2022年以来，以ChatGPT为代表的生成式人工智能席卷全球。2025年1月，国产大模型DeepSeek的横空出世，又引发全球的广泛关注。这种以大模型为基础架构的人工智能呈现出前所未有的“智能涌现”，被视为人工智能发展史上的里程碑，标志着人工智能的跨越式发展。大模型人工智能在教育领域具有巨大潜能，并日益朝向专业化的方向精进，从而为各类教育提供优质的智能服务。例如，网易有道推出的HiEcho即是以“子曰”教育大模型为基础的虚拟英语口语私教、中国教科院携手科大讯飞基于讯飞星火大模型技术发布的高中数学智能教师系统等。针对思想政治教育的特定需求，以大模型技术为支撑，将人在思想政治教育领域的智能延展到人工智能领域，可以生成一种专门服务于思想政治教育的思政大模型。深入探讨思政大模型的生成逻辑、内核要义以及实践运用，对于推动其从理论构想走向实践操作具有重要价值。
一、思政大模型何以生成？
思政大模型是思想政治教育与大模型融合而成的产物，其生成过程有赖于大模型的数据、算法和算力等技术构件，以思想政治教育性能为核心，最终服务于思想政治教育。
1.以思想政治教育大数据为基础
数据是大模型生成的“原材料”。大模型是基于对海量数据进行深度学习后构建起来的具有千万亿个参数的人工神经网络，并“基于其超大规模语言模型，来实现自身智能的指数级上涨”。换句话说，大模型超越性的智能特征是因为其吸收的数据量足够多、模型体量足够大，所以更能“理解”人类自然语言。为此，思政大模型理应以思想政治教育大数据为“原材料”。一方面，大模型的“认识”受限于其数据内容。思政大模型需要“学习”思想政治教育领域的数据，才能“理解”思想政治教育。机器学习就像人类学习一样，要了解一个领域需要先学习这个领域的内容资料，才能形成对这个领域的“认识”，否则只能是“一问三不知”。另一方面，数据是具有意识形态属性的。思政大模型要遵循思想政治教育的价值导向，就必须吸纳具有思想政治教育价值的数据。数据并非自然世界的客观产物，尤其是当人作为数据生产主体时，数据是生产主体意识形态的一种外显与延伸，具有鲜明的价值导向性。思想政治教育具有鲜明的意识形态性。思政大模型既然要服务于思想政治教育、以主流意识形态为引领，就需要吸纳思想政治教育领域的数据，将这些数据中蕴含的思想政治教育原理、立场、观点、方法融入模型，进而把数据蕴含的思想政治教育价值属性赋予模型。需要注意的是，思政大模型不仅要学习思想政治教育领域的数据内容，更要保障思想政治教育领域数据的价值正确，剔除不符合思想政治教育价值指向的数据，才能保障思政大模型具有正确的价值导向。
2.以适切算法为支撑
算法是模型生成的核心支撑，是将数据转化成大模型的关键因素。就其本质而言，“算法是为解决特定问题而输入计算机的代码，经过特定运算、数据处理和自动推理而输出结果，是计算机科学的基础”。算法规定了机器如何运行，让机器运作变得有方向、有标准。促成大模型诞生的一个重要因素正是算法的进步，使大模型的训练速度、资源利用率以及大模型的架构等都得到了优化，其主要依赖深度学习类和强化学习类算法的突破。深度学习类算法赋予了机器像人类一样进行“学习”的能力，“为它提供足够、适当的数据，通过这些数据，它会发现相应的知识；给它视频流，它就会观看；给它图书馆，它就会阅读；给它物理实验结果，它就会发现物理定律”。而强化学习类算法为机器学习提供了有效引导，使其能够按照人类指定的“方向”进行学习。简言之，在学习算法的技术革命下，机器能够更高效且“听话”地对数据进行学习和理解。在深度学习类算法赋能下，大模型能够实现对思想政治教育的本质、功能、过程、要素和内容等的全面学习。加之强化学习类算法，大模型得以进行以思想政治教育为指向的引导式学习。基于此，思政大模型才能“理解”思想政治教育的内容涵盖、价值功能、目标任务、育人过程，“掌握”思想政治教育的立德树人、全面发展等基本理念，思想教育、政治教育、法治教育、心理健康教育等内容体系，进而开展适切的育人行动，落实立德树人根本任务。