乔思辉，眭依凡 | 数智时代大学的个性化教育：价值理路、潜在挑战与变革策略

新一代信息技术正加速推动高等教育数智化转型，促进学生个性化发展以培养数智时代的创新人才成为当前高等教育改革的重要议题。人工智能赋能大学的个性化教育有其优势，通过数据驱动、动态适应和路径定制，实现了学习支持的精准化与个性化。然而，数据驱动的个性化教育可能引发“数据崇拜”造成学生个性发展路径固化、技术中心主义削弱学生主体性、教师数智素养滞后限制个性化教育的深度，这些问题都构成了数智化时代个性化教育的潜在挑战。因此，数智化转型中的大学必须以教育本体价值为归旨，推进三方面关键变革：其一，构建“数字基建—垂域模型—数据治理”的技术生态，筑牢数智化转型的基础；其二，融入人工智能思维，重构人才培养模式；其三，推动教师角色转型，提升智能教育素养，增强人机协同教学新范式下的教师教学胜任力。

以大数据、区块链、人工智能为代表的新一代信息技术加速发展，推动人类社会迈向数智化时代，高等教育正面临以数字化、智能化、智慧化为特征的转型趋势。数智化时代对于创新人才的需求更加迫切，而创新能力的培养需要更加关注学生差异化和个性化的发展需求。《中国教育现代化2035》明确提出要利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。新一代信息技术为人的个性化发展提供了时间保障和资源支持，使教育有条件演变为个性化教育。促进学生更好地个性化发展，已然成为数智教育时代高等教育改革的主题。

众多研究表明，人工智能在支持学生个性化学习方面有其独特优势,人工智能创设的智能学习环境可为智能个性化学习提供支持和服务。学习者建模表征可以通过对学生基本情况、风格偏好、学习动机与投入、优势与不足等方面的描述来完成学习者“画像”，帮助教师真正“读懂”学生，进而通过“智能导学系统”等为教师提供个性化教育的资源和匹配个性化教育的路径。智适应学习系统具备大体量的内容、定制化的课程、多样化的算法和精准化的数据，能够从先行测验到学习辅导构建出包含“测—学—练—评—辅”的个性化学习闭环。已有研究多从技术层面讨论人工智能技术赋能个性化教育的价值和路径，然而，高等教育从大规模标准化教育向个性化教育转变是一项系统工程，需要全方位深层次的变革才可能实现。

因此，本文旨在以人工智能技术赋能个性化教育的独特价值为基础，明晰人工智能技术赋能大学个性化教育的可行路径，同时系统剖析其面临的潜在挑战，以期为数智化时代大学教育改革转型和教学创新提供理论参考和实践启示。

一、人工智能赋能个性化教育的价值理路

（一）人工智能赋能个性化教育的价值内涵

个性化教育以尊重差异为前提，以提供多样化教育资源和自主选择为手段，以促进个体生命自由而充分的发展为目的。传统大学的个性化教育是通过选修课、导师制等制度留白的方式和师生自主互动实现的有限个性化，其效果高度依赖学校资源、教师投入度及学生主动性。统一的课程大纲和评估标准限制了学生的个性化学习路径，造成标准化与个性化的矛盾。导师制依赖师生比，大班教学难以覆盖所有学生需求。而诸如联系导师、参与项目等个性化机会往往需要学生主动争取，被动学习者可能获益较少。由于受到资源、制度和传统教学模式的限制，传统教育模式下的个性化教育存在明显的局限性。

数智教育时代，借助人工智能等数字技术能够为大学教育的个性化教育提供有力的支持。数字技术能够改变教育资源分配的固有模式，为学生个性化的发展提供基础性保障。技术和数字要素一旦产生就会不断扩展，变得不再稀缺，数字教育资源分享拓展的边际成本几乎为零，让所有的学习者都可以轻松获得，为所有个体的个性化发展提供资源支持。高等教育优质资源的稀缺性会随着数字时代的到来发生根本性转变。不仅如此，人工智能为教师创造性的教和学生个性化的学提供了更多可能。于教师而言，借助人工智能，教师得以从重复性的、机械性的事务工作中解放出来，更多专注于学生的学习效果，而且人工智能作为教师的第二大脑，能够为教师教学提供灵感和思路，激发教师创造性地开展教学。对学生来说，人工智能技术能够提高学生学习完成社会化所必要的知识与技能的效率，使学生拥有更多的时间用于个人的个性化发展。

