何以为学？生成式人工智能时代终身学习核心能力的结构转型

一、问题提出

当代社会正经历前所未有的技术变革与知识迭代，知识更新周期不断缩短，职业技能结构呈现出高度的不稳定性。世界经济论坛发布的报告指出，由于技术进步特别是人工智能的广泛渗透，全球范围内大量职业技能将在未来五年内发生根本性更替。麦肯锡全球研究所预测，到2030年，全球约有3.75亿劳动者需要因技术变革而转换职业类别。技能的频繁迭代使得职业路径已由传统的线性递进转向复杂的非线性流动，阶段性学校教育日益难以支撑个体在快速变化的社会中实现可持续发展。正是在这一背景下，终身学习作为贯穿个体全生命周期的学习与发展机制，已成为知识社会应对不确定性的核心命题。党的二十大报告明确提出“推进教育数字化，建设全民终身学习的学习型社会、学习型大国”，为终身学习的制度建设与实践探索指明了方向。与此同时，以ChatGPT、DeepSeek等为代表的生成式人工智能（Generative Artificial Intelligence，GenAI）在语言理解、知识生成、问题求解与情境交互等方面展现出强大能力，为终身学习提供了新的技术语境、实践条件和现实挑战，倒逼人类重新审视自身智能的独特性，思考“何以为学”这一关键问题。

目前，学界关于GenAI与终身学习的讨论，整体上仍主要围绕技术赋能展开，侧重强调其在资源可及性、反馈及时性和学习效率等方面的积极价值。已有研究注意到GenAI可能带来学习主体能力弱化、认知外包与主体责任模糊等新问题，但从终身学习视角出发，对核心能力结构变化进行系统性理论探讨的研究仍显不足。一方面，既有终身学习能力框架主要形成于前人工智能时代，其对能力构成的界定尚未充分回应GenAI带来的赋能和冲击；另一方面，有关GenAI与教育的研究多聚焦于学校教育场景，较少将视野延伸至终身学习这一更为复杂的学习形态。由此，传统终身学习核心能力是否仍能适应智能环境，GenAI如何改变不同能力的功能与地位，以及智能时代应形成何种终身学习核心能力的结构，均有待进一步阐明。基于此，本研究拟聚焦“何以为学”这一问题，从学习者主体性视角出发，阐释终身学习核心能力是什么，考察GenAI对终身学习核心能力的影响，揭示终身学习核心能力转型的现实需求，在此基础上构建GenAI时代终身学习核心能力新结构，以期为GenAI时代终身学习的理论深化和实践推进提供参考。

二、终身学习的理论基础

（一）终身学习是主体主动发起并持续推进的发展过程

终身学习理念的思想根源可以追溯至古代思想家对学习与生命关系的思考。苏格拉底的“认识你自己”与孔子的“学而不厌”，皆蕴含着学习贯穿生命全程的哲学洞见。近现代以来，杜威的实用主义教育哲学将学习从学校的围墙中解放出来，弗莱雷的批判教育学则从社会正义角度重新定义了学习的解放性维度，共同奠定了终身学习的人文主义底色。20世纪60至70年代，以联合国教科文组织为代表的国际机构将终身学习纳入政策议程，主张教育应打破学校时空限制、贯穿人的一生。进入21世纪，终身学习在各国政策体系中获得了广泛的制度表达，成为知识经济时代应对社会变革的核心政策话语。当代终身学习话语正处于一个关键的历史转折点，面临着技术变革、社会分化等多重挑战。

现有研究主要从三个维度对终身学习加以理解。其一，生命历程维度强调学习活动贯穿个体一生，不再局限于学校教育阶段，而成为伴随人生发展的持续过程。其二，学习场域维度突破了正规教育的边界，将工作实践、社会参与、家庭生活与日常经验中的学习一并纳入考查范围，体现了学习发生机制的开放性与情境性。其三，制度建构维度将终身学习视为支撑个体适应社会变迁、实现能力更新与促进全面发展的制度安排。然而，若仅从时间延续、空间拓展或制度供给来界定终身学习，仍不足以揭示其深层本质。终身学习之所以成为一种独立而重要的学习形态，关键不在于教育资源是否持续供给，也不在于学习活动是否覆盖全生命周期，而在于个体是否能够在不断变化的现实处境中持续生成学习需求、保持学习投入，并将学习转化为理解世界和更新自我的内在过程。换言之，终身学习并非学校教育在生命历程中的简单外推，也非课程、培训和证书的线性累加，而是一种面向生存发展、社会参与、自我实现的持续性学习实践。基于此，终身学习可理解为主体基于现实生活与持续发展的需要，在多样化社会情境中主动发起、持续调控并不断推进的学习与发展过程。