需要特别注意的是，算法也是具有意识形态属性的。诚如马克思所指出的：“自然界没有造出任何机器，没有造出机车、铁路、电报、自动走锭精纺机等等。它们是人的产业劳动的产物，是转化为人的意志驾驭自然界的器官或者说在自然界实现人的意志的器官的自然物质。”算法作为人所创造的产物，属于人的意志延伸的一部分。而思政大模型要想服务于思想政治教育，其算法的“意志”理应契合思想政治教育的价值取向，以主流价值为遵循，坚持以主流价值导向驾驭算法，在马克思主义理论指导下设计算法逻辑，保障大模型在思想政治教育的价值疆域内运行。思政大模型的塑造，需要打造这样一种深度学习、强化学习类的“思政算法”。
3.以强大算力为保障
“算力主要指对数据的处理能力”，是大模型运行的“发动机”。大模型通过算法对数据进行学习的这一训练过程需要算力的支撑，就如同人进行生产活动也需要动力一般。算力在很大程度上决定着大模型运行的速率，算力越强大，大模型在单位时间内能够完成的计算量就越大，其学习周期就越短，可以极大地节省大模型训练的时间成本，进而提升大模型性能。思政大模型需要超强的算力作为支撑保障，以满足思政大模型的生成过程、实践应用和性能优化等方面的具体要求。就思政大模型的生成过程而言，思政大模型需要在思想政治教育领域实现与人的无障碍连续性交互，这对大模型参数提出了极高要求，故而对算力供给也提出了很高的要求。同时，还需要对大模型的专业性进行提纯，吸纳更多的思想政治教育领域的数据资源以及对不当的内容进行剔除，这也对大模型算力提出了较高要求。就思政大模型的实践应用而言，思想政治教育是一项复杂的实践活动，涵盖知识传授、思想启蒙、价值引导等诸多任务，涉及政治学、法学、历史学、教育学、心理学等多学科内容，涉及的问题也具有多样性和复杂性。如此复杂的情况使思政大模型在推理和生成中需要更多的算力支撑。就思政大模型的性能优化而言，思政大模型需要时刻更新数据疆域，不仅要学习马克思主义基本原理，还需要对党的创新理论的最新成果进行实时更新。不仅需要掌握当下的世界格局信息，还需要对新增变量及时补足，而动态化更新对算力又提出了更高的要求。总之，强算力是思政大模型的重要支撑，没有强大的算力，大模型就像一辆没有动力的汽车一样无法运转。
4.以思想政治教育性能为核心
性能是大模型的最终指向，决定着模型的使用价值。大模型的出现是基于大数据、强算法和大算力的结果。“相较于其他数字技术，生成式人工智能的超越性在于其生成性价值”。大模型可以“理解”自然语言的含义，并生成符合需求的多模态内容，如文本、图像、音频、视频、代码等，进而可以提高使用者的生产、工作、学习等效率。性能的差异也表现在这一方面，性能越好的大模型，越能精确“理解”指令要求，并能生成更加符合用户需求的产品素材。思政大模型的性能需要以思想政治教育属性为核心。在基础性能方面，思政大模型需要具备精确“理解”思想政治教育者和受教育者的话语语义，精准识别育人场景，进行思想政治教育知识的拓展和资源的匹配，无障碍地和主体进行互动，保障服务的精准性，避免出现“胡编乱造”的情况。同时，思政大模型作为一种服务于思想政治教育的大模型，应当具备鲜明的思想政治教育特性，具有鲜明的价值立场，能够且只能提供主流意识形态的内容材料，理解人的思想与行为发展规律，契合思想政治教育的目标指向，掌握思想政治教育过程中的育人方法，才可能有效推动思想政治教育数智化变革。
二、思政大模型何以理解？
思政大模型是一种关于思想政治教育的工具实物，具备意识形态性、类人性、工具性、集成性、进化性等特征，且有着模型化的数据整合、高智性的连续对话和智能化的技能赋值等功能。
1.思政大模型的内涵