在人工智能技术的支持下，大学的教学模式与数字技术实现更深层次的融合，向更高层次的因材施教、精准施教迈进。

第一，实现学习支持精准化。传统教育由于数据采集和分析能力的限制，很难为每位学生提供精准的学习资源。人工智能技术以大型语言模型、人类反馈强化学习、生成式预训练转化等优势，生成学生学习的“精准画像”，为其提供精准的学习诊断和个性化学习方案。

第二，实现学习适应动态化。个性化教育并非静态的，而是动态发展的过程。人工智能技术能够实时监测学生的学习状态和知识掌握情况，并根据变化及时调整学习策略，这种动态适应性使得大学教育能够更好地满足学生的个性化需求，为学生提供更加贴合需求的学习体验。

第三，实现学习路径定制化。在传统教育模式中，学习路径往往是统一的，难以满足不同学生的需求。人工智能技术通过分析学生的学习数据，可以为其设计个性化的学习路径，提供量身定制的学习服务。

（二）人工智能助力个性化教育的实践路径

首先，技术支持实现个性化自适应学习。实现个性化自适应学习是人工智能教育应用最重要、最核心的价值。智能导学系统（TIS）通过模拟专业导师的角色，利用智能技术为学生提供定制化的教育内容和反馈。在教学场景中，智能导学系统可以承担“助教”和“学伴”等多样化角色和功能，为学生的自主学习提供全天候、实时性的教学服务，而基于大语言模型的新一代人工智能拥有优秀的多轮对话能力、自然语言理解生成能力，能够提升智能导学系统在执行复杂对话教学中的能力和效率，在完成答疑的同时能够针对学生的认知水向促进其思考，整体促进其对知识的深入理解。

其次，数据驱动助力实现精准教学。数据驱动使得教师能够更加精准地确定学生的真实需求与学习差距，为诊断需求、缩小学习差距以及个性化干预提供依据。在课堂教学中，教师依托智能化教学服务平台，通过互联感知、学习分析、学生画像等技术对学生学习数据进行全面采集和深度分析，精准掌握每位学生的认知基础与学习需求，利用学习路径推荐技术为其提供定制化的学习服务。在教学诊断方面，借助人工智能技术对学习数据进行实时分析，提前发现学习中的潜在问题或偏差，及时进行调整和优化。基于大语言模型的智能导学系统担任学习评估者的角色，通过分析学生的自然语言输入评估其掌握程度。评价手段的智能化将改变大学传统的评价模式，不仅有助于准确评估学生的高阶思维能力，而且通过持续跟踪的过程性评价有效激发学生主动学习参与的积极性。

最后，人机协同智慧教学促进深度学习。人机协同将成为智慧教学的主要方式。人工智能作为教师的助手，帮助教师从重复劳动中解放出来，教师利用人工智能为学生的学习提供支持、创造性地开展教学。借助人工智能创设虚实融合的情境，让学生在沉浸式的学习空间环境中体验与行动，持续唤醒能动的主体意识。通过人机协同创建互动的实践活动平台，让学生参与到活动任务中，深入领会知识所蕴含的情趣与价值，将对内容的理解与感悟进一步转化为情感的认同。学生与智能机器协作开展学习，一方面将部分认知外包给智能设备，提升认知能力，更好地完成认知任务；另一方面借助技术实现自我发展，自主规划学习过程、自我调节学习策略，逐渐养成自主学习的习惯

二、数智化时代大学个性化教育的潜在挑战

    （一）“数据崇拜”容易遮蔽学生个性发展

数据驱动作为数智教育时代个性化教育的主要手段，其学习分析技术本身也面临诸多挑战，技术层面仍难以突破数据挖掘和分析过程的表层化和模糊化。学习是一个错综复杂的动态机制，学习者的过程性数据无法直接与行为表征关联或对应。教育实践复杂多样，个体特质和需求很难完全被数据精准捕捉，数据算法能衡量的指标有限，加上数据融合困难，这些都会影响数据赋能个性化学习的有效性。