（二）终身学习以主体性作为学习自组织与意义建构的内在逻辑

终身学习区别于一般意义上的教育活动的根本原因，在于其运行机制高度依赖学习主体的能动参与。相较于学校教育中较为稳定的课程体系和外部组织结构，终身学习更依赖主体主动介入、自主判断与持续维系的学习实践。从这一角度看，主体性并非终身学习的附属特征，而是其得以成立的内在前提。首先，终身学习表现出鲜明的自组织特征。它是主体在复杂情境中不断形成方向感、组织行动并修正路径的过程，其展开不单纯取决于资源供给是否充分，更取决于学习者能否将学习纳入自我建构与现实行动之中以及他们在目标设定、策略选择与自我监控中具有的主导地位。其次，终身学习本质上也是一个持续的意义建构过程。它关联的不仅是知识获得，更涉及主体如何在经验世界中确认学习的必要性、合法性与方向性，要求主体能够不断赋予学习以意义。最后，终身学习始终发生在具体而复杂的社会情境之中，个体经验、资源条件和社会角色等共同塑造了学习的边界与可能，使学习过程始终伴随着主体的情境判断与决策要求。终身学习高度依赖主体的自组织能力、意义赋予能力和情境应对能力。主体性之于终身学习的重要性，不仅体现在谁在学习这一层面，更体现在学习如何发起、如何持续以及如何建构意义等深层发展机制。

（三）传统终身学习核心能力呈现学习发生、持续和转化的多维结构

如前所述，主体性是终身学习得以成立的内在前提。在既有研究和政策讨论中，终身学习是一种持续性的学习与发展过程。终身学习能力包括支撑这一过程的各种知识、技能、态度和品质，而终身学习核心能力则是其中具有基础性、跨情境迁移性、长期发展价值和主体生成作用的关键能力。具体而言，终身学习核心能力是个体在不同生命阶段和多样化社会情境中，能够主动识别发展需要、组织和调控学习过程、将外部资源转化为自身能力，并持续校准发展方向的基础性、迁移性和生成性能力。欧盟于2018年更新了终身学习核心能力框架，将其概括为读写能力、多语言能力、数学与科学技术工程能力、数字能力、个人与社会能力及学会学习能力、公民能力、创业能力以及文化意识与表达能力等八个方面。舍勒在考察终身学习生态系统中数字能力发展时进一步指出，核心能力不仅包含知识、技能与态度的组合，还应关注学习者在复杂情境中的转化性能力，即批判性反思与创造性生产的双重维度。

据此，传统终身学习核心能力可以概括为三个相互关联的类型。一是支撑学习发生的基础性能力，主要体现为理解、表达、分析与数字环境中的基本行动能力，这构成学习者进入复杂知识世界和社会情境的前提条件。二是维系学习持续推进的过程性能力，其核心在于学习者能否形成明确的发展趋向，能否根据任务要求组织学习活动，并在学习过程中进行监控、调整与反思，这些能力决定了学习能否由一次性输入转化为稳定的自我发展机制。三是推动学习转化的发展性能力，表现为个体能否在复杂处境中辨析信息、作出判断、迁移经验并回应现实问题，从而将学习真正纳入社会生活与个人发展的连续实践之中。这一传统能力结构揭示了终身学习得以发生、持续和深化的基本条件，共同构成动态发展的核心能力结构。

三、生成式人工智能对终身学习核心能力的影响

（一）赋能效应：智能支持拓展终身学习核心能力发展空间

GenAI通过改善学习条件、强化过程支架和拓展人机协同能力，为不同生命阶段、知识基础和社会处境中的个体参与终身学习创造了新的条件，改变了学习者进入学习、组织学习和运用学习成果的方式。

首先，GenAI降低了终身学习的进入门槛。终身学习者在知识基础、学习时间和资源条件等方面存在显著差异，传统教育供给难以持续满足其个性化需求。GenAI以自然语言交互为基础，能够将复杂知识转化为解释、示例和问答，使学习者以较低成本进入陌生领域，还突破了固定时间和场所的限制，能够即时回应学习者的疑问，缓解非正式学习中反馈不足的问题。与此同时，其可依据学习目标、知识基础和提示信息动态调整内容难度与表达方式，使个性化支持由稀缺的制度资源转变为学习者可随时调用的工具。其次，GenAI增强了终身学习的过程支持。在传统的终身学习中，学习者通常需要独立进行内容筛选、任务分解、路径组织和效果评价等活动。GenAI可以生成解释性内容、案例和练习，协助学习者梳理知识结构、分解复杂任务，并通过持续对话提供反馈。学习者可借助GenAI开展内容探索、结构梳理、语言表达和即时修正，从而降低学习组织成本。这种过程支架可以降低学习组织的认知负担，帮助学习者在自主学习中保持一定的连续性，并提升其调动和整合学习资源的效率。最后，GenAI拓展了终身学习的人机协同条件。传统终身学习能力主要表现为个体已经掌握并能够独立运用的知识与技能，而GenAI能够以智能代理的方式参与信息处理、内容生成和问题求解。借助这一支持，学习者可以进入超出既有知识范围的领域，完成仅依靠个人能力难以处理的复杂任务。在这一过程中，能力不再完全局限于个体内部，而表现为个体能力与智能工具相互耦合。