所谓思政大模型，是指在思想政治教育大数据、适切算法和强大算力基础上生成的体现思想政治教育立场、观点、价值等属性的，且能够服务于主流意识形态教育和引导的，推动思想政治教育数智化发展的专业化大模型。对这一内涵的理解，需要注意以下几个方面：首先，思政大模型是大模型实现“智能涌现”后与思想政治教育有效联合的结果。“智能涌现”是指大模型展现出的超越性智能。ChatGPT-3.5大模型发布后月用户数超过1亿人次，成为历史上用户增长最快的应用程序。“ChatGPT用户增长之所以能够这么快，是因为它具有以往任何人工智能都不具备的超强功能。”这些超强功能正是大参数模型产生“智能涌现”的结果，包括语言生成能力、推理能力等新能力的出现，数据识别和利用性能的指数级提升等。这种超越性智能是构建思政大模型的关键。其次，思政大模型是集通用智能和思想政治教育专业智能于一体的大模型，其最终目的是为了服务思想政治教育。基于思想政治教育这一复杂实践活动的要求，思政大模型需要具有通用智能逻辑，依托理解、生成、逻辑、记忆等能力精准理解思想政治教育者、受教育者的各类需求和多元环境信息，并解决复杂问题。而基于思想政治教育的专业性，思政大模型也需要专业智能逻辑，能够形成思想政治教育内容体系、传导主流意识形态等，甚至具备“专家级思政智慧”。再次，思政大模型是思想政治教育数字化转型和智能化演进的重要依托。思政大模型可以成为思想政治教育与数字技术相互融合的桥梁，成为思想政治教育数智化转型的“奇点”。最后，思政大模型本质上是一种依赖于人的实物工具。思政大模型呈现的“智能涌现”使其看似是一个具有能动性甚至能代替教育者完成部分任务的“新主体”，实则不然。思政大模型始终需要人的驱动作为“开关”，并非是一个自主能动的个体，更不能完全替代教育者的角色。“在人工智能时代的思想政治教育实践中，唯有保持‘人本至上’的基本要求，才可能规避思想政治教育被智能技术‘反噬’的风险。”
2.思政大模型的特征
思政大模型作为思想政治教育和大模型技术相结合的新鲜事物，其特征也源于这两个方面，在吸收二者特性的基础上有机融合出新的特征。一是意识形态性。意识形态性是思政大模型的根本特征。意识形态性是思想政治教育的根本属性，思政大模型应以“思政为先”，它对思想政治教育所有的赋能都是在其价值立场契合主流价值导向前提下才能实现。因此，思政大模型必须坚持马克思主义的指导地位，坚守社会主义的基本原则等。二是类人智慧性。思政大模型具有一个远超人类记忆极值的“大脑”，并能够“像人一样”同思想政治教育者、受教育者开展连续性对话交互甚至是观念交互，可以为思想政治教育提供各种素材资源。更为重要的是，思政大模型可以“理解”自然语言的含义和逻辑，可以基于数据库中的原始数据生成符合指令的新内容并实现人机对话，从而“扮演”思想政治教育者或受教育者的角色，开展虚拟的教育活动。三是专业智能工具性。思政大模型作为智能工具，可以大幅提升数据分析、图文创作等能力，成为备课工具、教学工具、评价工具、管理工具，进而提升思想政治教育的有效性。同时，作为媒介工具，其智能生成能力和连续性对话能力使其可以赋能思想政治教育内容的传播。由此，思政大模型是作为一种专门服务于思想政治教育的专业化智能工具，显著区别于通用大模型。四是学习进阶性。学习进阶性是思政大模型的技术特征。学习就是一种进化，思政大模型在深度学习和强化学习类算法的加持下，“不断地自主学习，做到自我革新，从而变得越来越‘聪明’”，及时地掌握思想政治教育环境的最新动态、内容构成的革新趋势、方法论层面的新兴变迁以及主体特性的新型展现等信息和经验，从而推动思政大模型2.0版本、3.0版本等更高级版本的出现，进一步推动思想政治教育数智化发展。
3.思政大模型的功能