基于大模型的人工智能教育应用是大学个性化教育的重要方向，当前其在高等教育场景中的实用性和准确性有待提高，这主要是因为人工智能大模型受到数据影响而产生算法偏见。高等教育场景涉及学习者的认知、情感、行为等多个维度，现有的算法可能在数据处理和预测方面表现良好，但可能难以全面捕捉这些复杂因素，缺乏对大学生个性化需求的深入理解。因此，获取多源情境的学习数据以确保解释和预测的科学性，同时平衡多源异构数据的丰富性和兼容性，进行精准教学干预就成为有效个性化教育的关键所在。

更为重要的是，在“一切都是数据”的数智时代，数据成为教育活动判断的主要标准。数据化的教育评价虽然能够呈现学生的成长和发展轨迹，但无法完全测量人的内在生命活动。如果教育者过度依赖数据，消弭数据的使用边界，教育活动就容易遭受数据的“反噬”，教育由此可能异化为冷冰冰的符号交互，遮蔽学生的生命本真。在抽象化的数据洪流中，人逐渐被简化为活在机器算法中的同质化“数据人”或“单向度的人”，人们沉溺于层层叠叠的数据景观，却唯独忽视了景观中的人。学生的情感、创造、自由等生命价值被禁锢在数据之中，其个性生命成长的过程也会被遮蔽和悬置。

（二）“技术中心”倾向消解学生主体性

数字技术的快速发展为教育领域带来了深刻变革，但其效应并非稳定和纯粹，而是常常呈现出混乱无序的状态。本质上而言，学生的个性化发展是涉及认知、情感、社会性、价值观等多个方面的主体性发展。教育实践中“以技术为中心”的倾向让技术可能成为一种“圈养”手段，让学生在技术的支配下逐渐边缘化。

首先，数字技术引发认知偏狭。认知发展是学生个性化发展的重要基础，数智教育时代，基于人工智能技术的自适应学习将成为大学生学习的主要方式。在自适应学习中，个性化、丰富的信息推送极大提升了学生获取信息的便利性，但也可能让学生在海量生成的信息数据中由于信息偏食而身陷“信息茧房”中。信息偏食会使学生更加倾向于接收与自身观点一致的信息，排斥与自身观点不同的信息，导致其理解和分析出现片面化，弱化学生思维体系和创新能力的发展，导致认知偏见。而信息茧房会限制学生思维多样性的养成，降低个体在认知层面的批判和独立思考能力。信息偏食和信息茧房对学生认知和学习行为产生的消极影响将成为学生个性化发展最大的敌人。此外，在人机协作学习中，如果学生一味通过认知外包解决学习问题，其思维过程将会被外部信息泡沫所主宰从而失去自我，出现思维懒惰与幼稚化、发展主体性丧失等问题，给学生的学习带来严重的后果。

其次，数字技术制造心灵焦虑。个性的发展同样以稳定的心理结构为基础。不考虑目的、不假思索地将数字技术应用于教育，可能不仅无助于学习者的个性化发展，还会破坏教育节律、造成心灵焦虑。稳定心理结构的形成常常需要一段时间的静置，连续不断的教育刺激则会打破学习者的内在稳定。
     （三）教师数智素养滞后限制深度个性化教学

数智时代，个性化教育的实现依赖于人工智能技术的支持，而教师较高的数字技术素养是高校有效推动个性化教育的关键因素。联合国教科文组织2023年数据显示，78%的高校已将人工智能纳入战略规划，但仅有23%的教师能系统运用人工智能工具提升教学效能，这一落差折射出教师数字素养能力在智能时代的不适应。

一方面，教师的人工智能技术能力决定个性化教育的效果。技术在教育中的价值彰显不在于技术本身，而在于其教学实践应用。技术工具在教育过程中所发挥的作用和效果取决于教师的技术应用能力。同样的技术工具，由不同的教师应用，其发挥的效用也会不同。如阿尔温·托夫勒所言，“数字鸿沟”不仅包括设备及技术持有方和欠缺方之间的“接入沟”，更指向不同使用者之间技能掌握差异造成的“使用沟”。教师人工智能技术应用能力的差异可能扩大教育的“数字鸿沟”。教师人工智能技术应用的能力不仅要求教师掌握人工智能技术的基本原理和工具，还需要具备将技术与教育实践相结合的能力。人工智能技术发展迅速，教师对于机器学习、深度学习、自然语言处理等核心技术的基本原理和应用场景缺乏系统的了解，导致其在技术应用中存在知识盲区，将人工智能技术应用于促进个性化教学方面的能力较为有限。人工智能技术的应用伴随着隐私保护、算法偏见等伦理问题。如果教师缺乏对这些伦理问题的敏感性，则可能在技术应用中忽视潜在风险，在教学中缺乏必要引导。