（二）冲击效应：智能代理加剧终身学习核心能力弱化风险

GenAI在扩展学习可能性的同时，能够直接承担资料搜集、内容整理、方案生成和语言表达等任务。随着学习活动中的部分认知环节被技术代理，任务完成效率与个体能力发展之间可能出现分离。其风险不只是学习者对工具产生依赖，更在于终身学习赖以发生和持续的主体性可能受到削弱。

首先，问题建构能力可能弱化。终身学习始于主体对现实问题、知识不足与发展需要的主动觉察。GenAI虽然能根据指令快速生成答案，却不能代替学习者判断何种问题值得提出及其与自身发展的关系。若学习者习惯于直接调用现成答案，便可能跳过发现矛盾、澄清需求和界定问题的过程，削弱学习的主动性与方向感。其次，知识生成过程可能被外包。学习需要主体对信息进行辨析、联系、解释和重构，并由此形成理解与判断。GenAI可以快速生成结构完整、表达流畅的内容，但成果的完整性并不意味着学习者完成了相应的认知加工。未经查证、比较与反思而直接接受生成内容，容易造成外显成果提升与内在能力发展不一致。再次，认知调控空间可能受到挤压。GenAI可以参与目标细化、任务分解、路径推荐和成果修正，降低学习组织负担，但也可能使学习者减少对自身认知状态、策略效果和学习进程的监控。最后，人机协同可能模糊价值与责任边界。GenAI输出可能存在事实错误、逻辑缺陷、立场偏差和情境错配，其流畅表达又容易掩盖内容风险。当学习成果由人与技术共同生成时，成果归因和责任承担也趋于复杂。若学习者缺少必要的审辨、价值判断与责任意识，便可能将结果审查和后果承担一并交由技术，削弱终身学习中的主体责任。

（三）双重效应的共同指向：以学习治理重构终身学习核心能力的结构

GenAI的赋能扩展与冲击替代并非彼此分离。一方面，技术降低学习门槛、增强学习支持并拓展个体行动能力，使终身学习呈现开放普惠、智能增强和人机协同的新形态。另一方面，技术越深入地参与学习过程，学习者越需要对学习目标、认知投入、人机分工和结果责任进行主动判断与调控。因此，终身学习需要以学习治理重构核心能力结构，重新确立学习者在智能环境中的主体地位，使其能够将技术开放的学习机会转化为持续发展的现实能力，在技术支持下保持必要的认知参与，并在人机协同中掌握学习方向、过程与责任。当然，GenAI时代终身学习核心能力的转型不应只是增加人工智能工具使用能力，而应回应学习条件、学习过程与发展方式的整体变化。具体而言，面对学习资源的广泛开放，能力建设的重点应由能否获取资源转向能否将资源转化为适切、有效的学习；面对技术对认知任务的广泛参与，能力建设应由追求任务完成效率转向保障主体的认知投入、知识内化与能力形成；面对人机协同成为常态，能力建设应由掌握单一工具转向主动把握人机分工、价值边界与主体责任。

四、生成式人工智能时代终身学习核心能力的新结构

如前所述，传统终身学习核心能力主要围绕个体独立获取知识、调控学习和运用成果展开，而在GenAI技术深度介入终身学习过程后，学习者终身学习核心能力的重构，应在延续传统基础性、过程性和发展性三类能力的基础上，回应开放普惠、智能增强与人机共生的学习形态，将其调整为基础支撑层、过程生成层和高阶发展层，并以学习治理贯穿其中。其中，学习治理是指学习者围绕自身持续发展，对学习需求、资源选择、认知投入、人机分工等进行统筹和调控。它不是与其他能力并列的单项能力，而是三层能力共同遵循的内在逻辑。在基础支撑层，学习治理体现为学习者对学习需求、技术条件和信息资源的主动选择；在过程生成层，体现为学习者对问题、知识建构和人机分工的持续调控；在高阶发展层，体现为学习者对发展方向、价值边界和人机关系的整体把握。三层能力由学习发生的基本条件逐步延伸至能力形成和可持续发展，共同构成GenAI时代终身学习核心能力的新结构，其子能力在具体学习实践中相互嵌套、动态演化（见图1）。