基于大模型的通用逻辑，思政大模型可以融入思想政治教育的各个场景和过程中，在思想政治教育场域中营造出人机共在情景，从而实现多种功能性赋能。一是模型化的数据整合功能。思政大模型依托的大模型技术，使数据储存逻辑呈现为“和合共通”。与互联网时代的平台区分、网页区隔、数据库独立的个体化逻辑不同，大模型通过深度学习和强化学习将思想政治教育大数据全部融合且使其以模型的形式储存。依此，思想政治教育各类数据库之间的壁垒得以打破，主体、客体、介体和环境等各维度数据之间的链接得到前所未有的增强。基于此，数据的规模效应得以更深层次体现，思想政治教育实践育人规律、思想与行为的相互映射、环境的影响等更容易被把握。二是高智性的连续对话功能。生成式人工智能能够“像人一样”提供连续性的对话交互，使思想政治教育衍生出持续性、模拟性的“人机交互”新范式。这样的交互并非是浅层的机械性对话，而是在大模型具备的“类人智慧”属性基础上，通过展示特定的知识背景和行为模式等特征，在与用户交互时呈现出不同的角色形象而构建出的情景对话，从而使之具备高智慧性的连续对话功能。三是智能化的技能赋值功能。大模型不仅具有计算、理解、记忆、创造等类人性特征，还具有数据处理、视图设计、情感分析等专业性技能。思政大模型可以将这些技能赋予思想政治教育者。思想政治教育者在教、学、管、评各环节中仅需要表达工作需求，即可“一键生成式”地实现对受教育者的行为监测、数据分析和思想预测等，从而提升思想政治教育的精准性与实效性。
三、思政大模型如何运用？
思政大模型作为一种服务于思想政治教育的专业化工具，关键是要依托其特有功能与思想政治教育相结合，赋能思想政治教育的资源运用、作用范式、施教方法等创新，从而发挥其最大功效。
1.基于数据整合功能融通思想政治教育数据资源
当前，大数据在思想政治教育领域的应用已经崭露头角，建成了全国高校思想政治工作网、中国共产党思想理论资源数据库等数字平台或大型数据库，并在实践运用中取得了诸多成就。但是这些数据库仍然受制于平台思维，不同数据库之间存在壁垒，难以实现整体的资源融通，资源的规模效应难以充分发挥。思政大模型以深度学习类和强化学习类算法为基础，其底层逻辑是“和合共通”，通过深度学习和强化学习将数据全部融入大模型中，可以打破资源库或者平台之间的界限，进而构建以大模型形态存在的一体化智能资源库，而这个资源库就是思政大模型本身。换言之，思政大模型的数据整合功能可以极大地推动思想政治教育数据资源的贯通使用。
这具体表现在以下几方面：一是运用思政大模型提升思想政治教育数据资源的集成性。思政大模型是一个巨大的数据收纳库，在深度学习类和强化学习类算法、分布式储存系统和大算力的支撑下可以高效吸纳大规模数据。运用思政大模型对思想政治教育相关数据库进行资源投喂和整合，比如理论数据库以及思想政治教育类政策文件、新闻报道、活动案例等多样态数据，甚至是不同学校、不同学段、不同主体的多模块数据等，以尽可能多地实现思想政治教育领域的全数据融合集成。二是通过思政大模型提升思想政治教育数据资源使用的有效性。传统数据库的整合方式是将思想政治教育资源进行简单的堆叠汇总，而基于模型化存储模式的思政大模型则属于一种深度整合运用，致力于深挖数据资源背后的思政印记。运用思政大模型对思想政治教育数据进行深度学习、细致分类与逻辑联结等处理，串联相关领域的数据，提升数据的内在关联性，进而从这些数据资源中挖掘能够为思想政治教育所用的更深层次的思想演变、行为模式、品德塑造、价值倾向等内容，助力思想政治教育活动的开展。三是借助思政大模型实现思想政治教育数据资源的具身化服务。模型式的数据储存通过精密的筛选与重组机制，能够依据使用者的特定需求提供高度定制化的资源检索服务。思想政治教育者、受教育者等主体能够借助思政大模型的数据关联性特征，于海量的思想政治教育大数据中精确锁定与自身需求最为契合的资源信息，并且在思政大模型算法严谨的解构、重组等深度筛选和整理流程下，获得对现有思想政治教育数据资源整合重组后生成的成熟内容，从而满足自身的思想政治教育需求。
2.基于连续对话功能革新思想政治教育交互范式
思想政治教育以实现人的全面发展为目标，涉及人的思想、价值、心理健康等多个方面的教育，是一项十分复杂的实践活动。因此，唯有从思维培养、价值塑造、品德涵养和政治启迪等维度对受教育者进行探讨式、启发式、互动式施教，才能使育人效果最大化。思政大模型特有的“类人智慧”属性及其连续对话能力为思想政治教育带来了新的“人机交互”范式，“一个学生配一个教师”的即时交互得以成为现实，受教育者的主体性将得到前所未有的彰显。