另一方面，教师对于数字技术的态度影响人工智能教育技术的推广使用。对人工智能技术的态度是教师数智素养的重要组成部分，它直接影响教师是否愿意、如何以及在多大程度上将技术融入教育实践。相比工业生产领域，教育活动不像工业生产那样依赖技术工具。在工业生产中人的自由度极为有限，很多时候甚至是机器的依附，工作节奏、加工流程只能服从于机器。而教育活动则完全不同，它本质上是以人为本的互动过程，强调教师与学生之间的动态交流、情感互动和个性化引导。教育活动对技术的依赖程度较低，技术的应用需要与教育理念、教学方法以及学生的实际需求紧密结合。教师作为教育活动的主导者，如果无法充分理解和认可新技术的价值，技术的引入可能会流于形式，难以真正提升教育质量。更为现实的问题是，在教育人工智能时代，教师可能面临更大的职业发展压力。自动化的最大悖论在于，使人类免于劳动的愿望总是给人类带来新的任务。自适应学习等数智时代的教学模式赋予高校教师角色更多新的内涵，可能造成教师面临持续的学习和适应压力，影响其职业满意度和稳定性以及使用人工智能技术的积极性。

三、数智时代大学个性化教育的变革策略

（一）技术生态建设：构筑“数字基建—垂域模型—数据治理”三位一体转型基础

实现数智化转型是大学个性化教育得以开展的前提条件，为此，大学需要从三方面做好准备，为数智教育时代的个性化人才培养提供坚实保障。

第一，推进数字化新型基建。数字基础设施是大学数智化转型的基石。人工智能技术的部署和应用离不开高性能的计算资源、大数据存储设备以及稳定的网络环境，高校也需要在智慧教室、虚拟实验室、数字化管理平台、物联网设备等硬件设施方面持续加大投入，以满足人工智能技术支持教育应用的需求。当然，数字基础设施既包括硬件环境设备的更新，也涵盖人员的数字化素养等软性条件，数字化素养涉及技术能力、数据素养、信息安全意识以及数字化思维等多个方面。因此，在推进数字基础设施建设过程中，必须通过教育和培训推动大学教师员工持续吸收新技术和知识，深化对数字化认知、数字化技术运用以及数字安全防护意识的认同与实践，提升自身的数字化能力，进而提升整体组织的数字化水平。

第二，开发教育垂域大模型。大模型是人工智能的灵魂，也是赋能个性化教育的关键所在。当前基于通用大模型与教育教学场景的深度融合不够，人工智能教育应用远未达到“广泛可用”和“好用”的状态，其专业性、准确性和可靠性仍有待提高。教育垂直大模型需要依据教育领域的场景、特有经验、规则和数据，进行更加细分和更具应用性的开发和训练，这就需要模型的设计开发者深入理解教育活动的发生过程，能够基于对学习的理解提供更符合教育需求的算法。为此，高校需要构建跨学科合作的有效机制，让教育者、计算机科学家、心理学家等多领域专家深度协作，明确技术开发理念，遵循教育价值引导下的技术规范和科学标准，不断优化算法，促进其在教育领域的创新。特别需要注意的是，针对算法不当导致的学生发展路径固化以及可能带来的偏见，高校在教育大模型开发和使用中应充分考虑其潜在影响，不断升级改良合乎教育伦理价值的技术，使其可控、可靠、可信赖，规避和减少伦理风险的产生，实现技术理性标准与人的价值取向相一致。

第三，实现有效数据治理。智能数据驱动离不开基于数据的精准化计算，其关键在于数据质量，这就要求大学在推动数字化转型过程中首先实现有效的数据治理。当前，由于师生教学数据采集不完整，缺乏相应的数据采集标准，导致采集的数据质量不高，机器学习技术也无法从大量繁杂、无序的数据中获取有用的信息。为此，高校一方面需要通过开发和应用数字化的管理平台来整合校内的信息流和工作流，挖掘教育大数据的潜在价值，为高校教学管理工作提供全面精准的数据支持。另一方面，大学需要建立数据治理的框架，制定清晰的数据标准和明晰数据收集、存储、使用规范，围绕大学的教学、科研及核心业务数据进行周期管理，提升数据质量，为数字化转型提供可靠的信息基础。在此过程中，高校需要特别警惕数据的采集、存储和使用可能引发的隐私泄露和安全风险。