（一）基础支撑层：保障学习者有效进入智能学习环境

基础支撑层指向GenAI环境中学习发生的基本条件，包括学习准备、智能素养和资源辨识能力。GenAI提高了学习资源的可及性，但技术接入并不等同于有效学习。只有当学习者能够明确学习需要、理解技术边界并识别资源质量时，开放的技术条件才能转化为真实的学习机会。

具体来看，学习准备能力是学习者感知知识不足与发展需要、形成学习意愿并维持学习投入的能力，包括对自身发展状态的认识、对学习价值的确认以及维持持续学习的意志品质。终身学习通常发生于缺乏外部强制和统一教学安排的非正式情境，学习者是否具有主动发展的意识、必要的知识基础以及持续投入的心理准备，直接影响其能否开展学习以及有效利用GenAI。若缺乏明确的学习需要和基本认知准备，技术所提供的大量内容反而可能加剧信息迷失现象，使学习停留在零散浏览和即时问答层面。智能素养能力是学习者理解GenAI的运行机制、功能边界和潜在风险，并据此选择和使用技术的能力。GenAI基于概率机制生成内容，不具备与人相同的理解和推理能力，其输出可能包含事实错误和虚构信息。学习者需要了解其可能存在的事实错误、虚构内容、算法偏差等风险，在此基础上根据需求与智能系统建立基本的交互关系。资源辨识能力是学习者获取、比较和筛选多源信息，判断生成内容的真实性、相关性与适切性，并将其转化为学习材料的能力。GenAI降低了信息获取成本，也增加了信息来源、生成过程和内容质量的不确定性。资源辨识已成为进入智能学习环境的必要条件，不仅包括排除错误信息，还包括依据自身知识基础和学习目标，对外部内容进行选择、重组与难度调适，使其转化为能够被理解和使用的学习材料。

（二）过程生成层：保障技术支持转化为主体真实能力

过程生成层指向学习者在人机协同中保持认知参与，并将外部信息与技术支持转化为自身理解和能力的过程，包括问题建构、知识生成和元认知调控能力。相较传统的过程调控能力，过程生成更强调学习不是对既定内容的接受和任务流程的管理，而是主体通过提出问题、建构知识和调控人机关系形成能力的过程。

具体来看，问题建构能力是学习者从复杂情境中识别矛盾、澄清需求、界定边界并形成学习任务的能力。GenAI能够根据提示生成回答，却不能替代学习者判断何种问题具有现实意义和发展价值。随着标准化知识趋于即时可得，学习的关键逐渐由获得答案转向发现和建构问题，将现实处境、既有经验和发展需要转化为探究对象的主体性活动。学习者需要从复杂情境中发现矛盾，识别已有知识与现实要求之间的差距，将模糊问题转化为具有探究价值的问题任务。知识生成能力是学习者对多源信息和生成内容进行审辨、关联、解释与重构，进而形成主体性理解的能力。学习是学习者主动建构信息解释并据此形成推论的过程，GenAI能够提供内容，却不能代替学习者完成知识内化。学习者需将新信息与已有经验相联系，通过实践应用和迁移形成新的理解，由此实现对意义建构过程的实质参与。元认知调控能力是学习者对学习目标、认知状态、人机分工和策略效果进行持续监控并及时调整的能力。GenAI介入后，调控对象进一步扩展至技术代理的范围、认知任务的分配以及能力内化的质量。学习者需要判断哪些程序性任务可以交由技术承担，哪些涉及理解、判断和迁移的活动必须由自身完成，并持续觉察对技术的依赖程度。

（三）高阶发展层：保障学习者持续主导人机协同发展

高阶发展层指向学习者在技术持续演进的环境中把握发展方向、价值边界与人机关系的能力，体现了学习者对终身学习意义与长期发展的主导地位，包括发展定向、价值判断和协同进化能力。GenAI可以参与知识生产和方案生成，却无法代替个体回答为何学习、向何处发展以及应当承担何种责任等问题。