具体来看，思政大模型可以借助以下交互范式，助力思想政治教育实践活动的开展。一是实现探讨式连续交互。思政大模型并非只是简单地提供内容素材和指导，而是能够提供具有深层内涵的对话。针对同一问题，思政大模型和受教育者可以各抒己见，甚至是开展针锋相对的争论，在争论中让受教育者在深层次的逻辑对话中实现思想启蒙、价值引导和政治启迪，形成正确的价值观。二是提供启发式连续交互。运用思政大模型可以基于设定的教学主题和目标优化教学流程，围绕核心目标设计具有问题导向的引导式教学。思政大模型的连续性和分众化对话能力，可以向受教育者进行连续的启发式提问，再基于其反馈情况不断进行个性化的循环提示，引导其触类旁通、举一反三，实现从问题提出、思维激发到目标达成的严密闭环的启发式教学，最终达成思想政治教育目标。三是打造仿真式连续交互。运用思政大模型所具备的“角色模拟”能力，可以塑造出模拟思想政治教育主体的语言表述、行为举止以及情感反应等多维特征的“仿真交互对象”，进而开展仿真交互。对于受教育者而言，在学习过程中多了一个“智能教师”；对于教育者而言，在教学过程中多了一个“虚拟对象”，可以进行施教过程的演绎和模拟。四是开展场景式交互。“场景体验是场景式教学触发大学生情感态度价值观生成的关键环节。”思政大模型基于即时性连续对话带来了这样一种可能，即运用思政大模型模拟教育者角色，伴随受教育者进入各种现实场景，并基于具体场景信息开展思想政治教育，使受教育者能够在真实场景的感悟中得到思维、价值和情感启迪。
3.基于技能赋值功能创新思想政治教育施教方法
数智时代，大数据、元宇宙等前沿技术与思想政治教育深度融合，已成为学术界与实践领域共同关注的热点。尽管这些技术蕴含着巨大的价值潜能，但它们在思想政治教育领域的落地仍面临诸多挑战。其中，高技术门槛问题尤为凸显，思想政治教育者不掌握这些新兴技术的专业技能，就难以将技术真正应用于方法创新，继而陷入一种技术资源充裕但应用乏力的窘境。思政大模型具备的数据处理、内容解读、情感分析、音视图生成等专业化技能，在其显著的智能性加持下，一大批数智思想政治教育方法不需要教育者过多的技能赋值就能产生，从而实现思想政治教育施教方式的新发展。
具体来看，可以运用的思想政治教育数智施教方法主要有以下几种：一是采用智能学伴法进行施教。所谓智能学伴法，是指依托思政大模型以APP、小程序、网站等形式构建思想政治教育的“智能学伴”，参与受教育者的学习全过程。运用思政大模型构建智能交互程序，为受教育者提供多样化的内容素材，即时响应受教育者的多维需求，与其进行深度互动，指导受教育者进行个性化学习，提供即时性评价反馈，营造身临其境的共同学习氛围等，以此实现对受教育者学习过程的陪伴、观察和引导。二是借助专家系统法进行施教。所谓专家系统法，是指基于人工智能技术模拟人类专家在特定领域中的决策和问题解决过程的一种方法。依托思政大模型内涵丰富的思想政治教育知识理论、内容素材和实践案例等资源，构建出一个思想政治教育领域的“虚拟专家”系统，可以通过理论知识供给、实践案例借鉴、调研数据解析、社会环境分析和系统实践指导等多种方式为受教育者提供更为精细化、专业化、科学化的知识服务、思想引领、心理疏导及行为指导等。三是运用多模态教学法进行施教。思政大模型具备强大的智能生成能力，可以实现思想政治教育内容“文—音—视—图”的互译转换，进而结合受教育者的多元感官需求进行丰富多样的内容呈现。教育者可以运用思政大模型将抽象的文字内容转换为理论内涵的直观视觉化呈现，将音乐旋律进行匹配，实现文本情感的听觉化表达，创作出形式多样的叙事议程强化受教育者的协作交流、相互讨论和角色扮演等课堂交互，提升受教育者的参与度，构建出视、听、说一体的多模态教学模式。
（作者系西南大学含弘博士后（在站），副研究员）
来源：《思想理论教育》2025年第6期
网络编辑：马京仁
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】