（二）教育理念革新：融入人工智能思维重构培养模式

第一，数据驱动教育治理和教学创新。学习行为用来描述学习者的过程性状态，是优化教育治理和有效干预教学的关键指标。提取学习者有效的行为数据，精准挖掘学习者的行为轨迹，是实现大规模个性化学习的基础。教育人工智能技术丰富了学习者的面部表情、肢体语言等行为数据，形成多情境数据，通过把控海量数据与学习者行为之间的变化规律与内在机制，全方位、全过程、常态化、伴随性采集学习者的成长数据，为学习者的数字画像提供系统依据，为教学评估、个性化素养诊断、精准教学干预等提供支持。人工智能以其强大的理解、交互、计算和决策能力，在为教育数据的精准治理与教学创新赋能方面具有天然优势，高校打造融海量教育数据模型、深度学习算法、高精度算力等智能化技术与算法为一体的人工智能教育大脑，对于数智化转型和个性化教育的实现具有独特价值。一方面，人工智能教育大脑能够汇聚多源异构的海量数据，打破了数据流通的壁垒，通过数据流的交互融合，实现数据驱动的教学创新。另一方面，遵循“数据聚类、数据认知、决策优化、搜索挖掘、预测干预”一体化过程，精准刻画学习者的动态画像，为识别、诊断以及决策等教学流程提供科学证据。

第二，培养学生交叉融合的高阶思维能力。人工智能时代问题解决方式的快速迭代实现了对学科概念的超越，单一知识领域及其边界清晰的传统学科将逐渐被多元知识领域交融一体的新学科取代。人工智能作为一种“使能”技术，具有天然的学科交叉和应用驱动属性，正不断与其他学科交叉融合并解锁新的应用场景。大学的人才培养需要重新审视传统的学科概念，并打破传统学科平衡以拓展与创新学科的内涵和外延，在培养必备的跨学科思维能力和视野的同时，加强批判性思维等高阶思维能力的培养，以适应快速变化的科技环境。一方面，重构课程体系促进跨学科思维能力培养。课程体系是大学人才培养的核心所在，关系教学内容，也决定着所培养人才的知识结构。数智教育时代，大学必须围绕人工智能社会带来的职业新挑战，重构人才培养课程体系，充分体现人工智能技术发展带来的新理念及新知识。这就需要摆脱原来单一学科之下的课程设置，建立跨学科的课程体系，通过设置“AI+X”的跨学科交叉课程，引导学生关注人工智能与其他学科交叉融合的前沿领域，培养学生的实践应用能力和交叉创新思维。另一方面，促进学生高阶思维发展。需要通过深度教学重塑思维框架，用真实情境的复杂问题激活批判性思维，培养既能驾驭智能工具，又能超越工具理性的创造性问题解决者。智能时代，智能技术在教育教学中可以成为支撑学生认知能力扩展的工具，人工智能技术可以充分发挥学习环境创设、自主学习探究、知识建构协同、情感体验激励等认知工具的作用，能够有效转移、分担和减轻学生的部分认知负荷，提高学生处理复杂信息的能力，将学习的重点放在特定情境下的真实问题解决上，帮助学生在真实的问题情境中进行分析、综合、评价和创造，在解决问题的过程中促进学生高阶思维发展。

第三，提升学生自主学习能力。智能教育时代，大学生的学习和认知活动更加依赖数字技术的脚手架，学生在智能学习系统的帮助下，进行认知加工、解决问题，实现学习目标。个性化学习强调自我控制性学习，要求大学生具有强烈的自主意识，拥有充分的自主度，能够掌控自己的数据信息、利用技术决定自己的学习，享受技术加持带来的赋能感，实现高质量学习。数智时代的自我学习范式要求高校提升大学生的数智素养，让学生能熟练运用人工智能技术开展自适应学习的同时，思考人工智能带来的社会变革，培养人文情怀和使命担当。一方面，高校要通过课程学习，让学生理解人工智能的基本概念、原理和应用领域，掌握机器学习、深度学习、自然语言处理等核心技术的基本原理，提升学生的技术交互能力，培养学生的信息识别、筛选能力，避免其陷入信息茧房、信息偏食。另一方面要加强伦理教育，提升学生认知水平和伦理意识。在其学习中融入人工智能伦理、数据伦理、隐私保护等内容，帮助学习者理解智能技术可能引发的伦理问题；通过算法偏见、数据泄露、学术诚信等真实案例引导学习者分析智能技术应用中的伦理问题，在实践过程中，引导学习者反思自己的行为是否符合伦理规范，强化伦理意识。