发展定向能力是学习者根据生命发展、职业变化和社会参与需要识别发展任务、建构长期目标并持续校准学习方向的能力。终身学习的目的在于促进人的能力发展与全面发展。当GenAI能够推荐内容、规划路径和生成方案时，学习者更需要判断为何而学和向何处发展，避免学习目标被技术效率和外部需求替代。价值判断能力是学习者审视学习目标、技术使用和生成结果的价值基础、伦理边界与社会影响，并在效率、发展和责任之间作出选择的能力。GenAI的应用涉及真实性、公平性、隐私、责任等问题，学习者需要审视技术建议背后的价值预设，判断生成内容是否符合伦理规范，并在效率提升、能力发展与责任承担之间作出选择。协同进化能力是学习者根据技术、任务和情境变化，持续重组人机关系与自身能力结构的能力。GenAI的发展具有快速迭代和功能扩展的特征，任何固定的工具技能都可能迅速过时。学习者需持续调整人机分工、更新知识结构并重构能力组合，以在不断演化的数字生态中保持能动性与主体地位。

五、生成式人工智能时代终身学习核心能力的培育方略

GenAI时代终身学习核心能力的形成和发展，不能仅依赖学习者个体适应，更不能仅仅停留于智能工具的普及与应用培训，而是需要制度供给、主体实践与技术设计的协同支持。

（一）以能力转型为导向，完善终身学习制度供给

国家层面的政策引领对于推动终身学习核心能力的转型具有关键引导作用。面对GenAI所引发的能力结构变动，国家需要在战略框架、制度设计与技术治理等层面优化制度供给。一是需要推动终身学习相关政策与能力标准的更新。国家应将基础支撑、过程生成与高阶发展三层能力结构纳入终身学习核心能力的标准体系，着重体现学习者在智能环境中有效接入、能力内化和发展自主治理的综合要求，促使终身学习政策目标从推动知识获取机会和技能训练，转向强调学习主体能力的发展与提升。二是加快完善与新能力结构相适应的终身学习评价机制。现有评价体系大多围绕课程参与、学时积累和证书认证展开。未来我国应逐步探索面向真实情境的能力表现评价，增强对学习者各能力维度的考察，并推动非正规学习、非正式学习成果的制度化认定，为多种形式的终身学习实践提供制度化认可路径。三是建立面向教育场景的GenAI治理与引导机制。技术扩散的速度往往快于教育制度的回应速度，国家有关部门应推动建立教育应用场景下的GenAI评估标准与使用规范，引导相关产品和服务在设计上坚持支持学习者自主发展的基本原则，从制度层面维护终身学习中学习者的主体性。

（二）以学习治理为核心，促进学习者主体性重建

终身学习有赖于学习者个体在认知取向与行为习惯上的主动调适。在GenAI介入终身学习实践的条件下，个体应以更强的主体意识应对技术带来的挑战。一是主动强化问题建构意识，将问题生成与框架建构作为自主学习的核心能力目标，在日常实践中练习从复杂信息中识别关键矛盾、建构问题结构，并借助追问、反证和跨情境对比，培养对人工智能输出结果的批判性评估习惯。二是发展元认知调控能力，建立自主学习治理的个人机制。元认知能力是在技术辅助条件下防止认知被动依赖的核心能力。学习者在借助GenAI开展学习时，需要主动保持对学习目标的动态设定与自我检视，定期评估学习状态并反思学习轨迹，确保技术工具的使用服务于个人能力的实质发展。三是树立人机协同的主体意识。个体应主动建立清晰的人机边界意识，把价值选择、关键决策和学习反思等环节掌握在自身手中，并在使用技术的过程中强化自身学习责任意识。

（三）以主体发展为准则，重塑智能技术设计逻辑

GenAI作为终身学习的技术支持，其相关工具和系统的设计理念与功能逻辑直接影响学习者能力发展的走向，需要将学习者主体发展嵌入技术设计逻辑。一是重构智能教育工具的设计范式。当前多数GenAI产品以效率最大化为导向，技术设计应将促进人的认知参与纳入产品开发的核心价值标准，增加引导学习者独立思考、深度加工与批判反思等交互机制，探索以问题驱动为主导的人机对话模式，使人工智能在学习过程中发挥思维伙伴的作用。二是技术研发方应将认知发展支持功能纳入智能教育工具的系统设计框架，通过进度提醒、反思提示、自我评估、学习轨迹可视化等功能，帮助学习者不断增强对自身学习过程的感知和监控。三是建立智能教育工具应用的伦理框架，明确学习责任归属与认知自主保障机制。技术研发方和教育管理部门应协同推进教育应用伦理准则建设，明确学习者隐私保护、算法透明性、学习成果归因与认知自主权保障等基本原则，并将上述原则嵌入产品设计协议与服务条款，推动形成更加可靠的GenAI支持型终身学习生态。

来源｜《职教论坛》2026年第7期

作者｜胡姣（中国教科院数字教育研究所助理研究员）；曹培杰（通信作者，中国教科院数字教育研究所所长、研究员）