s Emotions and Motivation in a Virtual Learning Environment[J]. The International Review of Research in Open and Distributed Learning， 17（5）：248-266.

[32]Lin， L.， Ginns， P.， & Wang， T. et al. （2020）. Using a Pedagogical Agent to Deliver Conversational Style Instruction： What Benefits Can You Obtain？[J]. Computers & Education， 143：103658.

[33]Loveys， K.， Sagar， M.， & Broadbent， E. （2020）. The Effect of Multimodal Emotional Expression on Responses to a Digital Human During a Self-Disclosure Conversation： A Computational Analysis of User Language[J]. Journal of Medical Systems， 44（9）：143.

[34]Makransky， G.， Wismer， P.， & Mayer， R. E. （2019）. A Gender Matching Effect in Learning with Pedagogical Agents in an Immersive Virtual Reality Science Simulation[J]. Journal of Computer Assisted Learning， 35（3）：349-358.

[35]Moher， D.， Liberati， A.， & Tetzlaff， J. et al. （2009）. Preferred Reporting Items for Systematic Reviews and Meta-Analyses： The Prisma Statement[J]. Annals of Internal Medicine， 151（4）：264-269.

[36]Oliveira， R.， Arriaga， P.， & Santos， F. P. et al. （2021）. Towards Prosocial Design： A Scoping Review of the Use of Robots and Virtual Agents to Trigger Prosocial Behaviour[J]. Computers in Human Behavior， 114：106547.

[37]Park， J. S.， O’Brien， J. C.， & Cai， C. J. et al. （2023）. Generative Agents： Interactive Simulacra of Human Behavior[J]. arXiv：2304.03442.

[38]Son， C. （2014）. Design Principles of Animated Pedagogical Agent and Instructional Message for Affective Learning[J]. Educational Technology International， 15（1）：1-26.

[39]Tegos， S.， Demetriadis， S.， & Karakostas， A. （2015）. Promoting Academically Productive Talk with Conversational Agent Interventions in Collaborative Learning Settings[J]. Computers & Education， 87：309-325.

[40]Veletsianos， G. （2012）. How Do Learners Respond to Pedagogical Agents that Deliver Social-Oriented Non-Task Messages？ Impact on Student Learning， Perceptions， and Experiences[J]. Computers in Human Behavior， 28（1）：275-283.

[41]Young Oh， E.， Song， D.， & Hong， H. （2020）. Interactive Computing Technology in Anti-Bullying Education： The Effects of Conversation-Bot’s Role on K-12 Students’ Attitude Change Toward Bullying Problems[J]. Journal of Educational Computing Research， 58（1）：200-219.

[42]Yung， H. I.， & Pass F. （2015）. Effects of Cueing by a Pedagogical Agent in an Instructional Animation： A Cognitive Load Approach[J]. Educational Technology & Society， 18（3）：153-160.

[43]Zhai， X.， Chu， X.， & Chai， C. S. et al. （2021）. A Review of Artificial Intelligence （AI） in Education from 2010 to 2020[J]. Complexity， Complexity， （6）：1-18.

[44]Zibrek， K.， Martin， S.， & McDonnell， R. （2019）. Is Photorealism Important for Perception of Expressive Virtual Humans in Virtual Reality？[J]. ACM Transactions on Applied Perception （TAP）， 16（3）：1-19.

收稿日期 2023-04-06 責任編輯 汪燕

Digital Human in Educational Research： Evolution， Trends and Challenges

ZHAI Xuesong， WU Tinghui， LI Cuixin， QIU Tingting， LI Yan

Abstract： Digital humans in education refer to virtual beings present in digital spaces， designed to enhance learning effectiveness and perceptual experience through knowledge transmission and social interaction. The development of digital humans is closely intertwined with the evolution of the Internet， marked by technological advancement and application innovation. Initially， digital humans in education supported one-way knowledge transmission， lacked emotional engagement， utilized multimedia representation， and had limited behavioral interaction. However， with the progress of the Internet through its three phases， digital humans have transitioned towards facilitating multi-directional knowledge transmission， emphasizing emotional engagement， and employing 3D or holographic representation with enhanced interactive capabilities. Despite these advancements， the technological support for digital humans in education still exhibits characteristics of limited intelligence and weak interactivity. Nevertheless， there has been a noticeable increase in the application of computer vision and augmented reality technologies， which offer promising avenues for further development. At the practical level， digital humans have played a positive role in enhancing intelligent teaching for educators and fostering autonomous learning for students. However， their current application primarily focuses on higher education and K-12 education stages. Concerning human-centered aspects， digital humans significantly influence learners’ cognitive development through two major design elements： sound and visual representation. Additionally， they enhance learners’ emotional interactive experience by enabling identification， measurement and intervention. As technology continues to evolve， digital humans demonstrate a development trend of constantly increased human-like characteristics， gradually enhanced identity adaptability and continuously improved empathy. However， digital humans also face a range of challenges， including insufficient guarantees of computing power， unclear digital copyrights， potential risks of educational dilution or learning inertia， and ethical concerns. Looking towards the future， the education application of digital humans should prioritize the development of human-machine collaboration models and improve underlying technologies， with a focus on the fundamental goal of nurturing individuals to promote equitable and high-quality development of education.

Keywords： Digital Human; Education Application; Internet Phases; Digitalization of Education; Generative Artificial Intelligence