（三）教师能力升级：促进角色转型，提升教学能力

第一，重塑教师角色认知。人工智能教育应用引发了人们对于教师地位边缘化，甚至被取代的担忧。然而，无论从教育的本质目的，还是从技术的角度而言，人工智能都不能完全替代人类教师。教育是立德树人的事业，教师不止于受业解惑，更是塑造价值、共振情感、培养创造力的传道智者。和人类教师丰富的教育智慧和教学策略相比，现有人工智能的“智能”水平还较低，能解决的教育问题也有限，加之在认知情感方面的局限，决定了其暂时难以胜任此类工作［14］。然而，由于人工智能在知识获取、应用和创新方面展现出的强大能力，在“师—机—生”构成的新课堂生态中，高校教师应重新思考自身的角色和定位，更多承担起学生学习领航者和成长引导者的角色，在传道授业解惑中学会充分发挥“机师”的优势。

人机协同促进学生的个性化学习需要高校教师深入理解学生个体差异，灵活调整教学策略。一方面，需要更加了解所在的学科和学生，借助人工智能学习系统对学生的学习情况和知识掌握程度进行把控，根据情况给予个别学生额外的支持；另一方面，要改变教学组织方式，转变传统教学中学生被动学习的倾向，让学生成为意义建构的主体，从而生发出更强大的内生力量。更为重要的是，人机协同的新教学模式下，教师必须坚守育人的根本，坚持教学中的主导地位。教师作为智能技术的运用者，要理性评估人工智能技术所带来的便利与价值，在与技术的互动中展现自身的人文关怀、智慧和创造力，实现教育内部一致的主体性价值。

第二，提升教师的智能教育素养。数智时代，智能教育素养是教师生存和发展的核心素养之一。面对人工智能对高等教育带来的颠覆性变革，高校教师必须掌握人工智能相关的知识和技能，能够熟练掌握人工智能等数字化教育技术手段，善于创新应用实现个性化教育，促进学生全面个性化发展。当前，在实践层面，教师智能教育素养呈现技术认知碎片化和教育实践场景割裂的问题，智能技术常被简单移植至传统课堂，未能同步推动教学方式的创新。

人工智能技术能力是教师智能教育素养的关键能力，教师需要具备人工智能技术转化为具体教学行为的能力，并坚持人本主义的教育人工智能应用理念与原则，明确伦理与安全规范，不断向深度高效的“人机协同”目标靠拢。其一，具备人工智能工具链精准整合能力。掌握主流人工智能工具，并与教育建立适配逻辑，根据教育人工智能工具的场景化应用开发个性化工具包。其二，形成人机协同教学策略，明确人类智能和人工智能的边界，构建人机分工协同的新型教学模式。其三，实施人工智能赋能的课堂重构。根据人工智能生成的多模态学习画像，对学生学习行为开展数据分析，设计分层教学活动。开发结合人工智能反馈的实时评价机制，推动教学流程从线性传授转向动态交互。其四，在教学全流程中践行伦理规范。教师在运用各类智能技术开展实践教学的过程中，需要做出合乎教育效益、伦理规范和技术效能的教学安排与决策。

当然，无论是教师角色的重塑，还是智能教育素养的提升，都离不开高校对高校教师专业发展的系统支持。高校应该建立教师智能素养提升的支持保障机制，聚焦高校教师人工智能素养提升的薄弱环节，面向不同教师群体开展针对性培训。鉴于教师使用人工智能的态度和行为决定着智能教育能否发生及其效果，高校需要通过体制机制的创新为教师主动提升人工智能素养提供良好的制度支持，营造良好的文化环境，由此打造高校智能教育的生态，为数智化时代个性化教育提供有力的环境支持。

（来源：《江苏高教》2025年第6期78-84）